汽车动力学建模

合集下载

新能源汽车智能驾驶系统的车辆动力学建模与仿真

新能源汽车智能驾驶系统的车辆动力学建模与仿真

新能源汽车智能驾驶系统的车辆动力学建模与仿真近年来,新能源汽车的发展取得了显著的进展。

随着技术的不断创新,新能源汽车智能驾驶系统逐渐成为了新能源汽车的核心竞争力之一。

而车辆动力学建模与仿真则是实现智能驾驶系统的重要环节。

本文将探讨新能源汽车智能驾驶系统的车辆动力学建模与仿真技术。

一、新能源汽车智能驾驶系统概述新能源汽车智能驾驶系统是将人工智能、传感器、控制算法等技术应用于汽车驾驶过程中,实现车辆自主感知、决策和控制的系统。

它可以通过感知周围环境、分析车辆状态和道路信息等实现自动驾驶、避障、自动停车等功能,提高驾驶安全性和舒适性。

二、车辆动力学建模与仿真的重要性车辆动力学建模与仿真是新能源汽车智能驾驶系统的核心技术之一。

通过建立准确的车辆动力学模型,可以模拟车辆在不同道路条件下的行驶状态,包括车辆加速度、速度、转向等。

基于动力学模型进行仿真可以帮助开发人员更好地理解车辆行为和特性,优化系统算法,提升驾驶性能。

三、车辆动力学建模的方法与技术1. 基于物理模型的建模方法基于物理模型的车辆动力学建模是一种传统的方法。

它通过分析车辆的结构、动力系统、悬挂系统等,建立车辆动力学方程,并结合实际测试数据对模型进行参数修正。

这种方法可以较准确地描述车辆的动力学行为,但需要大量的实验测试数据和复杂的数学计算。

2. 基于数据驱动的建模方法基于数据驱动的建模方法是一种基于大量实际数据进行模型建立的方法。

通过采集车辆行驶数据,使用数据挖掘和机器学习算法分析数据特征,建立车辆动力学模型。

这种方法可以在一定程度上降低建模的难度,但需要大量的数据样本和较强的数据处理能力。

四、车辆动力学仿真的工具与平台针对车辆动力学仿真,目前有多种仿真工具和平台可供选择。

例如,CarSim、ADAMS、Simulink等。

这些工具提供了丰富的车辆模型库和仿真环境,可以方便地进行车辆动力学建模和仿真。

开发人员可以根据具体需求选择适合的工具和平台进行仿真实验。

汽车系统动力学第二章 车辆动力学建模方法及基础理论

汽车系统动力学第二章  车辆动力学建模方法及基础理论

第二章车辆动力学建模方法及基础理论§2-1 动力学方程的建立方法在车辆动力学研究中,建立系统运动微分方程的传统方法主要有两种:一是利用牛顿矢量力学体系的动量定理及动量矩定理,二是利用拉格朗日的分析力学体系。

本节将对这两种体系作一简单回顾,并介绍几个新的原理。

一牛顿矢量力学体系(1)质点系动量定理质点系动量矢p对时间的导数等于作用于质点系的所有外力F i的矢量和(即主矢),其表达式为:二、分析力学体系分析力学是用分析的方法来讨论力学问题,较适合处理受约束的质点系。

(1)动力学普遍方程动力学普遍方程由拉格朗日(Lagrange)于1760年给出的,方程建立的基本依据是虚位移原理,表示如下:(2-6)(2)拉格朗日方程拉格朗日法的基本思想是将系统的总动能和总势能均以系统变量的形式表示,然后将其代入拉格朗日方程,再对其求偏导数,即可得到系统的运动方程。

拉格朗日方程形式如下:利用此方程推导车辆动力学方程时,因采用广义坐标,从而使描述系统位移的坐标数量大大减少,并可以自动消去无功内力。

但也存在下述问题:①应用拉格朗日方程时,有赖于广义坐标选取得是否得当,而适当地选择广义坐标有时要靠经验;②拉格朗日能量函数对于刚体系统的表达式可能非常复杂,代人拉格朗日方程后要作大量运算。

而对于复杂的车辆系统,写出能量函数的表达式就更加困难。

三、虚功率原理若丹(Jourdain)于1908年推导出另一种形式的动力学普遍方程,其所依据的原理称之为虚功率原理。

虚功率形式的动力学普遍方程为:四、高斯原理1829年,高斯(Gauss)提出动力学普遍方程的又一形式,称为高斯原理,其表达式为:§2-2 非完整系统动力学一、非完整系统动力学简介1894年,德国学者Henz第一次将约束系统分成“完整”和“非完整”两大类,从此开辟了非完整系统动力学(Nonholonomie System)的新领域,如今它已成为分析力学的一个重要分支。

人工智能汽车动力学建模

人工智能汽车动力学建模

人工智能汽车动力学建模
人工智能汽车动力学建模是指利用人工智能技术对汽车的运动和驾驶特性进行建模和模拟的过程。

该建模过程主要涉及以下几个方面:
1. 汽车运动模型:将汽车的运动过程抽象成数学模型,包括车辆的速度、加速度、转向角度等。

可以使用物理学原理和数据驱动方法来建立模型,例如使用牛顿运动定律和机器学习技术。

2. 驾驶行为模型:对汽车驾驶员的行为进行建模,包括加速、刹车、转弯等操作。

可以使用驾驶员模型来描述驾驶员的决策和操作过程,例如使用强化学习和深度学习技术。

3. 路况模型:对不同路况条件下的汽车动力学进行建模,包括不同道路类型、道路曲线和道路坡度等因素对汽车行驶的影响。

可以使用地图数据和传感器数据来建立路况模型,例如使用卷积神经网络和深度学习技术。

4. 感知模型:对汽车周围环境的感知进行建模,包括对其他车辆、行人和障碍物的识别和跟踪。

可以使用计算机视觉和传感器融合技术来建立感知模型,例如使用卷积神经网络和扩展卡尔曼滤波器。

通过人工智能汽车动力学建模,可以更准确地预测汽车的行驶特性和驾驶行为,为自动驾驶、智能交通和车辆控制系统等领域提供支持。

车辆方向盘模块动力学建模

车辆方向盘模块动力学建模

车辆方向盘模块动力学建模
车辆方向盘模块的动力学建模是一个复杂的过程,需要考虑多个因素,包括转向系统的机械结构、驾驶员的操作输入以及车辆的运动状态等。

下面是一个简单的车辆方向盘模块的动力学建模示例:
1. 建立方向盘转角与车轮转角之间的关系模型
方向盘转角与车轮转角之间的关系可以通过转向机构的几何关系来确定。

一般情况下,方向盘转角与车轮转角之间存在一个比例关系,同时还会受到转向系统的传动比、齿轮减速比等因素的影响。

2. 考虑驾驶员的操作输入
驾驶员的操作输入可以通过方向盘的转矩来表示。

方向盘的转矩大小和方向会影响车辆的转向行为。

在建模过程中,需要考虑驾驶员的手部力量、转向速度以及方向盘的摩擦力等因素。

3. 车辆的运动状态
车辆的运动状态包括车辆的速度、加速度以及航向角等。

这些因素会影响方向盘的操作感受和车辆的转向行为。

在建模过程中,需要考虑车辆的惯性、悬挂系统以及轮胎的附着力等因素。

4. 模型验证和优化
建立动力学模型后,需要通过实验数据或者数值模拟来验证模型的准确性。

如果模型的预测结果与实际情况存在较大的偏差,需要对模型进行优化和改进。

总之,车辆方向盘模块的动力学建模需要考虑多个因素,包括转向系统的机械结构、驾驶员的操作输入以及车辆的运动状态等。

通过建立准确的模型,可以更好地理解车辆的转向行为,为车辆的设计和控制提供参考。

车辆动力学特性的神经网络建模与预测

车辆动力学特性的神经网络建模与预测

车辆动力学特性的神经网络建模与预测近年来,神经网络以其强大的建模和预测能力在各个领域得到广泛应用,而在汽车工业中,神经网络也发挥了重要的作用。

本文将探讨神经网络在车辆动力学特性建模与预测方面的应用。

第一部分:车辆动力学特性简介车辆动力学特性是指车辆在运动过程中表现出的各项性能指标,包括加速度、制动距离、悬挂系统的反馈等。

这些特性不仅对驾驶员的操控和驾驶感受产生影响,也对车辆整体的性能和安全性起到至关重要的作用。

第二部分:神经网络建模神经网络是一种模拟人脑神经元工作原理的计算模型,其学习能力和适应能力非常强大。

在车辆动力学特性建模中,我们可以利用神经网络来分析和预测车辆性能表现。

首先,我们需要收集一定数量的车辆运动数据作为神经网络的训练集。

这些数据可以包括车辆的速度、转向角度、油门开度等信息。

然后,我们利用神经网络的反向传播算法来训练网络,使其能够准确地预测车辆的动力学特性。

第三部分:神经网络预测车辆加速度在车辆动力学特性中,加速度是一个重要的指标,它直接关系到车辆的动力性能和加速能力。

利用神经网络可以建立一个预测车辆加速度的模型。

我们可以将神经网络输入层的变量设置为车辆的速度、油门开度和负载情况,输出层的变量设置为车辆的加速度。

经过训练后,神经网络能够准确地预测不同工况下车辆的加速度表现。

第四部分:神经网络预测车辆制动距离车辆的制动距离是衡量制动性能的重要指标,对驾驶员的安全也至关重要。

我们可以利用神经网络来预测车辆在不同制动条件下的制动距离。

神经网络的输入层变量可以设置为车辆的速度、制动力和路面条件,输出层变量为车辆的制动距离。

通过训练,神经网络能够准确地预测车辆在不同情况下的制动距离,并为驾驶员提供准确的制动参考。

第五部分:神经网络优势与挑战神经网络在车辆动力学特性建模与预测方面具有许多优势。

首先,神经网络能够处理非线性问题,适用于复杂的车辆动力学模型。

其次,神经网络具有较强的学习和自适应能力,能够及时调整模型以适应不同的工况变化。

汽车动力学建模及控制方法研究

汽车动力学建模及控制方法研究

汽车动力学建模及控制方法研究1. 引言在现代社会中, 汽车已经成为人们日常生活中不可或缺的交通工具。

为了提高汽车行驶的安全性和性能,汽车动力学建模及控制方法的研究显得尤为重要。

本文旨在探讨汽车动力学建模及控制方法的研究现状和未来发展趋势。

2. 汽车动力学建模方法在汽车动力学建模中,常用的方法包括理论建模和仿真建模。

理论建模基于物理学原理和数学模型,通过推导方程来描述汽车在运动中的动力学性能。

仿真建模则是利用计算机进行模拟,根据实际的车辆参数和运动状态进行建模和仿真分析。

这两种方法在汽车动力学研究中是相辅相成的。

3. 汽车动力学控制方法在汽车动力学控制方面,目前较为常用的方法包括传统PID控制和模型预测控制(MPC)。

传统PID控制方法通过测量车辆状态和目标状态之间的误差,并计算出相应的控制信号来调节汽车的运动状态。

而MPC方法则是基于预测模型来进行控制,通过对车辆的状态和约束条件进行预测,计算出最优控制信号以使车辆按照预期的轨迹行驶。

4. 汽车动力学建模与控制方法的研究进展随着计算机技术和模拟仿真技术的发展,汽车动力学建模和控制方法的研究取得了显著进展。

在动力学建模方面,越来越多的基于物理学原理的数学模型被提出和改进,并成功应用于真实的车辆控制系统中。

针对不同类型的车辆(如传统燃油车、电动车、混合动力车等),研究者们也在动力学建模方法上进行了不同的探索。

在动力学控制方面,传统PID控制方法在实际车辆应用中取得了较好的效果。

然而,PID控制方法在处理非线性、时变性以及不确定性问题时存在局限性。

因此,在近年来,MPC方法被广泛应用于汽车动力学控制领域,并取得了较好的控制性能。

MPC方法通过建立系统的动力学模型,并考虑约束条件的影响,能够在多变环境下实现更好的控制效果。

5. 汽车动力学建模与控制方法的挑战与展望虽然汽车动力学建模与控制方法取得了一定的进展,但仍然存在一些挑战需要解决。

首先,实际车辆存在非线性、时变性和不确定性,因此建模方法需要更准确地描述车辆的动力学特性。

新能源汽车的动力学建模与优化控制

新能源汽车的动力学建模与优化控制

新能源汽车的动力学建模与优化控制随着全球对环境问题的日益关注,新能源车已成为汽车领域的热门话题。

而新能源汽车的核心技术之一便是动力学建模与优化控制。

本文将着眼于此,对新能源汽车的动力学建模与优化控制进行探讨。

一、动力学建模动力学建模是指将车辆的物理特性转化为数学模型,以便在模型中进行动力学仿真与预测。

在新能源汽车发展初期,常常采用传统的机械模型进行建模,而现在则更多地应用基于控制理论的系统动力学建模。

在新能源汽车的动力学建模方面,电池模型是最为关键的一个环节。

电池模型的精确程度会极大地影响到对新能源汽车性能参数的预测与优化控制。

当前应用较为广泛的电池模型包括电化学-热力学模型、累积电量模型以及RC网络模型等。

此外,在新能源汽车动力学建模中,还需要考虑车辆动力匹配和电机控制系统的问题。

有一些研究将IC与EM共同看作混合动力总体的动力源,建立了复杂的混合动力系统数学模型,并针对不同使用条件进行了优化设计。

二、优化控制新能源汽车的优化控制是指通过控制系统实现对整车性能的优化,从而达到提高效率、降低能耗、增加续航里程等多个目的。

当前新能源汽车的优化控制方法主要包括以下几种:1. 能量管理策略控制能量管理策略控制是指通过对车辆电池状态进行实时监测与预测,根据动力需求对车辆进行节能控制。

目前应用较多的策略控制方法包括基于最大化续航里程的电池剩余能量控制和基于最大化效率的功率控制。

2. 智能化驾驶控制智能化驾驶控制旨在通过车辆与环境信息的获取与分析,实现自主化的驾驶。

该控制方法主要包括自适应巡航控制、自动泊车控制和车道保持控制等多种技术手段。

3. 车辆动力输出控制车辆动力输出控制是指通过对车辆的电机控制系统进行优化,以实现对动力输出轻重适度控制,提高车辆的驾驶稳定性。

该控制方法主要包括电机RMS电流控制、自适应前馈控制和预测控制等。

三、问题和挑战在新能源汽车的动力学建模和优化控制方面,仍然存在一些问题和挑战。

新能源汽车车辆运动控制系统的动力学建模

新能源汽车车辆运动控制系统的动力学建模

新能源汽车车辆运动控制系统的动力学建模新能源汽车是近年来受到广泛关注的新兴产业,其具有环保、节能、高效等优点,受到相关部门和社会的重视和支持。

为了更好地实现新能源汽车的高效运行和控制,车辆动力学建模成为了迫切需要研究的领域。

一、新能源汽车的发展现状随着环境污染加剧和传统燃油资源逐渐枯竭,人们对新能源汽车的需求日益增加。

目前,电动汽车、混合动力汽车等新能源汽车开始逐渐普及,但其在动力系统设计、车辆运动控制等方面还存在着一些挑战。

因此,研究具有重要意义。

二、新能源汽车车辆运动控制系统的概念与特点车辆运动控制是指通过控制车辆动力系统、传动系统等部件,实现车辆在运行过程中的加速、减速、转向等动作。

新能源汽车车辆运动控制系统相比传统内燃机车辆控制系统具有以下特点:1. 电力输出特性不同:新能源汽车动力系统采用电动机作为动力源,其输出特性与传统内燃机不同,需要针对性的控制策略。

2. 能量管理复杂:电池管理是新能源汽车的核心问题之一,需要合理管理车载电池的能量,实现最佳性能和续航里程。

3. 内部结构复杂:新能源汽车动力系统由电池、电机、控制器等多个部件构成,需要各部件之间的协调工作才能保证车辆有效运行。

三、新能源汽车车辆运动控制系统的动力学建模方法车辆运动控制系统的动力学建模是实现车辆精确控制的关键。

在新能源汽车中,动力学建模一般基于电动机模型和车辆整体动力学模型。

主要方法有:1. 电动机模型的建立:电动机是新能源汽车的动力源,通过建立电动机的控制模型,可以实现对电动汽车输出扭矩和转速的控制。

2. 车辆整体动力学模型的建立:车辆整体动力学模型主要包括车辆的运动学模型和动力学模型。

通过建立车辆整体动力学模型,可以实现对车辆的运动学和动力学性能进行准确控制。

3. 控制策略的设计:基于电动机模型和车辆整体动力学模型,设计合理的控制策略是实现新能源汽车车辆运动控制的关键。

常用的控制策略有PID控制、模糊控制、神经网络控制等。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

( 2.2 )
车辆垂直方向:
ms Z Fs11 Fs12 Fs 21 Fs 22 0

( 2.3 )
车辆横摆:
I z Yaw

B1 ( Fx11 Fx12 ) cos ( Fy11 Fy12 ) sin 2
B2 ( Fx 21 Fx 22 ) a ( Fx11 Fx12 ) sin ( Fy11 Fy12 ) cos 2 b( Fy 21 Fy 22 )
动力学系统; 而高层次代表的是控制策略及上位控制器,是用接近自然语言的高 级语言描述的控制逻辑系统[19]。控制系统软 ECU 模块就属于这样的离散事件系 统。 在 MATLAB 的环境下,利用 Simulink 搭建连续系统模型,利用 Stateflow 搭建离散事件系统模型, 仿真平台可以运行在三种不同的仿真方式下,它们分别 是:normal 方式,accelerate 方式,xPC 方式。为了适应于这样的多仿真方式要 求,在不同的仿真方式下,对模型分别进行了必要的适应性改造。 2.1.1 整车动力学模型构建
整车的自由度以及坐标设置如图 2.1 所示,模型中共包括 15 个自由度,沿 前进方向运动自由度 X,速度为 u;侧向运动自由度 Y,速度为 v;悬置以上结 构垂直运动自由度 Z;侧顷运动自由度 ,速度为 ;横摆运动自由度 Yaw,速 度为 Yaw ;俯仰运动自由度为 ,速度为 ;左前,右前,左后,右后轮垂直运 动自由度 Z11,Z 12,Z 21,Z 22 和旋转自由度 11,12, 21, 22;以及前轮转向角自由度 。 由这 15 个系统构成的整车运动微分方程如下所示: 悬置以上 6 自由度的微分方程为: 车辆前进方向:
C a0 D a1 P 2 a2 P a3 sin[2 arctan( P / a4 )] CD E a6 P a7 B S h a9 p a10 Sv a12 p a13
( 2.20 )
华晨中华车基于此模型的各参数如表 2.1 所示:
表 2.1 MF 侧向力-侧偏角系数

( 2.7 )
( 2.8 )
( 2.9 )
( 2.10 )
( 2.11 )
( 2.12 )
( 2.13 )
( 2.14 )
2.1.2 整车力分析模型的构建 整车动力学微分方程中出现的悬架力 Fs11 , Fs12 , Fs 21 , Fs 22 、轮胎纵、侧向力
图 2.1 车辆模型自由度示意图
15 个自由度包括:整车前进方向,侧向,垂直方向的线运动,俯仰,横摆, 侧倾 6 个自由度,每个车轮转动,垂直 2 个自由度共 8 个自由度以及转向轮转向 角度 1 个自由度。 根据这样的自由度分布, 并且按照模型模块化的要求,将整车模型分成了如 下的模块:悬架以上结构动力学模块,悬架模块,轮胎模块,转向系统模块,液 压制动系统模块,动力系统模块(发动机模块,传动系统模块) ,驾驶员行为模 块,控制系统软 ECU 模块等。整个整车模型是一个典型的混杂系统。混杂系统 (Hybrid System)是指连续时间系统(Continuous Time System)和离散事件系 统(Discrete Event System)并存并交换信息的一种动态系统。通常的混杂系统 是分层次表示的, 低层次代表的是物理设备及下位控制器,使用微分方程表示的
Fx11, Fx12, Fx 21, Fx 22, Fy11, Fy12, Fy 21, Fy 22 ,需用建立这些力与整车运动的 15 个自由度的关
系,才能使得整个微分方程组形成一个可解算的整体。 悬架力可利用下列各式计算:
1 1 Fs11 K1 ( Z Z11 a B11 ) C1 ( Z Z11 a B11 ) 2 2
( 2.15 )
1Байду номын сангаас1 Fs12 K1 ( Z Z12 a B11 ) C1 ( Z Z11 a B11 ) 2 2 1 1 Fs 21 K 2 ( Z Z 21 b B22 ) C2 (Z Z 21 b B22 ) 2 2 1 1 Fs 22 K 2 ( Z Z 22 b B22 ) C2 ( Z Z 22 b B22 ) 2 2
( 2.16 )
( 2.17 )
( 2.18 )
轮胎纵、侧向力 Fx11, Fx12, Fx 21, Fx 22, Fy11, Fy12, Fy 21, Fy 22 ,需要利用轮胎模型进行计 算,而轮胎纵、侧向力,是车辆在运动过程中受到的最重要的外力,决定了车辆 的响应结果,轮胎的力学特性对汽车的操纵稳定性、舒适性、动力性和制动安全 性起着极其重要的作用。 因此, 车辆性能的定量分析与研究及先进的底盘控制系 统的设计开发, 在很大程度上依赖于车辆动力学模型和轮胎力学模型的研究。开 发平台的有效性同样需要建立合理的轮胎动力学模型。 现代轮胎是一个复杂的粘性结构体,具有明显的非线性特性,历来的轮胎 建模,主要分为基于实测数据和基于物理机理两大流派。物理机理的建模,就是 通过对轮胎结构和形变机制的数学描述, 建立剪切力和回正力矩与相应参数的函 数关系。 而基于实测数据的轮胎建模,是通过对大量的轮胎力特性的实验数据进 行回归分析, 将轮胎力特性通过含有拟合参数的公式有效的表达出来。目前在轮 胎力学分析方面使用较为广泛的是基于实测数据的经验公式的代表——魔术公 式 MF(Magic Formula)[20],MF 源于二十世纪八十年代中期 Volvo 公司和荷兰 Delft 大学的联合研究, H.B.Pacejka 和 E.Bakker 等人为此做出了非常突出的贡献。 由于本仿真开发平台将用于对华晨中华车 ESP 的开发工作,而华晨方面提 供了基于 89 版 Magic Formula 轮胎模型的轮胎参数, 因此根据已有的数据条件, 我们选用具有拟合精度高, 表达式比较统一的魔术公式轮胎模型。虽然魔术公式 有计算量较大这个缺点, 但经过测试,本试验台的硬件条件完全能满足魔术公式 实时计算的要求。另外,由于魔术公式轮胎模型计算的是轮胎稳态特性,因此适 用于低输入频率下的操纵稳定性研究,而对于高输入频率下的响应,则具有局限 性,这也是本仿真平台在改进过程中所需要注意和完善的问题。轮胎坐标如图 2.2 所示。
( 2.4 )
车辆俯仰:
J y ms D0 (u vYaw ) Fs11a Fs12 a Fs 21b Fs 22b 0
车辆侧倾:
J x -ms e0 (v u Yaw )= Fs11 1 1 1 1 B11 Fs12 B11 Fs 21 B22 Fs 22 B22 2 2 2 2
图 2.2 轮胎坐标系
Magic Formula 轮胎模型,一般公式如下:
y ( x) D sin C arctan B ( x S h )(1 E ) E arctan( B ( x S h )) S v
( 2.19 )
式中,D 为峰值因子,C 为形状因子,B 为刚度因子,E 为曲率因子, S h 为横向 补偿量, Sv 为纵向补偿量,本文忽略了外倾角的影响。 对于侧向力, x 表示侧偏角, y( x) 表示轮胎侧向力,MF 中各因子的表达如 下:
( 2.21 )
华晨中华车基于此轮胎模型的各参数如表 2.2 所示。
表 2.2 MF 纵向力-滑移率系数
b0
2.37272
b1
-9.46
b2
1490
b3
130
b4
276
b5
0.0886
b6
0.00402
b7
-0.0615
b8
1.2
b9
0.0299
b10
-0.176
制动/驱动和转向联合工况下的侧向力和纵向力满足附着椭圆,从 MF 中得 到的侧向力和纵向力,在联合工况下需要进行修正:
m(u vYaw ) ms D0 ms e0 Yaw ( Fx11 Fx12 ) cos ( Fy11 Fy12 ) sin Fx 21 Fx 22




( 2.1 )
车辆侧向:
m(v u Yaw ) ms e0 ms D0 Yaw ( Fx11 Fx12 ) sin ( Fy11 Fy12 ) cos Fy 21 Fy 22
y x y ( x), Fy y ( x) tan x2 y 2 , x , y 1 1
Fx
( 2.22 )
式中 ——滑移率
——侧偏角
车轮沿轮胎平面的速度分量为(以左前轮为例)
V1 cos(1 ) (v a Yaw ) 2 (u Yaw
图 2.3 轮胎力学特性
同时, 魔术公式也可以计算回正力矩,但因为回正力矩的主要作用在于通过 方向盘为驾驶员提供一个反馈力矩,即通常所说的“路感”,它对车辆运动的影响 并不大,因此本仿真平台中忽略回正力矩的影响。 2.1.3 动力系统模型的构建 仿真平台的动力系统模块包括发动机模型和传动系统模型。 考虑到模型要在硬件在环的环境下实时运行,因此模型不能太复杂,否则会 影响其实时性。 所以用二维查表模块来构建发动机模型。虽然这样的发动机模型 比较硬,但对于应用于底盘控制系统仿真平台的实施,是能够满足要求的。 采用发动机试验得到的转速, 节气门开度, 扭矩这三个数据来建立查表模块, 以 491Q_E 单点电喷发动机为例,其相关数据示于表 2.3。


B1 2 ) 2
( 2.23 )
定义滑移率如下,制动为负,驱动为正

R111 V1 V1 R111 V1 r11
(制动)
( 2.24 )
相关文档
最新文档