基于车轮多维力传感器的轮胎动特性研究

基于车轮多维力传感器的轮胎动特性研究侯光钰,张为公(东南大学仪器科学与工程系,江苏南京210096)摘要:介绍了车轮多维力传感器的基本原理和以该传感器为核心构建的汽车道路试验数据采集系统。利用该系统进行了汽车的制动试验,以采集到的数据为基础应用BP神经网络进行轮胎纵向制动力和滑移率关系的研究。结果表明,基于车轮多维力传感器的道路试验数据采集系统能够为轮胎动特性的研究提供方便而有效的手段。关键词:车轮多维力传感器;BP神经网络;轮胎动特性中图分类号:TP212112文献标识码:A文章编号:100020682(2005)0120029203ResearchontiredynamicpropertyusingWFTHOUGuang2yu,ZHANGWei2gong(DepartmentofInstrumentScienceandTechnology,SoutheastUniversity,JiangsuNanjing210096,China)Abstract:Inthispaper,thefundamentalofmulti2dimensionwheelforcetransducer(WFT)isintroduced.AvehicleroadtestsystemwhichbasedonWFTisalsopresented.Withthesystem,avehicleroadtestismadeinthebrakingsituation.BPneuralnetworkisadoptedtostudytirebrakingforcefunctionofslipratiousingthedataacquiredfromthetest.TheresultillustratesthatWFTbasedvehicleroadtestsystemcanprovideaconve2nientandeffectivemeansforresearchontiredynamicproperty.Keywords:WFT;BPneuralnetwork;tiredynamicproperty0前言在汽车制动稳定性模拟计算、汽车碰撞事故分析以及汽车运动控制的模拟中都要用到轮胎的模型。可以认为,汽车动力学仿真的准确与否在很大程度上取决于所用轮胎模型能否精确而有效地表达出轮胎的力特性。轮胎模型的建立一般分为两种方法:一种是理论建模,即通过对轮胎结构和形变机制进行数学描述,建立剪切力和回正力矩与相应参数之间的关系。另一种是经验或半经验公式建模,它是通过对大量的轮胎力特性实验数据进行回归分析,用一定的公式拟合出轮胎的特性。在进行经验建模的过程中,需要大量的轮胎试验数据。目前大部分研究部门采用台架试验的方法获得所需数据。然而台架试验往往需要昂贵的进口仪器,而且由于台架试验在室内进行,对汽车行驶工况的模型与实际的工况存在一定的差距。此外,汽车行驶中惯量的影响也无法准确模拟,汽车行驶时由于路面随机输入的影响,每个车轮的运动情况各不相同,在一般的台架试验中无法获得车轮的动态特性,难以反映出汽车的侧倾、俯仰和横摆运动,而从国外进口的动态综合试验台价格昂贵,一般的企业难以承受。为了克服台架试验的不足,开发汽车道路试验系统便显得非常重要。在汽车道路试验系统中车轮多维力传感器是最关键的部件,东南大学仪科系在国内率先研制了车轮多维力传感器,并以此为基础开发了汽车道路试验数据采集系统。文中简要介绍了该系统的软、硬件构成,利用该系统进行了汽车制动试验。以采集到的数据为依据,采用BP神经网络建立了轮胎的动特性模型。1测试系统的硬、软件构成111车轮多维力传感器在汽车车轮多维力传感器(WheelForceTrans2ducer,简称WFT)技术中,传感器弹性体的设计是关键技术之一。通常光电式、磁电式、相位式原理组成的传感器均为单维力测量传感器,且轴向尺寸较大,不能安装在车轮上,只有应变式原理的传感器能够满足车轮多维力测量的要求。利用应变式原理组成的多维力测量传感器在国外有一些产品,如用于飞机风洞试验的多分力天平;用于机器人腕力测量的传感器;用于机床刀具研究的二分力传感器等,这些传感器的结构设计是随着应用对象的变化而改变的。轮力传感器测量的对象为汽车车轮在运行时受的力,由于被测对象结构复杂,空间尺寸较小,且联接方式不能有较大的改变,因此弹性体的设计比较困难。国外只有少数公司拥有该项技术,且未解密。轴承结构由于轴向尺寸较大,无法满足汽车车轮轴向结构尺寸的要求,故采用盘式结构。综合考虑后设计的传感器弹性体采用轮辐式结构,如图1所示。它通过内环上的固定孔与轮鼓上的螺栓相联,利用螺母固定。弹性体的外环通过螺栓将其固定孔与轮辋上的固定孔相联,这样传感器弹性体就相当于一个联接法兰,将车轮与轮鼓连起来。车轮受的扭矩、侧向力及侧倾力矩、回正力矩通过固定螺栓和变形梁进行传递。弹性体内环面与轮鼓上的凸面配合,外环上的凸面与轮辋配合,车轮受的切向力和垂直载荷由这两个配合面与变形梁进行传递。在变形梁上合理地布片,通过组桥来测量变形梁受力的变形,进而计算出车轮受的力和力矩。图1弹性体结构示意图该结构具有如下特点:(1)具有优良的自然线性度,因为在载荷作用下弹性体的体积变化小;(2)受力时的位移小,所以传感器与承载机构间的相互影响小;(3)外形小,可以承受很大的侧向力;(4)结构简单、安装方便,适合于测量结构复杂的对象;(5)中间留有轴头伸出的孔,使得安装时不影响轮距。112测试系统的硬件组成以车轮多维力传感器(WFT)为核心构建汽车道路试验数据采集系统。该系统采用下列传感器:车轮多维力传感器、油压(3路)传感器、踏板力传感器、车轮转速传感器、车速传感器等。系统硬件框图如图2所示。根据车轮转速和车速信号,可以计算得到汽车在制动过程中的车轮滑移率。WFT可以得到车轮所受的动态载荷,用于分析轮胎的动特性。车轮转速测量采用光电码盘,它把转速信号转换成频率量向主机传送。光电码盘每一转有60个齿,这样车轮转1圈可发出60个脉冲信号,而且转速与信号的频率成正比。为了满足测量精度的要求,采用测周法来测转速。由于WFT与汽车车轮固联在一起旋转,因此必须采用非接触式信号传输技术,先将12V直流电源经电源逆变模块中的振荡电路产生400Hz,815V的交流电源,然后采用电感耦合的方式传输给应变片电桥。对于电桥输出的电压经预处理电路中的AD625放大器放大,然后给AD652进行同步V/F变换,再经过光电耦合取出信号传入后处理部分。图2汽车道路试验数据采集系统框图113测试系统的软件构成针对测试系统的特点,利用面向对象编程语言Delphi编制基于Windows操作系统的测试软件,采用模块化结构设计且具有良好的人机接口界面。以下拉菜单激活各功能模块,同时在程序执行过程中提供操作提示信息。该软件主要完成参数设置、测量传感器的标定、数据采集、信息处理及测试报告等功能。系统的采样频率大于100Hz,在参数设置中可以改变系统的采样频率及汽车各外形参数如前轮半径、后轮半径、质心高度、汽车轴距等。对传感器的静态标定可以减少动态采集时外界因素引起的误差。软件的主要功能模块分述如下:(1)显示模块。按车轮力或其它参数性质进行数据显示及硬件调试(CTC板和A/D采集板)既有数字量的显示,也有参数的动态变化曲线。(2)设置模块。进行测试前系统的参数设置,并将这些参数保存在文件系统。所需参数包括采时间、轮胎参数、车辆参数、传感器标定系数等等。(3)监控模块。通过程序给计算机发出指令,控制试验过程的数据采集,进行试验数据的实时显示和处理,并生成测试报表。2神经网络用于轮胎动特性研究利用研制的汽车道路试验数据采集系统进行了纯制动工况下车轮受力的测量。试验过程中,逐步增加制动踏板力直到车轮抱死为止。通过测量车速和轮速得到车轮的滑移率,在滑移率由0%到100%增长的过程中,测量车轮受的垂直载荷和纵向制动力。不断改变车轮的垂直载荷进行同样的试验,以便测量垂直载荷对轮胎力的影响。通过对试验数据的初步分析,可以发现轮胎的纵向制动力与车轮的滑移率之间呈非线性关系。对于轮胎特性的建模采用人工神经网络技术显示出极大的优势。神经网络的突出之处在于其具有并行分布处理和自学习能力,同时具有很强的容错性和鲁棒性,非常适合非线性系统建模。目前,基于误差反向传播递推学习算法(BP算法)的前向多层神经网络模型,是研究最为成熟、应用最为广泛的神经网络模型。因此,决定采用BP神经网络建立轮胎的力特性模型。网络的输入为二维,对于纵向力输入为垂直载荷和车轮的滑移率。垂直载荷分为2、4、、6、8kN,滑移率变化范围为0%～100%。进行网络训练时,每一种载荷情况下的数据点取51个,从而能够保证训练结果满足拟合精度的要求。选取迭代收敛目标为0102,迭代过程中判据(偏差平方和)小于此值时迭代过程终止,并输出训练充足的信息;选取最大收敛步数为8000,当达到此步数仍不满足收敛目标时终止迭代,并输出训练不充足的信息。加入动量因子和可变学习率,以加快收敛速度,避免局部极值。网络的训练结果如图3所示。图3轮胎纵向力的训练结果图中带十字号的点即为训练时所取的样本值相对应的点。a、b、c、d曲线分别对应于垂直载荷为1、118、216、315kN下的轮胎受的纵向制动力。利用训练好的网络分别进行垂直载荷为113、214kN情况下轮胎制动力的预测,结果如图4所示。图4轮胎纵向力的预测结果图中e、f曲线分别对应于垂直载荷为113、214kN情况下的轮胎纵向制动力。虚线对应实际测试值,实线对应预测值,由图可以看出预测误差是很小的。3结论该文提出了采用基于车轮多维力传感器构成汽车道路试验数据采集系统进行轮胎动特性研究的新方法。通过汽车制动试验数据的采集分析,证明该方法切实可行。该方法能够克服台架试验存在的所需仪器价值昂贵,工况模拟不准确等缺点。所开发的汽车道路试验数据采集系统已被国内一些研究部门采用。该系统同样能够用于汽车操纵稳定性试验研究。随着车轮多维力传感器性能的提高和完善,汽车道路试验数据采集系统必将为汽车产品的开发提供既经济又方便的研究手段。参考文献:[1]宋国民,张为公,翟羽健.新型非接触式车轮扭矩传感器设计[J].测控技术,2001,20(1):11-13.[2]张为公1一种六维力传感器的新型布片和解耦方法[J].南京航空航天大学学报,1999,(2):119-222.[3]王文成1神经网络及其在汽车工程中的应用[M].北京:北京理工大学出版社,1998.[4]ParkDC,SharkawiMA,MarksRJ.Electricloadforecastingusinganeuralnetwork[J].IEEETransonPowerSystem,1991,6(2):442-449.文章综述：本文以车轮多维力传感器为基本，结合BP神经网络，构建了一个监测、检验、预测轮胎特性的平台，克服了国外仪器价格昂贵、模拟不准确的问题，并在一些部门已步入实际使用阶段。本文通过以车轮多维力传感器（WFT）为核心构建了汽车道路试验数据采集系统。该系统集中了多维了、油压、踏板力、轮速、车速等一系列传感器，实现了多维数据的采集一体化。根据实际测得数据的非线性，又采用了具有并行分布处理和自学习能力的BP神经网络建立轮胎的力特性模型。在F1赛车领域，轮胎的表现时刻左右着一场比赛的进程，比较直接的影响就是摩擦力的大小，也就是常说的抓地力。它随着轮胎温度的上升而增大，轮胎的增温特性是一个重要参数。轮胎能否迅速升温成为赛车进站加油换胎后值得关注的问题，换一个角度说，轮胎能否在较低温状态下发挥出更好的抓地性能，也是一个关键。其实无论在赛车还是普通民用车上，轮胎都起着非常关键的作用。赛车上影响的是成绩，而民用车上则直接关乎着驾驶者的生命安全，因此轮胎力特性的研究，对于汽车工业的发展、电子控制系统的完善，都是不可或缺的。