基于PID-LQR主动悬架控制策略的车辆平顺性研究

为了进一步提高悬架系统的综合平顺性能,建立了主动悬架系统的单轮车辆模型,以路面不平度作为车辆系统的干扰信号。考虑到带有LQR控制器的主动悬架,加权系数的确定受人为影响较大,故在LQR控制器中加入一个PID控制器,形成PID-LQR控制器。通过MATLAB对LQR及PID-LQR控制器分别建立了系统的Simulink模型,运用遗传算法和单纯形法,对LQR中加权系数矩阵L、M以及PID控制器中的相关参数进行了优化,使悬架系统控制性能得到一定的提高。在同等情况下,与进行相同优化步骤的LQR控制器进行对比分析,得到两种悬架的平顺性性能差异。结果表明,相比传统的LQR主动悬架控制,所提出的PID-LQR悬架控制策略能在一定程度综合改善模型的平顺性能。     

基于遗传算法的主动悬架最优控制研究

为了提高主动悬架LQG控制策略的设计效率和准确性,以及验证主动悬架的优越性,建立了1/4主动悬架动力学模型。控制策略选取了线性二次型最优控制(LQG),通过遗传算法(GA)确定了LQG控制器的加权系数,最后采用MATLAB/Simulink软件进行了仿真验证。结果显示:采用GA确定LQG控制器的加权系数的方法是合理的;与被动悬架相比,主动悬架的车身垂直加速度显著降低了,改善了汽车行驶平顺性。此方法为悬架的LQG控制策略的实际应用提供了参考。     

车辆主动悬架模糊PID控制的仿真与分析

以车辆操纵稳定性及行驶平顺性为控制目标,确定车身加速度为具体评价参数。根据路面-车辆系统的特点,提出将模糊控制理论和PID控制策略有机结合后运用于主动悬架控制。针对简化后的两自由度主动悬架模型,以路面信号作为激励源进行仿真研究。结果表明,这种控制策略对车辆悬架系统的振动控制具有更好的适应性。     

基于ADAMS和Simulink联合仿真的主动悬架控制

为减少车辆控制系统开发周期和成本，以某皮卡车为研究对象，利用ADAMS／VIEW软件建立了车辆多体动力学模型；基于随机次优控制策略设计了主动悬架控制器，并通过Matlab／Simulink编写了控制算法对其进行联合仿真，通过不断修正控制参数直至得到满意的控制效果。将采用主动悬架系统得到的仿真结果与采用被动悬架系统得到的仿真结果进行了性能对比，结果表明主动悬架系统有效地改善了车辆的行驶性能。     

考虑时域硬约束的车辆主动悬架H∞控制

提出了考虑时域硬约束条件的车辆主动悬架H∞输出反馈控制器设计方法.基于线性矩阵不等式处理方法,提出并证明了该控制器存在的充分条件.以提高车辆乘坐舒适性为目标,取车身垂直加速度响应为控制输出向量,悬架动挠度、车轮动静载荷比响应和所需控制力为约束输出向量,基于1/4车辆模型进行了主动悬架设计.仿真结果表明,即使车辆模型参数存在一定程度的不确定性,提出的控制策略在提高车辆乘坐舒适性的同时,能很好地兼顾车辆的其他性能要求.     

油气悬架动态力的识别

将BP神经网络应用于油气悬架动态力的识别，建立了带有油气悬架的1／4车辆系统动态模型，并根据车辆悬架系统模型建立了神经网络模型，利用油气悬架的输入、输出信息进行油气悬架动态力的识别，并与等效线性方法相比较，获得了比较满意的结果，为油气悬架的理论计算、设计及主动控制提供了一种参数识别的方法。     

馈能型多模式主动悬架阻尼力控制策略研究

针对车辆在复杂工况下行驶时单一模式的悬架控制策略难以满足最优控制,且不能对路面振动能量进行回收的问题,基于直线电机—液压系统混合型执行器的馈能型主动悬架系统的基础上,设计一种阻尼力控制策略和悬架工作模式切换策略,使车辆在不同工况下行驶时主动悬架系统以最优模式进行工作,用于提高悬架系统的性能和馈能性,同时尽可能使用馈能回收的能量以提高能量利用率,实现改善悬架系统性能的目的。通过设计悬架控制策略并建立模型仿真,结果表明:该控制策略可以有效改善悬架系统的性能,同时在稳定工况下能量回收效率可达到16.24%左右,复杂工况下兼顾汽车行驶时的动力学性能和馈能性,验证所建模型的准确性,为后续参数和控制策略的优化提供基础。     

基于联合仿真的半主动悬架车辆行驶平顺性研究

为研究半主动悬架车辆行驶平顺性,利用SIMPACK软件建立了整车多体动力学模型,并在半主动悬架七自由度整车行驶动力学模型的基础上,应用Matlab/Simulink软件设计神经网络模型参考自适应控制算法,建立了一个半主动悬架控制策略研究的集成环境,利用该集成环境对磁流变阻尼器的半主动悬架车辆行驶平顺性进行联合仿真.仿真结果表明,与被动悬架相比,当汽车以60 km/h和120 km/h在C级路面上行驶时,车身垂向、俯仰、侧倾加速度均方根值分别下降了32.33%、28.09%、35.93%和41.56%、18.52%、22.97%.基于神经网络模型参考自适应控制的磁流变半主动悬架可以有效衰减车身的振动,改善车辆的行驶平顺性.     

车辆悬架多刚体动力学分析及PID控制研究

以多刚体系统动力学的拉格朗日方法对车辆悬架进行研究，建立了基于多刚体系统动力学的主动悬架系统模型，并采用PID控制策略，进行了理论分析和计算机仿真。计算结果表明，构建的以多刚体系统动力学方法同PID控制策略相结合的车辆悬架系统性能良好，是一个行之有效的进行综合仿真和优化控制的系统。     

时滞半主动悬架模糊神经网络控制

建立了含时滞半主动悬架数学模型,分析了悬架系统产生时滞的原因,设计了含时滞补偿模糊神经网络自适应控制策略,开发了C8051单片机为内核的半主动悬架控制系统,仿真分析后,在全真半主动悬架试验台上进行了台架试验。结果表明,实施半主动悬架神经网络时滞补偿控制,解决了控制中的“不合拍”问题,较好地协调了车辆舒适性和安全性之间的矛盾。     

电控空气悬架试验系统设计及试验研究

根据空气弹簧悬架试验的具体要求和实际条件,利用德国SHENCK公司生产的电液伺服激振系统,设计了1/4车辆模型空气弹簧悬架试验系统和相应的测控系统,该系统可以进行空气弹簧悬架的动态模拟和动静刚度试验,并在试验台上对空气弹簧刚度进行模糊神经控制。通过加控制和不加控制在相同路面激励下的试验数据对比分析,检验控制算法的有效性和可行性,为电控空气悬架的产品化提供技术储备和试验手段。     

车辆半主动悬架控制器的设计与研究

根据半主动悬架系统的研究现状,设计了嵌入式智能控制器,采用模糊神经网络控制算法,调节车辆半主动悬架系统阻尼系数,在8位单片机上实现了该算法,并且在实验室进行了台架试验,试验结果表明,所设计的控制器可以满足半主动悬架控制系统的要求.     

遗传神经网络在温室黄瓜霜霉病预测中的应用

在神经网络结构的优化、连续权重的训练中采用遗传算法的方法对日光温室黄瓜霜霉病进行预测，并对其发生程度进行了拟合，计算值与实际值接近，表明该模型具有良好的预测效果。     

基于GA-BP神经网络的池塘养殖水温短期预测系统

为解决传统的水温小样本非实时预测方法预测精度低、鲁棒性差等问题,基于物联网实时数据,提出了遗传算法(GA)优化BP神经网络的池塘养殖水温短期预测方法,并在此基础上设计开发了池塘养殖水温预测系统,首先采用主成分分析法筛选出影响池塘水温的关键影响因子,减少输入元素;然后使用遗传算法对初始权重和阈值进行优化,获取最优参数并构建了基于BP神经网络的水温预测模型;最后采用Java语言开发了基于B/S体系结构的预测系统。该系统在江苏省宜兴市河蟹养殖池塘进行了预测验证。结果表明:该系统在短期的水温预测中具有准确的预测效果,与传统的BP神经网络算法相比,研究内容评价指标平均绝对误差(MAE)、平均绝对百分误差(MAPE)和误差均方根(MSE)分别为0.196 8、0.007 9和0.059 2,均优于单一BP神经网络预测,可满足实际的养殖池塘水温管理需要。     

递阶遗传算法优化的模糊神经网络的故障诊断应用

提出一种利用递阶结构的混合编码遗传算法与进化规划相结合优化模糊神经网络学习的新算法,利用该算法同时优化模糊神经网络的结构和参数,剔除网络的冗余接点和冗余连接,提高网络的处理能力。分析和实验结果表明,所构建的机械故障诊断模糊神经网络结构简洁,而且具有良好的诊断效果。     

基于PCA-GA-BP神经网络的水电机组状态异常辨别方法

为提高机组异常运行识别效率与精度,提出基于主成分分析法和遗传算法优化反向传播神经网络(BP neural network)的机组异常状态检测模型.以机组实时记录传感器数据为样本,利用主成分分析法对多维数据进行降维操作,处理后得到综合变量.随后在此基础上搭建BP神经网络并利用遗传算法优化神经网络随机初始权值与阈值,完成对机组不同运行状态检测模型仿真训练.最后以某电站连续时间段内机组正常与异常运行状态下各部件传感器实时监测数据为样本分析,并将所提PCA-GA-BP算法与其他优化算法、传统算法进行对比,通过不同样本比例下的仿真训练试验验证该方法可行性.仿真试验结果表明:模型相较于传统BP神经网络,平均状态检测时间相对缩短84%,平均检测正确率相对提高2.5%,能在均正确率接近99%的基础上实现0.7~1.0 s内对机组异常运行的有效辨别,做到机组异常运行的精确辨别与早期预警.     

电动助力转向与主动悬架模糊神经网络集成控制

在建立汽车电动助力转向和主动悬架系统的集成模型基础上,利用神经网络自适应学习功能推导集成系统模糊控制规律,设计了模糊神经网络控制策略,对转向行驶工况下的集成系统进行了大量的计算分析。研究结果表明,采用所提出的集成控制策略能有效地实现对汽车平顺性、操纵稳定性、安全性的集成优化,从而使得整车动力学性能得到较大改善。     

电控空气悬架车高调节与整车姿态控制研究

针对电控空气悬架在车高调节过程中存在的过充、过放以及振荡等不良现象,提出一种能够对气体质量流量进行自适应调节的神经网络PID控制方法。根据车辆系统动力学和变质量充放气系统热力学理论,建立了电控空气悬架车高调节数学模型,设计了车高调节BP神经网络PID控制器,并对控制器的实际性能进行了仿真验证。在此基础上,为了进一步防止车高调节过程中因四角高度调节不同步而引起的整车姿态失稳现象,基于模糊控制算法对系统局部控制量进行了修正,从而形成整车姿态模糊控制器。最后,基于D2P快速开发平台搭建了电控空气悬架车高调节控制系统,进行了整车台架试验。试验结果表明,所设计的控制系统不仅能够实现车身高度的有效调节,同时还能抑制车高调节过程中的整车姿态变化。     

农用车电磁制动系统自校正模糊神经网络控制

对农用机动车电磁制动机构的组成及其工作原理进行了详细的阐述,并建立电磁制动机构的模型,进而建立了农用机动车整车电磁制动系统的整体模型.采用模糊神经网络控制完成了农用机动车电磁制动系统控制算法的设计,并采用遗传算法实现了对模糊规则的优化,增大了制动力矩且使滑移率被控制在较小的范围内.