双气室油气悬挂建模与特性研究

悬挂性能直接决定着车辆行驶平顺性和操控稳定性,双气室油气悬挂系统是一种新型悬挂。阐述了双气室油气悬挂的工作原理并建立了其参数化模型,通过与传统被动式悬挂的传递函数的比较,揭示了其刚度和变阻尼可随激励频率改变自动改变的特性。采用非支配排序遗传算法进行了多目标优化,结果显示其三个悬挂性能指标均优于传统的被动式悬挂。根据多目标优化得到的Pareto最优解选取悬挂参数,并进行时域仿真验证了上述结论。      

基于自适应神经模糊网络的路面识别技术

以路面识别为目的,利用自适应神经模糊网络(ANFIS)进行路面不平度激励时域估测研究. 首先建立车辆1/4模型运动微分方程,并使用白噪声信号激励车辆模型,利用激励产生的模型动力学响应进行自适应神经模糊系统训练. 之后对训练获得的逆向车辆动力学模型进行分析并利用随机路面激励产生的系统响应进行随机路面时域估测. 最后对自适应神经模糊网络系统隶属函数个数及输入数据组合进行分析比较. 仿真结果显示,自适应模糊神经网络系统能够以较高的精度完成路面时域估测.      

基于路面识别的非线性悬架系统自适应控制

针对非线性悬架系统,基于多目标布谷优化和路面识别算法,研究不同路面等级下悬架非线性系统特性,实现根据路面等级调整控制参数的目的.首先建立四分之一车辆模型,选取电流为优化变量,簧载质量加速度和轮胎动行程为优化目标;然后利用布谷优化算法求取不同路面下悬架最优参数,并利用路面识别方法得到当前路面等级,结合悬架性能需求实现悬架在不同路面下自适应调节.仿真结果表明:1)控制算法可根据不同路面情况自适应调整悬架参数,提高系统性能;2)相比于传统粒子群优化方法(PSO),基于布谷优化算法得到的控制电流能提供更为理想的悬架系统性能.     

基于路面识别的车辆半主动悬架控制

以实现悬架自适应半主动控制为目的,基于多目标优化算法及路面识别,针对车辆平顺性与操纵稳定性进行研究.首先建立1/4车辆等效天棚控制模型,并根据系统动力学关系推导车辆簧载质量加速度及轮胎动载荷的解析解表达式,然后利用基于遗传算法的多目标优化算法求取Pareto最优解集.依据路面识别得到的路面等级分配控制权重,以获得不同路面对应的控制增益.仿真结果显示,基于路面识别的半主动悬架自适应控制系统能够通过调节权重获得不同路面行驶条件下平顺性与操纵稳定性之间的平衡.     

基于车辆悬架振动响应的地面分类研究

为提升车辆在自然界地面上行驶时利用悬架振动响应识别地面类型的分类准确率,提出将时域参数特征和小波包能量特征相结合的特征提取方法,利用概率神经网络（PNN）对地面进行分类,对比了时域参数特征、小波包能量特征及两者结合的分类效果.试验中,使用道路模拟试验台输出6种路面时域高程,将单轴加速度传感器安装在车辆悬架摆臂上,采集垂向加速度信号.结果表明,使用提出的特征提取方法可以取得良好的分类效果,平均分类准确率达到了91.3%,明显优于其它两种方法.      

主动悬架系统建模及力跟踪控制

以提高平顺性为目的,对主动悬架系统建模及力跟踪控制进行研究. 主动悬架控制结构由外环及内环两部分组成:外环根据车辆模型状态量及路面扰动情况计算最优控制力,内环体现系统作动器动力学特性,并对外环产生的最优控制力进行跟踪. 针对内环系统特点,建立油气主动悬架作动器线性化模型并运用PI控制算法控制跟踪误差;外环系统采用LQG控制输出最优控制力. 仿真结果表明,与被动悬架相比,采用力跟踪方式的主动悬架系统能够有效改善车辆平顺性,并能够较好跟踪外环控制产生的最优控制力.