CN106347059B - 一种基于粒子群算法的轮毂驱动电动汽车主动悬架双回路pid控制方法 - Google Patents

一种基于粒子群算法的轮毂驱动电动汽车主动悬架双回路pid控制方法 Download PDF

Info

Publication number
CN106347059B
CN106347059B CN201610817851.4A CN201610817851A CN106347059B CN 106347059 B CN106347059 B CN 106347059B CN 201610817851 A CN201610817851 A CN 201610817851A CN 106347059 B CN106347059 B CN 106347059B
Authority
CN
China
Prior art keywords
control
particle
active suspension
wheel hub
loop
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
Application number
CN201610817851.4A
Other languages
English (en)
Other versions
CN106347059A (zh
Inventor
谭迪
鲁超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Technology
Original Assignee
Shandong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University of Technology filed Critical Shandong University of Technology
Priority to CN201610817851.4A priority Critical patent/CN106347059B/zh
Publication of CN106347059A publication Critical patent/CN106347059A/zh
Application granted granted Critical
Publication of CN106347059B publication Critical patent/CN106347059B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G17/00—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load
    • B60G17/015—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements
    • B60G17/018—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements characterised by the use of a specific signal treatment or control method
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2600/00—Indexing codes relating to particular elements, systems or processes used on suspension systems or suspension control systems
    • B60G2600/16—Integrating means, i.e. integral control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2600/00—Indexing codes relating to particular elements, systems or processes used on suspension systems or suspension control systems
    • B60G2600/17—Proportional control, i.e. gain control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2600/00—Indexing codes relating to particular elements, systems or processes used on suspension systems or suspension control systems
    • B60G2600/18—Automatic control means
    • B60G2600/182—Active control means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2600/00—Indexing codes relating to particular elements, systems or processes used on suspension systems or suspension control systems
    • B60G2600/73—Electrical control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2600/00—Indexing codes relating to particular elements, systems or processes used on suspension systems or suspension control systems
    • B60G2600/74—Analog systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60G—VEHICLE SUSPENSION ARRANGEMENTS
    • B60G2800/00—Indexing codes relating to the type of movement or to the condition of the vehicle and to the end result to be achieved by the control action
    • B60G2800/90—System Controller type
    • B60G2800/91—Suspension Control

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Vehicle Body Suspensions (AREA)

Abstract

本发明公开一种基于粒子群算法的轮毂驱动电动汽车主动悬架双回路PID控制方法，技术方案如下：初始化粒子群算法，并将粒子依次赋值给主动悬架双回路控制结构中各PID控制器的控制参数；利用所设计的双回路控制结构，包括：控制簧载质量惯性引起的振动的外环控制回路和控制路面及电磁激励所引起的振动的内环控制回路，进行主动悬架控制；根据控制结果进行适应度函数值的计算，并判断其值是否收敛到最小值或迭代次数是否达到最大值；若判断满足收敛条件，则输出全局最优值；否则更新粒子重新计算，直至找到全局最优值。采用该控制方法，不仅能较好的缓和路面和电磁激励传递到车架和车身振动，还可以在一定程度上改善簧载质量惯性引起的振动。

Description

一种基于粒子群算法的轮毂驱动电动汽车主动悬架双回路 PID控制方法
技术领域
本发明涉属于电动汽车底盘控制技术领域，尤其涉及一类轮毂电驱动系统减振设计方法。
技术背景
车辆的悬架系统是提高车辆乘坐舒适性和操纵稳定性的关键部件。在车辆行驶过程中，主动悬架可根据汽车的运动状态、道路条件以及载荷等参数的变化，产生预期的主动控制力，使悬架系统始终处于最佳的工作状态，进而改善车辆的乘坐舒适性和操纵稳定性。因此，主动悬架的控制成为汽车悬架领域的重要发展方向。
随着现代控制理论和技术的发展，更多的控制方法应用于主动悬架控制当中，如PID控制、最优控制、模糊控制、神经网络控制等。在主动悬架控制研究中，大多是应用上述单一控制算法对主动悬架进行控制，在这些控制当中，PID控制结构和算法简单，鲁棒性强，控制效果好，在车辆主动悬架控制中应用最为广泛。少数学者将PID算法和另一种智能控制算法(如：模糊控制或神经网络)综合应用到主动悬架的控制，结果表明，综合控制算法优于单一控制器，能有效改善车辆性能。但目前关于主动悬架的控制方法均是以传统车辆为对象采用单回路PID控制结构对主动悬架进行的控制研究。
对于轮毂驱动电动汽车来说，其在垂向除了受到来自路面不平度激励的作用外，由于驱动电机直接集成于车轮内，路面激励、载荷不均等引起的电机气隙变形将导致不平衡电磁力的产生，并直接作用于轮毂驱动系统，对车辆的乘坐舒适性和操纵稳定性产生一定的影响，同时也大大增加了主动悬架控制的难度，需要提供高效可行的控制方法对其进行控制。
发明内容
本发明的目的在于针对轮毂驱动电动汽车的结构特点和其特有的振动问题，提出一种基于粒子群算法和PID控制相结合的主动悬架双回路PID控制方法，对轮毂驱动电动汽车进行主动悬架控制，更好的缓和来自路面不平和不平衡电磁力的激励传递给车架和车身的冲击和振动，达到改善车辆乘坐舒适性的目的。
本发明的目的通过如下技术方案实现：
根据所述双回路控制结构的复杂程度，通过基于惯性权重的基本粒子群算法及其各种改进算法的初始化将粒子群体大小、粒子维度、迭代次数、粒子初始速度及初始位置设置为不同值；将粒子依次赋值为主动悬架双回路控制结构中的各PID控制器的三个控制参数Kp、Ki、Kd；利用所设计的轮毂驱动电动汽车主动悬架双回路PID控制结构，包括：控制簧载质量惯性引起的振动的外环控制回路和控制路面及电磁复合激励所引起的振动的内环控制回路，它们由不同个数的PID控制器组成，或是由P、PI、PD及PID四者中两两组合、三三组合或共同组合的控制器，对进行路面激励和电磁激励下的主动悬架控制力进行控制，其中路面激励可以由路面不平度的时域表达式或频域表达式计算得到，也可由试验测试得到，电磁激励可根据具体应用对象所采用的轮毂电机的类型的相关计算公式计算得到，也可由试验测试得到，并且轮毂电机的类型是直流电机或交流电机；根据控制的结果进行适应度函数值的计算，所述适应度函数是指根据应用对象的性能要求所指定的控制目标函数，对应用对象的性能要求不同，适应度函数的表达形式不同；根据计算得到的适应度函数值来判断迭代次数是否达到粒子群初始化时设置的最大迭代次数或适应度函数值是否收敛到最小值；若判断结果为满足迭代次数达到上述初始化所设定的最大迭代次数或适应度函数值已经收敛到最小值，则输出全局最优值及适应度函数值；若判断结果为迭代次数没有达到最大迭代次数或适应度函数值没有收敛到最小值，则根据适应度函数值更新个体极值pbest和全局极值gbest，分别是粒子自身目前所找到的最优解和整个种群当前找到的最优解，并根据粒子速度和位置的相关更新公式，即通过粒子群算法中的更新公式来更新粒子的速度和位置，重新进行计算；直至找到全局最优值及其适应度函数值，优化过程结束。
本发明属于电动汽车底盘控制技术领域，尤其涉及一类轮毂电驱动系统减振设计方法。采用该方法对轮毂驱动电动汽车主动悬架进行控制，不仅可以较好的缓和来自路面不平和不平衡电磁力的激励传递给车架和车身的冲击和振动，还可以使由簧载质量惯性引起的振动得到一定的控制，从而使车辆的乘坐舒适性有较大改善。
附图说明
下面结合附图和实施实例对本发明做进一步说明。
图1是本发明基于粒子群算法的轮毂驱动电动汽车主动悬架双回路PID控制方法的流程图。
图2是本发明实施例1的具体方法的实现流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细的说明，但本发明的实施方式不限于此。
如图2流程图所示，本发明提出的一种基于粒子群算法的轮毂驱动电动汽车主动悬架双回路PID控制方法，其步骤包括：S1：开始；S2：粒子群算法初始化；S3：粒子依次赋值给主动悬架双回路控制结构中的各PID控制器的三个控制参数Kp、Ki、Kd；S4：利用所设计的轮毂驱动电动汽车主动悬架双回路控制结构对主动悬架进行控制；S5：输出适应度函数值；S6：是否达到最大迭代次数或满足适应度函数值下限？S7：满足控制要求，输出全局最优值及其适应度函数；S8：不满足控制要求，根据适应度函数值更新个体极值pbest和全局极值gbest，并更新粒子位置和速度，重复步骤S2-S6，直至满足控制要求；S9：结束优化。
本发明的进一步优选方案是：
(1)步骤S1的开始是控制算法开始对主动悬架进行控制。
(2)步骤S2粒子群算法初始化具体包括粒子群体大小、粒子维度、迭代次数、粒子初始速度及初始位置的设置。
(3)步骤S3是粒子依次赋值为主动悬架双回路控制结构中的各PID控制器的三个控制参数Kp、Ki、Kd，本实施例中主动悬架双回路控制结构中共有7个PID，即共给21个控制参数赋值。
(4)步骤S4是利用所设计的轮毂驱动电动汽车主动悬架双回路控制结构对主动悬架进行控制。所述主动悬架双回路控制结构包括：S41外环路控制；S42内环路控制；S43路面激励模型；S44电磁激励模型；S45轮毂驱动电动汽车动力学模型。所述主动悬架双回路控制即为：S41外环路控制回路和S42内环控制回路。
所述S41外环路控制回路，选择汽车质心垂向加速度、俯仰角和侧倾角三个变量的期望值与实际值之间的偏差分别作为三个PID控制器的输入量，将分别得到所对应的外环路悬架控制力fz、fθ和fφ，用以稳定车身垂直、俯仰、侧倾的运动状态，减小簧载质量惯性引起的振动。根据车身与悬架力学关系，可以得到fz、fθ和fφ与悬架控制力fi(i＝fl,fr,rl,rr)之间的关系，其矩阵的形式为：
通过求解其H的广义逆矩阵，可以得到四个悬架的目标控制力fi(i＝fl,fr,rl,rr)为：
所述S42内环控制回路，对于内环路控制器来说，选择悬架动行程的期望值与实际值之间的偏差Δzi(i＝1,2,3,4)四个PID控制器的输入量，输出变量为内环路悬架控制力pj(i＝fl,fr,rl,rr)，以减小路面及电磁复合激励所引起的振动。
悬架总的控制力即为所述S41外环路控制回路所得到的控制力和所述S42内环控制回路所得到的控制力的和：
所述S45的轮毂驱动电动汽车动力学模型，是针对具体轮毂驱动电动汽车结构建立的能够反映车辆动力学特性的模型，可以是利用集中参量法建立的集中质量参数动力学模型，也可以是用多刚性体性软件或有限元软件建立的车辆动力学模型。
所述S43的路面激励模型是指能模拟路面不平度输入的时域模型或频域模型，或通过实验测试得到的路面平度输入数据；所述S44的电磁激励模型是指由于路面激励、载荷不均等引起的电机气隙变形而产生的不平衡电磁力，其根据轮毂电机的不同类型，有不同的数学表达式。
(5)步骤S5是根据控制的结果进行适应度函数值的计算。所述适应度函数是指根据应用对象的性能要求所指定的控制目标函数，对应用对象的性能要求不同，制定的控制目标函数会有所不同。本实施例选择垂向加速度、侧倾角、俯仰角作为控制优化目标，可得到适应度函数为：
σa(φ)、σa(θ)分别为进行控制时车辆的垂向加速度、侧倾角、俯仰角的均方根值，σp(φ)、σp(θ)分别为无控制时车辆的垂向加速度、侧倾角、俯仰角的均方根值，λ1、λ2、λ3分别为垂向加速度、侧倾角、俯仰角三个性能指标的权重值。
(6)步骤S6是根据所述步骤S4计算得到的适应度函数值来判断迭代次数是否达到所述步骤2中设置的最大迭代次数或所述步骤S5的适应度函数值是否收敛到最小值。
(7)步骤S7是所述步骤S6的判断结果是迭代次数达到最大迭代次数或适应度函数值已经收敛到最小值，此时输出全局最优值及适应度函数值。
(8)步骤S8是所述步骤S6的判断结果迭代次数没有达到最大迭代次数或适应度函数值没有收敛到最小值，此时需要根据适应度函数值更新个体极值pbest和全局极值gbest，所述个体极值pbest是指粒子自身目前所找到的最优解，所述全局极值gbest是指整个种群当前找到的最优解，并按照如下公式进行粒子速度和位置的更新。
vij为第i个粒子的第j维速度，-vijmax≤vij≤vijmax；xij为第i个粒子的第j维位置坐标，-xijmax≤xij≤xijmax；pbestij是第i个粒子的第j维个体极值坐标，gbestij是群体第j维的全局极值坐标，k是迭代次数；c1、c2是学习系数；r1、r2是介于[0，1]之间的随机数；wk是惯性权重系数，其决定了粒子在全局和局部范围的搜索能力。
进行粒子速度和位置的更新后，重复步骤S2-S6。
(9)步骤S9是满足控制要求，输出全局最优值及其适应度函数值后，结束优化过程。

Claims (9)

1.一种基于粒子群算法的轮毂驱动电动汽车主动悬架双回路PID控制方法，其特征在于,包括如下步骤:
(1)基于粒子群算法的轮毂驱动电动汽车主动悬架双回路PID控制算法开始对主动悬架主动力进行控制；
(2)粒子群算法的初始化，具体包括粒子群体大小、粒子维度、迭代次数、粒子初始速度及初始位置的设置；
(3)所述粒子依次赋值为主动悬架双回路控制结构中的各PID控制器的控制参数Kp、Ki、Kd；
(4)利用所设计的轮毂驱动电动汽车主动悬架双回路控制结构对主动悬架控制力进行控制；
(5)根据所述步骤(4)控制的结果进行适应度函数值的计算和输出；
(6)根据所述步骤(5)计算得到的适应度函数值来判断迭代次数是否达到所述步骤(2)中设置的最大迭代次数或所述步骤(5)的适应度函数值是否收敛到最小值；
(7)所述步骤(6)的判断结果若是：迭代次数达到最大迭代次数或适应度函数值已经收敛到最小值，此时输出全局最优值及适应度函数值；
(8)所述步骤(6)的判断结果迭代次数若是：没有达到最大迭代次数或适应度函数值没有收敛到最小值，则根据适应度函数值更新粒子个体极值pbest和全局极值gbest，同时更新粒子速度和位置，并重复所述步骤(2)-(6)；
(9)满足控制要求，输出全局最优值及其适应度函数值后，结束优化过程。
2.根据权利要求1所述的基于粒子群算法的轮毂驱动电动汽车主动悬架双回路PID控制方法，其特征在于，所述粒子群算法是基于惯性权重的基本粒子群算法，或是基于惯性权重的基本粒子群算法的各种改进算法。
3.根据权利要求1所述的基于粒子群算法的轮毂驱动电动汽车主动悬架双回路PID控制方法，其特征在于，步骤(2)所述粒子群体大小、粒子维度、迭代次数、粒子初始速度及初始位置能够根据所述双回路控制结构的复杂程度设置为不同值。
4.根据权利要求1所述的基于粒子群算法的轮毂驱动电动汽车主动悬架双回路PID控制方法，其特征在于，步骤(4)所述的主动悬架双回路控制结构，包括：外环路控制回路和内环路控制回路；所述外环路控制回路主要用来控制簧载质量惯性引起的振动；所述内环路控制回路主要用来控制由路面激励和电磁激励引起的振动；所述路面激励可以由路面不平度的时域表达式或频域表达式计算得到，也可由试验测试得到；所述电磁激励可根据具体应用对象所采用的轮毂电机的类型的相关计算公式计算得到，也可由试验测试得到；所述轮毂电机的类型是各种直流电机或交流电机。
5.根据权利要求4所述的基于粒子群算法的轮毂驱动电动汽车主动悬架双回路PID控制方法，其特征在于，步骤(4)所述外环路控制回路和内环路控制回路由不同个数的PID控制器组成，或是由P、PI、PD及PID四者中两两组合、三三组合或共同组合的控制器。
6.根据权利要求1所述的基于粒子群算法的轮毂驱动电动汽车主动悬架双回路PID控制方法，其特征在于，步骤(5)所述适应度函数是指根据应用对象的性能要求所指定的车辆动力学控制目标函数，对应用对象的性能要求不同，适应度函数的表达形式不同。
7.根据权利要求1所述的基于粒子群算法的轮毂驱动电动汽车主动悬架双回路PID控制方法，其特征在于，步骤(6)所述最大迭代次数为所述步骤(2)初始化所设定的迭代次数。
8.根据权利要求1所述的基于粒子群算法的轮毂驱动电动汽车主动悬架双回路PID控制方法，其特征在于，步骤(8)所述个体极值pbest是指粒子自身目前所找到的最优解，步骤(8)所述全局极值gbest是指整个种群当前找到的最优解。
9.根据权利要求1所述的基于粒子群算法的轮毂驱动电动汽车主动悬架双回路PID控制方法，其特征在于，步骤(8)所述更新粒子速度和位置，需要根据粒子速度和位置的相关更新公式进行更新，所述粒子速度和位置更新公式是所述粒子群算法中的更新公式。
CN201610817851.4A 2016-09-09 2016-09-09 一种基于粒子群算法的轮毂驱动电动汽车主动悬架双回路pid控制方法 Active CN106347059B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610817851.4A CN106347059B (zh) 2016-09-09 2016-09-09 一种基于粒子群算法的轮毂驱动电动汽车主动悬架双回路pid控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610817851.4A CN106347059B (zh) 2016-09-09 2016-09-09 一种基于粒子群算法的轮毂驱动电动汽车主动悬架双回路pid控制方法

Publications (2)

Publication Number Publication Date
CN106347059A CN106347059A (zh) 2017-01-25
CN106347059B true CN106347059B (zh) 2018-08-21

Family

ID=57859729

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610817851.4A Active CN106347059B (zh) 2016-09-09 2016-09-09 一种基于粒子群算法的轮毂驱动电动汽车主动悬架双回路pid控制方法

Country Status (1)

Country Link
CN (1) CN106347059B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108717257A (zh) * 2018-03-12 2018-10-30 同济大学 一种基于粒子群优化的pid主动悬置控制方法
CN109218192B (zh) * 2018-06-21 2021-04-20 中电万维信息技术有限责任公司 一种基于粒子群算法的数据共享交换方法
CN109515097A (zh) * 2018-10-18 2019-03-26 江苏科技大学 一种半主动车辆悬架控制系统
CN112721561A (zh) * 2021-01-08 2021-04-30 西藏宁算科技集团有限公司 一种基于参数实时可调pid控制器的汽车主动悬架控制方法
CN113147307B (zh) * 2021-06-03 2022-08-05 山东理工大学 基于参考模型的主动悬架反演控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102501737A (zh) * 2011-11-02 2012-06-20 青岛大学 一种车辆半主动悬架系统智能粒子群模糊混合控制方法
CN103407342A (zh) * 2013-08-26 2013-11-27 江苏大学 一种车辆横向动力学模糊混沌控制系统及其控制方法
CN105109299A (zh) * 2015-09-11 2015-12-02 南京航空航天大学 一种多工况汽车电控悬架系统及其控制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03258608A (ja) * 1990-03-07 1991-11-18 Mazda Motor Corp 車両のサスペンション装置
WO2014002444A1 (ja) * 2012-06-29 2014-01-03 本田技研工業株式会社 サスペンション制御装置
SE1450014A1 (sv) * 2014-01-09 2015-07-10 Scania Cv Ab Styrsystem för luftfjädring

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102501737A (zh) * 2011-11-02 2012-06-20 青岛大学 一种车辆半主动悬架系统智能粒子群模糊混合控制方法
CN103407342A (zh) * 2013-08-26 2013-11-27 江苏大学 一种车辆横向动力学模糊混沌控制系统及其控制方法
CN105109299A (zh) * 2015-09-11 2015-12-02 南京航空航天大学 一种多工况汽车电控悬架系统及其控制方法

Also Published As

Publication number Publication date
CN106347059A (zh) 2017-01-25

Similar Documents

Publication Publication Date Title
CN106347059B (zh) 一种基于粒子群算法的轮毂驱动电动汽车主动悬架双回路pid控制方法
CN109063372A (zh) 一种轮毂驱动电动汽车悬架系统与减振元件参数匹配优化设计方法
CN104626914B (zh) 汽车非线性主动悬架系统的模糊控制方法
CN109334378B (zh) 一种基于单神经元pid控制的车辆isd悬架主动控制方法
CN107791773A (zh) 一种基于规定性能函数的整车主动悬架系统振动控制方法
CN103754081B (zh) 车辆非线性悬架系统的最优模糊复合控制方法
CN103699719A (zh) 车辆动力总成悬置系统区间优化设计方法
Liu et al. Modeling and simulation of energy-regenerative active suspension based on BP neural network PID control
CN108345218A (zh) 基于教学优化算法的汽车主动悬架pid控制器设计方法
CN106527124B (zh) 基于非线性神经模糊控制器的电磁阀式减振器控制方法
CN115828437B (zh) 汽车性能指标综合优化方法、计算设备
CN111487863A (zh) 一种基于深度q神经网络的主动悬架强化学习控制方法
CN108859648A (zh) 一种基于神经网络的悬架减震器阻尼控制切换加权系数确定方法
Piao et al. Lateral control using parameter self-tuning LQR on autonomous vehicle
CN113591360B (zh) 基于整车动力学模型的磁流变阻尼器结构参数优化方法
CN112158045A (zh) 一种基于深度确定性策略梯度的主动悬架控制方法
CN113761768A (zh) 面向整车振动抑制的磁流变阻尼器一体化优化设计方法
CN112906133A (zh) 一种地棚控制动惯性悬架的垂向振动负效应抑制方法
CN115826402A (zh) 一种基于深度强化学习算法的主动悬架控制策略生成方法
yin Tang et al. Research on suspension system based on genetic algorithm and neural network control
Meng et al. Multiobjective game method based on self-adaptive space division of design variables and its application to vehicle suspension
Liu et al. Study of ride comfort of active suspension based on model reference neural network control system
Wong et al. Design of a fuzzy preview active suspension system for automobiles
CN115782496B (zh) 一种基于map控制的半主动悬架系统智能进化方法
Li et al. LQG control of vehicle active suspension using whale optimization algorithm

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant