汽车电动驻车制动系统软件在环仿真建模与识别
需积分: 13 138 浏览量
更新于2024-08-08
收藏 286KB PDF 举报
"这篇论文是2008年由彭忆强、黎薇和张津营在西华大学交通与汽车工程学院发表的,主题聚焦于汽车电动驻车制动系统(EPB)的软件行为评估及软件-in-the-loop(SiL)仿真模型的建立。文章通过ARX、ARMAX以及NNARMAX模型对EPB系统进行建模,并通过系统辨识方法得出了四阶ARMAX模型和神经网络ARMAX模型,以更好地模拟EPB的执行器行为。关键词包括汽车电动驻车制动、ARX模型、ARMAX模型、系统辨识、人工神经网络以及软件-in-the-loop仿真。"
这篇论文的核心是针对汽车电动驻车制动系统(EPB)的软件性能评估。EPB系统是一种现代化的汽车制动技术,取代了传统的手刹,通过电子控制单元(ECU)来实现车辆的驻车制动。为了验证ECU的软件行为,研究者构建了一个软件-in-the-loop(SiL)仿真系统。SiL仿真是一种常用的方法,它允许在实际硬件不存在的情况下测试和验证控制软件,确保软件在实际应用中的正确性和可靠性。
论文中提到的ARX(自回归带外输入)模型和ARMAX(自回归移动平均带外输入)模型是系统建模中常见的线性时间不变模型。ARX模型基于系统的过去输出和当前输入来预测未来的输出,而ARMAX模型则引入了外部输入的影响,更适用于有外部扰动的系统。此外,NNARMAX模型结合了神经网络,能更好地处理非线性问题,适应EPB系统可能存在的复杂动态特性。
通过系统辨识技术,研究者从实测数据中得到了不同参数的ARX和ARMAX模型,如ARX(3,4,2)、ARX(4,4,2)、ARMAX(3,3,1,1)和ARMAX(4,4,3,2)等,这些模型的阶数代表了模型中的延迟项和随机误差项数量。系统辨识是识别系统动态特性的统计方法,可以用来优化模型结构,提高预测准确性。
最终,论文指出四阶ARMAX模型和神经网络ARMAX模型在模拟EPB执行器方面表现出色。这意味着这些模型能够准确地捕捉到EPB系统在不同工况下的动态响应,为ECU软件的开发和调试提供了有力的工具。
这篇论文在汽车工程领域具有重要意义,它为EPB系统的软件开发和验证提供了一种有效的方法,同时展示了非线性建模技术在现代汽车控制系统中的应用潜力。
113 浏览量
2018-08-30 上传
2021-02-06 上传
2016-01-02 上传
2021-02-07 上传
2013-08-13 上传
2021-01-27 上传
2013-05-05 上传
2020-02-21 上传
weixin_38627104
- 粉丝: 1
- 资源: 983
最新资源
- 掌握压缩文件管理:2工作.zip文件使用指南
- 易语言动态版置入代码技术解析
- C语言编程实现电脑系统测试工具开发
- Wireshark 64位:全面网络协议分析器,支持Unix和Windows
- QtSingleApplication: 确保单一实例运行的高效库
- 深入了解Go语言的解析器组合器PARC
- Apycula包安装与使用指南
- AkerAutoSetup安装包使用指南
- Arduino Due实现VR耳机的设计与编程
- DependencySwizzler: Xamarin iOS 库实现故事板 UIViewControllers 依赖注入
- Apycula包发布说明与下载指南
- 创建可拖动交互式图表界面的ampersand-touch-charts
- CMake项目入门:创建简单的C++项目
- AksharaJaana-*.*.*.*安装包说明与下载
- Arduino天气时钟项目:源代码及DHT22库文件解析
- MediaPlayer_server:控制媒体播放器的高级服务器