基于carsim的线控转向仿真(1)--carsim车辆模型目标角度跟踪

2024-06-16 09:12

本文主要是介绍基于carsim的线控转向仿真(1)--carsim车辆模型目标角度跟踪,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、Rwa转向执行总成建模

 Rwa包括齿轮齿条机构、转向组件以及转向执行电机;如下图,电机输出轴通过齿轮减速增扭后,再经过一个半径为rp的小齿轮,直接带动齿条左右移动。齿条的移动通过转向摇臂,带动车轮转动,整套系统从电机的转动,转换为齿条的左右移动,再转换成车轮的左右摆动。

1、转向电机建模

在线控转向中,转向电机是一个执行器,上层给多少需求力矩,电机控制器便响应多少力矩。这里,我们用一个一阶惯性环节来简单模拟电机响应。

 仿真响应如下:

2、齿轮齿条机构建模

齿轮齿条动力来源是电机,阻力有左右车轮的阻力,齿条自身的加速度和阻尼,依据牛顿力学第二定律,可以列出微分方程

M_{r}\ddot{X}_{r}+B_{r}\dot{X}_{r}+F_{z}=T_{m}/r_{p}

式中,F_{z}--齿条上等效阻力;T_{fl},T_{fr}--左右前轮主销回正力矩。

参数名称物理意义单位数值
i_{Mot}转向电机减速比--18
l_{fl}左前轮转向摇臂长度m0.132
l_{fr}右前轮转向摇臂长度m0.132
r_{p}小齿轮半径m0.007
B_{r}齿轮齿条阻尼系数N.m/rad651
M_{r}齿轮齿条质量kg2.25

二、搭建Rwa总成simuink模型

依据以上几个公式,搭建Rwa执行总成模型。

三、simulink与carsim的联合仿真

1、仿真接口

低调一点选了个b级车

Carsim与Simulink模型的交互接口如下:

名称含义方向
IMP_STEER_L1左前轮转角simulink给到carsim
IMP_STEER_R1右前轮转角simulink给到carsim
M_TRdL1左前轮转向阻力carsim到simulink
M_TrdR1右前轮转向阻力carsim到simulink
Steer_L1左前轮转角carsim到simulink
Steer_R1右前轮转角carsim到simulink

 此外还需要注意到,carsim前轮转角是带阿克曼转向的,因此再给需求角度时,也需要考虑到,在这里,从carsim的转向系统里,提取出齿条位移--转向角度。

 2、仿真思路

首先,需要关闭carsim原有自带的转向系统;用OPT_STEER_EXT=0这个指令就可以;其次,关闭carsim里路径跟随的功能。这两个设置后,carsim的转向系统便会听simulink的。

整个仿真信号传递思路如下:

 1)根据车辆模型实时转角与参考转角的差距,用pid算出需求电机需求力矩;
 2)一阶电机模型响应电机需求理解;
 3)有了电机力矩,以及车辆模型的转向阻力,便可以套公式算齿条位移;
 4)有了齿条位移,便可以查表得到左右前轮需要的转角,响应前轮需求转角就是carsim的事了。

三、仿真结果

如下图,第一步我们已经实现,通过给需求转角,转向执行机构能实现需求转角,并与carsim实现了联调。

返回专栏目录

这篇关于基于carsim的线控转向仿真(1)--carsim车辆模型目标角度跟踪的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1066048

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者