车辆半主动悬架神经网络自适应控制的研究
|
摘要
悬架是车辆的重要部件之一，车辆行驶的平顺性、操纵稳定性等都与悬架性能的好坏有着直接的关系，被动悬架不能随路面的变化而变化，因此难以在变化的路面上达到最优的性能。因此，可控电子悬架是当今汽车发展的重要方向之一。主动悬架需要靠外加作用力实现对悬架的控制。因此会提高车辆的耗能，增加车辆的自身重量。由弹性元件和阻尼力可控减振器组成的半主动悬架有能耗小，易实现等优点，可以改善汽车行驶的平顺性，所以半主动悬架已成为汽车领域研究的一个热门课题。
由于车辆行驶的平顺性关注的是低频振动，而空气弹簧本身在低频处具有良好的减振性能，所以利用空气弹簧组成的变刚度半主动悬架系统具有很好的应用前景。
变刚度半主动悬架是一个非线性系统，而常规的控制策略应用于非线性系统具有一定的局限性。为了更好地逼近实际系统，获得更好的控制效果，需要寻找更有效的控制策略。因此，本文对变刚度半主动悬架特性进行了分析。在此基础上，着重研究了神经网络自适应控制方法，并对其进行控制仿真研究和试验研究。
论文首先根据悬架的评价指标，建立了变刚度半主动悬架的二自由度1/4车辆模型，利用改变悬架系统中空气弹簧的刚度实现减振。由于空气弹簧的非线性，所以采用神经网络控制调节空气弹簧的刚度，以期使悬架系统达到理想的减振效果。研究中主要用车身垂直加速度作为主要控制目标，以提高车辆行驶的平顺性，同时在仿真控制研究中兼顾悬架动挠度和车轮动载荷的变化，以提高车辆行驶安全性和操纵稳定性。
在仿真研究中，路面激励取为白噪声、正弦波和锯齿波，悬架类型采用被动悬架、PID控制半主动悬架、神经网络控制半主动悬架三种。对比分析了三种悬架的车身加速度、悬架动挠度、车轮动载荷三项指标及其对应的均方根值，仿真研究表明，半主动悬架优于被动悬架，其中神经网络控制效果最好，较好地改善了车辆行驶平顺性和操纵稳定性，此外，此种控制策略具有很好的鲁棒性应用于变刚度半主动悬架控制是可行的和有效的。
在试验研究中，采用了实现相对容易，计算量较小的神经网络直接自适应控制策
车辆半主动悬架神经网络自适应控制的研究
略对变刚度半主动悬架模型进行控制.对不同频率正弦激励下的车身垂直加速度进行
了分析，结果表明，神经网络控制能够使车身加速度得到衰减，在一定程度上提高了
车辆的行驶平顺性.
本文针对变刚度半主动悬架这种时变的、非线性复杂系统，提出将神经网络自适
应控制策略用于该悬架的控制，并通过仿真和试验验证了其可行性和有效性。这种新
型智能控制策略为变刚度半主动悬架提供了一种新的控制方法.
Suspension is one of the important part of vehicle, which has tremendous influence on performance of ride quality and handing stability. Passive suspension is difficult to meet requirements for a car which pursuits under variable environment. So, electronic suspension ?is one of the development direction of automotive. Active suspension needs extra force to control it, but this could consume more energy and enhance the weight of vehicle. Semi-active suspension is composed of controllable spring and damper element which consume little energy and are easy to design and manufacture. Because semi-active suspension can improve ride comfort so automobile researchs are enthusiastic are about the research into the semi-active suspension.
Vibration of automobile in low frequency band has importment effect on automobile performance and the air spring has high performance in this frequency band, the semi-suspension with controllable spring stiffeness can be used widely to improve the vehicle's ride comfort.
Variable rate semi-active suspension is a nonlinear system, but groovy control methods take on states limits when it is applied to the system. So more efficient control polices are required have contain limit to control the semi-suspension more practically and more effectively. In this dissertation nonlinear control method-neural network control method in allusion to variasble rate semi-active suspension are investigated based on its characters to carry on research simulation and experiment.
In this paper, according to the ride comfort level a quarter car mathematical model of two-DOF has been set up. Considering nonlinear rigidity of spring element, this dissertation use neural network control strategy to control semi-active suspension. The performance indexes body acceleration of vehicle are determined to show the ride comfort, at the same time are concerned about the value of suspension wheel load and the value of suspension displacement which show manipulate stability.
Passive suspension, PID control semi-active suspension and neural network control semi-active suspension are researched by simulation. White noise, sine wave and sawtooth
wave are used for excitation. The root mean square value of vehicle body acceleration, suspension displacement and vehicle wheel load are analyzed. And the results are showed in tables and charts. From the results we can draw a conclusion that semi-active suspension is much better than the passive suspension in improving the ride comfort and manipulate stability. The neural network control semi-active strategy is better than PID control strategy, it is a feasible and effective strategy..
During the experiment, the direct neural network control strategy are used because it is easy to calculate. From the frequency responses of the body acceleration we can see that neural network control strategy reduces the acceleration of the body and can improve the ride comfort of vehicle.
Given the time-variability parameters and the nonlinearities in variable rate semi-active suspension, the new strategy is employed to control the nonlinear characteristics of the suspension system. From the simulation and experiment research, we konw that the semi-active suspension self-adapt neural network control is applicable and effective. It also offers a new idea to the field of research on variable rate semi-active suspension control strategies.
由于车辆行驶的平顺性关注的是低频振动，而空气弹簧本身在低频处具有良好的减振性能，所以利用空气弹簧组成的变刚度半主动悬架系统具有很好的应用前景。
变刚度半主动悬架是一个非线性系统，而常规的控制策略应用于非线性系统具有一定的局限性。为了更好地逼近实际系统，获得更好的控制效果，需要寻找更有效的控制策略。因此，本文对变刚度半主动悬架特性进行了分析。在此基础上，着重研究了神经网络自适应控制方法，并对其进行控制仿真研究和试验研究。
论文首先根据悬架的评价指标，建立了变刚度半主动悬架的二自由度1/4车辆模型，利用改变悬架系统中空气弹簧的刚度实现减振。由于空气弹簧的非线性，所以采用神经网络控制调节空气弹簧的刚度，以期使悬架系统达到理想的减振效果。研究中主要用车身垂直加速度作为主要控制目标，以提高车辆行驶的平顺性，同时在仿真控制研究中兼顾悬架动挠度和车轮动载荷的变化，以提高车辆行驶安全性和操纵稳定性。
在仿真研究中，路面激励取为白噪声、正弦波和锯齿波，悬架类型采用被动悬架、PID控制半主动悬架、神经网络控制半主动悬架三种。对比分析了三种悬架的车身加速度、悬架动挠度、车轮动载荷三项指标及其对应的均方根值，仿真研究表明，半主动悬架优于被动悬架，其中神经网络控制效果最好，较好地改善了车辆行驶平顺性和操纵稳定性，此外，此种控制策略具有很好的鲁棒性应用于变刚度半主动悬架控制是可行的和有效的。
在试验研究中，采用了实现相对容易，计算量较小的神经网络直接自适应控制策
车辆半主动悬架神经网络自适应控制的研究
略对变刚度半主动悬架模型进行控制.对不同频率正弦激励下的车身垂直加速度进行
了分析，结果表明，神经网络控制能够使车身加速度得到衰减，在一定程度上提高了
车辆的行驶平顺性.
本文针对变刚度半主动悬架这种时变的、非线性复杂系统，提出将神经网络自适
应控制策略用于该悬架的控制，并通过仿真和试验验证了其可行性和有效性。这种新
型智能控制策略为变刚度半主动悬架提供了一种新的控制方法.
Suspension is one of the important part of vehicle, which has tremendous influence on performance of ride quality and handing stability. Passive suspension is difficult to meet requirements for a car which pursuits under variable environment. So, electronic suspension ?is one of the development direction of automotive. Active suspension needs extra force to control it, but this could consume more energy and enhance the weight of vehicle. Semi-active suspension is composed of controllable spring and damper element which consume little energy and are easy to design and manufacture. Because semi-active suspension can improve ride comfort so automobile researchs are enthusiastic are about the research into the semi-active suspension.
Vibration of automobile in low frequency band has importment effect on automobile performance and the air spring has high performance in this frequency band, the semi-suspension with controllable spring stiffeness can be used widely to improve the vehicle's ride comfort.
Variable rate semi-active suspension is a nonlinear system, but groovy control methods take on states limits when it is applied to the system. So more efficient control polices are required have contain limit to control the semi-suspension more practically and more effectively. In this dissertation nonlinear control method-neural network control method in allusion to variasble rate semi-active suspension are investigated based on its characters to carry on research simulation and experiment.
In this paper, according to the ride comfort level a quarter car mathematical model of two-DOF has been set up. Considering nonlinear rigidity of spring element, this dissertation use neural network control strategy to control semi-active suspension. The performance indexes body acceleration of vehicle are determined to show the ride comfort, at the same time are concerned about the value of suspension wheel load and the value of suspension displacement which show manipulate stability.
Passive suspension, PID control semi-active suspension and neural network control semi-active suspension are researched by simulation. White noise, sine wave and sawtooth
wave are used for excitation. The root mean square value of vehicle body acceleration, suspension displacement and vehicle wheel load are analyzed. And the results are showed in tables and charts. From the results we can draw a conclusion that semi-active suspension is much better than the passive suspension in improving the ride comfort and manipulate stability. The neural network control semi-active strategy is better than PID control strategy, it is a feasible and effective strategy..
During the experiment, the direct neural network control strategy are used because it is easy to calculate. From the frequency responses of the body acceleration we can see that neural network control strategy reduces the acceleration of the body and can improve the ride comfort of vehicle.
Given the time-variability parameters and the nonlinearities in variable rate semi-active suspension, the new strategy is employed to control the nonlinear characteristics of the suspension system. From the simulation and experiment research, we konw that the semi-active suspension self-adapt neural network control is applicable and effective. It also offers a new idea to the field of research on variable rate semi-active suspension control strategies.
引文
[1]周云山等．编著．汽车电控系统理论与设计．北京：北京理工大学出版社，1999．11
[2]孙建民等．汽车悬架系统振动控制技术研究现状．汽车工艺与材料， 2001(2)
[3]刘惟信，编著．汽车设计．北京：清华大学出版社，2001．7
[4]李军等．汽车主动悬架控制方法的现状与发展．渝州大学学报，1999(12)
[5]董波．主要类型可控悬架的原理简介及发展． 汽车技术， 2002(5)
[6]Yokoya Y, Kizu R, et al. Integrated control system between active comrol suspension and four wheel steering for the 1989 Celica. SAE paper 901748,1990
[7]边焕鹤等．编著．汽车电器与电子设备．北京：人民交通出版社，1997
[8]Hrovat D. Survey of advanced suspension developments and related optimal control applications. Automatica, 1997
[9]王世明等．半主动悬架及其控制．汽车技术，1999(12)
[10]刘后毅．空气悬架的原理和使用．山东交通科技，2001(1)
[11]余志生．编著．汽车理论．北京：清华大学出版社，1980
[12]易继锴等．编著．智能控制技术．北京：北京工业大学出版社，1999．9
[13]王旭等．编著．人工神经元网络原理与应用．沈阳：东北大学出版社，2000．12
[14]李士勇．编著．模糊控制·神经控制和智能控制论．哈尔滨：哈尔滨工业大学出版社，1998．9
[15]阎平凡等．编著．人工神经网络与模拟进化计算．北京：清华大学出版社，2000．11
[16]徐丽娜．编著．神经网络控制．哈尔滨：哈尔滨工业大学出版社，1999．5
[17]黄文梅等．编著．系统仿真分析与设计——MATLAB语言工程应用．长沙：国防科技大学出版社，2001．12
[18]薛定宇等．编著．基于MATLAB／Simulink的系统仿真技术与应用．北京：清华大学出版社，2002．4
[19]飞思科技产品研发中心．编著．MATLAB 6.5辅助神经网络分析与应用．北京：电子工业出版社，2003．1
[20]楼顺天等．编著．基于MATLAB的系统分析与设计．西安：西安电子科技大学出版社，1998．9
[21]余强等．主动悬架系统的连续模糊控制．汽车技术，1999(1)
[22]陶永华．编著．新型PID控制及其应用．北京：机械工业出版社，2002．11第2版
[23]杜建凤等．神经网络PID控制．北京科技大学学报，1998(12)
[24]龙晓林等．基于优化BP神经网络的PID控制器的研究，2003(2)
[25]朱思洪等．可扩展微机测试平台及其在车辆振动测试中的应用．机械设计与制造工程，2002(5)
[26]研祥智能股份公司．PCL812PG产品说明书
[27]王国丽等．车辆主动悬架技术的现状和发展趋势．兵工学报，2000(2)
[28]何渝生等．汽车振动学．北京：人民交通出版社，1990
[29]王晓兰等．模糊神经网络实现的PID参数自调整控制及其应用研究．电机与控制学报，1998(6)
[30]朱春波等．基于比例阀的气动伺服系统神经网络控制方法的研究．中国机械工程，2001(12)
[31]丁科等．车辆主动悬架的神经网络模糊控制．汽车工程，2000(6)
[32]陈龙等．车辆半主动悬架控制技术的研究．农业机械学报，2002(1)
[33]陈弘．主动悬架在MATLAB上的模拟仿真．汽车科技，2000(2)
[34]徐伯清等．汽车主动悬架的最优控制．江南学院学报，1999(12)
[35]赵迎生．半主动悬架电子控制系统的研究．汽车电器，2002增刊
[36]张志谊等．悬架的半主动控制．上海交通大学学报，1999(3)
[37]李亿祥等．汽车主动悬架建模实验．太原重型机械学院学报，2001(6)
[38]G.J.Schoenau, J.S.Stecki, R.T.Burton. Utilization of Artificial Networks in the Control,Identification and Condition Monitoring of Hydraulic Systems-An Overview SAE 2000-01-2591
[39]Juniehi Emura, Shinobu Kakizaki. Development of the Semi-Active Suspension System Based on the Sky-Hook Damper Theory, SAE 940863
[40]Li Jun, Yu Fan, Zhang Jianwu. Fuzzy Neural Networks of A Semi-active Suspension System with Dynamic Absorber, SAE 2000-01-3077
[41]Song Yongmoon, Wookkwon. Genetic-based Fuzzy Control for Half-car Active Suspension System. International Journal of System Science, No.7, 1998.
[42]David R. Woerner, Raman Rangenathan, Alley C. Bulter. Developing an ARTIFICIAL neural Network for Modeling Heavy Vehicle Rollover, SAE 2000-01-3418
[43]Edward M. Kasprzak and DOUGLAS L. Milliken. MRA Vehicle Dynamics Simulation-Matlab/Simulink., SAE 2000-01-1624
[44]Karnopp D. Active and Semi-active Vibration Isolation. Transactions of the ASME, 1995,117:117-185
[45]M. Ramsbottom and D. A. Crolla. Development and Analysis of a prototype Controllable Suspension , SAE paper 972691
[46]薛钧义等．编著．微机控制系统及其应用．西安：西安交通大学出版社，2003．2
[47]门永新．吉林工业大学．博士论文．汽车悬架控制与可控减振器特性研究，1997．6
[48]清源计算机工作室．编著．Visual C++6.0开发保典．北京：机械工业出版社，1999．5
[49]高光天．主编．传感器与信号调理器件应用技术．北京：科学出版，2002．7
[50]高峰霞等．Visual Basic 6.0中文版提高与应用．北京：电子工业出版社，1999．11
[51]网冠科技．Viaual Basic 6.0程序设计工程师．北京：机械工业出版社，2001．4
[52]Davis Chapman著．骆长乐译．学用Visual C++6.0．北京：清华大学出版社，1999．9
[53]马明建等．编著．数据采集与处理技术．西安：西安交通大学出版社，1998．9
[54]范逸之等．编著．Visual Basic与数字输入输出适配卡控制．北京：清华大学出版社，2003(7)
[55]杨波涛等．液压半主动悬架的自适应神经网络控制．中国公路学报，2003(6)
[56]宋宇等．车辆悬架多刚体动力学分析及PID控制研究．农业机械学报，2004(1)
[57]靳晓雄等．编著．汽车振动分析．同济大学出版社，2002(5)
[58]楚彦军等．PID神经网络控制器的设计及仿真研究．工业仪表与自动化装置，2001(2)
[59]龚菲等．基于神经网络的PID参数自整定与实时控制．华中科技大学学报，2002(10)
[60]李秀等．Visual Basic中控制输入输出口的方法．计算机工程与应用，2000(3)
[61]朱从旭等．Windows API的VB编程控制应用程序行为．计算机系统应用，2000(1)
[62]赵和平等．汽车非线性悬架动态特性研究．系统仿真学报，2001(9)
[63]高国生等．汽车悬架控制系统研究动态与展望．机械强度，2003(3)
[64]姚晔等．PCL-812PG数据采集卡在VC++6.0应用工程中的使用．计算机应用研究，2002(2)
[65]唐昌松．基于VB的数据采集软件的开发．机械与电子，2002(2)
[66]Simon Haykin著．叶世雄等 译．神经网络原理．北京：机械工业出版社，2004．1
[67]邵英．南京农业大学．硕士论文．车辆主动悬架控制策略的仿真研究，2003．6
[68]韩波．浙江大学．博士论文．车辆悬架的电液主动控制研究，1998．2
[2]孙建民等．汽车悬架系统振动控制技术研究现状．汽车工艺与材料， 2001(2)
[3]刘惟信，编著．汽车设计．北京：清华大学出版社，2001．7
[4]李军等．汽车主动悬架控制方法的现状与发展．渝州大学学报，1999(12)
[5]董波．主要类型可控悬架的原理简介及发展． 汽车技术， 2002(5)
[6]Yokoya Y, Kizu R, et al. Integrated control system between active comrol suspension and four wheel steering for the 1989 Celica. SAE paper 901748,1990
[7]边焕鹤等．编著．汽车电器与电子设备．北京：人民交通出版社，1997
[8]Hrovat D. Survey of advanced suspension developments and related optimal control applications. Automatica, 1997
[9]王世明等．半主动悬架及其控制．汽车技术，1999(12)
[10]刘后毅．空气悬架的原理和使用．山东交通科技，2001(1)
[11]余志生．编著．汽车理论．北京：清华大学出版社，1980
[12]易继锴等．编著．智能控制技术．北京：北京工业大学出版社，1999．9
[13]王旭等．编著．人工神经元网络原理与应用．沈阳：东北大学出版社，2000．12
[14]李士勇．编著．模糊控制·神经控制和智能控制论．哈尔滨：哈尔滨工业大学出版社，1998．9
[15]阎平凡等．编著．人工神经网络与模拟进化计算．北京：清华大学出版社，2000．11
[16]徐丽娜．编著．神经网络控制．哈尔滨：哈尔滨工业大学出版社，1999．5
[17]黄文梅等．编著．系统仿真分析与设计——MATLAB语言工程应用．长沙：国防科技大学出版社，2001．12
[18]薛定宇等．编著．基于MATLAB／Simulink的系统仿真技术与应用．北京：清华大学出版社，2002．4
[19]飞思科技产品研发中心．编著．MATLAB 6.5辅助神经网络分析与应用．北京：电子工业出版社，2003．1
[20]楼顺天等．编著．基于MATLAB的系统分析与设计．西安：西安电子科技大学出版社，1998．9
[21]余强等．主动悬架系统的连续模糊控制．汽车技术，1999(1)
[22]陶永华．编著．新型PID控制及其应用．北京：机械工业出版社，2002．11第2版
[23]杜建凤等．神经网络PID控制．北京科技大学学报，1998(12)
[24]龙晓林等．基于优化BP神经网络的PID控制器的研究，2003(2)
[25]朱思洪等．可扩展微机测试平台及其在车辆振动测试中的应用．机械设计与制造工程，2002(5)
[26]研祥智能股份公司．PCL812PG产品说明书
[27]王国丽等．车辆主动悬架技术的现状和发展趋势．兵工学报，2000(2)
[28]何渝生等．汽车振动学．北京：人民交通出版社，1990
[29]王晓兰等．模糊神经网络实现的PID参数自调整控制及其应用研究．电机与控制学报，1998(6)
[30]朱春波等．基于比例阀的气动伺服系统神经网络控制方法的研究．中国机械工程，2001(12)
[31]丁科等．车辆主动悬架的神经网络模糊控制．汽车工程，2000(6)
[32]陈龙等．车辆半主动悬架控制技术的研究．农业机械学报，2002(1)
[33]陈弘．主动悬架在MATLAB上的模拟仿真．汽车科技，2000(2)
[34]徐伯清等．汽车主动悬架的最优控制．江南学院学报，1999(12)
[35]赵迎生．半主动悬架电子控制系统的研究．汽车电器，2002增刊
[36]张志谊等．悬架的半主动控制．上海交通大学学报，1999(3)
[37]李亿祥等．汽车主动悬架建模实验．太原重型机械学院学报，2001(6)
[38]G.J.Schoenau, J.S.Stecki, R.T.Burton. Utilization of Artificial Networks in the Control,Identification and Condition Monitoring of Hydraulic Systems-An Overview SAE 2000-01-2591
[39]Juniehi Emura, Shinobu Kakizaki. Development of the Semi-Active Suspension System Based on the Sky-Hook Damper Theory, SAE 940863
[40]Li Jun, Yu Fan, Zhang Jianwu. Fuzzy Neural Networks of A Semi-active Suspension System with Dynamic Absorber, SAE 2000-01-3077
[41]Song Yongmoon, Wookkwon. Genetic-based Fuzzy Control for Half-car Active Suspension System. International Journal of System Science, No.7, 1998.
[42]David R. Woerner, Raman Rangenathan, Alley C. Bulter. Developing an ARTIFICIAL neural Network for Modeling Heavy Vehicle Rollover, SAE 2000-01-3418
[43]Edward M. Kasprzak and DOUGLAS L. Milliken. MRA Vehicle Dynamics Simulation-Matlab/Simulink., SAE 2000-01-1624
[44]Karnopp D. Active and Semi-active Vibration Isolation. Transactions of the ASME, 1995,117:117-185
[45]M. Ramsbottom and D. A. Crolla. Development and Analysis of a prototype Controllable Suspension , SAE paper 972691
[46]薛钧义等．编著．微机控制系统及其应用．西安：西安交通大学出版社，2003．2
[47]门永新．吉林工业大学．博士论文．汽车悬架控制与可控减振器特性研究，1997．6
[48]清源计算机工作室．编著．Visual C++6.0开发保典．北京：机械工业出版社，1999．5
[49]高光天．主编．传感器与信号调理器件应用技术．北京：科学出版，2002．7
[50]高峰霞等．Visual Basic 6.0中文版提高与应用．北京：电子工业出版社，1999．11
[51]网冠科技．Viaual Basic 6.0程序设计工程师．北京：机械工业出版社，2001．4
[52]Davis Chapman著．骆长乐译．学用Visual C++6.0．北京：清华大学出版社，1999．9
[53]马明建等．编著．数据采集与处理技术．西安：西安交通大学出版社，1998．9
[54]范逸之等．编著．Visual Basic与数字输入输出适配卡控制．北京：清华大学出版社，2003(7)
[55]杨波涛等．液压半主动悬架的自适应神经网络控制．中国公路学报，2003(6)
[56]宋宇等．车辆悬架多刚体动力学分析及PID控制研究．农业机械学报，2004(1)
[57]靳晓雄等．编著．汽车振动分析．同济大学出版社，2002(5)
[58]楚彦军等．PID神经网络控制器的设计及仿真研究．工业仪表与自动化装置，2001(2)
[59]龚菲等．基于神经网络的PID参数自整定与实时控制．华中科技大学学报，2002(10)
[60]李秀等．Visual Basic中控制输入输出口的方法．计算机工程与应用，2000(3)
[61]朱从旭等．Windows API的VB编程控制应用程序行为．计算机系统应用，2000(1)
[62]赵和平等．汽车非线性悬架动态特性研究．系统仿真学报，2001(9)
[63]高国生等．汽车悬架控制系统研究动态与展望．机械强度，2003(3)
[64]姚晔等．PCL-812PG数据采集卡在VC++6.0应用工程中的使用．计算机应用研究，2002(2)
[65]唐昌松．基于VB的数据采集软件的开发．机械与电子，2002(2)
[66]Simon Haykin著．叶世雄等 译．神经网络原理．北京：机械工业出版社，2004．1
[67]邵英．南京农业大学．硕士论文．车辆主动悬架控制策略的仿真研究，2003．6
[68]韩波．浙江大学．博士论文．车辆悬架的电液主动控制研究，1998．2