汽车电动驻车制动系统软件在环仿真建模与识别

"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。