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.     

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。     

主动悬架座椅系统的控制及仿真分析

通过讨论LQG控制的原理与方法,针对LQG控制过程中权系数因子的不同选择,分析其对座椅加速度的影响。在Simulink环境下建立悬架仿真模型,对其影响仿真曲线进行分析,评价LQG控制在车辆主动悬架系统上的可行性以及权系数的选取对主动悬架座椅系统的影响。     

基于AHP-NSGA-Ⅲ的车辆悬架预瞄最优控制研究

针对车辆主动悬架线性二次最优控制存在的权值系数确定问题,提出了一种结合主客观性能评价的权值系数选择方法---层次分析-三代遗传算法。利用层次分析法确定变量范围,以6个主动控制悬架性能指标为目标函数,利用三代遗传算法进行多目标优化并以控制力作为限制条件筛选出最优解。以半车模型为例,结合前轮预瞄信息与卡尔曼估计器估计的状态变量,设计预瞄最优控制器,并采用虚拟激励法直接在频域范围内进行求解。仿真结果表明,所提出的控制策略可改善车辆的乘坐舒适性。     

Simulik在汽车主动悬架LQG控制仿真中的应用

建立了1/4汽车主动悬架模型,应用最优控制理论进行了汽车主动悬架的LQG控制器的设计,并Matlab/Simuhnk软件中进行仿真.结果表明:具有LQG控制器的主动悬架对车辆行驶平稳性和乘坐舒适性的改善有良好效果.     

工程车辆主动悬架控制器的设计与仿真

通过车辆模型和悬架动力学模型的建立,把最优控制理论运用到主动悬架的控制策略中,进行LQG最优控制器的设计;并在输入一路面白噪声的情况下,利用AMESim建立主动悬架和被动悬架的仿真模型;仿真结果证明利用LQG方法控制的主动悬架在改善汽车的平顺性和操纵稳定性方面有着良好的效果。     

高速列车座椅主动悬架的多模态控制研究

建立了基于主动悬架的高速列车悬架-座椅-人体的四自由度动力学模型,并对该列车模型稳定性的优化控制进行了研究。针对该座椅主动悬架模型设计了模糊控制器和复合P-模糊-PID的多模态控制器,应用Matlab/Simulink软件在相同的工况下进行仿真实验,并将两种控制方法下的仿真结果与被动悬架车辆模型的仿真结果进行对比分析。结果表明,相较于被动悬架车辆模型,上述两种控制方法下的主动模型座椅处的振动特性均得到了改善,达到了预期的控制效果,且多模态控制下的改善程度最佳;对高速列车乘坐舒适性的提高有着一定的理论参考意义。     

基于遗传算法的主动悬架最优控制方法研究

针对线性二次型调节器（LQR）在工程应用中所存在的权重矩阵确定困难的问题,利用遗传算法（GA）优化LQR权重矩阵,提出了一种改进的最优控制方法--遗传线性二次型调节器（GALQR）。该方法采用了分区淘汰搜索机制,兼顾了大范围全局搜索与局部细微搜索,保证了权重矩阵最优解的全局性和精确性。将GALQR方法应用于主动悬架控制规律的设计,其结果与经验型LQR方法进行了对比,表明GALQR方法增加了寻求最优权重矩阵的可能性,使系统获得更佳的设计性能。     

考虑路面时变的整车主动悬架的改进模糊PID集成控制策略

为提升某汽车的行驶平顺性及其适应路面时变的能力,提出一种座椅主动悬架和底盘主动悬架的改进模糊PID集成控制策略。相比于一般模糊PID控制方法,该控制策略能够根据轮胎所受路面激励和驾驶员座椅垂向速度的实时变化,在线调整控制器的量化因子、比例因子及PID参数值,以实现对控制力更精确的实时调控。建立八自由度整车平顺性模型,在MATLAB/Simulink软件中模拟汽车在A级、B级、C级和D级路面行驶的状况,结果表明:整车主动悬架改进模糊PID集成控制能够大幅提升汽车行驶平顺性和操纵稳定性,且效果明显优于模糊PID控制。     

Controller performance analysis with LQG benchmark obtained under closed loop conditions

This paper proposes a new method for obtaining a linear quadratic Gaussian (LQG) benchmark in terms of the variances of process input and output from closed-loop data, for assessing the controller performance. LQG benchmark has been proposed in the literature to assess controller performance since the LQG tradeoff curve represents the limit of performance in terms of input and output variances. However, an explicit parametric model is required to calculate the LQG benchmark. In this work, we propose a data driven subspace approach to calculate the LQG benchmark under closed-loop conditions with certain external excitations. The optimal LQG-benchmark variances are obtained directly from the subspace matrices corresponding to the deterministic inputs and the stochastic inputs, which are identified using closed-loop data with setpoint excitation. These variances are used for assessing the controller performance. The method proposed in this paper is applicable to both univariate and multivariate systems. Profit analysis for the implementation of feedforward control to the existing feedback-only control system is also analyzed under the optimal LQG performance framework. The proposed method is illustrated through a simulation example and an application on a pilot scale process.     

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。     

LQG controller design using GUI: application to antennas and radio-telescopes

The Linear Quadratic Gaussian (LQG) algorithm has been used to control the JPL's beam wave-guide, and 70-m antennas. This algorithm significantly improves tracking precision in a wind disturbed environment. Based on this algorithm and the implementation experience a Matlab based Graphical User Interface (GUI) was developed to design the LQG controllers applicable to antennas and radiotelescopes. The GUI is described in this paper. It consists of two parts the basic LQG design and the fine-tuning of the basic design using a constrained optimization algorithm. The presented GUI was developed to simplify the design process, to make the design process user-friendly, and to enable design of an LQG controller for one with a limited control engineering background. The user is asked to manipulate the GUI sliders and radio buttons to watch the antenna performance. Simple rules are given at the GUI display.     

基于遗传优化的车辆稳定性模糊控制器设计

为了保证车辆在极限危险工况下的行驶稳定性,提出了利用后轮主动转向与差动制动联合产生校正横摆力矩的稳定性控制策略,并进行了相应的车辆稳定性模糊控制器设计;为了改进所设计模糊控制器的控制品质,克服在控制器设计中隶属函数划分与控制参数确定的主观性,利用遗传算法对所设计模糊控制器的隶属函数分布及比例、量化因子进行了优化研究.     

Improved state space model predictive fault-tolerant control for injection molding batch processes with partial actuator faults using GA optimization

A novel model predictive fault-tolerant control (MPFTC) strategy adopting genetic algorithm (GA) is proposed for batch processes under the case of disturbances and partial actuator faults. Based on the extended state space model in which the tracking error is contained, there are more degrees of freedom provided for the controller design and better control performance is obtained. In order to enhance the control performance further, the GA is introduced to optimize the relevant weighting matrices in the cost function. The effectiveness of the proposed MPFTC approach is tested on the injection velocity regulation of the injection molding process.     

增程式电动汽车能量管理策略控制参数优化研究

为了进一步提高增程式电动汽车发动机的燃油经济性和排放性,对基本遗传算法进行改进,生成改进的自适应遗传算法,并将其应用于增程式电动汽车能量管理策略控制参数的优化。通过权值函数的方法将燃油消耗和排放多目标优化问题转化为单目标优化问题,并采用罚函数的方法对工况运行前后蓄电池荷电状态的增量进行约束,对增程式电动汽车发动机燃油经济性和排放性进行优化仿真。仿真结果表明,采用改进的自适应遗传算法能够有效优化增程式电动汽车能量管理系统的控制参数,使发动机的燃油经济性和排放性得到较大的提高。