基于模糊神经网络控制的汽车主动悬架系统研究.pdf

《基于模糊神经网络控制的汽车主动悬架系统研究.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、轻型汽车技术2011(11／12)总267／268技术纵横3基于模糊神经网络控制的汽车主动悬架系统研究袁传义贝绍轶何庆张焱黄学勤(江苏技术师范学院汽车工程学院)摘要在建立的主动悬架系统整车动力学模型基础上，结合模糊控制理论和神经网络控制理论，设计了基于模糊神经网络控制的汽车主动悬架系统，分别进行了随机路面输入和正弦波凸起输入的仿真计算和分析。结果表明，与传统的被动悬架系统相比，模糊神经网络控制主动悬架系统的质心垂直加速度峰值和标准差分别下降了55．38％和59．04％；车辆以5m／s速度驶过正弦波凸起时，质心垂直加速度峰值比被动系统减少了49．96％，有效提高

2、了车辆的行驶平顺性。关键词：车辆主动悬架模糊控制神经网络行驶平顺性随机路面输入和正弦波凸起输入的仿真计算和分1引言析。悬架系统主要是吸收并缓和行驶时路面不平引2系统模型的建立起车轮跳动而传给车架的冲击和振动，其性能的好坏直接影响车辆的行驶平顺性。随着人们对车辆行2．1主动悬架系统模型驶平顺性要求的Et益提高，阻尼和刚度不可调节的车身垂直加速度的变化反应了汽车平顺性的传统被动悬架已经不能满足需求，而主动悬架系统好坏，车身俯仰角、车身侧倾角体现了汽车的行驶可以根据车辆当前的运动状态实时调节悬架特性，安全性，因此建立了包括车身俯仰和车身侧倾的整使车辆在任何工况下均能

3、获得较好的行驶平顺车动力学模型，如图1。得出车身的垂直运动方程：性，国内外众多学者对主动悬架系统展开了大量nvZ=F21+F22+F23+F24(1)研究【1∞,4,sl。车身俯仰运动方程为：神经网络具有并行计算、分布式信息存储、容错Io0=Zr(F21+I一F为+I(2)能力强以及具备自适应学习功能等优点，但神经网车身侧倾运动方程为：络不适于表达基于规则的知识。模糊逻辑是一种处I=mgh+(F2l+F23一F22一F24)d(3)理不确定性、非线性和其它不适应问题的有力工具，非悬挂质量垂直运动方程为：比较适合于表达模糊或定性的知识，其推理方式类m1jz1i=

4、k(z0i—z1一(i=l，2，3，4)(4)似于人的思维模式，但缺乏自学习和自适应能力。模考虑横向稳定杆对车身侧倾角的影响，主动悬糊神经网络是两者结合的产物，取长补短，是利用神架作用合力：经网络来实现模糊系统的功能。。结合模糊控制理论和神经网络控制理论，设计F21=k：。(Zil"Z21)+C21(Z11,)(一)+f21(5)基于模糊神经网络控制的主动悬架系统，分别进行4技术纵横轻型汽车技术2011(11／12)总267／268型可以用一阶滤波白噪声来描述闭：z~=-21『0i+21TX／Go1，∞i(【)(i=1，2)(13)后轮的输入Qi=zd(t一下

5、)下=(2l=Zr)／0=3，4)(14)G0为路面不平度系数，v为车速，tO(1)为均值为零的Gauss白噪声，f0为下截止频率，下为前后轮激励时间差。3主动悬架控制系统设计3．1控制系统结构设计建立的主动悬架模糊神经网络控制系统如图2所示。图1主动悬架整车动力学模型Fz2=k=(z(一)+f22(6)Fz=k∞(z，一z23)+c，~kf(一—Z13-Z一14)+f2，(7)Fzl424)d＼一刍d)／+f2一4(8)图2主动悬架模糊神经网络控制系统框图当俯仰角0、侧倾角在小范围内，近似有图中kl,k和k，为量化因子，k为比例因子。从Z21~Z一If0一d

6、(9)图2中可以看出，主动悬架整车动力学系统的输入z==zs-／f0+d(10)为路面白噪声∞)，输出为车身质心垂直加速度z23=z,+lt0+d(11)毫、车身侧倾角、车身俯仰角0等车身姿态方面z24=z+／f0-d(12)的变量。模糊神经网络控制器根据车辆系统的输式中，。、Z为车身垂直位移、车身垂直速度、出，经过量化、模糊化、控制规则和清晰化等过程，车身垂直加速度，F为悬架对车身的合力，，L为输出主动悬架系统作动器作用力，实现对主动悬车身俯仰转动惯量、车身侧倾转动惯量，0、0、0架系统的闭环控制。为车身俯仰角、车身俯仰角速度、车身俯仰角加速3．2控制系统策

7、略度，、、为车身侧倾角、侧倾角速度、侧倾角加本文设计的模糊神经网络系统由4层神经元速度'ff、z、分别为前、后轴到质心的距离，d为1／2轮组成，其结构及各层神经元功能如图3所示，神经距，m。i为非悬挂质量，k为悬架刚度，c为悬架阻元层I、Ⅱ、Ⅲ和Ⅳ分别代表变量输入层、隶属度函尼系数，ki为轮胎刚度，为路面位移，。i、z。为数层、模糊规则层和解模糊层。本文所设计的控制非悬挂质量垂直位移、垂直速度、垂直加速度，、、器选用质心垂直加速度、车身侧倾角、车身俯z为悬挂质量垂直位移、垂直速度、垂直加速度，k仰角0作为输入，主动悬架作用力作为输出。k分别为前、后悬架稳定杆角

8、刚度，为主动悬架作x表示模糊神经网络第