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。     

整车悬架的最优模糊半主动控制

以配置四个磁流变阻尼器的整车悬架为控制对象,提出顶层最优控制与底层模糊控制相结合的最优模糊控制思想。首先由整车悬架随机最优控制获得4对期望的控制力,再通过模糊控制器使各磁流变阻尼器的反力逼近这4对控制力,从而实现对整车悬架的振动半主动控制。仿真研究表明,最优模糊控制的控制效果明显优于现有的开关最优控制,特别是对簧载质量的垂直加速度、俯仰角加速度以及悬架动挠度抑制效果明显,可不同程度改善车辆的行驶平顺性和操纵稳定性。     

汽车主动悬架模糊自适应控制研究

在建立的整车主动悬架系统动力学模型基础上,利用自适应模糊控制方法,分别设计了前轮和后轮的主动悬架模糊自适应控制系统,将前轮的路面激励信号引入到后轮处主动悬架控制策略之中,使得主动悬架可以根据路面和车身姿态的变化而改变特性,以适应当前车辆运行工况的需求,分别进行了随机路面输入和正弦波凸起输入的仿真计算和分析,结果表明,相对于传统的被动悬架系统,模糊自适应控制主动悬架系统车辆的质心垂直加速度峰值和标准差分别下降了38.9%和36.5%;车辆以5m/s速度驶过正弦波凸起时,主动悬架的后轮处车身加速度峰值比被动系统减少了43.9%,有效提高了汽车的行驶平顺性。     

强横风作用下车辆半主动悬架模糊PID控制研究

为提高汽车高速行驶时的抗横风性能,提出一种阻尼系数修正的半主动悬架控制方法。基于Carsim 和MATLAB平台建立整车动力学模型和A级路面模型,设计一种基于横风的半主动悬架模糊PID控制系统,并利用粒子群算法优化PID控制器参数。PID控制器依据车辆质心垂直加速度确定各轮悬架系统的基本阻尼系数,模糊控制器根据横风强度和方向对阻尼系数进行修正。通过MATLAB和Carsim 联合仿真和实车道路试验与被动悬架系统相比,经过半主动悬架控制后的质心垂直加速度峰值和标准差均下降30 %以上,侧倾角速度标准差下降25 %以上,车辆在强横风作用下的行驶平顺性和安全性得到有效提高。     

基于模糊理论的主动悬架PID控制

针对主动悬架的各种控制策略各有利弊而无法同时达到平顺性和操稳性最优控制的问题,本文采用模糊控制与PID控制相结合的新控制方法进行改善。通过运用matlab／siaulink建立实现这种控制策略的主动悬架控制仿真模型,模拟分析得到主动悬架采用这种控制策略与采用其他控制策略相比,车身加速度幅值的减小力度更大,鲁棒性更强,控制性更优。结果表明：这种控制理论为汽车悬架控制提供了一种更加合理的解决方案。     

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。     

重型汽车主动悬架次优控制策略设计与分析

为合理设计汽车主动悬架次优控制策略、探讨不同次优控制策略对重型汽车行驶性能的影响,建立了四自由度汽车-路面系统动力学模型,采用改进模糊层次分析法进行性能指标赋权,设计了主动悬架的次优控制器,以车身质心加速度和道路破坏系数的线性加权和为指标,对不同次优控制策略进行评价优选,在时频域范围内对比分析了被动、最优和次优控制悬架的行驶性能差异。结果表明,不同次优控制策略对汽车行驶平顺性和道路友好性的影响差异明显,综合考虑状态变量可测性及测试成本,对车身和车轴加速度测量、并进行一次积分处理的次优控制策略性能最优;合理设计的次优控制悬架性能与最优控制相当或接近,且优于被动悬架,具有更好的实用性。     

基于量子粒子群算法的主动悬架分数阶控制策略

结合分数阶微积分理论,针对1/4车辆主动悬架模型,设计一种以车身垂向加速度为反馈变量的分数阶控制器。综合车身垂向加速、悬架动挠度和车轮相对动载荷3个指标,建立优化指标的无量纲评价函数。将分数阶控制器的比例系数、积分系数、积分阶次、微分系数及微分阶次当作五维空间粒子,采用量子粒子群算法(QPSO)确定最优粒子。利用MATLAB软件建立悬架系统仿真模型,分别对被动悬架、含整数阶控制器的主动悬架及含分数阶控制器的主动悬架进行时域和频域仿真研究,对比结果表明,相对于整数阶主动悬架与被动悬架,含分数阶控制器的主动悬架明显改善了汽车平顺性。基于量子粒子群算法的主动悬架分数阶控制策略能更有效地抑制车身共振、改善汽车乘坐舒适性。     

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。     

基于混合田口遗传算法的磁流变半主动悬架模糊控制

针对磁流变悬架的非线性以及动力学模型的不确定性,提出一种基于混合田口遗传算法的磁流变半主动悬架整车模糊控制策略。首先建立了基于磁流变减振器的整车动力学模型,并将车辆的振动控制分解垂向振动、俯仰、侧倾三个基本任务设计模糊控制器,进而设计了隶属函数和模糊控制规则;接着引入混合田口遗传算法实现对模糊控制器的隶属函数和模糊控制规则同时优化;最后进行实车道路试验来验证控制策略的有效性。试验结果表明,基于混合田口遗传算法的模糊控制能够降低确定路面激励下车身加速度峰峰值,降低随机路面激励下的加速度均方根值,显著提高车辆的平顺性,其控制效果要优于优化前的模糊控制策略。     

网络控制的坐标机控制模型

在线实时分布式网络化测控是测控领域发展的重要方向。基于DCOM组件技术的分布式测控软件体系结构便是较好的分布式网络化测控系统的解决方案之一。本文建设性的提出基于分布式组件技术构件多层网络化坐标机控制系统，利用分布式（DCOM）技术的方法实现了坐标机的远程控制和网络共享。并举出了在实际应用当中成功的案例。     

信息处理过程中的分类技术

文章主要叙述了信息处理过程中的分类技术，该技术在石油化工生产过程的优化控制中，为信息的正确识别和处理起了相当关键的作用。     

Using statistical control charts for software quality control

This paper describes the use of Shewhart U charts for controlling software quality while the software is under development. A parallel between the software development process and a complex manufacturing process is developed. This allows the use of statistical control charts to monitor the software development process. The general approach is to let observed defect data represent a sample of the true but unknown state of the entire software project. Software quality data so obtained can be used to derive a meaningful statistical interpretation of the state of the development project. Based upon this interpretation management can take action to improve the overall software quality while in the development stages.     

Optimal control with responses and control force constraints

Abstract

In order to assure safety and serviceability, structural responses are kept within certain limits by active control methods. Control forces as well as responses (displacement and velocity) are considered constraints in an optimal control system. The exact solution of the optimal control system under the aforementioned constraints is derived in the first part of the paper. An approximate solution is also suggested in the paper. An example dealing with a six‐story building is presented in the last part of the paper to demonstrate the application of the approximate approach.     

Functional control

Translated from Izmeritel'naya Tekhnika, No. 10, pp. 15–17, October, 1992.