基于磁流变阻尼器的铁道车辆模糊半主动控制

研究了基于磁流变阻尼器的铁道车辆半主动悬挂系统的控制方法,建立了50自由度的车辆多体动力学模型和磁流变阻尼器的Spencer模型。运用模糊控制方法设计了基于车体加速度和速度反馈的模糊控制器,利用电压控制函数和滞回特性分离法建立了磁流变阻尼器的逆模型,用于预测控制电流。采用数值仿真方法研究了基于磁流变阻尼器的模糊半主动悬挂系统的特性,分析了装用半主动悬挂系统车辆的动力学性能。仿真结果表明：采用基于逆模型的模糊控制方法,阻尼器实际阻尼力能有效跟踪控制系统的期望阻尼力。相对于被动悬挂,基于磁流变阻尼器的模糊半主动悬挂系统能够有效地减小车体1～10 Hz范围内的振动,改善车辆的运行平稳性。当车辆运行速度为250 km·h-1时,振动加速度减小53．3％。当车辆运行速度为100～300 km·h-1时,车辆运行平稳性指标改善率为6％～9％。     

磁流变半主动悬架自适应模糊PID控制研究

为提高车辆半主动悬架减振性能,以车辆行驶平顺性为控制目标,建立二自由度1/4车半主动悬架模型,在自适应模糊PID控制理论的基础上设计出磁流变半主动悬架控制器,并在Matlab/Simulink环境下施以滤波白噪声信号激励进行仿真。结果表明,基于自适应模糊PID控制的磁流变半主动悬架能明显改善车辆的减振性能,为磁流变半主动悬架在车辆上的应用提供了参考。     

半主动悬架系统控制仿真

基于李雅普诺夫稳定性理论，设计了汽车半主动悬架的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．推导了自适应控制律与约束条件．结果表明：该控制器具有很好的鲁棒性和抗干扰性，对系统非线性和模型参数的不确定性具有广泛的适应性．仿真证实了控制器设计的有效性．     

基于全尺寸模型的半主动悬架车辆平顺性研究

为改善汽车的平顺性,提出一种半主动悬架的自适应模糊PID算法;选用二自由度1/4车半主动全尺寸悬架为研究对象,用Adams软件建立半主动悬架全尺寸模型,对模型自适应模糊PID控制器进行设计,利用联合仿真分析技术,对建立的机械模型和控制算法进行分析并与被动悬架及模糊控制方式进行了对比。研究表明:采用自适应糊PID控制策略的主动悬架相对采用模糊控制的主动悬架以及被动悬架,车身加速度峰值分别降低了5.0%和2.9%,悬架动行程分别降低了3.2%和1.68%,轮胎动位移分别降低了0.29%和0.25%。采用自适应模糊PID算法的半主动悬架,在改善汽车的行驶平顺性方面有良好的效果,为研究车辆平顺性研究提供一种有效方法。     

弓网垂向振动半主动和主动控制仿真

为了改善高速列车受电弓垂向动力学性能,建立了受电弓非线性垂向动力学模型、弹性悬挂接触网垂向有限元动力学模型和车辆动力学模型。考虑弓网耦合振动和轨道激扰,采用受电弓框架顶点或弓头的垂向位移和速度反馈,将半主动控制减振器或主动控制作动器安装在受电弓基座和框架之间。应用数值仿真方法,研究了受电弓接触网垂向耦合振动的半主动和主动控制,并对其控制性能进行了比较。比较结果表明:与无控制时相比,在车速为250 km.h-1时,弓网接触压力方差最小减小值为26.84%,在车速为300 km.h-1时,最小减小值为20.88%,因此,采用半主动和主动控制能明显减小弓网振动和接触压力的低频波动,改善了受流质量,且半主动控制系统结构简单,易于实现,在不动作时不会改变受电弓本身的动力学性能。     

基于柔性多体动力学的地铁车辆半主动控制

为了对地铁车辆的运行性能实现更准确的评估和更有效的优化,借助有限元理论和子结构理论建立了车体和转向架构架等关键零部件的柔性动力学模型;基于天棚半主动控制算法和柔性多体动力学理论,建立了考虑半主动控制悬挂的地铁车辆刚柔耦合动力学模型;考虑轨道随机不平顺的影响,研究了半主动控制悬挂以及结构柔性对地铁车辆运行稳定性和乘坐舒适性的影响。研究结果表明:相对于传统的悬挂装置,天棚半主动控制极大降低了车辆的振动加速度,并使其变化趋势更加平缓,对车辆的低频振动有明显的抑制作用;采用本文的研究参数,天棚半主动控制在直线段可使车辆的垂向Sperling指标和垂向振动加速度均方根(RMS)分别降低26.8%和7.5%,使车体横向Sperling指标和横向振动加速度RMS分别降低8.8%和4.9%,而在曲线段,天棚半主动控制可使车辆垂向Sperling指标和垂向振动加速度RMS分别降低25.1%和5.7%,使横向Sperling指标和横向振动加速度RMS分别降低15.6%和8.3%,车辆的乘坐舒适性和运行稳定性大幅提升;考虑结构柔性时,车辆的垂向Sperling指标和垂向振动加速度RMS相比于未考虑结构柔性时分别增大了4.3%和6.8%,横向Sperling指标和横向振动加速度RMS分别增大了3.0%和3.4%。可见,车体和构架的结构柔性对车辆的动态特性有较大影响,在对车辆运行稳定性和乘坐舒适性进行计算和评估时不可忽略。      

汽车半主动空气悬架的神经网络控制方法

为了提高汽车半主动悬架的控制效果,以空气弹簧压力为控制对象,应用自适应神经网络控制方法,进行了不同路面激励下的半主动空气悬架的车身垂直加速度、悬架动挠度和车轮动载荷的计算机仿真和实验研究,并与被动悬架系统的相应参数进行了对比。发现在白噪声路面和较低频率的正弦路面激励下,半主动空气悬架采用自适应神经网络控制能够明显降低车身垂直加速度、车轮动载荷和悬架动挠度,降低范围为16%~85%,提高了车辆的操纵稳定性,改善了车辆的行驶安全性与乘坐舒适性。     

H∞算法在车体振动控制中的应用

应用H∞控制方法设计输出反馈控制器对机车车体垂向振动进行半主动控制，采用数值方法对设计结果进行仿真．结果表明，加入控制器后的悬挂系统对来自轨面的扰动对车体振动的影响有较强的抑制作用。     

半主动悬架系统控制仿真

基于李雅普诺夫稳定性理论,设计了汽车半主动悬架的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.推导了自适应控制律与约束条件.结果表明:该控制器具有很好的鲁棒性和抗干扰性,对系统非线性和模型参数的不确定性具有广泛的适应性.仿真证实了控制器设计的有效性.     

磁流变阻尼器的神经网络建模及在半主动控制中的应用

应用神经网络技术建立了磁流变阻尼器的逆向模型,该模型含有4个输入神经元、1个输出神经元和15个隐层神经元．利用Bouc—Wen修正模型数值仿真生成数据,然后采用Levenberg—Marquardt法和OBS策略对逆向模型的结构进行训练和修剪．最后,将所建的磁流变阻尼器逆向模型应用于1／4车悬挂模型中,进行半主动控制的仿真分析．结果表明,所建立和优化的逆向模型可以较好地预测所需电流指令,应用于半主动控制中的效果明显．     

基于BP神经网络的模型参考自适应控制

基于BP神经网络的误差反向传播机制,探讨了建立在BP神经网络基础上的模型参考自适应控制方法。该方法用2个BP神经网络分别作辨识器和控制器,其中辨识器兼作间接传递误差的通道,从而解决了控制器权值的修正问题。仿真结果表明, 经过学习控制结构具有较好的有效性。     

基于改进的BP神经网络模型参考自适应控制

针对传统BP算法的神经网络模型参考自适应控制实时性差、精度不高、收敛慢等不足,结合BP改进算法和非线性系统的可逆性,提出了基于改进的双向权值调整BP算法的神经网络模型参考自适应控制.基于此算法设计的系统辨识器和控制器的网络结构简单,精度高,仿真结果表明该算法的辨识和控制效果均很理想,可应用于工程实际.     

基于路面识别的主动馈能悬架多目标控制与优化

针对主动悬架减振性能和馈能特性在不同等级路面适应性较差的问题,建立了非线性电磁主动悬架模型; 考虑车辆在行驶过程中悬架簧上质量存在不确定性,提出了一种主动悬架自适应滑模控制器; 基于不同路面下悬架动力学响应数据,采用自适应模糊神经网络算法识别路面等级,确定控制器目标系数,实现了主动悬架安全性和舒适性之间的协调; 研究了电磁主动悬架馈能特性及其切换控制策略,在此基础上,考虑电磁主动悬架安全性、舒适性和节能性的矛盾关系,采用多目标粒子群优化(MOPSO),以悬架动力学性能和馈能特性为设计目标综合优化控制器和悬架结构参数,并通过模糊集理论对多目标优化后的Pareto解集进行最优解选取。研究结果表明:模糊神经网络对不同等级路面下非线性电磁主动悬架的最大识别误差能够控制在10%以内,满足识别准确性要求; 在C级路面条件下,优化后的主动悬架与传统被动悬架相比,簧上质量振动加速度减小了35.3%,轮胎动行程增大了7.7%,但可以控制在10%的安全范围内; 与原主动悬架相比,优化后悬架簧上质量振动加速度减小了10.5%,馈能效率增大了1.7%,优化后自适应滑模控制器能够更好地协调悬架馈能特性和减振特性; 建立的非线性电磁主动悬架模型可实现不同路面等级下悬架系统安全性、舒适性和节能性的综合最优。      

一种神经网络自适应PID控制器

采用神经网络与模糊逻辑相结合的方式，构造了一种自适应ＰＩＤ控制器。该控制器用具有改进学习算法的神经网络作ＰＩＤ参数调节器，用模糊神经网络对被控对象进行模型辨识，综合了神经网络，模糊控制和ＰＩＤ控制的优点。结构简单，易于实现，且适应环境能力强。     

汽车电液主动悬架的预测控制

在建立二自由度主动悬架和电液伺服作动器集成模型基础上,应用预测控制理论,采用多步预测、滚动优化和在线校正等控制策略进行预测控制器的设计.对B级路面激励输入下,车辆分别处于空载和满载两种工况进行模拟仿真.仿真结果表明：具有预测控制策略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,车身垂直加速度、悬架动挠度和轮胎动载荷与被动悬架、PID控制的主动悬架相比明显降低,车辆的行驶平顺性得到很大改善,预测控制器在参数变化及路面扰动下具有较强的鲁棒性.     

一种基于神经网络的模型参考自适应控制的研究

本文将ＢＰ网络的非线性映射特性和联想记忆功能用于模型参考自适应控制中，用以克服传统模型参考自适应控制算法的不足。仿真研究表明，该方法不仅能实现原方法的功能，而且该系统稳定性和抗干抗方面中优于原方法。     

预瞄信息空气悬架汽车在加速/制动工况下的LQG控制

建立了基于空气悬架的1/2车辆加速/制动系统模型,通过轴距预瞄在后轮处提前预测路面不平度;设计了基于轴距预瞄控制算法的加速/制动最优控制器;进行了白噪声仿真分析。仿真结果表明:与被动空气悬架加速/制动系统相比,基于轴距预瞄控制的主动空气悬架加速/制动系统能有效降低车辆振动。与最优控制空气悬架加速/制动系统相比,质心加速度和后轮对应处的车身加速度、悬架动行程、轮胎动载均有显著减小,较好的改善了车辆在加速/制动时的平顺性和操纵稳定性。     

车辆主动悬挂最优预见控制模型

以复杂多自由度的车辆系统设计模型代替传统的简化模型,建立了主动悬挂控制车辆系统模型,设计了最优预见控制器,研究了车体的浮沉、点头、侧滚3种运动状态在加控制和未加控制时的路面激扰响应。仿真计算结果表明在最优控制下车体的浮沉响应降低了27％,点头响应降低了30％,侧滚响应降低了30％;在预见控制二次加权矩阵的作用下,车体的浮沉响应降低了54％,点头响应降低了50％,侧滚响应降低了45％;根据预见控制的提前预见可适时响应的特点,系统可按设定目标预见步数提前作出响应,由此验证了最优预见控制在复杂多自由度的车辆主动悬挂设计模型中应用的可行性和有效性。     

基于神经网络的多变量模糊自整定PID控制器

针对脉冲ＴＩＧ焊动态过程控制提出了一种基于ＢＰ神经网络的多变量模糊自整定ＰＩＤ控制器。该控制器利用神经网络在线学习具有多变量耦合，非线性及不确定性的复杂的焊接动态过程的控制规则，实现ＰＩＤ参数的自动整定。仿真实验结果表明该控制器不仅具有模糊控制的简单，有效的非线性控制作用。还具备了神经网络的学习与适应能力，以及ＰＩＤ控制的普遍适用性。     

����������Ľ���ڿɱ�����ģ�����Ʒ���

针对城市交叉口交通流的特点,提出了一种自适应可变相序的多相位控制算法。该算法依据绿灯相位车队长度和红灯相位车队长度的比较决定绿灯相位是否转移,在不需要绿灯相位转移时,利用模糊神经网络控制器控制绿灯延时长度。不但结合了模糊控制和神经网络控制的优点,而且所给出的算法相序可变,实现了道路交叉口多相位相序可变控制。仿真结果表明,本文设计的模糊神经网络控制器能够有效降低车辆平均延误,满足实时控制的要求。