基于非线性扰动观测的商用车ESC自适应滑模控制研究

针对商用车ESC控制中,实际车辆存在各种扰动,难以建立精确的车辆模型,传统滑模控制存在较大抖振等问题,本文中提出基于非线性扰动观测(NDOB)的自适应滑模控制(ADSMC)算法。首先,利用非线性扰动观测器对车辆建模的扰动项进行估计;然后,采用径向基神经网络对滑模控制器的关键参数进行自适应调节,以简化参数调节过程、减小滑模抖振、提高控制精度;最后,在TruckSim中建立车辆模型,在MATLAB中建立控制策略模型,在电控气压硬件在环试验台上,对控制算法进行试验验证。试验结果表明,NDOB-ADSMC算法的ESC控制效果良好,能够满足车辆ESC控制需求。     

基于扰动观测的客车ESC自适应神经网络滑模控制

为了提高客车电子稳定性控制系统（ESC）的控制精度,针对实际车辆系统建模中存在各种非线性扰动项以及传统滑模控制（Sliding Mode Control,SMC）中抖振较大的问题,提出一种自适应神经网络滑模控制算法。基于2自由度车辆模型,首先设计一个二阶滑模（Second-order Sliding Mode,SOSM）估计器对车辆的质心侧偏角进行估计,然后利用径向基（Radial Basis Function,RBF）神经网络对车辆系统建模中的各种非线性扰动项进行实时估计,并进行Lyapunov稳定性证明,RBF神经网络估计车辆系统建模的各种非线性扰动项可以有效减小滑模控制符号项的系数,从而减小滑模抖振水平。为了更进一步优化传统滑模控制的参数调节过程,减小滑模抖振并提高系统控制精度,再次利用RBF神经网络对传统滑模控制中的关键参数进行自适应调节。最后为了验证算法的有效性,搭建客车电控气压制动系统硬件在环试验台,在硬件在环试验台上对算法的有效性和精度进行试验验证。研究结果表明：客车ESC在自适应神经网络滑模算法的控制下,横摆角速度和质心侧偏角能够较好地跟随上理想的横摆角速度和理想质心侧偏角,横摆角速度和质心侧偏角的跟随误差降低;利用RBF神经网络估计客车建模中的各种非线性扰动项和利用RBF神经网络自适应调节传统滑模控制的关键参数,可以有效提高客车ESC的控制精度。     

基于非线性扰动估计的客车防侧翻控制

针对客车防侧翻控制中,实际车辆系统建模容易受到各种未知非线性扰动及参数摄动,难以建立精确的车辆模型,标准滑模控制(sliding mode control, SMC)存在较大抖振等问题,本文中提出径向基神经网络自适应滑模控制(radial basis function-adaptive sliding mode control, RBF-ADSMC)算法。首先,利用RBF神经网络控制器对车辆建模过程中的各种未知扰动项及参数摄动项进行估计;然后,利用RBF神经网络对标准SMC的关键参数进行自适应调节;最后,搭建电控气压硬件在环试验台,对控制算法进行硬件在环试验验证。试验结果表明,RBF-ADSMC算法控制效果良好,能够满足客车防侧翻控制需求。RBF-ADSMC算法与SMC算法相比较,能够减小客车的侧倾角和侧向加速度,提高客车的防侧翻控制效果。