摘要 | 第2-4页 |
Abstract | 第4-5页 |
1 绪论 | 第8-19页 |
1.1 课题研究的背景及意义 | 第8页 |
1.2 车辆悬架系统的概述 | 第8-12页 |
1.2.1 车辆悬架的分类 | 第9-11页 |
1.2.2 车辆悬架的研究进展 | 第11-12页 |
1.3 可控阻尼器的概述 | 第12-14页 |
1.3.1 可控阻尼器的研究现状 | 第12-13页 |
1.3.2 磁流变阻尼器的研究进展 | 第13-14页 |
1.4 半主动悬架的控制方法 | 第14-17页 |
1.5 课题研究的主要内容 | 第17-19页 |
1.5.1 本论文研究内容 | 第17-18页 |
1.5.2 论文各章节主要内容 | 第18-19页 |
2 悬架系统动力学建模及分析 | 第19-32页 |
2.1 悬架系统的性能评价指标 | 第19-21页 |
2.2 路面激励模型的建立 | 第21-26页 |
2.2.1 路面的空间功率谱函数 | 第21-23页 |
2.2.2 路面不平度的时间功率谱 | 第23-24页 |
2.2.3 随机路面输入位移 | 第24-25页 |
2.2.4 冲击路面输入位移 | 第25-26页 |
2.3 半主动悬架系统动力学建模 | 第26-29页 |
2.4 半主动悬架仿真建模 | 第29-30页 |
2.5 本章小结 | 第30-32页 |
3 磁流变阻尼器正逆模型的分析研究 | 第32-45页 |
3.1 磁流变阻尼器的工作原理及方式 | 第32-33页 |
3.2 磁流变阻尼器的动力学模型 | 第33-39页 |
3.2.1 磁流变阻尼器的常用数学模型 | 第34-36页 |
3.2.2 基于Bouc-Wen滞环算子的现象模型 | 第36-39页 |
3.3 磁流变阻尼器的逆模型分析 | 第39-44页 |
3.3.1 BP神经网络逆模型 | 第40-41页 |
3.3.2 逆模型数据样本采集与预处理 | 第41-42页 |
3.3.3 逆向神经网络模型的训练和测试 | 第42-44页 |
3.4 本章小结 | 第44-45页 |
4 整车车辆的半主动悬架控制策略 | 第45-58页 |
4.1 并联协调控制策略 | 第45-46页 |
4.2 并联协调PID控制 | 第46-50页 |
4.2.1 PID控制理论 | 第47-48页 |
4.2.2 PID悬架控制参数整定 | 第48页 |
4.2.3 半主动悬架系统的PID控制 | 第48-50页 |
4.3 并联协调模糊PID控制 | 第50-56页 |
4.3.1 模糊控制理论 | 第50-51页 |
4.3.2 模糊控制器的结构 | 第51页 |
4.3.3 模糊PID控制器的原理介绍 | 第51-52页 |
4.3.4 半主动悬架系统的模糊PID控制 | 第52-55页 |
4.3.5 并联协调模糊PID控制仿真建模 | 第55-56页 |
4.4 本章小结 | 第56-58页 |
5 汽车半主动悬架系统仿真分析 | 第58-68页 |
5.1 滤波白噪声路面输入时的仿真分析 | 第58-60页 |
5.2 冲击路面上的整车仿真分析 | 第60-62页 |
5.3 不同车速下的整车半主动仿真分析 | 第62-64页 |
5.4 不同路面等级下的整车半主动仿真分析 | 第64-67页 |
5.5 本章小结 | 第67-68页 |
6 结论 | 第68-70页 |
6.1 全文总结 | 第68-69页 |
6.2 工作展望 | 第69-70页 |
参考文献 | 第70-74页 |
攻读硕士学位期间发表的论文 | 第74-75页 |
致谢 | 第75-77页 |