CN104076687B - 一种主动悬架和电动助力转向集成系统的解耦控制方法 - Google Patents
一种主动悬架和电动助力转向集成系统的解耦控制方法 Download PDFInfo
- Publication number
- CN104076687B CN104076687B CN201410245197.5A CN201410245197A CN104076687B CN 104076687 B CN104076687 B CN 104076687B CN 201410245197 A CN201410245197 A CN 201410245197A CN 104076687 B CN104076687 B CN 104076687B
- Authority
- CN
- China
- Prior art keywords
- vector machine
- square method
- input
- method supporting
- supporting vector
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Vehicle Body Suspensions (AREA)
Abstract
本发明公开了一种主动悬架和电动助力转向集成系统的解耦控制方法,将主动悬架系统与电动助力转向系统作为一个整体组成基于垂向和横向运动的整车非线性系统,运用最小二乘支持向量机逆控制器的改进解耦控制方法,通过汽车垂直加速度az、侧倾角φ、悬架动扰度fd、横摆角速度γ和质心偏置角β之间的解耦,对基于垂向和横向运动的整车非线性系统进行高性能控制。该方法可以实现汽车垂向、横向的集成运动控制,进一步提高了汽车的操作稳定性和行驶平顺性。
Description
技术领域
本发明涉及车辆工程设备的技术领域,特指一种基于最小二乘支持向量机逆的主动悬架和电动助力转向集成系统的解耦控制方法,适用于基于垂向和横向运动的汽车整车非线性系统的输入输出解耦控制。
背景技术
目前,全球各大汽车公司、高校及研究机构对汽车各个电控子系统的控制研究已日趋成熟,诸如电动助力转向控制、安全防抱死制动装置、主动悬架控制、车内环境控制以及自动变速器控制等。通过研究可以看出,不同子系统控制技术的运用明显改善了汽车某方面的性能指标,大大改善了人与汽车系统之间的关系。
电动助力转向系统一般利用无刷直流电机对转向进行助力,从而提高了车辆的转向轻便性以及操纵稳定性。主动悬架系统根据外界环境的变化情况,自适应地不断调整悬架刚度与阻尼系数,从而有效改善了车辆的操纵稳定性和行驶平顺性。对于同时安装主动悬架系统和电动助力转向系统这两大系统的车辆而言,其整车动力学特性得到了较大的提升,然而两者又不仅仅是简单的叠加。对汽车这一整体而言,主动悬架系统和电动助力转向系统之间必然会相互干扰、相互影响,因此,十分有必要对主动悬架和电动助力转向集成系统进行解耦控制,使两者之间互不影响,以达到综合性能最优的控制目的。
发明内容
本发明的目的在于提供一种有效改善了车辆的操纵稳定性和行驶平顺性的基于最小二乘支持向量机逆控制器的汽车主动悬架和电动助力转向集成系统的解耦控制方法,实现汽车质心偏置角、垂直加速度、侧倾角、悬架动扰度与横摆角速度之间的解耦控制。
本发明采用的技术方案是:
一种主动悬架和电动助力转向集成系统的解耦控制方法,包括如下步骤:
1)将主动悬架系统与电动助力转向系统作为一个整体组成基于垂向和横向运动的整车非线性系统;
2)确定基于垂向和横向运动的整车非线性系统的逆系统的输入变量和输出变量;
3)采用优化后的最小二乘支持向量机加5个积分器构成最小二乘支持向量机逆;
4)将最小二乘支持向量机逆置于基于垂向和横向运动的整车非线性系统之前,最小二乘支持向量机逆与基于垂向和横向运动的整车非线性系统串联复合成伪线性系统;
5)对得到的5个所述一阶伪线性子系统设计5个模糊自适应控制器,将最小二乘支持向量机逆与模糊自适应闭环控制器共同组成最小二乘支持向量机逆控制器。
最后,采用TESIS(ve DYNA)试验平台实现来控制基于垂向和横向运动的整车非线性系统。
本发明的有益效果是:
1、由于对汽车垂直加速度az、侧倾角φ、悬架动扰度fd、整车横摆角速度γ和质心偏置角β同时进行控制,基于最小二乘支持向量机逆控制器的改进解耦控制方法可以实现汽车垂向、横向的集成运动控制,进一步提高了汽车的操作稳定性和行驶平顺性。
2、本发明通过采用自适应遗传算法优化最小二乘支持向量机的正则化参数δ和核宽度σ,使得所建立的基于垂向和横向运动的汽车整车非线性系统的逆模型具有较高的精确度,有利于提高解耦控制的动静态特性。
3、对解耦后的5个一阶伪线性子系统分别设计5个模糊自适应控制器,来消除最小二乘支持向量机逼近系统逆模型时可能导致的系统稳态误差,从而提高整车非线性系统对负载扰动、参数突变以及网络延时等的鲁棒性。
附图说明
图1是整车非线性系统的示意图及其等效图;
图2是最小二乘支持向量机逆系统示意图;
图3是基于垂向和横向运动的整车非线性系统的逆模型参数优化流程图;
图4是最小二乘支持向量机逆与基于垂向和横向运动的整车非线性系统复合构成的伪线性系统的示意图及其等效图;
图5是由模糊自适应闭环控制器与伪线性系统组成的闭环控制系统结构图;图6单个
模糊自适应控制器的原理框图;
图7是采用最小二乘支持向量机逆控制器对基于垂向和横向运动的整车非线性系统进行解耦控制的完整原理框图;
图8是本发明TESIS(ve DYNA)试验平台进行控制系统实施的原理框图。
具体实施方式
下面结合附图对本发明的具体实施方式进一步说明。
本发明具体的实施分以下8步:
1、如图1所示,构成基于垂向和横向运动的整车非线性系统3。将主动悬架系统1与电动助力转向系统2作为一个整体组成基于垂向和横向运动的整车非线性系统3,其5个输入信号分别为主动悬架力F1、F2、F3、F4和电动助力转矩Tm,5个输出信号分别为垂直加速度az、侧倾角φ、悬架动扰度fd、整车横摆角速度γ和质心偏置角β。
2、对基于垂向和横向运动的整车非线性系统3的运动方程进行分析可知,其数学模型为5阶微分方程。经推导可以证明该5阶微分方程可逆,即5逆系统存在,并可确定基于垂向和横向运动的整车非线性系统3的逆系统的输入变量为垂直加速度az的一阶导数侧倾角φ的一阶导数悬架动扰度fd的一阶导数横摆角速度γ的一阶导数和质心偏置角β的一阶导数输出变量为基于垂向和横向运动的整车非线性系统3的输入F1、F2、F3、F4和Tm;垂直加速度az的一阶导数侧倾角φ的一阶导数悬架动扰度fd的一阶导数整车横摆角速度γ的一阶导数和质心偏置角β的一阶导数为最小二乘支持向量机4的5个输入变量,如图2所示。
3、将主动悬架力F1、F2、F3、F4和电动助力转矩Tm的阶跃激励信号{F1,F2,F3,F4,Tm}加到基于垂向和横向运动的整车非线性系统3的输入端,以10ms的采样时间采集输出信号:垂直加速度az、侧倾角φ、悬架动扰度fd、横摆角速度γ和质心偏置角β,并保存,对保存的数据分别求其一阶导数,并对信号做规范化处理,组成最小二乘支持向量机的训练样本集核函数选取径向基函数:
式中,σ为核宽度,反映边界封闭包含的半径。核宽度σ的影响可从径向基神经网络导出,当σ过小时易产生过拟合,此时模型过于复杂,泛化能力差;若σ太大,支持向量间影响较强,易造成欠拟合。
然后依据图3所示的基于垂向和横向运动的整车非线性系统3的逆模型参数优化流程图,在训练最小二乘支持向量机的过程中,采用自适应遗传算法优化最小二乘支持向量机的正则化参数δ和核宽度σ,其具体过程为:
a)首先,根据系统的实际情况,首先选取参数取值的最大范围,即,参数的寻优范围初步给定为0<δ<2000,0.01<σ<20,种群大小给定为20,遗传代数给定为150;
b)采用实说编码方式,利用赌轮选择算法,均匀交叉,多点变异,终止条件设置为0.005;自适应遗传算法的适应度函数选择为:
式中,和yi分别为辨识值和实际值,ε大小取为10-4,以防止分母出现零的情况;
c)遗传算法的交叉概率与变异概率分别表示为:
式中,Pc1=0.95,Pc2=0.55,Pm1=0.15,Pm2=0.005,Pc和Pm分别为交叉个体适应度较大值和变异个体的适应度值,Pavg和Pmax分别为群体平均适应度和最大适应度;
d)经过计算,最终确定正则化参数δ和核宽度σ分别为δ=1100,σ=0.52,从而确定最小二乘支持向量机4的向量系数与偏置值。
4、如图2所示,采用优化后的最小二乘支持向量机4加5个积分器构成最小二乘支持向量机逆5,最小二乘支持向量机逆5的第一个输入作为最小二乘支持向量机4的第一个输入,最小二乘支持向量机逆5的第一个输入经过第一个积分器的输出和最小二乘支持向量机4的第二个输入相连接;最小二乘支持向量机逆5的第二个输入作为最小二乘支持向量机4的第三个输入,最小二乘支持向量机逆5的第二个输入经过第二个积分器的输出和最小二乘支持向量机4的第四个输入相连接;最小二乘支持向量机逆5的第三个输入作为最小二乘支持向量机4的第五个输入,最小二乘支持向量机逆5的第三个输入经过第三个积分器的输出和最小二乘支持向量机4的第六个输入相连接;最小二乘支持向量机逆5的第四个输入作为最小二乘支持向量机4的第七个输入,最小二乘支持向量机逆5的第四个输入经过第四个积分器的输出和最小二乘支持向量机4的第八个输入相连接;最小二乘支持向量机逆5的第五个输入作为最小二乘支持向量机4的第九个输入,最小二乘支持向量机逆5的第五个输入经过第五个积分器的输出作为最小二乘支持向量机4的第十个输入;最小二乘支持向量机4的输出就是最小二乘支持向量机逆5的输出。
5、如4所示,将最小二乘支持向量机逆5置于基于垂向和横向运动的整车非线性系统3之前,最小二乘支持向量机逆5与基于垂向和横向运动的整车非线性系统3串联复合成伪线性系统6,形成垂直加速度的一阶伪线性子系统61、侧倾角的一阶伪线性子系统62、悬架动扰度的一阶伪线性子系统63、横摆角速度的一阶伪线性子系统64和质心偏置角的一阶伪线性子系统65;从而达到对汽车主动悬架和电动助力转向集成系统的垂直加速度、侧倾角、悬架动扰度、横摆角速度和质心偏置角之间的解耦控制。
6、如图5所示,根据模糊控制理论对得到的5个一阶伪线性子系统分别设计5个模糊自适应控制器,分别为:垂直加速度模糊自适应控制器71、侧倾角模糊自适应控制器72、悬架动扰度模糊自适应控制器73、横摆角速度模糊自适应控制器74和质心偏置角模糊自适应控制器75,并由所述的5个模糊自适应控制器构成模糊自适应闭环控制器7。如图6所示,每个模糊自适应控制器均由PID控制器和模糊推理系统组成,模糊自适应控制器的输入为系统误差e和误差e的变化率ec,输出为PID控制器三个系数Kp、Ki、Kd的变化量ΔKp、ΔKi、ΔKd。输入与输出的模糊子集为{NB,NM,NS,ZO,PS,PM,PB},其中元素NB和元素PB的隶属度函数分别选用“zmf”和“smf”,剩余其它元素的隶属度函数则选取“trimf”。根据参数Kp、Ki、Kd对被控系统输出特性的实际影响情况,制定Kp、Ki、Kd的调整规则如下:当系统误差e较大时,为了提高系统的响应速度,并且防止较大超调,应该选取较大的Kp,较小的Kd,以及适中的Ki;当误差e值居中时,为了减少超调量,应该选取较小的Kp、Ki,并保持Kd的大小应适中,以保持系统具有较快的响应速度;当误差e较小时,为了保证系统具有良好的稳定性,应增大Kp、Ki,同时为了避免系统出现振荡,增强系统的抗干扰性,应适当选取较大的Kd,对系统进行模糊推理和解模糊时利用Min-Max方法。
7、如图7所示,将最小二乘支持向量机逆5与模糊自适应闭环控制器7相串联,共同组成最小二乘支持向量机逆控制器8。
8、整个基于最小二乘支持向量机逆控制器8的整车非线性系统3在TESIS(ve DYNA)试验平台上进行实施,具体如图8所示。图8中有工控机、TESIS(ve DYNA)试验平台,工控机上安装有Matlab平台,Matlab平台安装有Simulink仿真软件,编译之后生成的程序与TESIS(ve DYNA)相连,经过MIL模型在环验证、SIL软件在环验证、以及HIL硬件在环验证阶段之后,TESIS(ve DYNA)生成的可执行代码通过硬件接口电路发出执行信号,对基于垂向和横向运动的底盘非线性系统3进行控制。车载信号传感器对基于垂向和横向运动的底盘非线性系统3进行数据采集,获得相应的控制信号,送入信号实时监测模块,最后与TESIS(ve DYNA)试验平台相连,实现数据传输。
以上所述仅为本发明的较佳实施方式而已,并不用以限制本发明。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种主动悬架和电动助力转向集成系统的解耦控制方法,其特征在于:包括如下步骤:
1)将主动悬架系统(1)与电动助力转向系统(2)作为一个整体组成基于垂向和横向运动的整车非线性系统(3),其5个输入信号分别为主动悬架力F1、F2、F3、F4和电动助力转矩Tm,5个输出信号分别为垂直加速度az、侧倾角φ
、悬架动扰度fd、整车横摆角速度γ和质心偏置角β;
2)确定基于垂向和横向运动的整车非线性系统(3)的逆系统的输入变量为垂直加速度az的一阶导数侧倾角φ的一阶导数悬架动扰度fd的一阶导数整车横摆角速度γ的一阶导数和质心偏置角β的一阶导数输出变量为基于垂向和横向运动的整车非线性系统(3)的输入F1、F2、F3、F4和Tm;垂直加速度az的一阶导数侧倾角φ的一阶导数悬架动扰度fd的一阶导数横摆角速度γ的一阶导数和质心偏置角β的一阶导数为最小二乘支持向量机(4)的5个输入变量;
3)采用优化后的最小二乘支持向量机(4)加5个积分器构成最小二乘支持向量机逆(5),最小二乘支持向量机逆(5)的第一个输入作为最小二乘支持向量机(4)的第一个输入,最小二乘支持向量机逆(5)的第一个输入经过第一个积分器的输出作为最小二乘支持向量机(4)的第二个输入;最小二乘支持向量机逆(5)的第二个输入作为最小二乘支持向量机(4)的第三个输入,最小二乘支持向量机逆(5)的第二个输入经过第二个积分器的输出作为最小二乘支持向量机(4)的第四个输入;最小二乘支持向量机逆(5)的第三个输入作为最小二乘支持向量机(4)的第五个输入,最小二乘支持向量机逆(5)的第三个输入经过第三个积分器的输出作为最小二乘支持向量机(4)的第六个输入;最小二乘支持向量机逆(5)的第四个输入作为最小二乘支持向量机(4)的第七个输入,最小二乘支持向量机逆(5)的第四个输入经过第四个积分器的输出作为最小二乘支持向量机(4)的第八个输入;最小二乘支持向量机逆(5)的第五个输入作为最小二乘支持向量机(4)的第九个输入,最小二乘支持向量机逆(5)的第五个输入经过第五个积分器的输出作为最小二乘支持向量机(4)的第十个输入;最小二乘支持向量机(4)的输出就是最小二乘支持向量机逆(5)的输出;
4)将最小二乘支持向量机逆(5)置于基于垂向和横向运动的整车非线性系统(3)之前,最小二乘支持向量机逆(5)与基于垂向和横向运动的整车非线性系统(3)串联复合成伪线性系统(6),形成垂直加速度的一阶伪线性子系统(61)、侧倾角的一阶伪线性子系统(62)、悬架动扰度的一阶伪线性子系统(63)、横摆角速度的一阶伪线性子系统(64)和质心偏置角的一阶伪线性子系统(65);
5)对得到的5个所述一阶伪线性子系统设计5个模糊自适应控制器,分别为:垂直加速度模糊自适应控制器(71)、侧倾角模糊自适应控制器(72)、悬架动扰度模糊自适应控制器(73)、横摆角速度模糊自适应控制器(74)和质心偏置角模糊自适应控制器(75),并由所述的5个模糊自适应控制器构成模糊自适应闭环控制器(7),将最小二乘支持向量机逆(5)与模糊自适应闭环控制器(7)共同组成最小二乘支持向量机逆控制器(8);
所述步骤3)中的最小二乘支持向量机(4)在训练时是采用自适应遗传算法优化最小二乘支持向量机的正则化参数δ和核宽度σ,从而调整最小二乘支持向量机(4)的向量系数与偏置值;
所述采用自适应遗传算法优化最小二乘支持向量机的正则化参数δ和核宽度σ的具体过程为:
a)首先,参数的寻优范围给定为0<δ<2000,0.01<σ<20,种群大小给定为20,遗传代数给定为150;
b)采用实数编码方式,利用赌轮选择算法,均匀交叉,多点变异,终止条件设置为0.005;自适应遗传算法的适应度函数选择为:
式中,和yi分别为辨识值和实际值,ε大小取为10-4,以防止分母出现零的情况;
c)遗传算法的交叉概率与变异概率分别表示为:
式中,Pc1=0.95,Pc2=0.55,Pm1=0.15,Pm2=0.005,Pc和Pm分别为交叉个体适应度较大值和变异个体的适应度值,Pavg和Pmax分别为群体平均适应度和最大适应度;
d)经过计算,最终确定正则化参数δ和核宽度σ分别为δ=1100,σ=0.52,从而确定最小二乘支持向量机(4)的向量系数与偏置值。
2.根据权利要求1所述的主动悬架和电动助力转向集成系统的解耦控制方法,其特征在于:所述步骤3)中最小二乘支持向量机(4)选择径向基核函数进行训练。
3.根据权利要求1所述的主动悬架和电动助力转向集成系统的解耦控制方法,其特征在于:所述步骤5)中每个模糊自适应控制器均由PID控制器和模糊推理系统组成;模糊自适应控制器的输入为系统误差e和误差e的变化率ec,输出为PID控制器三个系数Kp、Ki、Kd的变化量ΔKp、ΔKi、ΔKd;输入与输出的模糊子集为{NB,NM,NS,ZO,PS,PM,PB},其中元素NB和元素PB的隶属度函数分别选用“zmf”和“smf”,剩余其它元素的隶属度函数则选取“trimf”。
4.根据权利要求1所述的主动悬架和电动助力转向集成系统的解耦控制方法,其特征在于:所述步骤5)中的最小二乘支持向量机逆控制器(8)采用TESIS试验平台实现来控制基于垂向和横向运动的整车非线性系统(3)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410245197.5A CN104076687B (zh) | 2014-06-04 | 2014-06-04 | 一种主动悬架和电动助力转向集成系统的解耦控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410245197.5A CN104076687B (zh) | 2014-06-04 | 2014-06-04 | 一种主动悬架和电动助力转向集成系统的解耦控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104076687A CN104076687A (zh) | 2014-10-01 |
CN104076687B true CN104076687B (zh) | 2016-09-14 |
Family
ID=51598023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410245197.5A Active CN104076687B (zh) | 2014-06-04 | 2014-06-04 | 一种主动悬架和电动助力转向集成系统的解耦控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104076687B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106647256B (zh) * | 2016-10-08 | 2021-04-06 | 西南交通大学 | 一种基于h∞ pid的主动悬架控制系统及控制方法 |
CN108146430A (zh) * | 2017-11-08 | 2018-06-12 | 南京航空航天大学 | 一种主动悬架与主动转向集成系统及其鲁棒控制方法 |
CN109782605B (zh) * | 2019-02-27 | 2022-04-12 | 南京理工大学 | 一种用于汽车悬架系统的采样控制方法 |
CN109932907B (zh) * | 2019-03-14 | 2023-01-17 | 江苏大学 | 一种基于rbf滑模变结构控制的车辆isd悬架主动控制方法 |
CN111002976B (zh) * | 2019-09-20 | 2021-05-18 | 江苏理工学院 | 一种基于模糊自适应pid控制的智能车辆抗侧风控制方法 |
CN110687907B (zh) * | 2019-09-23 | 2022-09-13 | 江苏大学 | 基于模型动态重构的智能汽车解耦预测控制器及其控制方法 |
CN113935452A (zh) * | 2020-07-14 | 2022-01-14 | 天津科技大学 | 一种基于蚁群算法和遗传算法融合的配送中心拣货路径规划方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0713608A (ja) * | 1993-06-21 | 1995-01-17 | Chino Corp | 制御装置 |
CN101221447A (zh) * | 2008-01-18 | 2008-07-16 | 中国农业大学 | 一种机械自动转向控制方法 |
CN102790581A (zh) * | 2012-08-06 | 2012-11-21 | 江苏大学 | 一种无轴承异步电机径向位置鲁棒控制器的构造方法 |
CN102790580A (zh) * | 2012-08-06 | 2012-11-21 | 江苏大学 | 无轴承异步电机支持向量机逆解耦控制器的构造方法 |
CN103019098A (zh) * | 2012-12-15 | 2013-04-03 | 江苏大学 | 汽车底盘集成系统鲁棒控制器及构造方法 |
CN103407341A (zh) * | 2013-08-05 | 2013-11-27 | 江苏大学 | 主动悬架支持向量机广义逆复合控制器及其构造方法 |
CN103419588A (zh) * | 2013-07-30 | 2013-12-04 | 江苏大学 | 三级阻尼可调的主动馈能悬架分层控制器及其构造方法 |
-
2014
- 2014-06-04 CN CN201410245197.5A patent/CN104076687B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0713608A (ja) * | 1993-06-21 | 1995-01-17 | Chino Corp | 制御装置 |
CN101221447A (zh) * | 2008-01-18 | 2008-07-16 | 中国农业大学 | 一种机械自动转向控制方法 |
CN102790581A (zh) * | 2012-08-06 | 2012-11-21 | 江苏大学 | 一种无轴承异步电机径向位置鲁棒控制器的构造方法 |
CN102790580A (zh) * | 2012-08-06 | 2012-11-21 | 江苏大学 | 无轴承异步电机支持向量机逆解耦控制器的构造方法 |
CN103019098A (zh) * | 2012-12-15 | 2013-04-03 | 江苏大学 | 汽车底盘集成系统鲁棒控制器及构造方法 |
CN103419588A (zh) * | 2013-07-30 | 2013-12-04 | 江苏大学 | 三级阻尼可调的主动馈能悬架分层控制器及其构造方法 |
CN103407341A (zh) * | 2013-08-05 | 2013-11-27 | 江苏大学 | 主动悬架支持向量机广义逆复合控制器及其构造方法 |
Non-Patent Citations (1)
Title |
---|
无轴承异步电机最小二乘支持向量机逆解耦控制;杨泽斌 等;《江苏大学学报(自然科学版)》;20130331;第34卷(第2期);论文第187-188页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104076687A (zh) | 2014-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104076687B (zh) | 一种主动悬架和电动助力转向集成系统的解耦控制方法 | |
US11772264B2 (en) | Neural network adaptive tracking control method for joint robots | |
CN104049536B (zh) | 底盘非线性系统模糊神经网络广义逆控制器的构造方法 | |
Liu et al. | Adaptive finite-time control for half-vehicle active suspension systems with uncertain dynamics | |
Huang et al. | Robust neural network–based tracking control and stabilization of a wheeled mobile robot with input saturation | |
Ali et al. | Optimization of active steering control on vehicle with steer by wire system using Imperialist Competitive Algorithm (ICA) | |
Han et al. | Optimal vibration control for vehicle active suspension discrete‐time systems with actuator time delay | |
Wang et al. | Neural-network adaptive output-feedback saturation control for uncertain active suspension systems | |
Popović et al. | System approach to vehicle suspension system control in CAE environment | |
CN101369132A (zh) | 基于神经网络辨识器的永磁球形电动机力学解耦控制方法 | |
Ali et al. | Combined ANFIS method with FA, PSO, and ICA as Steering control optimization on electric car | |
CN105539052A (zh) | 一种以车辆平稳状态为参考的可控悬架滑模追踪控制器 | |
Li et al. | Nonfragile H∞ control of delayed active suspension systems in finite frequency under nonstationary running | |
Blume et al. | Neural roll angle estimation in a model predictive control system | |
Heidari et al. | Design a PID controller for suspension system by back propagation neural network | |
Yang et al. | A CMAC-PD compound torque controller with fast learning capacity and improved output smoothness for electric load simulator | |
Shi et al. | Interacting multiple model-based adaptive control system for stable steering of distributed driver electric vehicle under various road excitations | |
Wang et al. | Finite-time compensation control for state-variable-unmeasurable nonlinear systems with sensor and actuator faults | |
Yin et al. | Body height robust control of automotive air suspension system using finite‐time approach | |
Xu et al. | GRNN inverse system based decoupling control strategy for active front steering and hydro-pneumatic suspension systems of emergency rescue vehicle | |
Zhang et al. | Adaptive fuzzy fault‐tolerant control of seat active suspension systems with actuator fault | |
Yu et al. | Finite-time adaptive fuzzy backstepping control for quadrotor UAV with stochastic disturbance | |
Hosseini et al. | Online self‐tuning mechanism for direct adaptive control of tall building | |
Moseberg et al. | Robust cascade control for the horizontal motion of a vehicle with single-wheel actuators | |
Zhou et al. | A layered roll stability control strategy for commercial vehicles based on adaptive model predictive control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20141001 Assignee: JIANGSU JINGJIANG FORKLIFT CO., LTD. Assignor: Jiangsu University Contract record no.: 2019320000055 Denomination of invention: Decoupling control method for active suspension and electric power steering integration system Granted publication date: 20160914 License type: Exclusive License Record date: 20190320 |
|
EE01 | Entry into force of recordation of patent licensing contract |