基于轴距预瞄的半主动悬架模糊神经网络控制

应用模糊控制和神经网络控制理论,构建了1/2车辆的半主动悬架模型,设计了基于轴距预瞄的半主动悬架模糊神经网络控制系统.对前轮半主动悬架采用以对应处车身垂向加速度为目标的模糊控制,对后轮半主动悬架采用轴距预瞄模糊控制,并利用神经网络来调整模糊控制器的控制规则和隶属度函数.在不同车速下对所建的控制系统分别进行了白噪声和路面脉冲输入的仿真.结果表明,与传统的被动系统相比,轴距预瞄模糊神经网络控制的半主动悬架系统能有效降低车辆振动;与模糊控制的半主动悬架系统相比,质心垂向加速度和后轮对应处车身加速度均有显著减小,较好地改善了车辆的行驶平顺性.     

一种引入行驶状态识别的半主动悬架PID控制修正算法

基于车辆不同行驶状态（路面不平度和车速）下悬挂质量垂向加速度和悬架动挠度响应不相同的客观事实,针对半主动悬架PID控制器无自适应能力的局限,以悬挂质量垂向加速度和悬架动挠度响应作为车辆行驶状态的识别判据．建立起一种引入行驶状态识别的半主动悬架PID控制修正算法,进而以某型轿车为对象,采用MATLAB／Simulink建立起半主动悬架PID控制的仿真模型,针对不同行驶状态计算出PID控制算法修正前、后的车辆平顺性响应并加以对比,表明所提出的PID控制修正算法是有效的。     

融合预瞄特性的智能电动汽车稳定性模型预测控制研究

提出了一种融合预瞄特性的智能电动汽车稳定性前馈+反馈控制方法。建立车辆预瞄模型，通过汽车在环境感知时的前视行为，引入道路曲率作为车辆动力学特性的影响因素。基于在前视信息指导下的车辆位姿变化，根据道路附着能力和车速指数模型描述期望纵向车速，建立轮胎侧偏刚度补偿的稳定性前馈控制方法。同时，采用模型预测控制（MPC）设计稳定性反馈控制律，根据车辆的预瞄信息自适应调整预测模型参数和预测时间，消除前馈控制误差及路面扰动等不确定性因素带来的影响。研究结果表明，本文提出的控制策略下汽车质心侧偏角、横摆角速度和侧向加速度小，且跟踪精度更高。仿真试验中，相比于无控制、MPC反馈控制与前馈+定参数MPC反馈控制，本文提出的控制策略在双移线工况1下质心侧偏角峰值分别减小了41.3%、28.9%和10.0%，横摆角速度峰值分别减小了18.0%、6.7%和2.0%，双移线工况2下质心侧偏角峰值分别减小了27.2%、8.7%和8.0%，横摆角速度峰值分别减小了16.9%、12.9%和8.6%；相比于MPC反馈控制与前馈+定参数MPC反馈控制，在蛇行工况1下，质心侧偏角峰值分别减小了49.8%与34.8%，横摆角速...     

基于道路友好性的重载汽车悬架半主动控制研究

车辆的平顺性和道路友好性是反应车辆悬架性能的2个重要指标。为改善重载汽车在道路行驶中的友好性,基于7自由度重载汽车动力学模型,建立了半主动悬架系统的运动方程,设计了半主动悬架最优控制器,考虑路面不平度的随机激励,以车辆平顺性和道路友好性为控制目标,提出了车辆悬架的最优半主动控制策略,并且给出了详尽的推导过程。仿真分析结果表明:当汽车以20m/s的速度行驶在C级路面时,车身和驾驶室垂向加速度有效均方根值分别减少了3.42%和46.4%,轮胎对路面的破坏减少了2.10%;半主动控制悬架有效地保证了车辆行驶的平顺性,同时可减小车辆对路面的冲击作用,改善了车辆的悬架性能。     

极限工况下无人驾驶车辆稳定跟踪控制

针对无人驾驶车辆在极限工况下跟踪控制精度和稳定性均难以保障的问题,提出一种纵横向稳定性综合协调控制方法。首先对无人驾驶车辆在摩擦极限下的速度进行规划,通过纵向加速度前馈和状态反馈控制器实现极限车速下的速度跟随。其次将预瞄前馈与人工势场反馈相结合设计了横向路径跟踪控制器。提出了基于期望与实际横摆角速度偏差的稳定性控制策略,优化纵向控制的驱动力矩。Simulink/Carsim联合仿真结果表明,所提出的纵横向协调稳定控制方法可在极限工况下改善无人驾驶车辆瞬态响应,抑制道路曲率突变处的超调量,减少路径跟随中的稳态误差,提高了无人驾驶车辆的轨迹跟踪精度和弯道运动过程中的横向稳定性。     

汽车半主动悬架的模型参考自适应控制

在1／4车辆动力学模型的基础上，基于李雅普诺夫稳定性理论，以天棚阻尼半主动悬架为参考模型，设计了半主动悬架模型参考自适应控制器。自适应控制器包括可调前置控制器和状态反馈控制器两个部分。推导了自适应控制律与相应的约束条件。仿真结果表明：该控制器对于模型参数的不确定性具有良好的鲁棒特性。自适应控制器不仅明显降低了车身加速度，提高了平顺性，同时也使汽车的行驶安全性获得了改善，悬架动变形稍有增大。     

半主动悬架的SIRMs模糊控制算法研究

文章以车身垂向振动速度、车身垂向振动加速度、悬架动行程和轮胎动位移为输入项目,主动悬架所产生的阻尼力F作为输出量,即设计一个包含4个输入项目和1个输出量的半主动SRIM模糊控制模型,并进行了凸起路面和随机路面下的仿真分析,计算结果显示该控制方法相对于半主动悬架经典控制方法有着更好的控制效果。     

Design of LQG Controller for Semi-active Suspension Based on Improved Analytic Hierarchy Process

建立了包含半主动悬架的4自由度车辆动力学模型,应用最优控制理论设计了车辆半主动悬架LQG控制器,并在Matlab/Simulink环境下对系统模型进行仿真.以车身垂向加速度、俯仰角加速度、悬架动挠度、轮胎动位移和悬架控制力作为车辆LQG控制的性能评价指标,采用层次分析法和改进层次分析法确定各指标的加权系数.仿真结果表明,与被动悬架相比,采用半主动悬架能有效地提高车辆的乘坐舒适性;而与层次分析法相比,使用改进的层次分析法更易于确定加权系数,更便于设计LQG控制器.     

车辆悬架联合反馈半主动控制算法

为提高车辆乘坐舒适性,基于采用典型算法的车身加速度幅频特性分析,提出了基于车身速度和加速度信号联合反馈控制的半主动控制算法。以天棚半主动控制作为参照,对该算法的性能进行了分析和评价。结果表明,该算法能够实现对车身加速度、悬架挠度和车轮动载荷等悬架性能指标的有效控制,在大幅提高车辆乘坐舒适性的同时改善了操纵稳定性。算法简单实用、计算量小,适用于车辆悬架系统的振动控制。     

基于ADAMS和MATLAB的空气悬架系统仿真与试验研究

利用空气弹簧特性试验得到的特性曲线,在ADAMS中建立2自由度1/4车辆空气悬架模型,在MATLAB中建立随机路面模型和3种半主动控制器模型。ADAMS与MATLAB接口联合仿真结果表明,半主动PID控制策略能够有效减小车身垂直加速度的均方根值;半主动位置全状态反馈控制策略能够有效减小悬架动行程的均方根值;而综合控制策略兼具上述二者优势,能够有效改善悬架性能,提高汽车行驶平顺性。     

基于可拓优度评价的智能汽车横向轨迹跟踪控制方法

针对复杂工况横向控制精度低、稳定性差的问题,提出了一种基于可拓优度评价的智能汽车横向轨迹跟踪控制方法,创新采用可拓优度评价控制方法,设计了两层结构的横向轨迹跟踪控制系统。上层控制器包括基于预瞄偏差的PID反馈控制和基于道路曲率的PID前馈-反馈控制;下层控制器利用可拓优度评价方法来评价上层两控制器的优劣,根据实时的车辆-道路系统状态,选择优度高的控制器输出值,从而实现智能汽车横向轨迹跟踪控制功能,不论是小偏差、小曲率工况,还是大偏差、大曲率工况,都能达到良好的控制效果,提升了智能汽车横向控制系统的工况适应性和可靠性。仿真结果表明,与单一PID反馈控制相比,采用优度评价控制时,横向位置偏差和航向偏差分别减小了16.67%和12%。     

基于T-S模糊模型的车辆电液悬架系统H_∞控制

为了进一步降低主动悬架作动器输出力并优化控制系统鲁棒性,建立车辆7自由度整车模型,采用Takagi-Sugeno(T-S)模糊建模技术,设计主动悬架外环H_∞控制器,从而根据路面输入调节主动悬架性能,提升作动器能效。通过构建一个包括控制器稳定性分析、悬架运动空间及力的限值问题的线性矩阵不等式组,将控制器的优化问题转换为此线性不等式组的求解问题,并结合并行分配补偿控制技术,得到此控制器状态反馈系数。针对系统不确定性参数,内环采用自适应鲁棒控制方法,提升控制力的跟踪性能。通过对不同路面轮廓激励工况、交叉轴双轮激励工况以及控制力跟踪性能进行仿真试验,分析被动悬架和主动悬架性能评价指标,并对其作动器输出力进行对比研究。研究结果表明:在小激励下,基于T-S模糊模型的H_∞控制主动悬架相比被动悬架,各车轮处加速度均方根值可降低80%以上,与最优控制相比可降低47%以上;而在大激励时,虽然其加速度均方根值有所上升,但其悬架动挠度峰值较被动悬架有所下降;通过路面交叉轴激励对比可以看出,针对整车平顺性参数,该方法可在路面小激励时较被动悬架降低质心、俯仰以及侧倾加速度均方根值达55%、83%以及90%以上;与反演作动器输出力及最优控制作动器输出力对比结果表明,该控制方法可有效降低主动悬架控制力峰值20%以上,并提升控制力的跟踪性能;基于T-S模糊模型的H_∞控制可以在保证车辆悬架性能的基础上有效降低系统能耗。     

半主动悬架模糊控制仿真

为缓和路面传递给车身的冲击,改善汽车行驶的平顺性和操作稳定性,文章建立了二自由度1／4车体半主动悬架非线性动力学模型,利用MATLAB模糊逻辑控制工具箱设计半主动悬架的模糊控制器,通过运用MATLAB／SIMULINK,对悬架系统进行了仿真分析。结果表明,该控制方法能有效地降低车身垂直加速度、悬架的动挠度和车轮动载荷,提高了汽车的平顺性和操纵稳定性。     

基于鲁棒反馈控制理论的路径跟踪控制器设计

为了提高智能车辆路径跟踪的精确性和鲁棒性，基于李雅普诺夫稳定性（Lyapunov Stability）理论设计了鲁棒反馈路径跟踪控制器，运用舒尔（Schur）补引理并求解线性矩阵不等式（LMI）得到控制系统的反馈矩阵。通过搭建CarSim/Simulink联合仿真平台将鲁棒反馈控制器与线性二次型调节器（LQR）进行对比分析，以不同的车速分别在不同附着系数的路面上进行仿真，验证所设计控制器的性能。仿真结果表明：在不同路面和车速工况下，相较于LQR控制器，基于李雅普诺夫稳定性理论的鲁棒反馈控制器具有更高的控制精度，同时具有更强的鲁棒性。     

基于轴距预瞄的非匀速工况车辆悬架状态估计

为实现车辆在非匀速行驶时的悬架相对速度和簧上绝对速度估计，同时减小车载传感器的数量，构造了不考虑车轮动力学、以车轮垂直速度为输入的车辆悬架系统简化模型，设计了一种基于速度自适应轴距预瞄的结合卡尔曼滤波算法估计整车悬架相对速度和簧上绝对速度的方法。仿真结果表明，在车辆非匀速行驶通过低频正弦路面、减速带、凹坑以及典型随机路面时，所提出的方法可以准确估计车辆的悬架相对速度和簧上绝对速度，且速度自适应轴距预瞄的引入减少了传感器的使用数量。     

7自由度主动悬架整车模型最优控制的研究

应用汽车系统动力学理论,建立了七自由度主动悬架的动力学模型。根据线性二次型最优控制原理设计了主动悬架线性二次型(LQR)控制器,并构建了实现该控制策略的主动悬架控制仿真模型。仿真结果表明:对主动悬架进行最优控制,能够有效地降低车身垂直振动加速度、车身侧倾角加速度和俯仰角加速度。     

汽车非线性半主动悬架的模糊神经网络控制

考虑磁流变减振器阻尼力和悬架弹性元件非线性特性，建立车辆6自由度的半主动悬架非线性动力学模型。提出了一种基于模糊神经网络系统结构的模型参考自适应控制方法来研究汽车半主动悬架的非线性控制问题，并考虑半车模型前后悬架的输入时滞，对其进行了仿真研究。研究结果表明：运用模糊神经网络非线性控制方法能够使人体和车身垂直加速度、俯仰角加速度都得到很大的衰减，证实这种模糊神经网络控制方法可大大减少路面对车身的振动冲击，提高汽车行驶平顺性。     

半主动悬架模糊PID混合控制及时滞分析

半主动悬架较被动悬架，在乘坐舒适性、操纵稳定性方面均有较大提高，同时与主动悬架相比具有性价比高、耗能小等优点，所以半主动悬架成为近年来汽车底盘研究的热点。本文基于车辆4自由度1／2半主动悬架模型，提出了模糊PID混合控制算法，并基于该算法对半主动悬架进行控制，且对半主动悬架系统的时滞问题做了定量分析。仿真结果表明，模糊PID混合控制的半主动悬架在车身加速度、车身俯仰角加速度、前后悬架动挠度、前后轮胎动载荷、前后簧载质量加速度等在时域和频域中均有所改善，且一定量的时滞对该算法亦影响较小。这对半主动悬架控制算法的研究和半主动悬架的开发具有较大参考价值。     

基于跃度信号的自动驾驶横向控制

针对自动驾驶车辆的横向控制,提出了一种基于跃度信号的预瞄控制。建立车辆二自由度动力学误差模型,采用线性二次调节（LQR）反馈控制和前馈控制构成闭环横向控制模型。以CarSim和Simulink为仿真平台,模拟车辆进入并跟踪稳态圆。通过分析横向位置误差和横摆角误差等指标,表明该预瞄算法在横向控制精度、跟踪速度方面具有良好效果。     

基于MATLAB/Simulink的半主动悬架仿真分析

采用四自由度半车数学模型,根据运动学定律,对模型受力进行分析,列出状态方程;根据已建立的模型和所列方程确定加权矩阵,采用最优控制策略设计控制器;利用MATLAB软件搭建模块,调整加权系数,将车身垂直加速度、俯仰角加速度、悬架动行程及轮胎动载荷4个目标控制在有效范围内;通过半主动悬架时域内仿真分析,并与被动悬架对比,得出具有控制器的半主动悬架在一定程度上改善了悬架系统的工作性能,验证了控制器设计的有效性。