越野汽车挡位决策的自适应模糊控制

为提高装备自动变速器的越野汽车换挡控制系统对复杂路况的自适应能力,在基本模糊控制模块基础上,建立了具有两级递阶结构的越野车自适应模糊换挡控制系统.基本模糊控制模块将油门开度、车速和加速度3参数进行模糊化和模糊推理,实现挡位决策;自适应控制模块按照检测的车速和加速度对直线行驶阻力和附着力进行在线辨识,并由此进行量化因子的自调整.仿真结果表明所设计的模糊控制系统具有良好的自适应能力.     

孤立交叉口多相位自适应模糊控制及其神经网络实现

针对城市中心区交叉口交通流分布的特点,综合考虑本相位和相邻相位车道上的车辆排队长度(以下简称“队长”),应用模糊控制和神经网络具有的学习功能,提出了一种孤立交叉口多相位自适应模糊控制算法,该算法采用两个规则前件进行模糊推理,并给出了基于3层神经网络实现的模糊控制器的网络结构及其改进的BP网络训练算法和运行程序,结合已有类似研究成果进行了仿真比较研究,结果表明:该控制方法在信号周期自动调节和减少车辆延误方面都有明显改进,在实现城市交叉口智能控制中具有推广应用价值。     

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。     

基于半主动自适应悬架系统的整车道路友好性研究

为了提高车辆的道路友好性与平顺性,设计了以磁流变减振器为控制对象的整车自适应模糊控制半主动悬架系统。在试验测试和理论分析的基础上,建立了基于磁流变减振器的整车半主动悬架模型及其状态方程,并用该模型对自适应模糊控制方法进行了研究。模型的输入采用B级和C级路面谱;道路友好性评价指标采用动载荷系数和动载荷应力因子;使用MATLAB/Simulink建立基于2个自适应模块的模糊控制器控制系统,模糊控制器的输入均采用车身与车桥的相对速度和相对加速度。仿真结果表明:与被动悬架相比,在B级和C级路面、不同速度下,半主动自适应悬架动载荷系数均降低30%左右,动载荷应力因子均降低40%以上,同时也提高了车辆的运行平顺性和稳定性。     

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。     

Fuzzy adaptive sliding mode controller for an air spring active suspension

A fuzzy adaptive sliding mode controller for an air spring active suspension system is developed. Due to nonlinearity, preload-dependent spring force and parameter uncertainty in the air spring, it is difficult to control the suspension system. To achieve the desired performance, a fuzzy adaptive sliding mode controller (FASMC) is designed to improve the passenger comfort and the manipulability of the vehicle. The fuzzy adaptive system handles the nonlinearity and uncertainty of the air suspension. A normal linear suspension model with an optimal state feedback control is designed as the reference model. The simulation results show that this control scheme more effectively and robustly isolates vibrations of the vehicle body than the conventional sliding mode controller (CSMC).     

汽车主动悬架自调整模糊控制试验

以汽车操纵稳定性及行驶平顺性为控制目标,提出一种在线可调整的模糊控制算法,其模糊控制规则表可以用解析的方法进行计算。针对简化的汽车模型,为控制悬架系统的振动设计了自调整模糊控制器。与自适应控制主动悬架系统相比较,在两自由度悬架系统试验台架上进行了对比试验研究,结果表明该算法对汽车的振动控制具有明显效果,进一步说明提出的算法对汽车悬架系统的振动控制具有较好的适应性。     

基于自适应模糊PID控制的ABS仿真研究

在Matlab/Simulink中建立一种两轮的汽车动力模型,以自适应模糊PID和道路识别控制器作为控制模块,通过在高低附着路面和高低附着对接路面进行紧急制动仿真的研究。仿真结果表明道路识别控制器能够快速准确的识别路面不同附着路面最优滑移率,自适应模糊PID控制的ABS相于常规制动性能有了很大程度的提高,具有在线自整定参数的特点,具有很好的稳定性、适应性和鲁棒性。     

应用模糊自适应PID和预瞄策略的自主车辆转向控制

文中结合智能车辆路径跟踪过程中转向控制方面的特点，提出了一种将模糊逻辑、预瞄规律和自适应PID控制相结合的控制策略，建立起了相应的模型，验证了该方法的可行性和有效性，并提出了进一步改进的方向。     

并联混合动力汽车模糊逻辑控制策略的设计

利用模糊逻辑控制技术,设计了并联混合动力汽车的模糊逻辑扭矩控制策略。选取了控制器的输入、输出变量,构建了有25条规则的模糊推理器。在3种不同的循环工况下,分别对二值逻辑策略和模糊逻辑策略进行了仿真试验,结果显示,所设计的模糊逻辑控制策略能够很好地控制发动机工作,且具有很好的自适应能力和鲁棒性。     

ISG型混合动力汽车粒子群优化模糊控制研究

针对ISG型混合动力汽车能量分配的控制过程,应用传统的模糊控制存在精度不高、自适应能力有限等问题.提出一种粒子群优化模糊控制的方法.在应用传统模糊逻辑建立控制模型基础上,利用粒子群算法对模糊控制中的隶属度函数进行优化,实现了优化的隶属度函数随环境变化以及负载变化实时跟踪模糊控制器的参数变化.仿真结果表明,与Insigh...     

基于智能电动汽车的纵向车速跟随控制策略

首先,设计了一种切换缓冲区间阈值可调的切换逻辑。其次,设计了一种对车速变化具有自适应性的PI控制驱动策略,再次,设计一种基于模糊控制的制动控制策略,在保证纵向车速跟踪精度的前提下,能避免车辆制动时的“前冲现象”,提高了舒适性。最后,通过Matlab与Carsim、Amesim的联合仿真验证了算法的有效性。     

基于神经网络实现交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制。仿真结果表明，所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力。     

EPS与主动悬架系统自适应模糊集成控制的仿真与试验研究

在建立的汽车整车主动悬架和EPS动力学模型(包含转向运动、俯仰运动和侧倾运动等模型)的基础上,运用自适应模糊控制方法,利用车身姿态的变化动态地调节主动悬架控制器和EPS控制器的输出,实现了对EPS和主动悬架系统的集成控制。为了验证控制系统的可行性和有效性,分别进行了仿真和实车道路试验。结果表明,集成控制显著提高了汽车的行驶平顺性和操纵稳定性,整车综合性能明显优于传统的悬架和转向系统。     

基于驾驶员行为模拟的ACC控制算法

基于驾驶员最优预瞄加速度模型建立了一种适用于多种典型行驶工况的ACC控制算法。该算法采用基于多目标模糊决策方法的驾驶安全性、工效性、轻便性与合法性评价指标以及基于预瞄跟随理论的微分校正函数，描述了ACC控制系统对自由工况、跟随工况和切入工况等不同行驶条件及汽车动力学系统强非线性特性的考虑。     

混合动力电动汽车能量自适应模糊控制研究

为了实现混合动力电动汽车两种能量的最佳分配,确保电机、蓄电池的合理运行,建立了前向并联式混合动力电动汽车动力系统模型,提出了采用自适应模糊控制方法对动力系统进行能量分配,设计了控制器,讨论了自组织控制器的规则自我调整过程。整车循环工况仿真试验表明该控制具有较强的鲁棒性,可使电机、发动机、蓄电池等动力设备工作于最佳工况。     

模糊控制在二次调节静液传动车辆中的应用

介绍一种二次调节静液传动车辆和其车速控制原理，并根据实际情况建立了整个系统的数学模型。提出一种带修正因子规则的模糊PID控制，分别用这种控制器和常规PID控制器对阶跃信号和车辆的15工况进行仿真分析。结果表明：采用模糊PID控制具有响应速度快，调节时间短等优点，更能满足实际车辆的驾驶要求。     

汽车主动悬架与电动助力转向系统自适应模糊集成控制

建立了包含转向运动模型、俯仰运动模型和侧倾运动模型的汽车整车模型,在设计了电动助力转向系统PD控制的基础上,构建了基于自适应模糊控制的汽车主动悬架与电动助力转向系统集成控制器,当控制系统偏差变小或变大时,调整因子总能保证系统稳定,便于工程应用。计算结果表明,该自适应模糊集成控制策略,既保证了车辆操纵轻便性,又显著提高了整车操纵稳定性、安全性和行驶平顺性等整车综合性能。     

车辆主动悬架的神经网络模糊控制

利用神经网络来实现在车辆主动悬架中的模糊控制，通过对主动悬架实体装置的台架实验研究，在不同激励信号的作用下，神经网络模糊控制器都具有很好地抑制车体振动的特点，其控制效果明显优于PID控制。在车辆主动悬架中，神经网络模糊控制具有设计新颖，实用性强，特别对于减振效果要求较高的车辆，更能发挥其优点。     

基于白适应神经模糊推理系统的跟驰模型研究

由于驾驶行为的不确定性,难以建立精确的车辆跟驰模型。针对这一问题,应用自适应模糊神经推理系统（ANFIS）建立跟驰模型,以跟随车与前车速度差及行车间距为输入量、跟随车的加速度为输出量,建立25条模糊推理规则,将模糊推理规则产生的数据作为车辆跟驰ANFIS模型的训练数据,并利用MATLAB编程对其进行训练。最后,设计了基于车载高精度GPS的跟驰试验,并结合试验数据分别对自适应模糊神经推理系统跟驰模型和传统跟驰模型进行仿真。结果表明,前者输出的跟驰车辆加速度值更接近于真实值。