CN103439883A - 汽车底盘集成系统神经网络广义逆解耦控制器及构造方法 - Google Patents

Abstract

本发明公开一种汽车底盘集成系统神经网络广义逆控制器，该汽车底盘集成系统由汽车底盘的主动前轮转向子系统、直接横摆力矩控制子系统和主动悬架子系统组成，一个静态神经网络与多个线性环节构成汽车底盘集成系统的神经网络广义逆并与汽车底盘集成系统串联组成广义伪线性系统；广义伪线性系统解耦形成三个单输入单输出的伪线性子系统，并由一线性闭环控制器对该伪线性子系统实施PID调节；线性闭环控制器与和神经网络广义逆共同构成汽车底盘集成系统神经网络广义逆控制器。本发明还涉及一种汽车底盘集成系统神经网络广义逆控制器的构造方法。

Description

汽车底盘集成系统神经网络广义逆解耦控制器及构造方法

技术领域

本发明涉及车辆工程设备领域，具体而言涉及一种基于神经网络广义逆的汽车底盘集成系统的控制器及其构造方法，应用于汽车底盘的高性能集成控制。

背景技术

汽车底盘由转向系、传动系、行驶系以及制动系等多个子系统组成，其接受来自发动机的动力，并在驾驶员的操纵下行驶。随着技术水平的进步，人们对汽车使用性能要求越来越高，要求汽车同时具备良好的传动性、优良的操纵性、行驶的舒适性和安全性等，因此通过控制汽车的侧向、纵向和垂向运动来提高汽车的操纵性、乘坐舒适性的汽车控制技术成为汽车工程领域的研究热点之一。近年来，汽车电子控制技术已广泛应用于各类汽车中，给汽车技术的发展带来了划时代的意义，然而各种汽车电子控制技术的使用也带来了汽车底盘控制系统的复杂性，包括汽车底盘机械系统中的原本存在的各种非线性强耦合因素、以及各种控制方法对各个底盘子系统控制引起的干扰和耦合等因素。因此，为了消除（或尽量减小）汽车底盘系统中各个电控子系统之间的非线性耦合影响，有必要对汽车底盘集成系统进行非线性解耦控制。

对于汽车底盘集成系统解耦控制的研究是实现其高性能控制的基础及难点，目前对汽车底盘集成系统的解耦控制主要是：采用非线性解耦控制理论实现主动悬架子系统和电动助力转向子系统之间的解耦控制，该方法的解耦控制算法比较复杂，特别是当系统状态变量比较多的时候，系统的解耦矩阵维数庞大，难以实现对汽车底盘集成系统更多的子系统实现解耦控制，而且该方法的实施，严重依赖于被控对象的数学模型，由于汽车底盘集成系统的模型难以精确建立，因此该解耦策略的效果不挂。另外，该方法仅仅解决了汽车底盘集成系统的侧向和垂向之间的解耦控制，并未考虑到汽车底盘集成系统的纵向与侧向、垂向之间的非线性耦合关系。

为了从本质上解决汽车底盘集成系统的侧向、纵向以及垂向之间非线性耦合的难题，同时又要保证汽车底盘集成系统各子系统的控制性能指标，需采用新的控制方法和新的控制技术。

发明内容

针对现有技术的缺陷，本发明旨于提供一种消除汽车底盘集成系统侧向、纵向以及垂向之间非线性耦合的解耦控制器及构造方法。

本发明的上述目的通过独立权利要求的技术特征实现，从属权利要求以另选或有利的方式发展独立权利要求的技术特征。

为达成上述目的，根据本发明的改进，提出一种汽车底盘集成系统神经网络广义逆解耦控制器的构造方法，包括以下步骤：

将汽车底盘的主动前轮转向子系统、直接横摆力矩控制子系统和主动悬架子系统作为一个整体组成汽车底盘集成系统；

采用静态神经网络和多个线性环节来构造汽车底盘集成系统的神经网络广义逆，并通过调整静态神经网络的权系数使神经网络广义逆实现汽车底盘集成系统的广义逆系统功能；

将神经网络广义逆置于汽车底盘集成系统之前，神经网络广义逆与汽车底盘集成系统组成广义伪线性系统；

将广义伪线性系统线性化解耦为三个单输入单输出子系统，分别为两个一阶伪线性子系统和一个二阶伪线性子系统；

采用PID调节器对三个解耦的伪线性子系统分别设计调节器，并由上述三个调节器构成线性闭环控制器；

将线性闭环控制器和神经网络广义逆共同构成汽车底盘集成系统神经网络广义逆控制器。

进一步，所述的神经网络广义逆由具有七个输入节点和三个输出节点的静态神经网络以及四个线性环节构成，所述的神经网络广义逆具有三个输入节点和三个输出节点，其中：

神经网络广义逆的第一个输入

作为静态神经网络的第一个输入，该第一个输入经一阶系统

的输出为静态神经网络的第二个输入；

神经网络广义逆的第二个输入

作为静态神经网络的第三个输入，该第二个输入

经一阶系统

的输出为静态神经网络的第四个输入；

神经网络广义逆的第三个输入

作为静态神经网络的第五个输入，该第三个输入

经二阶系统

的输出为静态神经网络的第六个输入，该二阶系统的输出再经一个积分器s^-1输出为静态神经网络的第七个输入；

所述静态神经网络的三个输出即为神经网络广义逆的输出；

其中，a₁₀、a₁₁、a₂₀、a₂₁、a₃₀、a₃₁和a₃₂为所述广义逆系统的参数。

进一步，所述广义伪线性系统的三个单输入单输出子系统包括一个一阶质心侧偏角β伪线性子系统、一个一阶横摆角速度γ伪线性子系统和一个二阶车身侧倾角Φ伪线性子系统，将非线性强耦合系统控制转化为三个单变量线性系统的控制，从而实现对汽车底盘集成系统的侧向、纵向以及垂向之间的非线性解耦控制。

进一步，所述静态神经网络的权系数确定方法为：

将前轮转向补偿角δ_c、横摆控制力矩T_Z和悬架侧倾力矩T_Φ的阶跃激励信号{δ_c,T_Z,T_Φ}加到汽车底盘集成系统的输入端，采集汽车底盘集成系统的质心侧偏角β、横摆角速度γ和车身侧倾角Φ，对质心侧偏角β、横摆角速度γ离线分别求其一阶导数，进而求出和

，对车身侧倾角Φ离线求其一阶、二阶导数，进而求出v₃；

对所得信号做规范化处理，组成神经网络的训练样本集

对静态神经网络进行训练，从而确定静态神经网络的各个权系数。

进一步，调节所述广义逆系统的参数a₁₀、a₁₁、a₂₀、a₂₁、a₃₀、a₃₁和a₃₂，使线性化解耦后的三个单输入单输出的子系统的极点在复平面内合理配置，将积分型不稳定的子系统转变为稳定的子系统，从而实现非线性系统的开环线性化控制。

根据本发明的改进，还提出一种汽车底盘集成系统神经网络广义逆控制器，该汽车底盘集成系统由汽车底盘的主动前轮转向子系统、直接横摆力矩控制子系统和主动悬架子系统组成，其特征在于：

一个静态神经网络与多个线性环节构成所述汽车底盘集成系统的神经网络广义逆并与所述汽车底盘集成系统串联组成广义伪线性系统；

所述广义伪线性系统解耦形成三个单输入单输出的伪线性子系统，并由一线性闭环控制器对所述伪线性子系统实施PID调节；

所述线性闭环控制器与和神经网络广义逆共同构成所述汽车底盘集成系统神经网络广义逆控制器。

进一步，所述伪线性子系统包括一个一阶质心侧偏角β伪线性子系统、一个一阶横摆角速度γ伪线性子系统和一个二阶车身侧倾角Φ伪线性子系统，将非线性强耦合系统控制转化为三个单变量线性系统的控制，从而实现对汽车底盘集成系统的侧向、纵向以及垂向之间的非线性解耦控制。

进一步，所述线性闭环控制器包括三个分别对所述伪线性子系统实施调节的PID调节器。

进一步，所述的神经网络广义逆由具有七个输入节点和三个输出节点的静态神经网络以及四个线性环节构成，所述的神经网络广义逆具有三个输入节点和三个输出节点，其中：

神经网络广义逆的第一个输入

作为静态神经网络的第一个输入，该第一个输入

经一阶系统的输出为静态神经网络的第二个输入；

神经网络广义逆的第二个输入

作为静态神经网络的第三个输入，该第二个输入

经一阶系统

的输出为静态神经网络的第四个输入；

神经网络广义逆的第三个输入

作为静态神经网络的第五个输入，该第三个输入

经二阶系统

的输出为静态神经网络的第六个输入，该二阶系统的输出再经一个积分器s^-1输出为静态神经网络的第七个输入；

所述静态神经网络的三个输出即为神经网络广义逆的输出；

其中，a₁₀、a₁₁、a₂₀、a₂₁、a₃₀、a₃₁和a₃₂为广义逆系统的参数。

进一步，调整所述静态神经网络的权系数可使神经网络广义逆实现汽车底盘集成系统的广义逆系统功能。所述静态神经网络的权系数确定方法为：

将前轮转向补偿角δ_c、横摆控制力矩T_Z和悬架侧倾力矩T_Φ的阶跃激励信号{δ_c,T_Z,T_Φ}加到汽车底盘集成系统的输入端，采集汽车底盘集成系统的质心侧偏角β、横摆角速度γ和车身侧倾角Φ，通过离线的方式求得所述神经网络广义逆的三个输入。

本发明采用多个线性环节和一个静态神经网络构成一个动态神经网络，并用该动态神经网络逼近广义逆系统，其中静态神经网络用来逼近汽车底盘集成系统的广义逆系统，而用线性环节来表征广义逆系统的动态特性。此方法不仅实现了汽车底盘集成系统侧向、纵向以及垂向之间的线性化与解耦，并且通过合理地调节广义逆系统的参数a₁₀、a₁₁、a₂₀、a₂₁、a₃₀、a₃₁和a₃₂，可使线性化解耦后的单输入单输出的子系统的极点在复平面内合理配置，实现将积分型不稳定的子系统转变为稳定的子系统，从而实现非线性系统的开环线性化控制。进一步地通过设计线性化解耦得到的伪线性系统的闭环控制器，可以实现汽车底盘集成系统的高品质控制。

由以上本发明的技术方案可知，本发明提供的汽车底盘集成系统神经网络广义逆控制器及其构造方法具有多方面的有益效果：

1、利用静态神经网络加线性环节的方法来实现汽车底盘集成系统的广义逆系统，进而构造神经网络广义逆解耦控制器来实现对汽车底盘集成系统的控制，完全摆脱了传统非线性解耦控制方法对精确数学模型的依赖性，不存在由于系统模型参数发生变化而带来的系统控制误差。另外，由于神经网络具有的较强的自适应能力和泛化能力，还大大增强了神经网络广义逆控制方法的自适应性和鲁棒性。

2、通过构造神经网络广义逆，将汽车底盘集成系统这一多变量、强耦合、非线性复杂系统线性化解耦为一个一阶质心侧偏角β伪线性子系统、一个一阶横摆角速度γ伪线性子系统和一个二阶车身侧倾角Φ伪线性子系统，通过合理调节广义逆系统的参数，使解耦得到的单输入单输出的子系统的极点在复平面内合理配置，从而得到开环稳定的子系统，并且对这个三个伪线性子系统分别设计调节器，实现对汽车底盘集成系统的侧向、纵向以及垂向之间的非线性解耦控制。

3、本发明构造了汽车底盘集成系统神经网络广义逆控制器，弥补汽车底盘各个子系统单独控制作用范围有限的缺陷，对汽车底盘各子系统进行集成控制，并消除各子系统之间的非线性耦合，提高汽车底盘集成系统的整体控制性能。

附图说明

图1是本发明较优实施例的汽车底盘集成系统的结构示意图。

图2是图1实施例的汽车底盘集成系统的神经网络广义逆的示意图。

图3是图2中神经网络广义逆与汽车底盘集成系统所构成的广义伪线性系统的示意图及其等效图。

图4是由图3的广义伪线性系统与线性闭环控制器组成的闭环控制系统的结构示意图。

图5是汽车底盘集成系统神经网络广义逆解耦控制器的原理框图。

具体实施方式

为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。

如图1和图5所示，根据本发明的较优实施例，汽车底盘集成系统神经网络广义逆控制器由神经网络广义逆22和线性闭环控制器41构成，其中汽车底盘集成系统14由汽车底盘的主动前轮转向子系统11、直接横摆力矩控制子系统12和主动悬架子系统13组成。

如图2，神经网络广义逆22由静态神经网络21和四个线性环节构成，该静态神经网络21具有七个输入节点和三个输出节点。

参考图3，神经网络广义逆22经解耦形成具有三个单输入单输出伪线性子系统的广义伪线性系统31，神经网络广义逆22具有三个输入节点和三个输出节点，静态神经网络21的三个输出即为神经网络广义逆22的输出。

参考图4和图5，对广义伪线性系统31实施PID调节，采用PID调节器（42、43、44）分别对三个解耦的伪线性子系统设计调节器，并由上述三个调节器（42、43、44）构成线性闭环控制器41，如此，由线性闭环控制器41和神经网络广义逆22构成汽车底盘集成系统神经网络广义逆控制器51。

下面结合图1至图5所示，详述本实施例的汽车底盘集成系统神经网络广义逆控制器的原理及其构造方法。

（1）构成汽车底盘集成系统14，如图1所示，由汽车底盘的主动前轮转向子系统11、直接横摆力矩控制子系统12和主动悬架子系统13作为一个整体组成汽车底盘集成系统，

（2）通过分析、等效与推导，为神经网络广义逆的构造与学习训练提供方法上的根据。首先建立汽车底盘集成系统的数学模型，即静止坐标系下4阶微分方程，其向量相对阶为{1,1,2,}。经推导可以证明该4阶微分方程可逆，即广义逆系统存在，并可确定其广义逆系统的3个输入为 ${\stackrel{\‾}{v}}_1=a_{10}\mathrm{\β}+a_{11}\stackrel{\·}{\mathrm{\β}},$ ${\stackrel{\‾}{v}}_2=a_{20}\mathrm{\γ}+a_{21}\stackrel{\·}{\mathrm{\γ}},$ 和 ${\stackrel{\‾}{v}}_3=a_{30}\mathrm{\φ}+a_{31}\stackrel{\·}{\mathrm{\φ}}+a_{32}\stackrel{\·\·}{\mathrm{\φ}},$ 3个输出分别为汽车底盘集成系统14的3个输入，即δ_c，T_Z和T_φ，从而可以构造出神经网络广义逆22，为学习训练提供方法上的根据，如图2所示。

根据汽车底盘集成系统14的具体情况，可合理地调节广义逆系统的参数a₁₀、a₁₁、a₂₀、a₂₁、a₃₀、a₃₁和a₃₂，可以使线性化解耦后的单输入单输出的子系统的极点在复平面内合理配置，实现将积分型不稳定的子系统转变为稳定的子系统，从而实现非线性系统的开环线性化控制。

（3）采用静态申请进网络21和若干线性环节来构造动态神经网络，并用动态神经网络逼近广义逆系统。其中静态神经网络采用3层MLN网络，输入节点数为7个，隐含节点数为12个，输出层节点数为3个，隐层神经元激活函数使用S型函数

输出层的神经元采用纯线性函数f(x)=x，x为神经元的输入，静态神经网络的权系数将在离线学习中确定。

接着采用具有七个输入节点、三个输出节点的静态神经网络21和四个线性环节来构成动态神经网络，即汽车底盘集成系统14的神经网络广义逆22，神经网络广义逆22具有三个输入节点和三个输出节点，其中：

神经网络广义逆22的第一个输入

作为静态神经网络21的第一个输入，该第一个输入

经一阶系统

的输出β为静态神经网络21的第二个输入；

神经网络广义逆22的第二个输入

作为静态神经网络21的第三个输入，该第二个输入

经一阶系统

的输出γ为静态神经网络21的第四个输入；

神经网络广义逆22的第三个输入

作为静态神经网络21的第五个输入，该第三个输入

经二阶系统

的输出

为静态神经网络21的第六个输入，该输出再经一个积分器s^-1的输出Φ为静态神经网络21的第七个输入；

其中，a₁₀、a₁₁、a₂₀、a₂₁、a₃₀、a₃₁和a₃₂为广义逆系统的参数。

静态神经网络21与四个一阶、二阶线性环节一起组成神经网络广义逆22，静态神经网络21的三个输出即为神经网络广义逆22的输出。

（4）调整静态神经网络的权系数，使神经网络广义逆22实现汽车底盘集成系统14的广义逆系统功能。

1）将前轮转向补偿角δ_c、横摆控制力矩T_Z和悬架侧倾力矩T_Φ的阶跃激励信号{δ_c,T_Z,T_Φ}加到汽车底盘集成系统14的输入端，采集汽车底盘集成系统14的质心侧偏角β、横摆角速度γ和车身侧倾角Φ；

2）将质心侧偏角β、横摆角速度γ离线求其一阶导数，进而求出

和

车身侧倾角Φ离线求其一阶、二阶导数，进而求出

并对信号做规范化处理，组成神经网络的训练样本集 $\{\mathrm{\β},{\stackrel{\‾}{v}}_1,\mathrm{\γ},{\stackrel{\‾}{v}}_2,\mathrm{\φ},\stackrel{\·}{\mathrm{\φ}},{\stackrel{\‾}{v}}_3,{\mathrm{\δ}}_c,T_Z,T_{\mathrm{\φ}}\};$

3）采用带动量项和变学习率的误差反传BP算法对静态神经网络21进行训练，经过800次左右训练，神经网络输出均方误差小于0.001，满足要求，从而确定静态神经网络21的各个权系数。

（5）形成伪线性子系统。参考图3所示，由确定各个权系数的静态神经网络21与4个线性环节构成神经网络广义逆22，神经网络广义逆22与汽车底盘集成系统14串连组成广义伪线性系统31，该广义伪线性系统解耦成三个单输入单输出子系统，分别为一个一阶质心侧偏角β伪线性子系统、一个一阶横摆角速度γ伪线性子系统和一个二阶车身侧倾角Φ伪线性子系统，从而达到对汽车底盘集成系统的侧向、纵向以及垂向之间的非线性解耦控制，把复杂的非线性强耦合系统控制转化为简单的三个单变量线性系统的控制。

（6）对三个伪线性子系统分别设计调节器，如图4所示，分别对线性化解耦后的三个伪线性子系统设计PID调节器（42、43、44），并组成线性闭环控制器41。

（7）构建神经网络广义逆控制器。如图5所示，由线性闭环控制器41与神经网络广义逆22共同构成汽车底盘集成系统14的神经网络广义逆控制器。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (10)

1.一种汽车底盘集成系统神经网络广义逆解耦控制器的构造方法，其特征在于，包括以下步骤：

将汽车底盘的主动前轮转向子系统、直接横摆力矩控制子系统和主动悬架子系统作为一个整体组成汽车底盘集成系统；

采用静态神经网络和多个线性环节构造所述汽车底盘集成系统的神经网络广义逆，并通过调整静态神经网络的权系数使神经网络广义逆实现汽车底盘集成系统的广义逆系统功能；

将所述神经网络广义逆与汽车底盘集成系统串联，组成广义伪线性系统；

将所述广义伪线性系统线性化解耦为三个单输入单输出的伪线性子系统；

采用PID调节器对所述伪线性子系统分别实施PID调节，所述调节器构成线性闭环控制器；

所述线性闭环控制器和神经网络广义逆共同构成汽车底盘集成系统神经网络广义逆控制器。

2.如权利要求1所述的汽车底盘集成系统神经网络广义逆解耦控制器的构造方法，其特征在于，所述神经网络广义逆由具有七个输入节点和三个输出节点的静态神经网络以及四个线性环节构成，所述的神经网络广义逆具有三个输入节点和三个输出节点，其中：

神经网络广义逆的第一个输入

作为静态神经网络的第一个输入，该第一个输入

经一阶系统的输出为静态神经网络的第二个输入；

神经网络广义逆的第二个输入

作为静态神经网络的第三个输入，该第二个输入

经一阶系统

的输出为静态神经网络的第四个输入；

神经网络广义逆的第三个输入

作为静态神经网络的第五个输入，该第三个输入

经二阶系统的输出为静态神经网络的第六个输入，该二阶系统的输出再经一个积分器s^-1的输出为静态神经网络的第七个输入；

所述静态神经网络的三个输出即为神经网络广义逆的输出；

其中，a₁₀、a₁₁、a₂₀、a₂₁、a₃₀、a₃₁和a₃₂为所述广义逆系统的参数。

3.如权利要求2所述的汽车底盘集成系统神经网络广义逆解耦控制器的构造方法，其特征在于，调节所述广义逆系统的参数a₁₀、a₁₁、a₂₀、a₂₁、a₃₀、a₃₁和a₃₂，使线性化解耦后的三个单输入单输出的子系统的极点在复平面内合理配置，以实现非线性系统的开环线性化控制。

4.如权利要求1所述的汽车底盘集成系统神经网络广义逆解耦控制器的构造方法，其特征在于，所述广义伪线性系统的三个单输入单输出子系统包括一个一阶质心侧偏角β伪线性子系统、一个一阶横摆角速度γ伪线性子系统和一个二阶车身侧倾角Φ伪线性子系统，通过对该三个单变量线性子系统的控制，实现对所述汽车底盘集成系统的侧向、纵向以及垂向之间的非线性解耦控制。

5.如权利要求4所述的汽车底盘集成系统神经网络广义逆解耦控制器的构造方法，其特征在于，所述静态神经网络的权系数确定方法为：

将前轮转向补偿角δ_c、横摆控制力矩T_Z和悬架侧倾力矩T_Φ的阶跃激励信号{δ_c,T_Z,T_Φ}加到汽车底盘集成系统的输入端，采集所述汽车底盘集成系统的质心侧偏角β、横摆角速度γ和车身侧倾角Φ，对质心侧偏角β、横摆角速度γ离线分别求其一阶导数，进而求出

和，对车身侧倾角Φ离线求其一阶、二阶导数，进而求出

对所得信号做规范化处理，组成神经网络的训练样本集对所述静态神经网络进行训练，从而确定所述静态神经网络的各个权系数。

6.一种汽车底盘集成系统神经网络广义逆控制器，该汽车底盘集成系统由汽车底盘的主动前轮转向子系统、直接横摆力矩控制子系统和主动悬架子系统组成，其特征在于：

一个静态神经网络与多个线性环节构成所述汽车底盘集成系统的神经网络广义逆并与所述汽车底盘集成系统串联组成广义伪线性系统；

所述广义伪线性系统解耦形成三个单输入单输出的伪线性子系统，并由一线性闭环控制器对所述伪线性子系统实施PID调节；

所述线性闭环控制器与和神经网络广义逆共同构成所述汽车底盘集成系统神经网络广义逆控制器。

7.如权利要求6所述的汽车底盘集成系统神经网络广义逆控制器，其特征在于，所述伪线性子系统包括一个一阶质心侧偏角β伪线性子系统、一个一阶横摆角速度γ伪线性子系统和一个二阶车身侧倾角Φ伪线性子系统，通过对该三个单变量线性子系统的控制，实现对汽车底盘集成系统的侧向、纵向以及垂向之间的非线性解耦控制。

8.如权利要求7所述的汽车底盘集成系统神经网络广义逆控制器，其特征在于，所述线性闭环控制器包括三个分别对所述伪线性子系统实施调节的PID调节器。

9.如权利要求6所述的汽车底盘集成系统神经网络广义逆控制器，其特征在于，所述的神经网络广义逆由具有七个输入节点和三个输出节点的静态神经网络以及四个线性环节构成，所述的神经网络广义逆具有三个输入节点和三个输出节点，其中：

神经网络广义逆的第一个输入

作为静态神经网络的第一个输入，该第一个输入经一阶系统

的输出为静态神经网络的第二个输入；

神经网络广义逆的第二个输入作为静态神经网络的第三个输入，该第二个输入

经一阶系统

的输出为静态神经网络的第四个输入；

神经网络广义逆的第三个输入

作为静态神经网络的第五个输入，该第三个输入

经二阶系统

的输出为静态神经网络的第六个输入，该二阶系统的输出再经一个积分器s^-1的输出为静态神经网络的第七个输入；

所述静态神经网络的三个输出即为神经网络广义逆的输出；

其中，a₁₀、a₁₁、a₂₀、a₂₁、a₃₀、a₃₁和a₃₂为所述广义逆系统的参数。

10.如权利要求9所述的汽车底盘集成系统神经网络广义逆控制器，其特征在于，将前轮转向补偿角δ_c、横摆控制力矩T_Z和悬架侧倾力矩T_Φ的阶跃激励信号{δ_c,T_Z,T_Φ}加到所述汽车底盘集成系统的输入端，采集所述汽车底盘集成系统的质心侧偏角β、横摆角速度γ和车身侧倾角Φ后，通过离线的方式求得所述神经网络广义逆的三个输入

和

Images