导读:本文包含了路面附着系数论文开题报告文献综述及选题提纲参考文献，主要关键词:电动汽车,轮毂驱动,仿真,路面附着系数
路面附着系数论文文献综述
刘志强,刘逸群[1]（2019）在《四轮毂驱动EV双容积卡尔曼路面附着系数估计》一文中研究指出针对车辆在行驶过程中难以实时、准确地获取路面附着系数这一问题,本研究在结合车辆叁自由度动力学模型和Dugoff修正轮胎力模型所搭建的四毂驱动联合仿真电动汽车平台基础上,设计了一种时效性、鲁棒性强的双容积卡尔曼滤波路面附着系数观测算法。双容积卡尔曼滤波算法利用奇异值分解优化求解误差协方差矩阵,将车辆行驶状态观测器信息与附着系数观测器信息相互联系,形成闭环反馈校正更新观测信号,实现对路面附着系数的实时估计。在四轮毂驱动联合仿真电动汽车平台中设置低附着路面,在开路面仿真工况下对双容积卡尔曼滤波算法进行验证,并与传统容积卡尔曼滤波观测器数据进行比较和分析。结果表明:双容积卡尔曼滤波算法具有更快的的响应速度,估计的路面附着系数精度更高,实时性更强。(本文来源于《长沙理工大学学报(自然科学版)》期刊2019年03期）
刘学成,宋宇,刘俊[2]（2019）在《基于路面附着系数估计的EPS助力控制研究》一文中研究指出在建立EPS系统动力学模型的基础上,通过模糊算法得出路面附着估算修正因子用来修正路面附着估算模型,并通过限幅滤波得出路面附着系数估计值。将路面附着系数和车速作为输入,设计了模糊控制器输出助力电流修正系数。根据助力电流修正系数和此时的方向盘转角信息得出修正电流,并在此基础上设计了准滑模助力控制策略。仿真结果表明,该控制策略可有效改善车辆在不同附着路面下的操纵路感。搭建了硬件在环试验平台,对助力控制策略进行试验验证,试验结果与仿真结果基本一致。(本文来源于《农业装备与车辆工程》期刊2019年09期）
周兵,邱香,吴晓建,龙乐飞[3]（2019）在《基于UKF车辆状态及路面附着系数估计的AFS控制》一文中研究指出本文侧重于主动前轮转向(Active Front Steering,AFS)控制系统的应用性与可行性研究,针对紧急转向工况下轮胎呈现强非线性问题,以及AFS控制算法中部分状态量难以获取、路面附着系数对车辆稳定性有重要影响但难以直接测量等问题,设计非线性滑模控制器以综合考虑载荷转移、轮胎非线性及路面条件等对操稳性影响,同时,通过ESP系统现有的IMU传感器测量信息,运用无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法为滑模控制器动态估计车辆状态信息和路面附着系数.在得到期望轮胎侧偏力后,通过非线性轮胎模型精确反求所需迭加转角,以在"轮胎-路面"附着能力范围内检验控制系统的有效性.最后,高附着系数情况下的鱼钩测试仿真及低附着系数时的角阶跃转向仿真共同表明,通过IMU与UKF结合的状态估计确保了AFS控制系统的可行性,有效提高了车辆操纵稳定性.(本文来源于《湖南大学学报(自然科学版)》期刊2019年08期）
余卓平,曾德全,熊璐,张培志[4]（2019）在《基于激光雷达的无人车路面附着系数估计》一文中研究指出为获取无人驾驶决策规划和运动控制所需的路面附着系数,基于不同路面材质的激光雷达反射强度差异,设计了一种路面附着系数概率估计模型.首先,通过3σ(σ为标准差)准则进行地面激光点云的粗提取;然后,基于主成分分析法对粗提取的地面点云进行细提取;接着,利用期望最大法对地面点云的反射强度进行主成分提取,滤除噪声,获得地面点云的反射强度分布特征;最后,依据5种典型路面数据库,结合联合概率的思想,实现路面附着系数估计.(本文来源于《华中科技大学学报(自然科学版)》期刊2019年07期）
邹立群,吴承金[5]（2019）在《摩托车ABS系统在低附着系数路面的测试方法研究(2)》一文中研究指出(上接2019年第5期)3.2防滚架的设计制作为了有效测量最大制动速率和制动性能,防止车辆在低摩擦系数地面发生侧滑甩尾,最大限度地保证车手、样车、设备的安全,保证测试数据的质量,检测机构和厂家大多研制采用一套辅助安全测试装置即防滚架。防滚架需要根据不同车型设计定制,并在样车上(本文来源于《摩托车技术》期刊2019年06期）
汪涛[6]（2019）在《面向商用车的路面附着系数估计研究》一文中研究指出随着人民生活水平的提高和交通运输的快速增长,商用车作为国民经济发展的重要载体,其销量也逐年增高。由于自身质量大等特点,商用车容易在失稳时造成严重的人员伤亡和财产损失,这使得近年来商用车安全性控制问题备受关注。路面附着系数是车辆稳定性控制系统中的一项重要参数,能够直接客观的反映道路的材料和路面的实际状况。实时、准确地获取路面附着系数信息能够提高车辆行驶过程中的安全性,还能够有效避免交通事故的发生。因此面向商用车的路面附着系数估计研究具有重要意义。目前车辆路面附着系数辨识的方法主要包括直接测量法和间接估计法。其中,直接测量法主要依靠各类声、光、电等传感器,该方法简单有效,但考虑到传感器成本偏高以及耐用性等问题,在实际应用中难以在商用车上大规模普及。而间接估计法无需增加额外传感器,具有效果好、可操作性强等特点,引起了海内外学者的广泛关注。近年来基于滑移率曲线、状态观测器和车辆动力学等方法估计路面附着系数取得了一定成果,但是利用滑移率曲线的方法存在误差偏大、对路面适应性不强的问题,以及车辆动力学结合状态观测器存在强非线性状态估计不准确的问题。在路面附着系数估计过程中,估计的精度和收敛时间等问题都有待进一步提高。本文针对路面附着系数估计精度和适应性问题,根据车辆操纵状态的不同,分别使用基于多滑移率曲线和神经网络的方法对直行和转向工况下的路面附着系数进行了估计,论文的主要工作如下:(1)车辆动力学模型研究首先对车辆动力学和车轮受力进行分析,在Matlab/Simulink环境下建立了车辆非线性七自由度模型和基于“魔术公式”的轮胎模型,并组成整车闭环系统。在叁种典型路面附着系数工况下,本文模型与车辆动力学软件CarSim中的车辆模型进行了仿真对比,验证了本文车辆模型和轮胎模型的可靠性。(2)基于多滑移率曲线的路面附着系数估计研究基于多滑移率曲线的估计方法适用于车辆直行工况,本文通过“魔术公式”轮胎模型在纯纵滑移下标定了10种路面的附着率—纵向滑移率的曲线数据,然后分别对当前车辆的纵向滑移率和路面附着率进行估计和求解,最后通过标定曲线的匹配得到当前路面附着系数的估计值。该方法在纵向滑移率的估计中运用卡尔曼滤波对传感器数据降噪,并结合车辆纵向力传感器计算出路面附着率的准确值,仿真结果表明车辆在加速、行驶和制动工况下均能够得到精确估计值,在不同附着系数路面具有良好的适应性。(3)基于神经网络的路面附着系数估计研究基于神经网络的估计方法适用于车辆转向工况,本文论证了车辆稳定性控制的5个重要参数与路面附着系数的非线性函数关系,提出通过遗传算法优化BP神经网络估计路面附着系数的方法。其中遗传算法解决了BP神经网络易陷入局部最小的问题,降低了输出误差。同时考虑到传统扩展卡尔曼滤波对商用车在满载转向时质心侧偏角估计不精确的情况,运用迭代扩展卡尔曼辅助粒子滤波的算法提高了估计精度并为神经网络提供数据基础。最后设置神经网络结构和遗传算法相关参数,通过设置多种仿真工况验证了车辆在转向工况下路面附着系数估计的准确性。(本文来源于《重庆邮电大学》期刊2019-06-04）
郭陆平[7]（2019）在《基于路面附着系数估计的汽车紧急避撞控制研究》一文中研究指出自从世界上第一辆汽车诞生以来,交通安全问题便成为人们热切关注的永恒话题。为了进一步提高道路交通安全性,帮助驾驶员减少错误操作,近年来以先进驾驶辅助系统(Advanced Driver Assistance Systems,ADAS)为代表的智能汽车安全技术逐渐得到重视和发展。现有的汽车主动避撞控制系统,主要通过制动方式进行避撞控制,有效提高汽车的行驶安全性。有研究表明,在高速紧急工况下,转向避撞较制动方式避撞更具有优势。针对汽车转向避撞控制问题,目前主要采用分层式控制方案,上层的路径规划模块根据外界环境和车辆状态信息对初始参考路径进行动态规划,下层的路径跟踪模块根据上层规划的期望路径和车辆状态信息实现避撞路径跟踪控制。其中,上层路径规划时,一般采用简单的车辆模型(如点质量模型),并设置较长的预测时域,下层在进行路径跟踪时,采用高精度的车辆模型和较短的预测时域。但由于上层的路径规划方法忽略了车辆动力学的非线性特性及道路参数(路面附着系数等)变化等因素,可能导致紧急工况下的避撞效果不理想。针对上述问题,本文基于模型预测控制方法对汽车紧急避撞控制系统进行设计。控制器上层基于空间域二自由度车辆模型进行路径动态规划,将障碍物和道路边界转化为系统的状态约束,降低算法的计算负担;下层进行路径跟踪控制时,为提高汽车的行驶安全性,引入轮胎附着裕度目标函数,并考虑路面附着系数影响下的质心侧偏角、侧向加速度和轮胎侧偏角安全约束。此外,为了准确获取汽车行驶的路面条件,充分利用轮胎气胎拖距在不同路面附着系数下差异明显的优势,基于轮胎气胎拖距与路面附着系数之间的函数关系,实现对路面附着系数的高精度估计。最后,为了验证汽车紧急避撞控制系统的控制效果,基于MATLAB/Simulink和CarSim联合仿真平台进行仿真验证,结果表明本文设计的分层式汽车紧急避撞控制系统具有较好的避撞效果和鲁棒性。(本文来源于《长春工业大学》期刊2019-06-01）
王新健[8]（2019）在《基于电液参数的路面附着系数估计》一文中研究指出轮胎力控制是目前最直接和有效的汽车主动安全技术,但轮胎力受路面条件的影响很大,因此,实时准确地获取路面附着系数等环境信息是车辆动力学稳定性控制系统设计的关键环节。分布式驱动电动汽车(Distributed Drive Electric Vehicle,DDEV)在节能减排、结构布置和整车动力学控制等方面具有突出优势,而且能方便和精确地获取其驱动电机的电气参数、液压制动系统压力、电池荷电状态(State Of Charge,SOC)和转速等重要运行参数,为路面附着系数准确估计提供了可靠的信息来源。为此,本文以DDEV为研究对象,开展了利用电、液等参数进行路面附着系数估计新方法的研究工作,主要内容如下:(1)电动汽车转矩分配方法。建立驾驶员意图辨识模糊决策模型,分别设计基于横摆角速度和质心侧偏角的附加横摆力矩滑模控制器,并通过权重系数进行协调,综合车轮动、静态载荷和附加横摆力矩设计驱动力矩分配控制策略;采用前、后轴制动力固定比值分配方法、制动强度和电池SOC等设计制动力矩分配控制策略。(2)融合电-液等参数的路面附着估计方法。建立分布式驱动电动汽车非线性叁自由度动力学模型、轮毂电机模型和制动器模型等。构建基于电-液参数的路面利用附着系数观测方程,提出一种基于驱/制动力矩变化率和滑转(移)率曲线斜率的驱/制动工况下的路面附着系数估计补偿方法;并根据横摆角速度非线性度偏差对转向工况下的路面附着系数估计进行补偿。(3)车辆行驶工况决策方法。建立车辆行驶状态特征信息提取方法,设计单一工况在复合工况下进行路面附着估计的权重决策机制。利用Carsim与Matlab进行联合仿真验证所提出估计方法的有效性。仿真结果表明:所提出的路面附着系数估计方法具有估计精度高、工况自适应性强、鲁棒性强等优点,为提高车辆动力学稳定性控制性能提供了一条重要的解决方案。(本文来源于《江西理工大学》期刊2019-05-25）
邹立群,吴承金[9]（2019）在《摩托车ABS系统在低附着系数路面的测试方法研究(1)》一文中研究指出摩托车制动新标准的推广实施,已将国内众多摩托车企业和检测机构的注意力迅速聚焦到ABS制动系统的测试研究上。《GB 20073—2018摩托车和轻便摩托车制动性能要求及试验方法》标准对高端摩托车的制动性能提出了加装ABS系统的新要求,其中低附着路面的测试要求和方法是整个项目中的难点之一。本文通过对标准和测试方法的研究,谈谈一些自己多次实践获得的测试经验和方法。(本文来源于《摩托车技术》期刊2019年05期）
汪选要,程义,程煜,叶友东[10]（2019）在《低附着系数路面车道保持模型预测控制及汽车稳定性控制》一文中研究指出提出了车道保持模型预测控制算法。在低附着系数路面上分析了双移线工况下转向角和侧向加速度二次低通滤波之差的峰值与汽车失稳程度之间的关系,基于可测信号(转向角、侧向加速度、横摆角速度和车速)提出了模糊控制算法,设计了汽车稳定性控制器。为了阻止低速和不严重失稳工况下汽车稳定性控制器的误启动,提出了不稳定指标模糊控制算法;为了避免汽车稳定性系数急速减小,设计了稳定性系数保持器。CarSim/Simulink仿真结果表明,在低附着系数路面上所设计的转向控制器和汽车稳定性控制器具有更好的车道保持能力和稳定性。(本文来源于《中国机械工程》期刊2019年09期）
路面附着系数论文开题报告
（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：
在建立EPS系统动力学模型的基础上,通过模糊算法得出路面附着估算修正因子用来修正路面附着估算模型,并通过限幅滤波得出路面附着系数估计值。将路面附着系数和车速作为输入,设计了模糊控制器输出助力电流修正系数。根据助力电流修正系数和此时的方向盘转角信息得出修正电流,并在此基础上设计了准滑模助力控制策略。仿真结果表明,该控制策略可有效改善车辆在不同附着路面下的操纵路感。搭建了硬件在环试验平台,对助力控制策略进行试验验证,试验结果与仿真结果基本一致。
（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。
路面附着系数论文参考文献
[1].刘志强,刘逸群.四轮毂驱动EV双容积卡尔曼路面附着系数估计[J].长沙理工大学学报(自然科学版).2019
[2].刘学成,宋宇,刘俊.基于路面附着系数估计的EPS助力控制研究[J].农业装备与车辆工程.2019
[3].周兵,邱香,吴晓建,龙乐飞.基于UKF车辆状态及路面附着系数估计的AFS控制[J].湖南大学学报(自然科学版).2019
[4].余卓平,曾德全,熊璐,张培志.基于激光雷达的无人车路面附着系数估计[J].华中科技大学学报(自然科学版).2019
[5].邹立群,吴承金.摩托车ABS系统在低附着系数路面的测试方法研究(2)[J].摩托车技术.2019
[6].汪涛.面向商用车的路面附着系数估计研究[D].重庆邮电大学.2019
[7].郭陆平.基于路面附着系数估计的汽车紧急避撞控制研究[D].长春工业大学.2019
[8].王新健.基于电液参数的路面附着系数估计[D].江西理工大学.2019
[9].邹立群,吴承金.摩托车ABS系统在低附着系数路面的测试方法研究(1)[J].摩托车技术.2019
[10].汪选要,程义,程煜,叶友东.低附着系数路面车道保持模型预测控制及汽车稳定性控制[J].中国机械工程.2019