本文關(guān)鍵詞：基于參數(shù)辨識的半掛汽車列車側(cè)翻控制系統(tǒng)的研究

  更多相關(guān)文章： 半掛汽車列車 參數(shù)辨識 側(cè)翻控制 差動制動 LQR

【摘要】：半掛汽車列車由牽引車和掛車組成,相比一般載貨汽車,具有載運量大、效率高、營運成本低和節(jié)能減排效果好等優(yōu)點,因此得到廣泛應(yīng)用。但由于其重心高、重量和體積大,以及牽引車和掛車的相互耦合作用,極易發(fā)生側(cè)翻、折疊等重大交通事故,特別是側(cè)翻,人員、財產(chǎn)損失尤為慘重。因此,對半掛汽車列車進行側(cè)翻控制以提高行駛穩(wěn)定性顯得尤為必要。本文以提高半掛汽車列車側(cè)傾穩(wěn)定性為目的,重點對整車側(cè)翻控制系統(tǒng)進行研究,主要從半掛汽車列車模型的建立、模型參數(shù)的辨識和側(cè)翻控制系統(tǒng)的建立三個方面展開：首先,根據(jù)半掛汽車列車穩(wěn)定性控制的需要,基于汽車動力學原理,建立了涉及橫擺、側(cè)向和側(cè)傾運動的半掛汽車列車動力學數(shù)學模型。其次,結(jié)合角階躍轉(zhuǎn)向工況下的TruckSim仿真數(shù)據(jù),針對半掛汽車列車模型因結(jié)構(gòu)復(fù)雜、參數(shù)較多造成辨識困難的問題,采用遺傳算法和L-M優(yōu)化算法相結(jié)合的辨識方法,分兩步辨識出模型中的牽引車前軸側(cè)偏剛度、牽引車后軸側(cè)偏剛度、牽引車側(cè)傾剛度、牽引車側(cè)傾阻尼、掛車軸側(cè)偏剛度、掛車側(cè)傾剛度、掛車側(cè)傾阻尼和第五輪側(cè)傾剛度共八個較難直接獲取的關(guān)鍵參數(shù),并設(shè)計其它五種工況對辨識結(jié)果進行驗證。結(jié)果表明：分步辨識方法能辨識得到較精確的參數(shù)值,使模型能較好的描述實車基本運動特性,為整車側(cè)翻控制系統(tǒng)的研究奠定了基礎(chǔ)。對半掛汽車列車側(cè)翻控制策略進行研究,以實車運動狀態(tài)盡可能接近理想?yún)⒖紶顟B(tài)為控制目標,利用LQR控制器決策出牽引車和掛車所需的附加橫擺力矩,并通過差動制動方式產(chǎn)生相應(yīng)的橫擺力矩,避免側(cè)翻的發(fā)生。其中,運用側(cè)向加速度門限結(jié)合橫向載荷轉(zhuǎn)移率的方法對車輛潛在的側(cè)翻危險進行預(yù)測；并且制定了差動制動控制策略下目標車輪的選擇規(guī)則和制動力分配原則。最后,利用MATLAB/Simulink搭建了整車側(cè)翻控制系統(tǒng)模型,并聯(lián)合TruckSim軟件,在魚鉤工況和高、低附雙移線工況這三個極限工況下進行仿真試驗。結(jié)果表明：所建立的整車側(cè)翻控制系統(tǒng)能有效對半掛汽車列車進行側(cè)翻控制,避免發(fā)生側(cè)翻、橫擺和折疊危險事故,提高了半掛汽車列車行駛穩(wěn)定性和安全性。
【關(guān)鍵詞】：半掛汽車列車 參數(shù)辨識 側(cè)翻控制 差動制動 LQR
【學位授予單位】：廣西大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U469.5
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 緒論11-22
• 1.1 課題的來源和研究意義11-13
• 1.1.1 側(cè)翻的危險性12
• 1.1.2 參數(shù)辨識的必要性12
• 1.1.3 差動制動對車輛側(cè)翻的作用12-13
• 1.2 車輛參數(shù)辨識國內(nèi)外研究現(xiàn)狀13-15
• 1.2.1 國外研究現(xiàn)狀13-14
• 1.2.2 國內(nèi)研究現(xiàn)狀14-15
• 1.3 半掛汽車列車側(cè)翻控制國內(nèi)外研究現(xiàn)狀15-20
• 1.3.1 國外研究現(xiàn)狀16-18
• 1.3.2 國內(nèi)研究現(xiàn)狀18-20
• 1.4 本文主要研究內(nèi)容20-22
• 第二章 半掛汽車列車整車動力學建模22-30
• 2.1 半掛汽車列車動力學模型的基本假設(shè)22
• 2.2 半掛汽車列車動力學數(shù)學模型的建立22-29
• 2.2.1 車身三自由度汽車運動微分方程的建立24
• 2.2.2 牽引車和掛車的運動微分方程式的建立24-25
• 2.2.3 輪胎的受力分析25-26
• 2.2.4 半掛汽車列車所受合外力26-27
• 2.2.5 半掛汽車列車的力平衡方程式27-29
• 2.3 本章小結(jié)29-30
• 第三章 半掛汽車列車模型參數(shù)的辨識及驗證30-53
• 3.1 車輛模型30-31
• 3.1.1 TruckSim車輛模型30-31
• 3.1.2 半掛汽車列車模型31
• 3.2 半掛汽車列車模型關(guān)鍵參數(shù)的分步辨識31-37
• 3.2.1 遺傳算法、L-M優(yōu)化算法的基本原理32-34
• 3.2.2 基于遺傳算法的初次辨識34-37
• 3.2.3 基于L-M優(yōu)化算法的再次辨識37
• 3.3 參數(shù)辨識結(jié)果37-41
• 3.3.1 辨識工況37-38
• 3.3.2 關(guān)鍵參數(shù)的辨識結(jié)果38
• 3.3.3 辨識結(jié)果分析38-41
• 3.4 仿真驗證41-51
• 3.4.1 變方向盤轉(zhuǎn)角角階躍工況驗證41-43
• 3.4.2 雙移線工況驗證43-45
• 3.4.3 正弦轉(zhuǎn)向工況驗證45-47
• 3.4.4 移線工況驗證47-49
• 3.4.5 正弦-階躍聯(lián)合工況驗證49-51
• 3.5 本章小結(jié)51-53
• 第四章 半掛汽車列車側(cè)翻的控制53-87
• 4.1 控制策略53-54
• 4.2 側(cè)翻預(yù)警54-55
• 4.3 基于LQR的附加橫擺力矩的確定55-62
• 4.3.1 半掛汽車列車的線性參考模型55-57
• 4.3.2 狀態(tài)偏差的計算57-58
• 4.3.3 LQR控制58-60
• 4.3.4 加權(quán)系數(shù)的優(yōu)化60-62
• 4.4 差動制動策略下目標車輪制動壓力的分配62-70
• 4.4.1 目標車輪的決策62-66
• 4.4.2 目標車輪制動壓力分配66-69
• 4.4.3 ABS控制69-70
• 4.5 整車側(cè)翻控制系統(tǒng)建模70-74
• 4.5.1 線性參考模型71
• 4.5.2 側(cè)翻預(yù)警模型71-72
• 4.5.3 LQR控制模型72-73
• 4.5.4 制動壓力分配模型73
• 4.5.5 ABS控制模型73-74
• 4.6 半掛汽車列車側(cè)翻控制的仿真分析74-86
• 4.6.1 魚鉤工況74-78
• 4.6.2 高附著系數(shù)路面雙移線工況78-81
• 4.6.3 低附著系數(shù)路面雙移線工況81-86
• 4.7 本章小結(jié)86-87
• 第五章 總結(jié)與展望87-89
• 5.1 全文總結(jié)87-88
• 5.2 研究展望88-89
• 參考文獻89-94
• 致謝94-95
• 附錄 A 符號含義95-97
• 附錄 B 車輛模型主要參數(shù)97-98
• 附錄 C98-104
• 1. 遺傳算法MATLAB程序98-100
• 2. 基于遺傳算法辨識的目標函數(shù)MATLAB程序100-102
• 3. 控制策略加權(quán)系數(shù)優(yōu)化的目標函數(shù)MATLAB程序102-104
• 攻讀學位期間發(fā)表論文情況104

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊秀建;康南;劉明勛;周鵬;戎紀緒;;半掛汽車列車橫擺穩(wěn)定性最優(yōu)重構(gòu)控制[J];中國公路學報;2013年06期

2 趙志國;王冬冬;;重型車輛側(cè)翻預(yù)警技術(shù)研究現(xiàn)狀及發(fā)展趨勢[J];河北科技大學學報;2013年02期

3 楊秀建;李耀平;熊堅;;半掛汽車列車橫向穩(wěn)定性與失穩(wěn)機理分析[J];汽車工程;2011年06期

4 張不揚;宗長富;王德平;;車輛側(cè)翻預(yù)警研究現(xiàn)狀與關(guān)鍵技術(shù)[J];汽車技術(shù);2010年08期

5 黃江;郭孔輝;宋曉琳;劉巍;;爆胎汽車的穩(wěn)定性控制[J];中國機械工程;2009年16期

6 李培志;樊丁;;基于實數(shù)編碼的改進遺傳算法研究[J];宇航計測技術(shù);2008年01期

7 宗長富;麥莉;李雅娟;;重型半掛車的動力學建模及側(cè)傾穩(wěn)定性分析[J];遼寧工業(yè)大學學報;2008年01期

8 朱天軍;鄭紅艷;姬鵬;;重型半掛車的ADAMS建模及穩(wěn)定性分析[J];河北工程大學學報(自然科學版);2007年02期

9 馬娟麗;LQR系統(tǒng)最優(yōu)控制器設(shè)計的MATLAB實現(xiàn)及應(yīng)用[J];石河子大學學報(自然科學版);2005年04期

10 何鋒;非滿載罐式汽車靜態(tài)側(cè)翻模型的參數(shù)敏感性分析[J];貴州工業(yè)大學學報(自然科學版);2004年05期

，

本文編號：931883