共查询到20条相似文献,搜索用时 578 毫秒
1.
2.
为了提高汽车的运行平顺性和操纵稳定性,以磁流变减振器为控制对象,提出了采用自适应神经网络相对控制方法的半主动悬架系统。在试验测试和理论分析的基础上,通过数据拟合得到磁流变减振器阻尼力的非线性Bingham模型,建立了基于该磁流变减振器的半主动悬架模型,并用该模型进行了自适应神经网络相对控制方法的研究。以模拟道路谱作为输入,以车身俯仰角加速度和车辆悬架前、后侧弹簧的垂向变形量之差作为控制量,把车身质心垂向加速度、前后悬架动行程作为评价指标来进行仿真研究。仿真结果表明,设计的半主动悬架与被动悬架相比,其平顺性与稳定性均得到了良好的改善,且对运行工况的改变有一定的适应性,对系统参数摄动也具有很强的鲁棒性。 相似文献
3.
陆地车辆的磁流变半主动悬架模糊集成控制 总被引:2,自引:2,他引:2
分析了陆地车辆的磁流变半主动悬架系统的组成及其系统动力学模型。以平顺性、行驶稳定性与运动姿态控制为目标,讨论了半主动悬架的控制机理。提出了一种基于频率过滤、模糊控制和姿态误差增益控制的半主动悬架集成控制策略。设计的控制系统由外环和内环组成,外环系统设计机械系统的反馈理想阻尼力,内环系统实时计算电流驱动器的控制信号。磁流变减振器根据控制电流信号实时地产生阻尼力实现车辆控制目标。仿真结果表明,所设计的系统控制策略是有效的,同时也表明通过主动改变减振器阻尼力可以实现陆地车辆的性能控制。 相似文献
4.
基于ADAMS-MATLAB联合仿真的汽车悬架半主动控制 总被引:2,自引:1,他引:2
利用ADAMS建立了随机激励四分之一汽车悬架模型,利用MATLAB设计了一种基于改进Bingham模型的汽车半主动控制策略,然后进行ADAMS-MATLAB联合仿真,深入研究了被动控制、半主动开关控制及基于改进Bingham模型的半主动控制的效果。研究发现,采用所提出的基于改进Bingham模型的半主动控制策略后,汽车悬架系统的车身加速度、悬架变形、车轮动载、车轮侧滑移分别比被动控制下降27%、17.6%,、9.7%、18.6%,而半主动开关控制只比被动控制下降19.6%、9.2%、7.4%、9.3%。这说明所提出的基于改进Bingham模型的半主动控制策略大大优于其他两种控制策略。 相似文献
5.
应用汽车行驶动力学理论,以1/2汽车悬架模型为研究对象,建立四自由度汽车磁流变半主动悬架动力学方程和空间状态方程,设计了半主动悬架线性二次型最优控制器及控制算法,提出了汽车振动速度分段式磁流变半主动悬架最优控制策略。在SIMULINK软件中建立悬架仿真模型,仿真分析磁流变半主动悬架最优控制效果,仿真结果表明,汽车磁流变半主动悬架应用最优控制算法和分段控制策略可以降低车身垂向振动加速度和车身俯仰角加速度,提高了悬架平顺性。 相似文献
6.
7.
8.
建立了七自由度车辆非线性动力学模型,车轮制动模型以及非线性轮胎模型,以缩短制动距离和制动时间而不大幅降低舒适性作为控制策略的出发点,将主动制动与主动悬架系统进行协调控制,采用动态表面控制理论,克服了反演设计中激增项问题,依据协调控制思想,分别对制动与悬架系统设计了协调控制器,并对协调控制与非协调控制进行了仿真对比分析。结果表明:对主动制动和主动悬架系统采用协调控制,可在小幅降低舒适性的情况下获得更大的地面制动力,进一步提高了车辆的制动安全性,表明了该控制方法的有效性。 相似文献
9.
建立7自由度整车主动悬架系统模型,并设计H_∞控制器。在此基础上,选取特征量,划分三种不同的值域,经过关联函数计算,建立其H_∞可拓控制器;在不同方案下以经典域和可拓域为博弈双方构造博弈矩阵,获得值域划分纳什平衡点,采用模糊控制规则动态整定可拓域和经典域边界,优化悬架H_∞可拓控制系统的控制性能。最后利用MATLAB/Simulink软件进行仿真,并对其仿真结果进行比较.仿真结果表明,H_∞可拓控制较H_∞控制能更好地改善主动悬架性能,而通过值域博弈的H_∞可拓控制器进一步提高了悬架系统的控制性能。 相似文献
10.
11.
非线性模型预测控制的智能算法综述 总被引:3,自引:0,他引:3
从非线性模型预测控制的预测模型建模和最优化问题求解两方面入手,介绍了近年来基于智能模型和智能优化算法的非线性系统预测控制方法,并对各种算法的特征进行了总结评述,指出了智能非线性预测控制方法存在的问题和未来的发展方向。 相似文献
12.
集成智能城市交通控制系统体系结构的提出 总被引:9,自引:0,他引:9
从城市交通的特点和传统控制方法的不足出发 ,简要论述了城市交通控制系统集成智能化发展的必然趋势 ;进而运用智能工程的理论和方法 ,通过系统分析城市交通控制 ,提出集成智能城市交通控制系统的体系结构 . 相似文献
13.
针对TCP传输过程中的典型时滞特性,提出了一种智能主动队列管理算法.该算法以自学习预估机制模型为核心来克服大时滞特征对网络稳定性能的影响,拥塞控制系统以两条信息通道分别实现模型补偿和预测控制功能.模型补偿通道采用了Smith预估嚣实现对网络时滞特征的动态补偿,并进一步设计迭代进化算法实现对Smith预估模型未建模特征的估计过程.预测控制通道采用基于神经网络的PID智能丢弃算法,通过神经网络的学习预测功能自适应调整预测控制通道的控制行为.通过仿真研究表明了提出的控制方法显著提高了拥塞控制机制的稳定性能和自适应性能. 相似文献
14.
Li Zhang & Fang Huajing . Dept. of Control Science Engineering Huazhong Univ. of Science Technology Wuhan P.R.China . Coll. of Physics Electronic Technology Hubei Univ. Wuhan P.R. China 《系统工程与电子技术(英文版)》2006,17(1):172-176
1.INTRODUCTIONAs a system becomes more and more intelligent andflexible,the systemrequires more sensors,actuators,and controllers,which are often referred to as fielddevices.In most cases,these field devices requiresome type of electrical connection because they aredistributed over a certain area.Conventionally thesedevices are connected with point-to-point connec-tions,whichis not suitable any more for modern in-dustrial control systems,because the number of cableis proportional tothe squ… 相似文献
15.
Some existing methods for chaos control in engineering fields are analyzed and their drawbacks are pointed out. A tracking method can solve these problems to some extent, but it still depends on the mathematical model of the system to be controlled. An intelligent method based on fuzzy neural network (FNN) is used to control chaos in engineering fields. The FNN is employed to learn the inherent dynamics from the input and output of chaos, which can be used in the inverse system method, so that the method is free of the exact mathematical model of the system to be controlled. This intelligent method is compared with tracking method in the presence of measurement noise and model error. Simulation results show its superiority and feasibility. 相似文献
16.
17.
18.
移动机器人路径发现与规划的免疫算法 总被引:12,自引:4,他引:8
分析了车式移动机器人的运动特性,设计了一种适用于该机器人的路径发现与规划免疫算法。通过仿真实验表明,该算法能够快速地发现与规划运动路径,有较好的柔性,能适用于不同的任务,所以该算法具有较高的智能。 相似文献
19.
20.
WANBaiwu 《系统科学与复杂性》2004,17(1):75-85
This paper considers the fourth stage of development of hierarchical control ofindustrial processes to the intelligent control and optimization stage, and reviews what theauthor and his Group have been investigating for the past decade in the on-line steady-state hierarchical intelligent control of large-scale industrial processes (LSIP). This papergives a definition of intelligent control of large-scale systems first, and then reviews the useof neural networks for identification and optimization, the use of expert systems to solvesome kinds of hierarchical multi-objective optimization problems by an intelligent decisionunit (ID), the use of fuzzy logic control, and the use of iterative learning control. Severalimplementation examples are introduced. This paper reviews other main achievements ofthe Group also. Finally this paper gives a perspective of future development. 相似文献