原文传递
基于数据挖掘的电动汽车TCS模糊控制研究
| 论文题名： | 基于数据挖掘的电动汽车TCS模糊控制研究 |
| 关键词： | 电动汽车;牵引力控制系统;数据挖掘;模糊控制 |
| 摘要： | 汽车牵引力控制系统(TCS)是一种主动安全控制系统，是防抱死系统(ABS)在汽车上应用的一个延伸。TCS通过控制汽车驱动轮滑转率，防止汽车在起步、加速、爬坡时驱动轮过度滑转，保证其充分利用地面提供的纵向附着力和侧向附着力，使汽车获得最大牵引力和最佳操纵稳定性，提高整车稳定性能。因此，深入研究汽车牵引力控制系统(TCS)对解决整车稳定与安全性具有重要的意义。 本文主要研究电动汽车的牵引力控制系统。我们选用轮毂电机布置方案，通过调节电机的电压来控制电机输出转矩，使车轮的滑移率保持在理想值16％附近（滑移率为16％时，路面能提供给车轮最大的纵向附着系数以及比较理想的侧向附着系数）。主要研究内容包含以下几部分: (1)选型与建模 首先，我们研究了轮毂电机布置方案的电动汽车的结构，对其数学模型进行了描述，并确定相关参数。然后，我们在Matlab/Simulink软件中建立了整车动力学模块、电机模块、轮胎模块、滑移率计算模块。 (2)模糊控制的研究 首先，设计了一个PID控制器，对电动汽车进行了仿真，并在三种不同路面条件下对PID控制的自适应能力和鲁棒性进行了分析。然后，根据经验设计了两输入单输出的PD型模糊控制器，并对其进行仿真，同样考察了模糊控制器在三种不同路面条件下的自适应能力和鲁棒性。通过对比发现:PID控制具有过渡平滑，没有稳态误差，自适应能力更好，更适合在低附着系数路面上工作的特点。而模糊控制具有过渡时间更短，更适合在高附着系数路面上工作的特点。 (3)PID+模糊补偿控制的研究 因为PID控制与模糊控制各有优势，设想将两者结合起来，做成补偿控制的形式。通过仿真发现补偿控制无论在过渡时间，稳态误差，还是自适应能力和鲁棒性方面都有不错的表现。表明补偿控制的思路是可行的。 (4)模糊规则的数据挖掘 模糊规则的获取是模糊建模的成功关键。通常模糊规则的产生有以下三种方法:1）基于专家经验和知识产生规则;2）从样本数据中自动产生规则;3）样本数据结合专家知识产生混合规则。简单系统可以基于专家知识产生规则，但是当变量增多及变量的模糊集分割过多时，单纯依靠专家知识获取模糊规则是十分困难的。而数据挖掘技术则可以从数据中自动提取模糊规则，相比经验产生的规则更加客观和准确。我们在WM和iWM算法的基础上，提出了一种鲁棒性更好的算法，并用Matlab语言在计算机中实现编程。通过仿真实验验证了该算法能有效地从样本数据中提取规则。 |
| 作者： | 林楠 |
| 专业： | 车辆工程 |
| 导师： | 王永富 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东北大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
