基于粒子群算法的汽车悬架PID控制仿真.pdf

《基于粒子群算法的汽车悬架PID控制仿真.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第30卷第4期计算机仿真2013年4月文章编号：1006—9348(2013)04—0155—04基于粒子群算法的汽车悬架PID控制仿真孟杰，陈庆樟，张凯(常熟理工学院机械工程学院，江苏常熟215500)摘要：研究汽车悬架稳定性控制优化问题，由于PID控制器在汽车主动悬架中参数的选择决定汽车行驶的稳定性能。针对传统参数整定的方法存在盲目性，设计了一种用粒子群算法优化整定PID参数的方法。利用粒子群算法的并行全局搜索策略，以主动悬架性能指标为目标函数对PID参数进行优化设计。应用改进方法对汽车悬架主动控制系统进行仿真。

2、仿真结果表明，用粒子群算法优化的PID控制器的汽车主动悬架相对于PID控制主动悬架及被动悬架而言，改善了车身垂向加速度和悬架动行程。同时解决了PID控制器参数整定的问题。关键词：悬架；粒子群算法；仿真中图分类号：U463文献标识码：BSimulationofPIDControlforVehicleSuspensionBasedonPSOAlgorithmMENGJie，CHENQing—zhang，ZHANGKai(SchoolofMechanicalEngineering，ChangshuInstituteofTe

3、chnology，Changshu215500，China)ABSTRACT：DuetotheproblemofthePIDcontrollerwhendefiningthethreeparameters，amethodusingthePSOalgorithmwasdesignedtooptimizeit．ThismethodutilizestheglobalsearchingstrategyofthePSOalgorithmtoopti—mizeanddesigntheparameterswiththetarget

4、functionofchassisperformanceindexes．Andthenasimulationexperi-mentwasprovidedfortheactivevehiclechassiscontr01．TheresultsshowthatusingthePIDcontroneroptimizedbythePSOalgorithm，theactivelycontrolledvehiclechassis’sperformances，suchastheverticalaccelerationandthed

5、ynamicdisplacementofthesuspension，canbegreatlyimprovedcomparedwiththechassiscontrolledbythenormalPIDcontrollerandthepassiveone．Meanwhile，theproblemofdefiningtheweightmatricesiswesssolvedbasedontheadvantagethatthenormalPIDcontrollerissufficientlyutilized．KEYWORD

6、S：Suspension；PSOalgorithm；Simulation1引言悬架系统作为车辆的重要组成部分，其性能是影响汽车行驶平顺性、操作稳定性的重要因素。传统的被动悬架一般由具有固定参数的弹性元件和阻尼元件组成，一般只设计为适应某一种路面，限制了车辆性能的进一步提高。20世纪70年代以来工业发达国家就已经开始研究基于振动主动控制的主动、半主动悬架系统。目前对车辆悬架控制策略的研究主要包括神经网络模糊控制、最优控制、免疫控制、PID控制、模糊PID控制等。这些控制方法中，PID控制因其控制结构和算法简单，适用基金

7、项目：江苏省自然科学基金项目(BK2011367)；江苏省“六大人才高峰”资助项目(SZ2010002)收稿13期：2012—06—21修回日期：2012一07一15对象广，鲁棒性强，控制效果好，已成为工业控制应用中最广泛的一种控制策略，PID控制器仍然在工业控制中占有绝对的统治地位¨-。PID控制设计的核心内容为参数的整定，这直接影响到控制性能的好坏。对于半主动悬架控制器而言，涉及到车身加速度、悬架动行程以及轮胎动载等多个目标的协调，而这几个目标往往相互冲突。传统的PID参数整定方法如Ziegle—Nichols法

8、、经验试凑法、理论设计法等具有很大的盲目性瞳]，很难整定得到较好的参数，使得多个目标协调，系统性能最佳。目前一些随机搜索方法如遗传算法(Genetic灿go-rithm，GA)、模拟退火算法(SimulatedAnnealing，SA)已引起众多学者的兴趣，并已成功应用到PID控制器的参数优化中旧“]。由于GA算法采用的是并行搜索技术，与sA法