基于神经网络的半主动悬架自适应模糊控制

提出了基于神经网络的自适应模糊控制策略。模糊控制主要用来对付系统的非线性；神经网络根据振动响应的方差递推结果来辨识车体的振动情况实时调节模糊控制器的量化因子，使模糊控制器对路面的变化具有自适应的能力。在半主动悬挂1／4车非线性模型的基础上进行了仿真研究。     

基于模糊控制的自动泊车的研究

针对模糊控制算法在自动泊车技术中的应用,提出了基于模糊控制和自动泊车的运动学模型,建立精简模糊规则库,设计模糊控制器模型,并使用学习算法对模糊控制器的参数进行优化,实现了自动泊车的最优的控制。利用MATLAB软件建立模糊控制器模型,进行了仿真对比验证。结果表明,通过学习算法优化的模糊控制器能够较好地实现自动泊车,并且具有自学习能力,大幅缩短了泊车时间。     

“车—椅—人”系统的振动控制策略研究(1)

本文首先建立了1/4车四自由度座椅主动悬架动力学模型,并列出了其运动微分方程。为研究"车—椅—人"振动系统的控制,在研究过程中针对模糊控制、神经网络控制基础的理论学习,学习这三种控制方法的原理以及实现方式,并设计出相应的控制器。     

高速公路入口匝道模糊神经网络ACO控制

针对入口匝道控制中局部需求大于高速公路主线容量情况下Alinea控制算法不能有效反馈的问题,结合模糊控制和神经网络的优点,通过神经网络来训练模糊控制规则,提出蚁群算法优化的模糊神经网络控制器,并对控制器应用于入口匝道控制进行了详细设计。仿真结果表明,基于蚁群优化算法的模糊神经网络控制器学习次数远小于Alinea控制算法,且收敛速度快,运算效率高,控制品质好,能够更好地稳定主线交通流密度。     

考虑发动机与人椅系统的液压半主动悬架振动控制研究

在研究1/2车辆模糊控制半主动悬架的基础上,加入了发动机和人椅系统等因素,建立了"车椅人"1/4车体4自由度车辆动力学模型,设计了用于该车体的参数自整定的模糊PID控制器,并应用MATLAB/SIMULINK软件进行了仿真研究.结果表明,高频恒定的发动机激励对座椅加速度影响较小,模糊PID控制器比模糊控制器具有更强的自...     

模糊神经网络在发动机怠速控制中的应用

讨论了发动机怠速控制方法,对用模糊控制，BP神经网络控制方法进行了深入研究，给出了模糊控制和PID调节在怠速控制上的对比及BP神经网络用于学习模型控制器的输入与输出之间的函数关系，以取代模数控制规则表。在BP网络的训练过程，采用了自调整的学习算子以加速收敛，并给出了仿真结果。     

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.     

半主动悬架系统的混合模糊控制

针对汽车多工况行驶对操纵稳定性和平顺性的综合要求,提出了一种基于混合模糊控制的半主动悬架整车控制策略。在Simulink-Stateflow中设计了混合控制器,以某车多体动力学模型为例进行了随机路面和蛇形道路上不同车速下的SIMPACK/Matlab联合仿真,最后基于dSPACE和试验车辆的硬件仿真平台,进行悬架系统实车测试。结果表明,所提出的混合模糊控制是可行的,能较好地改善车辆行驶平顺性和操纵稳定性。     

金属带式CVT模糊控制研究

基于Matlab/Simulink建立了装备金属带式CVT的车辆传动系统仿真模型,设计并通过试验优化了速比控制器及夹紧力控制器的模糊控制策略,并与采用常规PID控制的控制器进行了对比仿真试验.仿真结果表明,模糊控制是解决复杂系统控制问题的理想途径,经过优化的模糊控制策略应用于金属带式CVT具有较好的控制效果.     

基于CMAC的并联混合动力汽车控制策略仿真

提出了基于小脑模型神经网络(CMAC)控制器的能量管理策略,分析了CMAC参数对控制器性能的影响.以ADVISOR2002为仿真平台进行了二次开发,嵌入CMAC控制器,完成了基于CMAC控制器的控制策略、并联电气辅助控制策略和模糊控制策略的仿真比较.仿真结果表明,基于CMAC的控制器具有很好的实时性,可以大幅度改善混合动力汽车的燃油经济性和排放.     

基于模糊理论的汽车智能巡航控制策略与仿真

基于模糊控制和模型匹配理论,应用分层式汽车智能巡航控制策略,实现节气门和制动踏板的协调控制。模糊上位控制器以实际距离与理想距离差和前方车辆与巡航车速度差作为输入,结合设计的模糊规则,获得巡航车期望加速度。考虑车辆系统干扰和响应延时性影响,构建了模型匹配下位控制器以确保巡航车期望加速度的实际输出。利用Simulink对控制功能实施了仿真验证,结果表明,该控制策略可有效实现智能跟随和定速巡航功能,提高行驶安全性。     

基于驾驶意图模糊识别的PHEV输出转矩控制的研究

为使插电式混合动力汽车输出转矩充分符合驾驶员的驾驶意图,提出了一种模糊控制方法,并在Matlab/Simulink中建立了仿真模型.通过反模糊化,将设计的模糊控制规则转化成模糊控制查询表,移植到整车控制器中进行实车试验.仿真和试验结果表明,此控制系统能更好地辨识驾驶员的驾驶意图,车辆可平稳地逼近目标速度,达到了控制目的.     

基于参数自调整模糊控制方法的半主动空气悬架仿真分析

基于参数自调整模糊控制方法对半主动空气悬架系统进行了仿真分析和试验验证．以某空气悬架大客车1／4车辆模型为仿真对象，设计了参数自调整的模糊控制器，并以随机路面为输入、悬架动行程为约束条件、簧载质量振动加速度和车轮动载荷为评价指标，对模型进行了计算机仿真，同时依据仿真模型设计了空气悬架试验台。仿真和试验结果表明，当汽车行驶工况变化时，引入参数自调整模糊控制方法可以有效降低簧载质量振动加速度和车轮动载荷。     

基于BP神经网络算法预测的重型半挂汽车列车AEB控制策略研究

我国商用车AEB性能要求和试验方法标准的发布,推动了AEB在商用车领域的发展与应用。本文针对半挂汽车列车制动距离长、质心高等特点,结合驾驶员紧急制动的经验,提出了一种基于BP神经网络预测碰撞时间TTC的AEB控制策略。首先,设计了上层控制器,基于不同驾驶员在不同紧急制动场景下碰撞时间的数据,利用BP神经网络算法得到预测模型,从而计算出触发AEB系统的预警时间阈值和紧急制动时间阈值;再以前车与本车的相对距离、相对速度和前车的减速度为输入,通过模糊控制规则得到本车期望的减速度;接着,设计了下层控制器,采用期望减速度前馈控制和减速度偏差PID反馈控制相结合的方式,得到各车轮所需的轮缸制动压力;并基于滑移率滑模控制防止车轮抱死,提高紧急制动时的安全性、舒适性和横摆稳定性。最后,在TruckSim中建立CCRb、CCRm、CCRs 3种测试场景,对控制策略进行了验证。结果表明,本文所提出的控制策略能有效避免碰撞的发生,为半挂汽车列车AEB系统的设计和研究提供了理论依据。     

基于相平面的分布式驱动电动汽车稳定性控制

为提高分布式驱动电动汽车的操纵稳定性,提出一种基于相平面法的行驶稳定性控制策略。首先,建立非线性车辆2自由度模型,获得不同路面附着系数下车辆质心侧偏角相平面稳定域边界模型。其次,基于质心侧偏角相平面设计分区域控制器,当车辆处于稳定域内时,采用模糊神经网络控制器来决策横摆力矩,使车辆跟随目标变量;当车辆处于稳定域外时,设计失稳度和模糊神经网络联合控制器决策总横摆力矩,使车辆恢复稳定。最后,基于Simulink和CarSim仿真平台在蛇行绕桩和双移线工况下对稳定性控制方法进行仿真,并进行实车测试验证,结果证明了本文中所提控制策略的可行性和有效性。     

基于参数自整定模糊PID控制的汽车ABS系统分析与仿真

以Carsim软件中的仿真模型为基础,对汽车防抱死系统(ABS)的模糊控制策略进行研究。参数自整定PID控制具有较好的自适应能力,可根据事先制定好的模糊控制规则对PID参数实现实时修改。以ABS滑移率控制原理及模糊控制理论,制定了整车ABS模糊控制策略。利用CarSim中整车模型,应用Matlab/Simulink设计了ABS模糊控制器,搭建了ABS整车控制系统。借助CarSim与Matlab/Simulink联合仿真平台进行ABS控制策略的仿真实验验证。仿真试验结果表明:基于参数自整定模糊控制的ABS控制策略相对于无ABS控制和常规PID控制,提高了汽车行驶制动稳定性制动效能更加理想。     

基于三自由度的智能汽车模糊滑模横向运动控制研究

针对智能汽车运动过程中存在的车身姿态变化问题以及运动控制精度问题，设计了一种基于非线性3自由度动力学模型的模糊滑模横向运动控制器。建立了包括侧倾运动的3自由度动力学模型，进行了模型线性化；对基于线性化处理后的动力学模型进行了滑模控制器设计，通过控制前轮转角实现了路径跟踪横向控制，并引入了模糊控制提高控制效果，本控制系统能够在跟踪过程中对车身姿态变化进行观察。仿真结果表明，搭建的基于3自由度动力学模型的模糊滑模控制器能够在考虑侧倾运动的基础上，实现路径跟踪，且构建的模糊滑模控制系统相较于传统滑模控制其横向偏差与方向偏差分别降低了7.28%和1.50%，同时模糊控制也减弱了滑模控制固有的抖振影响。     

发动机振动主动控制联合仿真及神经网络自适应控制技术的研究

应用AMESim软件建立了发动机-车身振动模型。依据神经网络控制器、辨识器的设计,建立了神经网络自适应控制系统。通过联合仿真试验,验证了所建立的神经网络自适应控制系统的振动控制效果优于LQR及模糊控制。通过计算可控可观矩阵,验证了该控制系统既可控又可观。     

基于驾驶员数据学习的自动驾驶车辆弯道转向控制研究

针对自动驾驶车辆的弯道转向控制问题,提出了一种基于驾驶员操纵数据分析和学习的控制方法。首先,建立了人-车-路软硬件综合模拟驾驶平台,采集了多位驾驶员在不同弯道上的转向操纵数据及车辆状态数据;然后,采用离散分析和拟合分析进行数据分析,并基于模糊综合评价算法建立转向行为评价体系进行数据评价与筛选;最后,将筛选后的驾驶员数据作为训练样本进行神经网络训练,建立基于神经网络的弯道转向控制器。仿真和实车验证结果表明,所设计的控制器能够很好地模拟熟练驾驶员在弯道上的转向行为,并能够保证车辆在弯道行驶的安全性和稳定性。     

智能公路系统车道保持模糊控制研究

结合智能公路系统中车道保持系统的特点,引入模糊控制理论,设计基于磁道钉导航方式的汽车车道保持模糊控制器.根据驾驶员的经验和现场实验,确定模糊控制器的变量及相应的量化等级和隶属度函数,总结出汽车车道保持的模糊控制规则.经过实车现场实验,具有较好的控制效果.