基于磁流变悬置的整车建模与振动控制的研究

以磁流变悬置动态性能试验结果为数据样本,利用广义回归神经网络(GRNN)辨识方法建立了磁流变悬置的正、逆模型,并将辨识模型用于悬置系统的控制;建立了基于磁流变悬置的整车10自由度动力学模型,以发动机转速和悬置点处的加速度信号为输入,设计了模糊控制器,对磁流变悬置进行半主动控制的仿真。结果表明:该模糊控制器具有较好的宽频隔振效果,悬置点处的振动加速度峰值明显减小,验证了GRNN模型和模糊控制器算法的正确性和有效性。     

基于扩张状态观测器的智能汽车弯道轨迹跟踪控制

为了提高智能车辆在复杂弯曲道路下进行跟踪控制的精度和稳定性,提出了一种基于扩张状态观测器的模型预测多目标优化控制方法。引入扩张状态观测器实时估计车辆跟踪过程中的总干扰,并对观测器稳定性进行证明;结合模型预测控制实现预测时域内多目标优化效果,利用估计的干扰值对控制量进行前馈补偿,得到车辆在动态干扰下的最优控制量。结果表明：在不同车速和路面附着因数工况下,横向位置误差均方根不超过0.11 m,最大前轮转角量不超过85 mrad,横摆角速度最大值不超过368 mrad。因此,该方法在复杂弯道情况下有较好的跟踪精确性、行驶稳定性和鲁棒性。