车辆半主动悬架神经网络控制研究

建立了车辆半主动悬架的1／4车辆模型，研究中主要以车身垂直加速度为主要控制目标。在仿真研究阶段，以白噪声、正弦渡和锯齿波为路面激励；与被动悬架进行对比分析了车身加速度、悬架动挠度、车轮动载荷三项指标，通过对振动响应量的均方根值分析，可以得出半主动悬架优于被动悬架，其中神经网络控制效果最好，表明神经网络自适应控制策略应用于丰主动悬架控制是可行的和有效的。     

半主动悬架自适应模糊神经网络控制的研究

提出了一种半主动悬架系统自适应模糊神经网络控制方法。该方法采用径向基神经网络作为辨识器,模糊神经网络作为控制器,根据辨识器提供的雅可比信息和汽车自身运行状态在线调整控制器参数,以达到自适应减振控制。最后以我国常见的B级路面为激励信号用Matlab进行计算机仿真,并与被动悬架和目前已有的模糊控制方法进行对比,结果证明了该控制方法能够明显地改善舒适性,而且改善的幅度又要明显地优于现有的模糊控制方法。     

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。     

车辆悬架模糊神经网络半主动振动控制系统的研究

提出了一种用于车辆悬架半主动振动控制系统的模糊神经网络方法，基于悬架半主动控制的Ｋａｒｎｏｐｐ和ＳＭ方法，应用模糊推量和ＩＦ－ＴＨＥＮ产生式规则，通过录属度传递法则进行控制知识的处理，以设定的评价函数最小为目标采用优化层间权笪的学习算法求解。计算机模拟的实例表明该半主动振动控制方法比任何单一的控制方法优越。     

车辆悬架自适应模糊半主动振动控制系统的研究

建立了4自由度车辆半主动悬架系统模型，并采用自适应模糊控制方法对系统进行控制。通过性能仿真计算和实车道路试验，验证了自适应模糊半主动悬架系统在减少振动、提高车辆受路面激励时的舒适性方面明显优于被动悬架。     

车辆半主动悬架神经网络自适应控制研究

文中提出了一种汽车半主动悬架系统的神经网络自适应控制方法,用车身垂直加速度作为主要控制目标,以提高车辆行驶的平顺性,同时在仿真控制研究中兼顾悬架动挠度和车轮动载荷的变化,以提高车辆行驶安全性和操纵稳定性,通过仿真计算和分析验证了其可行性和有效性.     

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。     

基于最优控制和模糊控制的半主动悬架仿真研究

在被动悬架汽车1/4车辆动力学模型基础上,给出了悬架系统的状态空间方程,并分别利用随机线性最优控制理论和模糊控制理论,设计了LQG最优控制器及双输入单输出的二维模糊控制器。在SIMULINK中建立了路面激励、被动悬架系统、最优控制系统及模糊控制系统模型,通过仿真试验分析两种控制策略对车身振动加速度、悬架动挠度及轮胎动载荷的影响。结果表明两种控制策略均可给汽车平顺性和舒适性带来显著改善与提高。最后,对两种控制策略优缺点进行了比较及评价。     

汽车悬架路面自适应半主动控制研究

提出一种新的路面自适应半主动控制律。该控制律在簧载质量和非簧载质量的速度反馈上引入了时变的反馈增益，该反馈增益随路面激励主导频率的变化而实时调整。仿真结果表明，路面自适应半主动控制律可获得优良的悬架性能。     

基于视觉感知的半主动悬架控制系统研究

通过对目前半主动悬架控制系统的研究分析,传统的半主动悬架控制系统在经过一些特定的工况产生的瞬态冲击,可能会由于悬架控制系统的响应迟滞效应无法对每次较大的瞬态冲击做到快速控制响应,对于整车舒适性带来一定影响。本文提出一种基于深度学习图像检测技术的半主动悬架控制系统,旨在通过视觉感知前方对车辆乘坐舒适性带来较大影响的特征工况(如减速带),再融合半主动悬架特殊工况识别控制算法,优化半主动悬架控制系统。     

汽车半主动悬架系统神经网络模型研究

基于磁流变减振器的汽车悬架系统具有明显的滞后非线性,系统中的非线性阻尼和非线性刚度等对其动力学行为产生了很大的影响。本文利用系统识别理论建立了磁流变减振器的神经网络模型,该模型可根据半主动悬架系统的控制力求得控制电流,具有良好的辩识能力。     

基于最优控制的汽车被动悬架参数优化设计

研究了利用最优控制理论对传统的汽车被动悬架参数进行优化的算法。根据最优控制理论得到了反馈增益，并利用最小二乘概念构造了目标函数。对一组悬架参数在正弦激励和随机激励下进行数值仿真得到的结果表明，和原有的被动悬架相比，本文方法使汽车的运行性能有较大的提高。由于利用本文方法对实际车辆进行改造并不复杂，因此该方法具有较强的实用性。最后，指出了这种算法在其他工程问题中应用的可能性。     

基于改进Elman神经网络的悬架试验系统

提出了一种能满足多层网络、多阶系统的改进型Elman网络,建立了基于改进Elman神经网络的PAC控制器。对六自由度悬架试验平台系统进行了控制研究,分析了悬架参数对轮荷利用率和相位角的影响。整车实验证明：参数匹配的悬架可以有效减小车身振动,降低悬架动挠度和轮胎动载荷。     

汽车驾驶机器人车速跟踪神经网络控制方法

为了实现汽车驾驶机器人对给定车速的准确跟踪,提出了一种驾驶机器人车速跟踪神经网络控制方法。网络模型输入层变量为驾驶机器人油门和制动器、离合器机械腿、换挡机械手的位移;中间层为隐层,节点数为5,神经元传递函数为正切传递函数;输出层变量为试验车辆车速,神经元传递函数为线性传递函数。结果表明,该方法的收敛速度明显高于梯度下降法的收敛速度,且达到的控制精度更高,车速跟踪误差满足国家汽车试验标准的要求。     

越野车半主动悬架的变论域模糊PID控制

为了改善半主动悬架的控制效果,利用变论域理论对模糊PID控制器的输入论域和输出论域进行调节。根据阻尼可调两级压力式油气悬架的力学特性,建立半车半主动悬架动力学模型,在MATLAB/Simulink中构建半车半主动悬架控制模型,以冲击路面和随机路面作为输入激励进行仿真。结果表明,不同路面激励下,变论域模糊PID控制悬架和模糊PID控制悬架的减振效果均明显好于被动悬架,在冲击路面激励下的减振效果较好。冲击路面激励下,相较于模糊PID控制悬架,变论域模糊PID控制悬架的前、后车身垂直加速度和车身俯仰角加速度均方根分别减小30.89%,34.36%,37.00%,车身动挠度均方根比较接近,进一步提高了越野车的行驶平顺性。     

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。