基于质量估计的电动物流车电动助力转向系统研究_毕业论文.pdf
"基于质量估计的电动物流车电动助力转向系统研究" 本文主要研究了电动物流车的电动助力转向系统(EPS系统),旨在解决传统EPS系统设计方法无法满足电动物流车具体需求的问题。例如,电动物流车的质量会因载重不同而产生较大变化,影响驾驶员的驾驶体验和安全性。同时,电动物流车主要运行于城市工况,车辆行驶速度不高,且转向频繁,对转向系统的轻便性提出了更高的要求。 为解决这些问题,本文提出了基于质量估计的电动物流车EPS系统研究。其主要内容包括: (1)电动物流车质量估计模型的建立。该模型使用卡尔曼滤波法对整车质量进行估计,并将汽车纵向运动学模型中的坡度、速度与质量解耦。同时,本文还使用BP神经网络对助力力矩进行求解,代替传统的汽车ECU中的查表方式,减少ECU存储空间使用量。 (2)助力电机控制策略的研究。本文使用了基于BP神经网络的不完全微分PID控制器对电机进行控制,并引入RBF神经网络作为系统辨识器,求解系统的Jacobian信息,以提升BP神经网络的学习效率。为使控制系统更适用于工业实际需求,本文对BP神经网络进行了改进,增加单连接线性单元以及输出层偏置,使神经网络输出的不完全微分PID控制参数具有理想的初值以及可调节的范围,进一步提升控制性能。 (3)使用CARSIM与SIMULINK进行联合仿真。通过在固定坡度路面以及变坡度路面仿真,验证了质量估计模型的有效性。对车辆进行双纽线工况以及方向盘角阶跃仿真,证明建立的全质量助力特性EPS系统满足轻便性要求,并提升了转向手感与车辆的操纵稳定性。 (4)运用EPS台架系统与单片机搭建试验平台,并进行试验程序设计。对PI控制与基于RBF辨识的神经网络不完全微分PID控制进行了阶跃目标信号与斜坡目标信号下的控制性能对比。试验结果表明,本文使用的控制策略比PI控制调节时间少0.26s,超调量降低了0.5%,跟踪性能更加优越。 本文的研究结果证明了基于质量估计的电动物流车EPS系统的可行性和良好控制性能,为电动物流车的发展提供了有价值的参考。