朱浩车辆主动悬挂最优预见控制模型_朱浩
基于最优预瞄和模型预测的智能商用车路径跟踪控制
J Automotive Safety and Energy, Vol. 11 No. 4, 2020462—469基于最优预瞄和模型预测的智能商用车路径跟踪控制李耀华，刘 洋，冯乾隆，南友飞，何 杰，范吉康（长安大学汽车学院，西安710064，中国）摘要：为解决智能商用车路径跟踪问题，采用一种最优预瞄控制策略。
根据商用车航向角与路径曲率的关系，引入航向角偏差反馈控制；根据车速与预瞄距离的关系，提出了变权重因数的多点预瞄距离确定方法。
为了保证商用车路径跟踪的稳定性，采用模型预测控制策略，对车轮侧偏角进行约束。
通过TruckSim与Simulink联合仿真，对比分析了侧向偏差、横摆角速度和前轮侧偏角变化情况。
结果表明：最优预瞄控制策略对车速变化具有较好的适应性，但当路面附着因数较低时，车辆会失去稳定性；模型预测控制策略对车速和路面附着因数变化都具有较好的适应性，行驶稳定性更好，且比最优预瞄控制策略具有更精确的路径跟踪效果。
关键词：智能商用车；路径跟踪；路面附着因数；最优预瞄控制；模型预测控制中图分类号： U 471.15 文献标识码： A DOI： 10.3969/j.issn.1674-8484.2020.04.005Path tracking control for an intelligent commercial vehicle based on optimal preview and model predictiveLI Yaohua, LIU Yang, FENG Qianlong, NAN Youfei, HE Jie, FAN Jikang(School of Automobile, Chang’an University, Xi’an 710064, China)Abstract: An optimal preview control strategy was adopted to solved path tracking problem of intelligent commercial vehicles. According to the relationship between the heading angle and the curvature of the path,the heading angle deviation feedback control was introduced. According to the relationship between the speedand the preview distance, a multi-point preview distance determination method with variable weight coefficientwas proposed. In order to ensure the stability of path tracking, the model predictive control was used to restrictthe wheel sideslip angle. Through co-simulation of TruckSim and Simulink, the lateral deviations, the yaw ratesand the front wheel slip angles were compared. The results show that the optimal preview control has good adaptability to the speed, but when the road adhesion factor is low, the vehicle will lose stability; The model predictive control has better adaptability to speeds and road adhesion factors, and has better driving stability,and has more accurate path tracking effect than the optimal preview control.Key words:i ntelligent commercial vehicles; path tracking; road adhesion factors; optimal preview control;model predictive control收稿日期 / Received ：2020-07-18。
最优控制问题的鲁棒预测控制
最优控制问题的鲁棒预测控制鲁棒预测控制是一种重要的控制方法，主要用于系统在存在模型不确定性或外部扰动的情况下，能够保持系统的稳定性和性能。
最优控制问题是一类经典的控制问题，旨在寻找一个最优的控制策略，使系统在一定约束下达到最优的性能指标。
本文将讨论最优控制问题与鲁棒预测控制的结合，探讨如何应对不确定性和扰动，以实现鲁棒的预测控制。
一、最优控制问题简介最优控制问题是研究如何通过选择最优的控制策略，使系统在给定约束条件下达到最优性能指标的问题。
最优控制问题通常可以用动态系统的状态方程和性能指标来描述。
其中，状态方程描述了系统的动态演化规律，性能指标定义了系统在不同状态和控制策略下的性能评价指标。
最优控制问题的目标是找到一个控制策略，使性能指标最小或最大，同时满足系统的约束条件。
二、鲁棒预测控制的概念鲁棒预测控制是一种针对存在模型不确定性和外部扰动的系统设计的控制方法。
鲁棒预测控制的目标是通过建立预测模型和控制器，使系统在不确定性和扰动的影响下仍能保持稳定性和性能。
鲁棒预测控制通常将系统建模为一个带有不确定性的模型，并采用预测控制策略来预测系统的未来状态，并通过调整控制信号来使实际系统的输出接近期望输出。
三、最优控制问题的鲁棒预测控制方法在最优控制问题中引入鲁棒预测控制的思想，可以提高系统的鲁棒性和性能指标的收敛速度。
具体步骤如下：1. 确定最优控制问题的性能指标和约束条件，建立系统的状态方程和性能指标函数。
2. 建立鲁棒预测模型，考虑系统的不确定性和扰动因素，并将其引入到模型中。
3. 设计鲁棒性控制器，通过对系统的状态进行预测，并根据预测结果调整控制信号，使系统的输出接近期望输出。
4. 利用优化算法求解最优控制问题，寻找使性能指标最优的控制策略。
5. 验证鲁棒预测控制的性能，通过仿真或实验等方法，对设计的控制器进行性能评估。
四、优化算法在最优控制问题中的应用为了求解最优控制问题，需要使用优化算法来搜索最优的控制策略。
基于LQR控制的现代客车自适应空气悬架
10.16638/ki.1671-7988.2021.06.031基于LQR控制的现代客车自适应空气悬架王旭（扬州亚星客车股份有限公司，江苏扬州225116）摘要：长期在不良工况的道路上驾驶会降低驾驶员的乘坐舒适性。
随着人们对乘坐舒适性需求不断提升，空气弹簧的优势尤为明显。
文章提出了一种基于LQR控制策略的自适应空气悬架系统的创新设计方案，提出的LQR控制器采用粒子群算法进行优化。
以客车空气悬架为研究对象，采用MATLAB软件对空气悬架系统的被动和自适应动力学模型进行了设计和仿真。
仿真结果表明，自适应空气悬架系统在保证车辆稳定性的同时，降低了车辆在随机道路上的最大位移幅值，从而提高了车辆的平顺性。
关键词：空气悬架；PID；PSO；自适应悬架；乘坐舒适性中图分类号：U461.4 文献标识码：A 文章编号：1671-7988(2021)06-101-04Modern passenger car adaptive air suspension based on LQR controlWang Xu( Yangzhou Yaxing Bus Co., Ltd., Jiangsu Yangzhou 225116 )Abstract: Driving on the road under bad working conditions for a long time will reduce the driver's riding comfort. With the increasing demand for ride comfort, the advantage of air spring is especially obvious. This paper presents an innovative design scheme of adaptive air suspension system based on LQR control strategy. The proposed LQR controller is optimized by particle swarm optimization. The passive and adaptive dynamic models of the air suspension system of passenger cars were designed and simulated by MATLAB software. The simulation results show that the adaptive air suspension system can not only ensure the stability of the vehicle, but also reduce the maximum displacement amplitude of the vehicle on the random road, thus improving the ride comfort of the vehicle.Keywords: Air suspension; PID; PSO; Adaptive suspension; Ride comfortCLC NO.: U461.4 Document Code: A Article ID: 1671-7988(2021)06-101-041 引言对驾驶舒适性需求的增加要求在汽车上使用主动悬架系统。
基于LMI的两级串联式ISD半主动悬架H∞控制
（ 江苏大学汽车与交通工程学 院 ，镇江 ２ １ ２ ０ １ ３ ）
摘
要 ：针对 带有两级串联式 Ｉ Ｓ Ｄ半主 动悬架 的二 自由度 模型 ，选取 加权 函数阵整 定两级 串联式 Ｉ Ｓ Ｄ半主动 悬
架系统 的性 能指标 ，应用 Ｌ ＭＩ Ｈ 控制算法设计 出两级 串联式 Ｉ Ｓ Ｄ半 主动悬架 Ｈ 输 出反馈 控制器 ，该方 法能够 有效地解 决系统的鲁棒干扰抑制 问题 ．仿 真结果 表 明，与传统半 主动悬架 、两级 串联式 Ｉ Ｓ Ｄ被 动悬架 以及传 统
Ｂａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ＬＭ Ｉ Ｍ ｅ ｔ ｈ ｏ ｄ
Ｗ ＡＮＧ Ｒｕ ｏ － ｃ ｈ ｅ ｎ， ＣＨＥＮ Ｂｉ ｎｇ， Ｓ ＵＮ Ｚｅ — ｙ ｕ， Ｚ ＨＡＮＧ Ｘｉ ａ ｏ ቤተ መጻሕፍቲ ባይዱ ｌ ｉ ａ ｎｇ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ａ ｕ ｔ ｏ ｍｏ ｂ ｉ ｌ ｅ ａ ｎ ｄ Ｔ ｒ ａ ｆ ｉ ｆ ｃ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ ， Ｊ ｉ ａ ｎ ｇ ｓ ｕ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｚ ｈ ｅ ｎ ｊ ｉ ａ ｎ ｇ ２ １ ２ ０ １ ３ ，Ｃ ｈ ｉ ｎ ａ ）
２ ０ １ ３年第 ３期
车 辆 与 动 力 技 术
Ｖｅ ｈ ｉ ｃ ｌ ｅ＆ Ｐ ｏ ｗｅ ｒ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
总第 １ ３ １期
文章编 号 ：１ ０ ０ ９— ４ ６ ８ ７ （ ２ ０ １ ３ ） ０ ３—０ ０ ２ １— ０ ５
基于 Ｌ ＭＩ的两 级 串联 式 Ｉ Ｓ Ｄ半 主动 悬 架 Ｈ∞控 制
Ｋ ｅ ｙ ｗｏ ｒ ｄ ｓ ：ｖ ｅ ｈ ｉ ｃ ｌ ｅ ；ｔ ｗ ｏ — ｓ ｔ ａ ｇ ｅ ｓ ｅ ｉ ｒ ｅ ｓ — ｃ ｏ ｎ ｎ ｅ ｃ ｔ ｅ ｄ Ｉ Ｓ Ｄ ｓ ｕ ｓ ｐ ｅ ｎ ｓ ｉ ｏ ｎ ；ｌ ｉ ｎ ｅ ａ ｒ ｍ ａ ｔ ｉ ｒ ｘ ｉ ｎ ｅ ｑ ｕ ｌｉ ａ ｔ ｉ ｅ ｓ（ Ｌ Ｍ Ｉ ） ；
最优控制
控制系统最优化问题，包括性能指标的合理选择以及最优化控制 系统的设计，而性能指标在很大程度上决定了最优控制性能和最优 控制形式。
The State Key Lab. of Mechanical Transmission
© Copyright: Lu Shaobo All rights reserved
J 为最大。
The State Key Lab. of Mechanical Transmission
© Copyright: Lu Shaobo All rights reserved
Chongqing University
汽车控制理论与应用
[例3.3] 拦截问题。 设 x(t)、v(t) 分别表示拦截器L与目标Ｍ的相对位置和相对速度向 量。α(t)是包括空气动力与地心引力所产生的加速度在内的相对加 速度向量，它是x(t)、v(t) 的函数，也可看成是时间的函数。 设 m(t)是拦截器的质量， f(t)是其推力的大小。用u表示拦截器推 力方向的单位矢量。C是有效喷气速度，可看作常数。
The State Key Lab. of Mechanical Transmission
Chongqing University
汽车控制理论与应用
u(t)
[例3.2] 最少能量消耗问题。( 飞船月球软着落问题） 飞船离地面的高度 x(t)， 向上为正，垂 & (t ) 设发动机推力 v(t ) = x 向速度可表示为： 为u(t)，飞船的质量为 m(t)， m(0)=M+F ， 飞船的初始高度为 h0=x(t0) ，初始速度为 x(t) & (t 0 ) 。 (M为飞船自身质量；F为所带燃料质量) v0 = x & (t ), x3 (t ) = m(t ) 为状态变量， 选择 x1 (t ) = x(t ), x 2 (t ) = x
汽车主动悬架LQR控制器平顺性控制仿真
ＡＢＳＴＲＡＣＴ：Ｔｈｅ ｗｅｉｇｈｔ ｍａｔｒｉｘ Ｑ ｏｆ ｔｈｅ ｃｏｎｔｒｏｌｌｅｒ ｉｎ ａｃｔｉｖｅ ｓｕｓｐｅｎｓｉｏｎ ｏｆ ｔｈｅ ＬＱＲ ｃｏｎｔｒｏｌｌｅｒ ｉｓ ｍａｉｎｌｙ ｄｅｔｅｒｍｉｎｅｄ ｂｙ ｃｏｎｔｉｎｕｏｕｓ ｃｏｍｐｕｔａｔｉｏｎ ｏｆ ｃｏｍｐｕｔｅｒｓ ｏｒ ｄｅｐｅｎｄｓ ｏｎ ｅｘｐｅｒｉｅｎｃｅ，ａｎｄ ｉｔ ｉｓ ｄｉｆ ｉｃｕｌｔ ｔｏ ｏｂｔａｉｎ ｔｈｅ ｇｌｏｂａｌ ｏｐｔｉｍａｌ ＬＱＲ
ｓｉｍ ｕｌａｔｉｏｎ ｍｏｄｅｌ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ． Ｂａｓｅｄ ｏｎ ｉｔ，ｔｈｅ ｒｏｏｔ— ｍｅａｎ —ｓｑｕａｒｅ ｖａｌｕｅｓ ｏｆ ｔｈｅ ｖｅｈｉｃｌｅ ｂｏｄｙ ａｃｃｅｌｅｒａｔｉｏｎ，ＳＵＳ—
ｐｅｎｓｉｏｎ ｄｙｎａｍｉｃ ｔｒａｖｅｌ ａｎｄ ｔｉｒｅ ｄｙｎａｍｉｃ ｄｉｓｐｌａｃｅｍｅｎｔ ｏｆ ｔｈｅ ａｃｔｉｖｅ ｓｕｓｐｅｎｓｉｏｎ，ｔｈｅ ＤＥ—ＬＱＲ ａｃｔｉｖｅ ｓｕｓｐｅｎｓｉｏｎ ａｎｄ ｔｈｅ ｈｙｂｒ ｉｄ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ＰＳＯ—ＤＥ —ＬＱＲ ａｃｔｉｖｅ ｓｕｓｐｅｎｓｉｏｎ ｗｅｒｅ ｃｏｍｐａｒｅｄ ａｎｄ ａｎａｌｙｚｅｄ．Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ＰＳＯ——ＤＥ——ＬＱＲ ｈｙｂｒｉｄ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｉｓ ｓｕｐｅｒｉｏｒ ｔｏ ｔｈｅ ＤＥ——ＬＱＲ ａｃｔｉｖｅ ｓｕｓｐｅｎｓｉｏｎ
ｃｏｎｔｒｏｌｌｅｒ． Ｔｈｅｒｅｆｏｒｅ，ａ ｎｅｗ ｈｙｂｒｉｄ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒ ｉｔｈｍ ，ＰＳＯ — ＤＥ ，ｉｓ ｐｒｏｐｏｓｅｄ ｔｏ ｏｐｔｉｍ ｉｚｅ ｔｈｅ ｃｏｅｆ ｉ ｃｉｅｎｔ ｍａｔｒｉｘ
汽车主动悬挂系统的预见控制研究
ａ（）＝ ｏｏ ） ｕｋ Ｆ （ ＋∑ （ ａ （ ． ４ Ｘｋ ｊ ｚ ＋）（） ）， 『
由式 （ ） ４ 可见 ， 用 预 见 控 制 的主 动 悬 挂 系 统 采
假定系统的期望输出为 Ｙ（ ） 则误差信号为 ｋ ，
第 ８卷 第 ２ 期 ２ ０ １ ０ ８年 １ １月 １７ ．８９ ２０ ） １５ ２ —４ ６ １１ １ （０ ８ ２ —９ １０
科
学
技
术
与
工
程
Ｖｏ ＿ Ｎｏ ２１ ｌ８ ．
Ｎｏ ． ２ ｏ８ ｖ ０
Ｓ ｉｎ ｅ Ｔ ｃ ｎ ｌｇ ｎ ｎ ｉ ｅ ｒ ｇ ｃｅ ｃ ｅ ｈ ｏｏ ｙ ａ ｄ Ｅ ｇ ｎ ｅｉ ｎ
ｅＪ （ （ ）＝ ｉ ｝ ）一 （ 。 Ｙ ）
由二次 型 最优 控制 系统 加 上 利 用 扰 动 信 号 的 前 馈
补偿器 构成 。
引入一 阶差分 △ 算 子 （ （ ）： ）一 ｋ一 ｋ （ （
１ ） 在期 望输 出为 常数 的前 提下 ， 以构造 出如下 ）， 可 误差 系统 ：
矩阵 ； 其他各 矩 阵分别 为 ：
０
—
个 非 常 活 跃 的领 域 ， 理 论 上 主 要 为 非 线 性 控 其
制 、 测 控 制 、 棒 控 制 、自适 应 控 制 、 能 控 预 鲁 智 制等。
Ａ
ｌ
一 ｅ５
ｎ ５
预见控制 是根 据 当前 的 目标值 、 未来 干扰 等
悬挂和被动悬挂在平顺行和操作稳定性方面进行 了比较 ， 结果表 明 了预见控制 系统对 悬挂 系统 的性 能有较大 的改进， 一种 是
【国家自然科学基金】_跟车模型_基金支持热词逐年推荐_【万方软件创新助手】_20140801
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13
科研热词 驾驶员类型 跟车行为 贝叶斯滤波器 识别 神经网络 建模 发车时刻 危险驾驶行为 公交运营时段划分 公交调度 低速货车 交通工程 乘客到达率
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年 科研热词 驾驶行为 驾驶员行驶特性 非线性分析 防滑路面 速度模型 车辆防撞预警 车辆跟驰 车辆主动安全 车路集成 跟驰距离 跟车距离 自适应巡航控制(acc) 综合优化 线性稳定性分析 稳定性条件 模糊切换 模型预测控制 最小可觉差 最优控制 智能交通 新车 数值模拟 感知变量 安全车距设计 安全状态判别模型 双模式控制 推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
科研热词 交通安全 风险模型 车辆防撞系统 车路协同 自适应巡航控制 电动车 模糊综合评判 模型预测控制 概率计算 数值模拟 换道规则 协同优化 元胞自动机 信息分类 仿真 亚稳态
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4
科研热词 跟车模型 换道概率 动能 交通流
推荐指数 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
2008年 序号 1 2 3 4 5 6 7 8
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
交 通 运 输 工 程 学 报
Journal of T raffic and T ransportation Engineering
Vo l. 5 No. 3 Sept . 2005
文章编号 : 16711637(2005)03 0008 06
车辆主动悬挂最优预见控制模型
, 其横向模型
在只考虑了车体 、 前、 后转向架侧滚的情况下(共 3 个 自由度), 略去了横移 、摇头等自由度 , 而垂向模型则 考虑了车体浮沉 、 点头( 1 ×2), 及前后转向架浮沉 、 点 头(2 × 2), 共 6 个自由度的运动 , 因此 , 本研究中用于 设计主动悬挂控制器的单节车辆系统的设计模型共 考虑了 9 个自由度 。 这种设计的好处是将该设计模 型的控制器接入实际系统后 , 能使设计模型和实际系 统的动态稳定性能更加接近 。 系统模型的复杂化导致了与之对应的实验系统 的复杂程度也提高了 , 众多的元件在实时控制过程 中由于存在着一定的响应滞后 , 很难对反馈信号及 时产生足够大的控制力 , 从而限制了系统的主动隔 振效果 , 因而在该模型中 , 预先通过某种传感器 (如 超声波传感器或红外线传感器)测定未来的目标信 号或外扰 , 系统在决定控制指令时 , 不仅考虑系统当 时的状态 , 而且还可以根据已确认的未来目标值和 外扰信息的变化趋势作出即时的控制决策 , 称这种 控制决策为预见控制 。 它在形式上属于最优控制 , 所以也可称为最优预见控制策略 。 用该控制方法作 为主动悬挂的控制策略 , 以期弥补因系统能源的沿 程损失和元件的响应滞后使得减振效果不明显 , 提 高控制质量 , 降低系统控制能量的峰值 , 减少能量消 耗 , 达到理想的控制效果 。
a17 a27 0 0 0 0 a77 0 0 b17 b27 0 0 0 0 b77 0 0
0 0 a39 0 0 0 0 0 a99 0 0 b39 0 0 0 0 0 b99
θ 1 z1
′
1
θ 2 z2
θ 1 z1
′
1
θ 2]
T
0 0 a41 A0 = 0 0 a71 0 0 b11 0 0 b41 B0 = 0 0 b71 0 0
图 3 单节车辆侧滚分析模型 Fig. 3 R olling analysi s model of sin gal rai l vehicle
为节省篇幅 , 该设计模型的 9 个自由度的振动 方程就不一一列出 , 下面采用状态方程来描述该系
10 统 。 首先 , 对系统取状态变量为
x =[ z 2 θz 1
0 0 0 1 /m
a14 a24 0 a44 0 0 0 0 0 b14 b24 0 b44 0 0 0 0 0
0 0 0 1 /m
0 0 0 0 a55 0 0 0 0 0 0 0 0 b55 0 0 0 0
0 0 a36 0 0 a66 0 0 0 0 0 b36 0 0 b66 0 0 0
0 0 0 1 /m l1 /J 2 - a /J 3 0 0 0
图 1 传统分析模型 Fi g. 1 Traditi onal analysis model
9
量(kg); m 为转向架构架质量 (kg ); c 2 为二系垂向 减振器阻尼(N s /m ); l 为二系悬挂到车体质心的 纵向距离之半(m ); a 为一系垂向减振器的横向距 离之半(m ); b 为二系垂向减振器的横向距离之半 (m ); k 2 为二系悬挂弹簧垂向刚度 (N /m ); c1 为一 系垂向减振器阻尼(N
收稿日期 : 200505 15 基金项目 : 教育部科技研究重点项目(01131) 作者简介 : 朱 浩(1972 ), 男 , 湖南株洲人 , 中南大学博士研究生 , 从事车辆主动减振技术与智能控制策略研究 .
第 3 期 朱 浩 ,等: 车辆主动悬挂最优预见控制模型 棒性降低 , 因此根据此 模型设计的控制器在实 际的车辆系统上会产生 较大的系统误差 , 甚至 会使主动控制失效 。 为 此本文提出了车辆悬挂 最优预见控制模型 。 该 模型与传统的简化模型
朱 浩1 , 刘少军1 , 邱显焱2
(1 . 中南大学 机电工程学院 , 湖南 长沙 410083 ; 2. 株 洲工学院 机械系 , 湖南 株洲 412000)
摘 要 : 以复杂多自由度的车辆系统设计模型代替传统的简化模型 , 建立了主动悬挂控制车辆系统 模型 , 设计了最优预见控制器 , 研究了车体的浮沉 、 点头 、 侧滚 3 种运动状态在加控制和未加控制时 的路面激扰响应 。 仿真计算结果表明在最优控制下车体的浮沉响应降低了 27 %, 点头响应降低了 30 %, 侧滚响应降低了 30 %; 在预见控制二次加权矩阵的作用下 , 车体的浮沉响应降低了 54 %, 点 头响应降低了 50 %, 侧滚响应降低了 45 %; 根据预见控制的提前预见可适时响应的特点 , 系统可按 设定目标预见步数提前作出响应 , 由此验证了最优预见控制在复杂多自由度的车辆主动悬挂设计 模型中应用的可行性和有效性 。 关键词 : 车辆工程 ; 多自由度 ; 主动悬挂 ; 最优预见控制 中图分类号 : U270 . 32 文献标识码 : A
控制变量为
u= [ u1
′ u1
u2
′ u2
u3
′ u3
u4
′ u4
u5
′ u5
u6
′ T u6 ]
系统输出为 y= [ z 2 θ ]T 外部激励为 zv = [ z v 1 z v 1 z v 2 z v2 z v 3 z v 3 z v4 z v4 ] x = Ax +Bu +Ez v y = Cx A= B= E=
Abstract : Based o n t he desi gn model of multideg rees of f reedom , a new modelling method of rail vehicle sy st em wi th active suspensio n w as put f orw ard , a kind of optim umpreview cont ro ller w as desig ned to rest rain the vertical vibratio n , no ddi ng and ro lli ng of carbody , t he system respo nd wi th cont roller w as analy sed. Sim ulation resul ts indicat e t hat the verti cal vibratio n , noddi ng and rolling levels of carbody are reduced by about 27 %, 30 %, 30 % respectively using optim um cont rol met ho d , and the levels o f carbody are reduced by about 54 %, 50 %, 45 % respectiv ely usi ng preview cont rol met hod , preview cont rol st ra tegy can m ake vehicle system respo nd ahead acco rding to t arget value. It is feasible t ha t the optimumpreview cont ro ller is used in desig nning the active suspension of rail vehicle system based on complex multideg rees of f reedom model. 1 tab , 15 f igs , 8 ref s. Key words : vehicle engineering ; multideg rees of freedom ; active suspension ; optimumpreview cont rol Author resume : Zhu H ao(1972 ), male , doctoral st udent , 86 7318832710 , zhu1201_ 1 @ 163. com.
Optimumpreview control model of rail vehicle active suspension
Zhu H ao 1 , Liu Shaojun 1 , Qiu Xiany an2
(1. Schoo l of M echanics and Electricity Engineering , Centr al South U niver sity , Chang sha 410083 , China ; 2 . Department of M echanics , Zhuzhou Institute of T echno lo gy , Zhuzhou 412000 , China )
[ 4]
(kg m );为车体点头角位移(rad); 1 、 2 分别为 前、 后转向架点头角位移(rad); θ 为车体侧滚角位移 (rad); θ 1 、 θ 2 分别为前 、后转向架侧滚角位移(rad); z 2 为车体浮沉位移(m ); z1 、 z′ 1 分别为前 、后转向架 浮沉位移(m ); z v 1 、z′ v 1 、z v 2 、z′ v 2 、z v 3 、z′ v 3 、z v 4 、z′ v4 分 别为前 、 后转向架各轮对由于轨道高低不平顺所引 起的轨面激励(m ); u1 、u ′ 1 、u2 、u ′ 2 、u3 、u ′ 3 、u4 、u ′ 4 、 u5 、 u′ 5 、u6 、u ′ 6 为作动器的输出控制力(N)。
2