礦用自卸車輪胎參數(shù)辨識與制動舒適性優(yōu)化.pdf

1、礦用自卸車是現(xiàn)代礦山重要的運輸設備，在大型露天礦山運輸工具中占有2/3的市場份額。礦用自卸車由于裝載量大且裝載不均勻、行駛路況惡劣等客觀情況，導致自卸車實際制動時，前軸軸荷急劇增加，輪胎和懸架變形較大，車身易產生劇烈晃動，出現(xiàn)明顯的“制動俯仰”現(xiàn)象，這種現(xiàn)象不僅降低了部件的使用壽命，也嚴重影響了駕駛員乘坐的舒適性和安全性。因此，對礦用自卸車的制動舒適性進行研究和優(yōu)化是非常必要的。
　　輪胎作為汽車與道路直接接觸的唯一部件，其性能參

2、數(shù)對包括制動舒適性在內的整車行駛性能具有重要影響。但自卸車輪胎體型巨大，臺架投資成本高，現(xiàn)階段暫無相應試驗條件，導致其參數(shù)無法通過試驗獲取。因此，本文提出了基于改進EKF-BP網絡的輪胎參數(shù)辨識方法，對輪胎參數(shù)進行有效辨識，并在參數(shù)辨識的基礎上，對整車制動舒適性進行了優(yōu)化。這對于降低車輛開發(fā)成本，提高開發(fā)水平具有重要意義。本文的主要研究內容和工作如下:
　　1、針對BP神經網絡的缺陷，利用擴展卡爾曼算法替換BP網絡的學習算法，并在

3、網絡中引入整定因子，構建出學習效率高、預測精度高的改進EKF-BP網絡，為后續(xù)參數(shù)辨識提供辨識方法。
　　2、設計了整車隨機路面和脈沖工況行駛試驗，得到了輪胎中心及座椅的垂向加速度信號。針對試驗數(shù)據包含過多噪聲的情況，利用小波閾值去噪方法對試驗數(shù)據進行去噪處理，并對比分析傅里葉去噪、小波軟/硬閾值去噪三種方法的去噪效果，從而獲得最優(yōu)的去噪結果，為后續(xù)工作提供較為有效的試驗數(shù)據。
　　3、在建立輪胎-脈沖路面有限元模型的基礎上

4、，模擬輪胎動態(tài)仿真，利用改進EKF-BP網絡對輪胎材料參數(shù)進行辨識分析，通過與標準BP網絡和EKF-BP網絡的比較，驗證了改進EKF-BP網絡的辨識能力，根據輪胎去噪加速度信號對輪胎材料參數(shù)進行辨識和驗證?；诒孀R輪胎設計虛擬臺架試驗，分析胎壓、激振頻率、振幅對輪胎垂向剛度阻尼的影響，根據分析結果，最終擬合得到輪胎垂向剛度阻尼。
　　4、在建立的基于辨識參數(shù)的整車動力學模型基礎上，分析礦用自卸車制動俯仰現(xiàn)象，利用區(qū)間不確定性優(yōu)化方