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。     

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。     

汽车ABS液压调节器建模与分析

汽车ABS液压调节器是ABS的执行机构,它的性能好坏直接影响着汽车制动效能。为研究和评价ABS液压调节器性能,文章在分析调节器的组成和工作原理的基础上,基于AMESim建立了包括液压调节器、制动主缸及制动轮缸的模型,对影响调节器动态响应特性的制动液和控制阀(增、减压阀)结构因素进行了仿真分析;并针对某型号调节器进行了台架试验。试验结果表明,基于AMESim的汽车ABS液压调节器仿真结果与试验结果基本吻合。AMESim建模为调节器的研究提供了一种行之有效的方法。     

复杂动态环境下智能汽车局部路径规划与跟踪算法研究

路径规划及路径跟踪控制是智能汽车研究的关键技术,而复杂、时变的交通环境给智能汽车的路径规划与跟踪提出严苛要求。针对现有局部路径规划方法只适用于较为简单的工况,无法应对多车道、多静/动态障碍等复杂工况的问题,提出一种基于离散优化思想的动态路径规划算法。该算法利用样条曲线曲率变化均匀的特性,在s-ρ曲线坐标系中生成了一组参数化候选路径簇;考虑动态碰撞安全影响,在碰撞带约束下结合道路法规限制及车辆动态安全要求,规划车辆速度;此外,综合考虑静态安全性、舒适性、目标车道、道路占用率等影响因素,以选择最优路径。在路径跟踪层面,基于预瞄理论设计鲁棒性好、跟踪精度高的分数阶PID路径跟踪控制器,以跟踪误差最小为目标,采用粒子群优化算法对分数阶PID控制器参数进行整定。最后,基于Simulink/CarSim建立联合仿真平台,设计多车道,多静/动态障碍的复杂工况以验证该算法的有效性。研究结果表明：由于在评价函数中引入动态安全评价指标、目标车道评价指标以及道路占用率指标,极大地提升了规划器性能,使车辆在行驶过程中根据驾驶环境自主调整速度,降低换道次数,从而保证智能汽车的主动安全性能,提升了通行效率,使该算法能够较好地处理复杂动态环境下的避障问题。     

四轮独立驱动电动汽车轮毂电机控制策略的研究

为降低轮毂电机转矩脉动对电动汽车平顺性的影响,提出了开关磁阻电机的控制策略。建立了电机的非线性模型,对电机进行了最优角度控制。针对电机转矩脉动问题,首先在直接转矩分配控制基础上,采用模糊算法对传统PID控制器的参数进行在线整定,其次提出将快速终端滑模控制算法与直接转矩分配相结合的控制策略。仿真结果表明,模糊算法的引入提高了系统的稳定性;而快速终端滑模控制算法不仅提高了系统抗干扰的能力,而且降低了电机的转矩脉动。