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。     

不可靠车载传输环境下的智能汽车轨迹跟踪控制方法

针对外界扰动、参数摄动、数据传输时滞、转向输出滞后等因素给车辆运动控制带来的严峻挑战，基于鲁棒保性能控制理论提出了一种面向不可靠车载传输环境的智能汽车轨迹跟踪控制策略。通过系统扩维的方式引入转向系统动力学，建立增广无滞后不确定轨迹跟踪动力学模型，以描述执行器动态特性影响下的车路耦合动力学响应。基于Lyapunov-Krasovskii(LK)泛函构建时滞相关稳定性判据，考虑模型参数摄动所引起的系统失配问题，采用不等式放大法对不确定交叉项进行放大，引入H_∞指标对广义外界扰动进行抑制，并通过保性能指标配置控制性能偏好，设计具备线性参数时变(Linear-parameter-varying, LPV)特征的纵横向鲁棒协同控制器。最后通过多个典型工况对鲁棒保性能控制策略的有效性与优越性进行了验证。研究结果表明：在信号传输存在时滞、转向输出存在滞后的状态下，所提出的控制策略能够产生光滑平顺的控制输出，可保证车辆的行驶稳定性；尤其是在低附着、高速转向等恶劣行驶工况下，所提出的鲁棒保性能控制策略能够有效补偿模型失配所带来的不利影响，实现轨迹精确跟踪与横向稳定控制的有效兼顾。因此...