連續(xù)型減速帶及發(fā)動機激勵下車輛系統(tǒng)混沌識別及智能抑制.pdf

1、為了避免由于超速造成的交通事故，連續(xù)型減速帶被廣泛設置于關鍵路段。連續(xù)型減速帶高度較低，對車輛平順性的影響較小，直接對車輛產(chǎn)生危害的可能性較低，但是由于現(xiàn)代車輛懸架中廣泛存在的非線性特性，在路面減速帶和發(fā)動機振動的聯(lián)合激勵下車輛有可能產(chǎn)生混沌?；煦缇哂蓄愲S機性和初態(tài)敏感性，有可能對車輛造成諸多不良影響。
　　針對此問題，論文建立考慮發(fā)動機激勵的五自由度車輛模型，利用圖像和數(shù)值對車輛的混沌狀態(tài)進行識別、對系統(tǒng)參數(shù)對車輛混沌狀態(tài)的影響

2、進行分析。利用遺傳算法對車輛懸架參數(shù)進行優(yōu)化，基于粒子群算法對車輛進行非線性反饋控制，以抑制車輛的混沌。主要研究內(nèi)容如下:
　　(1)建立與車速耦合的減速帶動態(tài)激勵模型和發(fā)動機激勵模型，根據(jù)一定簡化規(guī)則和相關研究建立考慮發(fā)動機激勵的非線性五自由度車輛模型。
　　(2)通過分岔圖、時間歷程圖、相軌跡圖、poincaré截面圖和車輛系統(tǒng)最大Lyapuno指數(shù)，分析車輛在不同系統(tǒng)參數(shù)下車輛的混沌狀態(tài)。
　　(3)分析了系統(tǒng)參

3、數(shù)對車輛混沌狀態(tài)的影響，利用車輛系統(tǒng)最大Lyapunov指數(shù)衡量車輛混沌程度，確定使車輛混沌程度較小的參數(shù)區(qū)間，為車輛和減速帶的參數(shù)選取提供依據(jù)。
　　(4)利用遺傳算法優(yōu)化車輛懸架參數(shù)，調(diào)整車輛懸架參數(shù)kf2、kr2、f2、cr2使車輛系統(tǒng)的最大Lyapunov指數(shù)最小，即使車輛的混沌程度最小。
　　(5)運用分段二次函數(shù)對車輛系統(tǒng)進行反饋控制，利用粒子群算法搜尋反饋控制的最佳反饋系數(shù)。
　　上述研究，揭示了車輛在連