汽车操纵力（精选6篇）
汽车操纵力 篇1
摘要：提出一种基于支持向量回归机(SVR)的操纵装置操纵力舒适性预测方法。将操纵力以及人体生理参数作为预测的输入,分别映射到劳动强度和感知强度两个评价指标,在此基础上建立基于SVR的操纵力舒适性评价模型,输出人体的综合舒适度指标。以变速杆为例,通过模拟变速杆的操纵过程,获取相应的预测样本数据,利用支持向量回归机建立的操纵力舒适性预测模型进行预测,结果显示这一预测方法优于RBF神经网络的预测模型。
关键词：汽车操纵装置,操纵力舒适性,综合舒适度,支持向量回归机,预测
1 引言
随着汽车工业的发展,舒适性已经成为人们更高层次的追求,也已经成为各类产品不可或缺的品质要求。汽车操纵舒适性是影响汽车整体性能的重要因素之一,也是衡量汽车品质不可或缺的指标。
对于舒适性研究目前主要集中于操纵装置的空间布局、颜色搭配等,从人的主观感受出发,通过经验来评价和改善操纵装置舒适性[1,2,3,4],但是由于操纵装置的固有属性大多与操纵者的操纵力有关,同时操纵力与舒适性评价之间存在显著的相关性,因此通过操纵力预测评价舒适性的大小已成为研究的重点。
何源等[5]从踏板力和行程的角度出发,分析踏板力及力变率对汽车离合器操纵舒适性的影响,利用操纵过程中异点数量、踏板力与踏板行程线性度以及力变率对操纵舒适性进行评价,但是此方法并没有得出有效的数学模型。Kolich等[6]试图利用神经网络建立相关数学模型对汽车座椅舒适性进行评价预测,但是由于经验风险最小化准则的局限,在对小样本数据的训练过程中存在较大误差,出现了过学习现象,影响了模型的泛化能力和推广能力,同时容易使训练结果陷入局部最小点,因而降低了预测的精度。
本文以汽车操纵装置操纵力为研究对象,将操纵力以及人体生理参数映射到劳动强度和感知强度两个评价指标,建立相应的操纵力舒适性评价模型,并提出一种基于支持向量回归机的舒适性预测方法,用以解决小样本、非线性和高维识别问题,提高了操纵力舒适性的预测精度。
2 支持向量回归机原理
支持向量机是建立在统计学习理论的VC维理论和结构风险最小化原理上的[7],根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折中,以期获得最好的推广能力。它分为两类,一类是用于分类问题的支持向量分类机,另一类是用于回归问题的支持向量回归机。
对于回归问题,是在给定训练样本T={(x1,y1),…,(xl,yl)}∈(Rn×Y)l,其中xi∈Rn,yi∈Y=R,i=1,…,l,据此寻找Rn上的一个实值函数g(x),以便用y=g(x)来推断出任一输入x所对应的输出值y。线性回归是寻求一个线性函数g(x)=(ω·x)+b代替实值函数g(x)作为输出函数。假设所有训练数据可以在ε-不敏感区函数的意义下无误差的用线性函数g(x)=(ω·x)+b进行拟合,引入松弛变量ξ(*)=(ξ1,ξ1*,…,ξl,ξl*)T和惩罚参数C,其参数ω的求取可以表示如下:
而非线性回归则是通过非线性变换x→φ(x)将原输入空间的回归问题映射到高维特征空间(Hilbert空间)中,然后在该Hilbert空间进行线性回归,即g(x)=ωT·φ(x)+b,取得在原空间非线性回归的效果,得到向量ω求取式为此过程可采用合适的核函数,使函数的逼近求解绕过特征空间,以简化计算。
其算法步骤如下:
(1)已知训练集T={(x1,y1),…,(xl,yl)}∈(Rn×Y)l,其中xi∈Rn,yi∈Y=R,i=1,…,l;
(2)选取适当的核函数K(x,x′)以及适当的精度ε>0和惩罚参数C>0,构造并求解凸二次规划问题
利用Lagrange函数及Kuhn-Tucker条件,求的最优解为
(3)计算b:选取位于开区间(0,C)中的a*的分量aj或者ak*。若选到的是aj,则
若选到的是则
(4)构造决策函数
3 基于SVR的操纵力舒适性评价模型
3.1 评价指标
操纵力舒适性是指人在一定的时间内施加力于操纵对象并改变其运动状态时,操纵装置在实现其基本功能并平衡各类负反馈使系统保持稳定的基础上,使操纵者生理和心理感知系统达到最佳状态的性能。因此,本文从生理学和心理学角度分别选取劳动强度和感知强度作为评价指标。
(1)劳动强度
劳动强度是指作业者在生产或者动作过程中体力消耗及紧张程度[8]。劳动强度不同,单位时间人体所消耗的能量也不同。目前,国内外对劳动强度分级的能量消耗指标主要有两类:一类是相对指标,即相对代谢率RMR,另一类是绝对指标,如8h的能量消耗量和劳动强度指数等。本文的劳动强度主要考虑以体力劳动为主的情况,不考虑脑力劳动,因此,选取相对代谢率作为衡量劳动强度大小的唯一参数。本文中的劳动强度就特指相对代谢率。
其中:M为能量代谢率,包括作业代谢率、基础代谢率和安静代谢率,其中,作业代谢率可表示为操纵力F和操纵位移S的乘积;R为安静代谢率,即单位时间、单位表面积内,机体为保持各部分的平衡以及某种姿势所消耗的能量;B为基础代谢率,反映单位时间、单位表面积,人体处于基础状态下最基本的能量消耗量。
以变速杆为例,模拟变速杆的操纵过程,获取相关的操纵力样本数据,并映射到劳动强度指标,通过模糊聚类分析,划分出相应的舒适性等级以及评价值,如表1所示。
(2)感知强度
对人体心理感觉的度量常用感知强度这一指标进行定量描述。感知强度是一种随物理刺激大小变化产生心理感觉变化的测度[9]。感知强度的大小取决于刺激的强弱,因此,操纵力的大小直接影响感知强度的大小。1950年代,美国心理学家史蒂文斯用数量估计法研究了刺激强度与感知大小的关系。研究发现,感知强度并不随刺激量的对数的上升而上升,而是刺激量的乘方函数(或幂函数)。假设差别阈值不小于操纵力的大小,根据史蒂文斯幂定律(Stevens’Power law),感知强度和操纵力的关系可描述为
其中,ψ:感知强度;准:变速杆操纵力;准0:操纵力的差别阈值;k:常数;n:随操纵力变化,感知强度变化的比率。
同样以变速杆为例,模拟其操纵过程,获取相关的操纵力样本数据,并映射到感知强度指标,通过模糊聚类分析,划分出相应的舒适性等级以及评价值,如表2所示。
3.2 评价模型
对于操纵力舒适性的评价问题,本文分别用劳动强度和感知强度这两个参数作为指标进行定量化描述。其中劳动强度是用来度量生理指标的,将某一劳动强度所对应的主观评价值定义为生理舒适度I1,同理,感知强度是用来度量心理指标的,将某一感知强度所对应的主观评价值定义为心理舒适度I2。
由于人体发挥操纵力的大小,取决于人操作的姿势、着力部位、力的作用方向和用力方式(根据GB/T l4775-1993),然而对于同一种操纵装置可能有多种操纵方式,因此各舒适度的计算公式定义如下:
其中,I1i为第i种操纵方式的生理舒适度,I2i为第i种操纵方式的心理舒适度,n为操纵方式的种类。
由于同一操纵力值其所对应的标准是相对和独立的,采用最小化原则,本文用综合舒适度指标I来描述操纵装置的操纵力舒适性:
其中:I1是生理舒适度值,I2是心理舒适度值。此时获得的综合舒适度指标I作为预测的输出。
4 实验结果与分析
4.1 实验过程
本文以变速杆为例,利用操纵装置操纵力模拟实验平台模拟变速杆的操纵过程,采集汽车行驶过程中变速杆的各种操纵力数据以及人体生理参数(身高、体重、年龄)作为预测的输入。选取58个身体健康的驾驶员参加实验,其中43个男性和15个女性,年龄在18～45岁之间(平均年龄28.6岁,标准差是2.7),平均身高是1.706m,平均体重为66.8kg。每位测试者都是进行独立实验,以减少各测试者之间的干扰。
实验之前向各位测试者介绍实验的目的、方法和要求等,使测试者大致了解实验的情况,以减少因为对实验过程不清楚而带来的实验误差。实验过程需要人工录入测试者的年龄、性别、身高、体重、驾龄,操纵力、劳动强度和感知强度数据则通过实验平台软件系统自动获取,而主观舒适性评价值则根据劳动强度和感知强度的范围由测试者分别给出相对应区间的一个数值。
针对驾驶环境下操纵力的发生条件,要求测试者在坐姿条件下对人操纵变速杆时的作用力进行测量。实验测试者以最舒服的姿势分别从四个方向操纵变速杆,即左、右、前、后。这四个方向也分别表示胳膊平面运动的方向。四个方向操纵力的测量顺序是随机的,但是要对其进行分别记录相关实验数据,以区别四个胳膊的用力方式。每个方向从开始到结束的操纵过程大约持续0.2s,获取这一时间段的作用力平均值以及主观舒适性评价数据作为研究对象。整个实验过程避免让测试者看到实验数据,以免对测试者的心理产生影响。
4.2 实验数据分析
将采集的58组数据随机划分为两组,其中43组数据组成支持向量回归机的训练样本数据集,剩余的15组数据作为测试样本数据集。本文选取以σ为参数的Gauss径向基函数作为核函数:
选择C=100,ε=0.001。为了验证SVR模型的预测效果,实验还建立了径向基(RBF)神经网络预测模型,将各模型的输出结果作相对误差、均方差和相关系数比较,以评价回归学习的质量。通过对训练样本数据集的回归训练,预测结果如表3所示。
从15组测试数据的预测结果可以看出,SVR模型预测结果的相对误差绝大多数要低于RBF神经网络模型的预测结果,均方差也相对较低,相关系数要高于RBF神经网络预测模型,由此验证了用SVR模型预测操纵力舒适的有效性和可靠性。从图1可以直观地看出两种模型的预测效果。
5 结论
本文通过利用支持向量回归机建模预测操纵装置操纵力舒适性,将操纵力和人体生理参数分别映射到劳动强度和感知强度两个参数,作为评价指标,有效的预测了操纵装置的操纵力舒适性。通过对实验结果的分析,可以看出支持向量回归机模型的预测性能高于径向基(RBF)神经网络预测模型,为操纵力舒适性的评价预测提供了一种切实有效的新方法。
参考文献
[1]HANSONA L,et al.A control handling comfort model based onfuzzy logics[J].International Journal of Industrial Ergonomics,2003,31:87-100.
[2]KUIJT-EVERSA L F M,et al.Comfort predictors for differentkinds of hand tools:Differences and similarities[J].Internationa Journal of Industrial Ergonomics,2007,37:73-84.
[3]FINNERAN A,et al.Force,posture and repetition induced discomfort as a mediator in self-paced cycle time[J]International Journal of Industrial Ergonomics,2010,40:257-266.
[4]CACCIABUE P C,et al.A simple model of driver behaviour tosustain design and safety assessment of automated systems inautomotive environments[J].Applied Ergonomics,2010,41:187-197.
[5]何源,扈静,蒋增强,等.基于踏板力和力变率的离合器操纵舒适性评价[J].合肥工业大学学报(自然科学版),2010,33(1):10-13.
[6]KOLICH M,et al.Automobile Seat Comfort Prediction:StatisticaModel vs.Artificial Neural Network[J].Applied Ergonomics,2004,35:275-284.
[7]VAPNIK V N.统计学习理论[M].许建华,等译.北京:电子工业出版社,2009:308-322.
[8]刘卫华,冯诗愚.现代人-机-环境系统工程[M].北京:北京航空航天出版社,2009:83-96.
[9]EKMAN,G.A simple method for fitting psychophysical powerfunctions[J].Journal of Psychology,1961,51:343-350.
汽车操纵力 篇2
关键词：手动变速器,换挡杆,力反馈,操控舒适性,PSO-BP神经网络
0 引言
汽车作为当前最为主要的交通工具之一,其操控舒适性与道路交通安全问题紧密相关,日益受到生产厂商的重视[1,2]。作为汽车传动系的重要组成部分,变速器的性能直接影响汽车的动力性、经济性、舒适性及安全性。虽然自动变速器因其操控简便性,成为变速器的技术潮流和发展方向,但手动变速器具有成本低、结构简单可靠、传动效率高等优点,且更加符合部分驾驶者对于驾驭感的需求,因此手动变速器依然具有较大市场潜力,其产量在近十年全球轻型车辆用变速器中一直保持领先[3]。由于手动变速器的换挡杆与驾驶者的手掌直接接触,其设计特征直接影响着换挡感受。良好的布局及造型是换挡杆的基本设计要求[4],而对操控舒适性影响较大的操纵力及其力反馈作用也逐渐受到重视[5]。换挡杆的力反馈特性可作为手动变速器操控舒适性的一项重要测评指标。
长期以来,汽车操控性能测评主要依靠专业的评价工程师进行主观评价[6],换挡操控舒适性测评也不例外。然而,该方法存在两个弊端,一是过于依赖主观感受,对测评者的专业水平要求较高;二是由于不同的操纵者所采用的操纵方式不同,尤其是不同的发力方式引起相应的力反馈特征差异,使得测评结果因人而异,由小群体测评者得到的评价结果不稳定。针对主观测评的不足,有学者尝试采用客观、定量的方法作为主观、定性测评的补充。文献[7]运用虚拟样机技术建立了手动变速器换挡过程动力学模型,进而利用仿真分析得到换挡力和换挡位移的关系,并验证了仿真研究方法的可行性,能够用以辅助试验测试。文献[8]采用模糊聚类法,基于换挡杆操纵力及其感知强度划分操控舒适性等级,该方法确定了操纵过程中操纵力与作业强度及感知强度的数学关系,但忽略了操纵过程中力的变化特性。文献[9]采用自行开发的测试系统检测手动变速器换挡性能,并以操作强度、冲量系数、换挡操纵力极值和斜率差异系数作为换挡质量评价指标,采用层次分析法对各指标进行赋权,最终得到换挡质量评价结果,该方法对操纵过程数据进行了分析,但未考虑操纵者的差异对操纵性能评价结果的影响。驾驶者的体格及行为特征差异对于其操纵感受及驾驶表现的影响不容忽视,该方面的研究也正在逐步展开[10]。
本文针对上述问题,分析汽车换挡操纵过程中操纵力反馈与操纵位移的动态变化特征,结合操纵者的个体差异,提取力反馈特征指标;进而提出了一种换挡杆操控舒适性测评方法,即运用经粒子群优化算法改进的人工神经网络学习算法建立力反馈特征指标与测评者主观舒适性评分之间的映射模型;并以轻型车辆的手动变速器换挡杆操纵试验作为实例,验证了该方法的可行性与有效性。由于操纵力与其力反馈是一对大小相等、方向相反的相互作用力,测量操纵力的同时也是在测量力反馈,故本文用力反馈特征参数来对操纵力及力反馈特性进行统一描述。
1 手动变速器结构及换挡过程
以广泛使用的5挡手动变速器为例,其结构及工作原理如图1所示。动力输入轴带动主动轴及其上的主动齿轮转动,换挡杆通过软轴与变速器的拨叉相连,利用拨叉调整同步器的轴向位置,使从动轴与特定挡位的从动齿轮同步转动,由于从动齿轮与相对应的主动齿轮啮合,故能够实现不同速比的动力输出。
在标准的5挡手动变速器中,有三组拨叉及其对应的同步器,当换挡杆处在空挡位置时控制3、4挡同步器,前后扳动换挡杆,使从动轴分别与3挡和4挡从动齿轮同步;当换挡杆向左扳动至左侧限位点时控制1、2挡同步器,此时前后扳动换挡杆,则使从动轴分别与1挡和2挡从动齿轮同步;当换挡杆向右扳动至右侧限位点时控制5挡、倒挡同步器,此时前后扳动换挡杆,则使从动轴分别与5挡和倒挡从动齿轮同步。
以空挡和1挡之间的切换为例,换挡过程主要分为4个阶段,不同阶段中力反馈的方向有所差异,但可以近似认为在同一阶段内力反馈的方向不变,且4个阶段中力反馈的方向处在同一水平面内。换挡过程的4个阶段如下。
(1)选挡。即换挡杆从空挡向左移动至左侧限位点的过程,该过程中力反馈方向向右。
(2)进挡。即换挡杆从左侧限位点向前移动至1挡挡位的过程,该过程中力反馈方向向后。
(3)退挡。即换挡杆从1挡挡位向后移动至左侧限位点的过程,该过程中力反馈方向向前。
(4)回位。即换挡杆从左侧限位点自动回到空挡位置的过程,该阶段不需要操纵者施力,故不考虑力反馈。
空挡和2挡、5挡及倒挡之间的切换与上述过程相似,只是移动及力反馈的方向有所差异。空挡与3挡、4挡之间的切换省去了选挡和回位。其余各挡之间的切换过程可由上述各阶段组合而成。
2 操控舒适性的客观测评指标
汽车的操纵过程是驾驶者施加一定的力于特定的操控装置,使其在工作行程范围内产生位移,最终改变汽车的运行状态的过程。与此同时,操控装置的力反馈作用于人的手或脚,引起人的操纵感知。力反馈过小,人对操控装置的运动状态感知不够清晰,易产生误操作,不利于安全驾驶;而力反馈过大则会让人感觉操纵困难,易疲劳。孟增荣等[11]开发了用于测试换挡变速手柄操纵力、角位移信号的检测装置;Kim等[12]研究了汽车换挡操纵及其力反馈的模拟、测量方法,为换挡力反馈的研究提供了测试方法参考。借助试验测量技术,可以对换挡力反馈和换挡位移进行实时监测,进而提取力反馈特征指标用以客观度量操控舒适性。
较常采用的测评指标为力反馈极值和操纵刚度。力反馈极值是操纵过程中特定时间或位移区间内所测的力反馈极大值,代表力反馈的强度;操纵刚度指换挡过程中力反馈变化与操纵位移变化之比,反映了力反馈的变化趋势。
在汽车换挡操纵过程中所测得的力反馈数据,一方面受换挡机构的机械结构和传动阻力影响;另一方面也与操纵者的施力特点有关,施力越大,反馈的力越大。操纵者习惯的施力特点也反映了其对所承受力反馈的偏好,这也是操控舒适性差异的主要成因。在测评换挡操控舒适性时,需要排除操纵者差异的影响,或是针对特定的操纵者群体进行评价,为使不同的操纵者给出的测评结果具有可比性,引入相对力反馈特征参数作为测评指标,具体如下。
(1)相对力反馈极值。由于不同的操纵者在特定方向上可接受的力反馈极值不同,其偏好的换挡力反馈值也会有所差异。因此,确定正常操纵过程中所测力反馈极值与其在同方向可接受反馈力极值之比,作为相对力反馈极值。
(2)相对操纵刚度。由于不同换挡杆的工作行程即最大位移略有差异,且不同的操纵过程中所测力反馈极值不同,两方面差异会对试验所测操纵刚度产生干扰。为消除该影响,确定操纵刚度与平均刚度(即实测力反馈极值与行程之比)的比值作为相对操纵刚度。
分别以选挡、进挡和退挡三个阶段中的相对力反馈极值和相对操纵刚度作为测评换挡杆操纵力反馈舒适性的客观指标,既在一定程度上消除了测评者个体差异的影响,又能够针对整个操纵过程进行全面测评。
3 操控舒适性主观评分
不同的操纵力反馈特征引起操纵者不同的体验和感受,而这种感受的舒适性水平主要用主观评分进行描述。目前在汽车企业应用较为广泛的操控舒适性主观评分标准是由美国汽车工程师协会(society of automotive engineers,SAE)制定的十分制评分标准[13],见表1。
根据以上评分标准,面向特定的换挡操纵过程,对力反馈舒适性进行评价,并综合各阶段的换挡过程评分,反映整体的换挡操控性能。
4 基于PSO-BP神经网络的测评模型
4.1 基础模型
如果对每辆车的换挡杆都进行主观测评,则测试人员的工作量过大,且测评结果易受测试者的体格特征、心理和身体状态以及周围环境因素等诸多因素的影响。因此,有必要构建力反馈特征参量与舒适性主观测评结果的映射模型,从而根据样本数据测评操控舒适性。
人工神经网络(artificial neutral network,ANN)是模拟人的大脑神经处理信息的一种人工智能算法,能够对多组输入、输出数据进行并行处理,且具有自学习能力,不需要事先知道建模对象变量的变化特点及其之间的关系;运用网络自身的学习功能将多种复杂信息融入网络权值中,避免了复杂的关系模型和公式表达。鉴于上述优点,不少学者将其引入车辆的乘驾性能测评体系中作为核心建模方法[14,15]。其中,前向反馈(back propagation,BP)神经网络是目前技术最成熟、应用最为广泛的网络,据统计,约有80%的神经网络模型采用BP神经网络或它的变异形式[16]。
针对操控舒适性测评的特点,构建多输入、单输出的单隐层BP神经网络,如图2所示,输入层、隐层及输出层节点数分别为R、S、1。
该模型具有三个神经元层,即输入层、隐层和输出层。以实际测量得到的力反馈特征参量作为输入层神经元,以操控舒适性评分结果作为输出层神经元。为了兼顾输入层与输出层之间的线性与非线性映射关系,输入层至隐层之间的传递函数采用双曲正切函数,隐层到输出层之间的传递函数选用线性函数。
通过样本训练,依据神经元的平均绝对误差调整权值矩阵W12、W23和阈值参数b12、b23,以输出达到理想误差时的网络模型作为力反馈与操控舒适性之间的映射模型。
4.2 模型改进
BP神经网络算法的实质是单点搜索算法,全局搜索能力不佳,存在收敛速度慢、易陷入局部极小的问题。PSO是基于群体智能的演化算法,系统初始化为一组随机解,利用粒子群追随最优的粒子进行搜索,通过迭代搜寻最优值,具有较强的全局搜索能力。因此,利用PSO对BP神经网络进行优化,能够克服其缺点。
PSO的主要原理是通过粒子在解空间中不断更新自己的速度和位置从而使其适应度值向全局最优解进化。将神经网络各层的连接权值及阈值编码成粒子,适应度值则为使用该组权值和阀值时的网络输出均方误差。利用粒子速度和位置更新算法迭代搜索最优的网络权值,实现对神经网络的训练。即
如式(1)所示,根据粒子i在第t次迭代时的速度vi(t)以及第t次迭代后的位置vi(t)计算第t+1次迭代的速度vi(t+1),进而根据式(2)计算第t+1次迭代后的位置xi(t+1)。其中,w为惯性权重系数,c1、c2为学习因子,r1、r2为[0,1]上的随机数,pi(t)为粒子的个体最优解,pg(t)为粒子的全局最优解。
5 实例验证
5.1 试验对象及仪器
以12辆采用5挡手动变速器的不同品牌的轻型车为试验对象,对其换挡杆进行操控舒适性测评。选择被试车辆时主要考虑其驾驶舱空间和内饰布局特征相似,尤其是换挡杆相对于驾驶座椅的布局位置相近,以免造成驾驶者的操纵姿态差异过大,进而对换挡操纵感受产生过多影响。
力反馈数据采用LSA-A-200NS1换挡杆操纵力传感器获取,传感器上端造型为直径30mm的圆球,测量时利用传感器代替换挡杆原有的球头,消除了不同汽车换挡手柄的造型和材质差异对操纵舒适感的影响。鉴于使用拉线式或拉杆式位移传感器测量操纵位移时会产生额外的阻力,会对力反馈的测量产生干扰,而换挡杆的运动是刚体旋转运动,可以依据杆体方位角的变化量计算操纵位移,因此,采用固定在杆体上的MPU-6050陀螺仪获取操纵杆方位角数据,进而转换为位移数据。采用16位高精度数据采集卡,对力反馈和方位角信号设定同步采样率为每秒100次。测试设备采用车载逆变器供电。
5.2 测评者
主观舒适性测评结果是模型训练参数的重要组成部分,需要由有经验的测评者给出较为准确的评价。聘请4名体格不同的专业评价工程师担任测评者,均为男性。试验前先测量各位测评者在驾驶坐姿下前、后、左、右四个方向上可接受的最大操纵力反馈值,即在向后、向前、向右、向左扳动换挡杆时所能接受的最大持续发力值。各位测评者的年龄、身高、体重和可接受力反馈极值见表2。
测评者在测试前手部需洁净、干燥,且手掌表面温度不能过低,否则会对手掌的感知能力产生影响。用红外线测温仪测量测评者的手掌温度,高于29℃方能参加试验,且测评时车内温度设定在22~26℃之间。
5.3 试验方法及数据分析
试验前换挡杆置于空挡,先将汽车发动,离合器和脚刹踩到底部并用限位装置固定,松开手刹,测评者根据个人喜好调整好座椅位置及倾角后操纵换挡杆。要求测评人员以平时驾驶汽车时所采用的速度和力度将换挡杆由空挡切换至1挡,随后再换回空挡。如此往复10次,最后针对空挡和1挡之间的切换给出操控舒适性评分。4位测评者依次对12辆被试车辆进行操纵测试。
根据实测数据,分别针对选挡、进挡、退挡三个进程绘制力反馈位移曲线,由1位测评者对某换挡杆进行10次时的力反馈位移曲线如图4~图6所示。
根据图4,选挡过程中,操纵力反馈随着操纵位移的增大而增大,当操纵杆移动至左侧限位点
时,如图4中A点所示,位移不再变化,而受惯性影响,力反馈还会略微增大,但增大的幅度具有较大的不确定性。因此,对于1位测评者进行10次选挡操作在A点所测的力反馈值FAj(j=1,2,…,10),取其均值作为选挡力反馈极值,进而结合该测评者的右向可接受力反馈极值Fr,max计算相对选挡力反馈极值FA:
对选挡过程中从初始点至A点所测的n个采样点的坐标值(xk,yk)进行线性回归分析(k=1,2,…,n),得到10组回归直线斜率aj,取其均值作为进挡刚度,进而结合选挡力反馈极值和该换挡杆的最大选挡位移d1计算相对进挡刚度KOA,即
如图5所示,在进挡过程中,受同步器结合过程中的阻力变化特征影响,力反馈由起始点至峰值点B点的阶段中不断增大,由B点至谷值点C点的阶段中迅速减小。之后,虽已完成同步,同步器的位移几乎没有变化,但换挡杆位移继续变化,传动系统变形增大,使得力反馈迅速增大,该后续过程主要受换挡杆的运动惯性影响,在测评时可忽略。
采用同选挡过程相同的方法计算相对进挡力反馈极值FB、相对进挡上升刚度KOB和相对进挡下降刚度KBC。计算KOB和KBC时分母为进挡力极值与最大进挡位移之商。
如图6所示,退挡过程即在同步器分离过程中,互锁及自锁装置的阻碍作用,使得力反馈由起始点至峰值点D点的阶段中不断增大;随后阻碍作用消失,力反馈迅速降至谷值E点。测评操纵刚度时主要考虑力反馈在起始点至D点以及D点至E点的变化。用相同的方法计算相对退挡力反馈极值FD、相对退挡上升刚度KOD和相对退挡下降刚度KDE。计算KOD、KDE时分母为退挡力极值与最大退挡位移之商。
将以上参数作为一组模型输入变量,并以该测评者对该车变速杆操控舒适性的评分作为对应的一个输出变量。相应地,输入节点数R为8,输出节点数为1。由4名测评者测评12辆车,共得到48组数据,以其中的40组数据作为训练样本,对PSO-BP神经网络进行训练。其余8组数据作为检验样本,对网络训练效果进行验证。
5.4 结果与讨论
粒子群的粒子数取20,最大允许迭代次数为2000。网络训练目标误差为10-3,当其隐层节点数S取11时实现较快的训练速度,如图7所示。
利用8组检验样本检测训练好的网络模型,对比实际评分值和仿真输出值,见表3。仿真输出值较接近实际评分,误差均在[-0.3,0.3]以内,逼近效果良好。
经实例验证,该测评方法可行,且取得了较好的映射效果。为了便于分析数据,本试验研究了具有代表性的换挡操纵过程,即空挡与1挡之间的切换。基于该方法,能够针对不同的挡位切换过程,且围绕不同驾驶者人群展开进一步的研究。
试验聘请了4名专业测试人员,因而研究的实质是利用神经网络模拟专业测试人员对换挡杆操纵力反馈的舒适性感知水平。考虑在后期研究中扩充不同性别、年龄及体格特征的普通驾驶者作为测评主体,从而增强所训练模型的普适性。
在本实例只研究了手动变速器换挡杆操纵过程,但所采用的建模方法对于其他的测评客体具有一定的推广意义。若将该方法应用于其他操控装置的操控舒适性测评,需针对其传动特征以及相应的操纵动作与路径特点选定适当的客观测评指标。
6 结论
(1)针对汽车换挡操纵过程中操纵力反馈的变化特征以及操纵者对其的感知特性,分别针对选挡、进挡及退挡过程提取了相对力反馈极值和相对操纵刚度作为换挡杆操控舒适性的客观测评指标。综合考虑了换挡装置和操纵者两方面的差异。
汽车最速操纵的客观评价指标研究 篇3
关键词：汽车,最速操纵,操纵稳定性,评价指标
0 引言
最速操纵是以最短时间完成对汽车的操纵作为控制目标,通过最优控制得到的一种最优操纵方式。为了对汽车操纵稳定性进行评价,学者们先后展开了一系列研究。
邢如飞等[1]研究了汽车操纵稳定性主观评价指标。黄建兴等[2]研究了闭环汽车操纵稳定性综合评价指标的权重。王颜会等[3]运用多元统计分析方法,对汽车操纵稳定性客观综合评价指标进行了评价,降低了评价维度,得到了客观赋权操纵稳定性能得分。王化吉等[4]运用模糊层次分析法研究了汽车操纵稳定性主观评价指标权值。郝圣杰等[5]运用主成分评价法对汽车操纵稳定性进行了客观评价,简化了评价过程,其不足之处是在实际运用中存在一定的局限性。赵又群等[6]运用灰色关联度法和模糊数学方法,基于驾驶员打分的评价方法对汽车转向操纵动态特性进行了综合主观评价。张丽霞等[7]提出考虑驾驶员忙碌程度、侧翻、侧滑、速度的最速操纵稳定性的单项评价指标和综合评价指标,仿真结果表明了其有效性,但在关于速度单项评价指标和危险性单项评价指标方面需要完善。
以上对汽车操纵稳定性的评价指标中除了文献[7],都没有考虑汽车行驶速度,而最速操纵受汽车纵向、侧向和垂向三个方向的影响,涉及一系列的物理量,对最速操纵的评价要明确影响其变化的物理过程。本文在已有客观评价指标的基础上,增加考虑速度因素和轮胎附着性能客观评价指标。有关最速操纵的单项评价指标中最具有代表性的是汽车的纵向速度,考虑到其他各单项评价指标呈越小越好变化趋势,本文在文献[7]对最速操纵的速度评价指标研究基础上,对该评价指标进行了修改,让速度评价指标呈现越小越好的变化趋势。增加的轮胎附着性能评价指标也采用同样的处理办法。在提出的评价指标基础上,基于ADAMS/Car,对汽车进行了双移线仿真试验,得到了评价指标的仿真结果。
1 汽车最速操纵稳定性评价指标
1.1 汽车操纵稳定性单项评价指标
本文在郭孔辉等[8]提出的考虑驾驶员忙碌程度、侧翻危险性、侧滑危险性的基础上,考虑汽车行驶速度和附着性能,提出了以下单项评价指标及综合评价指标表达式。
(1)驾驶员忙碌程度评价指标JB为
式中,为转向盘角速度;为转向盘角速度门槛值;tn为试验时间。
(2)汽车侧向加速度评价指标JR为
式中,ay(t)为汽车侧向加速度;ay,th为侧向加速度标准门槛值。
(3)车身侧倾角评价指标JΘ为
式中,θ(t)为汽车的侧倾角;θth为侧倾角门槛值。
(4)汽车侧滑危险评价指标JS为
式中,i=f,r分别代表前轮和后轮;JSf为前轮侧滑评价指标;JSr为后轮侧滑评价指标;JS为整车侧滑危险性评价指标;Fyi(t)为车轮侧向力;Fzi(t)为车轮法向力;μy,th为侧向附着系数门槛值。
纵向速度和轮胎附着率属于汽车在纵向动力学的表现,直接反映了汽车最速操纵的性能发挥,故本文进一步提出以下评价指标。
(1)汽车纵向速度评价指标JU为
式中,u(t)为汽车纵向速度;uth为汽车纵向速度门槛值。
(2)汽车附着性能评价指标JA为
式中,Fxf(t)为前轮驱动力;Fzf(t)为前轮法向力;μx,th为纵向附着系数的门槛值。
1.2 汽车最速操纵稳定性的综合评价指标
以上提出的各单项评价指标对汽车最速操纵稳定性都有一定的影响,本文采用加权平方根值表示汽车最速操纵的综合评价指标JT,其表达式为
式中,wB为驾驶员忙碌程度指标权值;wR为侧向加速度指标权值;wΘ为汽车侧倾角评价指标权值;wS为汽车侧滑危险性评价指标权值;wU为汽车速度评价指标权值;wA为汽车附着性能评价指标权值。
1.3 各单项评价指标门槛值和权值的确定
汽车最速操纵稳定性各单项评价指标权值具有如下关系:
其中,si,th为各单项评价指标的门槛值,wei为实际权值,wi为理论权值,通过各单项门槛值可以计算出各门槛值的权值。根据参考文献,可以得到最速操纵工况下各单项评价指标的门槛值如表1所示,加权值如表2所示。
2 汽车最速操纵稳定性单项评价指标仿真
基于ADAMS/Car建立整车模型,模型的建立和汽车基本参数见文献[9]。对汽车进行双移线仿真试验,整车仿真设置见文献[10]。根据以上提出的各单项评价指标表达式和表1取值,基于MATLAB,得到汽车最速操纵各单项评价指标仿真结果如下。
(1)驾驶员忙碌程度评价指标仿真结果。根据式(1)和表1,驾驶员忙碌程度的评价指标仿真结果如图1所示。从图1可以看出,该评价指标在整个超车过程中始终持续增大,说明驾驶员一直在忙碌。
(2)汽车侧翻评价指标仿真结果。以式(2)中的侧向加速度评价指标和式(3)中的侧倾角评价指标为基础,通过加权,得到汽车侧翻评价指标仿真结果如图2所示。从图2可以看出,该评价指标在2.5~6s内迅速增大,表明这个时间段发生侧翻的危险性比较高,应给予高度重视。
(3)汽车侧滑危险评价指标仿真结果。根据式(4)和表1,汽车侧滑危险评价指标仿真结果如图3所示,该评价指标是取四个车轮中最容易发生侧滑的指标为基准进行计算的。从图3可以看出,该评价指标随时间延长稳定增大,侧滑危险性增高。
(4)汽车纵向速度评价指标仿真结果。根据式(5)和表1,汽车纵向速度评价指标仿真结果如图4所示。从图4可以看出,该评价指标随时间呈现凸函数变化,表明汽车速度增大的同时,加速能力有所降低。
(5)汽车附着性能评价指标仿真结果。根据式(6)和表1,汽车附着性能评价指标仿真结果如图5所示。从图5可以看出,在0~2s和10~12s附着性能评价指标迅速增大,表明这两个时间段轮胎附着性能变差。
3 汽车最速操纵稳定性综合评价指标仿真结果
根据图1~图5各单项评价指标仿真结果和式(7)综合评价指标表达式,根据表2得到各单项评价指标权值,对汽车进行双移线仿真试验,得到最速操纵时,汽车综合评价指标仿真结果如图6所示。从图6可以看出,当初始车速u为90km/h和初始车速为108km/h时,评价指标都随时间的延长而增大,汽车操纵稳定性变差,且车速低时评价指标小,操纵稳定性好。
4 结语
基于ADAMS/Car对汽车进行双移线仿真试验,运用MATLAB软件对汽车状态参数进行计算得到最速操纵的汽车单项评价指标和综合评价指标仿真结果,仿真结果表明各单项评价指标和综合评价指标都随时间延长而增大,操纵稳定性变差;并对比了不同初始车速下汽车的最速操纵稳定性,仿真结果表明当初始车速低时,操纵稳定性综合评价指标小,操纵稳定性好,符合实际情况。该评价指标对汽车设计和评价汽车的操纵稳定性有一定的参考和指导。
参考文献
[1]邢如飞,管欣,田承伟,等.汽车操纵稳定性主观评价指标权重确定方法[J].吉林大学学报(工学版),2009,39(增刊1):33-38.Xing Rufei,Guan Xin,Tian Chengwei,et al.Weight of Subjective Evaluation Indexes for Car Handling and Stability[J].Journal of Jilin University(Engineering and Technology Edition),2009,39(S1):33-38.
[2]黄建兴,赵又群.人-车闭环操纵稳定性综合评价及其虚拟样机实现[J].机械工程学报,2010,46(10):102-108.Huang Jianxing,Zhao Youqun.Comprehensive Evaluation of Human-vehicle Closed-loop System for Handling Stability and Technology of Virtual Prototype[J].Journal of Mechanical Engineering,2010,46(10):102-108.
[3]王颜会,郭孔辉,卢炳武,等.基于多元统计分析的车辆操纵稳定性客观评价[J].吉林大学学报(工学版),2011,41(增刊2):6-11.Wang Yanhui,Guo Konghui,Lu Bingwu,et al.Method of the Vehicle’s Handling and Stability Objective Evaluation Based on Multi-variate Statistical Analysis[J].Journal of Jilin University(Engineering and Technology Edition),2011,41(S2):6-11.
[4]王化吉,宗长富,管欣,等.基于模糊层次分析法的汽车操纵稳定性主观评价指标权重确定方法[J].机械工程学报,2011,47(24):83-90.Wang Huaji,Zong Changfu,Guan Xin,et al.Method of Determining Weights of Subjective Evaluation Indexes for Car Handling and Stability Based on Fuzzy Analytic Hierarchy Process[J].Journal of Mechanical Engineering,2011,47(24):83-90.
[5]郝圣杰,陆飞.主成分评价法在汽车操纵稳定性评价上的应用[J].汽车工程师,2013(10):27-28.Hao Shengjie,Lu Fei.The Application of Principal Component Assessment Method in Vehicle Handling Stability Evaluation[J].Auto Engineer,2013(10):27-28.
[6]赵又群,许健雄,刘英杰,等.基于灰色关联度法的汽车转向操纵动态特性评价[J].中国机械工程,2014,25(4):563-567.Zhao Youqun,Xu Jianxiong,Liu Yingjie,et al.Evaluation of Dynamic Characteristic of Vehicle Steering Control Based on Gray Correlation Method[J].China Mechanical Engineering,2014,25(4):563-567.
[7]张丽霞,陈肖媛,潘福全.汽车最速操纵稳定性评价指标研究[J].科学技术与工程,2014,14(28):125-129.Zhang Lixia,Chen Xiaoyuan,Pan Fuquan.The Study on Evaluation Index of Vehicle Minimum Time Handling and Stability[J].Science and Technology and Engineering,2014,14(28):125-129.
[8]郭孔辉,丁海涛,宗长富.人-车闭环操纵性评价与优化的研究进展[J].机械工程学报,2003,39(10):27-35.Guo Konghui,Ding Haitao,Zong Changfu,et al.Progress of the Human-vehicle Closed-loop System Maneuverability’s Evaluation and Optimization[J].Chinese Journal of Mechanical Engineering,2003,39(10):27-35.
[9]张丽霞.汽车操纵稳定性和平顺性中逆问题的研究[D].南京:南京航空航天大学,2007.
汽车操纵力 篇4
关键词：汽车行驶与操纵系统检修,教学,改革
1 背景
《汽车行驶与操纵系统检修》是汽车专业课程体系中的主干课程和核心课程, 所涵盖知识也是汽车维修工职业资格考试的必考内容。该课程以项目教学为依托载体, 重视对学生社会能力和方法能力的培养, 使学生能够把理论知识与实践有机的融合。几年来, 课程组根据汽车工业的发展趋势和用人市场的需求, 不断进行教学研究与教学改革, 在课程教学内容, 教学基本建设及教学效果等方面, 都取得了一定的成绩。
2 课改基本介绍
2.1 基本思路和方法
一是强化技能训练, 为职业发展奠定基础。随着五个项目教学内容的学习及系列技能训练的深化, 让学生在不断积累理论知识和实践能力的同时, 逐步完成从一点不会→能排除简单故障→汽车维修工→技术总监→总经理, 实现学生职业心理角色的转换。二是注重职业素养的培育, 提升职业素质和品位。以汽车行业企业管理制度来约束学生的职业行为, 培养学生的岗位素质, 达到汽车专业的人才培养目标。
本课程以培养汽车维修工、汽车维修技师和汽车维修高级技师的能力为目标, 以项目教学为依托, 构建以工作任务为中心, 以实践技能提高为主线的“理-实一体化”教学模式, 将汽车行驶与操纵系统的理论知识依据工作任务的需要分散到每个学习项目中, 用理论指导实践, 并促进实践技能的提高。
2.2 课改具体方案
(1) 校企合作, 共建课程。本课程通过与中国第一汽车集团有限公司、一汽—大众有限公司、一汽轿车有限公司、长春通力有限公司、全国各奥迪服务站、丰田服务站等多家不同类型的企业合作, 共同对汽车行驶与操纵系统检修工作任务进行分析、归纳, 得出岗位的典型工作任务, 又通过分析典型工作任务所需要的职业能力、素质要求, 选取与组织教学内容, 结合国家汽车维修工职业资格标准, 确定本课程的课程标准;以企业典型项目为载体, 以典型项目的完成过程组织和安排教学, 以培养学生综合能力为主线, 让学生在完成具体工作任务的过程中, 学会和掌握汽车行驶与操纵系统检修的理论知识, 及实践本领, 增强及发展学生的职业能力。
(2) 课程目标面向岗位能力。通过对汽车行驶与操纵系统检修相关岗位的职业能力分析, 结合国家职业资格标准, 确定了本课程培养目标为:培养掌握汽车行驶与操纵系统检修的操作流程、以及汽车行驶与操纵系统各组成部件的检修、故障排除的能力, 能够写出故障检修排除的策划方案, 具有汽车维修能力和汽车维修管理能力, 具备一定的方法能力、团结协作能力以及严谨、规范的工作态度, 吃苦耐劳、诚实守信的优良品质的高素质技能人才。
(3) 针对职业能力培养教学方法多样化。教学方法是实现学生能力培养的重要手段。为了培养学生的职业能力, 本课程在项目教学模式的前提下, 通过真实的汽车维修过程, 采用学、做一体的行动导向教学法, 促进学生职业能力的提高。本课程应用情景教学法、案例分析法、任务驱动法、小组讨论法、头脑风暴法、可视化教学法等多种教学方法, 使学生在生动、活跃的教学过程中形成自主学习能力, 提高其方法能力及社会能力。在教学手段上充分利用教学课件、视频、教学录像、现场实践、网络资源等教学资源方便学生的自主学习和自我提高。
(4) 考核方法融入企业管理元素。以过程考核为重点, 以企业评价为主导进行课程成绩评定。采用过程性考核与终结性考核相结合, 理论考核与实践考核相结合的原则。评价方式为“自我评价、小组评价和教师评价相结合”的评价方式。评价指标融入企业生产管理元素, 从职业素质与态度、质量与效益、方案与实施三大方面, 分层次、有重点地对学生职业能力进行考核。
随着五大教学项目的推进, 不断积淀必要的职业感知和操作经验, 再通过企业、教师、学生多方参与下的交流及总结过程, 不断的感悟职业的要求, 提升职业认知, 从而获得必要的职业素养, 形成一定的职业能力, 达到“激发学习兴趣、培育职业情感, 转换职业角色”的课程学习目标。
2.3 课程改革特色
每个教学项目均由真实案例导入, 从案例的分析中提出若干实践性问题, 从知识的延展中拓展专业视野, 从以实践性问题为中心的技能训练中领悟专业的要求。
课程的教学主要采取理论教学与实践教学两种形式相结合的方式。在理论教学中, 教师针对学生应会的理论知识采用多种教学方法, 如小组讨论法、角色扮演法等。课前, 学生代表将前次课的重点、难点进行回顾→师生点评、总结、分享→新任务的导入、分析、必要的知识讲解。课后, 将学习页完成;在实践教学中, 根据技能训练任务要求, 由4-8人组成一个任务小组, 在老师的指导下紧张有序地完成个性化的技能训练→学生的交流与讨论 (制定计划) →老师给出指导建议将计划改到可行后实施→完成技能训练工作页的填写, 在指定时间提交给老师→教师批阅、记录、分析。在进行技能训练时, 教师应确保技能训练任务与企业真实案例的对接, 还特别强调对相关知识点的总结、归纳;在学生课外拓展时, 教师通过各种方式让学生结合合作企业的案例进行分析和探究, 并进行指导和答疑;在学生形成初步认知, 交流分享过程中, 教师给出精当的点评和适时的激励。在真实场景、真实案例、真实企业的支持下, 让训练过程不断循环、不断提升、不断完善。通过理论教学与技能训练的衔接, 让学生在学与做的交替中, 领悟知识、提升技能。
2.4 课程改革反馈
经过上述改革后, 学生明显感觉对课程感兴趣, 明确重点、难点、技能点, 上课有明显的目标性;教师普遍感到课程实现了以学生为主体的目标;教务检查此课程评价为优。经上述反馈, 此课程改革成功。
3 总结
汽车操纵力 篇5
汽车操纵逆动力学的研究避开了驾驶员建模这一“瓶颈”问题, 在已知汽车模型、汽车运动状态的基础上, 反求出所允许的驾驶员的操纵输入, 进而分析什么样的操纵才是大多数驾驶员所容易接受的、行驶最安全的和最快速的, 这也可以称为汽车操纵动力学“反问题”[1,2]。
汽车的操纵稳定性评价是汽车主动安全性评价体系中极其重要的一部分。20世纪90年代, 郭孔辉[3]提出了闭环系统主动安全性的综合评价与优化设计方法。2005年, 赵伟平等[4]提出汽车的操纵稳定性评价要同时考虑汽车操纵性和稳定性的加权稳定性评价指标和考虑各种车速重要性的加权均匀操纵稳定性评价指标。经过十几年的研究, 综合评价方法与理论得到很大的完善, 但是仍然存在综合评价没有很好的方法确定指标权重、综合评价方法没有得到广泛应用这样两个问题。本文基于模糊多级综合评判基本理论, 根据两辆样车实车试验的驾驶员打分, 提出利用模糊多级综合评判理论评价汽车操纵稳定性[5]。同时, 建立考虑侧向、横摆和侧倾三个自由度的汽车操纵逆动力学理论模型, 基于实验样车参数进行操纵逆动力学仿真分析, 评价其操纵稳定性, 对两种评价方法进行比较, 从而验证模糊多级综合评判评价汽车操纵稳定性的可行性。
1 模糊综合评判基本理论
设因素集是X={x1, x2, …, xn}, 评价集是Y={y1, y2, …, ym}, 模糊关系表示对各个单因素xi作各种评价的可能性, 例如rij就表示xi作出yi评价的可能。, 表示各因素在评价中的重要性。评价的结果是模糊集, 它表示各种评价的隶属度。
根据模糊变换原理, 模糊综合评判就是作如下的模糊变换:
其中
若bj0=max (b1, b2, …, bm) , 则得到综合评价为yj0。
在综合评判中, 有4个基本要素:①因素集X;②评价集Y;③单因素评价矩阵;④各因素的权重分配。
当评判问题中考虑较多因素时, 使得每一因素分得的权重系数值很小, 加上合成运算中, 取大 (∨) 、取小 (∧) 这两个运算往往会丢失许多有价值的信息, 结果导致最后评判的结果分辨率很差。为此, 常采用分层法来解决问题。同理, 低一层次的单因素评价也可以是更低层次的多因素综合。由此, 可得到多因素模糊综合评判模型。
多层次模糊综合评判的步骤如下:
(1) 将因素集X按某些属性分成s个子集, i=1, 2, …, s。
(2) 分别对每一个因素集Xi作出综合决策。设Y为评价集, Xi中各因素的权重分配为, 其中。若为单因素矩阵, 则得一级评判向量, i=1, 2, …, s。
(3) 将每个Xi看作一个因素, 记
权重分配为
于是得到二级评判向量:
若一级因素Xi仍含有较多因素, 还可将Xi再分小, 于是有三级模型、四级模型等。
2 样车操纵稳定性的模糊综合评判
2.1 因素集确定
因素集是应用模糊综合评判方法评判汽车操纵稳定性4个基本要素之一。在汽车操纵稳定性评判中, 考虑车辆路径跟踪优劣、驾驶员负担和翻车危险性三个一级因素X1、X2和X3, 其中一级因素路径跟踪优劣X1包括方向误差和侧向位移误差两个二级因素, 驾驶员负担因素X2包括驾驶员忙碌程度和驾驶员沉重负担两个二级因素, 翻车危险性因素X3包括侧向加速度和侧倾角两个二级因素。
2.2 权重确定
权重是指标对总目标的贡献程度, 本文应用序关系指标权重法来确定指标权重, 该方法能真实唯一地体现出各指标间的序关系, 计算简便、直观, 便于应用, 具体步骤如下[6]:
(1) 按照层次分析法, 汽车操纵稳定性的一级因素集可列为一个集合{Je, Jb, Jr}, 其对应的二级因素集可分为三个集合, 分别为{Je1, Je2}, {Jb1, Jb2}, {Jr1, Jr2}。
(2) 分别确定每一个因素集合的序关系, 即确定因素集中各单项因素按照一定准则排序。不失一般性, 假设某一个因素集合为{J1, J2, …, Jn}, 其权重分别对应为集合{W1, W2, …, Wn}。
对于某一评价因素集, 集合中最重要的一个指标记为E1;在剩余的n-1指标中, 对于某一准则, 选出被认为最重要的一个指标, 记为E2;……;在剩余的n- (k-1) 个评价因素中, 对于某一准则, 选出被认为最重要的一个因素, 记为Ek;……;经过n-1次操作后, 只剩最后一个因素, 记为En。
这样, 用矢量 (E1, E2, …, En) 就确定了一个唯一的序关系。该向量中对应的权重系数分别为W1, W2, …Wn。
(3) 给出矢量 (E1, E2, …, En) 中相邻元素之间的相对重要程度的比较判断, 即
其中, rk的赋值可参考表1[7]。
(4) 计算权重系数wk。因为, 对k从2到n变化时求和, 得
由于, 得
则
(5) 把{w1, w2, …, wn}与{W1, W2, …, Wn}对应起来。
(6) 按照上面的步骤 (2) ~步骤 (5) 确定其他因素集元素的权重。
由于汽车轨道跟踪的好坏直接影响着其主动安全性, 确定Je1比Je2强烈重要, 对于集合{Je1, Je2}取r2=1.6, 确定各权重分别为W1=0.615 385, W2=0.384 615。
根据带助力转向轻便和高速时转向轻便的原则, 确定Jb1比Jb2明显重要, 对于集合{Jb1, Jb2}, 取r2=1.4, 确定各权重分别为W1=0.583 333, W2=0.416 667。
根据侧向加速度是操纵稳定性中最重要的汽车响应参数和评价指标的原则, 确定Jr1比Jr2极端重要, 取r2=1.8, 确定各权重分别为W1=0.642 857, W2=0.357 143。
对于一级评价因素集{Je, Jb, Jr}, 根据碰撞或翻车的主动安全、驾驶员路感、驾驶员负担等原则确定该集合的序关系, 依重要程度递减依次为Jr、Jb、Je, 并取r2=1.8, r3=1.8, 显然rk>1/rk-1, 确定各权重分别为W1=0.536 424, W2=0.298 013, W3=0.165 563。
对应于一级因素X1、X2、X3, 各自的权重分配为
同理, 二级因素集X={X1, X2, X3}的权重分配为
2.3 评判矩阵确定
不同的驾驶员的主观评价使得所得结果产生很大的离散性, 为了减小离散性, 如图1所示, 选取整车质量M1=1685kg、M2=1500kg两种样车跟踪蛇形线路经, 车速u=90km/h, 转向盘转角在±600°之间。
本文采用10点评分等级, 1~3.5点为最佳至满足, 3.5~6.5点表示虽能满足性能但驾驶负担过重, 6.5~10点表示不能满足性能且驾驶负担过重[8]。选取10名经验丰富的驾驶员, 根据每个驾驶员在不同时刻的打分, 统计分析, 得出评判矩阵, 选取三位驾驶员在定点的打分, 统计结果如表2所示。
先对样车一进行分析。首先统计实车试验驾驶员打分, 得单因素评判矩阵:
则评判矩阵为
由评判矩阵B1得b1=max (b1, b2, b3) , 则Je的综合评判为b1, 则样车一的路径跟踪性能最佳至满足。
评判矩阵为
由评判矩阵B2得b2=max (b1, b2, b3) , 则Jb的综合评判为b2, 则样车一的性能满足, 但负担过重。
评判矩阵为
由评判矩阵B3得b2=max (b1, b2, b3) , 则Jr的综合评判为b2, 则样车一的性能满足, 但侧向加速度和侧倾角相对略大。
令
因为X={X1, X2, X3}的权重分配为, 则
由上述综合评判矩阵得b1=max (b1, b2, b3) , 则综合评判为b1, 综合考虑b2=0.357 184即本车的操纵稳定性总体性能良好, 满足要求, 但驾驶员操作稳定性负担略重。
再对样车二进行分析。同理分析, Je、Jb和Jr。
样车二的路径跟踪性能最佳至满足, 性能满足, 但驾驶负担略重, 侧向加速度和侧倾角相对略大, 综合评价样车二的操纵稳定性能总体良好, 满足要求但驾驶员操作稳定性负担略重。对比两车型路径跟踪能力均良好, 跟踪误差不大, 车型一的车身侧倾角相对于车型二较大, 驾驶员操纵负担相对略重。
3 样车的操纵逆动力学仿真分析
3.1 数学模型
汽车以车速u作等速行驶, 忽略汽车的垂直振动情况, 不计前后轮回正力矩系数及前后轮侧倾转向系数。如图2所示, 取一套固定于汽车上的相对坐标系。将方向盘转角看作已知输入时, 汽车的运动状态可以用三个广义坐标横摆角ψ、质心侧偏角β和车身侧倾角ф来表示。
图中, M为汽车总质量, MS为汽车悬架上质量, h为侧倾力臂, v为汽车质心侧向速度, r为汽车质心横摆角速度, p为汽车车身侧倾角速度, aY为汽车质心绝对加速度在Y轴上的投影, a、b为整车质心至前后轴的距离, δ为汽车前轮转角。
在此相对坐标系中, 坐标原点O的绝对加速度在Y轴上的投影为
悬架上质心重心的横向绝对加速度在Y轴上的投影为
式中, aYS为汽车悬架质心的绝对加速度在Y上的投影。
根据达朗贝尔原理, 由 (本节中未说明变量的含义均可参考文献[10]) 及几何关系得汽车运动微分方程:
选取状态变量X=[v r pф]T, 汽车运动状态空间表达式为
3.2 最优控制模型
为了简化问题, 不考虑驾驶员操纵反应的滞后和前视, 将其操纵输入视为理想操纵输入, 选取控制变量为转向盘的转角输入δsw (t) , 综合考虑路径跟踪、驾驶员的操纵负担、侧滑的影响以及翻车危险性, 理想的路径跟踪性能指标为
式中, t0、te为汽车运动的初始、终端时刻;Yd (t) 为跟踪的理想避让路径;FY1、FY2为前后轮侧向力;FZ1、FZ2为前后轮垂直载荷;为侧向位移误差的标准门槛值, 本文取0.3m;为转向盘转转的门槛值, 本文取30°;为FYi/FZi的标准门槛值, 本文取0.3;为汽车的侧倾角标准门槛值, 本文取3°。
3.3 数值仿真结果
将上述问题转化为终端时间固定的最优控制问题, 利用离散微元化思想将最优控制问题转化为有限维非线性规划问题, 并运用序列二次规划 (SQP) 方法求解[9?10]。
为了较真实地反应汽车进行避让时的操作性能, 验证上文模糊综合评判方法的正确性, 选取上述实车试验两种车型跟踪蛇形线路经, 车速u=90km/h, 转向盘转角在±600°之间。
取车速u=90km/h进行仿真。从图3、图4所示的仿真结果可以看出, 两种车型跟踪路径较好, 表明两辆样车路径跟踪性能均最佳至满足, 与模糊综合评判结果吻合。
图5、图6所示分别为转向盘转角及转向盘角速度仿真结果, 表明两辆车型的驾驶均较忙碌, 车型一在高速下进行连续避让时比车型二的仿真幅值大, 操纵负担较车型二略重。
图7、图8所示分别为两种车型进行蛇形避让时的汽车部分状态响应结果, 同样可以得到两种车型的侧向加速度、车身侧倾角相差不大, 车型一的车身侧倾角大于车型二, 更具翻车危险性。
根据汽车操纵逆动力学仿真分析, 评价汽车操纵稳定性, 其结果与利用模糊多级综合评判评价汽车操纵稳定性的结果相比较, 吻合度较好, 从而验证了模糊多级综合评判方法评价汽车操纵稳定性是可行的。
4 结论
(1) 针对目前汽车操纵稳定性仍然以对样车的主观评价作为主要评价手段的情况, 选取两辆样车跟踪蛇形线, 统计专业驾驶员打分, 利用模糊多级综合评判理论评价样车的操纵稳定性。
(2) 基于汽车操纵逆动力学基本理论建立三自由度汽车逆动力学模型, 利用最优控制理论求解并进行仿真分析, 评价其操纵稳定性, 评价结果与模糊多级综合评判结果吻合度较好, 从而验证了模糊多级综合评判评价汽车操纵稳定性的可行性。
摘要：主观评价是汽车操纵稳定性评价发展过程中的主要评价手段, 基于实车试验各单项评价指标的驾驶员打分, 提出一种汽车操纵稳定性的模糊综合评判方法, 并将该方法对两辆样车进行评价。以三自由度汽车转向开环模型为对象, 基于汽车操纵逆动力学理论, 建立汽车操纵逆动力学模型并对两辆样车的操纵稳定性进行仿真分析, 将其与模糊综合评判结果比较, 验证模糊综合评判方法应用到汽车操纵稳定性评判的可行性。
关键词：模糊综合评判,操纵逆动力学,权重,操纵稳定性
参考文献
[1]赵又群, 尹浩, 张丽霞, 等.汽车操纵逆动力学的现状与发展[J].中国机械工程, 2005, 16 (1) :77-82.Zhao Youqun, Yin Hao, Zhang Lixia, et al.Present State and Perspectives of Vehicle Handling Inverse Dynamics[J].China Mechanical Engineering, 2005, 16 (1) :77-82.
[2]许峰, 陈怀海, 鲍明.机械振动载荷识别研究的现状与未来[J].中国机械工程, 2002, 13 (6) :526-531.Xu Feng, Chen Huaihai, Bao Ming.Force Identification for Mechanical Vibration:State-of-theart and Prospect[J].China Mechanical Engineering, 2002, 13 (6) :526-531.
[3]郭孔辉.人—车—路闭环系统主动安全性的综合评价与优化设计[J].汽车技术, 1993 (4) :4-12.Guo Konghui.Person-car-road Closed Loop System Active Safety Evaluation and Optimization[J].Automobile Technology, 1993 (4) :4-12.
[4]赵伟平, 赵又群, 杨国权, 等.汽车操纵性和运动稳定性的联合优化[J].汽车技术, 2005 (12) :16-19.Zhao Weiping, Zhao Youqun, Yang Guoquan, et al.Joint Optimization of Vehicle Handling and Stability[J].Automobile Technology, 2005 (12) :16-19.
[5]朱剑英.智能系统非经典教学方法[M].南京:南京航空航天大学出版社, 2010.
[6]Saaty T L.The Analytic Hierarchy Process[M].New York:McGrwa-Hill, 1980.
[7]郭亚军.综合评价理论、方法及应用[M].北京:科学出版社, 2007.
[8]Weir D H, Dimarco R J.Correlation an Evaluation of Driver/Vehicle Directional Handling Date[J].SAE Paper, 780010.
[9]Sridhar J, Hatwal H.A Comparative Study of Four Wheel Steering Models Using the Inverse Solution[J].Vehicle System Dynamics, 1992, 21 (1) :1-18.
汽车操纵力 篇6
1 整车模型的建立
为了研究汽车的操纵稳定性, 将汽车的整车模型进行简化处理, 包括前、后悬架模型, 轮胎模型, 车体模型, 转向系模型。将这些子结构模型进行组装就可得到汽车的整车模型。
1.1 前后悬架动力学子模型
前悬架为麦弗逊式独立悬架结构, 主要部件包括上横梁、下横臂、转向节、转向横拉杆、转向主拉杆、减震器、车轮等。根据前悬架的拓扑结构和各部件的位置参数即可建立前悬架的三维子结构模型, 同理可建立后悬架的子结构模型。
1.2 轮胎动力学子模型
SIMPACK中提供了5种轮胎模型, 这里使用Pacejka轮胎模型, 具体参数是:轮胎自由半径为0.345m, 胎体半径0.104m, 垂向刚度302000N/m, 垂向阻尼120Ns/m, 纵向滑移刚度3580, 侧偏刚度952.5, 外倾刚度104.3, 滚动阻力系数5.6, 等效摩擦系数0.94。
1.3 转向系动力学子模型
转向系子模型由转向盘、转向轴、转向器、转向横拉杆, 转向节臂等组成, 我们同样根据其拓扑结构建立其子模型。
1.4 汽车的整车模型
车体模型只是三维显示效果, 在此不多说。将各个子结构模型调入到主模型进行组装就可以得到整车的汽车模型了。整车模型如图1所示:
2 汽车操纵稳定性仿真
2.1 道路模型的建立
主要讨论的是汽车操纵稳定性, 所以所建立的道路模型不具有不平顺性和坡度。如图2所示, 道路前为20m直线段, 之后为半径为50m圆周道路, 这样可以模拟汽车操纵稳定的的阶越响应。
2.2 驾驶员控制输入
为了形成汽车的闭路系统, 必须有驾驶员控制输入。利用SIMPACK中自带的控制模块, 可以轻松的建立对驾驶员控制输入。控制单元以传递函数的形式给出:F (p) =del (p) /dy (p) ;del:转向角;dy:侧向位移。当汽车以5m/s的速度前进时, 将驾驶员前方无预描距离和有5m的预描距离作仿真, 结果如图3和图4所示。
2.3 仿真结果
从两个图中可以看出, 当汽车突然转弯时, 转向盘转角速度 (幅度较大那条线) 和汽车横摆角速度 (幅度较小的那条线) 突然增加, 经过少许的衰减后, 最终基本趋于稳定。稳定值为0.2rad/s。其理论值计算可为:10m/s/50m=0.2rad/s。可见仿真值与理论值相等。从两图对比来看, 显然有在5m的预描距离下的汽车横摆角速度会较快的趋于稳定值, 其所对应的方向盘转角速度也比无预描距离时小得多。
3 结论
建立了汽车操纵稳性的模型, 从驾驶员前方有无预描距离反馈输入对比来看, 驾驶员视野前方的预描距离的反馈输入对汽车操纵稳定性起着很大的影响。
摘要：汽车操纵稳定性是汽车的重要性能之一, 然而多数关于汽车操纵稳定性的仿真都是基于汽车开路系统的仿真, 如何将驾驶员的意识反馈到汽车的操纵特性上, 形成人—汽车闭路系统的仿真还很少涉及。根据多体动力学理论基础, 应用多体系统动力学仿真分析软件SIMPACK建立了汽车的整车模型, 将驾驶员前方预描距离作为控制参数输入到转向操纵系统中, 进而形成人—汽车闭路系统的仿真。最后将有预描距离和无预描距离作比较, 得出驾驶员视野前方的预描距离对汽车的操纵稳定性起着很大的影响。
关键词：SIMPCAK,操纵稳定性,多体系统动力学,仿真
参考文献
[1]余志生.汽车理论[M].第2版.北京:机械工业出版社, 1999.
[2]陈蓉.转向盘转角阶越输入下汽车操纵稳性仿真分析[D].长春:吉林大学, 2003.
[3]岑少起等.ADAMS在汽车操纵稳定性仿真中的应用研究[J].郑州大学学报, 2006.