具有非线性时滞的汽车磁流变悬架系统自适应模糊滑模控制

针对磁流变悬架系统执行器件非线性及其时滞的不确定性,本文提出采用基于自适应模糊逻辑的滑模控制策略。首先基于磁流变减振器试验测试数据建立了能精确描述执行器非线性动力学行为的控制模型,进而建立了具有不确定时滞的磁流变减振器控制模型;基于建立的1/4半主动悬架动力学模型,设计了自适应模糊滑模控制器;作为比较,基于1/4车辆悬架模型还设计了简单滑模控制器;最后进行了仿真分析和道路试验。试验结果表明,基于自适应模糊滑模控制能消除减振器强非线性和不确定时滞的影响,显著提高车辆的平顺性,其控制效果要优于简单滑模控制。     

采用磁流变阻尼器的汽车悬架系统的杂交建模

利用线性回归方法,对磁流变阻尼器阻尼力与速度、加速度间的函数关系作了线性与非线性的区分,采用神经网络对非线性部分进行建模,并结合线性部分构建了磁流变阻尼器的模型。在此基础上,融合汽车悬架的先验知识模型,建立了采用磁流变阻尼器的4自由度1/2车辆半主动悬架系统的杂交模型。最后利用SANTANA 2000型轿车的参数进行仿真,并与基于磁流变阻尼器非线性滞回模型的建模方法作了比较,结果表明:杂交建模方式结构简单、计算量小、模型准确、便于进行系统主要动力学特性的分析。     

考虑系统不确定性的车辆主动悬架自适应模糊滑模控制

针对车辆主动悬架系统模型不确定性所引起的控制稳定性问题,提出了一种非线性主动悬架自适应模糊滑模控制策略。为提高车辆平顺性、确保汽车行驶安全性能,建立基于Takagi-Sugeno(T-S)模糊方法的四分之一车辆悬架系统非线性动力学模型,将滑模控制与自适应理论结合设计合适的滑模面函数和滑模控制律,进而基于Lyapunov稳定性理论对所提出控制器稳定性进行分析。三种不同路面激励下的数值仿真结果表明,所提出的自适应模糊滑模控制器使被控悬架在外界路面扰动下具有更好的扰动抑制能力,车辆悬架综合性能得到明显改善。     

基于T-S模糊模型的主动悬架滑模容错控制器设计

针对主动悬架系统的质量参数不确定性以及作动器出现的随机故障对车辆行驶平顺性和控制稳定性带来的重要影响,该文提出一种基于T-S模糊模型的主动悬架滑模容错控制器设计方法。为了描述悬架参数不确定性,基于T-S模糊模型建立1/4车辆的非线性模型,利用故障调节因子表示作动器故障的大小,进而获得考虑悬架系统质量不确定性和作动器故障的车辆主动悬架控制模型。接着,将滑模控制与自适应理论结合,设计合适的滑模面函数和滑模容错控制律,以达到故障悬架系统的容错控制目的;并基于Lyapunov稳定性理论,对所提出控制器稳定性和悬架系统安全约束性能进行了分析。最后,给出一个仿真算例,验证了所设计控制器的有效性和适用性。     

基于磁流变阻尼器的车辆悬架半主动控制研究--间接自适应控制与实验

在分析磁流变阻尼器车辆悬架非线性特性的基础上，设计了一类神经网络间接自适应控制器，并根据系统的低频特性和作动器的快响应，实现了悬架振动的神经网络实时控制。计算机仿真和悬架实验的结果均表明，神经模拟器能够逼近非线性系统，神经控制器能在时域和频哉内以较高的精度控制悬架系统的振动。     

基以于磁流变阻尼器的车辆悬架半主动控制研究——建模与直接自适应控制

利用磁流变液体的特点，采用磁流变阻尼器实现车辆悬架减振系统的半主动控制，由于磁流变液体的滞回特性及其在固液态之间的转换引起半主动悬架系统强烈和非线特性，为此，设计了神经网络直接自适应控制，仿真表明，由磁流变阻尼器和神经网络相结合实现的车辆悬架半主动控制系统能够较好地提高车辆的行驶平顺性。     

车辆悬架不确定性对行驶平顺性能影响的鲁棒保守性分析

车辆悬架系统中参数不确定性和未建模动态不确定性的存在,使鲁棒控制器的设计显得尤为重要,可是,由于系统设计中对模型不确定性处理的方法问题,导致闭环系统设计的鲁棒保守性增大,进而低估了车辆平顺性的鲁棒性能.通过线性分式变换理论对二自由度车辆主动悬架系统进行混合不确定建模分析,利用混合μ分析方法有效的降低了H∞控制和复数μ综合控制设计鲁棒控制器的保守性,使得车辆主动悬架系统的鲁棒性得到更好的保证.     

基于滑模观测器的车辆半主动座椅悬架系统H∞最优控制

针对考虑人体模型的五自由度半主动座椅悬架系统,提出了一种基于滑模观测器的H_∞最优控制器。由于座椅悬架系统的未建模动态、参数不确定性和作动器未知输入在同一个通道内,所有扰动可视为集总干扰。通过结合低通滤波技术构造辅助变量,建立增广系统设计滑模观测器,成功实现了利用直接可测量加速度信息对集总干扰的估计,进而利用H_∞技术对滑模观测器估计误差和振动输入引起的干扰进行抑制。冲击工况和随机路面激励下的仿真结果表明：(1)滑模观测器能够精确估计座椅悬架系统的未知扰动;(2)带有滑模观测器干扰补偿的H_∞最优控制相较无补偿的H_∞控制和无控制,座椅悬架的性能指标与乘坐舒适性都有明显的改善。     

基于半车解耦的半主动悬架模糊滑模控制

为提高车辆的舒适度,提出基于半车解耦模型的半主动座椅悬架的模糊滑模控制。建立并分析半车悬架系统的动力学模型,通过将其等效变换为两组标准的动力学方程,实现把半车悬架系统解耦成四分之一车悬架系统。基于解耦后的四分之一车悬架系统对含四分之一车的座椅悬架设计模糊滑模控制策略:把天棚阻尼系统作为参考模型,将实际被控系统和参考模型间的动态误差引入到滑动模态中,通过切换函数及其导数的模糊化处理,来抑制滑动模态中抖振现象。并通过比较磁流变阻尼器输出力和模糊滑模控制器(Fuzzy Sliding Mode Controller)解出的期望力的差值,来确定提供给磁流变阻尼器的电压。最后通过与PID、滑模(Sliding Mode Controller)和被动悬架仿真结果的对比,验证该方法对半车座椅悬架系统减振效果具有明显的改善作用。提出的控制方法对于半主动悬架的实际控制具有参考价值。     

磁流变阻尼器座椅悬架的LMS自适应控制研究

为了提高磁流变座椅悬架控制系统的实时性、高效性、简洁性,减小车辆座椅悬架的振动,选用LMS自适应控制算法,将阻尼器的模型与控制算法相结合,并增加道路谱下的实验验证.先对座椅用磁流变阻尼器进行阻尼特性试验,并在此基础上建立阻尼器的双曲正切模型,建立简化的座椅悬架单自由度系统模型,在阻尼器模型的基础上设计了适合磁流变阻尼器座椅悬架的LMS自适应控制算法,并在道路谱下进行了仿真与实验.结果表明,采用LMS自适应控制后的磁流变阻尼器半主动悬架系统相对于被动悬架,仿真时座椅加权加速度均方根值减小35.7%,实验时座椅加权加速度均方根值减小32.8%,算法可有效抑制悬架振动,且控制过程简单,具有较好的实际应用价值.     

基于神经网络混合建模的结构振动滑模控制

将神经网络和标称系统混合建模方法引入到离散滑模控制当中,得到神经网络滑模控制,然后对结构振动进行控制,振动结构为具有不确定性参数的柔性附件,并受到随机外扰作用。离散滑模控制的滑模面是以标称系统为基础,由最优二次型价值函数求解黎卡提方程确定。利用标称模型和神经网络混合建模方法来减小系统的不确定性,达到提高滑模控制在实际控制系统中的控制效果。其中利用前馈神经网络来对不确定部分进行建模。最后通过对滑模控制和神经网络滑模控制进行仿真,结果表明,本文所提出的神经网络滑模控制对具有不确定性参数和随机外扰的柔性结构系统振动的控制效果要优于滑模控制。     

车辆主动悬架的非线性路面自适应控制研究

针对不同的路面状况,提出一种车辆主动悬架的非线性路面自适应控制方法。采用增加高低通非线性滤波器的方法,对以车身垂直加速度和悬架动行程为目标的控制函数进行优化处理,并利用多滑模鲁棒控制方法,设计了一种主动悬架的非线性路面自适应控制器。进行了零动力学子系统的稳定性分析及系统频率特性分析,理论分析表明整个系统是渐进稳定的。仿真结果显示,在不同的路面激励信号作用下,都能取得较好的控制效果,与被动悬架相比,大大改善了乘座的舒适性及车辆的操纵性能。     

汽车半主动空气悬架参数自调整模糊控制

建立两自由度1/4车辆半主动空气悬架的非线性动力学模型，提出一种基于参数自调整的模糊控制系统结构的模型，并以C级路面为随机输入，对空气悬架系统进行了仿真分析。研究结果表明：该控制方法能够使车身垂直振动加速度、悬架动挠度和车轮动载荷得到较大的衰减，提高了汽车的操纵稳定性能和平顺性能。     

基于双死区设计的空气悬架高度滑模控制方法

该文提出了一种双死区设计,运用滑模控制理论,对空气悬架的高度进行精确控制.创新点包括:区别于传统的气体多方变化假设模型,提出了基于热力学分析,利用温度-压强双控制方程建立的高精度非线性空气弹簧气室模型;提出空气悬架高度控制的双死区设置方法,通过大、小2个死区套合以提升控制精度,减少了单死区设置容易出现的振荡现象;运用滑...     

Neural networks to model dynamic systems with time delays

An algorithm is proposed to identify a neural network model that represents a nonlinear dynamic system with a multivariate time delay response. The algorithm consists of two major parts. The first one identifies the time delay vector for a given neural network structure. This task is accomplished by using an exhaustive integer enumeration algorithm that minimizes a statistical parameter to assess the performance of the neural network model. The second part uses a cross-validation strategy to identify the best neural network model. Since the structure that models a nonlinear system is usually unknown, the identification strategy consists of selecting several neural network structures and identifying the best time delay vector for each network. The modeling process starts with the simplest structure and progressively the complexity of the network is increased to end up with a complex structure. Finally, the network that offers the simplest structure with the best network performance is the one that exhibits the appropriate neural network structure with the corresponding optimal time delay vector. The Monte Carlo simulation technique was used to test the performance of the algorithm under the presence of linear and nonlinear relationships among several variables of dynamic systems and with a different time delay applied to each input variable. The introduced algorithm is used to detect a chemical reaction delay among enriched amyl acetate, acetic acid, water, and the pH of erythromycin sail. An appropriate neural network model was designed to model the pH of the erythromycin during a continuous extraction process. To the best of the authors knowledge the proposed algorithm is the only one currently available to identify time delay interactions in the multivariate input output variables of a system. The major drawback of the introduced algorithm is that it becomes very slow as the number of system inputs increases. This algorithm works efficiently in a system that involves five inputs or less.     

基于函数连接神经网络的传感器Hammerstein模型辨识研究

针对非线性动态传感器模型辨识问题,提出利用函数连接神经网络算法对非线性系统的Hammerstein模型进行一步辨识的方法。以多项式逼近传感器中的静态非线性环节,同时结合动态线性环节的差分方程,建立关于直接输入输出的离散数据表达式,利用改进FLANN训练求解Hammerstein模型参数。采用变学习因子的方法对FLANN算法进行改进,提高了收敛速率和稳定性。实验结果表明,该辨识方法简单有效且具有更快的收敛速度。     

利用模糊神经网络的汽车主动悬架与EPS集成控制

在基于转向的主动悬架整车动力学模型基础上,引入EPS模型、轮胎模型和路面输入模型,应用模糊神经网络控制方法,设计汽车主动悬架与EPS集成控制系统及其控制策略,集成控制器根据车身姿态的变化,动态调节主动悬架系统的作动器作用力和EPS的助力转矩,进行转向盘转角角阶越输入的仿真计算和分析,结果表明,相对于不加控制的悬架和转向系统,基于模糊神经网络的主动悬架与EPS集成控制系统的质心垂直加速度峰值和标准差分别下降40.94 %和26.06 %,整车横摆角速度峰值和标准差分别下降6.24 %和48.15 %,有效抑制车身的振动,提高汽车的行驶平顺性和操纵稳定性。     

铰接式自卸车橡胶弹簧悬架系统动力学仿真分析与实验研究

以AD250铰接式自卸车橡胶弹簧悬架系统为研究对象，运用虚拟样机技术，在不同载荷和车速下对其进行了动力学仿真分析，仿真结果与实验结果具有很好的一致性，表明所建模型是准确的；分析表明，前悬架橡胶弹簧刚度的非线性特性能满足前悬架在不同载荷下具有等支承频率，从而保持稳定的行使平顺性要求；而后悬架系统在轻载荷下较之重载荷时具有较高的支承频率。分析的结果为橡胶弹簧悬架系统进一步优化设计提供了理论支持。