驾驶机器人车辆动态制动力矩补偿

为了减小长期自动驾驶过程中制动性能下降带来的影响,提出了一种驾驶机器人车辆动态制动力矩补偿方法。首先建立了以车速和制动踏板力为输入,制动力矩为输出的驾驶机器人车辆制动性能离线自学习模型。然后考虑到驾驶机器人车辆长期自动驾驶导致离线自学习模型可靠性下降,建立了以车速和制动踏板力为输入,制动力矩为输出的扩展自回归在线辨识模型,并采用模糊变遗忘因子递推最小二乘法进行参数辨识。模糊变遗忘因子递推最小二乘法通过引入遗忘因子的方式,对数据施加时变加权系数,以避免出现数据增长导致的数据饱和现象。模糊变遗忘因子控制器以制动力矩辨识误差为输入,经模糊规则推理实时输出合适的遗忘因子进行参数辨识,能够有效均衡驾驶机器人车辆制动性能参数辨识的稳定性与收敛速度。驾驶机器人车辆自动驾驶过程中,根据当前车速与目标车速的大小计算出所需的制动力矩,加上反馈回来的制动力矩误差,并结合当前时刻的车速,利用制动性能离线自学习模型与机械腿逆向运动学模型实时计算出制动电机输出位移量,实现对驾驶机器人车辆制动力矩的在线补偿。仿真与试验结果表明:利用所提出的方法对车辆动态制动力矩进行辨识时,通过调节遗忘因子,辨识结果能够快速收敛且辨识误差较小。在此基础上,控制驾驶机器人车辆进行纵向车速跟踪时,能够有效减小制动性能下降造成的影响,保证控制车速跟踪误差在±1km·h-1之内。

能量回收式电涡流缓速器制动策略研究

文章结合电涡流缓速器和再生制动能量回收技术的优点,提出了能量回收式电涡流缓速器制动补偿策略。利用再生制动系统提供的制动力矩为电涡流缓速器在持续制动过程中的制动力矩热衰退予以补偿。以GB12676-2014政策法规为验证标准,车辆在满载情况下在7%的坡道上保持以30km/h的车速匀速行驶5km为仿真目标,对某商用车型进行仿真分析。验证了该策略使得实际产生的总制动力矩始终能满足驾驶员的制动需求,可以延缓电涡流缓速器温升,保障车辆行车安全。

补偿链脱落造成电梯运行振动故障原因分析

本文以补偿链脱落造成电梯振动的现象为研究对象,就补偿链脱落-曳引力、制动力矩、平衡补偿装置等变化-运行振动三者之间的关系进行分析。据此论证了在电梯施工安装维保工作中对补偿链安装问题需加以关注,从而避免由补偿链脱落引发的电梯振动现象,对确保电梯安全、舒适运行具有至关重要的作用与意义。