矿用电动车辆差速转向控制策略与阿克曼转向模型研究

"本文主要探讨了矿用电动轮自卸车的差速转向控制策略，结合车辆前后轮反向转动的差速转向模型，提出了一种将阿克曼转向理论与神经网络相结合的方法。该策略旨在优化车辆在露天矿山等复杂环境下的转向性能，尤其适用于中、低速的矿用电动车辆。" 在矿用电动车辆的差速转向控制中，车辆的工作环境通常具有狭窄的路径和频繁的弯道。为了减小转弯半径并提高行驶稳定性，采用了前后轮反向转动的差速转向模型。这一模型可以分为前后两个相似的瞬态转向模型，与阿克曼转向定理相符合。阿克曼转向定理是汽车转向理论的基础，它描述了理想情况下车辆如何通过调整内侧和外侧车轮的转向角度来实现直线行驶或最小转弯半径的转弯。 根据模型，车辆的内外侧车轮转速与车速之间存在数学关系，这些关系可以通过一系列方程式表示，如式(3)至式(6)所示。这些方程揭示了车辆各轮速度与转向角度之间的联系，证明了反向转动模型与阿克曼转向理论的一致性。 为提升控制效果，研究中提出了将阿克曼转向与神经网络相结合的控制策略。神经网络在这里的作用是学习和预测车辆在不同工况下的最佳转向参数，以适应露天矿山的复杂环境。通过仿真验证，这种控制算法能帮助矿用电动车辆在恶劣环境下实现更小的转向半径，对于紧急避障等关键性能有积极的辅助作用。 总结来说，这篇研究聚焦于矿用电动车辆的差速转向控制，利用阿克曼转向理论和神经网络技术来优化转向性能，特别是在中、低速行驶时。这项工作对于提升矿用电动车辆在复杂地形条件下的操纵性和安全性具有重要意义，为未来相关领域的技术发展提供了理论基础和实践参考。