汽車主動懸架的單神經元自適應控制

一、前言
　　汽車懸架系統對車輛行駛平順性、乘坐舒適性和操縱穩定性有很大影響。傳統的被動懸架只能被動地存儲和吸收外界能量,不能主動適應車載質量、輪胎剛度等車輛參數和路面激勵的變化,大大制約了車輛性能的提高。主動懸架克服了傳統被動懸架的諸多局限,使懸架系統對不同運行工況具有最大程度的適應能力。
　　由于懸架系統的模型參數往往不確定,路面激勵未知且可變,研究開發出各種自適應控制策略應用于主動懸架控制[1>,主要有模型參考自適應控制、自校正控制和神經網絡自適應控制。文獻[2>提出了以理想天棚阻尼控制為參考模型的自適應控制策略,但在設計中需要選擇一個合適的Lyapunov函數,這要求有一定的理論知識和實踐經驗,否則不易獲得較好的自適應規律。文獻[3>、文獻[4>的自校正控制需要首先在線估計模型參數或控制器參數,然后再綜合控制律,是一種依賴于模型的解析設計方法,且比一般的常規控制器要復雜。文獻[5>采用神經網絡間接自適應控制,充分利用神經網絡在非線性處理和自學習、自適應方面的優勢,但基于多層結構的神經網絡結構相對復雜,又因采用了S型作用函數而計算量較大,在線調節權重用時較長,不宜于實時在線控制。
　　文獻[6>提出了一種基于單個自適應神經元的非模型直接控制方法。它的顯著特點是無需進行系統建模,充分利用神經元的關聯搜索和學習能力來實現控制目的。該控制器結構非常簡單,運算量小,實時性好,控制品質優,對模型參數的變化和外界擾動具有較強的適應性和魯棒性。自適應神經元控制已被成功應用于電力系統、汽車防抱制動系統、醫療藥品注射系統等[7-9>。作者針對汽車主動懸架,設計一個自適應神經元控制器,研究系統在隨機路面激勵下的減振效果,同時考察控制器在變參數條件下的魯棒性。
　　二、主動懸架系統的動力學模型
　　選取二自由度1/4主動懸架為研究對象,如圖1所示。動力學方程為

　　式中ms為車身質量,mt為簧下質量,ks為懸架彈簧剛度,b為懸架阻尼系數,kt為輪胎剛度,u為懸架系統的主動控制力,q、xs、xt分別為路面垂向輸入位移、車身位移和簧下質量位移。