基于神经网络的轮式装载机防滑差速器的控制研究
本文关键词:基于神经网络的轮式装载机防滑差速器的控制研究 出处:《浙江理工大学》2012年硕士论文 论文类型:学位论文
更多相关文章: 装载机 限滑差速器 BP神经网络 控制 仿真
【摘要】:轮式装载机工作环境比较恶劣,经常由于车轮打滑引起车辆驱动性能和通过性能下降,影响作业进度和效率。国内工程车辆差速器多采用普通差速器或摩擦片式被动限滑差速器。主动限滑差速器在汽车上应用较多,工程车辆上没有应用。 本文结合国内外限滑差速器的发展状况,分析当前常用限滑差速器的结构和缺陷。以ZL50装载机为研究对象,对比常用的普通差速器和摩擦片式被动限滑差速器的结构和工作原理,提出结构改进方案,设计了一种新型的电磁式主动限滑差速器,完成结构选型,传力过程分析。 ZL50装载机行驶路况复杂,针对电磁式限滑差速器控制器的输入和输出呈非线性,设计BP神经网络模型,确定了网络拓扑结构,建立带反馈的神经网络。基于BP神经网络的PID控制器对电磁式限滑差速器的控制机构电磁阀进行控制。确定初始权值和阈值,BP神经网络的输出值作为PID控制器的三个参数实现控制,将误差信号从输出端回送,反向传播,修正加权系数。根据路面输入情况调整,反复迭代,自适应得到控制参数。 对ZL50装载机动力传动系统进行分析和建模,对驱动系统组成部件分别建模。建立发动机模型,液力变矩器模型,探讨发动机和液力变矩器的共同工作输入特性、输出特性,,建立变速器模型,驱动桥模型和轮胎模型。分析直线行驶和转向行驶的驱动过程。 将差速器从驱动系统中独立出来,选用基于BP神经网络的PID控制算法,控制电磁阀推杆作用于液压油缸的压力,最终实现对限滑力矩的控制。在Matlab中设计程序,三种对分路面上直线行驶情况进行仿真,对比分析有无装用限滑差速器的仿真结果。进行直线行驶和转向行驶工况的仿真,对比分析装用普通差速器、摩擦片被动限滑差速器、电磁式主动限滑差速器三种差速器的仿真结果。 仿真结果可知:基于BP神经网络的PID控制的电磁式限滑差速器,克服了普通差速器平均分配扭矩的缺点,对附着系数对分的路面具有良好的自适应性,两侧路面附着系数相差越大,限滑效果越明显。低附着区域能够实现较好的限滑作用,控制轮胎的滑转率,使装载机具有较高的驱动力和侧向附着力,保证车辆的动力性能。仿真结果证明所选用的电磁式限滑差速器的结构设计、控制方法的合理性和适用性。
[Abstract]:The working environment of the wheel loader is very bad, and the driving performance and passing performance of the vehicle are often decreased because of the skid of the wheel. The common differential or friction plate passive slip limiting differential is mostly used in the domestic engineering vehicle differential. The active limiting slip differential is widely used in the automobile, but it is not used in the engineering vehicle. This paper analyzes the structure and defects of the current limited slip differential based on the development of the limited slip differential at home and abroad. The ZL50 loader is taken as the research object. Comparing the structure and working principle of common differential and friction plate passive limited slip differential, the structure improvement scheme is put forward, and a new type electromagnetic active limiting slip differential is designed to complete the structure selection. Analysis of force transfer process. The driving condition of ZL50 loader is complex. Aiming at the nonlinear input and output of electromagnetic limited slip differential controller, the BP neural network model is designed and the network topology is determined. The PID controller based on BP neural network is used to control the solenoid valve of the electromagnetic limited slip differential. The initial weight and threshold are determined. The output value of BP neural network is used as the three parameters of PID controller to realize the control. The error signal is sent back from the output end, and the weighting coefficient is revised. Adaptive control parameters are obtained. The power transmission system of ZL50 loader is analyzed and modeled. The components of the drive system are modeled respectively. The engine model and the torque converter model are established. The working input and output characteristics of engine and hydraulic torque converter are discussed. The transmission model, drive axle model and tire model are established, and the driving process of straight line driving and steering driving is analyzed. The differential is independent from the drive system and the PID control algorithm based on BP neural network is selected to control the pressure of the solenoid valve push rod acting on the hydraulic cylinder. Finally, the control of the limit slip torque is realized. In Matlab, three kinds of simulation programs are designed to simulate the straight line driving on the sub-pavement. Compare and analyze the simulation results of the limited slip differential with or without the installation. Carry on the simulation of the straight line driving and steering driving condition, compare and analyze the ordinary differential and the friction plate passive limit slip differential. Simulation results of three kinds of electromagnetic active limiting slip differential. The simulation results show that the electromagnetic slip limiting differential based on BP neural network PID control overcomes the shortcomings of average torque distribution of the ordinary differential and has good adaptability to the road surface with the adhesion coefficient. The higher the adhesion coefficient of both sides of the pavement, the more obvious the slip limiting effect. The lower the adhesion area is, the better the slip limiting effect can be, and the higher the wheel slip rate can be, the higher the driving force and the lateral adhesion of the loader can be. The simulation results show the structure design of the electromagnetic limited slip differential, the rationality and applicability of the control method.
【学位授予单位】:浙江理工大学
【学位级别】:硕士
【学位授予年份】:2012
【分类号】:TH243;TH132.46
【相似文献】
相关期刊论文 前10条
1 苏俊;习平原;;基于神经网络的车辆主减速器混合遗传算法优化设计[J];机械设计与制造;2011年02期
2 李韬;谈黄河汽车后桥差速器螺栓等的自制与外协[J];重型汽车;1997年05期
3 张利;真空管导致怪毛病[J];汽车维修技师;2005年10期
4 朱余清;吴伟斌;杨均忠;;丰田普拉多四轮驱动系统解析[J];汽车维修与保养;2007年04期
5 黄秋波,高兴歧;超越离合器与差速器组合的特殊用途[J];机械;1999年05期
6 李瑞源;大众也豪华——大众途锐[J];汽车实用技术;2004年12期
7 王亚俊;;丰田霸道3400四轮驱动故障排除一例[J];实用汽车技术;2005年Z1期
8 雷雨成,白绥滨,王聪,张伟;超越式汽车差速器研究[J];哈尔滨工业大学学报;1995年03期
9 王剑彬,曾庆生;装载机差速器的可靠性优化设计[J];机械传动;2001年02期
10 ;汽车不可思议(连载十七)[J];汽车知识;2011年02期
相关会议论文 前10条
1 侯艳芳;冯红梅;;基于神经网络的调制识别算法的研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年
2 沈建荣;杨林泉;陈琳;;神经网络的稳定性判据与区域经济结构调整[A];系统工程与可持续发展战略——中国系统工程学会第十届年会论文集[C];1998年
3 石山铭;李富兰;丁俊丽;;神经网络的知识获取[A];全国青年管理科学与系统科学论文集(第1卷)[C];1991年
4 吴清烈;徐南荣;;基于神经网络的一种多目标决策方法[A];复杂巨系统理论·方法·应用——中国系统工程学会第八届学术年会论文集[C];1994年
5 李晓钟;汪培庄;罗承忠;;神经网络与模糊逻辑[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年
6 房育栋;余英林;;高阶自组织映射及其学习算法[A];1995年中国控制会议论文集(上)[C];1995年
7 王晓晔;杜朝辉;吕德忠;刘建峰;;神经网络模糊控制在温度控制系统中的应用[A];1997中国控制与决策学术年会论文集[C];1997年
8 金龙;吴建生;;基于遗传算法的神经网络短期气候预测模型(摘要)[A];新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“气候系统与气候变化”分会论文集[C];2003年
9 申伟;张元培;;基于MATLAB的自适应神经网络模糊系统(ANFIS)的应用[A];《制造业自动化与网络化制造》学术交流会论文集[C];2004年
10 田艳兵;;BP算法和PSO算法在神经网络中的研究[A];第二十九届中国控制会议论文集[C];2010年
相关重要报纸文章 前10条
1 于翔;数字神经网络中的协同应用[N];网络世界;2009年
2 本报记者 赵三明;真正的越野助手——伊顿差速器[N];中国工业报;2005年
3 健康时报特约记者 张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
4 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
6 ;陕西东风昌河车桥公司研制出新型差速器[N];中国汽车报;2004年
7 本报记者 晓惑 收集整理;奥迪quattro全时四驱解密[N];当代汽车报;2006年
8 本报首席记者 任荃 实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年
9 杨秀峰;猎豹CS6标配锁式差速器畅行无忧[N];中国贸易报;2009年
10 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009年
相关博士学位论文 前10条
1 刘志祥;深部开采高阶段尾砂充填体力学与非线性优化设计[D];中南大学;2005年
2 戴雪龙;PET探测器神经网络定位方法研究[D];中国科学技术大学;2006年
3 马戎;智能控制技术在炼钢电弧炉中的应用研究[D];西北工业大学;2006年
4 文敦伟;面向多智能体和神经网络的智能控制研究[D];中南大学;2001年
5 吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2003年
6 杜文斌;基于神经网络的冠心病证候诊断标准与药效评价模型研究[D];辽宁中医学院;2004年
7 熊雪梅;参数化模糊遗传神经网络及在植物病害预测的应用[D];南京农业大学;2004年
8 李智;电站锅炉燃烧系统优化运行与应用研究[D];东北大学;2005年
9 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年
10 谭阳红;基于小波和神经网络的大规模模拟电路故障诊断研究[D];湖南大学;2005年
相关硕士学位论文 前10条
1 杨立儒;基于神经网络的电路故障诊断的研究与实现[D];解放军信息工程大学;2010年
2 刘兰兰;基于神经网络和遗传算法的H型钢粗轧工艺参数优化研究[D];山东大学;2011年
3 田鹏明;基于神经网络的振动主动控制研究[D];太原理工大学;2012年
4 姜宇;发动机裂解设备故障诊断技术的研究[D];吉林大学;2012年
5 邢远凯;基于决策树和遗传算法的神经网络研究及应用[D];浙江大学;2010年
6 高宝建;基于神经网络的月降水预报模型在洪泽湖的应用研究[D];南京信息工程大学;2012年
7 陈少华;基于Hopfield神经网络控制系统的研究[D];山东科技大学;2010年
8 来建波;基于神经网络的路段行程时间预测研究[D];云南大学;2011年
9 闫超;基于BP神经网络的煤矿深埋硐室软岩流变参数反演分析[D];安徽理工大学;2011年
10 段成均;时滞神经网络稳定性分析[D];重庆交通大学;2011年
本文编号:1440434
本文链接:https://www.wllwen.com/kejilunwen/jixiegongcheng/1440434.html