基于遗传算法的车辆座椅悬架最优控制器的应用

常规LQG控制器在车辆座椅主动悬架应用中,存在权值矩阵确定的问题。设计了一种基于遗传算法优化LQG权值矩阵的方法。该方法利用遗传算法的全局优化算法,以主动座椅悬架性能指标为目标函数对权值矩阵进行优化设计,并在Matlab/Simulink环境下建立了系统模型并进行仿真模拟。仿真结果表明:基于遗传算法优化的LQG控制器能够解决了最优控制器中存在的权值确定问题,提高悬架的设计效率,同时对于乘坐舒适性的改善有良好的效果。     

基于遗传算法优化的汽车主动悬架LQG控制器的设计

常规线性二次最优控制器在汽车主动悬架应用中,存在权值矩阵确定的问题。设计了一种基于遗传算法优化控制器权值矩阵的方法。利用遗传算法的全局优化算法,以主动悬架性能指标为目标函数对权值矩阵进行优化设计,提高了控制器的设计效率和控制性能。应用该方法进行了汽车悬架主动控制仿真。研究结果表明:基于遗传算法优化的LQG控制器的汽车主动悬架相对于应用常规控制器的主动悬架和被动悬架,能够大大改善主动悬架的性能。同时在充分利用常规线性二次最优控制器优势的基础上,解决了其权值矩阵确定存在的问题。     

基于遗传整定的主动悬架模糊PID控制设计

针对车辆主动悬架模糊PID控制设计,提出了一种利用遗传算法整定模糊PID增益系数的方法。基于二自由度的1/4车辆模型,根据模糊控制原理和PID控制方法,设计了主动悬架的模糊PID控制器。利用具有全局寻优能力的遗传算法,以悬架二次型性能指标为目标函数,采用适应性比例法确定选择概率,整定了模糊PID的增益系数。优化结果表明,整定后的模糊PID控制主动悬架相对被动悬架综合性能良好,说明了提出的方法是有效的,对模糊PID控制设计具有重要的参考价值。     

汽车主动悬架多点预瞄控制算法设计

设计了一种多点预瞄控制算法，并将该算法应用于具有主动悬架系统的二分之一车辆模型中。采用Pade近似算法描述路面多点预瞄信息，基于最优控制理论，对带有多点预瞄的悬架控制力进行了优化设计。在MATLAB／Simulink环境下，进行了车辆系统仿真，仿真结果显示，带有多点预瞄控制算法的车辆具有优良的行驶性能。对影响预瞄控制算法的主要参数（如顶瞄加权系数和预瞄距离等）进行了讨论。     

基于线性递减权值PSO算法优化LQR控制的主动悬架性能研究

针对车辆主动悬架线性二次型调节器(Linear Quadratic Regulator, LQR)控制中权重系数的取值具有主观性,且适应度较低的问题,提出使用粒子群优化(PSO)算法优化LQR控制器,使LQR控制器的权重矩阵得到最优结果。为验证此方法的有效性,以汽车主动悬架作为被控对象,设计了PSO算法优化LQR控制器,利用PSO算法的全局搜索能力,以主动悬架的性能指标作为目标函数对权重矩阵进行优化设计,以提高LQR控制器的设计效率和性能。通过仿真对比了LQR控制的主动悬架、固定权值PSO算法优化后的LQR控制的主动悬架和基于线性递减权值PSO算法优化LQR控制主动悬架的各项性能参数,并且针对固定权值PSO算法收敛速度慢的特点,进行优化,确定使用线性递减权值PSO算法可以提高收敛速度。最终实验结果表明基于固定权值PSO算法优化后的LQR相较于单纯LQR控制的主动悬架,其车身垂向加速度、悬架动行程及轮胎动位移这3个性能指标得到降低;基于线性递减权值PSO算法优化后的LQR控制的主动悬架的各项性能指标在固定权值PSO算法优化的基础上,可再次优化车身垂向加速度、悬架动行程及轮胎动位移这3个性...     

基于AHP-GA的整车主动悬架LQG控制器设计

为提高驾驶员的乘坐舒适性,建立了考虑座椅振动的8自由度整车动力学模型,基于最优控制理论,设计了以主动悬架性能指标为目标函数的LQG控制器。利用层次分析法(Analytic Hierarchy Process,AHP)定性分析与遗传算法(Genetic Algorithm,GA)全局优化的特点,结合这2种算法确定各性能指标的加权系数,在Matlab/Simulink软件中建立主、被动悬架模型并进行仿真分析。结果表明,与被动悬架相比,采用2种算法相结合得到的主动悬架提高了整车性能,尤其是驾驶员的乘坐舒适性;与采用单一层次分析法相比,2种算法的结合进一步改善了整车主动悬架的性能,同时验证了层次分析法中参数选定的合理性。     

基于遗传算法的汽车主动悬架控制器优化设计

针对LQR方法设计主动悬架控制器存在的不足,研究遗传算法与LQR方法结合优化汽车主动悬架控制器的设计。建立汽车半车模型的动力学方程,应用随机线性最优控制理论设计车辆主动悬架LQR控制器,并在Matlab/Simulink环境中实现该控制器的数值仿真,根据仿真结果运用遗传算法对控制器性能参数进行优化。对优化控制器的仿真结果进行时域和频域分析,结果表明:遗传算法与LQR方法相结合,能较快收敛到最优解;优化的主动悬架控制器可以较好地改善车辆舒适性。     

视觉导航智能车辆横向运动的自适应预瞄控制

车道保持系统中车辆横向运动控制应模拟驾驶员的横向操纵行为,驾驶员根据前方道路曲率及车辆速度适时调节预瞄距离,以获得理想的路径跟踪性能。首先,以车辆二自由度动力学模型及车辆道路几何位置关系为基础,建立车-路横向动力学模型。其次,基于单点预瞄最优曲率模型设计侧向加速度PD跟踪控制器,联立车-路横向动力学模型构建横向控制闭环系统,分析预瞄距离、车速、道路曲率的变化对系统响应的影响。最后,设计模糊控制器对预瞄距离进行模糊选择以提高车辆横向控制精度和减小侧向加速度,采用遗传算法对模糊规则进行优化以使横向控制系统性能达到最优。试验表明,相对固定预瞄控制方法,自适应预瞄减小了车辆侧向加速度,且道路跟踪的方向偏差和距离偏差均得到减小。     

轴距预瞄的车辆主动悬架多目标控制与仿真

当前,车辆行驶过程中容易受到障碍物干扰,产生振动较大,从而影响乘坐的舒适性.对此,采取轴距预瞄系统控制车辆行驶产生的波动幅度.构造了4自由度1/2车辆模型简图,采用静态输出反馈设计轴距预瞄控制器,定义了H_∞范数和广义H_2范数,引用了迭代线性矩阵不等式和锥补线性化算法,说明闭环控制系统的稳定性.设置车辆轴距预瞄系统多目标控制的仿真参数,在Matlab/Simulink环境下进行仿真,与无轴距预瞄控制系统的仿真结果进行对比.仿真结果显示,与无轴距预瞄系统相比,有轴距预瞄控制系统的加速度和角加速度峰值分别降低了48.6%和59.3%,而且车辆整体振动幅度明显降低.采用轴距预瞄控制汽车主动悬架系统,可以提高车辆乘坐的舒适性.     

基于序关系分析法的车辆主动悬架控制器仿真研究

基于序关系分析法(G1法)进行了车辆主动悬架线性二次型高斯(Linear Quadratic Gaussian,LQG)最优控制器设计.首先对单轮车辆的主被动悬架进行数学建模,确定了系统输入信号模型;其次运用动力学知识建立了系统运动状态空间方程,并结合最优控制理论完成了最优线性控制器设计;结合序关系分析法确定了主被动悬架各性能指标系数的加权系数;最后在Simulink中对模型进行了对比仿真.仿真结果表明,在给定路况下,运用序关系分析法确定合适的权重值,优化了车身加速度、悬架动行程和轮胎动位移,较好地改善了车辆的综合性能,并且将主动控制力控制在了要求范围内.     

典型路面的车辆悬架预瞄控制系统研究

针对车辆通过典型路面时悬架控制系统的延迟问题,通过系统建模和机器视觉的方法研究了一种采用完全预瞄的悬架控制系统.该系统首先基于OpenCV对前方典型路面进行检测,通过对典型路面特征的识别、跟踪和测距完成预瞄操作,并融合车辆实时信息对悬架进行理想化控制.通过试验结果表明,基于视觉处理的预瞄方法可以准确检测典型路面的特征信息,采用预瞄后的悬架控制系统可以使悬架发挥更优的减振性能.在特定情况下解决了悬架控制系统的响应时间延迟问题.     

主动悬架LQR控制加权系数多目标遗传算法优化

对多目标遗传算法NSGA-Ⅱ进行了改进,提出了基于改进NSGA-Ⅱ算法的主动悬架LQR控制加权系数设计方法。仿真结果表明,多目标遗传算法一次运行可以获得多组Pareto最优的性能指标加权系数,设计者可以根据偏好选择最终的满意解,避免了现有加权系数选择方法存在的主观性和盲目性。     

遗传算法优化的非线性悬架系统仿真研究

以四分之一汽车模型为研究对象,通过线性减振弹簧构建非线性Duffing振子,提出一种切实可行的非线性悬架系统构建方法。利用增维精细积分法求解非线性悬架系统动力学模型;以车身总加权加速度均方根值最小为优化目标,汽车偏频取值为约束条件,建立非线性悬架系统的优化模型,引入遗传算法,确定非线性悬架最优的弹簧刚度和阻尼系数;进行SIMULINK仿真,对比非线性悬架系统相与传统线性悬架系统的减振效果,进一步证明了所构建的非线性悬架系统的可行性和优越性,为非线性悬架方面的研究提供了一种新方法。     

轮边驱动电动汽车主动悬架LQG控制仿真研究

为了提高轮边驱动电动汽车的行驶平顺性,以车轮减振型轮边驱动系统作为研究对象,在其基础上设计不同的主动悬架布置方案。首先建立1/4车辆主、被动悬架动力学模型;然后采用最优控制理论设计车辆主动悬架LQG控制器,并基于层次分析法确定车辆各性能评价指标加权系数;最后在MATLAB/Simulink软件中建立仿真模型并进行仿真分析。仿真分析结果表明,相比于被动悬架,主动悬架两种布置方案均能有效地提高汽车行驶平顺性,综合考虑车辆各性能评价指标的改善效果,主动悬架布置方案二优于布置方案一。     

广义执行器馈能主动悬架研究

为实现车辆悬架的主动控制以及悬架振动能量的回收,提出一种基于广义执行器的馈能主动悬架。研究电磁式、液电式、气压式三种常见馈能主动悬架的特点,忽略馈能主动悬架模型的物理意义,从数学角度对广义执行器的广义功/能以及广义力进行分析,建立统一的简洁的数学模型。结合LQR和遗传算法(GA)设计控制器,实现振动能量回收,改善车辆平顺性。仿真结果表明,基于广义执行器模型的馈能主动悬架,能够改善车辆的平顺性,并且能获得15%以上的馈能效率。     

基于预瞄最优曲率模型的大曲率转向控制方法

针对自主车辆的大曲率转向控制问题,研究拟人转向控制模型。模仿驾驶员对预瞄点运动状态的判断,采用2个并联的模糊控制器,分别估计预瞄偏差角和偏差距离对转向意愿的判断。以道路曲率半径作为约束,利用杠杆原理对并联控制器的输出进行决策,获得期望的方向盘转角。双移线和直角弯2种道路仿真结果表明:基于预瞄最优曲率模型的大曲率转向控制方法能有效地控制车辆轨迹,运动过程平稳,适用于大曲率转向控制。     

优化PID与神经PID控制主动悬架的性能对比研究

为主动悬架选择一种更可行的控制方法,对PID与神经PID控制主动悬架进行了优化后的性能对比研究。基于1/4车二自由度主动悬架模型,利用遗传算法以悬架二次型性能指标为目标函数,分别对PID控制主动悬架的增益系数与神经PID控制主动悬架的初始权值和学习效率进行了优化。优化结果显示:优化后的PID控制主动悬架的综合性能较神经PID控制主动悬架略优。出现上述结果的原因在于:当神经PID控制主动悬架的学习效率等于零时则退化成PID控制主动悬架,学习效率不等于零则导致神经PID控制主动悬架的实时PID权值偏离了最优的PID权值。此外凸块路面输入下的仿真也显示优化PID的鲁棒性也略优于优化神经PID。因此,选择算法较复杂的神经PID对主动悬架进行控制是没有必要的。     

基于车辆操纵稳定性及平顺性的底盘多目标优化

利用多体动力学软件ADAMS/CAR建立某轿车整车多体动力学模型。以悬架弹簧刚度和减振器阻尼系数作为设计变量,采用多目标遗传算法对车辆操纵稳定性及平顺性进行多目标优化。从优化得到的一组Pareto解集中获取最优解,结果表明该方法能有效优化汽车的操纵稳定性和行驶平顺性。     

汽车主动悬架的最优控制分析

汽车主动悬架的最优控制研究,首要的问题是建立车辆的1/4主动悬架模型。通过对车辆1/4悬架模型进行数学建模分析,利用最优控制理论求解目标性能函数,并设计最优控制器,利用MATLAB下的模块SIMULINK进行仿真得出性能数据,通过比较得出,运用最优控制的主动悬架的各项性能都比被动悬架提高较多。说明最优控制方法在主动悬架设计中有良好的作用。该设计从数学建模到最优设计以及最后的仿真数值分析具有一定的实际参考价值。     

基于遗传算法优化的汽车半主动悬架PID控制仿真研究

PID控制器在汽车半主动悬架应用中存在参数确定的问题,针对这一问题设计了一种基于遗传算法优化整定PID参数的方法.该方法利用遗传算法的全局优化能力,以半主动悬架的性能指标为目标函数对PID参数进行优化设计.应用该方法进行汽车半主动悬架平顺性仿真.仿真结果表明,基于遗传算法优化的PID控制器的汽车半主动悬架相对于PID控制主动悬架以及被动悬架而言,改善了车身垂向加速度和悬架动行程.同时在充分利用PID控制器优势的基础上,改善了其参数确定过程中存在的问题.