汽車操縱穩(wěn)定性和平順性中逆問題的研究.pdf

1、汽車操縱動力學特性影響汽車駕駛的操縱輕便程度，也是高速汽車安全行駛的一個主要性能。汽車在高速轉向行駛時，駕駛員模型參數不易確定，從而導致駕駛員模型建立困難。為了避開駕駛員建模困難問題，本文運用操縱逆動力學方法，反求出駕駛員的操縱輸入。 針對目前路面不平度研究方法的局限性，本文運用逆問題的思想研究了路面不平度的識別方法，為汽車平順性分析研究奠定了基礎，為路面性能的分析提供了依據。 （1）提出了一種基于徑向基函數神經網絡在頻

2、域范圍內識別路面不平度的仿真研究方法。該方法以4自由度和7自由度汽車振動模型為基礎，以Matlab軟件仿真得到的汽車車身質心垂直加速度和俯仰角加速度作為神經網絡理想輸入樣本，擬合的路面不平度為神經網絡理想輸出樣本，應用RBF神經網絡建立汽車車身質心垂直加速度、俯仰角加速度和路面不平度之間的非線性映射模型。另取一組仿真得到的車身質心垂直加速度和俯仰角加速度代入已訓練好的網絡進行路面不平度的識別。結果表明，該方法具有較強的抗噪聲能力和較理想

3、的識別精度，識別的路面不平度與擬合的路面不平度吻合較好。 （2）提出了一種基于徑向基函數神經網絡在時域范圍內識別路面不平度的仿真研究方法。在時域范圍內建立RBF神經網絡非線性映射模型，另取一組仿真得到的車身質心垂直加速度和俯仰角加速度代入已訓練好的網絡識別路面不平度。最后以ADAMS/View虛擬試驗仿真得到的車身質心垂直加速度和俯仰角加速度來識別路面不平度，從而驗證了運用RBF神經網絡識別路面不平度的有效性。 （3）提

4、出了在不同汽車跟蹤同一指定路徑的情況下，汽車操縱逆動力學角輸入識別和力輸入識別的仿真研究方法。該方法以線性2自由度汽車方向盤轉角輸入和線性3自由度汽車方向盤轉矩輸入為數學模型，運用最優(yōu)控制理論識別方向盤轉角輸入和方向盤轉矩輸入。用直接配置方法將最優(yōu)控制問題轉化為非線性規(guī)劃問題，用序列二次規(guī)劃方法對轉化后的非線性規(guī)劃問題進行求解。結果表明：利用該方法計算出來的路徑跟蹤性良好，且可以比較跟蹤同一路徑的不同汽車的操縱性能，且仿真結果與實車試驗

5、結果運動趨勢相似。 （4）提出了一種解決汽車最速操縱問題的仿真研究方法。該方法基于最優(yōu)控制理論，以駕駛員對汽車施加的轉角輸入和驅動力/制動力為控制變量，以最短時間完成雙移線和蛇行線過程為控制目標。通過直接配置方法將最優(yōu)控制問題轉化為非線性規(guī)劃問題之后，運用序列二次規(guī)劃方法求解。采用該方法計算了不同汽車在同樣給定路徑邊界時的Matlab仿真結果。結果表明，該方法能夠解決汽車的最速操縱問題，可以比較不同汽車以最短時間完成雙移線和蛇行