CN116540564A - 一种基于ros和半实物仿真的轨道检测机器人仿真方法 - Google Patents
一种基于ros和半实物仿真的轨道检测机器人仿真方法 Download PDFInfo
- Publication number
- CN116540564A CN116540564A CN202310607273.1A CN202310607273A CN116540564A CN 116540564 A CN116540564 A CN 116540564A CN 202310607273 A CN202310607273 A CN 202310607273A CN 116540564 A CN116540564 A CN 116540564A
- Authority
- CN
- China
- Prior art keywords
- simulation
- robot
- detection
- track
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 98
- 238000001514 detection method Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005096 rolling process Methods 0.000 claims abstract description 4
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 5
- 230000009194 climbing Effects 0.000 abstract description 3
- 230000007547 defect Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 238000012827 research and development Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明涉及一种基于ROS和半实物仿真的轨道检测机器人仿真方法，包括进行轨道检测机器人转动惯量和角度空间参数建模，通过SDF文件描述以精确机器人的动力仿真细节；进行轨道环境仿真，将包含钢轨滚动摩擦参数的SDF模型导入Gazebo中进行仿真；安装虚拟IMU传感器，实时接收仿真传感器发送的速度信号并传输到OneDrive中，OneDrive将接收到的信号转换为PWM波控制直流电机，并展示在Rviz中；通过仿真相机实时拍摄仿真轨道板裂纹信息图像并通过网络模型对图像进行检测后将检测结果在Rviz中显示。本发明在仿真环境中可以快速验证轨道检测机器人在道岔以及爬坡时的动力学性能，节省了装配与制造的时间成本。
Description
技术领域
本发明涉及智能制造技术领域，尤其涉及一种基于ROS和半实物仿真的轨道检测机器人仿真方法。
背景技术
近年来，随着铁路里程的快速增长和检测技术的进步，轨道检测机器人的研发需求也越来越迫切，但是，随着对检测手段的深入研究，传统的轨道检测机器人全实物研发方式已经不能满足轨道检测机器人快速迭代和升级的需求；在以机器人行业等试验设备为科研主体的实践中已经逐渐显露出因实验设备限制产生的诸多弊端，如高压直流电机操作的人身安全隐患、极端工作环境对实验设备产生的损伤等，除此之外，轨道检测机器人的实体制造与装配环节会耗费大量的时间，这无疑增加了科研对于安全和快速的半实物轨道仿真技术的需求。
半实物仿真技术除了在汽车、自动化和通信等领域得到广泛应用以外，目前也已经逐渐运用在轨道列车控制领域中；现有技术一种基于深度学习的车载轨道巡检装置及方法中公开了该方法的图像采集模块包含三个相同型号的线阵相机，三个所述线阵相机固设于巡检小车的前置钢杆上，对轨道状况进行拍摄。同时利用创建好的轨道缺陷库对检测模型进行训练，将满足预设检测精度的检测模型应用到服务器中进行轨道缺陷检测。将设于巡检小车的线阵相机图像输入已训练好的检测模型中进行轨道缺陷的检测，将检测所得的缺陷图像进行保存，以供后期人工复核；检测完成后，输出检测结果并生成检测报告；另有一种列车电传动系统半实物仿真平台，该方法是一种列车电传动系统半实物仿真平台，可满足机车、动车、城轨等不同车型的系统集成测试要求。试验总控系统通过总控软件，在试验总控上位机上，实现对各仿真系统仿真设备及实物控制器的控制，运行自动化测试软件，通过网络、牵引、辅助、制动实时仿真机共用的以太网通讯网络，向实时仿真机发送提前设计的自动化测试脚本，同时访问各实时仿真机，监听实时仿真机接收和发送的信息形成同一个车辆控制网络；同时通过反射内存交换机，将仿真系统中的实时仿真机连接，实现电传动系统被控对象间的信息交互，实现整车级电传动系统的半实物仿真环境搭建。
但是，现有公开方法的实现流程汇总轨道检测装备的实体制造与装配环节会耗费大量的时间和财力，而且现有方法对于半实物仿真并没有涉及复杂区段动力学仿真和虚拟检测仿真方面。
需要说明的是，在上述背景技术部分公开的信息只用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于克服现有技术的缺点，提供了一种基于ROS和半实物仿真的轨道检测机器人仿真方法，解决了现有技术存在的不足。
本发明的目的通过以下技术方案来实现：一种基于ROS和半实物仿真的轨道检测机器人仿真方法，所述仿真方法包括：
S1、进行半实物仿真平台的硬件搭建；
S2、进行轨道检测机器人转动惯量和角度空间参数建模，并通过SDF文件描述以精确机器人的动力仿真细节；
S3、进行轨道环境仿真，将包含钢轨滚动摩擦参数的SDF模型导入Gazebo中进行仿真；
S4、在机器人的前后两侧安装虚拟IMU传感器，实时接收仿真传感器发送的速度信号并传输到OneDrive中，OneDrive将接收到的信号转换为PWM波控制直流电机，让仿真数据实时转换为真实数据，仿真传感器将记录到的轨道检测机器人的加速度和速度图像展示在Rviz中；
S5、通过仿真相机实时拍摄仿真轨道板裂纹信息图像并通过网络模型对图像进行检测后将检测结果在Rviz中显示，实现轨道板裂纹的检测仿真。
所述进行轨道检测机器人转动惯量和角度空间参数建模包括：
设置轨道检测机器人为一个质点，轨道检测机器人沿x轴方向运动过程中沿x轴产生的惯性加速度为同时借助轨道检测机器人的偏航角/>以及轨道检测机器人绕旋转重心产生的向心加速度为/>得到两种共同组合的加速度/>并根据牛顿第二定律转换为/>其中Fxf和Fxr为车辆前后轮毂受到的y轴向的力；
得到在运功过程中使用力矩和转动惯量围绕z轴的力矩平衡方程进而将车辆前轮和后轮的横向力分别表示为Fxf＝2Cαf(δ-θVf)和Fxr＝2Cαf(-θVr)，其中lf和lr表示后轴和前轴到机器人重心的距离，Cαf表示每个轮的侧片刚度，θVf表示速度矢量与车辆纵轴的夹角，θVr表示后轮速度矢量与车辆纵轴的夹角，δ表示前轮转向角；
通过车辆平动产生的沿x轴的速度分量Vx和沿y轴的速度分量Vy，以及前轮绕点C转动产生的线速度和后轮绕点C转动产生的线速度/>得到偏转角分别为和/>通过θVf以及θVr的数值限定轨道机器人运动时的偏转角，增加了轨道检测机器人的在复杂地形下仿真时的运动学细节。
所述通过仿真相机实时拍摄仿真轨道板裂纹信息图像并通过网络模型对图像进行检测后将检测结果在Rviz中显示，实现轨道板裂纹的检测仿真包括：
S501、在轨道检测移动机器人上搭载虚拟的仿真相机，并在虚拟轨道上移动时通过仿真相机实时拍摄仿真轨道板裂纹信息图像；
S502、通过深度学习框架搭建YOLOv5检测环境，并通过CUDA和CUDNN提高检测环境动态检测时的模型推理速度，对图像进行预处理来突出图像特征，通过启动YOLO检测节点，检测节点通过Cv_Bridge将图像消息转换为BGR格式后，进行输入、特征提取以及预测三个阶段对图像进行检测，并将检测结果在Rviz中显示。
所述进行半实物仿真平台的硬件搭建包括：
在实物实验中将无刷直流电机安装在电机支架上，再依次安装增量式编码器、OneDrive控制板和单片机，编码器通过联轴器与电机传动轴固定，OneDrive包含内置的PID控制算法将虚拟传感器发送的速度信号经过调参后再输出到直流电机中。
本发明具有以下优点：一种基于ROS和半实物仿真的轨道检测机器人仿真方法，一方面，在仿真环境中可以快速验证轨道检测机器人在道岔以及爬坡时的动力学性能，节省了装配与制造的时间成本；另一方面，能与硬件层进行交互，辅助轨检机器人控制与设计，协助科研人员利用虚拟轨道环境验证和测试检测模型，减少了实验成本。
附图说明
图1为本发明的架构示意图；
图2为750瓦功率下电机扭矩随坡度变化曲线示意图；
图3为750瓦功率下机器人速度随坡度变化曲线示意图；
图4为轨道板检测场景示意图；
图5为轨道板检测结果示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下结合附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的保护范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。下面结合附图对本发明做进一步的描述。
如图1所示，本发明具体涉及一种基于ROS系统和半实物仿真平台的轨道检测机器人仿真方法，其包括设计半实物仿真平台硬件，建立轨道检测机器人和轨道动力学模型；构建考虑摩擦特性的轨道仿真环境；使用Gazebo下的仿真摄像机和仿真惯性测量单元；完成软件层与硬件层实时通讯，从而实现真实电机与机器人模型的联动；具体包括以下内容：
步骤1、在实物实验中将直流电机安装在电机支架上，再依次安装增量式编码器、OneDrive控制板和ESP32单片机。无刷直流电机由48V直流电源供电，编码器通过联轴器与电机传动轴固定。OneDrive包含内置PID控制算法，将虚拟IMU传感器发送的速度信号经过调参后再输出到直流电机中。
步骤2、进行轨道检测机器人转动惯量、角度空间参数建模。假设轨道检测机器人为一个质点，对轨道检测机器人进行受力分析。
机器人沿x轴方向运动过程中沿x轴产生的惯性加速度为同时借助轨道检测机器人的偏航角/>轨道检测机器人绕旋转重心产生的向心加速度为/>得到两种共同组合的加速度/>并根据牛顿第二定律转换为/>Fxf和Fxr作为前后轮毂受到的y轴向的力，其中借用front和rear来区分作用轮毂的先后，后文参数保持一致；
得到在运功过程中使用力矩和转动惯量围绕z轴的力矩平衡方程进而将车辆前轮和后轮的横向力分别表示为Fxf＝2Cαf(δ-θVf)和Fxr＝2Cαf(-θVr)，其中lf和lr表示后轴和前轴到机器人重心的距离，Cαf表示每个轮的侧片刚度，θVf表示前轮速度矢量与车辆纵轴的夹角，θVr表示后轮速度矢量与车辆纵轴的夹角，δ表示前轮转向角；
通过车辆平动产生的沿x轴的速度分量Vx和沿y轴的速度分量Vy，以及前轮绕点C转动产生的线速度和后轮绕点C转动产生的线速度/>可求得偏转角分别为和/>θVf以及θVr的数值限定轨道机器人运动时的偏转角，增加了轨道检测机器人的在复杂地形下仿真时的运动学细节。
用SDF文件描述以精确机器人的动力仿真细节，具体包括以下内容：轨道检测机器人的SDF描述、机器人模型所包含的虚拟相机的SDF变量结构描述、虚拟传感器SDF描述。
步骤3、进行轨道检测机器人加载环境仿真，将包含钢轨滚动摩擦参数的SDF模型导入Gazebo中进行仿真，在建立道岔模型时不仅仅要设置法向力和摩擦系数，还要设置轮轨表面之间的接触面积，轨道横向与纵向摩擦数学模型在仿真环境中相关参数数学关系有：
其中，T表示由于转动摩擦产生的扭矩，μ表示转动摩擦系数，与钢轨横纵向摩擦系数，N表示接触时的法向力，a表示接触面半径，R表示接触点表面半径，d接触深度。
步骤4、在机器人的前后两侧安装虚拟IMU传感器，实时接收虚拟IMU传感器发布的速度信息并将其输出到OneDrive中。而OneDrive则会将该信息转化为PWM波控制直流电机，从而让仿真情况实时转化为真实情况，虚拟IMU传感器将记录到的轨道检测机器人的加速度和速度图像展示在Rviz中。达到轨道检测机器人的运动学的半实物仿真。
步骤5.1、在轨道检测移动机器人上搭载仿真相机并在虚拟轨道上移动时，用仿真相机实时拍摄仿真轨道板裂纹信息。图片以ROS的图像格式发送到图像话题中。
步骤5.2、用PyTorch-1.10.2深度学习框架搭建YOLOv5检测环境，使用CUDA 11.3和CUDNN 8.2用来提高检测环境动态检测时的模型推理速度。对图像进行包括图像左右翻转、图像平滑、直方图均衡化等预处理，来突出图像特征。图片以ROS的图像格式发送到图像话题中，同时启动YOLO检测节点，通过Cv_Bridge将图像消息转化为BGR格式，YOLO检测节点将检测图像过程划分为输入、特征提取以及预测三个阶段，输入阶段在接收图像并对其进行数据增强，特征提取阶段往往利用预训练的卷积神经网络，提取图像中的重要特征，预测阶段根据特征提取阶段输出的特征图生成不同尺寸的锚框，再利用非极大值抑制去除冗余的预测框，并生成目标的类别。完成对图像进行检测，最后将检测结果在Rviz中显示。达到轨道板裂纹的检测仿真。
(1)动力学仿真结果如下：
对于双电机四轮轨道检测机器人，当电机额定功率在750W时，电机扭矩以及速度变化随坡度变化如下图2和图3所示。通常情况来看，若轨道检测设备由直流无刷电机驱动，则轨道检测机器人的质量应在200Kg以下，此时爬坡能力更强，适应坡度范围在0.02°以上，速度上限在4ms-1以上。
(2)轨道板裂纹检测仿真结果如下：
如图4和图5所示，当轨道检测移动机器人上搭载了仿真相机并在虚拟轨道上移动时，虚拟相机会实时拍摄仿真轨道板的图片。图片以ROS的图像格式发送到图像话题中，此时启动YOLO检测节点，检测节点通过CvBridge将图像消息转化为BGR格式，之后对图像进行检测。
达到了半实物仿真平台对动态裂纹识别检测的要求。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (4)
1.一种基于ROS和半实物仿真的轨道检测机器人仿真方法，其特征在于：所述仿真方法包括：
S1、进行半实物仿真平台的硬件搭建；
S2、进行轨道检测机器人转动惯量和角度空间参数建模，并通过SDF文件描述以精确机器人的动力仿真细节；
S3、进行轨道环境仿真，将包含钢轨滚动摩擦参数的SDF模型导入Gazebo中进行仿真；
S4、在机器人的前后两侧安装虚拟IMU传感器，实时接收仿真传感器发送的速度信号并传输到OneDrive中，OneDrive将接收到的信号转换为PWM波控制直流电机，让仿真数据实时转换为真实数据，仿真传感器将记录到的轨道检测机器人的加速度和速度图像展示在Rviz中；
S5、通过仿真相机实时拍摄仿真轨道板裂纹信息图像并通过网络模型对图像进行检测后将检测结果在Rviz中显示，实现轨道板裂纹的检测仿真。
2.根据权利要求1所述的一种基于ROS和半实物仿真的轨道检测机器人仿真方法，其特征在于：所述进行轨道检测机器人转动惯量和角度空间参数建模包括：
设置轨道检测机器人为一个质点，轨道检测机器人沿x轴方向运动过程中沿x轴产生的惯性加速度为同时借助轨道检测机器人的偏航角/>以及轨道检测机器人绕旋转重心产生的向心加速度为/>得到两种共同组合的加速度/>并根据牛顿第二定律转换为/>其中Fxf和Fxr为车辆前后轮毂受到的y轴向的力；
得到在运功过程中使用力矩和转动惯量围绕z轴的力矩平衡方程进而将车辆前轮和后轮的横向力分别表示为Fxf＝2Cαf(δ-θVf)和Fxr＝2Cαf(-θVr)，其中lf和lr表示后轴和前轴到机器人重心的距离，Cαf表示每个轮的侧片刚度，θVf表示速度矢量与车辆纵轴的夹角，θVr表示后轮速度矢量与车辆纵轴的夹角，δ表示前轮转向角；
通过车辆平动产生的沿x轴的速度分量Vx和沿y轴的速度分量Vy，以及前轮绕点C转动产生的线速度和后轮绕点C转动产生的线速度/>得到偏转角分别为/>和/>通过θVf以及θVr的数值限定轨道机器人运动时的偏转角，增加了轨道检测机器人的在复杂地形下仿真时的运动学细节。
3.根据权利要求1所述的一种基于ROS和半实物仿真的轨道检测机器人仿真方法，其特征在于：所述通过仿真相机实时拍摄仿真轨道板裂纹信息图像并通过网络模型对图像进行检测后将检测结果在Rviz中显示，实现轨道板裂纹的检测仿真包括：
S501、在轨道检测移动机器人上搭载虚拟的仿真相机，并在虚拟轨道上移动时通过仿真相机实时拍摄仿真轨道板裂纹信息图像；
S502、通过深度学习框架搭建YOLOv5检测环境，并通过CUDA和CUDNN提高检测环境动态检测时的模型推理速度，对图像进行预处理来突出图像特征，通过启动YOLO检测节点，检测节点通过Cv_Bridge将图像消息转换为BGR格式后，进行输入、特征提取以及预测三个阶段对图像进行检测，并将检测结果在Rviz中显示。
4.根据权利要求1-3中任意一项所述的一种基于ROS和半实物仿真的轨道检测机器人仿真方法，其特征在于：所述进行半实物仿真平台的硬件搭建包括：
在实物实验中将无刷直流电机安装在电机支架上，再依次安装增量式编码器、OneDrive控制板和单片机，编码器通过联轴器与电机传动轴固定，OneDrive包含内置的PID控制算法将虚拟IMU传感器发送的速度信号经过调参后再输出到直流电机中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310607273.1A CN116540564B (zh) | 2023-05-26 | 2023-05-26 | 一种基于ros和半实物仿真的轨道检测机器人仿真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310607273.1A CN116540564B (zh) | 2023-05-26 | 2023-05-26 | 一种基于ros和半实物仿真的轨道检测机器人仿真方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116540564A true CN116540564A (zh) | 2023-08-04 |
| CN116540564B CN116540564B (zh) | 2024-05-07 |
Family
ID=87445206
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310607273.1A Active CN116540564B (zh) | 2023-05-26 | 2023-05-26 | 一种基于ros和半实物仿真的轨道检测机器人仿真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116540564B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102890451A (zh) * | 2012-09-29 | 2013-01-23 | 浙江大学 | 用于车载控制器测试的半实物仿真平台 |
| US20160171133A1 (en) * | 2013-07-26 | 2016-06-16 | Avl List Gmbh | Method for Performing a Test Run on a Test Bench |
| CN110874064A (zh) * | 2020-01-17 | 2020-03-10 | 西南交通大学 | 一种高速铁路牵引网-多车耦合系统半实物仿真实验系统 |
| CN111859676A (zh) * | 2020-07-23 | 2020-10-30 | 西南交通大学 | 一种针对浮置板轨道钢弹簧损伤的智能检测方法 |
| CN113112501A (zh) * | 2021-05-11 | 2021-07-13 | 上海市东方海事工程技术有限公司 | 一种基于深度学习的车载轨道巡检装置及方法 |
| CN114996982A (zh) * | 2022-08-08 | 2022-09-02 | 西南交通大学 | 一种基于云计算的列车轨道模型的实时仿真系统及方法 |
| CN116068913A (zh) * | 2022-12-29 | 2023-05-05 | 合肥市轨道交通集团有限公司 | 基于全自动无人驾驶模式下综合监控仿真验证系统 |
-
2023
- 2023-05-26 CN CN202310607273.1A patent/CN116540564B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102890451A (zh) * | 2012-09-29 | 2013-01-23 | 浙江大学 | 用于车载控制器测试的半实物仿真平台 |
| US20160171133A1 (en) * | 2013-07-26 | 2016-06-16 | Avl List Gmbh | Method for Performing a Test Run on a Test Bench |
| CN110874064A (zh) * | 2020-01-17 | 2020-03-10 | 西南交通大学 | 一种高速铁路牵引网-多车耦合系统半实物仿真实验系统 |
| CN111859676A (zh) * | 2020-07-23 | 2020-10-30 | 西南交通大学 | 一种针对浮置板轨道钢弹簧损伤的智能检测方法 |
| CN113112501A (zh) * | 2021-05-11 | 2021-07-13 | 上海市东方海事工程技术有限公司 | 一种基于深度学习的车载轨道巡检装置及方法 |
| CN114996982A (zh) * | 2022-08-08 | 2022-09-02 | 西南交通大学 | 一种基于云计算的列车轨道模型的实时仿真系统及方法 |
| CN116068913A (zh) * | 2022-12-29 | 2023-05-05 | 合肥市轨道交通集团有限公司 | 基于全自动无人驾驶模式下综合监控仿真验证系统 |
Non-Patent Citations (3)
| Title |
|---|
| 曾长操 等: "轨道巡检车侧向动力学建模与仿真", 上海交通大学学报, vol. 39, no. 09, pages 1461 - 1464 * |
| 曾长操, 张建武, 李向华: "轨道巡检车侧向动力学建模与仿真", 上海交通大学学报, vol. 39, no. 09, 30 September 2005 (2005-09-30), pages 1461 - 1464 * |
| 陈佳裕: "轨道连接件检测机器人的控制与定位算法研究与实现", 中国优秀硕士学位论文全文数据库 电子期刊, pages 7 - 13 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116540564B (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112526893B (zh) | 一种智能汽车的测试系统 | |
| CN108227492B (zh) | 一种六自由度串联机器人末端负载动力学参数的辨识方法 | |
| US10962445B2 (en) | Method for controlling a load machine during a test run with a drive train and test stand | |
| CN106895981B (zh) | 一种汽车传动系试验台架加速惯量电模拟控制方法 | |
| CN102426425B (zh) | 一种汽车abs虚拟现实仿真系统 | |
| CN112987703A (zh) | 一种实验室内整车在环自动驾驶开发测试系统及方法 | |
| CN104076692A (zh) | 测试系统 | |
| CN109991856A (zh) | 一种机器人驾驶车辆集成协调控制方法 | |
| CN111638654A (zh) | 一种故障自适应的运载火箭智能控制半实物仿真方法 | |
| CN107479402A (zh) | 电制动模拟系统、制动仿真平台及电制动模拟方法 | |
| CN110509276B (zh) | 一种机场跑道检测机器人的运动建模及参数辨识方法 | |
| JP5188428B2 (ja) | 鉄道車両の挙動模擬装置及び挙動模擬方法 | |
| CN116540564B (zh) | 一种基于ros和半实物仿真的轨道检测机器人仿真方法 | |
| Van Gennip | Vehicle dynamic modelling and parameter identification for an autonomous vehicle | |
| CN113885484A (zh) | 车辆智能驾驶及adas测试环境模拟装置、系统和测试方法 | |
| EP3961183A1 (en) | Impact speed control method and apparatus, storage medium and electronic device | |
| US11656153B1 (en) | Simulator for vehicle drivetrain testing | |
| CN110928214A (zh) | 一种基于智能化模拟的列车牵引供电能耗计算系统及方法 | |
| Zeitvogel et al. | An innovative test system for holistic vehicle dynamics testing | |
| Vörös et al. | Small-scale experimental test rig for lateral vehicle control | |
| Bartolozzi et al. | Vehicle simulation model chain for virtual testing of automated driving functions and systems | |
| CN111241724B (zh) | 一种宽体矿用车车架疲劳寿命预测方法 | |
| Sun et al. | Accelerating the Validation of Motion Control for a 4WD4WS Ground Vehicle Using a Hierarchical Controller Hardware-in-the-loop System | |
| Kalantaryardebily et al. | Design and development of a hardware-in-the-loop test platform for powertrain | |
| Buggaveeti | Dynamic modeling and parameter identification of a plug-in hybrid electric vehicle |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |