基于ANFIS的汽车主动悬架仿真

建立1/4汽车主动悬架的模型,采用自适应神经模糊推理系统ANFIS设计主动悬架模糊控制器,并在Matlab/Simulink建立了主动悬架的仿真模型.仿真结果表明,基于ANFIS的方法控制的主动悬架对于降低车身加速度、改善汽车行驶平顺性和乘坐舒适性有显著的效果.     

基于策略分层的汽车悬架与转向系统主动控制

建立了悬架系统7自由度的主动控制模型,设计了悬架系统的最优控制器,运用分离定理,得到随机状态反馈调节器的最优控制率.建立了主动前轮转向系统的转向模型,并设计了可实时跟踪目标横摆角速度的滑模变结构控制器.为改善转向工况下车辆的平顺性,在2个子系统的基础上设计了一个上层协调控制器.协调控制器根据车辆传感器信息,实时地输入给转向和悬架子系统不同的跟踪目标和控制参数,以使车辆获得最好的性能.仿真结果表明:所设计的控制器能够较好地提高整车的平顺性和操纵稳定性.     

随机干扰下电控空气悬架整车车身高度控制研究

为解决随机干扰对空气悬架汽车车身高度动态切换的不良影响,结合空气弹簧模型,建立了随机干扰下的空气悬架车身高度调节系统整车模型。基于单神经元自调整增益算法,设计了神经网络PID自适应高度调节控制器。为检验所设计控制器的性能,搭建了Matlab/Simulink车身高度控制仿真模型,并开发了控制器实物,用于搭建整车试验平台。仿真结果显示所设计的控制器能有效地改善随机干扰下的高度调节过程的震荡,缓解车身俯仰和侧倾,整车试验也验证了仿真结果,提高了车辆舒适性和稳定性。     

基于最优控制的四自由度汽车主动悬架控制器

为改善某皮卡车悬架的性能,在该车四自由度1／2车体被动悬架的模型上并联控制器,并利用最优控制理论,采用一种新的控制算法对该控制器进行设计,建立了并联式主动悬架的理论模型。计算机仿真表明,与被动悬架相比较,采用所设计控制器的并联式主动悬架系统的汽车平顺性、车轮地面附着性有明显的改善。     

车辆节能型主动悬架的研究

出于节能和主动控制的考虑,利用无刷永磁直线直流电机作为主动悬架的作动器,提出并设计了这种主动悬架的基本结构,对车辆模型进行运动学分析并设计了控制器。通过对该模型的仿真分析结果表明,主动悬架实现了汽车振动的主动控制,可储存再利用振动的能量,达到节能的要求。     

基于模糊控制的汽车悬架系统性能研究

主动悬架系统的性能研究是车辆动力学与控制领域的前沿课题。以汽车悬架为研究对象,分析其动力学性能指标,建立动力学模型和状态空间模型。根据控制原理,将车身速度视为误差,加速度视为误差变化率,建立模糊控制器。采用MATLAB/SIMULINK软件,结合悬架的数学模型及模糊控制器进行仿真分析,比较主动悬架和被动悬架的性能指标。仿真结果表明模糊控制算法应用于主动悬架可以有效地抑制振动,且改善了汽车性能指标,能够满足汽车稳定性和舒适性的要求。     

基于ADAMS/Car和Simulink的主动悬架遗传模糊控制

利用ADAMS/Car软件建立了车辆多体动力学模型;基于遗传算法策略设计了主动悬架模糊控制器并通过Matlab编写了控制算法,基于ADAMS/Car和Matlab/Simulink对主动悬架系统进行联合仿真.通过随机路面输入和脉冲路面输入下的仿真结果分析,表明联合仿真的方法正确、可行,同时通过试验结果分析表明,该控制方法能够有效提高汽车的平顺性能.     

基于Sinmulik汽车主动悬架PID控制器设计与仿真

通过简化汽车悬架的振动模型,在此基础上利用Matlab/Simulink仿真软件建立可以求解的整车二自由度振动仿真模型和PID控制器,仿真结果可以说明PID控制能够调整悬架振动形式,以确保汽车具有良好的操纵稳定性和平顺性。     

拖拉机半主动座椅悬架建模及控制研究

为了改善拖拉机的乘坐舒适性,提出了将磁流变阻尼器应用于座椅悬架的新设计思路。为此,利用地面输入模型、磁流变阻尼器模型和传统被动座椅悬架模型建立了新型的半主动座椅悬架模型,并设计了PID控制器和模糊控制器,在Mat Lab/Simulink仿真环境下对半主动座椅悬架与被动座椅悬架进行仿真。仿真结果表明:半主动座椅悬架相比于传统的被动座椅悬架,在减振方面效果明显;而在两种控制方法中,模糊控制效果最佳。     

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。