实验室研究与探索 2017 , 36 (5): 44-47

实验技术

基于模糊神经PID控制的汽车主动悬架平顺性分析与测试

田丰福, 杨金玉

长春汽车工业高等专科学校, 第一汽车集团公司教育培训中心, 长春 130013

Analysis and Test of Ride Comfort of Vehicle Active Suspension Based on Fuzzy Neural PID Control

TIAN Fengfu, YANG Jinyu

Changchun Automobile Industry Institute, China First Automobile Group Corporation, Changchun 130013, China

中图分类号: U461.4

文献标识码: A

文章编号: 1006-7167(2017)05-0044-04

收稿日期: 2016-09-19

网络出版日期: 2017-05-20

基金资助: 吉林省科技发展计划项目 (201303040NY)

作者简介:

作者简介:田丰福(1983-),男,内蒙古兴安盟人,讲师,现主要从事汽车维修与电子技术研究。Tel.:13644304021; E-mail:yangjinyu-yjy@163.com

展开

摘要

路面的激励作用会使车辆在行驶过程中产生颠簸和振动,严重影响汽车行驶平顺性和乘坐舒适性。建立了1/4汽车主动悬架数学模型,提出一种基于模糊神经网络的控制策略。该方法利用了模糊控制鲁棒性强和神经网络控制收敛速度快的特点,对系统参数进行实时在线调整;同时,以悬架动行程、车轮动载荷以及车身垂直加速度为衡量指标进行仿真分析和测试研究。结果表明,所提出的控制策略可以有效减小汽车在行驶中因路面激励作用而产生的振动,大幅改善了车辆操纵稳定性、汽车行驶平顺性及乘坐舒适性,鲁棒性强,有一定可借鉴意义。

关键词： 主动悬架 ; 模糊神经控制 ; PID控制 ; 测试

Abstract

The excitation of road surface causes the vehicle to produce bump and vibration in the traveling process, affects the automobile ride comfort. This study established a 1/4 car active suspension model, proposed a control strategy based on fuzzy neural network. The design made full use of strong robustness of fuzzy control and fast convergence of neural network, could real-time adjust system parameters. Tests and simulation analyses of suspension dynamic travel, wheel dynamic changes in load, and the vertical acceleration of the body research were carried out. The results show that the proposed control strategy can effectively reduce the vibration caused by road excitation and produce, improve vehicle handling stability, ride comfort, strong robust, has certain reference significance.

Keywords： active suspension ; fuzzy neural control ; PID control ; tests

PDF (2360KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

田丰福, 杨金玉. 基于模糊神经PID控制的汽车主动悬架平顺性分析与测试[J]. , 2017, 36(5): 44-47 https://doi.org/

TIAN Fengfu, YANG Jinyu. Analysis and Test of Ride Comfort of Vehicle Active Suspension Based on Fuzzy Neural PID Control[J]. 实验室研究与探索, 2017, 36(5): 44-47 https://doi.org/

0 引言

悬架不仅在车轮和车体之间传递力矩,还起着缓冲路面激励的作用,其性能直接决定着车辆的行驶平顺性和乘坐舒适性。由于被动悬架的弹簧刚度和阻尼系数是固定不变的,在汽车行驶过程中无法自动调节,只有在特定工况才能达到最优的工作状态,使汽车的动态性能受到影响。主动悬架采用力发生器取代被动悬架阻尼元件,可以根据路面的激励作用对控制力进行调节,从而得到最优的控制效果^[1-2]。目前对主动悬架系统的研究,研究人员提出了各种不同的控制方法,如柴陵江等^[3]建立7自由度主动悬架的动力学模型,设计出主动悬架LQG控制器,并采用层次分析法确定各评价指标的加权系数,降低了车身振动幅度,提高乘坐舒适性。赵强等^[4]针对主动悬架模糊PID控制器参数的最优选取问题,利用遗传算法的全局优化能力和并行能力对PID参数进行优化。王振臣等^[5]利用人工蜂群算法在线优化PID参数增益,并与神经网络控制相结合,提高了主动悬架的减振效果,且有较强的鲁棒性。

悬架是一个多变量、时变性的系统,用简化的数学模型不能真实反映出实际控制情况。本研究尝试将神经网络与模糊推理技术相结合应用于主动悬架系统控制,对PID控制器参数进行实时调整,实现悬架的最优控制。同时,采用仿真分析和现场测试对轮胎动载荷、车身垂直加速度、悬架动行程3个控制指标进行性能评定,从而验证不同路面激励条件下,所提出控制策略的可靠性。

1 主动悬架动力学分析

主动悬架由作动器、阻尼和弹簧组成,能够根据路面激励自动调节悬架系统的参数,使系统始终在最优的状态下工作。其工作原理是将传感器采集到的路面信息传送给计算机,处理器根据输入信息的变化对作动器发出相应的控制信号,后者产生用于抵消路面激励的控制力,减小车身振动幅度,实现汽车平顺性与舒适性的最佳组合,克服了被动悬架因参数固定不变而造成的舒适性差问题,主动悬架结构如图1所示^[6-7]。

显示原图| 下载原图ZIP| 生成PPT

图1 主动悬架结构模型

目前汽车悬架系统的建模方式主要包括1/4车、1/2车以及整车3种^[8-9]。1/4车模型多用于研究悬架系统控制策略问题;1/2车模型多用于研究不同悬架系统之间参数匹配问题;整车模型多用于研究车辆的整体运动姿态问题。以1/4车悬架作为研究对象,对其进行运动学分析。假设车体是刚性的,则悬架动力学微分方程组为^[10]:

$\begin{matrix} \begin{matrix} m_{2} {\ddot{y}}_{2} = - k_{2} (y_{1} - y_{2}) - c ({\dot{y}}_{1} - {\dot{y}}_{2}) + u \\ m_{1} {\ddot{y}}_{1} = k_{2} (y_{2} - y_{1}) + c ({\dot{y}}_{2} - {\dot{y}}_{1}) - u + k_{1} (s - y_{1}) \end{matrix}\} \end{matrix}$ (1)

式中:m₁,m₂分别为车轮与车体的质量;k₁,k₂为轮胎与悬架的刚度;y₁,y₂为车轮和车体在垂直方向上的位移;s为路面激励;u为作动器产生的控制力;c为减震器的阻尼系数。

取状态变量x₁=y₁,x₂=y₂,x₃= $\begin{matrix} {\dot{y}}_{1} \end{matrix}$ ,x₄= $\begin{matrix} {\dot{y}}_{2} \end{matrix}$ ,令X=(x₁,x₂,x₃,x₄)^T,则输入变量为:

$\begin{matrix} U = {(u, s)}^{T} \end{matrix}$

将模型改写成状态空间形式,即:

$\begin{matrix} \dot{X} = AX + BU, Y = CX + DU (2) \end{matrix}$

式中:

A= $\begin{matrix} [\begin{matrix} - \frac{c}{m_{2}} & \frac{c}{m_{2}} & - \frac{k_{2}}{m_{2}} & 0 \\ \frac{c}{m_{1}} & - \frac{c}{m_{1}} & \frac{k_{2}}{m_{1}} & \frac{k_{1}}{m_{1}} \\ 1 & - 1 & 0 & 0 \\ 0 & - 1 & 0 & 0 \end{matrix}] \end{matrix}$ , B= $\begin{matrix} [\begin{matrix} \frac{1}{m_{2}} & 0 \\ - \frac{1}{m_{1}} & 0 \\ 0 & 0 \\ 0 & 1 \end{matrix}] \end{matrix}$ ,

C= $\begin{matrix} [\begin{matrix} - \frac{c}{m_{2}} & \frac{c}{m_{2}} & - \frac{k_{2}}{m_{2}} & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1 \end{matrix}] \end{matrix}$ , D= $\begin{matrix} [\begin{matrix} \frac{1}{m_{2}} & 0 \\ 0 & 0 \\ 0 & 0 \end{matrix}] \end{matrix}$

2 基于模糊神经网络的主动悬架控制策略

主动悬架是一个非常复杂的系统,难以建立精确的数学模型。要想获得最优的控制效果,需要实时调整参数,以抵消干扰引起的控制偏差。为此,基于模糊神经网络设计了参数自学习PID控制器,如图2所示^[11-12]。通过模糊规则计算神经网络的权重系数,实现对传统PID控制器参数的实时在线调整,从而满足不同工况条件下的需要。

显示原图| 下载原图ZIP| 生成PPT

图2 模糊神经PID控制器结构

本文研究的模糊神经网络模型的拓扑结构包含五层,有2个输入节点和3个输出节点,如图3所示^[13-14] 。输入节点分别对应输出变量的偏差e以及偏差变化率ec,处理后得到的参数通过输出节点分别对应PID控制器的3个参数。

显示原图| 下载原图ZIP| 生成PPT

图3 模糊神经网络的拓扑结构

第1层为输入层。2个节点分别对应输入变量,与变换后的误差及误差变化率相连接,不作任何计算直接输送给下一层。

第2层是语言变量层。每个节点对应一个语言变量值,功能是将输入量转换为模糊矢量,作为控制器的输入,取隶属度函数为:

$\begin{matrix} μ_{i}^{j} = \exp [- (x_{i} - c_{ij})^{2}] / σ_{ij}^{2} (3) \end{matrix}$

式中:c_ij为隶属函数的中心; $\begin{matrix} σ_{ij}^{2} \end{matrix}$ 为隶属函数的宽度。

第3层是模糊推理层。每个节点代表一条模糊规则,通过与模糊化层的连接来完成模糊规则的匹配,通过各相应的权重系数,计算每条规则的适用度α_j。

第4层是归一层,用来进行各条规则适用度的归一化计算。

第5层是输出层,将模糊化后的变量清晰化, 与PID控制器的3个参数相对应。

可见,所设计的模糊神经网络结构实质上是一种多层前馈网络,可以用误差反传的方法来设计调整参数的学习算法,表达式为:

$\begin{matrix} e = \frac{1}{2} \overset{3}{\sum_{i = 1}} (r_{i} - y_{i})^{2} (4) \end{matrix}$

式中:r_i为目标输出;y_i为实际输出。

网络连接权值的学习规则为:

ω_ij(k+1)=ω_ij(k)+η(r_i+y_i)+

λ[ω_ij(k)-ω_ij(k-1)] (5)

式中:η为学习速率;λ为平滑因子,且0<λ<1。

3 仿真分析

路面激励是引起车辆颠簸振动的最主要因素,通常采用路面不平度来表示不同等级的路面,其表达式为^[15]:

$\begin{matrix} {\dot{Z}}_{r} (t) = - 2 π f_{0} Z_{r} (t) + 2 π \sqrt{G_{0} v} w (t) (6) \end{matrix}$

式中: f₀为下截止频率;G₀为路面不平度系数;w(t)为高斯白噪声;v为汽车时速。.

为模拟路面激励,在Matlab仿真平台中建立路面白噪声模型,得到B级路面激励曲线,如图4所示。

显示原图| 下载原图ZIP| 生成PPT

图4 B级路面模拟曲线

为验证模糊神经PID控制策略的可靠性,基于Matlab/Sinmulink 平台进行仿真分析,选取轮胎的刚度155 kN/m,悬架的刚度16 kN/m,车轮质量48 kg,车体质量320 kg,汽车行驶速度10 m/s,减震器的阻尼系数1.4 kN·s/m。分别对车身垂直加速度、悬架动行程以及轮胎动载荷3个性能指标进行分析,并与传统PID控制进行比较,如图5所示。

显示原图| 下载原图ZIP| 生成PPT

图5 仿真曲线

从仿真结果看,与传统PID控制策略相比,模糊神经PID控制可以大大提高主动悬架的动态特性,减小路面激励对车辆的影响,缩小振动和颠簸的幅度,控制效果好,鲁棒性强。

4 性能测试

为验证控制策略的有效性,采用模糊神经PID控制器对实车进行悬架性能测试。选取坡度<2%的水泥路面作为试验场地,符合B级路面条件。测试工况1:汽车在所选路面以25 km/h的时速行驶。测试工况2:汽车以相同时速驶过10 cm高的凸块。根据测试条件,取车身垂直加速度作为测试指标,结果如图6所示。

显示原图| 下载原图ZIP| 生成PPT

图6 测试结果

测试结果表明,与传统PID控制相比,采用模糊神经PID控制的主动悬架在各测试工况下车身垂直加速度的幅值明显减小,说明该控制方法可大幅提高主动悬架的动态性能,测试结果同时也验证了仿真分析的正确性。

5 结语

针对被动悬架存在的问题,为提高汽车行驶平顺性、操纵稳定性以及乘坐舒适性,对1/4车主动悬架的控制策略展开研究。首先建立了主动悬架动力学方程,找出影响汽车动态特性的因素。提出模糊神经PID控制策略,实时在线整定主动悬架的参数,使系统始终保持在最优的控制状态,使之适应实际路面环境的不断变化。最后,取轮胎动载荷、车身垂直加速度、悬架动行程作为评价指标进行仿真和测试。结果表明,应用模糊神经PID控制策略的主动悬架能有效克服路面激励,减小车体的振动幅度和速度,与传统控制算法相比,该策略响应速度快,抗干扰能力强,大大提高和改善了车辆行驶稳定性和乘坐舒适性。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	周长城. 汽车平顺性与悬架系统设计[M]. 北京:机械工业出版社,2011. [本文引用: 1]
[2]	Eltantawie M A. Decentralized neuron-fuzzy control for half car with semi-active suspension system [J]. International Journal of Automotive Technology, 2012, 13(3): 423-431. DOI:10.1007/s12239-012-0039-y URL Magsci [本文引用: 1] 摘要 In this paper, a decentralized neuro-fuzzy controller has been created in order to improve the ride comfort and increase the stability for half car suspension system, which used the magneto-rheologica
[3]	柴陵江,孙涛,冯金芝,等. 基于层次分析法的主动悬架LQG控制器设计 [J]. 汽车工程,2010,32(8):712-718. URL [本文引用: 1] 摘要建立了7自由度主动悬架的动力学模型,并应用最优控制理论设计了车辆主动悬架的LQG控制器;采用层次分析法确定各性能评价指标的加权系数,在Matlab/Simulink环境下建立主动悬架和被动悬架模型并进行仿真。仿真结果表明,通过层次分析法对加权系数的合理选取,主动悬架能够有效地降低车身振动加速度,从而提高乘坐舒适性。
[4]	赵强,何法,王鑫,等. 基于遗传算法优化的车辆主动悬架模糊PID控制 [J]. 重庆理工大学学报(自然科学),2016,30(2):6-11. DOI:10.3969/j.issn.1674-8425(z).2016.02.002 URL [本文引用: 1] 摘要针对汽车主动悬架模糊PID控制器参数的最优选取问题,利用遗传算法的全局优化能力和并行能力优化模糊PID控制器的量化因子及其PID参数的修正系数。以汽车行驶平顺性和接地性等作为综合评价指标,建立包含车身垂直加速度、悬架动行程和轮胎动载荷3项指标的目标函数,采用遗传算法进行控制器参数优化,以Granada车参数为例进行控制仿真。仿真结果表明:主动悬架采用基于遗传算法优化的模糊PID控制后,其性能优于无优化的模糊PID控制以及相应的被动悬架。
[5]	王振臣,赵莎,杨康. 汽车主动悬架单神经元PID控制器设计 [J]. 机械设计与制造,2013(11):29-32. DOI:10.3969/j.issn.1001-3997.2013.11.009 URL [本文引用: 1] 摘要悬架系统对汽车乘坐舒适性和操纵稳定性的改善起着重要的作用。为提高汽车行驶的平顺性,设计了单神经元PID控制器,并利用人工蜂群算法在线优化单神经元PID控制增益。以车身垂直加速度、轮胎动位移、悬架动行程为评价指标,研究控制器的减振效果和当路面输入改变、模型参数变化时的适应性,对1/4汽车主动悬架模型进行仿真了分析。结果表明:基于蜂群的单神经元PID控制器有效地降低了车身垂直加速度,且有较强的鲁棒性,进一步提高了汽车行驶的平顺性。
[6]	Liu Xiao-bin, Liu Xiao-jin. Design and simulation of active suspension system based on the LQG controller [J]. Journal of Lanzhou University of Technology, 2014, 40(2):33-36. URL [本文引用: 1] 摘要 The optimum control strategy of active suspension which pertain to linear quadratic type was studied,the dynamics model of 1/4active suspension with two degree-of-freedom was established,and the LQG controller of automoble active suspension was designed based on optimum theory.The weighting coefficient of the various performance assessment indices was solved by MATLAB/LQG,the active suspension simulation model was established,and the LQG controller model was established in Matlab/Simulink. The simulation experiment was made through,S-Function controller model that join by data interface of AMESim.The simulation results show that the active suspension can effectively reduce the amount of vertical displacement,slow vehicle vibration acceleration and raise comfort.
[7]	Yim S, Park Y, Yi K. Design of active suspension and electronic stability program for rollover prevention [J].International Journal of Automotive Technology, 2010, 11(2): 147-153. DOI:10.1007/s12239-010-0020-6 URL Magsci [本文引用: 1] 摘要 This article describes a method that can be used for the design of a controller to prevent rollovers, particularly in sports utility vehicles (SUVs) and vans. The controller uses active suspension and an electronic stability program (ESP). The active suspension is designed with linear quadratic static output feedback control methodology to reduce the effect of lateral acceleration on the roll angle and suspension stroke via control of the suspension stroke and tire deflection of the vehicle. The authors caution that this approach can result in the loss of maneuverability because the active suspension for rollover prevention produces in vehicles an extreme over-steer characteristic. In order to overcome this drawback of the active suspension based method, the ESP is incorporated into the system. The ESP includes direct yaw moment control (DYC) which is computed by a sliding mode control methodology and distributed to each wheel's braking force. The authors use simulations to demonstrate the effectiveness of this proposed method in preventing rollovers at any speed.
[8]	邱权, 郑玲. 自传感磁流变半主动悬架滑模观测及控制 [J]. 汽车工程学报,2013,5(9):345-353. DOI:10.3969/j.issn.2095-1469.2013.05.05 URL [本文引用: 1] 摘要针对自传感磁流变半主动悬架系统控制问题，建立了1／4悬架系统动力学模型，采用滑模变结构方法设计了基于相对位移自传感的半主动悬架状态观测器与控制器。首先对系统状态方程进行重构，设计了状态观测器，通过簧上、簧下质量相对位移自传感信息，对系统状态变量进行准确估计，然后以二阶天棚阻尼系统为参考模型，对磁流变半主动悬架进行了滑模控制。仿真结果表明，状态观测器具有很好的估计精度，能有效跟踪系统状态，基于状态估计的滑模控制器能髭著改善汽车舒适性，对系统参数变化具有高度的鲁棒特性。
[9]	Eltantawie M A. Decentralized neuro-fuzzy control for half car with semi-active suspension system [J].International Journal of Automotive Technology, 2012, 13(3): 423-431. DOI:10.1007/s12239-012-0039-y URL Magsci [本文引用: 1] 摘要 In this paper, a decentralized neuro-fuzzy controller has been created in order to improve the ride comfort and increase the stability for half car suspension system, which used the magneto-rheologica
[10]	Alyaqout S F, Papalambros P Y, Ulsoy A G. Combined design and robust control of a vehicle passive/active suspension [J]. International Journal of Vehicle Design, 2012, 59(4): 315-330. DOI:10.1504/IJVD.2012.048975 URL Magsci [本文引用: 1] 摘要 An approach that combines passive and active elements to improve the robustness of a vehicle suspension system with respect to a worst-case scenario is introduced, and leads to a coupled optimisation problem that is often difficult to solve. A sequential strategy that depends on the strength of coupling and optimises the passive elements first, and then the active elements, reduces computational effort. Varying such parameters as level of uncertainty, tyre stiffness, and unsprung mass parameters leads to a relationship between coupling and robustness of the control. Results show that coupling between design and robust control increases as uncertainty increases.
[11]	楼少敏,付振,许沧栗. 整车半主动悬架滑模控制器的设计与仿真 [J].汽车工程, 2010,32(8):719-726. URL [本文引用: 1]
[12]	Demir O, Keskin I, Cetin S. Modeling and control of a nonlinear half-vehicle suspension system: a hybrid fuzzy logic approach [J]. Nonlinear Dynamics, 2012, 67(3): 2139-2151. DOI:10.1007/s11071-011-0135-y URL Magsci [本文引用: 1] 摘要 Abstract Modeling and control of vehicle suspension system are high noteworthy from safety to comfort. In this paper, an analytical nonlinear half-vehicle model which is included quadratic tire stiffness, cubic suspension stiffness, and coulomb friction is derived based on fundamental physics. A hybrid fuzzy logic approach which combines fuzzy logic and PID controllers is designed for reducing the vibration levels of passenger seat and vehicle body. Performances of designed controllers have been evaluated by numerical simulations. Comparisons with classical PID control, Fuzzy Logic Control (FLC) and Hybrid Fuzzy-PID control (HFPID) have also been provided. Results of numerical simulations are evaluated in terms of time histories of displacement and acceleration responses and ride index comparison. A good performance for the Hybrid Fuzzy-PID controller with coupled rules (HFPIDCR) is achieved in simulation studies despite the nonlinearities.
[13]	王东. 优化PID与神经 PID 控制主动悬架的性能对比研究 [J]. 机械设计与制造, 2011(10):96-98. DOI:10.3969/j.issn.1001-3997.2011.10.039 URL [本文引用: 1] 摘要为主动悬架选择一种更可行的控制方法,对PID与神经PID控制主动悬架进行了优化后的性能对比研究。基于1/4车二自由度主动悬架模型,利用遗传算法以悬架二次型性能指标为目标函数,分别对PID控制主动悬架的增益系数与神经PID控制主动悬架的初始权值和学习效率进行了优化。优化结果显示:优化后的PID控制主动悬架的综合性能较神经PID控制主动悬架略优。出现上述结果的原因在于:当神经PID控制主动悬架的学习效率等于零时则退化成PID控制主动悬架,学习效率不等于零则导致神经PID控制主动悬架的实时PID权值偏离了最优的PID权值。此外凸块路面输入下的仿真也显示优化PID的鲁棒性也略优于优化神经PID。因此,选择算法较复杂的神经PID对主动悬架进行控制是没有必要的。
[14]	陈龙,黄晨. 基于悬架效用函数的车身姿态控制 [J].农业机械学报,2011,42(8):15-25. [本文引用: 1]
[15]	楼少敏,付振,许沧栗. 基于滑模理论的主动悬架控制 [J].汽车工程,2010,32(5):434-438. URL [本文引用: 1] 摘要建立了4自由度的1/2车辆悬架模型。采用极点配置法进行切换超平面的设计,基于滑模理论并应用自由递阶法进行多变量变结构滑模控制器的设计,并用光滑函数消减系统抖振。研究了系统在随机激励条件下的车身垂向加速度与俯仰角加速度、前后悬架动行程和前后轮胎动位移等性能的控制效果,并对其进行了功率谱密度的仿真分析。仿真结果表明:该滑模控制器性能稳定,控制后悬架各性能参数在时域和频域中均得到明显改善,证明了所设计的多输入滑模控制器的有效性。

2011

... 悬架不仅在车轮和车体之间传递力矩,还起着缓冲路面激励的作用,其性能直接决定着车辆的行驶平顺性和乘坐舒适性.由于被动悬架的弹簧刚度和阻尼系数是固定不变的,在汽车行驶过程中无法自动调节,只有在特定工况才能达到最优的工作状态,使汽车的动态性能受到影响.主动悬架采用力发生器取代被动悬架阻尼元件,可以根据路面的激励作用对控制力进行调节,从而得到最优的控制效果^[1-2].目前对主动悬架系统的研究,研究人员提出了各种不同的控制方法,如柴陵江等^[3]建立7自由度主动悬架的动力学模型,设计出主动悬架LQG控制器,并采用层次分析法确定各评价指标的加权系数,降低了车身振动幅度,提高乘坐舒适性.赵强等^[4]针对主动悬架模糊PID控制器参数的最优选取问题,利用遗传算法的全局优化能力和并行能力对PID参数进行优化.王振臣等^[5]利用人工蜂群算法在线优化PID参数增益,并与神经网络控制相结合,提高了主动悬架的减振效果,且有较强的鲁棒性. ...

Decentralized neuron-fuzzy control for half car with semi-active suspension system

2012

基于层次分析法的主动悬架LQG控制器设计

2010

基于遗传算法优化的车辆主动悬架模糊PID控制

2016

汽车主动悬架单神经元PID控制器设计

2013

Design and simulation of active suspension system based on the LQG controller

2014

... 主动悬架由作动器、阻尼和弹簧组成,能够根据路面激励自动调节悬架系统的参数,使系统始终在最优的状态下工作.其工作原理是将传感器采集到的路面信息传送给计算机,处理器根据输入信息的变化对作动器发出相应的控制信号,后者产生用于抵消路面激励的控制力,减小车身振动幅度,实现汽车平顺性与舒适性的最佳组合,克服了被动悬架因参数固定不变而造成的舒适性差问题,主动悬架结构如图1所示^[6-7]. ...

Design of active suspension and electronic stability program for rollover prevention

2010

自传感磁流变半主动悬架滑模观测及控制

2013

... 目前汽车悬架系统的建模方式主要包括1/4车、1/2车以及整车3种^[8-9].1/4车模型多用于研究悬架系统控制策略问题;1/2车模型多用于研究不同悬架系统之间参数匹配问题;整车模型多用于研究车辆的整体运动姿态问题.以1/4车悬架作为研究对象,对其进行运动学分析.假设车体是刚性的,则悬架动力学微分方程组为^[10]: ...

Decentralized neuro-fuzzy control for half car with semi-active suspension system

2012

Combined design and robust control of a vehicle passive/active suspension

2012

整车半主动悬架滑模控制器的设计与仿真

2010

... 主动悬架是一个非常复杂的系统,难以建立精确的数学模型.要想获得最优的控制效果,需要实时调整参数,以抵消干扰引起的控制偏差.为此,基于模糊神经网络设计了参数自学习PID控制器,如图2所示^[11-12].通过模糊规则计算神经网络的权重系数,实现对传统PID控制器参数的实时在线调整,从而满足不同工况条件下的需要. ...

Modeling and control of a nonlinear half-vehicle suspension system: a hybrid fuzzy logic approach

2012

优化PID与神经 PID 控制主动悬架的性能对比研究

2011

... 本文研究的模糊神经网络模型的拓扑结构包含五层,有2个输入节点和3个输出节点,如图3所示^[13-14] .输入节点分别对应输出变量的偏差e以及偏差变化率ec,处理后得到的参数通过输出节点分别对应PID控制器的3个参数. ...

基于悬架效用函数的车身姿态控制

2011

基于滑模理论的主动悬架控制

2010

... 路面激励是引起车辆颠簸振动的最主要因素,通常采用路面不平度来表示不同等级的路面,其表达式为^[15]: ...

〈

〉

基于模糊神经PID控制的汽车主动悬架平顺性分析与测试

Analysis and Test of Ride Comfort of Vehicle Active Suspension Based on Fuzzy Neural PID Control

0 引 言

1 主动悬架动力学分析

2 基于模糊神经网络的主动悬架控制策略

3 仿真分析

4 性能测试

5 结 语

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

0 引言

5 结语

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子