-
公开(公告)号：CN108189824A
公开(公告)日：2018-06-22
申请号：CN201810127268.X
申请日：2018-02-08
Applicant: 吉林大学
Abstract: 本发明属于制动系统领域，具体的说是一种前轮EHB后轮EMB的混合线控制动系统。该系统包括制动系统部分、液压线控制动部分和纯机械线控制部分；液压线控制动部分中的液压调节单元HCU与制动系统部分中的储液壶、制动主缸和踏板感觉模拟器相连；液压调节单元HCU与制动系统部分中的前左制动器和前右制动器相连；纯机械线控制部分安装在后轮制动器上。本发明在前轴采用EHB系统，后轴采用EMB系统，可以有效发挥两种制动系统的优势。前轮采用EHB系统可以实现前轮单轮制动力调节，同时靠装备于前轴的EHB实现制动失效备份以满足现行法规要求；后轮采用EMB可以缩减制动管路的长度，消除压力控制过程中由于管路过长带来的不确定性,同时能够方便的实现电子驻车制动。
-
公开(公告)号：CN119475707A
公开(公告)日：2025-02-18
申请号：CN202411498175.X
申请日：2024-10-25
Applicant: 吉林大学
IPC: G06F30/20 , G06F119/14
Abstract: 本发明属于汽车技术领域，具体的说是一种排除不稳定工况的商用车质量与道路坡度解耦估计方法。包括以下步骤：步骤一、通过模糊控制器分析估计工况并合成置信因子，在不稳定工况下，置信因子小于门限值则予以排除，暂停质量估计，仅在置信因子大于等于门限值的稳定工况下触发质量估计；步骤二、基于卡尔曼滤波算法对道路坡度进行估计，完成道路坡度与商用车质量解耦；步骤三、在置信因子大于等于门限值的稳定工况下，基于带有遗忘因子的递推最小二乘法完成解耦后的商用车质量在线估计。本发明能够精确估计商用车质量与道路坡度，为商用车底盘集成控制提供了基础依据。
-
公开(公告)号：CN118618303A
公开(公告)日：2024-09-10
申请号：CN202410561741.0
申请日：2024-05-08
Applicant: 吉林大学
Abstract: 本发明属于汽车技术领域，具体的说是一种考虑多维非线性扰动的电子助力制动系统自适应压力控制方法。包括以下步骤：步骤一、建立电机、液压与摩擦力的关键模型；步骤二、设计液压‑位置‑电流级联式控制器，从而实现对电子助力制动系统自适应压力的控制；其中，液压控制器应用自适应径向基函数神经网络和鲁棒滑模理论解决液压时变不确定性扰动问题；位置控制器引入摩擦前馈补偿和滑模控制解决传动机构非线性摩擦阻碍问题；电流控制器应用李雅普诺夫理论设计电流解耦方案解决永磁同步电机电磁特性动态耦合问题。本发明采用自适应径向基函数神经网络和鲁棒滑模理论，设计了电子助力制动系统液压控制器，采用摩擦前馈补偿和滑模控制理论，设计了电子助力制动系统位置控制器，采用李雅普诺夫理论，设计了电子助力制动系统电流控制器，最终实现了对电子助力制动系统自适应压力进行控制，为智能汽车高品质主动制动压力控制提供了一种合理的解决方案。
-
公开(公告)号：CN113602274B
公开(公告)日：2024-04-19
申请号：CN202111002072.6
申请日：2021-08-30
Applicant: 吉林大学
Abstract: 本发明属于汽车技术领域，具体的说是一种基于电控助力制动的智能车辆纵向运动控制方法。首先，构建了包括车辆纵向动力学和电控助力制动系统在内的面向控制器设计的系统模型；在此基础上，设计了上层车辆纵向运动控制策略。采用卡尔曼滤波算法进行车辆行驶坡度估计，结合车辆纵向行驶动力学设计了包含前馈和反馈的车辆加速度控制策略；下层电控助力制动系统压力控制策略主要包含压力环、位置环和电流环。基于自抗扰理论设计了压力环控制器用于补偿液压系统非线性特性，在滑模变结构位置环控制器中兼顾机构机械摩擦问题，底层电流环根据李雅普诺夫稳定性分析实现了电流解耦控制器的设计，提高电机电流控制性能。
-
公开(公告)号：CN116674571A
公开(公告)日：2023-09-01
申请号：CN202310768658.6
申请日：2023-06-28
Applicant: 吉林大学
IPC: B60W40/13 , B60W40/076 , B60W50/00 , G06F30/20 , G06F30/27 , G06F17/18 , G06F17/16 , G06N3/0499 , G06N3/084 , G06F119/14
Abstract: 本发明属于汽车技术领域，具体的说是一种基于数据置信度因子的汽车质量与坡度实时估计方法。包括：一、获取车辆行驶状态数据；二、基于车辆动力学模型建立整车质量、道路坡度与车辆行驶状态数据的关系模型；三、利用车辆行驶状态数据和车辆固有参数计算工况特征参数；四、基于神经网络算法建立质量估计置信度因子模型；五、基于置信度因子的最小二乘法估计车辆质量；六、判断质量估计值是否稳定；七、基于扩展卡尔曼滤波算法估计道路坡度。本发明打破了传统基于动力学模型估计质量对于车辆工况的局限性，根据车辆动力学模型和车载加速度传感器的测量原理，实现了车辆质量和道路坡度估计的解耦，从而提高二者估计值的准确性。
-
Patent Agency Ranking
公开(公告)号：CN107367394B
公开(公告)日：2023-08-22
申请号：CN201710690521.8
申请日：2017-08-14
Applicant: 吉林大学
IPC: G01M17/007 , G01M13/00
Abstract: 本发明属于助力器测试设备领域，具体的说是一种模拟制动助力器反馈盘工况测试试验台架。该试验台架包括试验台底座、推侧电动缸、拉侧电动缸、推侧压力传感器、单向圆柱形扁口套筒、踏板推杆、空心梯形光轴、踏板回位弹簧、反馈盘、主缸推杆、主缸和储液壶、长光轴和拉侧压力传感器。本发明是一种结构简单、能真实地模拟反馈盘在助力器中的工作状况、能够模拟紧急工况、能够模拟反馈盘受踏板力和电机助力同时耦合输入的工况并且能测量稳定后反馈盘的静态特性的模拟制动助力器反馈盘工况测试试验台架，解决了现有模拟制动助力器反馈盘工况测试试验台架不能模拟出不同助力比和仅有助力工况时反馈盘动态和静态特性的不足。
-
公开(公告)号：CN113460056B
公开(公告)日：2022-08-09
申请号：CN202110884295.3
申请日：2021-08-03
Applicant: 吉林大学
IPC: B60W40/064 , G06F30/20 , G06F17/15 , G06F17/18
Abstract: 本发明属于汽车技术领域，具体的说是一种基于卡尔曼滤波和最小二乘法的车辆路面附着系数估计方法。包括以下步骤：步骤一、基于车辆动力学模型对车辆的状态参数进行求解；步骤二、基于卡尔曼滤波估计出车辆行驶过程中轮胎受到的轮胎力；步骤三、采用最小二乘法对路面附着系数进行了估计；步骤四、通过斜率法对步骤三中低滑移率下的路面附着系数估计结果进行修正。本发明有效地降低了轮胎力观测值的不确定性，能够精确的估计在车辆滑移率较高时的路面附着系数，在车辆滑移率较低时对估计的路面附着系数结果进行合理的修正。
-
公开(公告)号：CN113685398B
公开(公告)日：2022-05-31
申请号：CN202111001447.7
申请日：2021-08-30
Applicant: 吉林大学
Abstract: 本发明属于汽车技术领域，具体的说是一种集成式液压制动系统伺服位移控制方法。包括以下步骤：步骤一、建立面向控制器设计的集成式液压制动系统模型，生成丝杠轴处的完整动力学平衡方程；步骤二、利用反步法理论和滑模变结构理论设计高精度的集成式液压制动系统伺服位移控制器；步骤三、采用自适应径向基神经网络补偿集成式液压制动系统面临的不确定扰动。本发明能有效地帮助了集成式液压线控制动系统克服机构摩擦阻碍、液压时变特性等非线性等问题，实现了高精度的伺服位移控制，为集成式线控制动系统主动制动功能奠定基础，匹配汽车智能化、电动化需求。
-
公开(公告)号：CN113460056A
公开(公告)日：2021-10-01
申请号：CN202110884295.3
申请日：2021-08-03
Applicant: 吉林大学
IPC: B60W40/064 , G06F30/20 , G06F17/15 , G06F17/18
Abstract: 本发明属于汽车技术领域，具体的说是一种基于卡尔曼滤波和最小二乘法的车辆路面附着系数估计方法。包括以下步骤：步骤一、基于车辆动力学模型对车辆的状态参数进行求解；步骤二、基于卡尔曼滤波估计出车辆行驶过程中轮胎受到的轮胎力；步骤三、采用最小二乘法对路面附着系数进行了估计；步骤四、通过斜率法对步骤三中低滑移率下的路面附着系数估计结果进行修正。本发明有效地降低了轮胎力观测值的不确定性，能够精确的估计在车辆滑移率较高时的路面附着系数，在车辆滑移率较低时对估计的路面附着系数结果进行合理的修正。
-
公开(公告)号：CN112046489A
公开(公告)日：2020-12-08
申请号：CN202010893251.2
申请日：2020-08-31
Applicant: 吉林大学
Abstract: 本发明属于汽车技术领域，具体的说是一种基于因子分析和机器学习的驾驶风格辨识算法。该驾驶风格辨识算法首先挑选与驾驶风格强相关的数据作为驾驶风格特征参数，使用因子分析对特征参数进行降维获得公共因子，减少驾驶数据之间的冗余并为公共因子赋与相应的物理意义；以公共因子作为输入，采用高斯混合模型聚类算法为不同驾驶人打上对应的驾驶风格的标签；随后使用被遗传算法优化的反向传播神经网络训练驾驶风格辨识模型。通过将非监督学习和监督学习融合，能够有效的减少辨识的成本。使用遗传算法优化反向传播神经网络的初始权重能够有效的提高模型的辨识精度，填补了现有无法静确辨识驾驶风格的空白。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.031 seconds)
