CN112776551B - 一种基于运动图式的磁流变悬架半主动控制方法及系统 - Google Patents

一种基于运动图式的磁流变悬架半主动控制方法及系统 Download PDF

Info

Publication number
CN112776551B
CN112776551B CN202110121793.2A CN202110121793A CN112776551B CN 112776551 B CN112776551 B CN 112776551B CN 202110121793 A CN202110121793 A CN 202110121793A CN 112776551 B CN112776551 B CN 112776551B
Authority
CN
China
Prior art keywords
control
suspension
motion
vehicle body
vertical
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
CN202110121793.2A
Other languages
English (en)
Other versions
CN112776551A (zh
Inventor
董龙雷
吴有福
唐攀涛
严健
韩祎
严亚亚
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110121793.2A priority Critical patent/CN112776551B/zh
Publication of CN112776551A publication Critical patent/CN112776551A/zh
Application granted granted Critical
Publication of CN112776551B publication Critical patent/CN112776551B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • B60G17/0152—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 action on a particular type of suspension unit
    • B60G17/0157—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 action on a particular type of suspension unit non-fluid unit, e.g. electric motor
    • 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
    • B60G17/016—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 their responsiveness, when the vehicle is travelling, to specific motion, a specific condition, or driver input
    • 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
    • B60G2202/00—Indexing codes relating to the type of spring, damper or actuator
    • B60G2202/40—Type of actuator
    • B60G2202/42—Electric actuator
    • 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
    • B60G2600/184—Semi-Active control means
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

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

Abstract

本发明公开了一种基于运动图式的磁流变悬架半主动控制方法及系统，所述方法包括以下步骤：步骤1，将灰色预测系统接入悬架垂直速度、侧倾角速度、俯仰角速度的信号的输出端，实时补偿车辆滞后的振动姿态响应，得到车身垂直位移、侧倾角、俯仰角的预测值；步骤2，基于整车磁流变悬架进行动力学分析，设计整车分姿态控制的运动图式控制器；步骤3，将步骤1获得的预测值输入步骤2获得的运动图式控制器，获得期望控制力；步骤4，将步骤3获得的期望控制力输入磁流变阻尼器逆模型，获得期望控制电压，基于期望控制电压实现磁流变悬架半主动控制。本发明引入灰色预测系统对车辆姿态进行预测，可以补偿悬架减振系统的时滞，提高实时性。

Description

一种基于运动图式的磁流变悬架半主动控制方法及系统
技术领域
本发明属于车辆控制技术领域，涉及磁流变悬架控制领域，特别涉及一种基于运动图式的磁流变悬架半主动控制方法及系统。
背景技术
越野性能是指车辆在复杂路面上的通过性，是车辆机动性的一个重要指标。随着越野车辆应用领域的扩展，其所处的环境可能是一个未知或不完全可知的危险环境，可能既有岩石，又有坑洼，而且也可能是松软、崎岖不平的地形，地质条件复杂。这种非结构化环境给越野车辆的通过性能带来不利影响。
磁流变半主动悬架能够根据路面激励和车身状态实时调节其阻尼特性，使车辆始终处于最佳减振状态，可改善车辆操作稳定性和乘车舒适性,已成为汽车工业界的研究开发的热点。磁流变悬架使用的磁流变阻尼器具有阻尼连续可调、动态范围宽、响应速度快、功耗低等特点，是振动控制中非常有应用前景的智能器件。
磁流变悬架系统的控制策略需要与车辆动力学紧密结合。完整的悬架控制包括车身姿态控制和车体振动控制。国内外对现有磁流变悬架系统的控制主要集中在车辆的振动控制，包括天棚阻尼控制、PID控制、最优控制、神经网络控制、模糊控制等，这些控制方法多是属“事后控制”，这些控制方法在多数情况下对于系统控制有效，但由于系统的惯性，很难完全做到真正的实时控制，而且通常无法考虑车身姿态控制。如车辆刹车或者急加速导致车身俯仰现象，车辆转弯时导致侧倾现象。此外，由于磁流变阻尼器固有的非线性特性，利用这些装置实现高系统性能的一个具有挑战性的方面是需要开发能够利用其独特特性的精确模型和控制算法，并能够将其集成于智能硬件系统中。
发明内容
本发明的目的在于提供一种基于运动图式的磁流变悬架半主动控制方法及系统，以解决上述存在的一个或多个技术问题。本发明引入灰色预测系统对车辆姿态进行预测，可以补偿悬架减振系统的时滞，提高实时性。
为达到上述目的，本发明采用以下技术方案：
本发明的一种基于运动图式的磁流变悬架半主动控制方法，包括以下步骤：
步骤1，将灰色预测系统接入悬架垂直速度、侧倾角速度、俯仰角速度的信号的输出端，实时补偿车辆滞后的振动姿态响应，输出车身垂直速度、侧倾角速度、俯仰角速度信号的预测值，得到车身垂直位移、侧倾角、俯仰角的预测值；
步骤2，建立整车磁流变悬架7自由度数学模型，基于整车磁流变悬架进行动力学分析，设计整车分姿态控制的运动图式控制器；
步骤3，将步骤1获得的预测值输入步骤2获得的运动图式控制器，获得期望控制力；
步骤4，将步骤3获得的期望控制力输入磁流变阻尼器逆模型，获得期望控制电压，基于期望控制电压实现磁流变悬架半主动控制。
本发明的进一步改进在于，步骤1具体包括：
建立基于灰色理论的振动响应信号随机误差预测模型G(M,N)；其中，M表征灰色模型微分方程的阶数，N表征灰色模型中的变量个数；
建立GM(1,1)模型，设前期原始数据序列为：T0(k)＝{t0(1)，t0(2)，...，t0(k)}；其中，k>0；采用指数方法处理，使其变成非负序列，表达式为，
Figure GDA0003721593220000021
n＝1，2，...，k；
采用一次累加法生成X1(k)＝{x1(1)，x1(2)，…，x1(k)}，其中，
Figure GDA0003721593220000022
n＝1,2,…,k；
定义x1(n)的灰导数为d(n)＝x0(n)＝x1(n)-x1(n-1)；
得出信号背景值及背景系数值，表达式为z1(n)＝ωx1(n-1)+(1-ω)x1(n),n＝2,3,…,k；其中，背景系数值ω∈[0,1]；
定义GM(1,1)的灰微分方程模型为d(n)+az1(n)＝u，n＝2,3,…,k；
式中a，u均为方程系数，其白化方程为
Figure GDA0003721593220000023
通过最小二乘法求解白化方程得出系数a，u，[a,u]T＝(BTB)-1BTY，
式中
Figure GDA0003721593220000024
T为转置符号；
按照公式求解原始数据序列：
Figure GDA0003721593220000025
k＝2,3,…,n；
建立预测模型
Figure GDA0003721593220000026
求解得出下一时刻信号预测值为
Figure GDA0003721593220000027
本发明的进一步改进在于，步骤2中，建立整车磁流变悬架7自由度数学模型的具体步骤包括：
车身垂向、侧倾、俯仰运动的动力学方程：
Figure GDA0003721593220000028
Figure GDA0003721593220000029
Figure GDA00037215932200000210
式中，M为整车车体质量，Jx、Jy分别为侧倾、俯仰转动惯量，θ为俯仰角，
Figure GDA00037215932200000211
为侧倾角，a、b分别为前轮轮距的一半，lf、lr分别为前后轮轴至质心的距离；
悬架的输出力分别为：
Figure GDA00037215932200000212
Figure GDA0003721593220000031
Figure GDA0003721593220000032
Figure GDA0003721593220000033
Figure GDA0003721593220000034
式中，k1，k2，k3，k4悬架弹簧刚度，c1，c2，c3，c4粘滞阻尼系数，f1，f2，f3，f4可调阻尼力，Zt1、Zt2、Zt3、Zt4为非簧载质量位移，Z1，Z2，Z3，Z4为簧载质量位移；
各悬架作用点的垂向加速度和整车的垂向加速度、俯仰角加速度、侧倾角加速度表达式为：
Figure GDA0003721593220000035
Figure GDA0003721593220000036
Figure GDA0003721593220000037
Figure GDA0003721593220000038
本发明的进一步改进在于，步骤2中，设计整车分姿态控制的运动图式控制器的具体步骤包括：
抑制车身垂直运动时，分为趋向设定目标与背离设定目标两个子图式；其中，当车身趋向于设定目标位置时，采用天棚阻尼控制，表达式为
Figure GDA0003721593220000039
当背离设定目标位置时，采用比例微分控制，表达式为
Figure GDA00037215932200000310
其中，csky-z、kp-z、kd-z三个垂直运动控制参数的选取依据是使车身的垂直运动在谐振频率处具有最小的幅频特性；
抑制俯仰运动、侧倾运动,分为趋向目标位置和远离目标两种图式处理；其中，
垂直运动控制方程为，f1+f2+f3+f4＝ψ1；
Figure GDA00037215932200000311
俯仰运动控制方程为，f1*lf-f2*lf+f3*lr+f4*lr＝ψ2；
Figure GDA00037215932200000312
侧倾运动控制方程为，f1*a-f2*a+f3*b-f4*b＝ψ3；
Figure GDA00037215932200000313
考虑车身的扭转，补充方程为，f1*a-f2*a-f3*b+f4*b＝0；
根据预测响应信号得出预测的控制力。
本发明的进一步改进在于，步骤2中，设计整车分姿态控制的运动图式控制器的具体步骤包括：csky-z、kp-z、kd-z三个垂直运动控制参数的选取采用模糊控制动态调整的方式，具体包括：
采用的模糊控制器为2输入3输出，输入变量为预测的车身垂直运动位移和速度，模糊控制器的输入和输出变量都分为7个语言模糊子集，定义为：
E＝[NB,NM,NS,ZE,PS,PM,PB]；
EC＝[NB,NM,NS,ZE,PS,PM,PB]；
ΔKp＝[NB,NM,NS,ZE,PS,PM,PB]；
ΔKd＝[NB,NM,NS,ZE,PS,PM,PB]；
ΔCsky＝[NB,NM,NS,ZE,PS,PM,PB]；
车身垂直位移的变化范围为[Emin，Emax]，车身垂直速度的变化范围是[ECmin，ECmax]；
[ΔKpmin，ΔKpmax]，[ΔKdmin，ΔKdmax]，[ΔCskymin，ΔCskymax]是控制参数修正量的变化范围，它们的模糊论域均为[-3,-2,-1,0,1,2,3]；
量化因子是将输入变量从基本论域转换到相应的模糊论域的变换因子，比例因子是将输出控制量从模糊论域映射到基本论域的变换因子；量化因子Ke，Kec分别将E和EC量化为相应的[-3，3]上的模糊量；经模糊规则推理判断后，输出三个控制参数模糊控制量，用比例因子Gp，Gd，Gc-sky分别算出三个参数的精确量ΔKp、ΔKd、ΔCsky；
实现控制参数的在线整定，表达式为：
Figure GDA0003721593220000041
本发明的进一步改进在于，步骤2中，采用模糊控制动态调整时，输入输出模糊变量的隶属度函数均选择高斯型；模糊推理的算法为Mamdani型，模糊控制器设定规则应遵循“车身垂直速度大于预设阈值时，控制量使车身垂直速度趋于零；车身垂直速度小于等于预设阈值时，控制量保证不使系统出现超调，保持系统稳定性”的原则。
本发明的进一步改进在于，步骤4中，所述磁流变阻尼器逆模型的获取步骤包括：
利用自适应模糊建模系统对磁流变阻尼器逆模型进行非参数化建模，采用NSGA-II方法以输入数量、预测误差和规则数为目标函数进行优化；
其中，预测误差目标函数为：
Figure GDA0003721593220000042
本发明的一种基于运动图式的磁流变悬架半主动控制系统，包括：
预测值获取模块，用于将灰色预测系统接入悬架垂直速度、侧倾角速度、俯仰角速度的信号的输出端，实时补偿车辆滞后的振动姿态响应，输出车身垂直速度、侧倾角速度、俯仰角速度信号的预测值，得到车身垂直位移、侧倾角、俯仰角的预测值；
运动图式控制器获取模块，用于建立整车磁流变悬架7自由度数学模型，基于整车磁流变悬架进行动力学分析，设计整车分姿态控制的运动图式控制器；
期望控制力获取模块，用于将预测值获取模块获得的预测值输入运动图式控制器获取模块获得的运动图式控制器，获得期望控制力；
半主动控制模块，用于将期望控制力获取模块获得的期望控制力输入磁流变阻尼器逆模型，获得期望控制电压，基于期望控制电压实现磁流变悬架半主动控制。
与现有技术相比，本发明具有以下有益效果：
本发明的整车悬架运动图式控制方法中，对各个自由度振动先解耦然后再整合，能够对车辆悬架的垂直振动、侧倾、俯仰同时具有控制作用。本发明引入灰色预测系统对车辆姿态进行预测，可以补偿悬架减振系统的时滞，提高实时性。
本发明将模糊控制与运动图式巧妙结合，使得车辆提升控制效果的同时，可以适应更复杂的路况。本发明采用NSGA-II方法对磁流变阻尼器逆模型进行优化，可以生成模型规则与输入数量较少且较为准确的T-S模型。
本发明基于控制方法，设计了一套可同时用于硬件在环试验和实车试验的系统，可用于多种算法验证和实验，提高了使用效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面对实施例或现有技术描述中所需要使用的附图做简单的介绍；显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种基于运动图式的磁流变悬架半主动控制的示意图；
图2是本发明实施例中，车辆7自由度简化模型示意图；
图3是本发明实施例中，模糊控制原理示意图；
图4是本发明实施例中，模糊控制规则示意图；
图5是本发明实施例中，基于Takagi-Sugeno模型的模糊神经网络结构示意图；
图6是本发明实施例中，磁流变阻尼器逆模型训练集时程图；
图7是本发明实施例中，染色体编码方案示意图；
图8是本发明实施例中，NSGA-II的帕累托最优前沿示意图；
图9是本发明实施例中，ANFIS训练误差收敛曲线图；
图10是本发明实施例中，ANFIS验证数据预测电压与目标电压的时程图；
图11是本发明实施例中，ANFIS验证数据预测阻尼力与目标阻尼力的时程图；
图12是本发明实施例中，C级路面36Km/h下仿真车身垂直振动加速度时域响应图；
图13是本发明实施例中，C级路面36Km/h下仿真车身垂直振动加速度功率谱图；
图14是本发明实施例中，适用于控制算法验证及实车试验的硬件装置结构图。
具体实施方式
为使本发明实施例的目的、技术效果及技术方案更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例是本发明一部分实施例。基于本发明公开的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的其它实施例，都应属于本发明保护的范围。
本发明实施例的一种基于运动图式的磁流变悬架半主动控制方法，具体包括：
1、将车身垂直速度、侧倾角速度和俯仰角速度信号分别接入灰色预测姿态，补偿减振控制系统的时滞。
2、建立整车磁流变悬架7自由度数学模型，并通过设计图式控制器得出理想控制力。
3、建立自适应神经网络模型并采用NSGA-II方法进行优化，得到紧凑而准确的逆模型，进而利用逆模型给出对应控制力所需的控制电压。
本发明实施例中，基于上述控制思想设计了一套简单较易实现的硬件装置，使其便于硬件在环试验和实车试验。根据国标通行的路面分级标中，以C路面36Km/h的路面激励下的悬架控制仿真为例，验证算法控制效果。
请参阅图1，本发明实施例的一种基于运动图式的磁流变悬架半主动控制方法，包括以下步骤：
基于整车悬架进行动力学分析，设计整车分姿态控制的运动图式控制器；
通过灰色预测理论对车身垂直运动、侧倾运动、俯仰运动状态分别进行预测，包括：将灰色预测系统接入悬架垂直速度、侧倾角速度、俯仰角速度的信号的输出端，实时补偿车辆滞后的振动姿态响应，输出车身垂直运动速度、侧倾角速度、俯仰角速度信号的预测值，进而可以得到车身垂直位移、侧倾角、俯仰角的预测值。
建立基于灰色理论的振动响应信号随机误差预测模型G(M,N)；其中，M表征灰色模型微分方程的阶数，N表征灰色模型中的变量个数；
建立GM(1,1)模型，设前期原始数据序列为：T0(k)＝{t0(1)，t0(2)，...，t0(k)}；其中，k>0；由于灰色预测要求原始数据为非负序列，需对其进行非负处理。这里采用指数方法处理，使其变成非负序列。其公式为：
Figure GDA0003721593220000061
采用一次累加法生成X1(k)＝{x1(1)，x1(2)，...，x1(k)}即
Figure GDA0003721593220000062
定义x1(n)的灰导数为
d(n)＝x0(n)＝x1(n)-x1(n-1) (3)
得出信号背景值及背景系数值：
z1(n)＝ωx1(n-1)+(1-ω)x1(n),n＝2,3,…,k (4)
其中背景系数值ω∈[0,1]，令ω＝0.5，则z1(n)是x1(n)的相邻均值，即：
z1(n)＝0.5x1(n-1)+0.5x1(n),n＝2,3,…,k (5)
于是定义GM(1,1)的灰微分方程模型为：
d(n)+az1(n)＝u，n＝2,3,…,k (6)
式中a，u均为方程系数，其白化方程为：
Figure GDA0003721593220000071
通过最小二乘法求解上述白化方程得出上述方程的系数a，u：
[a,u]T＝(BTB)-1BTY (8)
式中
Figure GDA0003721593220000072
T为转置符号
按照公式求解原始数据序列：
Figure GDA0003721593220000073
建立预测模型：
Figure GDA0003721593220000074
求解得出下一时刻信号预测值为
Figure GDA0003721593220000075
请参阅图2，本发明实施例中，建立整车7自由度模型，将其分为车身、悬架、轮胎、地面四个部分。悬架如图2所示，可分为1、2、3、4四个部分，将其归纳为左前悬架、右前悬架、左后悬架、右后悬架。设悬架与车身之间的作用力分别为F1、F2、F3、F4。经过受力分析可以获得车身垂向、侧倾、俯仰运动的动力学方程：
Figure GDA0003721593220000076
式中，M为整车车体质量，Jx、Jy分别为侧倾、俯仰转动惯量，θ为俯仰角，
Figure GDA0003721593220000077
为侧倾角，a、b分别为前轮轮距的一半，lf、lr分别前后轮轴至质心的距离。
悬架的输出力分别为：
Figure GDA0003721593220000078
Figure GDA0003721593220000081
式中，k1，k2，k3，k4悬架弹簧刚度，c1，c2，c3，c4粘滞阻尼系数，f1，f2，f3，f4可调阻尼力，Zt1、Zt2、Zt3、Zt4为非簧载质量位移，Z1，Z2，Z3，Z4为簧载质量位移。
由于车身的俯仰角θ和侧倾角
Figure GDA0003721593220000082
较小，可以认为：
Figure GDA0003721593220000083
因此可以获得各悬架作用点的垂向加速度和整车的垂向加速度、俯仰角加速度、侧倾角加速度关系式如下所示
Figure GDA0003721593220000084
设计基于整车分姿态协调控制的运动图式控制器，对不同自由度方向的姿态进行相应的控制。当抑制车身垂直运动时，可把其分为趋向设定目标与背离设定目标两个子图式。
当车身趋向于设定的目标位置时，采用天棚阻尼控制，以提高平顺性能，即，
Figure GDA0003721593220000085
其中，为抑制垂直振动的天棚阻尼系数，确定该系数的原则是使垂直振动在谐振频率处车身对车轮的传递幅值最小。
当偏离设定目标位置时，采用比例微分控制，以使车身能够快速地恢复为设定的目标位置，即
Figure GDA0003721593220000086
请参阅图3，确定上述控制参数，包括：csky-z、kp-z、kd-z三个垂直运动控制参数的选取依据是使车身的垂直运动在谐振频率处具有较小的幅频特性。由于固定控制参数较难选取且无法适应复杂路况，因此采用模糊控制动态调整该控制参数。
本发明实施例中，采用的模糊控制器为2输入3输出，输入变量为预测的车身垂直运动位移和速度，模糊控制器的输入和输出变量都分为7个语言模糊子集，并且定义成下列式子：
E＝[NB,NM,NS,ZE,PS,PM,PB]；
EC＝[NB,NM,NS,ZE,PS,PM,PB]；
ΔKp＝[NB,NM,NS,ZE,PS,PM,PB]；
ΔKd＝[NB,NM,NS,ZE,PS,PM,PB]；
ΔCsky＝[NB,NM,NS,ZE,PS,PM,PB]；
车身垂直位移的变化范围为[Emin，Emax]，车身垂直速度的变化范围是[ECmin，ECmax]。[ΔKpmin，ΔKpmax]，[ΔKdmin，ΔKdmax]，[ΔCskymin，ΔCskymax]是控制参数修正量的变化范围。它们的模糊论域都为：[-3,-2,-1,0,1,2,3]。
量化因子是将输入变量从基本论域转换到相应的模糊论域的变换因子，比例因子是将输出控制量从模糊论域映射到基本论域的变换因子。量化因子Ke，Kec分别将E和EC量化为相应的[-3，3]上的模糊量。经模糊规则推理判断后，输出三个控制参数模糊控制量，用比例因子Gp，Gd，Gc-sky分别算出三个参数的精确量ΔKp、ΔKd、ΔCsky。实现控制参数的在线整定：
Figure GDA0003721593220000091
输入输出模糊变量的隶属度函数均选择高斯型。模糊推理的算法为Mamdani型，模糊控制器设定规则应遵循“车身垂直速度较大时，控制量应尽快使车身垂直速度趋于零；而车身垂直速度较小时，控制量应需要留意不要使系统出现超调，保持系统的稳定性”的原则。其具体规则如表所示：
表1.ΔCsky的模糊规则
Figure GDA0003721593220000092
表2.ΔKp的模糊规则
Figure GDA0003721593220000101
表3.ΔKd的模糊规则
Figure GDA0003721593220000102
抑制俯仰运动和侧倾运动,为了抑制俯仰力矩引起的车身姿态变化，与垂直运动的处理方法相似，同样可以分为趋向目标位置和远离目标两种图式加以处理。
得到垂直运动控制方程：
f1+f2+f3+f4＝ψ1 (18)
其中
Figure GDA0003721593220000103
得到俯仰运动控制方程：
f1*lf-f2*lf+f3*lr+f4*lr＝ψ2 (19)
其中
Figure GDA0003721593220000111
得到侧倾运动控制方程：
f1*a-f2*a+f3*b-f4*b＝ψ3 (20)
其中
Figure GDA0003721593220000112
由于需要确定四支磁流变减振器的可调阻尼力，而由以上分析只能得到三个方程，无法求解，因此需补充条件。如考虑车身的扭转，可补充以下方程：
f1*a-f2*a-f3*b+f4*b＝0 (21)
根据预测响应信号得出预测的控制力。
Figure GDA0003721593220000113
令
Figure GDA0003721593220000114
根据克莱姆法则，线性方程组有且只有唯一解，其解可以表示为
Figure GDA0003721593220000115
i＝1,2,3,4其中：
Figure GDA0003721593220000116
Figure GDA0003721593220000117
为了提高半主动控制的效果，往往需要较为精确的磁流变阻尼器逆模型，其作用是根据理想的控制力计算出阻尼器的控制电压信号。因此利用自适应模糊建模系统(ANFIS)对磁流变阻尼器逆模型进行非参数化建模，如图5所示。
请参阅图6，训练数据集是基于磁流变阻尼器阻尼力计算模型仿真得到的，工况设置为：位移激励采用幅值为-2～2cm、频率范围为的0～10Hz且低通滤波后限宽白噪声；控制电压为滤波后的幅值为0～2.5V、频率为0～5Hz且低通滤波后限宽白噪声。
由于输出阻尼力与电压、位移、速度等阻尼器状态有关，故假设输入层的初始输入向量Ψ由三个连续时间步长的输入电压、位移和速度、阻尼力组成：
Ψ＝[U(t-1)…U(t-3)，X(t)…X(t-2),V(t)…V(t-2),F(t)…F(t-2)] (23)
输出层为1个节点，为当前时刻的电压U(t)。较多输入数目会使网络结构十分庞大，影响整个网络性能和效率，导致从输入到输出需要大量的计算时间。而规则数太多，则网络结构势必复杂，会导致网络的泛化能力差与过拟合。为获得更为紧凑而精确的逆模型，采用NSGA-II方法以输入数量、预测误差和规则数为目标函数进行优化。其中预测误差目标函数为：
Figure GDA0003721593220000121
本发明实施例中，NSGA-II算法步骤如下：
1)设置种群数量为100，迭代次数为50，目标函数为3；
2)确定染色体编码方式；
请参阅图7，染色体编码方式分两部分，第一部分表示输入变量选择，每个基因的值用0，1表示,染色体的第二部分对应变量的数据空间的影响范围ra，通常取值范围为[0.2,0.5]。所有的输入变量被当作聚类中心的候选者，当输入选择对应的基因值为1则染色体的第二部分对应的影响范围ra值有效。否则意味着该输入变量没有被选择，因此下一部分中的基因n+m值是无效的。其中第2n+1维为输出向量的影响范围。
3)初始化种群；
4)根据每个染色体带有的信息获得模糊神经网络模型；
结合图5，训练采用的样本为X＝(x1,x2,…,xp)是p个12输入1输出数据集合，每个点表示为xi(x1i,x2i,…,xni,xn+1i)，i＝1,2，…，p,其中(x1i,x2i,…,xni)是第i个输入输出数据对的输入矢量，xn+1i是相应的输出。
通过减法聚类将可以把已知的数据分成m个类别，并得到相应的聚类中心ci(c1j,c2j,…,cnj,cn+1j),j＝1,2,…,m，这样就可以形成m条模糊规则，构造一个初始的模糊规则库，规则Rj为：
Figure GDA0003721593220000122
隶属函数采用高斯函数表示的铃型函数，
Figure GDA0003721593220000131
模糊规则后件是前件变量的线性组合，
fj＝pj0+pj1x(1)+pj2x(2)+…+pjnx(n) (26)
其中，初始的函数项pj0＝c(n+1)j，pji是结论参数。采用乘积推理，加权平均的解模糊化方法最终模糊模型输出为：
Figure GDA0003721593220000132
通过线性最小二乘估计误差反向传播算法来调整模糊神经网络参数，得到模糊模型。
5)得到对应个体的模糊模型的3个目标函数：规则数，输入个数，预测误差。
6)对种群进行非支配排序和拥挤度计算，其中参数小的优先级更高。
7)对种群通过锦标赛选择，交叉，变异后获得新的个体和种群。
8)重新进行非支配排序和拥挤度计算。
9)在固定世代内重复，并且最后绘制目标函数的帕累托前沿如图8，在其中选择最佳折衷点为红色圆圈中的*点。
利用ANFIS继续优化T-S模糊模型的参数，其中训练次数为150次，初始步长为0.01，其预测误差如图9。逆模型最终需要输入数量为5，规则数为8，误差为0.0126，满足使用要求。输入向量为：
Ψ＝[U(t-1),X(t),V(t),V(t-2),F(t)] (28)
图10为验证集数据预测电压与目标电压的时程图，吻合较好，再把预测电压给定正向模型获得预测阻尼力和目标阻尼力对比如图11，也非常吻合，表明本发明得到的逆模型可以精确的跟踪目标阻尼力。
结合图12、图13说明其控制特点，以国标通行的路面分级标中C级路面36Km/h的路面激励下的悬架控制仿真为例，对比不同控制算法悬架振动响应发现，天棚阻尼控制能够对垂直振动有较好的控制作用，但对俯仰运动影响较小，甚至在侧倾有增大的效果。而运动图式控制能够减小低频振动抑制效果较好且同时满足减小垂直振动，俯仰角，侧倾角的要求，可以提高车辆的乘坐舒适性和操纵稳定性。
Figure GDA0003721593220000133
MATLAB/Simulink系统对悬架减振控制系统进行仿真验证后，还需要考虑到实际工程应用所处真实环境中的复杂关系。另外由于车辆悬架结构较为复杂，参数较多，仿真当中得出的控制参数在实车中仍需进一步调整。因此，需要开发可适用于验证上述算法和实车试验的硬件平台。
结合图14，硬件在环试验可以验证算法的实时性，虚线表示硬件在环仿真环节，通过DSPACE实时系统提供外部激励信号其中包括：四支阻尼器的拉伸速度，拉伸位移，车身位移，车身垂直速度，侧倾角，侧倾角速度，俯仰角，俯仰角速度。通过2片8通道同步采集AD芯片MAX11046同时采集这些信号，提高它们的同步性。经过STM32F767微控制器进行运算，输出控制信号给8通道DA芯片AD5363输出控制电压控制四个磁流变线圈电压电流。利用DSPACE采集控制电压信号，转化为控制力进而完成闭环实时仿真控制。
在实车试验中，利用传感器采集实际激励与监测信号，其中包括陀螺仪，倾角传感器，位移传感器，加速度传感器等。另外可以实时通过DSPACE与ControlDesk软件平台实时监控车辆状态及控制输出信号。
以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (8)

1.一种基于运动图式的磁流变悬架半主动控制方法，其特征在于，包括以下步骤：
步骤1，将灰色预测系统接入悬架垂直速度、侧倾角速度、俯仰角速度的信号的输出端，实时补偿车辆滞后的振动姿态响应，输出车身垂直速度、侧倾角速度、俯仰角速度信号的预测值，得到车身垂直位移、侧倾角、俯仰角的预测值；
步骤2，建立整车磁流变悬架7自由度数学模型，基于整车磁流变悬架进行动力学分析，设计整车分姿态控制的运动图式控制器；
步骤3，将步骤1获得的预测值输入步骤2获得的运动图式控制器，获得期望控制力；
步骤4，将步骤3获得的期望控制力输入磁流变阻尼器逆模型，获得期望控制电压，基于期望控制电压实现磁流变悬架半主动控制。
2.根据权利要求1所述的一种基于运动图式的磁流变悬架半主动控制方法，其特征在于，步骤1具体包括：
建立基于灰色理论的振动响应信号随机误差预测模型G(M,N)；其中，M表征灰色模型微分方程的阶数，N表征灰色模型中的变量个数；
建立GM(1,1)模型，设前期原始数据序列为：T0(k)＝{t0(1)，t0(2)，...，t0(k)}；其中，k>0；采用指数方法处理，使其变成非负序列，表达式为，
Figure FDA0003721593210000011
采用一次累加法生成X1(k)＝{x1(1)，x1(2)，...，x1(k)}，其中，
Figure FDA0003721593210000012
定义x1(n)的灰导数为d(n)＝x0(n)＝x1(n)-x1(n-1)；
得出信号背景值及背景系数值，表达式为z1(n)＝ωx1(n-1)+(1-ω)x1(n),n＝2,3,…,k；其中，背景系数值ω∈[0,1]；
定义GM(1,1)的灰微分方程模型为d(n)+az1(n)＝u，n＝2,3,…,k；
式中a，u均为方程系数，其白化方程为
Figure FDA0003721593210000013
通过最小二乘法求解白化方程得出系数a，u，[a,u]T＝(BTB)-1BTY，
式中
Figure FDA0003721593210000014
T为转置符号；
按照公式求解原始数据序列：
Figure FDA0003721593210000015
建立预测模型
Figure FDA0003721593210000016
求解得出下一时刻信号预测值为
Figure FDA0003721593210000021
3.根据权利要求2所述的一种基于运动图式的磁流变悬架半主动控制方法，其特征在于，步骤2中，建立整车磁流变悬架7自由度数学模型的具体步骤包括：
车身垂向、侧倾、俯仰运动的动力学方程：
Figure FDA0003721593210000022
Figure FDA0003721593210000023
Figure FDA0003721593210000024
式中，M为整车车体质量，Jx、Jy分别为侧倾、俯仰转动惯量，θ为俯仰角，
Figure FDA0003721593210000025
为侧倾角，a、b分别为前轮轮距的一半，lf、lr分别为前后轮轴至质心的距离；
悬架的输出力分别为：
Figure FDA0003721593210000026
Figure FDA0003721593210000027
Figure FDA0003721593210000028
Figure FDA0003721593210000029
Figure FDA00037215932100000210
式中，k1，k2，k3，k4悬架弹簧刚度，c1，c2，c3，c4粘滞阻尼系数，f1，f2，f3，f4可调阻尼力，Zt1、Zt2、Zt3、Zt4为非簧载质量位移，Z1，Z2，Z3，Z4为簧载质量位移；
各悬架作用点的垂向加速度和整车的垂向加速度、俯仰角加速度、侧倾角加速度表达式为：
Figure FDA00037215932100000211
Figure FDA00037215932100000212
Figure FDA00037215932100000213
Figure FDA00037215932100000214
4.根据权利要求3所述的一种基于运动图式的磁流变悬架半主动控制方法，其特征在于，步骤2中，设计整车分姿态控制的运动图式控制器的具体步骤包括：
抑制车身垂直运动时，分为趋向设定目标与背离设定目标两个子图式；其中，当车身趋向于设定目标位置时，采用天棚阻尼控制，表达式为
Figure FDA00037215932100000215
当背离设定目标位置时，采用比例微分控制，表达式为
Figure FDA0003721593210000031
其中，csky-z、kp-z、kd-z三个垂直运动控制参数的选取依据是使车身的垂直运动在谐振频率处具有最小的幅频特性；
抑制俯仰运动、侧倾运动,分为趋向目标位置和远离目标两种图式处理；其中，
垂直运动控制方程为，f1+f2+f3+f4＝ψ1；
Figure FDA0003721593210000032
俯仰运动控制方程为，f1*lf-f2*lf+f3*lr+f4*lr＝ψ2；
Figure FDA0003721593210000033
侧倾运动控制方程为，f1*a-f2*a+f3*b-f4*b＝ψ3；
Figure FDA0003721593210000034
考虑车身的扭转，补充方程为，f1*a-f2*a-f3*b+f4*b＝0；
根据预测响应信号得出预测的控制力。
5.根据权利要求4所述的一种基于运动图式的磁流变悬架半主动控制方法，其特征在于，步骤2中，设计整车分姿态控制的运动图式控制器的具体步骤包括：csky-z、kp-z、kd-z三个垂直运动控制参数的选取采用模糊控制动态调整的方式，具体包括：
采用的模糊控制器为2输入3输出，输入变量为预测的车身垂直运动位移和速度，模糊控制器的输入和输出变量都分为7个语言模糊子集，定义为：
E＝[NB,NM,NS,ZE,PS,PM,PB]；
EC＝[NB,NM,NS,ZE,PS,PM,PB]；
ΔKp＝[NB,NM,NS,ZE,PS,PM,PB]；
ΔKd＝[NB,NM,NS,ZE,PS,PM,PB]；
ΔCsky＝[NB,NM,NS,ZE,PS,PM,PB]；
车身垂直位移的变化范围为[Emin，Emax]，车身垂直速度的变化范围是[ECmin，ECmax]；
[ΔKpmin，ΔKpmax]，[ΔKdmin，ΔKdmax]，[ΔCskymin，ΔCskymax]是控制参数修正量的变化范围，它们的模糊论域均为[-3,-2,-1,0,1,2,3]；
量化因子是将输入变量从基本论域转换到相应的模糊论域的变换因子，比例因子是将输出控制量从模糊论域映射到基本论域的变换因子；量化因子Ke，Kec分别将E和EC量化为相应的[-3，3]上的模糊量；经模糊规则推理判断后，输出三个控制参数模糊控制量，用比例因子Gp，Gd，Gc-sky分别算出三个参数的精确量ΔKp、ΔKd、ΔCsky；
实现控制参数的在线整定，表达式为：
Figure FDA0003721593210000041
6.根据权利要求5所述的一种基于运动图式的磁流变悬架半主动控制方法，其特征在于，步骤2中，采用模糊控制动态调整时，输入输出模糊变量的隶属度函数均选择高斯型；模糊推理的算法为Mamdani型，模糊控制器设定规则应遵循“车身垂直速度大于预设阈值时，控制量使车身垂直速度趋于零；车身垂直速度小于等于预设阈值时，控制量保证不使系统出现超调，保持系统稳定性”的原则。
7.根据权利要求5所述的一种基于运动图式的磁流变悬架半主动控制方法，其特征在于，步骤4中，所述磁流变阻尼器逆模型的获取步骤包括：
利用自适应模糊建模系统对磁流变阻尼器逆模型进行非参数化建模，采用NSGA-II方法以输入数量、预测误差和规则数为目标函数进行优化；
其中，预测误差目标函数为：
Figure FDA0003721593210000042
8.一种基于运动图式的磁流变悬架半主动控制系统，其特征在于，包括：
预测值获取模块，用于将灰色预测系统接入悬架垂直速度、侧倾角速度、俯仰角速度的信号的输出端，实时补偿车辆滞后的振动姿态响应，输出车身垂直速度、侧倾角速度、俯仰角速度信号的预测值，得到车身垂直位移、侧倾角、俯仰角的预测值；
运动图式控制器获取模块，用于建立整车磁流变悬架7自由度数学模型，基于整车磁流变悬架进行动力学分析，设计整车分姿态控制的运动图式控制器；
期望控制力获取模块，用于将预测值获取模块获得的预测值输入运动图式控制器获取模块获得的运动图式控制器，获得期望控制力；
半主动控制模块，用于将期望控制力获取模块获得的期望控制力输入磁流变阻尼器逆模型，获得期望控制电压，基于期望控制电压实现磁流变悬架半主动控制。
CN202110121793.2A 2021-01-28 2021-01-28 一种基于运动图式的磁流变悬架半主动控制方法及系统 Active CN112776551B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110121793.2A CN112776551B (zh) 2021-01-28 2021-01-28 一种基于运动图式的磁流变悬架半主动控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110121793.2A CN112776551B (zh) 2021-01-28 2021-01-28 一种基于运动图式的磁流变悬架半主动控制方法及系统

Publications (2)

Publication Number Publication Date
CN112776551A CN112776551A (zh) 2021-05-11
CN112776551B true CN112776551B (zh) 2022-10-25

Family

ID=75759597

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110121793.2A Active CN112776551B (zh) 2021-01-28 2021-01-28 一种基于运动图式的磁流变悬架半主动控制方法及系统

Country Status (1)

Country Link
CN (1) CN112776551B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113370735B (zh) * 2021-06-26 2022-02-11 燕山大学 基于车轮支持力的车辆主动悬挂惯性调控方法及控制系统
CN114934976B (zh) * 2022-06-10 2023-06-02 中国人民解放军陆军装甲兵学院士官学校 一种发动机振动控制方法
CN116787987B (zh) * 2023-06-25 2024-05-03 中国第一汽车股份有限公司 阻尼器迟滞补偿方法、装置、车辆、电子设备及介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110865541A (zh) * 2019-11-29 2020-03-06 闽江学院 一种结构半主动最优预测控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1247665B1 (en) * 2001-04-04 2006-03-22 STMicroelectronics S.r.l. Method and apparatus for controlling a vehicle suspension system based on sky hook approach
CN102322495B (zh) * 2011-06-23 2013-05-08 中北大学 磁流变液减振器灰色预测模糊控制方法
CN107791773B (zh) * 2017-09-04 2020-04-07 昆明理工大学 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
CN108454343B (zh) * 2018-03-16 2020-02-21 江苏大学 基于姿态补偿的混合电磁悬架节能型半主动控制方法
CN110901325A (zh) * 2019-11-29 2020-03-24 北京理工大学重庆创新中心 一种主动悬架控制方法及系统
CN210911933U (zh) * 2019-11-29 2020-07-03 北京理工大学重庆创新中心 一种主动悬架控制系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110865541A (zh) * 2019-11-29 2020-03-06 闽江学院 一种结构半主动最优预测控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
半主动悬架车辆的整车模糊控制仿真研究;王然;《公路与汽运》;20131129(第06期);全文 *
汽车半主动磁流变悬架的自适应双模糊控制方法;杨建伟等;《振动与冲击》;20100825(第08期);全文 *
磁流变悬架灰预测模糊控制仿真与试验研究;卢少波等;《振动与冲击》;20110525(第05期);全文 *

Also Published As

Publication number Publication date
CN112776551A (zh) 2021-05-11

Similar Documents

Publication Publication Date Title
CN112776551B (zh) 一种基于运动图式的磁流变悬架半主动控制方法及系统
Soleymani et al. Adaptive fuzzy controller for vehicle active suspension system based on traffic conditions
US20040153227A1 (en) Fuzzy controller with a reduced number of sensors
Swevers et al. A model-free control structure for the on-line tuning of the semi-active suspension of a passenger car
Geweda et al. Improvement of vehicle ride comfort using genetic algorithm optimization and PI controller
JP7393520B2 (ja) 車両制御装置
CN113183710A (zh) 基于频域特征提升舒适性的主动悬架系统模糊控制方法
Gomonwattanapanich et al. Vibration control of vehicle by active suspension with LQG algorithm
Aldair et al. Neural controller based full vehicle nonlinear active suspension systems with hydraulic actuators
Kaleemullah et al. Analysis of active suspension control policies for vehicle using robust controllers
Langlois et al. Preview control algorithms for the active suspension of an off-road vehicle
Chiang et al. Optimized sensorless antivibration control for semiactive suspensions with cosimulation analysis
Ursu et al. Artificial intelligence based synthesis of semiactive suspension systems
CN115140685B (zh) 一种叉车数据驱动稳定控制方法
Gustafsson et al. Neural network controller for semi-active suspension systems with road preview
Wang et al. Dynamic Modelling and Adaptive Control of Automobile Active Suspension System.
Khan et al. Adaptive wavelets based fuzzy nn control for active suspension model
Khan et al. Neuro-fuzzy wavelets based network for full car active suspension system
Walavalkar et al. Performance comparison of various controllers on semi-active vehicle suspension system
Salehi et al. An enhanced adaptive neuro-fuzzy vehicle suspension control in different road conditions
Huang et al. Application of a fuzzy enhance adaptive control on active suspension system
Khan et al. Adaptive fuzzy wavelet nn control strategy for full car suspension system
Sathishkumar et al. Reduction of axis acceleration of quarter car suspension using pneumatic actuator and active force control technique
Atef et al. Vehicle active suspension system performance using different control strategies
Qiu Adaptive Control of Vehicle Active Suspension Based on Neural Network Optimization

Legal Events

Date Code Title Description
PB01 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