悬架不确定性的滑模半主动控制分析

在电流变液特性试验的基础上,提出基于电流变阻尼悬架的滑模半主动控制。依据滑模控制理论,采用极点配置法确定滑模切换面参数,应用比例切换的控制方法和等速趋近率确定控制律并改善滑模运动的动态品质,同时采用RBF神经网络算法优化滑模控制效果。针对悬架质量参数和车速不确定性,运用MATLAB/SIMULINK进行了悬架半主动控制的建模和仿真分析。仿真结果显示,与被动悬架相比基于RBF神经网络的滑模半主动控制能有效改善悬架性能,对于悬架的不确定性有较好的自适应性。     

时滞半主动悬架大系统递阶控制研究

建立了含时滞半主动悬架整车数学模型,解决了传统半主动悬架整车模型无法考虑时滞的难题;设计了模糊神经网络自适应子控制策略及大系统递阶协调控制策略,开发了以ARM单片机为核心元件的半主动悬架控制器。在仿真的基础上进行了实车道路试验,结果表明,模糊神经网络自适应子系统控制器改善了车辆的局部性能,递阶控制协调了车辆的整体性能,调整了车辆行驶姿态,二者联合控制,提高了半主动悬架控制的有效性、实时性,协调了车辆安全性与平顺性之间的矛盾。研究结果为整车半主动悬架系统时滞及其控制研究提供了新的方法。     

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。     

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。     

含时滞半主动悬架及其控制系统

建立了含时滞的半主动悬架的数学模型,提出了含时滞的半主动悬架临界时滞求取的理论分析及计算方法, 并设计了可调阻尼减振器及半主动悬架控制系统。在仿真计算基础上,进行了半主动悬架系统1／4模型台架试验, 分析了时滞对半主动悬架及其控制动态特性的影响,计算和试验结果基本吻合,为半主动悬架系统失稳机理及稳定性控制研究奠定了基础。     

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。     

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。     

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。     

车辆悬架阻尼的神经网络优化设计与试验研究

建立了整车八自由度模型,提出了一种车辆悬架阻尼的神经网络优化设计方法。以某汽车为例,采用径向基函数神经网络对后悬架的阻尼进行了优化。在可调减振器的设计基础上,分别对车辆阻尼优化前后进行了试验,分析了车身与驾驶员座椅处的振动特性,计算与试验基本吻合。结果表明,阻尼优化后的车辆平顺性得到明显改善,为半主动悬架及控制系统的进一步研究奠定了基础。     

基于磁流变减振器的汽车半主动悬架非线性控制方法

考虑磁流变减振器阻尼力和悬架弹性元件非线性特性,建立车辆半主动悬架非线性动力学模型。应用微分几何非线性控制,经过适当的非线性状态和反馈变换,实现半主动悬架非线性系统的精确线性化,并对系统实施非线性状态反馈控制;根据预定的控制目标及模糊控制策略调节控制参数,设计模糊控制器,对悬架系统进行了控制仿真研究;利用神经网络模式识别能力对输入数据处理辨别,设计控制网络层,从而达到提高悬架工作性能,改善汽车行驶舒适性的目的。将三种非线性控制方法的仿真结果进行分析比较表明:经模糊控制或神经网络控制后的悬架承受的冲击响应小、振动强度低,比微分几何控制能获得更优异的性能。     

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。     

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.     

基于遗传算法的AMT车辆起步模糊控制

通过对熟练驾驶员起步过程的分析 ,提出了能反映驾驶员意图的起步模糊控制策略。针对模糊控制器传统设计过程中存在的人为主观因素较多 ,难以进行优化等缺点 ,采用遗传算法对起步模糊控制器隶属函数参数进行优化。并为此建立了起步模糊控制系统仿真模型。用优化的模糊控制器进行实车道路试验 ,取得了满意的效果。     

基于遗传算法和Boltzman机混合策略的半主动悬架连续模糊控制器

根据现有的用于汽车半主动悬架减振器阻尼控制的模糊控制器存在的问题,提出了一种基于遗传算法和Boltzman机混合策略的模糊控制算法,该算法能对模糊控制规则进行优化,并可保证控制系统的快速性和全局最优性.模拟试验结果表明这种基于新算法的控制器能使汽车的平顺性得到有效的改善.     

基于Adams/Car和Matlab/Simulink的汽车半主动悬架模糊控制研究

基于Adams/Car软件创建汽车半主动悬架系统多体模型,利用改进遗传算法优化模糊规则的策略,实现汽车半主动悬架系统模糊控制器的设计,为了证明模糊控制器的控制效果和遗传算法的优化性能,在Matlab/Simulink环境中对汽车半主动悬架系统多体模型实现联合仿真分析。与被动悬架系统的分析对比说明,基于Adams/Car和Matlab/Simulink软件创建的汽车半主动悬架系统模糊控制器在很大程度上降低了人身加速度、改善车辆的乘坐舒适性和驾驶平顺性,同时也证明了采取联合仿真方法的有效性和准确性。     

随机干扰下汽车电控悬架车身高度控制研究

空气悬架汽车在对其车身高度进行动态切换的过程中会严重受到随机干扰所带来的不良影响,为了解决这个问题,通过与空气弹簧的模型结合而建立整车模型,从而对随机干扰下汽车电控悬架车身高度的调节和控制进行研究。其中神经网络PID自适应高度调节控制器是利用单神经元自调整增益算法来设计的,并通过仿真软件对控制器的性能进行验证。根据仿真结果可验证所设计的控制器能够有效改善随机干扰对汽车电控悬架车身高度调节过程中产生的震荡,并使得车辆的稳定性和舒适性得到了提高。     

基于主动悬架系统车辆的道路友好性

为分析悬架系统对车辆道路友好性的影响,设计出可提高道路友好性的主动悬架系统最优控制器,及可分析基于最优控制策略的主动悬架系统,以及被动悬架系统的道路友好性动态仿真模型,仿真分析得出车辆在两种典型的A、B级路面行驶时,基于最优控制策略的主动悬架系统及被动悬架系统车辆对路面造成的动载荷.利用动态载荷系数、动态载荷应力因子及95百分位综合四次幂力三种典型道路友好性评价指标对两种悬架系统的道路友好性进行分析比较.结果表明,采用动态载荷系数、动态载荷应力因子对悬架系统的道路友好性进行评价时,在A级路面上,主动悬架系统的道路友好性分别是被动悬架系统的1.5、1.6倍;在B级路面上主动悬架系统的道路友好性是被动悬架系统的1.5、2.5倍;采用95百分位综合四次幂力指标评价两种悬架系统的道路友好性时,在A级路面上,两种悬架系统的道路友好性相差无几;在B级路面上主动悬架系统的道路友好性比被动悬架系统提高2.5倍.因此,具有合理控制参数的基于最优控制策略的主动悬架系统可提高重型车辆的道路友好性.     

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。