电液助力转向系统神经网络积分滑模控制方法

    公开(公告)号:CN109884894B

    公开(公告)日:2021-07-13

    申请号:CN201910175674.8

    申请日:2019-03-08

    Applicant: 福州大学

    Abstract: 本发明提出一种电液助力转向系统神经网络积分滑模控制方法,包括以下步骤:建立电液助力转向系统的数学模型;基于滑模方法和智能控制理论设计得到自适应RBF神经网络积分滑模控制器。本发明采用非线性积分滑模技术作为基本控制方法,其切换性能够使得控制系统对参数不确定性及外部干扰具有很强的鲁棒性,通过结合自适应RBF神经网络的方法实时逼近电液助力转向系统的动态行为,所设计的控制方法不仅不必推导适用于控制器设计所需的精确数学表达式,同时也不再需要泵源压力、工作压力和左、右侧轮胎阻力矩的测量。最终,所设计的神经网络积分滑模控制方法对模型不确定性和外部时变干扰具有很强的鲁棒性,并且能够及时、准确地跟踪电液助力转向系统的给定期望指令。

    重型车辆横拉杆的优化设计方法

    公开(公告)号:CN110263444A

    公开(公告)日:2019-09-20

    申请号:CN201910546505.0

    申请日:2019-06-21

    Applicant: 福州大学

    Abstract: 本发明提出一种重型车辆横拉杆的优化设计方法:步骤S1:实时获取双侧轮转向负载数据;步骤S2:计算得到双侧轮转向负载工作区间;步骤S3:调整转向负载,使转向负载趋于实车行驶的极限工况,获取全工况负载工作区间;步骤S4:根据全工况负载工作区间与含横拉杆的转向系统数学模型,反算出横拉杆受力区间;步骤S5:根据含横拉杆的转向系统数学模型,确认泵源压力与转向负载对横拉杆拉压范围的影响区间;步骤S6:确认横拉杆出现拉压交变的临界点;步骤S7:基于横拉杆大范围受拉,小范围受压的实际受力区间,选取横拉杆安全系数;步骤S8:根据横拉杆安全系数和受力区间,对横拉杆进行优化设计。能更加精准的对横拉杆进行优化设计。

    重型车辆横拉杆的优化设计方法

    公开(公告)号:CN110263444B

    公开(公告)日:2022-06-28

    申请号:CN201910546505.0

    申请日:2019-06-21

    Applicant: 福州大学

    Abstract: 本发明提出一种重型车辆横拉杆的优化设计方法:步骤S1:实时获取双侧轮转向负载数据;步骤S2:计算得到双侧轮转向负载工作区间;步骤S3:调整转向负载,使转向负载趋于实车行驶的极限工况,获取全工况负载工作区间;步骤S4:根据全工况负载工作区间与含横拉杆的转向系统数学模型,反算出横拉杆受力区间;步骤S5:根据含横拉杆的转向系统数学模型,确认泵源压力与转向负载对横拉杆拉压范围的影响区间;步骤S6:确认横拉杆出现拉压交变的临界点;步骤S7:基于横拉杆大范围受拉,小范围受压的实际受力区间,选取横拉杆安全系数;步骤S8:根据横拉杆安全系数和受力区间,对横拉杆进行优化设计。能更加精准的对横拉杆进行优化设计。

    电液助力转向系统神经网络积分滑模控制方法

    公开(公告)号:CN109884894A

    公开(公告)日:2019-06-14

    申请号:CN201910175674.8

    申请日:2019-03-08

    Applicant: 福州大学

    Abstract: 本发明提出一种电液助力转向系统神经网络积分滑模控制方法,包括以下步骤:建立电液助力转向系统的数学模型;基于滑模方法和智能控制理论设计得到自适应RBF神经网络积分滑模控制器。本发明采用非线性积分滑模技术作为基本控制方法,其切换性能够使得控制系统对参数不确定性及外部干扰具有很强的鲁棒性,通过结合自适应RBF神经网络的方法实时逼近电液助力转向系统的动态行为,所设计的控制方法不仅不必推导适用于控制器设计所需的精确数学表达式,同时也不再需要泵源压力、工作压力和左、右侧轮胎阻力矩的测量。最终,所设计的神经网络积分滑模控制方法对模型不确定性和外部时变干扰具有很强的鲁棒性,并且能够及时、准确地跟踪电液助力转向系统的给定期望指令。

Patent Agency Ranking