CN105676694A - 汽车悬架系统的智能采样数据输出反馈控制方法 - Google Patents

Abstract

一种汽车悬架系统的智能采样数据输出反馈控制方法，其步骤如下：建立起汽车悬架系统动态模型；确定出汽车底盘的弹性质量m_s(t)和车轮部件的非弹性质量m_u(t)的变化范围；构造两个关键物理量来用于评价控制方法的性能优劣；建立起汽车悬架系统的状态空间模型；得到整体性的汽车悬架系统的模糊状态空间模型；设计一种智能采样数据输出反馈控制器；进行汽车悬架系统的在线控制。本发明能够实现汽车悬架系统的高性能控制目标，满足驾驶过程中的高舒适度以及高安全性；降低了控制方法对检测技术的要求和检测元件配置的要求，提高了汽车悬架系统的可靠性和经济性；实现了用户驾乘体验的个性自主化，彰显了以客户为中心的设计理念。

Description

汽车悬架系统的智能采样数据输出反馈控制方法

技术领域

本发明属于智能汽车制造领域，尤其涉及一种汽车悬架系统的智能采样数据输出反馈控制方法。

背景技术

随着高速公路的发展和人们对汽车性能不断的提高要求，普通的汽车悬架已经越来越不能满足人民的高要求。除了人们都普遍关注的发动机、轴距和排量外，驾驶舒适度以及安全性也是高档汽车所要具备的重要性能，而与这些重要性能指标密切相关的便是汽车悬架系统。悬架系统设计的最初期是被动悬架，在设计好之后，不能改变其性能参数，不能够根据路面状况来调节阻尼系数和弹簧刚度，其性能不能满足人们日益增长的需求。汽车行驶的平顺性和操纵稳定性是衡量汽车性能好坏的主要指标，而它又直接受到汽车悬架系统性能好坏的影响。

从技术上讲，汽车悬架是指车架、车身与车桥之间一切传动装置的总称，路面作用于车轮上的垂直反力(支撑力)，纵向反力(牵引力和制动力)和侧向反力以及这些力所产生的力矩都要通过悬架传递到车架(或承载式车身)。汽车悬架系统的主要作用是在传递这些力和力矩的同时，缓和不平路面传给车架或车身的冲击载荷，抑制车轮的不规则振动，提高车辆平顺性(乘坐舒适性)和安全性(操纵稳定性)。悬架系统是影响汽车性能的关键部件，建立合适的汽车悬架系统模型以及研究其控制问题对提高车辆平顺性和安全性，有着非常重要的意义，且汽车悬架系统的优化设计对车辆的总体性能有着重大的影响。近年来，针对主动悬架系统，不同的控制方法被提出来改进悬架系统的性能，既有传统的PID控制、线性状态反馈控制，也有神经网络控制、模糊控制等智能控制方法。由于实际汽车悬架系统是一种非线性、时变的复杂物理系统，目前尚不能对其进行精确建模，因此在控制该类对象时智能控制方法要比传统方法具有更大的优势。由于技术上的难度，仍然非常困难设计适当的两个模糊逻辑系统的隶属度函数和模糊规则来产生恰当的参数并以此进行后续控制设计。另一方面，已有模糊控制方法采用的是状态反馈控制器，这就要求系统状态变量全部可以在线测量；而由于测控技术和成本因素使得实际汽车悬架系统状态变量往往并不是全部可以在线测量的。也就是说，已有汽车悬架系统的建模和控制问题均没有得到较好的解决。因此，汽车悬架系统的模糊控制技术就成为一个富有挑战的技术问题。

发明内容

本发明的目的在于提供一种汽车悬架系统的智能采样数据输出反馈控制方法，以解决汽车悬架系统的建模和控制问题，实现汽车悬架系统的高性能控制目标，满足日益提高的驾驶过程中的稳定性、舒适性和安全性要求。

本发明为解决上述技术问题所采取的技术方案为：

1、一种汽车悬架系统的智能采样数据输出反馈控制方法，其特征在于：它包括以下技术步骤：

1)应用力学原理建立起如下汽车悬架系统动态模型：

$m_s\left(t\right){\stackrel{\·\·}{z}}_s\left(t\right)+c_s\[{\stackrel{\·}{z}}_s\left(t\right)-{\stackrel{\·}{z}}_u\left(t\right)\]+k_s\[z_s\left(t\right)-z_u\left(t\right)\]=u\left(t\right),---\left(1\right)$

$\begin{array}{c}{m}_u\left(t\right){\stackrel{\·\·}{z}}_u\left(t\right)+c_s\[{\stackrel{\·}{z}}_u\left(t\right)-{\stackrel{\·}{z}}_s\left(t\right)\]+k_s\[z_u\left(t\right)-z_s\left(t\right)\]+k_t\[z_u\left(t\right)-z_r\left(t\right)\]+c_t\[{\stackrel{\·}{z}}_u\left(t\right)-{\stackrel{\·}{z}}_r\left(t\right)\]=\\ -u\left(t\right)\end{array}---\left(2\right)$

其中，m_s(t)为汽车底盘的弹性质量，单位为Kg；m_u(t)为车轮部件的非弹性质量，单位为Kg；u(t)为汽车悬架系统的控制输入量，单位为N；z_s(t)为m_s以水平地面为起始点垂直向上方向上的坐标位置，单位为m；z_u(t)为m_u以水平地面为起始点垂直向上方向上的坐标位置，单位为m；z_r(t)为以水平地面为起始点垂直向上方向上路面接触点坐标位置，单位为m；c_s为汽车悬架系统的阻尼系数，单位为N/(m/s)；k_s为汽车悬架系统的硬度系数，单位为N/m；c_t为汽车轮胎的阻尼系数，单位为N/(m/s)；k_t为汽车轮胎的硬度系数，单位为N/mp；

2)基于汽车的机械结构特性和可允许乘客数目及质量的变化情况，确定出m_s(t)和m_u(t)的变化范围为：m_s(t)∈[m_smin，m_smax]和m_u(t)∈[m_umin，m_umax]；

3)考虑与高舒适度和高安全性相关的主要影响因素，构造如下两个物理量来用于评价控制方法的性能优劣，

$z_1\left(t\right)={\stackrel{\·\·}{z}}_s\left(t\right),---\left(3\right)$

$z_2\left(t\right)={\left[\begin{array}{cc}\frac{z_s\left(t\right)-z_u\left(t\right)}{z_{\max }}& \frac{k_t\left(z_u\left(t\right)-z_r\left(t\right)\right)}{\left(m_s\left(t\right)+m_u\left(t\right)\right)g}\end{array}\right]}^T,---\left(4\right)$

其中，g为重力常数，单位为N/Kg；z_max为汽车悬架系统的最大偏移量，单位为m；且有|z_s(t)-z_u(t)|≤z_max和k_t(z_u(t)-z_r(t))＜(m_s(t)+m_u(t))g同时成立；

4)根据所述步骤1)中给出的汽车悬架系统动态模型，建立起汽车悬架系统的状态空间模型：

$\left\{\begin{array}{c}\stackrel{\·}{x}\left(t\right)=A\left(t\right)x\left(t\right)+B_w\left(t\right)w\left(t\right)+B\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_1\left(t\right)x\left(t\right)+D_1\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_2\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.---\left(5\right)$

其中，x(t)＝[x₁(t)x₂(t)x₃(t)x₄(t)]^T,x₁(t)＝z_s(t)-z_u(t),x₂(t)＝z_u(t)-z_r(t),

y(t)为系统可测输出变量，控制器对于系统的内部信息的获取是通过测量y(t)来实现；

$A\left(t\right)=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{k_s}{m_s\left(t\right)}& 0& -\frac{c_s}{m_s\left(t\right)}& \frac{c_s}{m_s\left(t\right)}\\ \frac{k_s}{m_u\left(t\right)}& -\frac{k_t}{m_u\left(t\right)}& \frac{c_s}{m_u\left(t\right)}& -\frac{c_s+c_t}{m_u\left(t\right)}\end{array}\right],$

$B\left(t\right)=\left[\begin{array}{c}0\\ 0\\ \frac{1}{m_s\left(t\right)}\\ -\frac{1}{m_u\left(t\right)}\end{array}\right],B_w\left(t\right)=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{c_t}{m_u\left(t\right)}\end{array}\right],$

$C_1\left(t\right)=\left[\begin{array}{cccc}-\frac{k_s}{m_s\left(t\right)}& 0& -\frac{c_s}{m_s\left(t\right)}& \frac{c_s}{m_s\left(t\right)}\end{array}\right],C=\left[\begin{array}{cccc}1& 1& 1& 0\end{array}\right],$

$C_2\left(t\right)=\left[\begin{array}{cccc}\frac{1}{z_{\max }}& 0& 0& 0\\ 0& \frac{k_t}{\left(m_s\left(t\right)+m_u\left(t\right)\right)g}& 0& 0\end{array}\right],D_1\left(t\right)=\frac{1}{m_s\left(t\right)};$

5)根据m_s(t)和m_u(t)的可变特性，两个模糊前件变量选定为和利用Takagi-Sugeno模糊模型建模规则建立汽车悬架系统的模糊状态空间模型：

规则1：如果ξ₁(t)为M₁(ξ₁(t))且ξ₂(t)为N₁(ξ₂(t)),那么

$\left\{\begin{array}{c}\stackrel{\·}{x}\left(t\right)=A_1\left(t\right)x\left(t\right)+B_{w1}\left(t\right)w\left(t\right)+B_1\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_{11}\left(t\right)x\left(t\right)+D_{11}\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_{21}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.;---\left(6\right)$

规则2：如果ξ₁(t)为M₁(ξ₁(t))且ξ₂(t)为N₂(ξ₂(t))，那么

$\left\{\begin{array}{c}\stackrel{\·}{x}\left(t\right)=A_2\left(t\right)x\left(t\right)+B_{w2}\left(t\right)w\left(t\right)+B_2\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_{12}\left(t\right)x\left(t\right)+D_{12}\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_{22}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.;---\left(7\right)$

规则3：如果ξ₁(t)为M₂(ξ₁(t))且ξ₂(t)为N₁(ξ₂(t))，那么

$\left\{\begin{array}{c}\stackrel{\·}{x}\left(t\right)=A_3\left(t\right)x\left(t\right)+B_{w3}\left(t\right)w\left(t\right)+B_3\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_{13}\left(t\right)x\left(t\right)+D_{13}\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_{23}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.;---\left(8\right)$

规则4：如果ξ₁(t)为M₂(ξ₁(t))且ξ₂(t)为N₂(ξ₂(t))，那么

$\left\{\begin{array}{c}\stackrel{\·}{x}\left(t\right)=A_4\left(t\right)x\left(t\right)+B_{w4}\left(t\right)w\left(t\right)+B_4\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_{14}\left(t\right)x\left(t\right)+D_{14}\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_{24}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.;---\left(9\right)$

其中， $M_1\left({\mathrm{\ξ}}_1\left(t\right)\right)=\frac{\frac{1}{m_s\left(t\right)}-\frac{1}{m_{s\max }}}{\frac{1}{m_{s\min }}-\frac{1}{m_{s\max }}},M_2\left({\mathrm{\ξ}}_1\left(t\right)\right)=\frac{\frac{1}{m_{s\min }}-\frac{1}{m_s\left(t\right)}}{\frac{1}{m_{s\min }}-\frac{1}{m_{s\max }}},$

$N_1\left({\mathrm{\ξ}}_2\left(t\right)\right)=\frac{\frac{1}{m_u\left(t\right)}-\frac{1}{m_{u\max }}}{\frac{1}{m_{u\min }}-\frac{1}{m_{u\max }}},M_2\left({\mathrm{\ξ}}_2\left(t\right)\right)=\frac{\frac{1}{m_{u\min }}-\frac{1}{m_u\left(t\right)}}{\frac{1}{m_{u\min }}-\frac{1}{m_{u\max }}},$

$A_1=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{k_s}{m_{s\min }}& 0& -\frac{c_s}{m_{s\min }}& \frac{c_s}{m_{s\min }}\\ \frac{k_s}{m_{u\min }}& -\frac{k_t}{m_{u\min }}& \frac{c_s}{m_{u\min }}& -\frac{c_s+c_t}{m_{u\min }}\end{array}\right],$

$B_1=\left[\begin{array}{c}0\\ 0\\ \frac{1}{m_{s\min }}\\ -\frac{1}{m_{u\min }}\end{array}\right],B_{w1}=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{c_t}{m_{u\min }}\end{array}\right],$

$G_{11}=\[\begin{array}{cccc}-\frac{k_s}{m_{s\min }}& 0& -\frac{c_s}{m_{s\min }}& \frac{c_s}{m_{s\min }}\end{array},\]$

$C_{21}=\left[\begin{array}{cccc}\frac{1}{z_{\max }}& 0& 0& 0\\ 0& \frac{k_t}{\left(m_{s\min }+m_{u\min }\right)g}& 0& 0\end{array}\right],D_{11}=\frac{1}{m_{s\min }},$

$A_2=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{k_s}{m_{s\min }}& 0& -\frac{c_s}{m_{s\min }}& \frac{c_s}{m_{s\min }}\\ \frac{k_s}{m_{u\max }}& -\frac{k_t}{m_{u\max }}& \frac{c_s}{m_{u\max }}& -\frac{c_s+c_t}{m_{u\max }}\end{array}\right],$

$B_2=\left[\begin{array}{c}0\\ 0\\ \frac{1}{m_{s\min }}\\ -\frac{1}{m_{u\max }}\end{array}\right],B_{w2}=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{c_t}{m_{u\max }}\end{array}\right],$

$C_{12}=\[\begin{array}{cccc}-\frac{k_s}{m_{s\min }}& 0& -\frac{c_s}{m_{s\min }}& \frac{c_s}{m_{s\min }}\end{array},\]$

$C_{22}=\left[\begin{array}{cccc}\frac{1}{z_{\max }}& 0& 0& 0\\ 0& \frac{k_t}{\left(m_{s\min }+m_{u\max }\right)g}& 0& 0\end{array}\right],D_{12}=\frac{1}{m_{s\min }},$

$A_3=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{k_s}{m_{s\max }}& 0& -\frac{c_s}{m_{s\max }}& \frac{c_s}{m_{s\max }}\\ \frac{k_s}{m_{u\min }}& -\frac{k_t}{m_{u\min }}& \frac{c_s}{m_{u\min }}& -\frac{c_s+c_t}{m_{u\min }}\end{array}\right],$

$B_3=\left[\begin{array}{c}0\\ 0\\ \frac{1}{m_{s\max }}\\ -\frac{1}{m_{u\min }}\end{array}\right],B_{w3}=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{c_t}{m_{u\min }}\end{array}\right]$

$C_{13}=\left[\begin{array}{cccc}-\frac{k_s}{m_{s\max }}& 0& -\frac{c_s}{m_{s\max }}& \frac{c_s}{m_{s\max }}\end{array}\right],$

$C_{23}=\left[\begin{array}{cccc}\frac{1}{z_{\max }}& 0& 0& 0\\ 0& \frac{k_t}{\left(m_{s\max }+m_{u\min }\right)g}& 0& 0\end{array}\right],D_{13}=\frac{1}{m_{s\max }},$

$A_4=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{k_s}{m_{s\max }}& 0& -\frac{c_s}{m_{s\max }}& \frac{c_s}{m_{s\max }}\\ \frac{k_s}{m_{u\max }}& -\frac{k_t}{m_{u\max }}& \frac{c_s}{m_{u\max }}& -\frac{c_s+c_t}{m_{u\max }}\end{array}\right],$

$B_4=\left[\begin{array}{c}0\\ 0\\ \frac{1}{m_{s\max }}\\ -\frac{1}{m_{u\max }}\end{array}\right],B_{w4}=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{c_t}{m_{u\max }}\end{array}\right],$

$C_{14}=\left[\begin{array}{cccc}-\frac{k_s}{m_{s\max }}& 0& -\frac{c_s}{m_{s\max }}& \frac{c_s}{m_{s\max }}\end{array}\right],$

$C_{24}=\left[\begin{array}{cccc}\frac{1}{z_{\max }}& 0& 0& 0\\ 0& \frac{k_t}{\left(m_{s\max }+m_{u\max }\right)g}& 0& 0\end{array}\right],D_{14}=\frac{1}{m_{s\max }};$

6)根据模糊建模方法，得到整体性的汽车悬架系统的模糊状态空间模型：

$\left\{\begin{array}{c}\stackrel{\·}{x}\left(t\right)={\mathrm{\Σ}}_{i=1}^4{h}_i\left(\mathrm{\ξ}\left(t\right)\right)\[A_i\left(t\right)x\left(t\right)+B_{wi}\left(t\right)w\left(t\right)+B_i\left(t\right)u\left(t\right)\]\\ z_1\left(t\right)={\mathrm{\Σ}}_{i=1}^4{h}_i\left(\mathrm{\ξ}\left(t\right)\right)\[C_{1i}\left(t\right)x\left(t\right)+D_{1i}\left(t\right)u\left(t\right)\]\\ z_2\left(t\right)={\mathrm{\Σ}}_{i=1}^4{h}_i\left(\mathrm{\ξ}\left(t\right)\right)C_{2i}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.,---\left(10\right)$

其中，h₁(ξ(t))＝M₁(ξ₁(t))×N₁(ξ₂(t))，h₂(ξ(t))＝M₁(ξ₁(t))×N₂(ξ₂(t))

h₃(ξ(t))＝M₂(ξ₁(t))×N₁(ξ₂(t))，h₄(ξ(t))＝M₂(ξ₁(t))×N₂(ξ₂(t))。

7)针对步骤6)所述整体性的汽车悬架系统的模糊状态空间模型，设计一种智能采样数据输出反馈控制器：

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{\hat{x}}\left(t\right)={\mathrm{\&Sigma;}}_{i=1}^4{h}_i\left(\mathrm{\&xi;}\left(t\right)\right)\left(A_{ci}\hat{x}\left(t\right)+A_{cdi}\hat{x}\left(t_k\right)+B_{ci}y\left(t_k\right)\right)\\ u\left(t\right)={\mathrm{\&Sigma;}}_{i=1}^4{h}_i\left(\mathrm{\&xi;}\left(t\right)\right)C_{ci}\hat{x}\left(t\right)\end{array}\right.,t_k\&le;t<t_{k+1},k=0,1,2,\mathrm{...};---\left(11\right)$

其中,A_ci、A_cdi、B_ci、C_ci为对应相应模糊规则的适当维数维控制增益矩阵，它们的计算公式为：

这里，矩阵和为非奇异矩阵且满足且以及对称矩阵Q可以通过求解满足如果线性矩阵不等式条件来获得：

$\left[\begin{array}{ccc}{\mathrm{\&Xi;}}_{1ii}& {\mathrm{\&Xi;}}_{2ii}& {\mathrm{\&Xi;}}_{3ii}\\ *& -I& 0\\ *& *& {\mathrm{\&Xi;}}_{4ii}\end{array}\right]<0,i=1,2,3,4;---\left(15\right)$

$\left[\begin{array}{ccccc}{\mathrm{\&Psi;}}_{1ij}& {\mathrm{\&Psi;}}_{2ij}& {\mathrm{\&Psi;}}_{3ij}& {\mathrm{\&Psi;}}_{4ij}& {\mathrm{\&Psi;}}_{5ij}\\ *& -2I& 0& 0& 0\\ *& *& {\mathrm{\&Psi;}}_{6ij}& {\mathrm{h\&mu;}}_{6ij}& 0\\ *& *& *& {\mathrm{\&Psi;}}_{7ij}& 0\\ *& *& *& *& {\mathrm{\&Psi;}}_{7ij}\end{array}\right]<0,1\&le;1<j\&le;4;---\left(16\right)$

这里， ${\mathrm{\&Xi;}}_{1ii}=\left[\begin{array}{cccc}{\mathrm{\&lambda;}}_{1ii}-Q& {\mathrm{\&lambda;}}_{2ii}+Q& 0& {\mathrm{\&lambda;}}_{3ii}\\ *& -2Q& Q& 0\\ *& *& -Q& 0\\ *& *& *& -{\mathrm{\&gamma;}}^{2}I\end{array}\right],$

${\mathrm{\&Xi;}}_{2ii}=\left[\begin{array}{c}{\mathrm{\&lambda;}}_{4ii}\\ 0\\ 0\\ 0\end{array}\right],{\mathrm{\&Xi;}}_{3ii}=\left[\begin{array}{c}{\mathrm{h\&lambda;}}_{5ii}\\ {\mathrm{h\&lambda;}}_{6ii}\\ 0\\ {\mathrm{h\&lambda;}}_{7ii}\end{array}\right],$

${\mathrm{\&lambda;}}_{3ii}=\left[\begin{array}{c}{B}_{1i}\\ {\mathrm{SB}}_{1i}\end{array}\right],$

${\mathrm{\&Psi;}}_{1ij}=\left[\begin{array}{cccc}{\mathrm{\&mu;}}_{1ij}+{\mathrm{\&mu;}}_{1ij}^T-2Q& {\mathrm{\&mu;}}_{2ij}+2Q& 0& {\mathrm{\&mu;}}_{3ij}\\ *& -4Q& Q& 0\\ *& *& -2Q& 0\\ *& *& *& -2{\mathrm{\&gamma;}}^{2}I\end{array}\right],{\mathrm{\&Psi;}}_{2ij}=\left[\begin{array}{c}{\mathrm{\&mu;}}_{4ij}\\ 0\\ 0\\ 0\end{array}\right],{\mathrm{\&Psi;}}_{3ij}=\left[\begin{array}{c}{\mathrm{h\&mu;}}_{5ij}\\ {\mathrm{h\&mu;}}_{8ij}\\ 0\\ {\mathrm{h\&mu;}}_{9ij}\end{array}\right],$

${\mathrm{\&Psi;}}_{4ij}=\left[\begin{array}{c}{\mathrm{\&mu;}}_{6ij}\\ 0\\ 0\\ 0\end{array}\right],{\mathrm{\&Psi;}}_{5ij}=\left[\begin{array}{c}{\mathrm{\&mu;}}_{7ij}\\ 0\\ 0\\ 0\end{array}\right],$ ${\mathrm{\&Psi;}}_{7ij}=\left[\begin{array}{cc}-I& 0\\ 0& -I\end{array}\right],$

${\mathrm{\&mu;}}_{3ij}=\left[\begin{array}{c}{B}_{1i}+B_{1j}\\ {\mathrm{SB}}_{1i}+{\mathrm{SB}}_{1j}\end{array}\right],$

${\mathrm{\&mu;}}_{9ij}=\&lsqb;\begin{array}{cc}{B}_{1i}^T+B_{1j}^T& B_{1i}^{T}S+B_{1j}^{T}S\end{array}\&rsqb;,$

为矩阵C_2i的第一行的转置向量，为矩阵C_2i的第二行的转置向量,h为控制系统相邻采样时刻的最大间隔，即单位为s；θ和ρ为设计者根据汽车悬架系统的高性能控制目标来给定的值，可由经验值给出；γ为采用所述模糊采样控制器得到的控制系统对于外部干扰的抑制指标参考值，其为无量纲数，其值大小可由汽车的使用者在容许范围内按照自身需求来调节设定；

8)使用所述步骤7)中给出的智能采样数据输出反馈控制器进行汽车悬架系统的在线控制，使得闭环系统渐近稳定且满足对于外部干扰的抑制指标小于参考值γ。

与现有技术相比，本发明的有益效果为：提出一种汽车悬架系统的智能采样数据输出反馈控制方法，从汽车悬架系统的模糊建模和控制设计两个方面入手进行协调优化设计，能够实现汽车悬架系统的高性能控制目标，满足驾驶过程中的高舒适度以及高安全性；同时该方法不需要在线测量汽车悬架系统的所有系统状态变量值，降低了控制方法对检测技术的要求和检测元件配置的要求，提高了汽车悬架系统的可靠性和经济性；进一步，其关键控制参数γ可以由汽车的使用者在容许范围内按照自身需求来调节设定，实现了用户驾乘体验的个性自主化，在解决技术问题的同时彰显了以客户为中心的设计理念。

附图说明

图1为本发明一实施例的流程图。

图2为本发明控制方法投入前的汽车悬架系统开环响应曲线图。

图3为本发明控制方法投入后的汽车悬架系统闭环响应曲线图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

图1为本发明一实施例的流程图，它包括以下步骤：

1)应用力学原理建立起汽车悬架系统动态模型；

2)基于汽车的机械结构特性和可允许乘客数目及质量的变化情况，确定出汽车底盘的弹性质量m_s(t)和车轮部件的非弹性质量m_u(t)的变化范围；

3)考虑与高舒适度和高安全性相关的主要影响因素，构造两个关键物理量来用于评价控制方法的性能优劣；

4)根据所述步骤1)中给出的汽车悬架系统动态模型，建立起汽车悬架系统的状态空间模型；

5)根据m_s(t)和m_u(t)的可变特性，两个模糊前件变量选定为和利用Takagi-Sugeno模糊模型建模规则建立汽车悬架系统的模糊状态空间模型；

6)根据模糊建模方法，得到整体性的汽车悬架系统的模糊状态空间模型；

7)针对步骤6)所述整体性的汽车悬架系统的模糊状态空间模型，设计一种智能采样数据输出反馈控制器；

8)使用所述步骤7)中给出的智能采样数据输出反馈控制器进行汽车悬架系统的在线控制。

基于本发明的一种汽车悬架系统的智能采样数据输出反馈控制方法可用于各类汽车悬架系统的控制。以下以两自由度的1/4之一汽车悬架系统为例，汽车悬架系统就是指由车身与轮胎间的弹簧和避震器组成整个支持系统。悬挂系统应有的功能是支持车身，改善乘坐的感觉，不同的悬挂设置会使驾驶者有不同的驾驶感受。外表看似简单的悬挂系统综合多种作用力，决定着轿车的稳定性、舒适性和安全性，是现代轿车十分关键的部件之一。主动悬架是近十几年发展起来的、由电脑控制的一种新型悬架。它汇集了力学和电子学的技术知识，是一种比较复杂的高技术装置。例如装置了主动悬架的法国雪铁龙桑蒂雅，该车悬架系统的中枢是一个微电脑，悬架上的5种传感器分别向微电脑传送车速、前轮制动压力、踏动油门踏板的速度、车身垂直方向的振幅及频率、转向盘角度及转向速度等数据。电脑不断接收这些数据并与预先设定的临界值进行比较，选择相应的悬架状态。同时，微电脑独立控制每一只车轮上的执行元件，通过控制减振器内油压的变化产生抽动，从而能在任何时候、任何车轮上产生符合要求的悬架运动。

具体地，本实施例涉及的汽车悬架系统的智能采样数据输出反馈控制方法的具体工作过程为：

1)应用力学原理建立起如下汽车悬架系统动态模型：

$m_s\left(t\right){\stackrel{\&CenterDot;\&CenterDot;}{z}}_s\left(t\right)+c_s\&lsqb;{\stackrel{\&CenterDot;}{z}}_s\left(t\right)-{\stackrel{\&CenterDot;}{z}}_u\left(t\right)\&rsqb;+k_s\&lsqb;z_s\left(t\right)-z_u\left(t\right)\&rsqb;=u\left(t\right),$

$\begin{array}{c}{m}_u\left(t\right){\stackrel{\&CenterDot;\&CenterDot;}{z}}_u\left(t\right)+c_s\&lsqb;{\stackrel{\&CenterDot;}{z}}_u\left(t\right)-{\stackrel{\&CenterDot;}{z}}_s\left(t\right)\&rsqb;+k_s\&lsqb;z_u\left(t\right)-z_s\left(t\right)\&rsqb;+k_t\&lsqb;z_u\left(t\right)-z_r\left(t\right)\&rsqb;+c_t\&lsqb;{\stackrel{\&CenterDot;}{z}}_u\left(t\right)-{\stackrel{\&CenterDot;}{z}}_r\left(t\right)\&rsqb;\\ =-u\left(t\right)\end{array}$

其中，m_s(t)为汽车底盘的弹性质量，单位为Kg；m_u(t)为车轮部件的非弹性质量，单位为Kg；u(t)为汽车悬架系统的控制输入量，单位为N；z_s(t)为m_s以水平地面为起始点垂直向上方向上的坐标位置，单位为m；z_u(t)为m_u以水平地面为起始点垂直向上方向上的坐标位置，单位为m；z_r(t)为以水平地面为起始点垂直向上方向上路面接触点坐标位置，单位为m；c_s为汽车悬架系统的阻尼系数，单位为N/(m/s)；k_s为汽车悬架系统的硬度系数，单位为N/m；c_t为汽车轮胎的阻尼系数，单位为N/(m/s)；k_t为汽车轮胎的硬度系数，单位为N/m。本实施例中，该两自由度的1/4之一汽车悬架系统的主要技术性能指标和设备参数为：

m_s(t)∈[950kg，960kg]，m_u(t)∈[110kg，118kg]，k_s＝42720N/m，k_t＝101115N/m，c_s＝1095N/(m/s),c_t＝14.6N/(m/s),g＝9.8N/Kg,z_max＝0.1m，ρ＝1，θ＝0.1，h＝0.01s。

2)基于汽车的机械结构特性和可允许乘客数目及质量的变化情况，确定出m_s(t)和m_u(t)的变化范围为：m_s(t)∈[950kg，960kg]和m_u(t)∈[110kg，118kg]。

3)考虑与高舒适度和高安全性相关的主要影响因素，构造如下两个物理量来用于评价控制方法的性能优劣，

$z_1\left(t\right)={\stackrel{\&CenterDot;\&CenterDot;}{z}}_3\left(t\right),$

$z_2\left(t\right)={\left[\begin{array}{cc}\frac{z_s\left(t\right)-z_u\left(t\right)}{z_{\max }}& \frac{k_t\left(z_u\left(t\right)-z_r\left(t\right)\right)}{\left(m_s\left(t\right)+m_u\left(t\right)\right)g}\end{array}\right]}^T,$

其中，重力常数g＝9.8N/Kg；汽车悬架系统的最大偏移量z_max＝0.1m；且有|z_s(t)-z_u(t)|≤0.1m和k_t(z_u(t)-z_r(t))＜(m_s(t)+m_n(t))×9.8N/Kg同时成立。

4)根据所述步骤1)中给出的汽车悬架系统动态模型，建立起汽车悬架系统的状态空间模型：

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{x}\left(t\right)=A\left(t\right)x\left(t\right)+B_w\left(t\right)w\left(t\right)+B\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_1\left(t\right)x\left(t\right)+D_1\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_2\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.$

其中，x(t)＝[x₁(t)x₂(t)x₃(t)x₄(t)]^T,x₁(t)＝z_s(t)-z_u(t),x₂(t)＝z_u(t)-z_r(t),

y(t)为系统可测输出变量，控制器对于系统的内部信息的获取是通过测量y(t)来实现。

$A\left(t\right)=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{42720N/m}{m_s\left(t\right)}& 0& -\frac{1095N/\left(m/s\right)}{m_s\left(t\right)}& \frac{1095N/\left(m/s\right)}{m_s\left(t\right)}\\ \frac{42720N/m}{m_u\left(t\right)}& -\frac{101115N/m}{m_u\left(t\right)}& \frac{1095N/\left(m/s\right)}{m_u\left(t\right)}& -\frac{1095N/\left(m/s\right)+14.6N/\left(m/s\right)}{m_u\left(t\right)}\end{array}\right],$

$B\left(t\right)=\left[\begin{array}{c}0\\ 0\\ \frac{1}{m_s\left(t\right)}\\ -\frac{1}{m_u\left(t\right)}\end{array}\right],B_w\left(t\right)=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{14.6N/\left(m/s\right)}{m_u\left(t\right)}\end{array}\right],$

$C_1\left(t\right)=\left[\begin{array}{cccc}-\frac{42720N/m}{m_s\left(t\right)}& 0& -\frac{1095N/\left(m/s\right)}{m_s\left(t\right)}& \frac{1095N/\left(m/s\right)}{m_s\left(t\right)}\end{array}\right],C=\left[\begin{array}{cccc}1& 1& 1& 0\end{array}\right],$

$C_2\left(t\right)=\left[\begin{array}{cccc}\frac{1}{0.1m}& 0& 0& 0\\ 0& \frac{101115N/m}{\left(m_s\left(t\right)+m_u\left(t\right)\right)\&times;9.8N/Kg}& 0& 0\end{array}\right],D_1\left(t\right)=\frac{1}{m_s\left(t\right)}.$

5)根据m_s(t)和m_u(t)的可变特性，两个模糊前件变量选定为和利用Takagi-Sugeno模糊模型建模规则建立汽车悬架系统的模糊状态空间模型：

规则1：如果ξ₁(t)为M₁(ξ₁(t))且ξ₂(t)为N₁(ξ₂(t))，那么

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{x}\left(t\right)=A_1\left(t\right)x\left(t\right)+B_{w1}\left(t\right)w\left(t\right)+B_1\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_{11}\left(t\right)x\left(t\right)+D_{11}\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_{21}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.;$

规则2：如果ξ₁(t)为M₁(ξ₁(t))且ξ₂(t)为N₂(ξ₂(t))，那么

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{x}\left(t\right)=A_2\left(t\right)x\left(t\right)+B_{w2}\left(t\right)w\left(t\right)+B_2\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_{12}\left(t\right)x\left(t\right)+D_{12}\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_{22}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.;$

规则3：如果ξ₁(t)为M₂(ξ₁(t))且ξ₂(t)为N₁(ξ₂(t))，那么

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{x}\left(t\right)=A_3\left(t\right)x\left(t\right)+B_{w3}\left(t\right)w\left(t\right)+B_3\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_{13}\left(t\right)x\left(t\right)+D_{13}\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_{23}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.;$

规则4：如果ξ₁(t)为M₂(ξ₁(t))且ξ₂(t)为N₂(ξ₂(t))，那么

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{x}\left(t\right)=A_4\left(t\right)x\left(t\right)+B_{w4}\left(t\right)w\left(t\right)+B_4\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_{14}\left(t\right)x\left(t\right)+D_{14}\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_{24}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.;$

其中， $M_1\left({\mathrm{\&xi;}}_1\left(t\right)\right)=\frac{\frac{1}{m_s\left(t\right)}-\frac{1}{960kg}}{\frac{1}{950kg}-\frac{1}{960kg}},M_2\left({\mathrm{\&xi;}}_1\left(t\right)\right)=\frac{\frac{1}{950kg}-\frac{1}{m_s\left(t\right)}}{\frac{1}{950kg}-\frac{1}{960kg}},$

$N_1\left({\mathrm{\&xi;}}_2\left(t\right)\right)=\frac{\frac{1}{m_u\left(t\right)}-\frac{1}{118kg}}{\frac{1}{110kg}-\frac{1}{118kg}},N_2\left({\mathrm{\&xi;}}_2\left(t\right)\right)=\frac{\frac{1}{110kg}-\frac{1}{m_u\left(t\right)}}{\frac{1}{110kg}-\frac{1}{118kg}},C=\left[\begin{array}{cccc}1& 1& 1& 0\end{array}\right]$

$A_1=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{42720N/m}{950kg}& 0& -\frac{1095N/\left(m/s\right)}{950kg}& \frac{1095N/\left(m/s\right)}{950kg}\\ \frac{42720N/m_s}{110kg}& -\frac{101115N/m}{110kg}& \frac{1095N/\left(m/s\right)}{110kg}& -\frac{1095N/\left(m/s\right)+14.6N/\left(m/s\right)}{110kg}\end{array}\right],$

$B_1=\left[\begin{array}{c}0\\ 0\\ \frac{1}{950kg}\\ -\frac{1}{110kg}\end{array}\right],B_{w1}=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{14.6N/\left(m/s\right)}{110kg}\end{array}\right],$

$C_{11}=\left[\begin{array}{cccc}-\frac{k_{s}42720N/m}{950kg}& 0& -\frac{1095N/\left(m/s\right)}{950kg}& \frac{1095N/\left(m/s\right)}{950kg}\end{array}\right],$

$C_{21}=\left[\begin{array}{cccc}\frac{1}{0.1m}& 0& 0& 0\\ 0& \frac{101115N/m}{\left(950kg+110kg\right)\&times;9.8N/Kg}& 0& 0\end{array}\right],D_{11}=\frac{1}{950kg},$

$A_2=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{42720N/m}{950kg}& 0& -\frac{1095N/\left(m/s\right)}{950kg}& \frac{1095N/\left(m/s\right)}{950kg}\\ \frac{42720N/m}{118kg}& -\frac{101115N/m}{118kg}& \frac{1095N/\left(m/s\right)}{118kg}& -\frac{1095N/\left(m/s\right)+14.6N/\left(m/s\right)}{118kg}\end{array}\right],$

$B_2=\left[\begin{array}{c}0\\ 0\\ \frac{1}{950kg}\\ -\frac{1}{118kg}\end{array}\right],B_{w2}=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{14.6N/\left(m/s\right)}{118kg}\end{array}\right],$

$C_{12}=\left[\begin{array}{cccc}-\frac{42720N/m}{950kg}& 0& -\frac{1095N/\left(m/s\right)}{950kg}& \frac{1095N/\left(m/s\right)}{950kg}\end{array}\right],$

$C_{22}=\left[\begin{array}{cccc}\frac{1}{0.1m}& 0& 0& 0\\ 0& \frac{101115N/m}{\left(950kg+118kg\right)\&times;9.8N/Kg}& 0& 0\end{array}\right],D_{12}=\frac{1}{950kg},$

$A_3=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{42720N/m}{960kg}& 0& -\frac{1095N/\left(m/s\right)}{960kg}& \frac{1095N/\left(m/s\right)}{960kg}\\ \frac{42720N/m}{110kg}& -\frac{101115N/m}{110kg}& \frac{1095N/\left(m/s\right)}{110kg}& -\frac{1095N/\left(m/s\right)+14.6N/\left(m/s\right)}{110kg}\end{array}\right],$

$B_3=\left[\begin{array}{c}0\\ 0\\ \frac{1}{960kg}\\ -\frac{1}{110kg}\end{array}\right],B_{w3}=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{14.6N/\left(m/s\right)}{110kg}\end{array}\right],$

$C_{13}=\left[\begin{array}{cccc}-\frac{42720N/m}{960kg}& 0& -\frac{1095N/\left(m/s\right)}{960kg}& \frac{1095N/\left(m/s\right)}{960kg}\end{array}\right],$

$C_{23}=\left[\begin{array}{cccc}\frac{1}{0.1m}& 0& 0& 0\\ 0& \frac{101115N/m}{\left(950kg+110kg\right)\&times;9.8N/Kg}& 0& 0\end{array}\right],D_{13}=\frac{1}{960kg},$

$A_4=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{42720N/m}{960kg}& 0& -\frac{1095N/\left(m/s\right)}{960kg}& \frac{1095N/\left(m/s\right)}{960kg}\\ \frac{42720N/m}{118kg}& -\frac{101115N/m}{118kg}& \frac{1095N/\left(m/s\right)}{118kg}& -\frac{1095N/\left(m/s\right)+14.6N/\left(m/s\right)}{118kg}\end{array}\right],$

$B_4=\left[\begin{array}{c}0\\ 0\\ \frac{1}{960kg}\\ -\frac{1}{118kg}\end{array}\right],B_{w4}=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{c_{t}14.6N/\left(m/s\right)}{118kg}\end{array}\right],$

$C_{14}=\left[\begin{array}{cccc}-\frac{42720N/m}{960kg}& 0& -\frac{1095N/\left(m/s\right)}{960kg}& \frac{1095N/\left(m/s\right)}{960kg}\end{array}\right],$

$C_{24}=\left[\begin{array}{cccc}\frac{1}{0.1m}& 0& 0& 0\\ 0& \frac{101115N/m}{\left(960kg+118kg\right)\&times;9.8N/Kg}& 0& 0\end{array}\right],D_{14}=\frac{1}{960kg}.$

6)根据模糊建模方法，得到整体性的汽车悬架系统的模糊状态空间模型：

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{x}\left(t\right)={\mathrm{\&Sigma;}}_{i=1}^4{h}_i\left(\mathrm{\&xi;}\left(t\right)\right)\&lsqb;A_i\left(t\right)x\left(t\right)+B_{wi}\left(t\right)w\left(t\right)+B_i\left(t\right)u\left(t\right)\&rsqb;\\ z_1\left(t\right)={\mathrm{\&Sigma;}}_{i=1}^4{h}_i\left(\mathrm{\&xi;}\left(t\right)\right)\&lsqb;C_{1i}\left(t\right)x\left(t\right)+D_{1i}\left(t\right)u\left(t\right)\&rsqb;\\ z_2\left(t\right)={\mathrm{\&Sigma;}}_{i=1}^4{h}_i\left(\mathrm{\&xi;}\left(t\right)\right)C_{2i}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.,$

其中，h₁(ξ(t))＝M₁(ξ₁(t))×N₁(ξ₂(t))，h₂(ξ(t))＝M₁(ξ₁(t))×N₂(ξ₂(t))

h₃(ξ(t))＝M₂(ξ₁(t))×N₁(ξ₂(t))，h₄(ξ(t))＝M₂(ξ₁(t))×N₂(ξ₂(t))。

7)针对步骤6)所述整体性的汽车悬架系统的模糊状态空间模型，设计一种智能采样数据输出反馈控制器：

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{\hat{x}}\left(t\right)={\mathrm{\&Sigma;}}_{i=1}^4{h}_i\left(\mathrm{\&xi;}\left(t\right)\right)\left(A_{ci}\hat{x}\left(t\right)+A_{cdi}\hat{x}\left(t_k\right)+B_{ci}y\left(t_k\right)\right)\\ u\left(t\right)={\mathrm{\&Sigma;}}_{i=1}^4{h}_i\left(\mathrm{\&xi;}\left(t\right)\right)C_{ci}\hat{x}\left(t\right)\end{array}\right.,t_k\&le;t<t_{k+1},k=0,1,2,\mathrm{...};$

其中,A_ci、A_cdi、B_ci、C_ci为对应相应模糊规则的适当维数维控制增益矩阵，它们的计算公式为：

这里，矩阵和为非奇异矩阵且满足且以及对称矩阵Q可以通过求解满足如果线性矩阵不等式条件来获得：

$\left[\begin{array}{ccc}{\mathrm{\&Xi;}}_{1ii}& {\mathrm{\&Xi;}}_{2ii}& {\mathrm{\&Xi;}}_{3ii}\\ *& -I& 0\\ *& *& {\mathrm{\&Xi;}}_{4ii}\end{array}\right]<0,i=1,2,3,4;$

$\left[\begin{array}{ccccc}{\mathrm{\&Psi;}}_{1ij}& {\mathrm{\&Psi;}}_{2ij}& {\mathrm{\&Psi;}}_{3ij}& {\mathrm{\&Psi;}}_{4ij}& {\mathrm{\&Psi;}}_{5ij}\\ *& -2I& 0& 0& 0\\ *& *& {\mathrm{\&Psi;}}_{6ij}& {\mathrm{h\&mu;}}_{6ij}& 0\\ *& *& *& {\mathrm{\&Psi;}}_{7ij}& 0\\ *& *& *& *& {\mathrm{\&Psi;}}_{7ij}\end{array}\right]<0,1\&le;i<j\&le;4;$

这里， ${\mathrm{\&Xi;}}_{1ii}=\left[\begin{array}{cccc}{\mathrm{\&lambda;}}_{1ii}-Q& {\mathrm{\&lambda;}}_{2ii}-Q& 0& {\mathrm{\&lambda;}}_{3ii}\\ *& -2Q& Q& 0\\ *& *& -Q& 0\\ *& *& *& -{\mathrm{\&gamma;}}^{2}I\end{array}\right],$

${\mathrm{\&Xi;}}_{2ii}=\left[\begin{array}{c}{\mathrm{\&Xi;}}_{4ii}\\ 0\\ 0\\ 0\end{array}\right],{\mathrm{\&Xi;}}_{3ii}=\left[\begin{array}{c}{\mathrm{h\&lambda;}}_{5ii}\\ {\mathrm{h\&lambda;}}_{6ii}\\ 0\\ {\mathrm{h\&lambda;}}_{7ii}\end{array}\right],$

${\mathrm{\&lambda;}}_{3ii}=\left[\begin{array}{c}{B}_{1i}\\ {\mathrm{SB}}_{1i}\end{array}\right],$

${\mathrm{\&Psi;}}_{1ij}=\left[\begin{array}{cccc}{\mathrm{\&mu;}}_{1ij}+{\mathrm{\&mu;}}_{1ij}^T-2Q& {\mathrm{\&mu;}}_{2ij}+2Q& 0& {\mathrm{\&mu;}}_{3ij}\\ *& -4Q& Q& 0\\ *& *& -2Q& 0\\ *& *& *& -2{\mathrm{\&gamma;}}^{2}I\end{array}\right],{\mathrm{\&Psi;}}_{2ij}=\left[\begin{array}{c}{\mathrm{\&mu;}}_{4ij}\\ 0\\ 0\\ 0\end{array}\right],{\mathrm{\&Psi;}}_{3ij}=\left[\begin{array}{c}{\mathrm{h\&mu;}}_{5ij}\\ {\mathrm{h\&mu;}}_{8ij}\\ 0\\ {\mathrm{h\&mu;}}_{9ij}\end{array}\right],$

${\mathrm{\&Psi;}}_{4ij}=\left[\begin{array}{c}{\mathrm{\&mu;}}_{6ij}\\ 0\\ 0\\ 0\end{array}\right],{\mathrm{\&Psi;}}_{5ij}=\left[\begin{array}{c}{\mathrm{\&mu;}}_{7ij}\\ 0\\ 0\\ 0\end{array}\right],$ ${\mathrm{\&Psi;}}_{7ij}=\left[\begin{array}{cc}-I& 0\\ 0& -I\end{array}\right],$

${\mathrm{\&mu;}}_{3ij}=\left[\begin{array}{c}{B}_{1i}+B_{1j}\\ {\mathrm{SB}}_{1i}+{\mathrm{SB}}_{1j}\end{array}\right],$

${\mathrm{\&mu;}}_{9ij}=\left[\begin{array}{cc}{B}_{1i}^T+B_{1j}^T& B_{1i}^{T}S+B_{1j}^{T}S\end{array}\right],$

为矩阵C_2i的第一行的转置向量，为矩阵C_2i的第二行的转置向量,h为控制系统相邻采样时刻的最大间隔，即t_k+1-t_k≤h，单位为s；θ和ρ为设计者根据汽车悬架系统的高性能控制目标来给定的值，可由经验值给出；γ为采用所述模糊采样控制器得到的控制系统对于外部干扰的抑制指标参考值，其为无量纲数，其值大小可由汽车的使用者在容许范围内按照自身需求来调节设定。特别地，本实施例中满足本步骤中线性矩阵不等式成立的γ的最小值为γ_min＝123.1686,也就是说，只要用户选择大于等于γ_min的抑制指标参考值γ，本发明方法均可满足其需求。

8)使用所述步骤7)中给出的智能采样数据输出反馈控制器进行汽车悬架系统的在线控制，使得闭环系统渐近稳定且满足对于外部干扰的抑制指标小于参考值γ，且须满足y≥γ_min。

图2给出了本发明控制方法投入前的汽车悬架系统开环响应曲线图，此时在汽车加减速时未对汽车悬架系统进行任何有效的补偿控制措施；由图2可以看出，开环响应曲线的振幅大，具有非常明显的震荡，严重影响了汽车行驶的平顺性和操纵稳定性；这也侧面印证了汽车悬架系统的智能采样数据输出反馈控制方法研发的必要性。图3给出了本发明控制方法投入后的汽车悬架系统闭环响应曲线图。由图3可以看出，本发明所述方法有效消除了汽车加减速时的震荡现象，闭环响应曲线非常平缓，最终显著改善驾驶者的舒适度和操纵稳定性，实现了汽车悬架系统的高性能控制目标。值得指出的是，本发明方法不需要在线测量汽车悬架系统的所有系统状态变量值，降低了控制方法对检测技术的要求和检测元件配置的要求，提高了汽车悬架系统的可靠性和经济性。

以上实施例仅用于说明本发明的技术思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施。本发明的专利范围不限于上述实施例，凡依据本发明所揭示的原理、设计思想所做的等同变化或修饰，均在本发明的专利范围之内。

Claims (1)

1.一种汽车悬架系统的智能采样数据输出反馈控制方法，其特征在于：它包括以下技术步骤：

1)应用力学原理建立起如下汽车悬架系统动态模型：

$m_s\left(t\right){\stackrel{\&CenterDot;\&CenterDot;}{z}}_s\left(t\right)+c_s\&lsqb;{\stackrel{\&CenterDot;}{z}}_s\left(t\right)-{\stackrel{\&CenterDot;}{z}}_u\left(t\right)\&rsqb;+k_s\&lsqb;z_s\left(t\right)-z_u\left(t\right)\&rsqb;=u\left(t\right),---\left(1\right)$

$\begin{array}{c}{m}_u\left(t\right){\stackrel{\&CenterDot;\&CenterDot;}{z}}_u\left(t\right)+c_s\&lsqb;{\stackrel{\&CenterDot;}{z}}_u\left(t\right)-{\stackrel{\&CenterDot;}{z}}_s\left(t\right)\&rsqb;+k_s\&lsqb;z_u\left(t\right)-z_s\left(t\right)\&rsqb;+k_t\&lsqb;z_u\left(t\right)-z_r\left(t\right)\&rsqb;+c_t\&lsqb;{\stackrel{\&CenterDot;}{z}}_u\left(t\right)-{\stackrel{\&CenterDot;}{z}}_r\left(t\right)\&rsqb;=\\ -u\left(t\right)\end{array}---\left(2\right)$

其中，m_s(t)为汽车底盘的弹性质量，单位为Kg；m_u(t)为车轮部件的非弹性质量，单位为Kg；u(t)为汽车悬架系统的控制输入量，单位为N；z_s(t)为m_s以水平地面为起始点垂直向上方向上的坐标位置，单位为m；z_u(t)为m_u以水平地面为起始点垂直向上方向上的坐标位置，单位为m；z_r(t)为以水平地面为起始点垂直向上方向上路面接触点坐标位置，单位为m；c_s为汽车悬架系统的阻尼系数，单位为N/(m/s)；k_s为汽车悬架系统的硬度系数，单位为N/m；c_t为汽车轮胎的阻尼系数，单位为N/(m/s)；k_t为汽车轮胎的硬度系数，单位为N/mp；

2)基于汽车的机械结构特性和可允许乘客数目及质量的变化情况，确定出m_s(t)和m_u(t)的变化范围为：m_s(t)∈[m_smin,m_smax]和m_u(t)∈[m_umin,m_umax]；

3)考虑与高舒适度和高安全性相关的主要影响因素，构造如下两个物理量来用于评价控制方法的性能优劣，

$z_1\left(t\right)={\stackrel{\&CenterDot;\&CenterDot;}{z}}_s\left(t\right),---\left(3\right)$

$z_2\left(t\right)={\left[\begin{array}{cc}\frac{z_s\left(t\right)-z_u\left(t\right)}{z_{\max }}& \frac{k_t(z_u\left(t\right)-z_r\left(t\right))}{(m_s\left(t\right)+m_u\left(t\right))g}\end{array}\right]}^T,---\left(4\right)$

其中，g为重力常数，单位为N/Kg；z_max为汽车悬架系统的最大偏移量，单位为m；且有|z_s(t)-z_u(t)|≤z_max和k_t(z_u(t)-z_r(t))<(m_s(t)+m_u(t))g同时成立；

4)根据所述步骤1)中给出的汽车悬架系统动态模型，建立起汽车悬架系统的状态空间模型：

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{x}\left(t\right)=A\left(t\right)x\left(t\right)+B_w\left(t\right)w\left(t\right)+B\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_1\left(t\right)x\left(t\right)+D_1\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_2\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.---\left(5\right)$

其中，x(t)＝[x₁(t)x₂(t)x₃(t)x₄(t)]^T,x₁(t)＝z_s(t)-z_u(t),x₂(t)＝z_u(t)-z_r(t), $x_3\left(t\right)={\stackrel{\&CenterDot;}{z}}_s\left(t\right),x_4\left(t\right)={\stackrel{\&CenterDot;}{z}}_u\left(t\right),w\left(t\right)={\stackrel{\&CenterDot;}{z}}_r\left(t\right),y\left(t\right)$ y(t)为系统可测输出变量，控制器对于系统的内部信息的获取是通过测量y(t)来实现；

$A\left(t\right)=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{k_s}{m_s\left(t\right)}& 0& -\frac{c_s}{m_s\left(t\right)}& \frac{c_s}{m_s\left(t\right)}\\ \frac{k_s}{m_u\left(t\right)}& -\frac{k_t}{m_u\left(t\right)}& \frac{c_s}{m_u\left(t\right)}& -\frac{c_s+c_t}{m_u\left(t\right)}\end{array}\right],$

$B\left(t\right)=\left[\begin{array}{c}0\\ 0\\ \frac{1}{m_s\left(t\right)}\\ -\frac{1}{m_u\left(t\right)}\end{array}\right],B_w\left(t\right)=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{c_t}{m_u\left(t\right)}\end{array}\right],$

$C_1\left(t\right)=\&lsqb;\begin{array}{cccc}-\frac{k_s}{m_s\left(t\right)}& 0& -\frac{c_s}{m_s\left(t\right)}& \frac{c_s}{m_s\left(t\right)}\end{array}\&rsqb;,C=\&lsqb;\begin{array}{cccc}1& 1& 1& 0\end{array}\&rsqb;,$

$C_2\left(t\right)=\left[\begin{array}{cccc}\frac{1}{z_{\max }}& 0& 0& 0\\ 0& \frac{k_t}{\left(m_s\right(t)+m_u(t\left)\right)g}& 0& 0\end{array}\right],D_1\left(t\right)=\frac{1}{m_s\left(t\right)};$

5)根据m_s(t)和m_u(t)的可变特性，两个模糊前件变量选定为和利用Takagi-Sugeno模糊模型建模规则建立汽车悬架系统的模糊状态空间模型：

规则1：如果ξ₁(t)为M₁(ξ₁(t))且ξ₂(t)为N₁(ξ₂(t))，那么

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{x}\left(t\right)=A_1\left(t\right)x\left(t\right)+B_{w1}\left(t\right)w\left(t\right)+B_1\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_{11}\left(t\right)x\left(t\right)+D_{11}\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_{21}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.;---\left(6\right)$

规则2：如果ξ₁(t)为M₁(ξ₁(t))且ξ₂(t)为N₂(ξ₂(t))，那么

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{x}\left(t\right)=A_2\left(t\right)x\left(t\right)+B_{w2}\left(t\right)w\left(t\right)+B_2\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_{12}\left(t\right)x\left(t\right)+D_{12}\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_{22}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.;---\left(7\right)$

规则3：如果ξ₁(t)为M₂(ξ₁(t))且ξ₂(t)为N₁(ξ₂(t))，那么

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{x}\left(t\right)=A_3\left(t\right)x\left(t\right)+B_{w3}\left(t\right)w\left(t\right)+B_3\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_{13}\left(t\right)x\left(t\right)+D_{13}\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_{23}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.;---\left(8\right)$

规则4：如果ξ₁(t)为M₂(ξ₁(t))且ξ₂(t)为N₂(ξ₂(t))，那么

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{x}\left(t\right)=A_4\left(t\right)x\left(t\right)+B_{w4}\left(t\right)w\left(t\right)+B_4\left(t\right)u\left(t\right)\\ z_1\left(t\right)=C_{14}\left(t\right)x\left(t\right)+D_{14}\left(t\right)u\left(t\right)\\ z_2\left(t\right)=C_{24}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.;---\left(9\right)$

其中， $M_1\left({\mathrm{\&xi;}}_1\right(t\left)\right)=\frac{\frac{1}{m_s\left(t\right)}-\frac{1}{m_{smax}}}{\frac{1}{m_{s\min }}-\frac{1}{m_{smax}}},M_2\left({\mathrm{\&xi;}}_1\right(t\left)\right)=\frac{\frac{1}{m_{smin}}\frac{1}{m_s\left(t\right)}}{\frac{1}{m_{smin}}-\frac{1}{m_{smax}}},$

$N_1\left({\mathrm{\&xi;}}_2\right(t\left)\right)=\frac{\frac{1}{m_u\left(t\right)}-\frac{1}{m_{u\max }}}{\frac{1}{m_{u\min }}-\frac{1}{m_{u\max }}},N_2\left({\mathrm{\&xi;}}_2\right(t\left)\right)=\frac{\frac{1}{m_{u\min }}-\frac{1}{m_u\left(t\right)}}{\frac{1}{m_{u\min }}-\frac{1}{m_{u\max }}},$

$A_1=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{k_s}{m_{s\min }}& 0& -\frac{c_s}{m_{s\min }}& \frac{c_s}{m_{s\min }}\\ \frac{k_s}{m_{u\min }}& -\frac{k_t}{m_{u\min }}& \frac{c_s}{m_{u\min }}& -\frac{c_s+c_t}{m_{u\min }}\end{array}\right],$

$B_1=\left[\begin{array}{c}0\\ 0\\ \frac{1}{m_{s\min }}\\ -\frac{1}{m_{u\min }}\end{array}\right],B_{w1}=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{c_t}{m_{u\min }}\end{array}\right],$

$C_{11}=\&lsqb;\begin{array}{cccc}-\frac{k_s}{m_{smin}}& 0& -\frac{c_s}{m_{smin}}& \frac{c_s}{m_{smin}}\end{array}\&rsqb;,$

$C_{21}=\left[\begin{array}{cccc}\frac{1}{z_{max}}& 0& 0& 0\\ 0& \frac{k_t}{(m_{smin}+m_{umin})g}& 0& 0\end{array}\right],D_{11}=\frac{1}{m_{smin}},$

$A_2=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{k_s}{m_{s\min }}& 0& -\frac{c_s}{m_{s\min }}& \frac{c_s}{m_{s\min }}\\ \frac{k_s}{m_{u\max }}& -\frac{k_t}{m_{u\max }}& \frac{c_s}{m_{u\max }}& -\frac{c_s+c_t}{m_{u\max }}\end{array}\right],$

$B_2=\left[\begin{array}{c}0\\ 0\\ \frac{1}{m_{s\min }}\\ -\frac{1}{m_{u\max }}\end{array}\right],B_{w2}=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{c_t}{m_{u\max }}\end{array}\right],$

$C_{12}=\&lsqb;\begin{array}{cccc}-\frac{k_s}{m_{smin}}& 0& -\frac{c_s}{m_{smin}}& \frac{c_s}{m_{smin}}\end{array}\&rsqb;,$

$C_{22}=\left[\begin{array}{cccc}\frac{1}{z_{max}}& 0& 0& 0\\ 0& \frac{k_t}{(m_{smin}+m_{umax})g}& 0& 0\end{array}\right],D_{12}=\frac{1}{m_{s\min }},$

$A_3=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{k_s}{m_{s\max }}& 0& -\frac{c_s}{m_{s\max }}& \frac{c_s}{m_{s\max }}\\ \frac{k_s}{m_{u\min }}& -\frac{k_t}{m_{u\min }}& \frac{c_s}{m_{u\min }}& -\frac{c_s+c_t}{m_{u\min }}\end{array}\right],$

$B_3=\left[\begin{array}{c}0\\ 0\\ \frac{1}{m_{s\max }}\\ -\frac{1}{m_{u\min }}\end{array}\right],B_{w3}=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{c_t}{m_{u\min }}\end{array}\right],$

$C_{13}=\&lsqb;\begin{array}{cccc}-\frac{k_s}{m_{smax}}& 0& -\frac{c_s}{m_{smax}}& \frac{c_s}{m_{smax}}\end{array}\&rsqb;,$

$C_{23}=\left[\begin{array}{cccc}\frac{1}{z_{max}}& 0& 0& 0\\ 0& \frac{k_t}{(m_{smax}+m_{umin})g}& 0& 0\end{array}\right],D_{13}=\frac{1}{m_{smax}},$

$A_4=\left[\begin{array}{cccc}0& 0& 1& -1\\ 0& 0& 0& 1\\ -\frac{k_s}{m_{s\max }}& 0& -\frac{c_s}{m_{s\max }}& \frac{c_s}{m_{s\max }}\\ \frac{k_s}{m_{u\max }}& -\frac{k_t}{m_{u\max }}& \frac{c_s}{m_{u\max }}& -\frac{c_s+c_t}{m_{u\max }}\end{array}\right],$

$B_4=\left[\begin{array}{c}0\\ 0\\ \frac{1}{m_{s\max }}\\ -\frac{1}{m_{u\max }}\end{array}\right],B_{w4}=\left[\begin{array}{c}0\\ -1\\ 0\\ -\frac{c_t}{m_{u\max }}\end{array}\right],$

$C_{14}=\&lsqb;\begin{array}{cccc}-\frac{k_s}{m_{smax}}& 0& -\frac{c_s}{m_{smax}}& \frac{c_s}{m_{smax}}\end{array}\&rsqb;,$

$C_{24}=\left[\begin{array}{cccc}\frac{1}{z_{max}}& 0& 0& 0\\ 0& \frac{k_t}{(m_{smax}+m_{umax})g}& 0& 0\end{array}\right],D_{14}=\frac{1}{m_{smax}};$

6)根据模糊建模方法，得到整体性的汽车悬架系统的模糊状态空间模型：

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{x}\left(t\right)={\mathrm{\&Sigma;}}_{i=1}^4{h}_i\left(\mathrm{\&xi;}\right(t\left)\right)\&lsqb;A_i\left(t\right)x\left(t\right)+B_{wi}\left(t\right)w\left(t\right)+B_i\left(t\right)u\left(t\right)\&rsqb;\\ z_1\left(t\right)={\mathrm{\&Sigma;}}_{i=1}^4{h}_i\left(\mathrm{\&xi;}\right(t\left)\right)\&lsqb;C_{1i}\left(t\right)x\left(t\right)+D_{1i}\left(t\right)u\left(t\right)\&rsqb;\\ z_2\left(t\right)={\mathrm{\&Sigma;}}_{i=1}^4{h}_i\left(\mathrm{\&xi;}\right(t\left)\right)C_{2i}\left(t\right)x\left(t\right)\\ y\left(t\right)=Cx\left(t\right)\end{array}\right.,---\left(10\right)$

其中，h₁(ξ(t))＝M₁(ξ₁(t))×N₁(ξ₂(t)),h₂(ξ(t))＝M₁(ξ₁(t))×N₂(ξ₂(t))h₃(ξ(t))＝M₂(ξ₁(t))×N₁(ξ₂(t)),h₄(ξ(t))＝M₂(ξ₁(t))×N₂(ξ₂(t))；

7)针对步骤6)所述整体性的汽车悬架系统的模糊状态空间模型，设计一种智能采样数据输出反馈控制器：

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{\hat{x}}\left(t\right)={\mathrm{\&Sigma;}}_{i=1}^4{h}_i\left(\mathrm{\&xi;}\right(t\left)\right)\left(A_{ci}\hat{x}\right(t)+A_{cdi}\hat{x}(t_k)+B_{ci}y(t_k\left)\right)\\ u\left(t\right)={\mathrm{\&Sigma;}}_{i=1}^4{h}_i\left(\mathrm{\&xi;}\right(t\left)\right)C_{ci}\hat{x}\left(y\right)\end{array}\right.,t_k\&le;t<t_{k+1},k=0,1,2,...;---\left(11\right)$

其中,A_ci、A_cdi、B_ci、C_ci为对应相应模糊规则的适当维数维控制增益矩阵，它们的计算公式为：

这里，矩阵和为非奇异矩阵且满足且以及对称矩阵Q可以通过求解满足如果线性矩阵不等式条件来获得：

$\left[\begin{array}{ccc}{\mathrm{\&Xi;}}_{1ii}& {\mathrm{\&Xi;}}_{2ii}& {\mathrm{\&Xi;}}_{3ii}\\ *& -I& 0\\ *& *& {\mathrm{\&Xi;}}_{4ii}\end{array}\right]<0,i=1,2,3,4;---\left(15\right)$

$\left[\begin{array}{ccccc}{\mathrm{\&Psi;}}_{1ij}& {\mathrm{\&Psi;}}_{2ij}& {\mathrm{\&Psi;}}_{3ij}& {\mathrm{\&Psi;}}_{4ij}& {\mathrm{\&Psi;}}_{5ij}\\ *& -2I& 0& 0& 0\\ *& *& {\mathrm{\&Psi;}}_{6ij}& {\mathrm{h\&mu;}}_{6ij}& 0\\ *& *& *& {\mathrm{\&Psi;}}_{7ij}& 0\\ *& *& *& *& {\mathrm{\&Psi;}}_{7ij}\end{array}\right]<0,1\&le;i<j\&le;4;---\left(16\right)$

这里， ${\mathrm{\&Xi;}}_{1ii}=\left[\begin{array}{cccc}{\mathrm{\&lambda;}}_{1ii}-Q& {\mathrm{\&lambda;}}_{2ii}+Q& 0& {\mathrm{\&lambda;}}_{3ii}\\ *& -2Q& Q& 0\\ *& *& -Q& 0\\ *& *& *& -{\mathrm{\&gamma;}}^{2}I\end{array}\right],$

${\mathrm{\&Xi;}}_{2\mathrm{ii}}=\left[\begin{array}{c}{\mathrm{\&lambda;}}_{4\mathrm{ii}}\\ 0\\ 0\\ 0\end{array}\right],{\mathrm{\&Xi;}}_{3\mathrm{ii}}=\left[\begin{array}{c}{\mathrm{h\&lambda;}}_{5\mathrm{ii}}\\ {\mathrm{h\&lambda;}}_{6\mathrm{ii}}\\ 0\\ {\mathrm{h\&lambda;}}_{7\mathrm{ii}}\end{array}\right],$

${\mathrm{\&lambda;}}_{3ii}=\left[\begin{array}{c}{B}_{1i}\\ {\mathrm{SB}}_{1i}\end{array}\right],$

${\mathrm{\&Psi;}}_{1ij}=\left[\begin{array}{cccc}{\mathrm{\&mu;}}_{1ij}+{\mathrm{\&mu;}}_{1ij}^T-2Q& {\mathrm{\&mu;}}_{2ij}+2Q& 0& {\mathrm{\&mu;}}_{3ij}\\ *& -4Q& Q& 0\\ *& *& -2Q& 0\\ *& *& *& -2{\mathrm{\&gamma;}}^{2}I\end{array}\right],{\mathrm{\&Psi;}}_{2ij}=\left[\begin{array}{c}{\mathrm{\&mu;}}_{4ij}\\ 0\\ 0\\ 0\end{array}\right],{\mathrm{\&Psi;}}_{3ij}=\left[\begin{array}{c}{\mathrm{h\&mu;}}_{5ij}\\ {\mathrm{h\&mu;}}_{8ij}\\ 0\\ {\mathrm{h\&mu;}}_{9ij}\end{array}\right],$

${\mathrm{\&Psi;}}_{4\mathrm{ij}}=\left[\begin{array}{c}{\mathrm{\&mu;}}_{6\mathrm{ij}}\\ 0\\ 0\\ 0\end{array}\right]{\mathrm{\&Psi;}}_{5\mathrm{ij}}=\left[\begin{array}{c}{\mathrm{\&mu;}}_{7\mathrm{ij}}\\ 0\\ 0\\ 0\end{array}\right],$ ${\mathrm{\&Psi;}}_{7ij}=\left[\begin{array}{cc}-I& 0\\ 0& -I\end{array}\right],$

${\mathrm{\&mu;}}_{3ij}=\left[\begin{array}{c}{B}_{1i}+B_{1j}\\ {\mathrm{SB}}_{1i}+{\mathrm{SB}}_{1j}\end{array}\right],$

${\mathrm{\&mu;}}_{9ij}=\&lsqb;\begin{array}{cc}{B}_{1i}^T+B_{1j}^T& B_{1i}^{T}S+B_{1j}^{T}S\end{array}\&rsqb;,$

为矩阵C_2i的第一行的转置向量，为矩阵C_2i的第二行的转置向量,

h为控制系统相邻采样时刻的最大间隔，即t_k+1-t_k≤h，单位为s；θ和ρ为设计者根据汽车悬架系统的高性能控制目标来给定的值，可由经验值给出；γ为采用所述模糊采样控制器得到的控制系统对于外部干扰的抑制指标参考值，其为无量纲数，其值大小可由汽车的使用者在容许范围内按照自身需求来调节设定；

8)使用所述步骤7)中给出的智能采样数据输出反馈控制器进行汽车悬架系统的在线控制，使得闭环系统渐近稳定且满足对于外部干扰的抑制指标小于参考值γ。