具有电液执行器的主动悬架神经网滑模控制

提出了一种新型兼顾乘坐舒适性和操纵稳定性的主动悬架自适应神经网络滑模控制器。首先建立了考虑电液执行器动力学特性的非线性悬架模型。由于执行器具有未知时变的非线性，该控制器被分为两个回路。在内环，采用自适应径向基函数（Radial Basis Function，RBF）神经网络使具有控制器对不确定性的鲁棒性，并根据李雅普诺夫稳定性理论得到的更新律在线调整自校正加权向量。在外环，结合了天棚地棚混合控制策略设计了一个模型参考滑模控制器（Model Reference Sliding Mode Control,MRSMC）来跟踪混合参考模型的状态。此外，还为估计不可测信号设计了基于无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的状态观测器。仿真结果表明，即使存在不确定性，控制器也可以精确地跟踪所受的力。仿真结果表明，该方法在存在未知因素时能够有效地提高悬架性能。

Neural Network SMC for Active Suspension Systems with Electrohydraulic Actuator