基于多岛遗传算法的电动拖拉机分布式驱动系统优化设计与试验

针对分布式驱动电动拖拉机(Distributed drive electric tractor, DDET)牵引效率低、系统能量损耗大的问题,提出了一种基于多岛遗传算法(Multi-island genetic algorithm, MIGA)的分布式驱动系统参数优化设计与验证方法。根据犁耕作业工况,建立了拖拉机分布式驱动系统7自由度耦合动力学模型以及轮胎-土壤交互模型,完成了驱动系统关键部件参数设计和匹配选型。提出基于MIGA的前后轮边传动比参数优化策略,将轮边传动比作为决策变量,驱动系统能量损失最小为优化目标,驱动电机功率和转速为约束条件。搭建Matlab/Simulink-NI PXI联合仿真平台验证了参数优化策略的正确性和实时可执行性。结果表明,基于MIGA参数优化后的分布式驱动系统各方面性能得到了有效提升。犁耕循环工况下,拖拉机平均牵引力为10 610 N,最大牵引功率为31.25 kW;平均效率提升了0.38%,驱动电机能耗降低了7.53%。本研究可为分布式驱动电动拖拉机优化设计和系统控制提供理论基础和验证方法。

电动汽车分布式驱动系统的台架试验研究

掌握分布式驱动系统的转矩输出特性是制定分布式驱动汽车整车控制策略的基础。利用专门搭建的双路测试平台对研制的双电机分布式驱动系统进行了台架试验研究,考察了其转矩输出能力和不一致程度。试验结果表明,分布式驱动系统大部分工况下可以保证转矩输出的精确性和一致性,但在极限工况下还存在明显差异。因此,对于分布式驱动电动汽车,正常工况下直接根据整车稳定性需求进行驱动转矩分配即可,但极限工况下必须采取一定的结构和控制措施来保障行车安全。

分布式驱动电动车辆差速控制技术研究

随着电动车辆技术的发展,分布式驱动系统作为一种新型的驱动形式也得到了广泛应用。然而,目前,分布式驱动电动车辆的差速控制技术仍面临一些挑战,涉及到转向、稳定性和能耗等方面。本文针对这些问题展开研究,分析了不同控制策略对差速控制的影响,探讨了基于模型预测控制的差速控制方法。通过实验验证和结果分析,本文得出了优化的差速控制策略,并提出了改进方案,以提高分布式驱动电动车辆的性能和效率。

分布式电驱动系统永磁同步电机改进型反馈式弱磁控制策略研究

以分布式电驱动系统的表贴式永磁同步电机为研究对象,对满足高转矩输出和宽转速范围下的电机转矩特性进行分析,对比传统前馈弱磁和反馈式弱磁控制策略的优缺点,提出一种易于工程化实现的带深度前馈的改进型反馈式弱磁控制策略,详细阐述其工作原理,并给出其前馈分量和反馈分量的具体计算方法,并通过推导其闭环传递函数对电流环稳定性进行分析,最后对所提控制策略的控制性能进行仿真验证。所提出的改进型反馈式弱磁控制策略在效率、控制精度和工程化实现方面具有显著的优势。

变体飞机智能结构技术进展

具有可变外形特征的变体飞机能始终保持最佳飞行状态,满足多种任务需求,是未来飞行器的重大技术方向。本文从变体飞机的背景出发,论述了变体飞机的结构组成和能力需求,阐述了变体飞机结构的关键技术(如柔性结构技术、驱动/控制技术和状态感知技术)的研究现状与发展方向,提出智能材料柔性结构、分布式驱动/控制系统与微小传感器一体化是未来变体结构的主方向。同时指出,4D打印技术在设计和制造智能材料柔性结构方面具有很大的应用潜力。本文的研究为变体飞机智能结构设计和关键技术研究提供了参考,对于未来变体飞机的发展具有指导意义。

Study on simulation and scheduling algorithm of CAN control for independently driving electric vehicle

Safety-critical applications such as the independently driving systems of electric vehicle （EV） require a high degree of reliability. The controller area network （CAN） is used extensively in the control sectors. A new real-time and reliable scheduling algorithm based on time-triggered scheduler with a focus on the CAN-based distributed control systems for independently driving EV is exploited. A distributed control network model for a dual-wheel independendy driving EV is established. The timing and reliabili- ty analysis in the worst case with the algorithm is used to evaluate the predictability and dependability and the simulation based on the algorithm with CANoe software is designed. The results indicate the algorithm is more predicable and dependable.