基于BP神经网络的ABS系统中电磁阀非线性控制方法研究-自动化基础-论文之家

您现在的位置：硕士论文 >> 电子论文 >> 自动化 >> 自动化基础 >> 正文

基于BP神经网络的ABS系统中电磁阀非线性控制方法研究

作者：张红松 Publish: 2007-8-6 Hits:-

【中文题名】

基于BP神经网络的ABS系统中电磁阀非线性控制方法研究

【英文题名】

Study on the Control Algorithm of Electromagnetic Valve Nonlinearity Using BP Neural Networks in ABS

【学科专业】

控制理论与控制工程

【论文级别】

硕士论文

【投稿时间】

2007-8-6

【中关键词】

ABS系统,迟滞非线性,神经网络控制,电磁阀,硬件在环,

【英关键词】

ABS,Hysteresis nonlinearity,Neural networks,Electromagnetic valve,Hardware in the loop,

【分类导航】

工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>自动控制、自动控制系统>计算机控制、计算机控制系统

【论文摘要】

目前,气压ABS系统对制动压力是基于车轮角加、减速度门限值进行控制。当车轮减速度大于某一设定值时,则认为车轮即将抱死,应立即减小制动气室压力,这一过程本质上仅仅是一种开关控制;同时,ABS系统中电磁阀机械延迟和迟滞效应的存在,也会降低系统的控制精度,削弱闭环系统中的反馈作用,甚至会造成系统不稳定。本文运用神经网络理论设计电磁阀控制器,补偿了电磁阀的迟滞响应对系统的影响,也使ABS对制动压力的控制变为智能控制,提高了控制精度。首先,针对电磁阀所表现出的非线性响应特性,在深入研究电磁阀机械构造、工作原理的基础上,根据BP算法建立了电磁阀的神经网络控制器。然后,通过研究ABS实际运作工况,使控制器分别在制动增压和制动减压条件下进行训练,控制器参数通过几次试验训练最终确定了最优值。最后,通过硬件在环半实物仿真验证了控制器在低附着路况下对ABS性能有显著提高,证明了算法的有效性。

【论文题纲】

提要	4-7
第一章绪论	7-19
1.1 汽车制动防抱死系统的发展	7-11
1.1.1 ABS 的发展历程	7-9
1.1.2 ABS 的工作原理	9-10
1.1.3 国内外ABS 生产商、市场现状及发展趋势	10-11
1.2 汽车ABS 电磁阀非线性特性的研究背景	11-14
1.2.1 电磁阀在ABS 中的应用	11-12
1.2.2 电磁阀非线性特性对ABS 的影响	12-13
1.2.3 国内外对电磁阀非线性的研究现状	13-14
1.3 神经网络控制器理论在电磁阀控制中的应用	14-18
1.3.1 神经网络控制理论概述	14-15
1.3.2 神经网络控制理论在电磁阀控制系统中的适用性	15-18
1.4 论文研究内容	18-19
第二章电磁阀在ABS 系统中的应用	19-33
2.1 电磁阀的硬件研究基础	19-24
2.1.1 电磁阀的种类及特点	19-20
2.1.2 电磁阀的物理构造及工作原理	20-24
2.2 电磁阀数学模型的建立	24-29
2.2.1 电磁阀模型的数学推导	24-27
2.2.2 电磁阀仿真模型的建立	27-29
2.3 气压ABS 电磁阀的动态特性研究	29-32
2.3.1 电磁阀在ABS 系统中的作用	29-30
2.3.2 ABS 电磁阀响应滞后的原因及对系统的影响	30-32
2.4 本章小节	32-33
第三章 BP 人工神经网络模型及算法实现	33-59
3.1 人工神经网络简介	33-34
3.1.1 人工神经网络的特点	33-34
3.1.2 人工神经网络的模型	34
3.2 反向传播（BP）网络	34-43
3.2.1 BP 网络的结构	35-37
3.2.2 BP 网络的学习过程	37-43
3.3 针对电磁阀的BP 神经网络控制器的样本选取	43-45
3.3.1 ABS 系统的运作工况	43-44
3.3.2 电磁阀BP 网络控制器的样本描述	44-45
3.4 基于BP 神经网络的电磁阀控制器的分析与设计	45-58
3.4.1 网络结构的确定	45
3.4.2 隐层神经元数的确定	45-46
3.4.3 网络学习参数的选取	46-47
3.4.4 样本数据的处理	47-58
3.5 本章小节	58-59
第四章基于BP 神经网络的电磁阀控制器的MATLAB 实现	59-71
4.1 MATLAB 神经网络工具箱	59-62
4.1.1 BP 神经网络工具箱函数	59-61
4.1.2 MATLAB 中BP 网络的训练过程	61-62
4.2 增压工况下BP 神经网络控制器的学习训练	62-66
4.2.1 不同隐层神经元数目下的训练效果比较	62-64
4.2.2 不同学习速率下的训练效果比较	64-66
4.3 减压工况下BP 神经网络控制器的学习训练	66-70
4.3.1 不同隐层神经元数目下的训练效果比较	66-68
4.3.2 不同学习速率下的训练效果比较	68-70
4.4 本章小节	70-71
第五章基于BP 神经网络的电磁阀控制器硬件在环试验	71-79
5.1 ABS 制动试验台架	71-75
5.1.1 试验台架的总体结构	72
5.1.2 试验台架的硬件构造	72-75
5.2 神经网络控制器的硬件在环仿真分析	75-77
5.2.1 无电磁阀神经网络控制器下ABS 制动半实物仿真	75-76
5.2.2 加入电磁阀神经网络控制器下ABS 制动半实物仿真	76-77
5.3 本章小节	77-79
第六章全文总结	79-81
参考文献	81-87
摘要	87-90
Abstract	90-94
致谢	94

【DOI】

LunWen.ID:2.2008.388719



付费论文：有参考文献 300元

1、注册会员 2、购买本文 3、下载文章
注:此文为收费论文，需付费购买。每页大约1000字。

代写论文流程

载入中…

Web lunwenjia


热门搜索：ABS系统论文迟滞非线性神经网络控制电磁阀硬件在环

自动化基础最新论文

自动化基础热门论文