摘要：提出一种基于多维高斯隐马尔可夫模型(MGHMM)和BP人工神经网络(ANN)的SUV车辆侧翻预警方法,采用侧倾角和侧向加速度作为隐马尔可夫(HMM)的可观测序列,车辆行驶运动状态作为HMM的状态序列,采用BaumWelch算法对模型进行训练,运用马尔可夫预测算法对未来3s内车辆的行驶运动状态进行预测,用预测出的车辆运动状态作为指引,使ANN有目的学习,减少不必要的ANN训练,提高训练效率和预测精度。仿真结果表明,建立的侧翻预警方法所需参数少,效率高,不仅能预测车辆行驶运动状态而且能预测具体的运动参数,可使驾驶员量化判断侧翻,也可为抗侧翻电子控制系统提供数据。

摘要：针对现有车用磁流变减振器(MRD)低频时阻尼力很小的问题,设计一种基于剪切模式的旋转式磁流变减振器,使减振器具有磁流变液用量小、低频时也具有大阻尼的性能,不仅能改善车辆的平顺性,也能提高车辆的操纵稳定性。进行了减振器的结构设计,利用ANSYS软件对磁场进行了有限元分析,以多学科优化软件ISIGHT为平台,以初步设计的减振器结构模型为对象,联合CATIA、MATLAB软件,对减振器的结构进行自动优化设计。采用SIMULINK软件对减振器外特性进行了仿真,结果表明,所设计的磁流变减振器在速度接近于零时就可达到很大的阻尼,可为车辆侧倾控制提供足够的阻尼力。