基于半主动悬架控制的车辆防侧翻研究

《基于半主动悬架控制的车辆防侧翻研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学位代码308学校代码10298学号3120271岛京林政大学j硕士研究生学位论论文题目：基于半主动悬架控制的车辆防侧翻研究作者:邰瑞专业：载运工具运用工程研究方向：汽车电子控制技术指导教师：姚最凌副教授二〇一五年六月学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下进行的研究工作所取得的成果。尽我所知，除文中已经特别注明弓丨用的内容和致谢的地方外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式注明并表示感谢。本人完全意

2、识到本声明的法律结果由本人承担。学位论文出版授权书本人及导师完全同意《中国博士学位论文全文数据库出版章程》、《中国优秀硕士学位论文全文数据库出版章程》（以下简称“章程”，见WWW.cnki.net)，愿意将本人的学位论文提交“中国学术期刊（光盘版）电子杂志社”在《中国博士学位论文全文数据库》、《中国优秀硕士学位论文全文数据库》中全文发表和以电子、网络形式公开出版，并同意编入CNKI《中国知识资源总库》，在《中国博硕士学位论文评价数据库》中使用和在互联网上传播，同意按“章程”规定享受相关权益。论文密级：/••—

3、.__________•—,,....................................................................、致谢在此毕业之际，首先要对我的导师姚嘉凌致以最衷心的感谢，在研究生三年阶段，姚老师不论在学习上还是在生活中都给予了我很大的帮助。导师认真严谨、虚怀若谷，引导我把握学术发展方向,使我受益非浅。三年来的每一个知识的积累与自身的成长都离不开导师的心血与汗水。谨此再次向姚老师表达我深深的谢意。感谢南汽研究院的钟国华，喻典宏，戴能红工程师，给我提供了很多

4、技术支持与帮助。感谢陪我一起工作的同门汪蕊，丁姝慧，沈亮，陆炳成，任杉。感谢陪我一起生活的同窗吴松松，庄佳泉，张帅，张韡，孙扬。向所有帮助过我的老师和同学表示感谢。最后感谢父母多年来对我的培养和教育，感谢爱人对我的理解和照顾，感谢爷爷奶奶，哥哥姐姐们对我的支持和帮助。作者：邰瑞2015年6月于南京林业大学摘要近年来，随着汽车工业和道路交通的快速发展，汽车侧翻事故成为受到人们更多关注的重要安全问题。车辆在高速行驶进行紧急转向时，在较短的时间内容易发生侧翻，因此车辆的侧翻预警及侧翻控制变得尤为重要。本文在半主动悬

5、架的基础上采用神经网络控制策略，进行车辆防侧翻进行研究，对提高车辆操纵稳点性有一定的理论和现实意义。主要工作如下：首先，在三自由度车辆模型的基础上建立七自由度的半主动悬架车辆侧翻模型，并通过车辆动力学仿真软件Carsim进行不同输入工况下的仿真试验，加以验证所建七自由度侧翻模型的合理性。其次，通过比较常见的车辆预警系统，以动态载荷转移率（LTR）为车辆侧翻门限值，设计一种适合所建车辆侧翻模型的侧翻预警算法。在Matlab中进行仿真分析，并验证该算法正确性和可靠性。然后，建立基于半主动悬架的神经网络控制。从训练

6、时间长短、训练准确度等方面比较BP神经网络与ELM之间的优缺点。通过Matlab程序生成Simulink控制器模块，并加到建立好的七自由度车模型中进行仿真分析，可以看出基于半主动悬架的神经网络控制能有效的提高车辆的防侧翻能力。最后，将Carsim建立的同参数车辆模型导入Matlab中，并与之建立通信联系，根据上述设计的控制策略，对基于半主动悬架控制的车辆模型进行联合仿真。对仿真结果进行分析，结果表明神经网络控制及神经网络与天棚阻尼切换控制的正确和有效性。关键词：半主动悬架、神经网络、侧翻预警、侧翻控制、联合仿

7、真Researchoncontrolofvehicleanti-rolloverbasedonsemi-activesuspensionAbstractInrecentyears,withtherapiddevelopmentofautomobileindustryandroadtraffic，vehiclerolloveraccidenthasbecomeanimportantsafetyissuewidelyattentionbypeople.Whenvehicletravelsathighspeedan

8、demergencysteering,Inarelativelyshortperiodoftimeeasytorollover,sothevehiclerolloverwarningandavehiclecontrolisparticularlyimportant.Inthispaper,usingneuralnetworkscontrolstrategybasedonthesemi-actives