五轴重型特种车辆的状态估计及验证

多轴重型特种车辆具有载重大、质心高、速度快的特点,在高机动行驶条件下存在发生操纵失稳的可能性。质心侧偏角和横摆角速度是衡量车辆操稳性的关键判据,如果直接通过车载传感器测量存在测量困难、成本昂贵和长时误差等问题,因此开展了对五轴重型车辆的状态估计研究。基于Matlab/Simulink搭建了五轴特种车辆的13自由度动力学模型,利用行驶状态监测系统进行实车试验,验证模型的精确性,为估计模型提供理论依据及验证仿真平台。建立非线性三自由度车辆模型,基于无迹卡尔曼滤波算法,设计关于横摆角速度、质心侧偏角、纵向速度的状态估计器。以13自由度模型为仿真平台分别进行角阶跃输入、脉冲输入及正弦输入工况的验证。仿真结果证明,基于非线性三自由度车辆模型的状态估计器可实现对纵向速度、横摆角速度和质心侧偏角参数的动态估计。

多轴特种车辆的数据建模方法及横向动力学应用

多轴特种车辆的动力学模型具有强非线性,精细化的物理建模需要准确的模型参数和动力学方程以映射车辆动力学的特性。在无精确的车辆先验物理参数信息和动力学函数关系条件下,为提高车辆动力学建模的保真度,针对某型五轴特种车辆的横向动力学行为,提出了一种基于神经网络的数据建模方法。网络框架主体呈闭环结构,网络输出的状态信息同时作为输入用于预测下一时刻的状态,实现了数据建模递归更新;针对闭环网络模型,设计了闭环结构的训练策略,在网络模型中引入中间变量,使得网络在训练阶段仍然保持闭环结构;网络模块采用循环门控单元(Gate Recurrent Unit)和全连接网络(Full Neural Networks)的组合方式;数据集由经过实车验证的Trucksim仿真模型生成,分析结果表明:在无精确车辆先验信息条件下,物理建模难以准确预测出车辆的状态信息,数据模型具有更好的保真度。闭环训练方法可以使得闭环结构的网络具有更好的保真度,对于横向速度和横摆角速度预测的最大绝对值误差仅为0.079 km/h和0.342°/s,相比于开环训练的结果,最大误差降低了58.40%和49.48%。

水滑石填充PVC复合材料的制备及性能研究

采用液态丁腈橡胶(LNBR)对水滑石(HT)进行表面包覆改性制备了LNBR/HT,并用其填充聚氯乙烯(PVC)制备了复合材料,采用红外光谱仪(FTIR)简支梁冲击试验机、万能试验机、氧指数测定仪、动态力学分析仪(DMA)、、扫描电子显微镜(SEM)等仪器研究了LNBR对HT的改性方式和改性前后HT含量对复合材料力学性能、阻燃性能、动态力学性能及微观形貌的影响。结果表明,LNBR对HT的改性为物理改性,由于LNBR与PVC基体有良好的相容性,经LNBR改性的HT在PVC基体中的分散性得以改善,其与PVC基体的界面黏结作用增强;PVC/LNBR/HT复合材料较PVC/HT表现出优异的力学性能和阻燃性能;PVC/LNBR/HT复合材料的拉伸强度和缺口冲击强度在LNBR/HT含量分别为5份和10份时分别达最大值,为29.8 MPa和17.7 kJ/m2;PVC/LNBR/HT复合材料的极限氧指数在LNBR/HT含量为40份时达34.6%;由于LNBR在复合材料体系中充当增容剂和增塑剂的双重作用,PVC/LNBR/HT复合材料的刚性增加,但耐热性出现小幅下降。