文章针对某款车型在设计阶段的排气系统噪声与背压及结构设计研究,主要是对噪声与背压及结构匹配优化设计;首先利用GT-power建立排气消声元件模型,分析消声器消声能力;在利用STAR-CCM+软件进行排气系统背压分析,通过背压与噪声消声能力对比研究,选择满足背压要求的最优排气系统消声器方案,来做为设计冻结的消声器方案;同时也能够研究排气系统背压和消声器结构对排气噪声的影响。 变模型预测控制算法的低速直线轨迹跟踪控制效果验证,该文采用Matlab/Simulink搭建基于运动学模型的线性时变模型预测控制算法,通过实际曲线与理想曲线仿真对比分析,从而有效证明该控制算法能够保证无人驾驶车辆在一定工况下具有良好的稳定性和安全性,为无人驾驶车辆轨迹跟踪控制算法的研究奠定了一定的基础。：基于MPC的无人驾驶车辆的轨迹跟踪55为20s。2.2低速运动学模型线性化处理由于控制目标是无人驾驶车辆在低速情况下的跟踪控制，本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name因此考虑以车辆运动学方程作为预测模型，车辆的轨迹跟踪-数控滚圆机滚弧机张家港钢管滚圆机折弯机滚弧机低速情况下的车辆运动学方程形式如下[5]：（16）对其进行线性化，得到线性时变模型为：（17）式中，各矩阵和状态变量为：然后按照线性时变模型预测控制原理步骤编译轨迹跟踪程序对轨迹跟踪过程进行仿真，得到仿真结果如图1-图4所示。2.3仿真结果由图1可以看出实际轨迹从原点出发能够跟踪上真实直线轨迹y=3；由图2和图3可知，车辆的横向、纵向位移和前轮偏角均能很好的跟踪理想轨迹，最终达到稳定状态；由图4可知，无人驾驶的控制量纵向速度和角速度均能最终达到稳定的状态。图1跟踪理想轨迹的实际运行结果图2系统状态量随时间变化图3状态量偏差随时间变化图4控制量随时间变化3结论建立的线性时变模型预测控制算法能够有效的实时跟踪车辆行驶轨迹，无人驾驶的状态量和控制量均能很好的反映出来车辆在跟踪过程中，无人驾驶车辆实际状态量均能实时跟踪理想的状态量实时状态变化，达到稳定状态，控制量也经过一定变化达到最终的稳定状态，这说明在低速跟踪过程中，线性时变模型预测控制算法能够实时跟踪车辆的行驶轨迹，并且保证车辆行驶过程中的实时性和稳定性车辆的轨迹跟踪-数控滚圆机滚弧机张家港钢管滚圆机折弯机滚弧机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name