车辆座椅悬架自适应模糊PID控制及仿真

为提高车辆座椅悬架减振性能,建立了简化的三自由度车辆座椅悬架模型,结合模糊控制与PID控制理论提出了座椅悬架自适应模糊PID控制方法。该方法中以座椅垂直振动速度的误差为控制参量设计了PID控制器,将座椅垂直振动速度误差及误差变化率作为模糊控制器的输入变量,利用模糊控制规则对PID控制器参数进行在线自调整。以C级路面白噪声随机信号为输入,利用MATLAB/Simulink对自适应模糊PID控制器进行了仿真。结果表明:相对于不加控制和PID控制的座椅悬架系统,自适应模糊PID控制方法可以明显改善座椅质心处的垂直振动加速度。     

自适应模糊控制方法在主动悬挂系统中的应用研究

提出了一种主动悬挂系统的自适应模糊控制方法 ,该模糊控制方法可以在线自适应调整模糊控制的有关参数。 1/ 4车辆模型作为仿真对象 ,模糊控制器可以显著地减小车辆的振动及干扰 ,提高车辆的舒适性。仿真结果表明该模糊控制方法的有效性。另外 ,当主动悬挂系统模型参数发生变化时该模糊控制器表现出良好的鲁棒性     

城轨列车悬挂系统显遗传自适应模糊控制

为有效抑制城轨车辆行驶时悬挂系统出现的横向振动,提升车辆平稳性与舒适度,引入调控效果优于传统模糊控制的显遗传自适应模糊控制方法,扩展其收敛条件并证明其适用于城轨列车悬挂系统,扩大了该方法的使用范围。在Matlab/Simulation中根据时速为80km/h的某型城轨列车参数搭建车辆悬挂系统模型,并设计了显遗传自适应模糊控制器。仿真实验结果表明,显遗传自适应模糊控制对城轨列车悬挂系统横向振动抑制效果良好,在其控制下列车横向合成加速度、横移振动加速度、侧滚振动加速度以及摇头振动加速度的最大值、均方根值以及功率谱密度值均有所降低。与普通模糊控制相比,显遗传自适应模糊控制能够有效抑制城轨列车横向振动,大幅度提高乘客舒适度。     

转子电流变阻尼器系统振动模糊控制的实验研究

电流变液是一种智能材料 ,它具有控制方便、反应快等特点 ,适合于振动控制方面的应用。本文针对摩擦板式电流变阻尼器转子振动系统设计了自适应模糊逻辑控制策略 ,进行了转子系统振动主动控制的实验研究 ,验证了自适应模糊控制方法的有效性。实验表明 ,模糊逻辑控制方法具有算法实现简易、善于利用专家的经验以及自适应能力强等诸多优点 ;转子电流变阻尼器振动系统在模糊逻辑控制器的控制之下 ,不但一阶临界振动得到有效抑制 ,而且其它转速下的振动幅值也大大降低     

基于模糊小波神经网络的加工过程自适应控制

为了克服模糊控制动态响应慢和鲁棒性差的缺点,将模糊控制的定性知识表达能力与小波分析优异的局部控制性能和神经网络的定量学习能力相结合,提出了一种模糊小波神经网络自适应控制器,并将其应用于加工过程控制。对变切削深度的铣削加工过程控制的仿真结果表明,基于模糊小波神经网络的加工过程自适应控制,其控制效果优于一般的模糊控制和神经网络控制,具有很好的动、静态性能。该自适应控制器能有效防止刀具损坏和提高加工效率,是一种有效的加工过程控制方法。     

车辆主动悬架自适应模糊滑模控制研究

针对主动悬架系统具有的非线性和不确定性,结合滑模控制的鲁棒性和模糊控制的优势,建立自适应模糊滑模控制策略。确定滑模切换面参数,应用切换控制方法和函数逼近技术改善滑模运动的动态品质,并利用模糊语言达到控制悬架振动的效果。以车辆1/4主动悬架动力学模型为对象进行仿真,结果显示,与传统的模糊控制相比,自适应模糊滑模控制能有效地改善路面变化对悬架的影响。     

变论域自适应模糊PID主动悬架控制研究

为提高汽车行驶平顺性和乘坐舒适性,提出一种基于变论域理论的自适应模糊PID汽车主动悬架控制策略,将自适应模糊PID和变论域的在线调整整合在一起,采用变论域模糊控制实现控制系统输入输出论域的自整定,提高控制精度;采用自适应模糊PID控制,提高系统的动、静态特性,形成更优的悬架控制方法。研究结果表明,变论域自适应模糊PID控制主动悬架较传统模糊控制以及模糊PID控制的主动悬架能够更有效的克服路面冲击,减少汽车垂直方向的振动,进一步提高汽车行驶平顺性和乘坐舒适性。     

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。     

基于神经网络的模糊自适应PID控制方法研究

针对常规PID控制器不能在线修正参数以及模糊规则和率属函数对专家经验的依赖性,提出了神经网络模糊自适应PID控制器,从而综合了传统PID控制、模糊控制、神经网络控制的优点,使其具有PID控制的广泛适用性和神经网络的自适应和自学习能力,同时又具备模糊控制的非线性控制作用;仿真实验可知该控制器具有更快的响应和更好的平稳性.     

半主动悬架控制与整车性能匹配研究

建立了两自由度汽车半主动悬架系统的数学模型，以提高乘坐舒适性而不损害行车安全性作为控制策略的出发点，采用自适应模糊控制方法，该控制方法将模糊系统辩识和模糊控制结合起来，针对自适应算法的复杂性，采用最大隶属度法对控制规则进行修正，简化了运算。仿真表明，与被动悬架和模糊控制相比，可显著地减少汽车振动及干扰，操纵稳定性得到改善，可较好解决乘坐舒适性和操纵稳定性矛盾，使汽车在各种行驶条件下舒适性和安全性最佳匹配。     

基于模糊神经融合的超精密机床振动主动控制

提出基于模糊神经融合的自适应模糊分散控制系统,以对超精密机床进行振动主动控制,该控制系统在自适应模糊逻辑的基础上融合了学习过程模糊调整,因而同时具有模糊逻辑和神经网络的优点,实验结果表明,该控制系统能有效地隔离来自基础的低频振动,改善了超精密机床的加工精度和表面粗糙度。     

压电复合材料结构模糊自适应前馈振动控制

针对压电复合材料结构前馈主动控制中存在的某些非线性问题 ,本文提出一种模糊自适应前馈主动控制方法 ,解决一类参考信号与外扰呈非线性函数关系的主动控制问题。数值仿真结果表明 ,该非线性模糊自适应控制方法优于线性滤波 - x L MS方法的控制效果     

微制造隔振平台振动的模糊广义预测控制

采用主动隔振与被动隔振相结合的技术,建立以空气弹簧为被动隔振元件、超磁致伸缩致动器为主动隔振元件的微制造平台6自由度隔振系统及其结构模型。提出一种改进的自适应广义预测控制算法,并与模糊控制结合起来,应用于微制造平台的振动控制中,实现广义预测控制与模糊控制的优势互补。计算机仿真与试验结果表明,所设计的微制造平台模糊广义预测控制系统具有良好的鲁棒稳定性、抗干扰能力和时域性能,可在非常宽的频率范围内将由干扰所引起的微制造平台的振动在被动隔振的基础上减少80%左右,效果显著。     

宽带振动主动控制的模糊自适应控制方法

由于广泛采用的自适应滤波－X LMS算法只限于线性问题，针对振动主动控制中存在的一些非线性问题，文中利用模糊逻辑系统能够逼近非线性系统的特性，提出一种模糊适应前馈主动控制方法，解决由于传感通道的非线性使得参考信号与外扰间呈非线性函数关系的主动控制问题。针对复合材料梁振动控制的数值仿真计算结果表明，该非线性模糊自适应控制方法的有效性。     

大型提升构件的主动抗振研究

大型精密的构件在提升过程中,环境载荷和提升不同步引起的振动是影响提升构件安全性和稳定性的最主要因素.初步设计了大型提升对象的振动主动控制大型试验台架,并用 Matlab 进行仿真模拟.由于大型提升构件的控制模型无法准确得到,同时环境载荷多变,因此设计了模糊自适应 PID 控制系统,通过对 PID 控制器各参数的调整,使它适应随机环境载荷的影响和提升高度的不断变化.通过仿真分析可知,模糊自适应 PID 控制系统可以起到很好的控制效果,而且具有很好的鲁棒性、稳定性和安全性,具有较好的应用前景.     

基于遗传算法的多自由度非线性振动的模糊控制方法

由于非线性系统的复杂性,难以得到基于线性控制规律的有效控制方法。本文对于复杂的多自由度非线性振动系统提出了基于遗传传算法的主动模糊控制方法。     

Nonlinear adaptive control based on fuzzy sliding mode technique and fuzzy-based compensator

It is difficult to efficiently control nonlinear systems in the presence of uncertainty and disturbance (UAD). One of the main reasons derives from the negative impact of the unknown features of UAD as well as the response delay of the control system on the accuracy rate in the real time of the control signal. In order to deal with this, we propose a new controller named CO-FSMC for a class of nonlinear control systems subjected to UAD, which is constituted of a fuzzy sliding mode controller (FSMC) and a fuzzy-based compensator (CO). Firstly, the FSMC and CO are designed independently, and then an adaptive fuzzy structure is discovered to combine them. Solutions for avoiding the singular cases of the fuzzy-based function approximation and reducing the calculating cost are proposed. Based on the solutions, fuzzy sliding mode technique, lumped disturbance observer and Lyapunov stability analysis, a closed-loop adaptive control law is formulated. Simulations along with a real application based on a semi-active train-car suspension are performed to fully evaluate the method. The obtained results reflected that vibration of the chassis mass is insensitive to UAD. Compared with the other fuzzy sliding mode control strategies, the CO-FSMC can provide the best control ability to reduce unwanted vibrations.