导读:本文包含了力矩估计论文开题报告文献综述及选题提纲参考文献，主要关键词:航空光电,视轴稳定,无迹卡尔曼滤波,自适应补偿
力矩估计论文文献综述
张伟明,史泽林,马德鹏[1]（2019）在《光电稳像平台扰动力矩估计与自适应补偿》一文中研究指出针对飞行器光电稳像平台在强气流冲击下,质量不平衡等系统内在因素所引起的扰动力矩增大,导致系统视轴稳定(LOS)精度严重下降的问题,提出了一种典型两轴直角正交结构稳像平台的扰动力矩模型,此模型考虑了框架间运动耦合的影响.针对扰动力矩信号重构过程中的多传感器噪声影响问题,提出了无迹卡尔曼滤波扰动力矩在线估计方法,并构建力矩前馈控制回路,实现了对扰动力矩的自适应补偿.半实物仿真实验结果表明,扰动力矩估计的收敛速度快,估计过程平稳.在0.5 Hz～4 Hz特征频点的载体扰动下,相比于带有摩擦力矩补偿的扰动观测器控制方法,系统视轴稳定精度提高了10.9%～29.3%.(本文来源于《信息与控制》期刊2019年05期）
柴利鹏[2]（2019）在《带大惯量旋转载荷的卫星平台不平衡力矩在轨估计》一文中研究指出随着卫星承担的空间任务要求的不断提高,在轨稳态运行的叁轴稳定卫星往往带有各类旋转载荷。针对带有大惯量旋转载荷的卫星,为了提高该类卫星的姿态控制精度,需要开展对大惯量旋转载荷不平衡特性的研究,分析卫星平台与大惯量旋转载荷之间的耦合关系,进而采取有效的估计算法对旋转载荷旋转引起的不平衡干扰力矩进行在轨估计。本论文的主要研究内容如下。针对大惯量旋转载荷进行建模,分析旋转载荷静动不平衡的本质,明确不平衡力矩的主要影响因素;考虑卫星在轨工作时旋转载荷匀速旋转的情况,将旋转载荷转动时的不平衡力矩视为外加干扰,推导简化后的卫星姿态动力学方程,进而采用多刚体姿态动力学建模方法,推导考虑耦合影响的卫星姿态动力学方程。通过数学仿真对基于两种模型的不平衡干扰力矩进行对比可知,考虑耦合影响的卫星动力学模型更能体现该类卫星的动力学特性。针对卫星在轨正常工作姿态稳定的工况,在卫星动力学状态空间方程近似线性化处理的基础上,将旋转载荷的不平衡干扰力矩视作加在卫星平台的一个未知输入向量,采用了基于非线性跟踪微分器的未知输入观测器。通过在未知输入观测器中加入非线性跟踪微分器来代替对卫星姿态信息的直接求导,改善了未知输入观测器的性能,抑制了敏感器的测量噪声对估计结果的影响。针对卫星姿态机动时动力学的非线性特点,在二阶卡尔曼滤波的基础上引进基于非线性系统的扩展卡尔曼滤波算法,推导了二阶扩展卡尔曼滤波算法(TSEKF),使之适用于卫星姿态机动工况下的旋转载荷不平衡力矩的估计。通过数学仿真,验证了TSEKF算法在卫星姿态机动工作下对不平衡力矩进行估计的有效性。同等噪声条件下,通过二阶扩展卡尔曼滤波对不平衡力矩的幅值估计更为精确。考虑到前述方法或多或少都对卫星动力学进行了近似化处理,结合目前流行的深度学习方法,在完整保留卫星姿态动力学非线性的情况下,使用深度前馈网络(DFN)通过大量数据的训练来提取卫星姿态稳定情况下旋转载荷的不平衡干扰力矩与旋转载荷角速度、卫星执行机构输出力矩、敏感器的测量信息的特征关系,进而得到能够高精度拟合卫星动力学的深度前馈网络模型。仿真结果表明训练好的深度前馈网络能够在卫星姿态稳定时快速准确地实现对不平衡力矩的估计。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
李德涛,崔高健,李绍松,郭陆平,王国栋[3]（2019）在《基于轮胎回正力矩的路面附着系数估计方法》一文中研究指出路面附着系数的识别对汽车稳定性控制起着至关重要的作用。轮胎回正力矩能够反映整车及轮胎的运动、受力状况以及路面环境信息,且利用回正力矩能比使用侧向力更早地估计轮-地接触状况。为此,本文设计一种基于轮胎回正力矩的路面附着系数估计方法。首先,基于二自由度车辆模型设计轮胎侧偏角反馈观测器,对轮胎侧偏角进行实时估计;其次,基于轮胎侧偏角和轮胎回正力矩信息设计路面附着系数估计器,构建路面附着系数评估函数;最后,搭建Carsim与Simulink联合仿真平台,仿真结果表明设计的估计算法能够有效地对路面附着系数进行估计。(本文来源于《汽车实用技术》期刊2019年02期）
赵林峰,杨军,张荣芸,陈无畏[4]（2018）在《基于横摆力矩的轮胎侧向力估计算法》一文中研究指出通过对非线性汽车动力学模型进行分析,提出了一种基于横摆力矩的轮胎侧向力估计算法。轮胎侧向力的估计采用叁个基本步骤,首先基于干扰观测器对侧向力横摆力矩进行估计,然后利用最小二乘法对两前轮与两后轮侧向力之和进行估计,最后采用垂向载荷按比例分配的经验方法对各轮胎侧向力进行估计。基于MATLAB/Simulink软件,对此轮胎侧向力估计系统进行仿真,将所得结果与CarSim动力学仿真软件结果进行对比,并采用硬件在环仿真平台进行试验验证。结果表明,所提估计算法能够准确地估计出轮胎侧向力,避免了复杂轮胎模型的运用以及对地面附着系数的依赖。(本文来源于《中国机械工程》期刊2018年19期）
张铁,梁骁翃[5]（2018）在《平面关节型机器人关节力矩的卡尔曼估计》一文中研究指出为了解决常用测电流获取机器人关节力矩方法中,各种噪声干扰使所得关节力矩波动较大,影响机器人控制信息可靠性的问题,提出基于机器人动力学模型的卡尔曼滤波方法对关节力矩进行估计.运用牛顿欧拉方法对平面关节型机器人(SCARA)进行动力学建模,获得非线性连续的机器人关节力矩方程.通过多元函数一阶泰勒展开将非线性连续的关节力矩方程转换为关于关节力矩的线性离散状态空间模型.利用卡尔曼滤波方法对关节力矩进行估计.实验结果表明,该关节力矩估计方法对机器人前两轴的关节力矩估计精度较好,与均值滤波方法相比均方根误差分别减少了2.9%和14.7%;且实时性较好,完成一次估计平均需时不超过1ms.但关节力矩值的估计精度受动力学模型精度的影响.(本文来源于《浙江大学学报(工学版)》期刊2018年05期）
许全盛,李世明,季淑梅[6]（2018）在《基于表面肌电信号的膝关节动态力矩的BP神经网络估计》一文中研究指出目的:提出一种利用表面肌电信号估计膝关节动态力矩的BP神经网络模型方法。方法:5名受试者完成从徒手至90%1RM的负重下蹲起实验,采集右侧股直肌、股内侧肌和股外侧肌的表面肌电信号,以滤波平滑归一化的表面肌电信号与膝关节角作为BP网络的输入,以逆向动力学计算获得的膝关节力矩作为期望输出,设计基于误差反向传播校正训练算法网络模型,用训练好的BP网络估计不同负重水平下蹲起产生的膝关节力矩。结果:1)网络中间层节点数为6,以30%1RM负重时股直肌、股内侧肌和股外侧肌的表面肌电联合膝角作为输入时网络性能达到最佳,其中,相同负重下测试数据的互相关系数和归一化均方根误差分别达到0.975和5.5%;2)负重增加时网络估计精度逐渐降低,均方根误差在90%1RM时最大达到18.5%。3)BP网络很好地映射了肌电与膝力矩数值上的非线性关系,而膝角则在预测膝力矩变化趋势上起关键作用。结论:以表面肌电信号和膝关节角作为输入变量的BP神经网络模型方法是实现自然运动状态下肌肉人体膝关节力矩准确估计的有效途径,训练好的BP网络能适应中高强度以下的不同负荷和动作速度。(本文来源于《中国体育科技》期刊2018年01期）
肖峰[7]（2016）在《轮毂电机驱动电动汽车状态估计及直接横摆力矩控制研究》一文中研究指出随着科技的进步发展,轮毂电机驱动电动汽车凭借自身的技术优势一定会成为未来电动汽车产业的重要发展方向,由于轮毂电机驱动汽车是一种全新的驱动形式,因此需要专门对其动力学控制特性进行分析研究。本文的研究依托于国家科技部国际科技合作计划“先进轮毂电机驱动电动汽车技术平台联合研发”,以轮毂电机驱动汽车为研究对象,基于运动学、车辆系统动力学及其控制原理,设计车辆的直接横摆力矩控制系统,进行车辆状态观测器的设计与控制策略的开发,并且搭建了离线仿真平台、实时测试平台与轮毂电机驱动试验样车进行控制器效果的验证,以充分发挥轮毂电机驱动汽车在动力学控制研究领域的优势。本文的主要研究工作如下:(1)针对轮毂电机驱动汽车的特点,设计了纵向车速估计、道路附着情况辨识以及到质心侧偏角的观测方法。首先,利用运动学方法,融合GPS信息与车载INS信息对纵向车速进行估计,GPS信号的高精度可以帮助修正车载INS的偏差,得到修正后的纵向加速度,以信息更新时刻GPS测量的纵向车速为基准,将修正后的相对坐标系下的纵向加速度进行积分计算,求得车辆纵向车速的估计值,既能保证车速估计的准确性,还能提高车速估计的实时性。其次,提出了一种基于过程数学模型识别路面条件的方法,该方法划分??s曲线为线性区、近线性区与非线性区叁个区间,建立在其线性区间内斜率K的过程数学模型,并选择递推最小二乘法对K进行实时辨识,不同的K值对应着不同的路面条件。最后基于无迹卡尔曼滤波技术设计车辆质心侧偏角观测器,建立了包括纵向、侧向、横摆叁个方向并且考虑轴荷转移的非线性车辆动力学模型,引入了考虑动态特性的修正Dugoff轮胎模型提高轮胎侧向力计算精度,试验结果表明,基于无迹卡尔曼滤波技术建立的观测器能够很好地实现对质心侧偏角的估计,即使车辆进入非线性区域,估计精度依然能够得到保证。(2)基于分层式控制结构的思想,设计横摆力矩控制系统的控制器。在阐述车辆稳定性分别与横摆角速度和质心侧偏角关系的基础上,确定基于d???相平面设计系统的上层控制器。针对质心侧偏角及质心侧偏角速度的相平面进行了研究,通过分析车速、路面附着及前轮转角变化时对d???相平面轨迹的影响总结出了相平面稳定边界的计算方法并且确定了车辆横摆力矩控制的稳定性判据mL。分析当前非线性车体运动控制领域的研究现状,选择滑模控制理论来解决车体运动控制问题,并建立了基于稳定性判据mL的滑模面切换机制,当mL为正值时,车辆运动状态点在稳定区域外,系统控制以稳定性控制为主,采用质心侧偏角为控制目标建立滑模面;当mL为负值或零时,车辆运动状态已经被控制到稳定区域内部,处于线性状态,系统控制以改善操纵性能为主,采用横摆角速度作为控制目标建立滑模面,既保证了车辆的行驶稳定性,又提高了车辆的操纵性。试验结果验证了本文所设计稳定边界的合理性以及横摆力矩控制系统的控制效果。(3)下层控制器将横摆力矩作为控制状态,在考虑路面附着和电机峰值转矩约束下选取带有权重系数的轮胎利用率平方和作为稳定性控制的优化目标对车轮转矩进行优化分配,在确定权重系数时,后轴权重系数要不小于前轴,保证车辆控制的稳定性。此外,本文定量分析了轮毂电机的瞬态响应特性对横摆力矩控制系统的影响,建立以轮毂电机为执行系统的车辆横摆控制系统,并推导了系统的传递函数,利用工程上对控制系统的频域响应指标得到横摆控制系统对转矩响应时间常数的需求范围,还通过车辆动力学模型仿真分析不同时间常数?对横摆力矩控制系统的影响,试验结果与计算结果基本一致,表明所提出的响应时间指标能够满足车辆横摆力矩控制系统的需求。(4)搭建实时测试平台对本文所设计的横摆力矩控制算法实时特性进行评价。基于PXI硬件平台搭建轮毂电机实时测试平台,完成了车辆模型、传感器、控制器以及执行器等部分的选型和调试工作。在测试平台的电驱动系统搭建中,针对传统的电机建模精度较低的问题,进行了永磁同步电机的有限元分析和建模,准确地还原电机的电磁特性,提高其仿真精度,并且通过FPGA模块高速运算电驱动模型提高其实时性能。对比台架试验结果与仿真结果可以看出电机有限元模型能较准确的反映出电机真实工作性能,精度较高,非常适合用来进行实时测试平台的搭建。基于搭建好的测试平台选择不同行驶工况来评价所设计横摆力矩控制算法的实时特性以及实时测试平台各模块之间的协调性。(5)使用Motohawk快速原型控制器开发平台搭建轮毂电机驱动电动汽车的试验样车,所设计的观测器与控制算法均被移植到控制器中。根据整车参数与车辆性能预期要求,对电机的基本参数进行匹配估算。在样车试制过程中,受到工艺水平与成本的限制,试验样车只在后轴安装两个轮毂电机进行驱动,单独设计了多连杆后悬架系统,悬架系统与轮毂电机总成配合良好,能够保证样车具有良好的运动性,解决了轮毂电机带来的簧下质量增加难题。为了保证实车试验的顺利进行,试验车还安装了惯性导航仪、方向盘转角传感器等测量系统,用于相关信号的采集。最后进行道路试验对本文设计的运动状态观测器以及横摆力矩控制系统的效果进行验证。(本文来源于《吉林大学》期刊2016-06-01）
董博[8]（2015）在《面向动态约束的可重构模块机器人力矩估计与分散控制方法研究》一文中研究指出可重构模块机器人是一类具有标准模块与接口，可以根据不同的任务需求对自身构形进行重新组合与配置的机器人。根据模块化的概念，可重构模块机器人的关节模块包含了通讯、驱动、控制、传感等单元，可以使机器人在不同的外界环境与约束下根据任务需要改变自身构形，使重构后的机器人能够对新的工作环境有更好的适应性。一般来说，可重构模块机器人可以生成的构形数量取决于关节模块与连杆模块的类型，自由度，以及接口数量等等，通过对模块的重新配置来实现多种不同的装配构形，并提供不同的输出功率，从而表现出许多传统机器人所不具有的优势，例如：可以通过构形重构，添加或减少模块来实现机器人的结构柔性；为新型机器人产品的开发提供一个低成本高效率的测试平台，以此鼓励和推动新技术的开发与发展；缩短新技术的研发周期，并从长远角度降低新型机器人的研发，测试和维护成本。与此同时，我们需要设计合适的控制系统来保证机器人重构后的稳定性与精确性。可重构模块机器人在执行任务时，不可避免的要与外界环境产生接触，从而受到来自外界环境的约束。为了补偿机器人关节所受约束力并获得良好的控制精度，研究面向动态约束的机器人关节力矩反馈与补偿及动力学控制是可重构模块机器人领域的一个重要课题。直至目前，学者们针对采用直接力矩传感技术的机器人关节约束力补偿与控制方法进行了大量研究。然而，安装关节力矩传感器会损害其可靠性与坚固性，并使模块结构变得复杂。因此，在无力/力矩传感器且存在外界动态约束的条件下实现可重构模块机器人的关节力矩估计与补偿控制是一类亟待解决的问题。为了保证可重构模块机器人在重构后具有良好的稳定性与精确性，且在外界动态约束下完成既定任务，研究面向动态约束的可重构模块机器人动力学控制方法，是该研究领域的又一个重要问题。在设计可重构模块机器人控制器时，需要考虑控制系统的兼容性与可重构性，即对于不同的机器人构形均具有良好的控制性能。为了满足上述要求，传统控制方法需要消耗大量的运算资源，当机器人系统结构较为复杂时，控制器的稳定性与可靠性难以保证。因此，研究更符合模块化的设计思想，复杂程度低，运算速度快且对机器人模型不确定性具有较强辨识与补偿能力的可重构模块机器人动力学控制方法是十分必要的。本文针对面向动态约束的可重构模块机器人的力矩估计与分散控制方法展开深入的研究与探讨。主要研究了面向动态约束的可重构模块机器人的动力学建模方法，基于谐波传动模型的关节力矩估计方法，基于Actor-Critic-Identifier (ACI)的分散强化学习最优控制方法，基于可变增益超螺旋算法(Variable gain super twistingalgorithm, VGSTA)的分散滑模控制方法，基于关节力矩估计的分散积分滑模控制方法等。全文的主要内容包括：1.阐述了论文选题的研究背景及意义，对可重构模块机器人的国内外研究现状及热点研究问题进行综述。2.基于Newton-Euler迭代算法，通过一组高效的正向与反向迭代方程，考虑作用在各个关节及连杆上的力/力矩以及关节间的耦合力/力矩，建立可重构模块机器人的动力学模型。在此基础上，基于局部的关节动力学信息，将机器人系统动力学模型分解为若干个动力学子系统，深入分析子系统动力学特性，并给出面向动态约束的可重构模块机器人子系统动力学模型。根据双外力作用下的弹簧质量系统特性，对可重构模块机器人关节模块内嵌的谐波传动装置进行研究，并提出基于谐波传动模型的关节力矩估计方法。在同时考虑波发生器与柔轮的柔度、谐波传动运动学误差以及力矩偏差的情况下建立谐波传动模型，并基于该模型，提出一种新颖的关节力矩估计方法，在不采用关节力矩传感器的情况下，仅利用电机端与关节末端的位置测量数据对可重构模块机器人关节力矩进行估计。3.基于Actor-Critic-Identifier策略，在存在耦合模型不确定性的情况下，研究面向动态约束的可重构模块机器人的连续时间非线性最优控制问题。采用Actor NN、Critic NN及Identifier分别对系统最优控制策略，最优Q函数及模型非线性项进行辨识，设计分散强化学习最优鲁棒跟踪控制器，使系统满足HJB方程下的最优条件。最后，通过Lyapunov稳定性理论对Identifier及控制器的稳定性进行分析与证明。4.研究了基于VGSTA的可重构模块机器人分散滑模控制方法。首先，提出一种基于可变增益超螺旋扩张状态观测器(Variable gain super twistingalgorithm–extend state observer, VGSTA-ESO)的分散终端滑模控制方法，并采用遗传模拟退火算法对观测器当中一些待定参数进行自适应调整。该方法融合了ESO强大的估计、抗扰能力以及VGSTA对系统误差的收敛能力，使得系统能够在极短的时间内跟踪期望轨迹，且估计误差可以在有限时间内收敛为零。其次，研究了面向动态约束的可重构模块机器人分散积分嵌套滑模控制方法。该方法将积分滑模与嵌套滑模的思想相结合，采用双曲函数及伪滑模面设计构建积分嵌套滑模面，并设计分散积分嵌套滑模控制器，补偿模型不确定性并抑制滑模控制抖振。5.针对一类采用谐波传动的可重构模块机器人，研究在自由空间及动态约束下的分散积分滑模控制问题。首先，根据第二章提出的关节力矩估计方法，在仅采用位置测量信息的情况下，设计非线性速度估计器与分散积分滑模控制器，通过对一类自由空间下的叁自由度可重构模块机器人进行实验研究，验证了所提出的速度、力矩估计方法及控制器的有效性。其次，提出了面向动态约束的可重构模块机器人分散积分滑模控制方法，在不采用力/力矩传感器的条件下解决了存在动态约束力与耦合模型不确定性的可重构模块机器人轨迹跟踪问题。将积分滑模设计与分散控制策略相结合，基于独立的关节动力学信息设计分散控制器，对包含摩擦力建模误差，谐波传动力矩偏差以及关节间耦合在内的模型不确定性进行补偿并削弱控制器抖振，确保机器人关节与末端执行器精确跟踪期望轨迹。最后，对全文研究内容进行总结，并结合作者研究过程中的切身体会，对接下来的研究工作进行展望。(本文来源于《吉林大学》期刊2015-05-01）
吴雨徽[9]（2014）在《纯电动汽车驱动轴力矩估计问题研究》一文中研究指出行驶中的汽车是一个强非线性的时变系统,要对这样复杂的被控对象进行准确控制,必须要实时获取大量的状态参数,因此汽车控制中存在大量估计问题,驱动轴力矩估计即为其中之一驱动轴力矩信息主要应用于车辆传动系的控制问题中。车辆运动过程中,传动系经常会发生扭转震动,造成能量的浪费和乘客舒适性的下降。如果知道驱动轴的力矩,就可以通过发动机或电机输出力矩的主动衰减实现扭转振动的抑制。此外,在车辆进行换挡时,如果离合器的分离时间不当,传动轴中积聚的大量能量会造成车辆的剧烈震动。如果知道驱动轴的力矩信息可以准确的判断离合器的分离及结合时间,从而减小换挡冲击度。在纯电动汽车的可再生制动过程中,驱动轴上的能量可以被回收,因而驱动轴的力矩估计问题在可再生制动的闭环控制过程中也得到关注。本次毕业设计的研究内容即为集中式纯电动汽车的驱动轴力矩估计问题。在课题研究中以多学科领域复杂系统建模仿真平台AMESim (Advanced Modeling Environment for performing Simulation of engineering systems)中的纯电动车模型代替真实车辆作为实验平台。然后设计了基于反馈线性化算法的驱动轴力矩估计器,并仿真验证其有效性。最后将设计的驱动轴力矩估计器在纯电动汽车的制动能量回收问题上进行了应用。本文中首先对研究对象-集中式纯电动汽车的结构和工作原理进行了整体介绍。结合AMESim模型,依次对纯电动汽车的电驱动系统、传动系统、包含了道路负载信息的车辆纵向模型、整车ECU几个子系统进行了数学描述；此外,该模型中还考虑了驾驶员的操作行为。针对该模型进行了功能性验证,以便后续研究中将其作为实验平台。然后针对上述的纯电动汽车,设计了以车轮转速为反馈量的驱动轴力矩估计器。估计思路是将力矩估计转化为转速跟踪问题,设计了基于反馈线性化算法的校正项对动力学模型的输出进行校正。在输入-状态稳定性(Input-to-state stability,简称ISS)框架下对估计器的不确定性进行了鲁棒性分析,给出了参数选取的指导原则。通过不同驾驶循环下的仿真实验,验证了估计器可适用于多种不同工况。最后,将所设计的驱动轴力矩估计器在纯电动汽车的闭环控制系统中进行了应用。在车辆的可再生制动中,驱动轴的能量被转化为电能,回收到电池中去。该过程中,电制动力矩和机械制动力矩共同来改变车速,达到驾驶员的制动期望。驱动轴力矩信息直接影响到制动力矩的判断和分配。有了驱动轴力矩估计器,该控制系统才能构成闭环。基于前述驱动轴力矩估计器开发了再生制动过程的能量回收控制策略,并进行了仿真实验,结果表明该估计器可以良好的应用于车辆的闭环控制问题中。最后需要指出,本文中所有实验均在离线仿真条件下进行。为了进一步检验估计器的实时性后续应当进行实时仿真实验。如果要检验该估计器工程应用的可能性,有必要搭建硬件在环(HiL)试验平台进行半实物仿真,这是本课题研究下一步可以跟进的方向。(本文来源于《吉林大学》期刊2014-06-01）
任丽娜[10]（2014）在《驱动轴力矩估计器的设计》一文中研究指出车用变速箱一般包括：手动变速器（MT）、电控机械式自动变速器（AMT）、双离合器自动变速器（DCT）、液力自动变速器（AT）和无级变速器（CVT）。机械式自动变速器以其特有的传动效率高和开发成本少等优点跻身于车用变速箱使用的前列。在控制程序上，AMT比DCT、AT和CVT更简单；在操作方法上，AMT比MT更容易；在传动效率上，AMT明显比AT和CVT效率更高。但是，AMT存在一个最大的缺点就是换挡过程动力中断，所以当前针对AMT的研究主要是保证换挡舒适性的同时缩短换挡时间。现代学者针对优化AMT换挡过程的问题，除了提出发动机主动转速控制优化方法之外，多数都需要通过设计驱动轴转矩估计器来实现。车辆开发主要以V-模式顺序进行，其中模型搭建是用于快速原型或硬件在环半实物仿真不可或缺的步骤。半实物仿真的前提是仿真模型足够精确，因此，仿真模型的有效性验证与参数调试就变得非常重要。验证后的模型可以作为控制器开发的仿真平台，也可以代替实际结构进行程序校验和参数优化。本文主要通过搭建某款搭载12挡AMT的重载卡车整车仿真平台，并且在模型有效性得到验证之后，在该平台上完成驱动半轴转矩估计器验证。转矩估计算法主要以输入-状态稳定（ISS）算法为主，另外设计一款线性卡尔曼滤波估计器作为对比。本文研究内容主要如下：1、以ISS理论为基础设计驱动半轴转矩估计器。设计驱动半轴的非线性降维转矩估计器，通过ISS理论在控制输入（发动机转矩和车辆行驶阻力矩）误差有界的情况下，保证半轴转矩误差有界，且满足估值误差不超过传递转矩最大值10%的要求。由于ISS估计器为非线性估计器，算法较复杂，因此，另外设计一款算法简单的线性卡尔曼滤波转矩估计器作对比。2、搭建搭载12挡AMT的重载卡车整车模型，包括发动机、离合器及其执行机构、变速箱及其执行机构以及车体。先做传动系台架实验，然后通过开环控制校验模型，结果显示模型各部分及其执行机构动态时间响应精度能达到80%以上，模型有效。3、在整车仿真平台上验证了ISS驱动半轴转矩估计器，采用可变增益的估计器完全能满足估计要求。对比验证了线性卡尔曼滤波转矩估计器，结果显示，在给定状态初值和初始误差协方差，并且系统误差、观测误差定义合适的条件下，滤波器滤波效果好，且滤波器稳定性好。但由于系统误差和观测误差一般很难准确给定，因此简单线性卡尔曼滤波器不如ISS转矩估计器实用。4、最后，利用设计好的ISS转矩估计器进行了换挡过程的离合器断开控制算法开发。结果表明适时断开离合器不仅能缩短换挡时间、减小车辆换挡冲击度，更能有效抑制传动系累积间隙撞击，减少噪音。(本文来源于《吉林大学》期刊2014-05-01）
力矩估计论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着卫星承担的空间任务要求的不断提高,在轨稳态运行的叁轴稳定卫星往往带有各类旋转载荷。针对带有大惯量旋转载荷的卫星,为了提高该类卫星的姿态控制精度,需要开展对大惯量旋转载荷不平衡特性的研究,分析卫星平台与大惯量旋转载荷之间的耦合关系,进而采取有效的估计算法对旋转载荷旋转引起的不平衡干扰力矩进行在轨估计。本论文的主要研究内容如下。针对大惯量旋转载荷进行建模,分析旋转载荷静动不平衡的本质,明确不平衡力矩的主要影响因素;考虑卫星在轨工作时旋转载荷匀速旋转的情况,将旋转载荷转动时的不平衡力矩视为外加干扰,推导简化后的卫星姿态动力学方程,进而采用多刚体姿态动力学建模方法,推导考虑耦合影响的卫星姿态动力学方程。通过数学仿真对基于两种模型的不平衡干扰力矩进行对比可知,考虑耦合影响的卫星动力学模型更能体现该类卫星的动力学特性。针对卫星在轨正常工作姿态稳定的工况,在卫星动力学状态空间方程近似线性化处理的基础上,将旋转载荷的不平衡干扰力矩视作加在卫星平台的一个未知输入向量,采用了基于非线性跟踪微分器的未知输入观测器。通过在未知输入观测器中加入非线性跟踪微分器来代替对卫星姿态信息的直接求导,改善了未知输入观测器的性能,抑制了敏感器的测量噪声对估计结果的影响。针对卫星姿态机动时动力学的非线性特点,在二阶卡尔曼滤波的基础上引进基于非线性系统的扩展卡尔曼滤波算法,推导了二阶扩展卡尔曼滤波算法(TSEKF),使之适用于卫星姿态机动工况下的旋转载荷不平衡力矩的估计。通过数学仿真,验证了TSEKF算法在卫星姿态机动工作下对不平衡力矩进行估计的有效性。同等噪声条件下,通过二阶扩展卡尔曼滤波对不平衡力矩的幅值估计更为精确。考虑到前述方法或多或少都对卫星动力学进行了近似化处理,结合目前流行的深度学习方法,在完整保留卫星姿态动力学非线性的情况下,使用深度前馈网络(DFN)通过大量数据的训练来提取卫星姿态稳定情况下旋转载荷的不平衡干扰力矩与旋转载荷角速度、卫星执行机构输出力矩、敏感器的测量信息的特征关系,进而得到能够高精度拟合卫星动力学的深度前馈网络模型。仿真结果表明训练好的深度前馈网络能够在卫星姿态稳定时快速准确地实现对不平衡力矩的估计。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
力矩估计论文参考文献
[1].张伟明,史泽林,马德鹏.光电稳像平台扰动力矩估计与自适应补偿[J].信息与控制.2019
[2].柴利鹏.带大惯量旋转载荷的卫星平台不平衡力矩在轨估计[D].哈尔滨工业大学.2019
[3].李德涛,崔高健,李绍松,郭陆平,王国栋.基于轮胎回正力矩的路面附着系数估计方法[J].汽车实用技术.2019
[4].赵林峰,杨军,张荣芸,陈无畏.基于横摆力矩的轮胎侧向力估计算法[J].中国机械工程.2018
[5].张铁,梁骁翃.平面关节型机器人关节力矩的卡尔曼估计[J].浙江大学学报(工学版).2018
[6].许全盛,李世明,季淑梅.基于表面肌电信号的膝关节动态力矩的BP神经网络估计[J].中国体育科技.2018
[7].肖峰.轮毂电机驱动电动汽车状态估计及直接横摆力矩控制研究[D].吉林大学.2016
[8].董博.面向动态约束的可重构模块机器人力矩估计与分散控制方法研究[D].吉林大学.2015
[9].吴雨徽.纯电动汽车驱动轴力矩估计问题研究[D].吉林大学.2014
[10].任丽娜.驱动轴力矩估计器的设计[D].吉林大学.2014