一种用于人机共驾系统的转矩测量、耦合装置及方法与流程

文档序号:17578528发布日期:2019-05-03 20:43阅读:189来源:国知局
一种用于人机共驾系统的转矩测量、耦合装置及方法与流程



背景技术:

目前,随着现代制造业与新一代信息技术的深度融合,智能汽车已成为未来汽车工业发展的潮流和前沿。智能汽车装配有先进的车载传感器、控制器、执行器,具备复杂环境感知、规划决策、智能控制等功能,可实现辅助驾驶、部分自动驾驶、高度自动驾驶以及完全自主驾驶等不同等级的辅助控制,是未来汽车新技术集成的载体,代表着未来汽车科技的战略制高点。虽然无人驾驶被广泛认为是汽车智能化的终极目标,然而,受限于汽车技术各个阶段的发展规律、法律与法规、事故责任划分等约束,驾驶人作为驾驶过程的参与者、甚至驾驶主体在相当长的时期内仍将是事实。

目前市场上现有的用于人机共驾系统的转矩测量、合成装置及方法的相关技术往往存在两大问题:一、结构、原理过于简单,转矩合成方式过于简单,驾驶人使用过程中对合成效果体验极差;二、结构过于复杂,在没有大幅度提高合成效果、转向感觉以及转矩测量精度的情况下使成本大大提升。

中国专利公开号cn106275061a,公开日为2017.01.04名称为一种基于混杂理论的人机共驾型电动助力转向系统及控制方法的

技术实现要素:
基于混杂切换系统建立最优运行状态下的人机共驾型电动助力转向系统转向调节控制系统,然而混杂切换系统的鲁棒性并不理想,混杂理论较为复杂难于扩展到实车上的应用。

发明内容

本发明的目的是为了克服了现有的用于人机共驾系统的转矩测量、合成的相关装置中普遍存在的转矩合成效果达不到要求以及相关装置结构过于复杂、成本高、转矩测量精度较低等一些问题,而提供的一种用于人机共驾系统的转矩测量、耦合装置及方法。

本发明提供的用于人机共驾系统的转矩测量、耦合装置包括有底板、第一齿轮、第二齿轮、齿条、电动机、外齿圈、控制器和分析仪,其中电动机固定在底板上,电动机的输出轴与第一齿轮的驱动轴相连接,第一齿轮由电动机进行驱使转动,底板上固定有滑槽,齿条嵌设在滑槽内,齿条能够沿滑槽进行滑动,第一齿轮和第二齿轮均与齿条相啮合,第一齿轮转动过程中驱使齿条滑动从而带动第二齿轮进行转动,第二齿轮上连接有第一转矩输入轴,第一转矩输入轴的后端与驱动机构相连接,外齿圈装配在驱动机构上并由驱动机构进行驱使转动,第一转矩输入轴上装配有第一压感器,驱动机构上还连接有第二转矩输入轴,第二转矩输入轴上装配有第二压感器,第一压感器和第二压感器通过导线均与分析仪相连接,控制器与电动机相连接并控制电动机的工作。

电动机上连接有蓄电池,连接线路上设有变频器,蓄电池为电动机提供电力,电动机的输出轴与第一齿轮的驱动轴之间通过联轴器相连接。

第一转矩输入轴上装配有减速器,减速器固定在底板上。

第二转矩输入轴枢接在支撑架上,支撑架固定在底板上。

驱动机构是由左锥齿轮、右锥齿轮、上锥齿轮、下锥齿轮和固定轴组成,其中左锥齿轮固定在第一转矩输入轴的后端并由第一转矩输入轴驱使进行转动,右锥齿轮固定在第二转矩输入轴的前端并由第二转矩输入轴驱使进行转动,上锥齿轮固定在固定轴的上部,上锥齿轮同时与左锥齿轮和右锥齿轮的上部相啮合,下锥齿轮固定在固定轴的下部,下锥齿轮同时与左锥齿轮和右锥齿轮的下部相啮合,固定轴延外齿圈的径向固定在外齿圈的内圈中,上锥齿轮和下锥齿轮与左锥齿轮和右锥齿轮啮合过程中能够带动外齿圈进行转动。

外齿圈上还啮合有第三齿轮,外齿圈转动过程中带动第三齿轮进行转动,第三齿轮上装配有第三转矩输入轴,第三转矩输入轴枢接在固定架上,固定架固定在底板上,第三转矩输入轴的后端连接有凸轮,凸轮与滚轮相抵靠,滚轮上连接有连杆,连杆的后端通过压盘与弹簧筒内的回位弹簧相连接,回位弹簧的后端固定在弹簧筒内腔的底部,弹簧筒通过底座固定在底板上。

控制器能够对电动机的输出转速、转矩进行控制,控制器采用正泰电器股份有限公司生产的型号为d1a-40的交流电磁调速电机速度控制器。

分析仪是由电源、总控开关、保护电阻、第一固定电阻、第二固定电阻、第一模拟控制模块和第二模拟控制模块组成,其中电源与总控开关、保护电阻通过导线进行串联连接;第一固定电阻与第一模拟控制模块通过导线进行串联连接,连接线路上的c、d连接点处通过导线与第一压感器内部的压敏电阻相连接;第二固定电阻与第二模拟控制模块通过导线进行串联连接,连接线路上的a、b连接点处通过导线与第二压感器内部的压敏电阻相连接。

第一压感器和第二压感器的形状和结构相同,均是由承受块、壳体和压敏电阻组成,其中压敏电阻插设在壳体的内腔中,压敏电阻上裹设有绝缘层,承受块设在绝缘层的外表面,压敏电阻的两端通过导线与分析仪进行电性连接,承受块的外侧面与第一转矩输入轴和第二转矩输入轴相接触,能够对第一转矩输入轴和第二转矩输入轴的转矩、转速进行传递。

上述的蓄电池、变频器、减速器、电源、总控开关、第一模拟控制模块和第二模拟控制模块均是现有设备的组装,因此,具体型号和规格没有进行赘述。

本发明提供的用于人机共驾系统的转矩测量、耦合方法,其方法如下所述:

第一步、机器输入转矩:当电动机通过第一转矩输入轴进行转矩输入时,布置在第一转矩输入轴上的第一压感器内部的压敏电阻会承受到相应的压力作用,压敏电阻是一种能够将机械力转换为电信号的元件,它是利用半导体材料的压力电阻效应制成的,压敏电阻的电阻值随外加力的增加而减小,当电动机的输入转矩越大,第一压感器内部的压敏电阻承受到相应的压力作用越大,此时,压敏电阻的电阻会越小;

第二步、驾驶人输入转矩:当驾驶人通过第二转矩输入轴进行转矩输入时,布置在第二转矩输入轴上的第二压感器内部的压敏电阻会承受到相应的压力作用,当驾驶人的输入转矩越大,压敏电阻承受到相应的压力作用越大,由于压敏电阻的自身特性,当其受到压力越大时,其表现的电阻会越小;

第三步、当第一压感器和第二压感器内部的压敏电阻的阻值随着驾驶人以及电动机的转矩输入大小产生变化的同时,分析仪中的第一模拟控制模块和第二模拟控制模块中通过的电流也将发生变化,即第一模拟控制模块、第二模拟控制模块的流经电流分别与机器以及驾驶人输入转矩的大小存在对应关系,利用这种对应关系,进行标定试验,利用电流表测量第一模拟控制模块、第二模拟控制模块的流经电流;

第四步、以第一模拟控制模块的流经电流与机器输入转矩的关系标定拟合,具体过程如下:

实验标定获得n组第一模拟控制模块的流经电流x与机器输入转矩y数据:

采用广义回归神经网络来拟合对应的关系,广义回归神经网络由四层构成,分别为输入层、模式层、求和层和输出层,网络的输入为x=[x1/x2,...,xn]t,其输出为y=[y1,y2,...,yn]t

输入层:输入层各神经元是简单的分布单元,直接将输入变量传递给模式层;

模式层:模式层神经元数目等于学习样本的数目d,各神经元对应不同的学习样本,模式层神经元传递函数采用径向基函数:

模式层神经元i的输出为输入变量与其样本x之间euclid距离平方的指数平方形式;

euclid距离公式:

其中,x为网络输入量,xi为第i个神经元对应的学习样本;

求和层:采用下公式对所有模式层的神经元进行加权求和:

其中,pi=h(xi),j=1,2,...,k;

模式层中第i个神经元与求和层中第j个分子求和神经元之间的连接权值为第i个输出样本yi的第j个元素;

特殊地,当模式层与神经元的连接权值为1,传递函数为:

输出层:输出层的神经元数目等于学习样本中输出向量的维数k,各神经元将求和层的输出相除,神经元的输出对应广义回归神经网络输出的估计结果,即:

经过反复调试,为使模型精度达到最佳,广义回归神经网络模型中的光滑因子σ取值为0.1,进而,基于训练完成的广义回归神经网络模型对第一模拟控制模块的流经电流x与机器输入转矩y的关系进行拟合,并将训练好的模型预先存入第一模拟控制模块中,此后,向第一模拟控制模块中送入电流x信号后,第一模拟控制模块即可通过预先存储的广义回归神经网络模型计算得到对应的机器输入转矩y信号;

第五步、采用第四步中同样的步骤能够得到第二模拟控制模块的流经电流与驾驶人输入转矩的大小存在对应关系,并将基于训练完成的广义回归神经网络模型对第二模拟控制模块的流经电流与驾驶人输入转矩的关系进行拟合的拟合模型预先存入第二模拟控制模块中,此后,向第二模拟控制模块中送入电流信号后,第二模拟控制模块即可通过预先存储的广义回归神经网络模型计算得到对应的驾驶人输入转矩信号;

第六步、将得到的机器输入转矩大小信号以及驾驶人输入转矩大小信号为后期的人机数据分析、人机共驾关键共性机理的研究提供基础支撑。

本发明的工作原理:

本发明提供了一种用于人机共驾系统的转矩测量、耦合装置及方法,转矩合成的输入来自于以下的两个方面:

一方面,驾驶人的转向操作通过第二转矩输入轴进行输入,第二转矩输入轴的旋转运动依次通过第二压感器传递到右锥齿轮进而实现右锥齿轮的旋转运动,至此实现了驾驶人转矩的输入;

另外一方面,在控制器的控制作用下,电动机的转矩通过输出轴进行输出,进而传递到第一齿轮,使第一齿轮驱使齿条进行直线运动,齿条的直线运动转化成第二齿轮的旋转运动。第二齿轮的旋转运动经第一转矩输入轴和减速器通过第一压感器传递到左锥齿轮进而实现左锥齿轮的旋转运动,至此实现了机器转矩的输入;

来自驾驶人以及机器的转矩输入使得右锥齿轮以及左锥齿轮进行旋转运动,右锥齿轮以及左锥齿轮的齿端上部及下部分别与上锥齿轮、下锥齿轮进行啮合配合,所述的上锥齿轮和下锥齿轮分别固定在驱动机构上的固定轴的上部和下部,固定轴的两端延外齿圈的径向与外齿圈的内周焊接固定,进而在右锥齿轮以及左锥齿轮的运动输入下,上锥齿轮、下锥齿轮在围绕固定轴的轴心线转动(自转)的同时也进行着围绕右锥齿轮以及左锥齿轮的轴心线转动(公转),进而通过固定轴带动外齿圈的转动。外齿圈的转动通过第三齿轮传递到凸轮,凸轮的外周与滚轮的外周相抵靠配合,由于凸轮本身的特殊形状,在凸轮的回转过程中,滚轮的位置会随之变化,进而通过连杆将位移输入到弹簧筒内的回位弹簧,弹簧筒内的回位弹簧为本装置提供力感的模拟作用。

所述的第一压感器和第二压感器能够实现对转矩的测量,具体原理如下:

当电动机通过第一转矩输入轴进行转矩输入时,布置在第一转矩输入轴上的第一压感器内部的压敏电阻会承受到相应的压力作用,压敏电阻是一种能够将机械力转换为电信号的元件,它是利用半导体材料的压力电阻效应制成的,压敏电阻的电阻值随外加力的增加而减小,当电动机的输入转矩越大,第一压感器内部的压敏电阻承受到相应的压力作用越大,此时,压敏电阻的电阻会越小;

驾驶人输入转矩:当驾驶人通过第二转矩输入轴进行转矩输入时,布置在第二转矩输入轴上的第二压感器内部的压敏电阻会承受到相应的压力作用,当驾驶人的输入转矩越大,压敏电阻承受到相应的压力作用越大,由于压敏电阻的自身特性,当其受到压力越大时,其表现的电阻会越小;

当第一压感器和第二压感器内部的压敏电阻的阻值随着驾驶人以及电动机的转矩输入大小产生变化的同时,分析仪中的第一模拟控制模块和第二模拟控制模块中通过的电流也将发生变化,即第一模拟控制模块、第二模拟控制模块的流经电流分别与机器以及驾驶人输入转矩的大小存在对应关系,利用这种对应关系,进行标定试验,利用电流表测量第一模拟控制模块、第二模拟控制模块的流经电流;

训练对应的广义回归神经网络模型来拟合第一模拟控制模块的流经电流与机器输入转矩以及第二模拟控制模块的流经电流驾驶人输入转矩之间的关系,并分别预存于第一模拟控制模块、第二模拟控制模块中。此后,向第一模拟控制模块、第二模拟控制模块中送入电流信号后,第一模拟控制模块、第二模拟控制模块即可通过预先存储的广义回归神经网络模型计算得到对应的机器输入转矩以及驾驶人输入转矩的大小信号。

本发明的有益效果:

本发明提供的一种用于人机共驾系统的转矩测量、耦合装置及方法,各组成部分之间连接可靠,检测维修十分方便;并且创新地提供了基于广义回归神经网络实现的驾驶人以及机器输入转矩的测量;本发明提供了基于多锥齿轮、齿圈等灵活组合实现的驾驶人以及机器输入转矩的耦合;为科研、教学提供了新型的工具手段,在实现转向感觉贴切模拟、输入转矩较高精度测量的同时也降低了实现的成本。

附图说明

图1为本发明所述转矩测量、耦合装置整体结构示意图。

图2为本发明所述转矩测量、耦合装置局部结构示意图。

图3为本发明所述弹簧筒内部结构示意图。

图4为本发明所述分析仪结构框图。

图5为本发明所述第一压感器和第二压感器结构示意图。

上图中的标注如下:

1、底板2、第一齿轮3、第二齿轮4、齿条5、电动机

6、外齿圈7、控制器8、分析仪9、输出轴10、驱动轴

11、滑槽12、第一转矩输入轴13、第一压感器14、第二转矩输入轴

15、第二压感器16、蓄电池17、变频器18、联轴器19、减速器

20、支撑架21、左锥齿轮22、右锥齿轮23、上锥齿轮24、下锥齿轮

25、固定轴26、第三齿轮27、第三转矩输入轴28、固定架29、凸轮

30、滚轮31、连杆32、压盘33、弹簧筒34、回位弹簧35、底座

36、电源37、总控开关38、保护电阻39、第一固定电阻

40、第二固定电阻41、第一模拟控制模块42、第二模拟控制模块

43、压敏电阻44、承受块45、壳体46、绝缘层。

具体实施方式

请参阅图1至图5所示:

本发明提供的用于人机共驾系统的转矩测量、耦合装置包括有底板1、第一齿轮2、第二齿轮3、齿条4、电动机5、外齿圈6、控制器7和分析仪8,其中电动机5固定在底板1上,电动机5的输出轴9与第一齿轮2的驱动轴10相连接,第一齿轮2由电动机5进行驱使转动,底板1上固定有滑槽11,齿条4嵌设在滑槽11内,齿条4能够沿滑槽11进行滑动,第一齿轮2和第二齿轮3均与齿条4相啮合,第一齿轮2转动过程中驱使齿条4滑动从而带动第二齿轮3进行转动,第二齿轮3上连接有第一转矩输入轴12,第一转矩输入轴12的后端与驱动机构相连接,外齿圈6装配在驱动机构上并由驱动机构进行驱使转动,第一转矩输入轴12上装配有第一压感器13,驱动机构上还连接有第二转矩输入轴14,第二转矩输入轴14上装配有第二压感器15,第一压感器13和第二压感器15通过导线均与分析仪8相连接,控制器7与电动机5相连接并控制电动机5的工作。

电动机5上连接有蓄电池16,连接线路上设有变频器17,蓄电池16为电动机5提供电力,电动机5的输出轴9与第一齿轮2的驱动轴10之间通过联轴器18相连接。

第一转矩输入轴12上装配有减速器19,减速器19固定在底板1上。

第二转矩输入轴14枢接在支撑架20上,支撑架20固定在底板1上。

驱动机构是由左锥齿轮21、右锥齿轮22、上锥齿轮23、下锥齿轮24和固定轴25组成,其中左锥齿轮21固定在第一转矩输入轴12的后端并由第一转矩输入轴12驱使进行转动,右锥齿轮22固定在第二转矩输入轴14的前端并由第二转矩输入轴14驱使进行转动,上锥齿轮23固定在固定轴25的上部,上锥齿轮23同时与左锥齿轮21和右锥齿轮22的上部相啮合,下锥齿轮24固定在固定轴25的下部,下锥齿轮24同时与左锥齿轮21和右锥齿轮22的下部相啮合,固定轴25延外齿圈6的径向固定在外齿圈6的内圈中,上锥齿轮23和下锥齿轮24与左锥齿轮21和右锥齿轮22啮合过程中能够带动外齿圈6进行转动。

外齿圈6上还啮合有第三齿轮26,外齿圈6转动过程中带动第三齿轮26进行转动,第三齿轮26上装配有第三转矩输入轴27,第三转矩输入轴27枢接在固定架28上,固定架28固定在底板1上,第三转矩输入轴27的后端连接有凸轮29,凸轮29与滚轮30相抵靠,滚轮30上连接有连杆31,连杆31的后端通过压盘32与弹簧筒33内的回位弹簧34相连接,回位弹簧34的后端固定在弹簧筒33内腔的底部,弹簧筒33通过底座35固定在底板1上。

控制器7能够对电动机5的输出转速、转矩进行控制,控制器7采用正泰电器股份有限公司生产的型号为d1a-40的交流电磁调速电机速度控制器。

分析仪8是由电源36、总控开关37、保护电阻38、第一固定电阻39、第二固定电阻40、第一模拟控制模块41和第二模拟控制模块42组成,其中电源36与总控开关37、保护电阻38通过导线进行串联连接;第一固定电阻39与第一模拟控制模块41通过导线进行串联连接,连接线路上的c、d连接点处通过导线与第一压感器13内部的压敏电阻43相连接;第二固定电阻40与第二模拟控制模块42通过导线进行串联连接,连接线路上的a、b连接点处通过导线与第二压感器15内部的压敏电阻43相连接。

第一压感器13和第二压感器15的形状和结构相同,均是由承受块44、壳体45和压敏电阻43组成,其中压敏电阻43插设在壳体45的内腔中,压敏电阻43上裹设有绝缘层46,承受块44设在绝缘层46的外表面,压敏电阻43的两端通过导线与分析仪8进行电性连接,承受块44的外侧面与第一转矩输入轴12和第二转矩输入轴14相接触,能够对第一转矩输入轴12和第二转矩输入轴14的转矩、转速进行传递。

上述的蓄电池16、变频器17、减速器19、电源36、总控开关37、第一模拟控制模块41和第二模拟控制模块42均是现有设备的组装,因此,具体型号和规格没有进行赘述。

本发明提供的用于人机共驾系统的转矩测量、耦合方法,其方法如下所述:

第一步、机器输入转矩:当电动机5通过第一转矩输入轴12进行转矩输入时,布置在第一转矩输入轴12上的第一压感器13内部的压敏电阻43会承受到相应的压力作用,压敏电阻43是一种能够将机械力转换为电信号的元件,它是利用半导体材料的压力电阻效应制成的,压敏电阻43的电阻值随外加力的增加而减小,当电动机5的输入转矩越大,第一压感器13内部的压敏电阻43承受到相应的压力作用越大,此时,压敏电阻43的电阻会越小;

第二步、驾驶人输入转矩:当驾驶人通过第二转矩输入轴14进行转矩输入时,布置在第二转矩输入轴14上的第二压感器15内部的压敏电阻43会承受到相应的压力作用,当驾驶人的输入转矩越大,压敏电阻43承受到相应的压力作用越大,由于压敏电阻43的自身特性,当其受到压力越大时,其表现的电阻会越小;

第三步、当第一压感器13和第二压感器15内部的压敏电阻43的阻值随着驾驶人以及电动机5的转矩输入大小产生变化的同时,分析仪8中的第一模拟控制模块41和第二模拟控制模块42中通过的电流也将发生变化,即第一模拟控制模块41、第二模拟控制模块42的流经电流分别与机器以及驾驶人输入转矩的大小存在对应关系,利用这种对应关系,进行标定试验,利用电流表测量第一模拟控制模块41、第二模拟控制模块42的流经电流;

第四步、以第一模拟控制模块41的流经电流与机器输入转矩的关系标定拟合,具体过程如下:

实验标定获得n组第一模拟控制模块41的流经电流x与机器输入转矩y数据:

采用广义回归神经网络来拟合对应的关系,广义回归神经网络由四层构成,分别为输入层、模式层、求和层和输出层,网络的输入为x=[x1,x2,...,xn]t,其输出为y=[y1,y2,...,yn]t

输入层:输入层各神经元是简单的分布单元,直接将输入变量传递给模式层;

模式层:模式层神经元数目等于学习样本的数目d,各神经元对应不同的学习样本,模式层神经元传递函数采用径向基函数:

模式层神经元i的输出为输入变量与其样本x之间euclid距离平方的指数平方形式;

euclid距离公式:

其中,x为网络输入量,xi为第i个神经元对应的学习样本;

求和层:采用下公式对所有模式层的神经元进行加权求和:

其中,pi=h(xi),j=1,2,...,k;

模式层中第i个神经元与求和层中第j个分子求和神经元之间的连接权值为第i个输出样本yi的第j个元素;

特殊地,当模式层与神经元的连接权值为1,传递函数为:

输出层:输出层的神经元数目等于学习样本中输出向量的维数k,各神经元将求和层的输出相除,神经元的输出对应广义回归神经网络输出的估计结果,即:

经过反复调试,为使模型精度达到最佳,广义回归神经网络模型中的光滑因子σ取值为0.1,进而,基于训练完成的广义回归神经网络模型对第一模拟控制模块41的流经电流x与机器输入转矩y的关系进行拟合,并将训练好的模型预先存入第一模拟控制模块41中,此后,向第一模拟控制模块41中送入电流x信号后,第一模拟控制模块41即可通过预先存储的广义回归神经网络模型计算得到对应的机器输入转矩y信号;

第五步、采用第四步中同样的步骤能够得到第二模拟控制模块42的流经电流与驾驶人输入转矩的大小存在对应关系,并将基于训练完成的广义回归神经网络模型对第二模拟控制模块42的流经电流与驾驶人输入转矩的关系进行拟合的拟合模型预先存入第二模拟控制模块42中,此后,向第二模拟控制模块42中送入电流信号后,第二模拟控制模块42即可通过预先存储的广义回归神经网络模型计算得到对应的驾驶人输入转矩信号;

第六步、将得到的机器输入转矩大小信号以及驾驶人输入转矩大小信号为后期的人机数据分析、人机共驾关键共性机理的研究提供基础支撑。

本发明的工作原理:

本发明提供了一种用于人机共驾系统的转矩测量、耦合装置及方法,转矩合成的输入来自于以下的两个方面:

一方面,驾驶人的转向操作通过第二转矩输入轴14进行输入,第二转矩输入轴14的旋转运动依次通过第二压感器15传递到右锥齿轮23进而实现右锥齿轮23的旋转运动,至此实现了驾驶人转矩的输入;

另外一方面,在控制器7的控制作用下,电动机5的转矩通过输出轴9进行输出,进而传递到第一齿轮2,使第一齿轮2驱使齿条4进行直线运动,齿条4的直线运动转化成第二齿轮3的旋转运动。第二齿轮3的旋转运动经第一转矩输入轴12和减速器19通过第一压感器13传递到左锥齿轮21进而实现左锥齿轮21的旋转运动,至此实现了机器转矩的输入;

来自驾驶人以及机器的转矩输入使得右锥齿轮22以及左锥齿轮21进行旋转运动,右锥齿轮22以及左锥齿轮21的齿端上部及下部分别与上锥齿轮23、下锥齿轮24进行啮合配合,所述的上锥齿轮23和下锥齿轮24分别固定在驱动机构上的固定轴25的上部和下部,固定轴25的两端延外齿圈6的径向与外齿圈6的内周焊接固定,进而在右锥齿轮22以及左锥齿轮21的运动输入下,上锥齿轮23、下锥齿轮24在围绕固定轴25的轴心线转动(自转)的同时也进行着围绕右锥齿轮22以及左锥齿轮21的轴心线转动(公转),进而通过固定轴25带动外齿圈6的转动。外齿圈6的转动通过第三齿轮26传递到凸轮29,凸轮29的外周与滚轮30的外周相抵靠配合,由于凸轮29本身的特殊形状,在凸轮29的回转过程中,滚轮30的位置会随之变化,进而通过连杆31将位移输入到弹簧筒33内的回位弹簧34,弹簧筒33内的回位弹簧34为本装置提供力感的模拟作用。

所述的第一压感器13和第二压感器15能够实现对转矩的测量,具体原理如下:

当电动机5通过第一转矩输入轴12进行转矩输入时,布置在第一转矩输入轴12上的第一压感器13内部的压敏电阻43会承受到相应的压力作用,压敏电阻43是一种能够将机械力转换为电信号的元件,它是利用半导体材料的压力电阻效应制成的,压敏电阻43的电阻值随外加力的增加而减小,当电动机5的输入转矩越大,第一压感器13内部的压敏电阻43承受到相应的压力作用越大,此时,压敏电阻43的电阻会越小;

驾驶人输入转矩:当驾驶人通过第二转矩输入轴14进行转矩输入时,布置在第二转矩输入轴14上的第二压感器15内部的压敏电阻43会承受到相应的压力作用,当驾驶人的输入转矩越大,压敏电阻43承受到相应的压力作用越大,由于压敏电阻43的自身特性,当其受到压力越大时,其表现的电阻会越小;

当第一压感器13和第二压感器15内部的压敏电阻43的阻值随着驾驶人以及电动机5的转矩输入大小产生变化的同时,分析仪8中的第一模拟控制模块41和第二模拟控制模块42中通过的电流也将发生变化,即第一模拟控制模块41、第二模拟控制模块42的流经电流分别与机器以及驾驶人输入转矩的大小存在对应关系,利用这种对应关系,进行标定试验,利用电流表测量第一模拟控制模块41、第二模拟控制模块42的流经电流;

训练对应的广义回归神经网络模型来拟合第一模拟控制模块41的流经电流与机器输入转矩以及第二模拟控制模块42的流经电流驾驶人输入转矩之间的关系,并分别预存于第一模拟控制模块41、第二模拟控制模块42中。此后,向第一模拟控制模块41、第二模拟控制模块42中送入电流信号后,第一模拟控制模块41、第二模拟控制模块42即可通过预先存储的广义回归神经网络模型计算得到对应的机器输入转矩以及驾驶人输入转矩的大小信号。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1