基于GA-LSTM自适应卡尔曼滤波的路面不平度识别

准确、快速地识别出车辆当前行驶的路面激励信息,是实现智能底盘控制进而保证车辆平顺性的关键。针对传统路面不平度识别算法准确率低、自适应性差等问题,提出了基于遗传算法(genetic algorithm,GA)优化长短期记忆神经网络(long short-term memory networks,LSTM)自适应卡尔曼滤波的路面不平度识别算法。基于2自由度车辆悬架模型,通过灰色关联法选择LSTM神经网络的特征输入变量,并采用GA优化LSTM神经网络的模型参数以准确识别路面等级,并据此实时更新卡尔曼滤波器算法中的噪声矩阵,实现了在复杂路况下对路面不平度的自适应识别。仿真和试验研究表明,所提出的基于GA-LSTM自适应卡尔曼滤波算法能够快速准确的识别路面不平度与路面等级,与传统卡尔曼滤波算法相比,相关系数、均方根误差和最大绝对误差分别提高3.11%、37.5%和51.2%,表明所提算法对复杂工况具有很好的自适应能力。

计及安全性与舒适性的智能车辆换道轨迹规划研究

针对当前智能车辆在换道过程中的安全性以及乘员舒适性问题,本文提出一种基于风险场评估轨迹的二次筛选方法。首先,在Frenet坐标系下,将车辆运动解耦为横向和纵向两个维度,基于五次多项式生成所有横向d-t曲线簇和纵向s-t曲线簇;其次,由车辆的动力学特性和三圆碰撞模型设计轨迹初筛评价函数,选取合格轨迹作为候选轨迹;最后,参考人工势场理论的思想,引入行车过程中风险场的概念,根据换道效率,换道风险值和横、纵向冲击度建立总损失函数评价候选轨迹以进行二次筛选,选取最佳轨迹并完成可视化。为检验算法的可行性,通过搭建双车道的道路环境,设计障碍车不同速度和加速度的多场景进行弯道换道的仿真验证。研究结果表明,本文所提算法能够满足换道的安全性和舒适性需求。同时,在正常换道场景下,乘员在换道过程的97.5%时间处于舒适状态,在紧急避障场景下也能达到平衡安全性与舒适性的目标。

基于事件触发的汽车主动悬架振动控制器设计

为提升车辆的行驶平稳性和安全性,针对具有输入死区和饱和特性的汽车主动悬架系统,设计一种基于事件触发(Event Trigger,ET)和长短期记忆(Long Short-Term Memory,LSTM)神经网络的智能振动控制器。在构建四分之一车辆主动悬架模型基础上,提出一种高效的ET控制器,能够有效缓解通信紧张问题和避免控制器固有的芝诺现象,提高控制器的稳定性和可靠性。为了进一步增强控制器的智能性和自适应性引入了LSTM神经网络,利用径向基函数神经网络来模拟和生成不同条件下的响应数据实现LSTM神经网络的训练,以精确预测并补偿作动器的死区和饱和影响,进而使主动悬架系统的垂直加速度趋近于0 m/s^(2),从而极大地提升了乘坐舒适性。通过数值仿真验证所设计控制器的适用性和有效性。研究结果表明,所设计的控制器在多种工况下能够有效提高主动悬架系统的动态性能。

基于ReliefF-RBF的路面不平度识别算法研究

路面不平度对道路车辆行驶安全性及车辆动力学响应具有重要影响。通过将路面不平度识别与先进悬架控制结合,有望能进一步提升乘员舒适性和车辆的操纵稳定性。现有基于数据驱动的路面分类方法难以高效处理时变参数与车速,现有基于模型的路面识别算法需要已知精确车辆模型,在实际应用中面临车辆物理参数难以获得的问题。提出一种融合模型和数据驱动的路面分类算法,采用基于模型的方法反算等效路面轮廓,结合数据预处理方法,对车辆响应和反算等效路面轮廓数据进行滤波;对等效路面轮廓和响应信息进行时域频域特征计算,采用ReliefF算法进行关键特征提取,构建基于径向基函数神经网络的路面分类器,进行路面分级识别;通过仿真试验和实车试验验证了不同车辆参数和车速下所提出的算法鲁棒性。

水泥混凝土凹坑路面破损对大客车乘员平顺性影响分析

不平整水泥混凝土路面严重影响了行车的平顺性,为揭示大客车与不平整路面相互作用关系,本文以重型大客车为研究对象,基于拉格朗日方程和达朗贝尔原理建立7自由度整车平顺性模型。通过滤波白噪声法建立4轮路面激励模型,借助ADAMS仿真软件建立整车动力学模型以及路面和凹坑模型,并结合大客车与不平整路面平顺性评价标准,以Z轴最大加速度绝对值进行对比分析。研究表明:凹坑路面对车辆平顺性影响显著。后排座椅位置受到的振动要远高于其他座椅位置处受到的振动。在同一位置的不同两侧,左侧的Z轴最大加速度绝对值明显高于右侧,特别在后排位置其Z轴最大加速度绝对值大约是右侧的1.5倍。当凹坑深度较小时,并不随着车速的增加与位置的不同而对乘坐的舒适性有较大影响;而当凹坑深度较大时,随着车速的增加,虽然4个位置的Z轴最大加速度绝对值变化较大,但均小于31.44 m/s^(2),不会对大客车上的乘员造成影响,平顺性良好。

集总与多体耦合人车模型的振动特性仿真

为了更好地分析车辆行驶时人体的振动情况以及更好地评价人体的动态舒适性,通过COMSOL软件建立了集总参数与多体耦合人-椅-车动力学模型。利用滤波白噪声法建立随机路面时域模型作为人车系统的振动输入,对不同路面等级和车速下的人体振动响应进行时域和频域仿真分析。根据ISO 2631-1:1997(E)计算垂向和纵向人体头部以及臀部的加速度均方根值,以此来评价人体乘坐舒适性。研究结果表明,路面等级越低、车速越高,人体乘坐舒适性越差。提出的集总与多体耦合人-椅-车振动模型可以比较精确地计算出坐姿人体垂向、纵向的振动响应,有助于对车辆乘坐舒适性进行评价。

基于轴距预瞄的虚拟轨道列车主动悬架控制策略

针对虚拟轨道列车垂向振动问题,基于轴距预瞄原理设计了一种列车主动悬架控制策略.首先,考虑线性滤波白噪声路面不平度激励,建立了列车—路面耦合振动模型;其次,结合列车轴距预瞄信息,利用线性二次型高斯(Linear Quadratic Gaussian, LQG)控制理论设计了列车主动悬架LQG控制器,并基于自适应粒子群算法(Adaptive Particle Swarm Optimization, APSO)对控制器的权重系数进行优化;最后,研究了列车在随机路面和脉冲路面激励作用下的垂向振动特性.仿真结果表明,本文所设计的列车主动悬架控制策略能明显降低列车在随机路面和脉冲路面激励作用下各节车体的垂向振动,且针对不同等级路面和车速工况,均有良好的鲁棒性,有效提高了虚拟轨道列车的乘坐舒适性.

纯电动汽车脉冲激励下残余振动的多目标优化

利用Adams/Car软件建立某电机后置纯电动汽车的整车虚拟样机模型,并展开对电动汽车过坎冲击残余振动问题的研究。建立一个新的优化目标—振衰度来表示残余振动的大小,并利用Isight集成Adams/Car、MATLAB模块对残余振动进行两次优化目标不同的优化。首次优化目标是振衰度和后座椅垂向加速度峰值,第二次优化目标是后座椅垂向加速度峰值,并将两次优化结果作对比。仿真结果表明,首次优化目标对残余振动优化的效果好于第二次,说明新建的优化目标—“振衰度”能较好地衡量残余振动衰减速度的快慢,以此为优化目标对残余振动优化效果较好。

基于HyperMesh的乘用车驾驶室NVH性能分析

为测定某乘用车驾驶室噪声、振动、声振粗糙度(noise vibration harshness,NVH)性能,采用有限元软件ANSA建立车辆内饰车身模型,HyperMesh建立驾驶室声腔模型,并采用HyperMesh将车身模型与声腔模型耦合连接,进行声腔模态分析和噪声传递函数分析。声腔模态分析结果表明:驾驶室声腔模型各阶次声压分布基本处于对称状态,符合车内声压分布规律,声腔模态结构合理。噪声传递函数分析结果表明:在不同方向、不同位置的激励作用下,驾驶员右耳处最大声压级为55.60 dB,未超出57 dB的限值规定;后排乘客右耳处最大声压级为56.25 dB,未超出58 dB的限值规定,车辆驾驶室满足NVH性能要求。

路面激励时域建模方法的汽车悬架输出响应特性对比

为了确定路面激励时域建模方法对汽车悬架输出特性的影响,对比分析了基于滤波白噪声法、三角级数法和傅里叶反变换法的路面随机激励时域建模方法;基于搭建的1/4汽车悬架特性试验平台,以路面随机激励频域模型为对比基准,实验研究了基于不同路面随机激励时域模型的汽车悬架输出响应.实验结果表明,滤波白噪声法路面随机激励时域模型是一种更适用于汽车悬架输出特性分析的路面随机激励时域模型.

商用车通过噪声优化研究

某纯电重卡根据GB 1495-2002《汽车加速行驶车外噪声限值及测量方法》进行测试时,发现动力模式(P模式)下,50km/h进线时,车外噪声测试结果为84.9dB(A),不满足限值(≤84 dB(A)),根据主观感受结果和频谱图滤波回放,确认问题发生频率在2500Hz左右,跟踪电机转速发现电机的2.2阶能量贡献明显,并结合电机参数和内部传动结构特性,计算对应阶次零部件为轮边减速器,通过吸音棉包裹、更换新样件等方案验证,最终发现轮边减速器齿轮精度和轮边减速器啮合激励与端盖模态耦合共振,导致噪声增大,通过提高端盖模态和提高轮边减速器齿轮精度,问题得到优化。

基于单片机的汽车内部温度辅助调节系统设计

本设计以单片机为控制核心,以汽车内部温度为控制对象,通过温度传感器采集温度,经A/D转换器将温度转换成数字信号,当驾驶员按动汽车钥匙时,单片机将转换的数字信号在极短的时间内与事先设定的目标温度进行校对,当温度高于或低于设定的温度时,单片机会控制温度控制组件将温度调节在设定温度以内,从而达到舒适性的要求。本设计的主要特点是在外部中断发生时可以自动关闭程序。当汽车内部温度达到设定值时,会进行相应的提示。本设计具有抗干扰能力强、可靠性高、简单易用、通用性强等特点。其设计方法和实现方案对其它基于单片机的系统设计具有一定的参考价值。

某电动商用汽车驾驶室NVH性能分析

为研究车辆驾驶室噪声、振动、声振粗糙度(noise vibration harshness,NVH)性能,采用有限元软件建立某款电动商用车驾驶室和声腔有限元模型并进行声腔模态分析;以底盘左、右前减振器安装点为激励点,驾驶员右耳处为响应点进行噪声传递函数(noise transfer function,NTF)分析,并与车辆标准声压级对比。结果表明:建立的声腔模态振型分布均匀合理,声腔模态各阶固有频率避开了车辆固有频率100.8 Hz,防止共振发生;对比车辆标准声压级要求,该模型响应点声压级在65 dB以内,满足NVH性能标准。

履带车辆液压悬架抗俯仰互联模式研究

针对独立悬架式履带车辆在俯仰工况下减振性能较差的问题,提出利用油管将车身同侧不同轴的减振器进行互联的方案。首先,提出俯仰工况下的3种互联模式,模式1、模式2、模式3分别为第1及第2轴减振器互联、第1及第6轴减振器互联、第2及第6轴减振器互联;其次,建立1/2履带车辆减振器机-液-热模型;然后,根据谐波叠加法利用MATLAB和RecurDyn编译E级路面模型;最后,利用AMESim和RecurDyn搭建液压互联悬架模型和整车动力学模型的机-液-热联合仿真平台,与装有独立悬架的履带车辆进行E级路面下的抗俯仰性能进行对比分析。仿真结果表明,安装3种模式的液压互联悬架履带车辆降低了车身俯仰角均方根值,降幅分别为3.97%、5.96%、3.53%,模式2的车身俯仰角最大值相较于独立悬架降低了0.010 4 rad,降幅为14.11%,抗俯仰性能最优。

基于子区间修正摄动法的汽车高频噪声优化设计

为抑制声学包零件参数较强的不确定性引起的车内高频噪声大范围波动,提出了一种基于子区间修正摄动法的汽车高频噪声不确定性分析与优化方法,首先建立汽车高频噪声分析的统计能量基本方程,将不确定性参数划分为若干子区间,采用修正区间摄动法计算每个子区间的摄动半径,得到高频噪声性能的中心值和摄动半径,并利用区间不确定性优化方法对车辆的高频噪声性能和零件质量进行了优化设计。应用该方法对某车型的内前围、地毯进行分析和优化设计,结果表明,优化后,声学包零件质量减轻了3%,噪声波动区间下降幅度超过35%,系统的稳健性显著提升。

基于区间分析的汽车声学包零件不确定性优化

为解决汽车声学包零件大批量生产时零件性能稳健性的问题,提出了一种基于区间分析的不确定性优化方法。该方法采用比奥(BIOT)理论和传递矩阵方法对声学包零件的吸隔声性能进行仿真,采用区间摄动理论对零件声学性能的不确定性进行分析,引入区间不确定性优化方法对零件的材料选择与结构设计参数进行优化设计。应用该方法对某车型内前围零件进行了分析与设计,结果表明,零件质量下降12.8%,同时系统的稳健性大幅度提升,插入损失最大波动由8 dB下降至5 dB。

考虑车辆稳定的避障路径自适应模型预测跟踪

为了提高车辆在稳定行驶前提下的避障路径跟踪控制精度,设计了自适应模型预测路径跟踪控制器和稳定控制器。根据车辆运动特性,建立了车辆在横向和横摆向共三个自由度的车辆动力学方程;基于路径跟踪控制需要,建立了预瞄跟踪控制模型。在避障路径跟踪方面,提出了预测时域随车速和路径曲率自适应变化方法;以提高避障路径跟踪精度和控制量增量最小为优化目标,将路径跟踪控制问题转化为二次型问题,实现了自适应优化求解和时域滚动控制。在车辆行驶稳定方面,从车辆状态的稳定性预判、稳定力矩的计算和分配等方面设计了稳定控制器。经仿真验证,这里的方法能够将车辆状态控制在相平面的双线法稳定区域内,实现了车辆行驶的稳定性和安全性;在避障路径跟踪方面,这里的方法的最大跟踪误差和绝对误差均值远小于传统模型预测控制、文献[14]模糊滑模控制,充分证明了这里的方法在避障路径跟踪控制中的高精度和有效性。

轮胎扁平比对汽车行驶舒适性的影响研究

以某乘用车为研究对象,分析轮胎轴头力和力矩响应,根据传递路径对配备不同扁平比轮胎的车辆进行整车行驶舒适性测试,结合主观评价,研究轮胎扁平比对汽车行驶舒适性的影响,结果表明同一车型配置大尺寸低扁平比轮胎后整车行驶舒适性变差.

汽车半主动座椅悬架主要参数优化研究

半主动座椅悬架能有效改善驾驶平顺性,减少人体垂向振动,提升车内驾乘人员的乘坐体验.其中,半主动悬架的初始性能参数对悬架性能起到决定性作用.为此,本文针对半主动座椅悬架的初始性能参数(弹簧刚度和阻尼系数)的优化问题展开研究,在使用了随机路面模型、六自由度半车模型的基础上,以优化前后座椅垂向加速度之比作为适应度函数,利用遗传算法对半主动座椅悬架的刚度及阻尼系数进行优化.最后,利用MATLAB软件对优化结果进行仿真分析.结果表明,经算法优化后,座椅垂向加速度的均方根减少了16.4%,最大值下降了11.3%;座椅相对位移的均方根减少了36%,最大值下降了39.2%.

Customized Optimization for Vehicle Acoustic Statistical Energy Analysis

Statistical Energy Analysis(SEA) is one of the conventional tools for predicting vehicle high-frequency acoustic responses.This study proposes a new method that can provide customized optimization solutions to meet NVH targets based on the specific needs of different project teams during the initial project stages.This approach innovatively integrates dynamic optimization,Radial Basis Function(RBF),and Fuzzy Design Variables Genetic Algorithm(FDVGA) into the optimization process of Statistical Energy Analysis(SEA),and also takes vehicle sheet metal into account in the optimization of sound packages.In the implementation process,a correlation model is established through Python scripts to link material density with acoustic parameters,weight,and cost.By combining Optimus and VaOne software,an optimization design workflow is constructed and the optimization design process is successfully executed.Under various constraints related to acoustic performance,weight and cost,a globally optimal design is achieved.This technology has been effectively applied in the field of Battery Electric Vehicle(BEV).