为提高发动机低频段的隔振性能,设计了一种磁流变悬置。根据力学模型应用Matlab/Simulink建立仿真模型。推导其动刚度和阻尼滞后角的表达式,选取仿真所需相关参数,运用Matlab编程分析该磁流变悬置在低频段的动特性。研究电流强度、橡胶主簧等效面积和刚度、可控阻尼通道的间隙和有效长度、磁流变液密度和零场黏度以及上液室体积柔度对悬置低频动特性的影响。结果表明:磁流变悬置低频段相比被动液压悬置能获得更大刚度,磁流变悬置主要参数对其性能影响很大。

根据发动机磁流变型悬置的结构,建立了磁流变型悬置的力学模型和数学模型,应用MATLAB/SIMULINK对磁流变型悬置在低频激励下的动特性的影响进行研究。分析了电流强度和激励幅值、橡胶主簧等效面积、激励频率对磁流变悬置动特性的影响。分析结果表明:磁流变悬置较液压悬置在低频大振幅工况下能获得更大的阻尼和刚度。

液压机械无级变速器(Hydro-mechanical continuously variable transmission,HMCVT)是一种将液压传动与机械传动结合的混合动力传动系统,能帮助拖拉机实现无级调速功能,有助于提高拖拉机的燃油经济性和动力性。为提升拖拉机的作业性能,实现拖拉机应对不同工况和环境或负载变化进行速度调节与控制,分析HMCVT输出特性,提出一种基于粒子群优化的PID控制算法控制系统排量比,调节系统传动比,实现速度控制的控制策略。结果表明,采用该控制算法后,拖拉机的保持速度以及针对骤然速度变化的调节有显著提升。

针对极限工况下汽车的制动效能和方向稳定性问题,基于Matlab/Simulink建立八自由度整车模型以及HSRI轮胎模型,分析了前轴两轮胎分别在单独制动过程中车轮的目标滑移率对车辆横摆力矩所产生的影响。通过对开路面和JTurn两种典型极限工况下的实车实验,表明设定较大的外前轮目标滑移率可提高车辆的制动效能,但其制动方向稳定性较差。在保证车辆具有较好的制动稳定性前提下,适当的增大外前轮目标滑移率的门限值可使车辆获得更好的制动性能,但所设定的滑移率门限值不应超过0.12。

基于先导溢流阀原理设计了一种内置电磁阀式阻尼连续可调减振器,对可调阻尼力进行了理论分析,在Simulink中建立其力学仿真模型;结合减振器试验标准设计可调减振器的试验方案,利用INSTRON-8800型单通道伺服激振台架对可调减振器样件进行试验。试验结果表明,减振器的复原阻尼力调节范围为0～3.72 k N,压缩阻尼力调节范围为0～1.01 k N;并且与仿真结果之间的误差未超过20%,证实了减振器模型的正确性和减振器结构的可行性。通过试验获得的阻尼力与电流关系可为半主动悬架控制器的匹配开发提供数据支撑,为减振器设计提供参考。

运用实车试验得到了汽车转向系统的助力特性曲线图和汽车在非转向情况下助力电机的怠速功率.在AMEsim的平台上建立了电控液压助力转向系统(EHPS),根据所建立的模型进行仿真.结果表明:车辆在转向情况下,转向阀的功率损失是最大的；在非转向情况下,转向电机的怠速功率损失是主要的.最后通过改变转向阀的主要结构参数,说明其对功率损失的影响.

结合某园艺作业拖拉机液压机械无级变速传动系统开发项目,研究了整体式静液压传动单元HST（HydroStatic Transmission）工作原理,引入了负荷传感控制变量调节方法,通过核心元件特性分析得出整体式HST输出特性曲线。以simulink为工具搭建了系统模型,从结构参数入手,以变量泵斜盘倾角变化引起的效率响应变化为例分析了关键参数对HST系统动态性能的影响。研究结果表明研究HST静动态特性与结构参数之间关系利于改善HST性能,静液传动系统静动态特性分析为拖拉机发动机转速与HST系统的联合控制提供了理论依据。

基于阻尼可调减振器用先导溢流电磁阀的结构特征,在Ansoft Maxwell环境下对电磁阀电磁力进行有限元仿真计算,通过对计算结果的分析获得激励电流与电磁力成近似线性关系的电磁阀行程段(0.4~1.0)mm。将电磁阀电磁力的计算结果导入AMEsim环境下的电磁阀仿真模型中,仿真分析不同电流下电磁阀特性,通过对比阻尼可调减振器的仿真与试验结果间接验证电磁阀仿真模型的正确性。在此基础上分析定值激励电流下电磁阀的压缩弹簧刚度,阀芯锥角,阀芯导向间隙对阀芯稳定开度的影响情况,仿真结果的获得可为该类型的电磁阀设计提供参考。

针对液压机械无级传动进行分析，建立其数学模型，并通过MATLAB/Simulink建立泵控马达和发动机系统的仿真模型，研究泵控马达和发动机的匹配关系。同时，在传统的PID控制的基础上，采用粒子群算法对控制器的PID参数进行优化整定。结果显示：液压机械无级变速器的系统性能得到明显改善，提高了动力系统的燃油经济性和动力性。

首先针对电动液压助力转向（EHPS）系统助力特性非线性特点，将BP神经网络引入EHPS系统中。因BP神经网络存在易陷入局部最小缺点，提出了利用遗传算法来优化BP神经网络的连接权值的改进型BP神经网络（简称ENN）控制算法，对助力特性曲线进行全车速拟合。通过对拟合结果的分析得出ENN算法具有收敛速度快、泛化能力强的特点，准确实现了非线性助力特性的全车速拟合，克服了EHPS系统的助力盲区。最后，通过台架试验验证该ENN控制算法的可行性。