针对传统的PID控制策略不能够适应汽车转向时多变的复杂工况,导致汽车转向性能降低的问题,采用独立于系统参数和干扰的滑模控制策略,对轻型货车电动助力转向系统进行研究,通过离线仿真确定滑模控制策略的趋近律系数并和参数整定后的PID控制策略进行仿真对比,然后结合基于Dspace的试验台架完成对滑模控制策略的试验验证。结果表明滑模控制策略比PID控制策略具有较小的超调量和较高的稳定性,并通过试验验证了滑模控制策略能够实现对目标电流的实时跟随,提高了系统的鲁棒性,对汽车电动助力转向控制器的开发具有重要意义。

助力特性曲线是反映转向轻便性和路感强度的重要特性,对于目标车型进行电动助力转向系统的开发,需要设计符合目标车型状态变化的助力特性曲线,通过确定车速感应系数,设计出了目标车型的曲线型助力特性曲线,并采用基于BP神经网络的PID自适应控制,通过神经网络的自身学习和加权系数调整,实现参数自整定,避免了传统PID参数整定的繁琐。最后针对设计的曲线型助力特性曲线和BP神经网络的控制策略,进行仿真试验。结果表明BP神经网络控制策略能够实现对曲线型助力特性曲线的目标电流进行实时跟随,而且比传统PID控制策略具有较高的稳定性,提高了系统的鲁棒性,对汽车电动助力转向控制器的开发具有重要意义。

针对现有俯仰式立体车库升降稳定性较差的问题,利用CATIA软件对俯仰式立体车库进行了结构改进,为对比分析改进前后的稳定性,将2种俯仰式立体车库三维模型导入ADAMS进行运动仿真,结果表明:改进后的俯仰式立体车库系统升降更稳定;以改进后车库液压缸驱动力波动的标准偏差值最小作为优化目标,进行结构优化,优化后的俯仰式立体车库驱动力波动大大降低,提高了立体车库升降的稳定性,为其机械结构设计提供了参考。