ADAMSRail和MatlabSimulink.doc

总结报告 第一部分 ADAMS/Rail和Matlab/Simulink联合仿真 1. 在ADAMS/Rail中建立整车的机械模型并进行动力学仿真 A. 建立车体模板 1. 首先建立一个测量车体横向加速度和垂向加速度的maker点。 2. 建立一个request，测量加速度。 3. 建立状态变量（State Variable）。 4. 把状态变量定义为output。 5.保存 B. 建立前转向架模板 先建立一个状态变量，使它的输入=0。 建立一个作动器 左右function： 选用data element 定义状态变量为输入 保存 C. 动力学仿真 整车模型建好后，进行动力学仿真 D. 在controls模块中设置export参数 E. 再次进行动力学仿真 2. 在Matlab/Simulink中建立控制模块，实现联合仿真 （1）完成动力学仿真后MATLAB中的操作： a. 打开MATLAB，在左侧工作目录（ADAMS/Rail的工作目录要和Matlab/Simulink的工作目录一致）下打开acc.m文件，在ADAMS_init = 的空白处写入file/command=acc_dyn.acf，保存。 b. 在MATLAB的命令窗口中输入acc，再输入adams_sys，出现下图： 复制adams_sub模块到新的空白simulink窗口，并在MATLAB/simulink中建立PID控制算法，保存，simulation start仿真开始。 第二部分 被动悬挂、主动悬挂和半主动悬挂的区别 传统的车辆悬挂采用被动悬挂，被动悬挂由弹性元件和阻尼元件组成，其刚度和阻尼是在设计过程中确定下来的，在车辆运行过程中无法进行调节。被动悬挂具有一定的局限性。首先，由于被动悬挂系统的参数不随线路激扰变化，使其不能同时很好地满足车辆运行平稳性、稳定性和曲线通过性能对于悬挂参数的要求。其次，由于悬挂参数不能调节，就使得经过最优设计的悬挂只能对某一特定激扰条件产生最优响应，一旦激扰或车辆参数发生变化，减振性能就会恶化。 主动悬挂实际上是一个闭环控制的动力驱动系统，通过合理调节输入到减振系统的能量来抵消来自外界的激扰，从而达到减振的目的。主动悬挂的控制器按照某种设计好的控制方案、根据车辆状态和线路激扰状态实时确定出应该施加给车体的目标悬挂力，再由作动器直接施加给车体，实现对车体振动的控制。 半主动悬挂采用阻尼特性可调的可控减振器为作动器，通过实时调节可控减振器的阻尼特性，间接地获得合理的悬挂力。 传感器 2. 可调减振器 3. 作动器 被动悬挂 B. 主动悬挂 C. 半主动悬挂 被动悬挂的悬挂参数在车辆运行过程中固定不变，不能根据线路不平顺和外界因素的状况适时进行调整，自适应性很差，只能在在一定条件下有效地衰减车体的振动，已不能满足高速列车的发展需要。 从理论上说，主动悬挂能够实时地将某种指标下最优的悬挂力施加给车体，其减振性能是“最优”的。但是主动悬挂的稳定性和可靠性难以保证，控制作用的实现需要消耗大量的能源；此外，成本过高也是限制主动悬挂应用到高速列车上的重要因素。 半主动悬挂力的方向取决于悬挂两端的相对速度，大小依赖于可控减振器的参数可调范围，从理论上说不能实时地产生“最优”的悬挂力，减振效果不如主动悬挂好。但与主动悬挂相比，半主动悬挂具有很多优点：结构简单，成本低，能耗小，更重要的是在控制系统失效的情况下半主动悬挂能够自然转换为被动悬挂，确保列车的运行安全。半主动悬挂的减振效果要明显好于被动悬挂，能够满足高速列车的发展需求。 第三部分 不同控制算法的比较 近年来，现代控制理论的多种控制算法诸如：最优控制、自适应控制及神经网络控制等已被应用于主动悬挂控制系统中。其中，应用最为广泛的一种是最优控制，然而，由于车辆的非线性、不确定性与构造最优控制器需要对系统准确建模相矛盾，最优控制器实际难以达到理想的要求。同样，单纯的自适应控制或神经网络控制为达到目标往往导致运算量大、实时性差。模糊控制由于无需精确的数学模型，因此成为迅速发展的一种新型控制方法。但是模糊控制器参数一经确定就不能改变，这样，对于时变的、非线性悬挂系统，会造成模糊控制规则粗糙，控制效果也难以达到最优。一些调整方法已用于提高模糊控制器的性能，例如基于遗传算法的主动悬挂模糊控制方法。然而这种优化方法是离线进行的。不能在线优化模糊控制器的各种参数。 PID控制属于直接数字控制一类的控制方式，它利用相对于控制误差(目标值—受控值)的比例(Proportional)、积分(Imegral)、微分(Derivative)等三种动作来决定受控对象的操作量。这种控制方法是一种经典的基本控制方式，它很早就广泛地应用于连续时间系统的模拟控制器中。原因在于它具有以下优点：(1)原