车辆半主动悬架自适应模糊控制

给出了车辆半主动悬架自适应模糊控制方法,设计了自适应模糊控制器,将模糊系统辨识和模糊控制结合起来,对自适应模糊控制规则进行了修正,使自适应模糊控制的复杂性得以简化,提高了半主动悬架控制的实时性,从而达到最佳的控制效果。与被动悬架的对比分析表明,自适应模糊控制半主动县架具有优良的减振性能。     

车辆MR半主动悬架的Fuzzy-PID控制研究

模糊控制的优点是不需要掌握受控对象的精确数学模型,而车辆悬架系统是典型的时变、非线性系统,其建模困难并具有不确定性,因此模糊控制策略广泛地应用于车辆半主动悬架的控制系统。本文分析比较模糊与模糊PID复合控制策略对车辆MR半主动悬架的控制效果,得出采用在线分别针对调节PID控制器3个参数的模糊自适应PID控制策略的悬挂系统具有鲁棒性强,超调量小,抗干扰,调整时间短等特点。     

车辆半主动悬架动力学分析及模糊PID控制仿真

首先建立4自由度1/2车体动力学模型,针对车辆悬架为非线性、时滞、不确定系统,设计了半主动悬架的参数自整定模糊PID控制器,实现PID参数在线修正的功能,并以C级路面作为输入信号,运用Matlab/Simulink控制仿真软件对该半主动悬架模型各平顺性指标进行计算机仿真,结果表明,模糊PID控制的半主动悬架与被动悬架和模糊控制的半主动悬架相比在对车身垂直加速度、俯仰角加速度、悬架动挠度、轮胎动载荷等平顺性指标都有较大的改善,验证了模糊PID控制具有较好的自适应能力。     

车辆半主动悬架控制技术的研究

采用自适应模糊控制策略，在对1／4车辆模型性能仿真基础上，设计开发了以8031单片机为主控制器件的半主动悬架自适应模糊控制系统。经测试，在输入一定信号情况下，系统按设计规律工作。测试结果表明，控制器能较好实现系统控制，控制方法有效，且具有良好的鲁棒性，可以显著减小车辆振动及干扰，提高车辆的行驶平顺性。     

自适应模糊控制技术在半主动悬架控制中的应用

设计了一种基于神经网络的半主动悬架自适应模糊控制系统,分析了系统模型及自适应模糊控制的设计和实现,采用快速的变斜率梯度下降算法学习,具有自适应学习功能。仿真研究表明,神经网络自适应模糊半主动悬架性能明显优于一般的模糊控制,试验与计算结果基本吻合。     

车辆半主动悬架粒子群模糊混合控制策略

在Matlab中建立4自由度1/2半主动悬架车辆模型后,构建模糊混合控制器,利用粒子群优化算法对模糊混合控制器的隶属度函数和模糊控制规则同时进行优化,开发了粒子群模糊混合控制策略。为了有效验证所提出的控制策略,在搭建的车辆半主动悬架系统控制策略硬件在环仿真试验平台上进行了粒子群模糊混合控制策略的半实物仿真试验。硬件在环仿真试验结果表明,粒子群模糊混合控制策略明显优于传统模糊控制策略,能有效地提高半主动悬架系统的综合性能,并且在不同路面输入激励下均能取得较好的控制效果。     

车辆半主动悬架非线性控制方法的研究

考虑磁流变减振器阻尼力和悬架弹性元件非线性特性,建立了车辆半主动悬架非线性动力学模型。应用微分几何非线性控制,经过适当的非线性状态和反馈变换,实现半主动悬架非线性系统的精确线性化,并对系统实施非线性状态反馈控制;根据预定的控制目标及模糊控制策略调节控制参数,设计模糊控制器,对悬架系统进行了控制仿真研究;利用神经网络模式识别能力对输入数据处理辨别,设计控制网络层,从而达到提高悬架工作性能,改善车辆行驶舒适性的目的。将3种非线性控制方法的仿真结果进行分析比较表明：经模糊控制或神经网络控制的悬架冲击响应小、振动强度低,比微分几何控制能获得更优异的性能。     

履带式车辆半主动悬架模糊控制研究

在1/2车体振动模型的基础上,采用模糊控制策略,建立了履带式车辆的半主动控制系统,设计了基于P89V51RD2为核心的单片机控制器,并进行了台架试验。仿真和台架试验结果表明,模糊控制器能有效地控制半主动悬架系统,半主动悬架在减少振动,提高乘坐舒适性方面优于传统的被动悬架。     

车辆惯容器-弹簧-阻尼器半主动悬架模糊控制

为了研究惯容器-弹簧-阻尼器(ISD)半主动悬架系统对汽车平顺性和安全性的影响,建立了2自由度车辆ISD半主动悬架模型,采用模糊控制策略,以车身垂直加速度及车身垂直加速度变化率作为模糊控制器的输入信号对ISD半主动悬架系统进行了仿真分析。在此基础上,设计开发了基于dSPACE的半主动悬架模糊控制系统,并进行了台架试验研究,分析了ISD半主动悬架系统在不同车速下对随机输入路面的相应。仿真结果和台架试验结果基本吻合,结果表明：所建立的ISD半主动悬架数学模型正确,采用模糊控制的ISD半主动悬架系统在减少振动,提高汽车行驶平顺性方面要优于ISD悬架。     

基于电流变减振器的汽车半主动悬架相对模糊控制

在对电流变减振器的研究基础上,使用电流变减振器作为控制元件组成相对模糊控制半主动悬架系统,运用计算机仿真对车辆悬架进行研究.仿真结果表明,相对模糊控制半主动控制算法能有效地控制车身的垂直加速度,从而能提高车辆的舒适性和平顺性.     

模糊自适应PID控制在谷物冷却机中的应用

目前使用的谷物冷却机控制系统大部分还采用的是基于PLC控制器的传统PID控制方式,由于传统PID控制自身特性,使系统控制精度和反应速度都不够理想。为此本文将模糊自适应PID控制引入到谷物冷却机控制系统中,以实现谷物冷却机出风温度和设定温度始终保持一致。通过仿真,模糊自适应PID控制将模糊控制与PID控制的优势相结合,使得控制系统具有较好的动态品质和调节精度。所以,对于谷物冷却机出风温度这种大时滞、非线性的控制对象,采用模糊自适应PID控制能够取得较好的控制效果。     

并联机床伺服系统双自适应模糊滑模控制

以并联机床的单通道对称阀控非对称液压缸为研究对象,提出一种适合该系统的将模糊控制、滑模控制、自适应控制三者有机结合的双自适应模糊滑模控制算法.仿真结果表明,采用所提方法使系统的输出渐进一致地收敛于参考输入信号,解决了对称滑阀控非对称液压缸系统存在的动态性能不对称、系统精度低、稳定性差等问题,可有效快速跟踪变化信号,对有界的干扰和参数摄动具有不变性.与常规PID控制相比,双自适应模糊滑模控制更适合于高阶非线性、强干扰的复杂系统,将此法应用于并联机床的液压控制系统可提高机床控制精度,改善机床动态性能,稳态误差仅为常规PID控制的20％.     

基于模糊理论的参数自适应PID智能控制系统

针对平地机进行刮平作业时无法实现稳定恒速控制的问题,提出了基于模糊理论的参数自适应PID算法的行走智能控制系统,并完成了将该算法应用在平地机的控制系统中协调解决作业时油门大小、档位和恒速控制问题。同时,为验证参数自适应PID算法对整机运行参数实时监控的有效性和可靠性,系统采用单片机作为控制器,通过Mat Lab软件的Simulink仿真,分别对平地机作业恒速控制设定干扰信号、参数自适应过程性能以及不加PID、加PID、自适应模糊PID3种控制方式进行了恒速控制效果对比分析。测试显示:该系统响应时间短、速度较快,具有良好的工作稳定性和可靠性,能够满足设计要求。     

静液压传动车辆的复合控制

针对柴油机为动力的静液压传动车辆设计了由两个模糊控制器、一个模糊自适应PI控制器和一个PID控制器组成的复合控制系统,并利用柴油机外特性曲线对柴油机工况进行优化,使柴油机根据静液压系统的功率需求自动进行调速,解决了使用中柴油机过载保护,利用柴油机转速补偿车速和静液压传动系统的时变非线性控制等问题。仿真与试验证明：该复合控制方式提高了以柴油机为动力的静液压传动车辆控制特性和系统匹配性能。     

拖拉机液压转向变论域模糊控制器设计与试验

2BFQ-6型油菜精量联合直播机田间自动对行作业时,东方红-LX854型拖拉机为其配套动力,实现导航功能,针对导航执行机构——电控全液压转向系统导航作业时转向控制稳定性和准确性差的问题,设计了自适应变论域模糊控制器。应用旋升优选法对模糊控制器参数仿真分析,获得了不同波形、幅值和周期激励信号下的最优参数组合,运用窗口Fourier变换和自卷积法设计了响应类型的实时识别方法,依据识别的结果和仿真寻优获得的参数优化基础模糊器规则的论域。在拖拉机电控全液压转向系统上试验结果表明:变论域模糊控制器对转向20°的阶跃响应的调节时间为2 s,平均稳态误差为0.18°,无稳态振荡现象;跟踪正弦信号平均延时为0.3 s;与定论域模糊控制器相比获得了更好的转向性能。     

基于遗传算法的柴油机自适应智能调速控制系统

介绍了利用智能控制技术和计算机控制技术设计的车用柴油机自适应智能调控控制系统，该系统将人工智能中的神经网络控制技术，模糊控制 技术和遗传算法有机地结合起来，用单片机实现对柴油机转速的自适应智能自动控制，试验表明，这种控制系统具有较高的自学习性和鲁棒性，控制精度高、速度快。     

水稻直播机自动驾驶模糊自适应控制方法

为了提高在水田等恶劣环境下作业的自主导航水稻直播机的性能,提出了一种利用模糊逻辑推理自适应调整PD控制器参数Kd的最优控制方法。首先根据水稻直播机的运动学模型,建立链式空间状态模型;然后基于链式空间状态模型,设计了PD控制器,并根据现场实验确定了参数Kp、Kd的取值范围,通过仿真得出了Kp和Kd的值,以及两者比值对系统稳定性和响应速度的影响;最后,提出了模糊自适应控制方法。仿真结果表明,相对于固定参数的PD控制器,模糊自适应控制方法超调较小、上线速度更快、稳定性较好。实地实验结果表明,该方法在水泥路面上平均绝对横向偏差小于0.021 m,水田直线跟踪平均绝对偏差小于0.040 m,与传统的PD控制和纯追踪控制相比,能够有效提高自主导航控制系统的稳定性和快速性。