半主动空气悬架建模与神经元自适应控制

合集下载

基于磁流变阻尼器的车辆悬架半主动控制研究_间接自适应控制与实验

基于磁流变阻尼器的车辆悬架半主动控制研究——间接自适应控制与实验Ξ郭大蕾　胡海岩(南京航空航天大学振动工程研究所　南京,210016)摘　要　在分析磁流变阻尼器车辆悬架非线性特性的基础上,设计了一类神经网络间接自适应控制器,并根据系统的低频特性和作动器的快响应,实现了悬架振动的神经网络实时控制。

计算机仿真和悬架实验的结果均表明,神经模拟器能够逼近非线性系统,神经控制器能在时域和频域内以较高的精度控制悬架系统的振动。

关键词:自适应控制;神经网络;磁流变阻尼器;车辆底盘;振动控制中图分类号:T P273;U463.33;O322引　言车辆悬架是一个复杂的多自由度振动系统,行驶过程中路面的激扰、车身承受的载荷以及轮胎的状况等都是变化的,此外,半主动悬架的减振机构常常表现为非线性特性,因而悬架系统是典型的时变、非线性系统。

对于这一难以建立精确数学模型的复杂系统,其逆模型也未知,因而无法根据期望的运动指标来估计或计算控制输入。

文献[1]提出神经网络直接自适应控制,但是直接自适应控制中神经控制器的反传误差比较粗略,不能很好地跟踪系统的误差。

为了提高神经控制器反传误差接近系统输入误差的真实程度,本文设计了一类神经网络间接自适应控制器。

神经模拟器除用来模拟真实系统外,还用以逼近控制器的反传误差,来增强控制精度和控制效果。

悬架的低频响应特性和磁流变液体毫秒级的快响应,使神经网络的实现成为可能,本研究最后对悬架装置进行了振动控制实验。

1　神经网络间接自适应控制已经知道,非线性控制对象的模型未知或相当复杂,无法根据系统的理想响应y d求得相应的合适输入u d,因此不可能求得神经控制器的反传误差u d -u。

直接自适应控制方法将系统理想响应与辨识器输出之间的误差y d-y p直接作为控制器反传误差来训练控制器。

因此,这只是对u d-u的一种粗略近似。

本文提出控制器反传误差的一种精确近似,即训练辨识器时,除将实际系统输出与辨识模型输出之差反向传播调节神经辨识器的权值外,还将理想响应与系统实际输出之差通过该辨识器模型进行误差的反向传播,从而由输出误差获得输入误差的更精确近似。

半主动悬架神经网络自适应控制研究

（华东交通大学）洪家娣赵开林
ＨＯＮＧＪ本文针对半主动空气悬架这种时变的、非线性复杂系统，提出基于神经网络的自适应控制策略，设计了神经网络辨识
器和控制器。通过仿真计算和分析验证了其可行性和有效性。
关键词：半主动悬架；神经网络；自适应控制
中图分类号：ＴＰ３１１
ｍｅｎｔｓｉｌｌｕｓｔｒａｔｅｔｈｅｃｏｒｒｅｃｔｎｅｓｓａｎｄｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ．
Ｋｅｙｗｏｒｄｓ：ｓｅｍｉ－ａｃｔｉｖｅｓｕｓｐｅｎｓｉｏｎ，ｎｅｕｒａｌ－ｎｅｔｗｏｒｋ，ｓｅｌｆ－ａｄａｐｔｉｖｅｃｏｎｔｒｏｌｌｅｒ
新
量的多少来控制悬架刚度和车身高度。由于悬架弹簧具有非线
性特性、较大的时间滞后以及车辆数学模型某些参数的不确定
性等特点，本文采用神经网络自适应控制结构对１／４悬架系统
进行了仿真分析。
图２两自由度１／４车辆模型Ｆｉｇ．２２－ＤＯＦｍｏｄｅｏｆｖｅｈｉｃｌｅｍｕ－非簧载质量，ｍｓ－簧载质量，ｋｔ－轮胎刚度，ｋｓ－悬架静刚度，ｃ０－阻尼器阻尼系数，ｘ０－路面激励位移，ｘ１－非簧载质量位移，ｘ２－簧载质量位移根据牛顿第二定律，系统运动方程为
您的论文得到两院院士关注文章编号：１００８－０５７０（２００８）０１－１－００４５－０２
控制系统
半主动悬架神经网络自适应控制研究
Ｎｅｕｒａｌ－ｎｅｔｗｏｒｋＡｄａｐｔｉｖｅＣｏｎｔｒｏｌｆｏｒＶｅｈｉｃｌｅＳｅｍｉ－ａｃｔｉｖｅＳｕｓｐｅｎｓｉｏｎ
表１半主动悬架模型主要参数Ｔａｂ．１Ｍａｉｎｐａｒａｍｅｔｅｒｓｏｆｓｅｍｉ－ａｃｔｉｖｅｓｕｓｐｅｎｓｉｏｎ３．２悬架仿真结果车身加速度、悬架动挠度、轮胎动载荷的仿真结果如下：

汽车半主动空气悬架的神经网络控制方法_朱思洪

第6卷第4期 2006 年 12 月
交通运输工程学报
Journal of T raffic and T ransport ation Engineering
Vo l 6 No 4 Dec. 2006
文章编号 : 1671 -1637( 2006) 04 -0066 - 05
汽车半主动空气悬架的神经网络控制方法
第4期用前景。
朱思洪 , 等 : 汽车半主动空气悬架的神经网络控制方法
67
由牛顿第二运动定律 , 可得到半主动悬架系统的振动微分方程为 m 1 x 1 + c 1 ( x 1 - x 0 ) + k 1 ( x 1 - x 0 ) + c( x 1 - x 2 ) + ( k0 + kr ) ( x 1 - x 2 ) = 0 m 2 x 2 - c( x 1 - x 2 ) - ( k 0 + k r ) ( x 1 - x 2 ) = 0 式中: k 1 为为簧载质量; k 1 ( x 0 - x 1 ) 为车轮动载荷; x 2 - x 1 为空气悬架动挠度; x 2 为车身加速度。在主频带内路面激励速度 x 0 可近似处理为白噪声, 即 w = x 0 ( t) 取状态变量为 y1 = x2 y 2 = k1 ( x 1 - x 2 ) X = [ x1 - x0 x2 - x1 x1 x 2] T 则悬架系统的控制方程为 X = AX + Gw Y = BX 0 A= 0 k1 - m1 0 G= - 1 0 B= 0 0 0 0 k0 + kr m1 k0 + kr m2 1 - 1 c + c1 - m1 c m2 0 1 c m1 c m2

神经网络预测控制在车辆横向半主动悬挂控制中的应用设计

Ａｕｇ．２００１
２０８０１年月
利用此模型可以预测被控对象在给定输入下未来几步的输出值Ｙｋ１，…，ｙ，其中ｄ（＋）ｍ（＋
为预测步数。
（＋：ｋｄ１ …＝后１（）后Ｍ（＋一）＝Ｍ（＋）＝ｋ，也就是
型
图１神经网络预测控制算法的系统结构
自整定功能，而且对模型要求低，在线计算简
单，控制质量优良，从而为滞后、不确定性系统
由于本文的神经网络预测控制算法使用的是
具有良好泛化能力的神经网络模型。因而极大地
说，控制作用的大小与预测步数无关。单值预测控制的目标函数可以通过下列加权二次型性能指标求得。即：
在ｙ后的计算中，设Ｂ网络权值不变，ｍ（＋Ｐ
且只考虑在ｋ时刻控制量Ｕ的大小改变，而在以后的ｄ，控制量维持不变，即：步
出状态；而反馈校正可减小时变、非线性和随机
干扰对模型预测的影响．参考输人轨迹是一条从现在输出到给定输出的光滑曲线：滚动优化就是在每个间隔周期内寻找最优化的输入，以使实际
输出与参考轨迹相吻合。
制策略．因而具有控制效果好、鲁棒性强、对模型精确性要求不高等优点，为此，本文结合神经网络和预测控制的优点，构造了一种神经网络预

半主动空气悬架自适应小波消噪与试验

带噪声信号、非平稳信号等，采用传统的滤波方法具有一定的局限性。小波变换已被广泛应用在信号处
理领域。通过小波变换，可以把信号的特性分配到各个不同尺度的小波变换系数上，通过对小波变换
系数的分析与处理，就可以对信号进行压缩、奇异性检测以及消除噪声。小波降噪具有广泛的函数适应性和最优的自适应降噪能力＿６］。
控制器，通过仿真分析与试验，研究了半主动空气悬
后悬架也为非独立悬架，由空气弹簧、减振器、导向机构、横向稳定杆等组成，其右侧基于拓扑结构
如图２所示。
架神经元自适应控制的小波降噪的效果。
＊国家自然科学基金资助项目（５Ｏ９Ｏ５０７８）；江苏省自然科学基金资助项目（ＢＫ２０１２７１４）；江苏省３３３工程资助项目；江苏省六大人才高峰和江苏省青蓝工程资助项目收稿日期：２０１３ — ０８ — １５；修回日期：２０１５ — ０２ — １５
控制系统
控制器输出图３基于小波消噪的控制系统框图
Ｆｉｇ．３Ｃｏｎｔｒｏｌｓｙｓｔｅｍｂｌｏｃｋｄｉａｇｒａｍｂａｓｅｄｏｎｗａｖｅｌｅｔｄｅｎｏｉｓｉｎｇ
笔者建立了半主动空气悬架的动力学模型，设

基于Simulink的车辆半主动悬架建模仿真及控制器设计

0引言车辆的安全性、操作稳定性及乘坐舒适性是车辆在行驶过程中非常重要的性能指标，而悬架系统作为车辆的重要部分，对其有重要的影响。

随着汽车技术的发展，车辆主动悬架慢慢地取代了被动悬架，而对于悬架控制器方面的设计也层出不穷。

常用的主动悬架的控制方法有自适应控制、模糊控制、神经网络智能控制及最优控制等，而最优控制作为现代控制理论的核心，理论基础最为完善。

通过线性最优控制算法，综合考虑悬架系统的各因素，设计一个半主动悬架最优控制策略，与被动悬架进行对比研究，从而起到对系统性能的改善。

1系统模型的建立结合研究对象建立如图1所示1/4车辆简化模型。

以牛顿运动定律为基础建立运动方程，如下：（1）同时建立滤波高斯白噪声路面的输入数学模型，如下：（2）式中，x g -路面的垂向位移（m ）；f 0-下截止频率（Hz ）；G 0-路面不平度系数（m 3/cycle ）；ω-期望值为零的高斯白噪声；u-前进速度（m/s ）。

由式（1）和式（2）将方程写成相应矩阵形式，可得系统的空间状态方程：（3）（4）式中为系统的状态矢量，其中x ̇b 为簧载质量速度；x b 为簧载质量位移；x ̇w 为非簧载质量速度；x w 为非簧载质量位移；x g 为路面位移；U 为作动器控制力输入矩阵；W为白噪声输入矩阵。

2控制器设计对于车辆悬架设计来说，主要性能指标有轮胎动位移（轮胎接地性）；悬架动行程（影响车身布置及结构设计）；车身垂向振动加速度（乘坐舒适性）。

由此利用最优控制理论可设计控制器性能指标的表达式如下：（5）式中q 1-轮胎动位移的加权系数，q 2-悬架动行程的加权系数，q 3-车身垂向振动加速度的加权系数，T-时域。

从表达式中可以看出三个加权系数的选取决定了悬架性能的好坏，如果悬架系统目标为提高乘坐舒适性，则可选择车身垂向振动加速度较大的权值；若悬架系统目标为提高车辆的操作稳定性，则可选择轮胎动位移较大的权值。

因此在本研究中选取车身垂向振动加速度的加权系数q 3=1。

车辆半主动悬架最优控制方法研究

车辆半主动悬架最优控制方法研究车辆悬架是汽车重要的组成部分之一，其功能是支撑并缓解车身在路面行驶过程中的震动和冲击，提高行驶的稳定性和舒适性。

传统的悬架系统在一定程度上能够满足车辆的需求，但随着现代科技的不断发展，车辆悬架已经发展到了半主动悬架的阶段，能够更好地适应各种路况和驾驶需求。

半主动悬架是指车辆悬架系统能够通过传感器对车辆的运动状态进行实时监测，并对悬架的阻尼、弹性等参数进行调整，以实现优化的控制，提高车辆的操控性和舒适性。

半主动悬架的优点在于其能够根据路面情况和驾驶者的需求进行自动调节，从而达到最佳的悬架效果。

半主动悬架的最优控制方法是通过控制悬架阻尼和弹性参数来实现的。

这些参数的控制需要基于车辆的运动状态和路面情况进行实时调整。

具体来说，半主动悬架的最优控制方法包括以下几个方面：1.实时监测车辆状态和路面情况：半主动悬架系统需要通过传感器对车辆的运动状态和路面情况进行实时监测，包括车速、加速度、制动状态、路面起伏等参数。

2.悬架参数的自适应调整：根据车辆状态和路面情况的监测结果，半主动悬架系统需要对悬架的阻尼和弹性参数进行自适应调整，以达到最佳的悬架效果。

这需要先建立悬架系统的数学模型，然后通过模型预测来实现悬架参数的自适应调整。

3.控制策略的设计：半主动悬架系统需要设计合理的控制策略，以实现最优控制效果。

常用的控制策略包括PID控制、模糊控制、神经网络控制等。

4.优化算法的应用：为了实现更好的最优控制效果，半主动悬架系统需要应用优化算法来优化控制策略。

常用的优化算法包括遗传算法、模拟退火算法、粒子群算法等。

半主动悬架的最优控制方法需要通过实时监测车辆状态和路面情况，对悬架的阻尼和弹性参数进行自适应调整，设计合理的控制策略，应用优化算法等多个方面的综合考虑，才能够实现最佳的悬架效果，提高车辆的操控性和舒适性。

未来，随着科技的不断进步，半主动悬架的最优控制方法还将不断发展和完善。

半主动悬架的自适应滑模控制算法研究

半主动悬架的自适应滑模控制算法研究摘要：本研究聚焦于半主动悬架的自适应滑模控制算法，旨在通过深入的理论分析和实验验证，提升车辆行驶的平顺性和稳定性。

半主动悬架作为一种先进的汽车悬架系统，能够通过传感器感知路面状况和车身姿态，实时调节阻尼参数，从而优化车辆性能。

而自适应滑模控制算法的应用，则能进一步提升半主动悬架的性能表现。

我们提出了一种基于改进的理想天棚系统的自适应滑模变结构控制算法。

该算法的核心在于在实际被控系统和参考模型之间的误差动力学系统中产生渐进稳定的滑模运动。

通过李雅普诺夫稳定性原理，我们证明了所设计的滑模控制算法的稳定性。

以某重型车辆为例进行的MATLAB 仿真结果显示，与传统被动悬架和最优控制相比，自适应滑模控制器能够显著改善车辆的平顺性，并对模型参数的不确定性和外界扰动展现出良好的适应性和鲁棒性。

滑模控制算法也存在抖振问题，这也是未来研究需要重点关注的方向。

为了解决这一问题，我们探讨了各种削弱抖振的方案，并在实验验证中观察到滑模控制的抖振现象相对较小，这表明所设计的滑模控制器能够很好地改善悬架性能，达到预期效果。

我们还研究了轮胎阻尼对悬架系统性能的影响，提出了一种考虑轮胎非线性阻尼的四分之一车模型。

通过在不同路面条件下的仿真分析，我们深入探讨了滑模控制和天棚控制在不同车速和路面频率下的性能表现。

本研究为半主动悬架的自适应滑模控制算法提供了深入的理论和实验支持，为进一步提升汽车行驶性能提供了新的思路和方法。

滑模控制的抖振问题仍需进一步研究和完善，以适应更复杂的道路和驾驶条件。

Abstract：This study focuses on the adaptive sliding mode control algorithm of semi-active suspension, aiming to improve the smoothness and stability of vehicle driving throughin-depth theoretical analysis and experimental verification. As an advanced automotive suspension system, semi-active suspension can perceive road conditions and body posture through sensors, adjust damping parameters in real time, and optimize vehicle performance. The application of adaptive sliding mode control algorithm can further improve the performance of semi-active suspension. We propose an adaptive sliding mode variable structure control algorithm based on an improved ideal ceiling system. The core of this algorithm lies in generating asymptotically stable sliding mode motion in the error dynamics system between the actual controlled system and the reference model. We have demonstrated the stability of thedesigned sliding mode control algorithm through the Lyapunov stability principle. The MATLAB simulation results using a heavy vehicle as an example show that compared with traditional passive suspension and optimal control, the adaptive sliding mode controller can significantly improve the smoothness of the vehicle, and demonstrate good adaptability and robustness to the uncertainty of model parameters and external disturbances. The sliding mode control algorithm also has the problem of chattering, which is also a focus of future research. To address this issue, we have explored various solutions to reduce chattering and observed in experimental verification that the chattering phenomenon of sliding mode control is relatively small. This indicates that the designed sliding mode controller can effectively improve suspension performance and achieve the expected results. We also studied the effect of tire damping on suspension system performance and proposed a quarter car model that considers tire nonlinear damping. Through simulation analysis under different road conditions, we delved into the performance of sliding mode control and canopy controlunder different vehicle speeds and road frequencies. This study provides in-depth theoretical and experimental support for the adaptive sliding mode control algorithm of semi-active suspension, and provides new ideas and methods for further improving the driving performance of automobiles. The chattering problem of sliding mode control still needs further research and improvement to adapt to more complex road and driving conditions.一、概述随着汽车工业的不断发展，对车辆行驶平顺性和稳定性的要求也在日益提高。

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)。

ｔｉｏｎ，ＳＯｔｈａｔｔｈｅｃｏｎｔｒａｄｉｃｔｉｏｎｂｅｔｗｅｅｎｉｔｓｔｒａｖｅｌｓｍｏｏｔｈｎｅｓｓａｎｄｄｒｉｖｅｓｔａｂｉｌｉｔｙｗａｓｈａｎｄｌｅｄ．
ｆｅｃｔｉｖｅｌｙｕｓｅｄｔｏｒｅｄｕｃｅｖｅｈｉｃｌｅｂｏｄｙｖｉｂｒａｔｉｏｎａｎｄｉｔｓｐｉｔｃｈａｎｇｕｌａｒａｃｃｅｌｅｒａｔｉｏｎ，ａｎｄｒｏｌｌａｎｇｕｌａｒａｃｃｅｌｅｒａ —
ｔｈｅｄｙｎａｍｉｃｍｏｄｅＩｏｆｓｅｍｉ — ａｃｔｉｖｅａｉｒｓｕｓｐｅｎｓｉｏｎｗａｓｅｓｔａｂｌｉｓｈｅｄ．Ｔｈｅｃｏｒｒｅｃｔｎｅｓｓｏｆｔｈｅｍｏｄｅｌｐｒｏｐｏｓｅｄｗａｓｖｅｒｉｆｉｅｄｔｈｒｏｕｇｈｒｅａ１ｖｅｈｉｃｌｅｒｏａｄｔｅｓｔ．Ｔｈｅｓｅｍｉ — ａｃｔｉｖｅｎｅｕｒｏｎａｄａｐｔｉｖｅａｉｒｓｕｓｐｅｎｓｉｏｎｃｏｎｔｒｏｌｓｔｒａｔｅｇｙ
中图分类号：Ｕ４６３．３３５．１文献标识码：Ａ
Ｍｏｄｅｌｉｎｇｏｆｓｅｍｉ ‘ ａｃｔｉｖｅａｉｒｓｕｓｐｅｎｓｉｏｎａｎｄｉｔｓｓｉｍｕｌａｔｉｏｎ
ｗｉｔｈｎｅｕｒｏｎａｄａｐｔｉｖｅｃｏｎｔｒｏｌ
第３９卷第４期２０１３年８月
兰
州
理
工
大
学
学
报
Ｖｌ０ｒｎａｌｏｆＬａｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ
ｗａｓｓｔｕｄｉｅｄ．Ｔｈｅｒｅｓｕｌｔｓｈｏｗｅｄｔｈａｔｔｈｅａｄａｐｔｉｖｅｎｅｕｒｏｎｃｏｎｔｒｏｌｏｆｓｅｍｉ — ａｃｔｉｖｅａｉｒｓｕｓｐｅｎｓｉｏｎｃｏｕｌｄｂｅｅｆ —
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｓｔｕｄｙｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｎｅｕｒｏｎａｄａｐｔｉｖｅｃｏｎｔｒｏｌｉｎｔｈｅｓｅｍｉ — ａｃｔｉｖｅａｉｒｓｕｓｐｅｎｓｉｏｎ，
ＷＡＮＧＲｕｏ－ｃｈｅｎ，ＳＨＩＤｅ－ｈｕａ，ＣＨＥＮＢｉｎｇ
（ＪｉａｎｇｓｕＰｒｏｖｉｎｃｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｕｔｏｍｏｔｉｖｅＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｇｓｎｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｊｉ砒培２１２０１３，Ｃｈｉｎａ）
文章编号：１６７３ — ５１９６（２０１３）０４－００５１－Ｏ４
半主动空气悬架建模与神经元自适应控制
汪若尘，施德华，陈兵
（江苏大学江苏省汽车工程重点实验室，江苏镇江２１２０１３）
摘要：为了研究神经元自适应控制在半主动空气悬架中的应用，建立半主动空气悬架的整车动力学模型，通过实车道路试验，验证所建模型的正确性．提出半主动空气悬架神经元自适应控制策略，在仿真计算基础上，研究半主动空气悬架的动态性能，结果表明，半主动空气悬架神经元自适应控制可有效衰减车身振动，减小车身俯仰角加速度、侧倾角加速度，协调了车辆行驶平顺性与操作稳定性间的矛盾．关键词：半主动空气悬架；神经元；自适应控制
ｗａｓｐｒｅｓｅｎｔｅｄ．Ｂａｓｅｄｏｎｓｉｍｕｌａｔｉｖｅｃｏｍｐｕｔａｔｉｏｎ，ｔｈｅｄｎａｙｍｉｃｐｅｒｆｏｒｍａｎｃｅｏｆｓｅｍｉ — ａｃｔｉｖｅａｉｒｓｕｓｐｅｎｓｉｏｎ
Ｋｅｙｗｏｒｄｓ：ｓｅｍｉ — ａｃｔｉｖｅａｉｒｓｕｓｐｅｎｓｉｏｎ；ｎｅｕｒｏｎ；ａｄａｐｔｉｖｅｃｏｎｔｒｏ１