车辆半主动悬架神经网络控制研究

建立了车辆半主动悬架的1／4车辆模型，研究中主要以车身垂直加速度为主要控制目标。在仿真研究阶段，以白噪声、正弦渡和锯齿波为路面激励；与被动悬架进行对比分析了车身加速度、悬架动挠度、车轮动载荷三项指标，通过对振动响应量的均方根值分析，可以得出半主动悬架优于被动悬架，其中神经网络控制效果最好，表明神经网络自适应控制策略应用于丰主动悬架控制是可行的和有效的。     

汽车悬架路面自适应半主动控制研究

提出一种新的路面自适应半主动控制律。该控制律在簧载质量和非簧载质量的速度反馈上引入了时变的反馈增益，该反馈增益随路面激励主导频率的变化而实时调整。仿真结果表明，路面自适应半主动控制律可获得优良的悬架性能。     

半主动悬架自适应模糊神经网络控制的研究

提出了一种半主动悬架系统自适应模糊神经网络控制方法。该方法采用径向基神经网络作为辨识器,模糊神经网络作为控制器,根据辨识器提供的雅可比信息和汽车自身运行状态在线调整控制器参数,以达到自适应减振控制。最后以我国常见的B级路面为激励信号用Matlab进行计算机仿真,并与被动悬架和目前已有的模糊控制方法进行对比,结果证明了该控制方法能够明显地改善舒适性,而且改善的幅度又要明显地优于现有的模糊控制方法。     

自适应磁流变悬架半主动控制研究

针对目前应用于汽车悬架系统的磁流变减振器工作时需要外部电源和控制设备的问题,设计了一种新型磁流变减振器,该减振器在无需外部电源和控制设备的条件下实现了对振动的自适应控制。研究了该减振器的结构特征和电能收集理论模型,并进行了模拟仿真。利用该减振器构建了无需外部电源和控制设备的汽车自适应磁流变悬架半主动控制系统,在1/4悬架实验台上进行了实验研究,实验结果表明,该控制系统是可行的,明显提高了汽车行驶的平顺性。     

汽车半主动悬架系统神经网络模型研究

基于磁流变减振器的汽车悬架系统具有明显的滞后非线性,系统中的非线性阻尼和非线性刚度等对其动力学行为产生了很大的影响。本文利用系统识别理论建立了磁流变减振器的神经网络模型,该模型可根据半主动悬架系统的控制力求得控制电流,具有良好的辩识能力。     

基于磁流变减振器的汽车半主动悬架非线性控制方法

考虑磁流变减振器阻尼力和悬架弹性元件非线性特性,建立车辆半主动悬架非线性动力学模型。应用微分几何非线性控制,经过适当的非线性状态和反馈变换,实现半主动悬架非线性系统的精确线性化,并对系统实施非线性状态反馈控制;根据预定的控制目标及模糊控制策略调节控制参数,设计模糊控制器,对悬架系统进行了控制仿真研究;利用神经网络模式识别能力对输入数据处理辨别,设计控制网络层,从而达到提高悬架工作性能,改善汽车行驶舒适性的目的。将三种非线性控制方法的仿真结果进行分析比较表明:经模糊控制或神经网络控制后的悬架承受的冲击响应小、振动强度低,比微分几何控制能获得更优异的性能。     

基于自适应模糊的汽车半主动悬架容错控制

半主动悬架可以自适应调节阻尼器的阻尼力,具有良好的可控性.针对半主动悬架的增益故障,提出了基于自适应模糊控制的汽车半主动悬架容错控制.在分析汽车半主动悬架阻尼器输入输出特性的基础上,建立了阻尼器发生增益故障时的故障悬架模型,设计了未知输入观测器对阻尼器增益故障进行故障诊断.基于自适应模糊控制对汽车半主动悬架系统阻尼器增...     

汽车磁流变半主动悬架反步自适应控制研究

针对1/2车4自由度汽车震动模型和磁流变阻尼器力学简化模型,提出了汽车半主动悬架系统的自适应Backstepping控制器设计方法。该方法所设计的控制器能自动调节控制器参数,以适应汽车悬架系统中某些参数在一定范围内的变化。仿真结果表明,与被动悬架相比,所设计的控制器不仅增加了悬架系统的快速稳定性,而且汽车的平顺性也得到了明显改善。     

车辆半主动悬架神经网络自适应控制研究

文中提出了一种汽车半主动悬架系统的神经网络自适应控制方法,用车身垂直加速度作为主要控制目标,以提高车辆行驶的平顺性,同时在仿真控制研究中兼顾悬架动挠度和车轮动载荷的变化,以提高车辆行驶安全性和操纵稳定性,通过仿真计算和分析验证了其可行性和有效性.     

基于神经网络的半主动悬架自适应模糊控制研究

在建立了五自由度车辆半主动悬架系统模型的基础上，将神经网络与模糊控制结合起来，提出一种基于神经网络的自适应模糊控制半主动悬架系统，其控制器由模糊神经网络控制器和模糊网络组成，采用快速的变斜率梯度下降算法学习，具有自适应学习功能。仿真计算表明，与被动悬架相比，神经网络自适应模糊控制性能明显优于一般的Fuzzy控制，半主动悬架系统在减小振动，提高车辆平顺性方面优于被动悬架，且车轮动载荷和悬架动挠度也得到明显改善。台架试验同样表明了半主动悬架的优良减振性能。     

WHEELBASE PREVIEW OPTIMAL CONTROL FOR ACTIVE VEHICLE SUSPENSIONS

ＷＨＥＥＬＢＡＳＥＰＲＥＶＩＥＷＯＰＴＩＭＡＬＣＯＮＴＲＯＬＦＯＲＡＣＴＩＶＥＶＥＨＩＣＬＥＳＵＳＰＥＮＳＩＯＮＳＹｕＦａｎＮａｔｉｏｎａｌＡｕｔｏｍｏｂｉｌｅＤｙｎａｍｉｃＳｉｍｕｌａｔｉｏｎＬａｂＪｉｌｉｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏ...     

基于自适应控制的双电动机同步传动控制技术的研究

双电动机同步传动是龙门移动式镗铣加工中心的关键环节。采用自适应控制技术，通过检测从动轴状态和主动轴状态之间的误差，经过自适应律产生的反馈作用来修改主动轴和从动轴控制器的参数，产生辅助控制量，使其在速度上保持一致。驱动元件采用直线永磁伺服电动机，以发挥其高速动态响应能力。仿真结果表明，此种控制方案具有鲁棒性强、同步误差小的优点。     

车辆半主动悬挂开关控制特性的研究

研究了车辆半主动悬挂在速度反馈开关控制模式下的控制规律及系统幅频特性。通过仿真计算,对不同阻尼控制规律下系统的幅频特性进行了对比;分析了在单自由度半主动悬挂模型中的开关颤振现象及其原因;提出了以减振器的相对速度为反馈信号的能避免颤振的控制规律,简单且易于实现。     

基于多体模型的汽车半主动悬架控制方法研究

针对半主动悬架控制中的两个重要问题——系统模型的建立和控制策略的确定进行了深入的研究,建立了汽车的多体动力学方程,提出了半主动悬架模糊神经网络控制方法,设计了控制系统,应用遗传算法优化了控制器的参数和结构,用基于变尺度的BFGS算法优化神经网络权值,在仿真研究的基础上进行了试验研究,结果表明提出的方法能明显改善悬架性能。     

基于神经网络的旋转机械故障诊断研究

一般对特定的基于多层感知的故障诊断问题,很难确定神经网络的结构,在分析了多层感知器对故障的识别和诊断能力后,采用由小到大和由大一小的方法确定神经网络隐层数与隐层单元数。     

SLIDING MODE CONTROL FOR ACTIVE AUTOMOBILE SUSPENSIONS

ＳＬＩＤＩＮＧＭＯＤＥＣＯＮＴＲＯＬＦＯＲＡＣＴＩＶＥＡＵＴＯＭＯＢＩＬＥＳＵＳＰＥＮＳＩＯＮＳ①ＺｈａｎｇＪｉａｎｗｕＬｉｕＸｉｎｌｉａｎｇＳｈａｎｇｈａｉＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙＡｂｓｔｒａｃｔＮｏｎｌｉｎｅａｒｃｏｎｔｒｏｌｍｅｔｈ...     

基于人工神经网络的结构零件可靠度仿真方法

提出结构零件可靠度计算的人工神经网络－蒙特卡罗仿真算法,针对结构零件可行度计算问题,利用有限元计算方法,得到一组结构输入基本变量及输出响应数据,采用人工神经网络后向传播ＢＰ模型,建立结构的输入－输出关系,在该模型上,用Ｍｏｎｔｅ Ｃａｒｌｏ方法进行结构零件可靠度仿真计算。算例表明,该方法正确可行。     

半主动悬架系统设计及控制

在对可调阻尼减振器试验基础上,建立了半主动悬架非线性模型,并与线性模型进行了对比分析,采用间接学习的神经网络反馈控制方法,根据半主动悬架性能评价函数的要求直接调整神经网络的权值,收敛快。仿真试验表明,由该模型构建的半主动悬架控制规则易于实现,控制效果更为显著。     

基于自学习模糊神经网络AMT车辆巡航控制

利用模糊神经网络在不能获得精确数学模型的非线性系统中能够达到最优控制的特性 ,建立了车辆巡航模糊神经网络控制模型 ,并对其离线训练后应用于装有机械式自动变速器桑塔纳 2 0 0 0型轿车进行巡航控制道路试验 ,取得满意效果。