基于路面识别的车辆半主动悬架控制

以实现悬架自适应半主动控制为目的,基于多目标优化算法及路面识别,针对车辆平顺性与操纵稳定性进行研究.首先建立1/4车辆等效天棚控制模型,并根据系统动力学关系推导车辆簧载质量加速度及轮胎动载荷的解析解表达式,然后利用基于遗传算法的多目标优化算法求取Pareto最优解集.依据路面识别得到的路面等级分配控制权重,以获得不同路面对应的控制增益.仿真结果显示,基于路面识别的半主动悬架自适应控制系统能够通过调节权重获得不同路面行驶条件下平顺性与操纵稳定性之间的平衡.     

基于遗传算法的车辆4自由度主动悬架最优控制研究

文章首先建立车辆4自由度主动悬架系统模型,然后针对悬架系统的控制问题,基于结合遗传算法和最优控制理论,提出悬架系统的最优控制策略。该控制方法利用遗传算法对LQR控制器的加权矩阵Q和R参数进行自适应调整优化,不仅可以避免传统的主动悬架LQR最优控制器设计中存在人为主观因素的问题,还能实现悬架系统的自适应最优控制。仿真实验结果表明,在不同车速和路面等级的行驶工况条件下,相比于传统的LQR控制方法,基于遗传算法优化的LQR控制能提高主动悬架系统的控制性能,使车辆获得更优的乘坐舒适性和操纵稳定性,研究结果为探寻有效的主动悬架控制策略、改善车辆的行驶性能提供了有用的控制方法参考。     

采用路面识别方法的重型救援车辆主动悬架控制策略

针对重型救援车辆在复杂路况行驶时存在的行驶平顺性差及操纵不稳定等问题,提出了采用路面识别方法的重型救援车辆主动悬架控制策略。识别方法以不同等级路面激励引起的相对路面粗糙度为依据,通过建立T-S型模糊控制规则实现路面等级识别;控制策略根据识别的路面等级、非簧载质量、簧载质量、悬架刚度、悬架阻尼和轮胎刚度,设计最优H∞控制器参数矩阵,计算主动悬架作动力,实现主动悬架在不同等级路面行驶时的自适应控制。试验结果表明:采用路面识别方法的主动悬架控制系统能够通过调节鲁棒控制器参数矩阵,自适应地控制悬架刚度和阻尼,提高了不同路面行驶条件下的平顺性与操纵稳定性;在不同等级路面情况下与被动悬架相比,簧载质量加速度均方根值减小了20%以上,且在4～8Hz频段内,簧载质量加速度幅值均小于被动悬架。     

混联汽车悬架系统减振性能分析与优化

为进一步改善汽车悬架的减振性能,对汽车悬架结构及参数进行优化设计.基于机电相似理论,提出一种含有弹簧、阻尼器、惯容器的混联汽车悬架结构,运用多目标遗传算法对汽车悬架减振系统进行参数优化.通过求解动力学方程,在时域内分析了路面脉冲激励下汽车悬架减振系统的振动响应,在频域内分析了参数优化对混联汽车悬架减振性能的影响.研究结果表明,相比于传统汽车悬架,本文所提出的混联汽车悬架结构能够有效降低汽车减振系统的共振峰值,改善汽车悬架的减振性能;相比于初始设计参数,运用多目标遗传算法得到的参数进一步提升了汽车悬架的减振性能.     

基于混合控制策略的馈能悬架半主动控制

为使馈能悬架在一定范围内实现半主动控制,基于混合控制策略,确定了电机电磁阻尼力的控制算法.探讨了电机不同电磁阻尼力对悬架性能的影响及馈能悬架实现半主动控制的条件.在此基础上,以整车舒适性为目标,采用粒子群优化算法确定了电机阻尼力控制参数,并设计了直接电流控制器,使直线电机产生所需的电磁阻尼力.最后,对采用基于混合控制策略的馈能悬架进行了随机路面激励下的仿真分析.结果表明,优化的电机阻尼力控制参数能使馈能悬架实现半主动控制,显著改善馈能悬架的舒适性和平顺性,并能回收悬架部分振动能量.      

基于Speedgoat的半主动悬架模糊PID控制研究

作为半主动悬架最为核心的运行组件,磁流变液阻尼器的阻力性能可结合外界电流变化连续控 制。 对于该阻尼器为半主动悬架的控制,本文搭建了汽车半主动悬架系统仿真模型,给出了一类以 Speedgoat 为基础的半主动悬架模糊 PID 控制器,并通过模糊推理求解 PID 参数的调整系数,运行了基于 Matlab / Simulink 的模糊 PID 控制器的联合半实物仿真,利用 Speedgoat 在不同路面等级、不同速度下进行了 仿真试验。 试验表明:设计的基于 Speedgoat 的半主动悬架模糊 PID 控制器比起经典 PID 控制器有更优良的 控制性能,从而提高了车辆行驶平顺性和乘坐舒适性。     

9自由度主动悬架平顺性研究

基于汽车系统动力学理论,利用拉格朗日定理,推导设备-车-路耦合的9自由度主动悬架动力学方程,采用滤波白噪音作为左右车轮随机路面不平度激励,根据最优控制原理设计LQR控制器,建立主动悬架控制仿真模型.采用自适应粒子群算法优化加权系数Q,将主动悬架的设备加速度等性能参数均方根值与被动悬架进行对比分析.仿真结果表明:采用自适应粒子群算法优化LQR控制方法,能够显著改善车辆平顺性,保护车载设备可靠性.      

非线性油气悬架系统平顺性仿真与参数优化设计

基于油气悬架台架实验,建立工程自卸车八自由度数学模型,该模型包含刚度五次方非线性和阻尼立方非线性.在此基础上利用SIMULINK建立仿真模型,并用实验验证仿真模型的正确性.通过对油气悬架参数的灵敏度分析,确定优化变量,然后以行驶平顺性为优化目标,建立油气悬架参数优化模型,利用SIMULINK、遗传算法对油气悬架参数进行联合优化设计,得到油气悬架理想的非线性刚度和阻尼特性曲线.仿真分析与实验结果表明:油气悬架的减振特性需要进一步优化设计.优化后,各车速下座椅的加权加速度均方根值分别降低了约17.3％,18.8％,25.8％,油气悬架的减振性能和整车行驶平顺性得到明显改善.     

半主动油气悬架精确线性化自适应LQG控制

针对油气悬架的非线性特性,建立了矿用汽车1/4车辆半主动油气悬架动力学模型.利用微分几何原理,实现了非线性模型精确线性化;为克服动态系统的不确定性,采用了自适应LQG控制策略.根据矿山路面的实际要求,采用了层次分析法确定LQG控制器各性能指标的加权系数.仿真结果表明层次分析法易于加权系数的合理选择;半主动油气悬架自适应LQG控制能够有效降低车身振动,较被动油气悬架显著提高了平顺性和操稳性,有效地提高了在矿山路面的行驶安全性.     

汽车阻尼可调半主动悬架混杂模型预测控制

为协调汽车阻尼连续可调半主动悬架舒适性和操稳性之间的矛盾,并考虑减振器阻尼力须满足的非线性约束条件,研究了一种适用于半主动悬架的混杂模型预测控制方法,包括建立半主动悬架单轮车辆模型,提出综合描述舒适性和操稳性的悬架优化控制目标函数及半主动悬架须满足的非线性约束条件。利用混合逻辑动态建模方法描述半主动悬架混杂系统模型,基于模型预测控制理论研究半主动悬架混杂系统的有限时域优化控制问题。为便于问题求解,将非线性约束优化问题转化为包含实值变量和二值变量的混合整数二次规划问题,并借助分支定界算法进行求解。在随机路面和正弦波突起路面进行仿真验证后表明,所提混杂模型预测方法明显优于被动悬架和传统线性二次型调节器算法,能有效提高阻尼可调半主动悬架的综合性能,并在不同的路面输入激励和车速下均能取得较好的控制效果。     

基于模拟退火布谷鸟算法的直流伺服系统静态摩擦参数辨识

针对非线性摩擦对直流伺服系统性能的影响,提出一种基于模拟退火布谷鸟算法提高摩擦参数辨识精度的方法。采用LuGre摩擦模型建立伺服系统静摩擦参数与力矩的关系表达式,并分析其稳态特性,以此构建参数辨识的目标函数。引入模拟退火中的Boltzmann选择机制,结合迭代全局最优值对布谷鸟算法发现概率的自适应性进行了增强,以改善算法的寻优效果,通过分析比较得知改进算法的时间复杂度与原算法一致。在相同摩擦参数设置下,改进布谷鸟算法的辨识精度优于传统方法,利用其辨识结果补偿伺服系统运行的非线性摩擦力矩,得到了良好的控制效果。实验结果表明,该方法可以使摩擦参数的辨识适应度值提高2~3个数量级,有效改善了系统的控制性能。     

求解连续函数优化的自适应布谷鸟搜索算法

为了提高布谷鸟搜索算法求解连续函数优化问题的性能,提出一种自适应布谷鸟搜索算法,改进算法利用解与当前最优解之间对应维上距离,实现随机游动步长的自适应调整。距离当前最优解对应维越远,维的随机游动步长越长,反之越短。利用解的适应度与群体平均适应度的关系自适应调整发现概率,使劣质解比优秀解更容易被淘汰。将自适应布谷鸟算法应用于8个典型测试函数,实验结果表明,改进算法有效改善求解连续函数优化问题的性能,尤其适合求解高维、多峰的复杂函数。与相关的布谷鸟搜索算法比较,自适应布谷鸟搜索算法更具竞争力。     

基于改进莱维飞行的狼群算法及其在翼型气动优化设计中的应用

智能种群算法在翼型气动优化领域获得越来越多的关注。提出了一种基于改进莱维飞行的狼群算法,并对其寻优性能进行了测试和验证。为平衡算法的局部搜索和全局搜索能力,将局部搜索性能强但易早熟的狼群算法与莱维飞行相结合,在增加收敛速度的同时,保证算法的全局搜索能力。为克服原始莱维飞行效率低、精度差的缺陷,引入高斯核函数自适应调节莱维飞行的搜索步长,以增加其搜索效率;引入四元法,以增加其搜索精度;通过标准测试函数和标准翼型气动优化设计算例验证,表明改进算法在优化效率和全局寻优能力方面均优于原始算法。     

基于多群体遗传算法的非线性最小二乘估计

由于非线性模型参数估计理论广泛使用的传统牛顿类算法对初值的敏感性,以及简单遗传算法易陷入局部最优的问题,提出了一种多群体遗传算法,它采用多个群体执行遗传算法搜索解,并且能根据各个群体在较少迭代次数中找到的最优解动态调整参数域,提高了遗传算法的性能及搜索到的解是全局最优解的可靠性.实验结果表明:新的算法是一种有效的非线性...     

基于动态平衡因子自适应步长的布谷鸟搜索算法

针对标准布谷鸟搜索算法依赖Lévy飞行的游走导致整个搜索过程步长具有随机性的问题,提出一种基于动态平衡因子自适应步长的布谷鸟搜索算法。通过对标准布谷鸟搜索算法中参数偏度动态自适应取值来实现算法对步长的动态自适应,同时引入动态平衡因子以调节全局适应度和当前迭代次数所占的比重,从而实现布谷鸟搜索算法收敛速度和搜索精度的平衡。测试仿真实验结果表明,与标准布谷鸟搜索算法相比,提出的算法收敛速度显著提升;与单纯依赖迭代次数自适应步长的布谷鸟算法相比,提出的算法避免了为追求收敛速度而造成的算法早熟现象。     

采用改进神经网络PID控制的车辆悬架振动仿真研究

为了研究车辆悬架振动模型,创建了车辆悬架平面简图,并根据牛顿定律推导出车辆悬架振动微分方程式。引用BP神经网络PID控制器,对传统粒子群算法进行改进,将改进粒子群算法用于优化BP神经网络PID可知结构。通过MATLAB软件中对车辆悬架位移、速度和加速度进行仿真验证;同时,与BP神经网络PID控制器仿真结果进行比较和分析。结果表明,车辆悬架采用BP神经网络PID控制器,悬架行程、轮胎位移和车身加速度均方根值较大,车辆整体振动幅度较大;而采用改进BP神经网络PID控制器,悬架行程、轮胎位移和车身加速度均方根值较小,车辆整体振动幅度较小。采用改进神经网络PID控制车辆悬架,能够抑制路面噪声激励对车辆振动幅度的影响,提高车辆行驶的安全性。     

基于布谷鸟搜索算法的最大似然DOA估计

为解决最大似然DOA(Direction of Arrival)估计多维非线性搜索计算量大的问题, 将布谷鸟搜索算法与最大似然算法相结合, 利用布谷鸟搜索算法优化多维非线性的最大似然DOA估计谱函数。在保留布谷鸟搜索算法的主体思想的同时, 改进了算法的位置迭代方式, 加快了收敛速度。仿真结果表明, 改进的布谷鸟搜索算法在DOA估计中具有较好的收敛性, 估计性能较好。     

货运车队悬架超轴距车联预瞄控制系统

根据车队货车运输典型的重复性特征,将车联网理论引入主动悬架控制.首先,提出一种结对车联加地理信息检测的通讯网络构架和方案,降低悬架控制数据通讯的总体需求.然后,采用超轴距预瞄控制方法,基于粒子群优化算法计算最优车距,利用当量参数改进轴距预瞄算法,有效地改善悬架综合性能.最后,通过Matlab/Simulink平台分别对车身加速度、轮胎动位移和悬架动行程3个参数影响悬架性能进行仿真分析,并借助悬架控制车联网,使超轴距预瞄的寻优算法具备更高效率的迭代过程.结果表明:超轴距预瞄具有与轴距预瞄相似的响应特性,在B级路面上的寻优算法具有更高效率的迭代过程.     

基于布谷鸟搜索算法的SVR参数选择

SVR(支持向量回归机)在解决非线性回归问题时有极大的优势,在其预测过程中,最重要的是参数的选择,不同的参数会造成预测结果的巨大差异．目前较为普遍的方法是利用遗传算法和粒子群算法进行参数选择,而这2种算法在解决多峰问题时的局限性,容易导致算法的效率低且准确度不高．鉴于布谷鸟搜索算法引入了Lvy飞行机制,能有效地跳出局部最优解,使算法收敛速度快,且结果具有对算法本身的参数变化不敏感的优点,该文将布谷鸟搜索算法应用于SVR参数寻优过程中．网络流量和白葡萄酒质量的预测实验结果表明,布谷鸟搜索算法相对于遗传算法、粒子群算法等其他启发式智能算法而言,收敛速度更快,寻参结果的精度更高．