电液主动悬架灵敏度分析与自适应跟踪控制

应急救援车辆载重量大、行驶路面复杂,电液主动悬架输出力的响应和控制精度对衰减振动至关重要。建立了电液主动悬架单元数学模型,给出了系统的轨迹灵敏度方程,并得到力阶跃响应对应各主要参数的灵敏度,为悬架性能优化提供理论依据;针对电液主动悬架负载质量大的特点,结合灵敏度分析结果,设计模型参考自适应控制器。最后,通过实验对自适应控制效果进行验证,结果表明所提出的控制方法可有效提高电液主动悬架单元的跟踪性能和对输出力的控制精度,助力整车主动悬架系统实现各种先进控制算法。     

汽车主动悬架控制策略对比研究

为提高汽车主动悬架减振性能,建立了简化的1/4车体二自由度主动悬架模型,分别结合PID控制、模糊控制和自适应模糊PID控制方式设计了1/4车二自由度主动悬架控制器。以C级路面白噪声随机信号为激励,利用MATLAB/Simulink软件对车辆主动悬架的三种控制方式进行了仿真,选取车身垂直振动速度及加速度、悬架动挠度和轮胎动载荷等指标进行控制效果评价。结果表明:基于自适应模糊PID控制的主动悬架较其他控制方式能明显改善汽车行驶平顺性,可有效抑制汽车主动悬架的振动。     

变论域自适应模糊PID主动悬架控制研究

为提高汽车行驶平顺性和乘坐舒适性,提出一种基于变论域理论的自适应模糊PID汽车主动悬架控制策略,将自适应模糊PID和变论域的在线调整整合在一起,采用变论域模糊控制实现控制系统输入输出论域的自整定,提高控制精度;采用自适应模糊PID控制,提高系统的动、静态特性,形成更优的悬架控制方法。研究结果表明,变论域自适应模糊PID控制主动悬架较传统模糊控制以及模糊PID控制的主动悬架能够更有效的克服路面冲击,减少汽车垂直方向的振动,进一步提高汽车行驶平顺性和乘坐舒适性。     

汽车主动悬架精确控制技术分析与实验研究

以汽车行驶平顺性和乘坐舒适性为研究目标,为主动悬架系统提供了一种更可行的控制方法。基于1/4车四自由度主动悬架模型,分析了影响主动悬架动态特性的因素,并针对现存问题,把PID控制与神经网络相结合,提出一种单神经元PID控制策略,使神经元的连接权重对PID参数进行时时在线整定,以适应不同工况环境下悬架参数的变化。同时,以车身垂向加速度、悬架动挠度、轮胎垂向动载荷作为衡量指标进行仿真分析,并通过实验加以验证。结果显示,所用方法能够大幅提升主动悬架的动态性能,有效减小因路面激励所引起的车身颠簸,改善汽车乘坐舒适性和行驶平顺性。     

车辆主动悬架协调控制技术研究

为解决汽车转向工况下悬架系统垂向振动控制和侧倾控制存在的协调问题,提出了基于功能分配的主动悬架协调控制策略,设计了垂向运动控制器、侧倾控制器和协调控制器,通过协调控制器对垂向运动控制器和侧倾控制器进行功能分配。在控制策略的实现过程中,利用Adams建立整车动力学模型,在Simulink中设计控制系统,搭建Adams/Simlink主动悬架整车联合仿真平台,并通过汽车二自由度线性模型验证该平台的可行性。在C级路面上进行了直线行驶和角阶跃输入两种工况的仿真实验,对算法进行验证。结果显示,通过协调控制器进行功能分配的主动悬架控制系统,能很好的协调垂向控制器和侧倾控制器,提高了汽车的综合性能。     

汽车悬架系统中混沌振动的自适应跟踪控制研究

汽车悬架系统中的混沌振动会对车辆性能产生严重的不良影响。针对汽车悬架中的混沌控制问题,从具有不确定性时变系统参数和随机路面激励作用的汽车非线性悬架系统模型出发,提出一种具有自适应特性的反馈跟踪控制方法,并采用Lyapunov稳定理论证明了控制器的渐进稳定性。仿真结果表明:车辆在不同行驶速度和等级路面激励情况下,该控制方法不仅能有效抑制悬架的混沌振动,且有效降低悬架垂向振动加速度。研究结果为研究探索可控悬架系统的有效控制策略,提高车辆行驶平顺性提供了有益的理论方法参考。     

汽车主动悬架自适应模糊PID控制研究

为改善汽车行驶平顺性,建立了简化的1/4车二自由度汽车主动悬架模型,提出了主动悬架自适应模糊PID控制方法。该方法中PID控制器以车身垂直速度的误差为控制参量,将车身垂直速度误差及误差变化率作为模糊控制器的输入变量,对PID控制器参数进行在线自调整。以C级路面白噪声随机信号为输入,利用MATLAB/Simulink对自适应模糊PID控制器进行了仿真,结果表明:自适应模糊PID在车身垂直速度、加速度及轮胎动载荷等控制方面明显优于被动悬架及传统PID控制,说明该法具有较好的控制效果和鲁棒性。     

基于鲁棒神经网络的车辆主动悬架振动控制

由于路面不平整导致车辆行驶过程中产生很大的振动现象,因此采用鲁棒神经网络控制系统,实现车辆悬架振动的有效控制,并对控制结果进行仿真验证.建立了车辆7自由度振动悬架系统模型简图,构造了车辆振动动力学方程式.应用了PID控制器,通过增加指数函数对传统PID控制器中的组件进行求导,推导出鲁棒神经网络控制系统.采用数学软件Matlab/Simulink对神经网络控制系统进行仿真,同时与PID控制器进行对比和分析.仿真结果显示,车辆行驶过程中遇到路面随机产生的激励波后,主动悬架采用鲁棒神经网络控制跟踪误差较小,具有自适应调节功能.采用鲁棒神经网络控制车辆主动悬架,可以降低车辆垂直方向的振动幅度,提高车辆行驶的平稳性.     

车辆主动悬架PID控制与模糊控制研究

利用Simulink软件建立车辆的四分之一主动悬架和路面的仿真模型,基于PID控制原理和模糊控制原理分别设计以车身垂向加速度为控制对象的PID控制器和模糊控制器,对主动悬架系统进行仿真。对比被动悬架系统、PID控制的主动悬架系统和模糊控制的主动悬架系统的仿真结果,结果表明PID控制和模糊控制的主动悬架系统都能明显改善车辆的行驶平顺性及乘坐舒适性,在控制效果上模糊控制优于PID控制。     

自适应悬架对车辆性能改进的潜力

研究主动悬架自适应于路面输入和车辆参数变化,从而进一步改进车辆性能的潜力,以及车辆参数变化对车辆系统输出的影响,仿真结果表明了在主动悬架的最优控制设计中,其控制律参数自适应于路面输入的有效性,以及控制器设计中车辆参数估计的必要性。     

LMS自适应主动控制汽车悬架系统试验研究

以汽车操纵稳定性及行驶平顺性为控制目标，确定汽车系统的簧上质量加速度、车轮动载荷、悬架动挠度为具体评价参数。选择LMS自适应滤波算法，通过调整自适应滤波器的权系数使二次性能指标最小，根据单个样本方差的负梯度来调节权系数，得到控制输出。针对简化的汽车模型，在路面信号作为激励源的仿真研究过程中，算法对悬架系统的振动控制收到了较好的效果。在两自由度的悬架系统试验台架上进行了试验研究，结果进一步证明该算法的有效性，表明LMS自适应控制策略在主动悬架系统中的应用切实可行。     

加速度输入的履带车辆悬挂系统LQR控制建模与仿真

建立了以加速度作为路面激励输入信号,且考虑非悬置质量的履带车辆二自由度二分之一车辆力学模型,选定状态变量,推导出悬挂系统状态方程和振动微分方程。基于线性二次型(LQR)最优控制理论的主动控制算法得出最优控制力,依据磁流变阻尼器半主动限界Hrovat控制算法追踪最优控制力,实现悬挂系统磁流变阻尼半主动控制。对典型正弦路面激励下履带车辆悬挂系统的主动、半主动控制效果进行了仿真,并与被动控制效果进行比较。结果表明,建立的力学模型可信,算法能很好控制车体位移和加速度。     

Adaptive control of nonlinear uncertain active suspension systems with prescribed performance

This paper proposes adaptive control designs for vehicle active suspension systems with unknown nonlinear dynamics (e.g., nonlinear spring and piece-wise linear damper dynamics). An adaptive control is first proposed to stabilize the vertical vehicle displacement and thus to improve the ride comfort and to guarantee other suspension requirements (e.g., road holding and suspension space limitation) concerning the vehicle safety and mechanical constraints. An augmented neural network is developed to online compensate for the unknown nonlinearities, and a novel adaptive law is developed to estimate both NN weights and uncertain model parameters (e.g., sprung mass), where the parameter estimation error is used as a leakage term superimposed on the classical adaptations. To further improve the control performance and simplify the parameter tuning, a prescribed performance function (PPF) characterizing the error convergence rate, maximum overshoot and steady-state error is used to propose another adaptive control. The stability for the closed-loop system is proved and particular performance requirements are analyzed. Simulations are included to illustrate the effectiveness of the proposed control schemes.     

多变量主动悬架系统的一种自适应神经元控制策略

研究了车辆主动悬架这个多变量不确定系统的自适应控制问题。提出了一种新型的单神经元多变量控制器。给出一种综合误差的概念,将综合误差与传统的单神经元控制器相结合,得到一种基于综合误差理论的单神经元控制器,它可以同时直接调控被控对象的多输出变量。将该控制方法应用于1/4主动悬架系统,采用二次型性能指标对控制器参数进行了优化设计。研究了在不同的悬架参数及随机路面输入情况下控制器的自适应性能,并与被动悬架及传统神经元控制的主动悬架进行了性能对比。仿真结果表明,所提出的控制器可使车辆获得更为优良的综合减振性能,可显著改善平顺性,是一种简单有效且鲁棒性较好的自适应控制器。该控制方法为主动悬架及类似的多变量不确定系统的控制提供了一种可能的简捷有效的新途径。     

汽车半主动悬架系统的动态优化方法研究

建立了具有４自由度的半汽车模型，研究了汽车悬架系统半主动控制的动态优化方法。利用基于线性二次控制理论和考虑前后轮的路面扰动输入的时间延迟性对其进行仿真，结果表明，此优化方法能较大地改善悬架系统的动态性能。     

自适应模糊控制方法在主动悬挂系统中的应用研究

提出了一种主动悬挂系统的自适应模糊控制方法 ,该模糊控制方法可以在线自适应调整模糊控制的有关参数。 1/ 4车辆模型作为仿真对象 ,模糊控制器可以显著地减小车辆的振动及干扰 ,提高车辆的舒适性。仿真结果表明该模糊控制方法的有效性。另外 ,当主动悬挂系统模型参数发生变化时该模糊控制器表现出良好的鲁棒性     

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。     

车辆主动悬架控制器的仿真设计

建立了基于1/4车辆动力学和单轮路面输入模型,应用最优控制理论进行车辆主动悬架的线性二次型最优(LQC)控制器的设计,并运用MATLAB/SIMULINK软件进行路面输入和1/4车辆仿真分析。仿真结果表明采用LQG控制方法的主动悬架可以较好地改善车辆的行驶平顺性和乘坐舒适性。     

车辆电液主动悬架智能控制研究

建立悬架系统和电液伺服作动器数学模型,分别在正弦信号激励和随机路面激励下,设计最优控制器,在MATLAB/simulink里搭建仿真模型进行数值仿真。仿真结果表明:最优控制的电液主动悬架系统对由路面输入引起的振动能有效抑制,车身加速度、悬架动挠度和轮胎动载荷与被动悬架相比分别降低20%~55%、25%~44%、0%~54%,车辆行驶平顺性和操纵稳定性得到很大改善,验证了控制器的性能。