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T-S模型和PID控制的车辆半主动悬架仿真比较研究

路面的不平度是行驶的车辆所受主要激励源之一,因此,把积分白噪声随机路面输入模型的建立作为基础,建立了四分之一车辆2自由度半主动悬架的运动微分方程。在此基础上,设计了车辆半主动悬架系统PID控制器;针对车辆半主动悬架运动存在非线性的特点,运用T-S模糊控制理论,构建了车辆二自由度半主动悬架系统的T-S模型。运用MATLAB/Simulink仿真软件,实现了PID控制和T-S模糊控制仿真模型并输出其仿真比较图形,进行了两种控制算法的车辆平顺性性能评价指标的均方根值的比较分析,结果表明所设计的T-S模糊控制器在提高车辆的平顺性方面,与PID控制相比,控制效果有了明显的改善。     

汽车半主动悬架的非线性神经网络自适应控制研究*

分析了汽车悬架的非线性特性,提出了基于神经网络的自适应控制策略,设计了神经辨识器和控制器,并通过一个补偿网络,来进行后悬架的预见控制。仿真计算表明,神经网络自适应控制的半主动悬架具有明显的减振效果,而加有后悬架预见控制其效果更佳。为验证仿真结果,还进行了台架试验。试验结果亦表明了半主动悬架的优良减振性能。     

自适应模糊控制在磁流变半主动悬架中的应用

设计了一种应用于磁流变半主动悬架的自适应模糊控制器,该控制器利用神经网络训练模糊控制规则与隶属度函数,实现了神经网络与模糊控制的优势互补。为了综合反映汽车的侧倾和俯仰性能,建立了七自由度的半主动悬架非线性动力学模型和四轮随机路面模型,采用改进型BoucWen模型模拟磁流变阻尼器。同时为了验证控制器的稳定性,加入制动模块与转向模块,可以更加真实的反映汽车的行驶路况。仿真结果表明:神经模糊控制方法能够减小悬架的动位移、车身的垂直加速度、侧倾角加速度、俯仰角加速度,提高汽车的舒适性和安全性,改善幅度高于利用隔代遗传算法优化的分数阶PID控制器控制的半主动悬架。     

车辆磁流变半主动悬架滑模变结构优化控制

对悬架系统所用磁流变阻尼器进行阻尼特性试验,利用Levenberg-Marquardt优化算法对磁流变可调Sigmoid模型进行参数辨识,运用最小二乘法对辨识的参数进行拟合;基于天棚阻尼系统,设计了四分之一车辆悬架系统滑模控制器;采用极点配置法确定切换面参数,使用饱和函数代替符号函数,缓解滑模控制系统抖振问题,运用模糊控制、RBF神经网络对半主动悬架滑模控制器进行优化;以随机路面激励作为输入,分别对模糊控制、RBF神经网络优化的滑模控制器半主动悬架进行仿真分析.仿真结果表明:该优化算法辨识的可调Sigmoid模型具有良好的控制性能,利用该模型可实现对阻尼力的准确控制,所设计的RBF优化滑模控制器具有比模糊滑模控制器更优异的性能.     

汽车座椅悬架振动的模糊控制研究

建立了车辆座椅悬架系统和路面输入模型,应用模糊控制理论,对车辆座椅半主动悬架模糊控制器进行设计,并在Matlab/Simulink环境下对此模糊控制器进行了仿真,将它与被动悬架以及用模糊控制器控制的半主动悬架做了比较及性能分析.仿真结果证明,相对于其他两种悬架来说,具有模糊控制器作用的半主动悬架在改善座椅悬架振动加速度、速度和乘坐舒适性方面有明显效果.     

采用磁流变阻尼器的三自由度半主动座椅悬架系统变论域模糊控制

对座椅悬架系统用磁流变阻尼器进行阻尼特性试验,利用最小二乘法对双曲正切模型进行参数辨识。结合座椅悬架系统的动力学特性,建立三自由度半主动座椅悬架系统模型。针对采用传统模糊控制精度不高的问题,提出一种基于模糊推理的变论域模糊控制策略。以脉冲路面激励和随机路面激励为输入,分别对被动悬架、传统模糊控制半主动悬架系统及变论域模糊控制半主动悬架系统进行动力学仿真分析。仿真结果表明:采用最小二乘法辨识出的参数模型可满足后续计算。所设计的变论域模糊控制策略减振效果明显优于传统模糊控制,能有效隔离路面冲击干扰,使得座椅悬架系统的综合性能得到明显改善。     

半主动悬架系统设计及控制

在对可调阻尼减振器试验基础上,建立了半主动悬架非线性模型,并与线性模型进行了对比分析,采用间接学习的神经网络反馈控制方法,根据半主动悬架性能评价函数的要求直接调整神经网络的权值,收敛快。仿真试验表明,由该模型构建的半主动悬架控制规则易于实现,控制效果更为显著。     

馈能磁流变半主动悬架模糊滑模控制

为优化悬架减振性能和馈能性能,提出了一种馈能磁流变减振器结构,并设计了相应的半主动悬架模糊滑模控制策略。建立了磁流变减振器力学模型和馈能模型,以及相应的二自由度半主动悬架系统数学模型。针对半主动悬架系统的不确定性,基于混合天地棚阻尼控制系统,设计了滑模变结构控制器。使用饱和函数缓解系统抖振,并运用模糊控制优化滑模控制器。用谐波叠加法生成路面激励输入,分别对被动悬架、基于混合天地棚阻尼控制的半主动悬架以及基于模糊滑模控制的半主动悬架进行对比仿真。结果表明：基于模糊滑模控制的半主动悬架减振性能更好,能耗更小,且有良好的馈能性能,验证了馈能磁流变减振器结构的可行性和模糊滑模控制策略的有效性。     

半主动连通式油气悬架精确反馈线性化控制

利用微分几何法将连通式油气悬架非线性系统模型精确线性化,建立了半主动连通式油气悬架精确反馈线性化控制系统,利用AMESim和MATLAB/Simulink对半主动连通式油气悬架进行了联合仿真。仿真结果表明,半主动连通式油气悬架与被动悬架相比,较好地改善了上车的振动性能,缩短了连通式油气悬架在受冲击作用时的稳定时间,减小了悬架上车的瞬时冲击的最大值,提高了悬架的减振能力和抗侧倾能力。半主动连通式油气悬架改善了悬架动挠度,使悬架动挠度过渡平缓,降低了瞬时波动强度。     

基于磁流变减振器的汽车悬架振动控制

分析了磁流变减振器特性,为了抑制汽车磁流变悬架的振动,提出了一种含有控制级和协调级的分级模糊控制。在控制级,把天棚、地棚混合控制策略与模糊智能控制策略相结合,设计了1/4车辆垂直振动的半主动模糊智能控制器;在协调级,设计了整车控制的协调器,根据反馈变量对整车4个独立模糊智能控制器输出参数进行调整。把某微型汽车的4只被动减振器改装成磁流变减振器,搭建了磁流变悬架全车测控系统,运用设计的分级模糊控制器,进行了平顺性随机输入实车道路试验。试验结果表明对汽车磁流变悬架的垂直振动进行分级模糊控制是可行的,能有效提高汽车的乘坐舒适性和操纵稳定性。     

Intelligent semi-active vibration control of eleven degrees of freedom suspension system using magnetorheological dampers

A novel intelligent semi-active control system for an eleven degrees of freedom passenger car’s suspension system using magnetorheological (MR) damper with neuro-fuzzy (NF) control strategy to enhance desired suspension performance is proposed. In comparison with earlier studies, an improvement in problem modeling is made. The proposed method consists of two parts: a fuzzy control strategy to establish an efficient controller to improve ride comfort and road handling (RCH) and an inverse mapping model to estimate the force needed for a semi-active damper. The fuzzy logic rules are extracted based on Sugeno inference engine. The inverse mapping model is based on an artificial neural network and incorporated into the fuzzy controller to enhance RCH. To verify the performance of the NF controller (NFC), comparisons with existing semi-active techniques are made. The typical control strategy are linear quadratic regulator (LQR) and linear quadratic Gaussian (LQG) controllers with clipped optimal control algorithm, while inherent time-delay and non-linear properties of MR damper lie in these strategies. Simulation results demonstrated that the NFC has better control performance and less control effort than the optimal in improving the service life of the suspension system and the ride comfort of a car.     

整车半主动悬架模糊控制研究

为了提高半主动悬架的控制效果,设计了节流口可调式阻尼减振器,根据汽车系统动力学原理建立了半主动悬架整车模型,采用Mamdani模糊控制策略,设计了基于可调阻尼减振器的汽车半主动悬架双模糊控制器,并以某微型轿车为例在Matlab/Simulink环境下进行了阶跃激励仿真试验和随机路面激励仿真试验.仿真结果表明,采用所提出的模糊控制策略改善了汽车的行驶平顺性和乘坐舒适性,同时还降低了悬架被击穿的可能,提高了轮胎的接地性.     

Neuro-fuzzy control strategy for an offshore steel jacket platform subjected to wave-induced forces using magnetorheological dampers

Magnetorheological (MR) damper is a prominent semi-active control device to vibrate mitigation of structures. Due to the inherent non-linear nature of MR damper, an intelligent non-linear neuro-fuzzy control strategy is designed to control wave-induced vibration of an offshore steel jacket platform equipped with MR dampers. In the proposed control system, a dynamic-feedback neural network is adapted to model non-linear dynamic system, and the fuzzy logic controller is used to determine the control forces of MR dampers. By use of two feedforward neural networks required voltages and actual MR damper forces are obtained, in which the first neural network and the second one acts as the inverse dynamics model, and the forward dynamics model of the MR dampers, respectively. The most important characteristic of the proposed intelligent control strategy is its inherent robustness and its ability to handle the non-linear behavior of the system. Besides, no mathematical model needed to calculate forces produced by MR dampers. According to linearized Morison equation, wave-induced forces are determined. The performance of the proposed neuro-fuzzy control system is compared with that of a traditional semi-active control strategy, i.e., clipped optimal control system with LQG-target controller, through computer simulations, while the uncontrolled system response is used as the baseline. It is demonstrated that the design of proposed control system framework is more effective than that of the clipped optimal control scheme with LQG-target controller to reduce the vibration of offshore structure. Furthermore, the control strategy is very important for semi-active control.     

自适应模糊控制半主动悬架系统的研究

半主动悬架系统自适应模糊控制器的应用是为了提高汽车悬架的阻尼效果和操控性。建立 4自由度 1 /2车辆模型 ,在此模型基础上 ,设计了模糊控制器 ,论述了半主动悬架系统的模糊控制方法 ,说明此方法对悬架质心加速度、轮胎动载荷和悬架俯仰角等性能的提高有益。对悬架在各种输入激励下的仿真效果与被动悬架作了比较 ,结果令人满意。     

基于多体模型的汽车半主动悬架控制方法研究

针对半主动悬架控制中的两个重要问题——系统模型的建立和控制策略的确定进行了深入的研究,建立了汽车的多体动力学方程,提出了半主动悬架模糊神经网络控制方法,设计了控制系统,应用遗传算法优化了控制器的参数和结构,用基于变尺度的BFGS算法优化神经网络权值,在仿真研究的基础上进行了试验研究,结果表明提出的方法能明显改善悬架性能。     

某越野汽车磁流变半主动悬架变论域模糊控制

为了解决半主动悬架传统变论域模糊控制器过度依赖经验规则的问题,提出了一种基于模糊神经网络的变论域T-S模糊控制策略。首先,根据磁流变减振器阻尼特性的实验结果,建立基于自适应模糊神经网络的减振器阻尼力模型及1/2车辆半主动悬架动力学模型;其次,建立悬架系统T-S模糊控制器,同时为了实时调节T-S模糊控制器变量的论域,采用模糊神经网络结构描述伸缩因子的变化。仿真结果表明,笔者提出的变论域模糊控制策略能够有效提高车辆行驶平顺性和操作稳定性。     

基于模糊神经网络的磁浮车悬浮控制器

以EMS型磁悬浮车单电磁铁为研究对象,建立了系统的数学模型.为增强悬浮系统的抗干扰能力和负载能力,针对其非线性特性,采用神经网络和模糊控制理论相结合的方法设计了非线性控制器FNNC.该控制器继承了模糊控制鲁棒性强以及神经网络的非线性逼近和自学习能力,运用加速反传训练方法对参数进行调整,并通过TMS320F2812型DSP实现单点悬浮用.实验及仿真表明,该控制器使系统悬浮稳定,动态性能好,与传统的PID控制器相比具有更好的快速跟踪性能和抗干扰能力.