汽車主動懸架的單神經元自適應控制
加入技術交流群
所用的懸架模型參數名義值[10>
ms=240kg,mt=36kg,ks=16kN/m,b=980N?s/m,kt=160kN/m。以C級路面的垂直速度為激勵輸入進行仿真。路面不平度系數Gq（n0）=256×10-6m2/m-1,車速v=20m/s,參考空間頻率n0=0.1m-1,速度功率譜密度為一白噪聲Gq?（f）=4π2Gq（n0）n20v。仿真中神經元控制器參數為:學習速率d1=30,d2=63.3,d3=15.9；比例系數k=148.7；采樣周期為0.01s。本文引用地址：http://www.104case.com/article/197811.htm
仿真時,先對模型參數取名義值進行驗證；然后將懸架參數的車身質量增加20%,同時輪胎剛度下降20%,考察控制器在模型參數變化時的適應能力。以上兩種情況著重考察車身加速度響應,見圖4及圖5；根據懸架系統時域輸出仿真數據,計算車身加速度、懸架動撓度、車輪動位移的均方根值及綜合性能指數J,如表1所示。
由圖4和表1可知,在名義參數情況下,兩種主動懸架都能有效地降低車身加速度,改善平順性。盡管懸架動撓度有所增大,但車輛的綜合性能仍得到了改進。而且,自適應神經元控制下的車輪動位移也有一定程度的改善,其綜合減振效果要明顯優于PID控制。由圖5和表1可見,在懸架參數變化時,兩種主動懸架仍然都能減少車身加速度,有效地改善平順性。自適應神經元控制的減振效果仍然優于PID控制。由此表明:自適應神經元控制能有效地跟隨模型參數的變化,將車身加速度控制在一個較好的范圍內,降低了參數不確定性對車輛平順性能的影響；雖然神經元控制的懸架動撓度、車輪動位移相對被動懸架有所增大,但相對PID控制仍有改善,尤其是其綜合性能也得到了改進。
五、結論
?。?）車輛主動懸架的自適應神經元控制器的仿真結果表明:該控制器能有效地改善車輛的綜合性能,尤其是車輛運行的平順性和舒適性,而且魯棒性好,對模型參數的變化具有一定的適應性,便于實現和應用。
?。?）需要進一步研究控制器對不同路面激勵的適應性,以完善主動懸架的性能。
?。?）應對控制過程的實用化作深一步的研究,比如考慮作動器的非線性、時滯等因素的影響。
評論