学海网

半主动悬架的试验和模糊神经网络控制

摘要: 本文建立了四分之一半主动悬架的数学模型。根据系统参数时变的特点, 将模糊逻辑控制方法和小脑模型神经网络结合形成了一种新的智能控制策略: 模糊小脑模型神经网络(FCMAC) , 给出了FCMAC的算法, 并利用FCMAC 对系统进行在线控制, 试验结果表明: 在正弦和随机两种信号激励下, 利用FCMAC控制策略可使半主动悬架簧载质量垂直加速度均方根值分别下降26119 %和24196 %。文章最后指出了该控制策略需要进一步解决的问题。
　　 关键词: 半主动悬架; FCMAC; 试验
　　
　　 0 　前言
　　 在汽车舒适性评价指标中, 最重要的指标是行驶平顺性, 即乘客对振动的适应度。为此, 人们对悬架这个重要的隔振元件进行了大量研究, 半主动悬架由于其优越的性能价格比而倍受青睐。本文通过最有代表性的二自由度1/ 4 半主动悬架系统进行研究, 既保
　　 留了许多最主要的特性, 又免除了整车研究的复杂性, 因为四分之一悬架模型远比现有的de carbon 模型先进, 总能精确模拟车体在广泛操作范围内的垂直位移, 通过计入非线性因素如弹簧、阻尼、轮胎等特性, 可得到精确度很高的值。有关悬架的控制策略,
　　 几乎遍及控制理论的所有分支, 本文将模糊逻辑和小脑模型神经网络结合, 在其输入层引入模糊集合的隶属度概念, 即用模糊逻辑表示小脑模型神经网络的概念映射。这样既符合人的思维模式, 更加真实地描述客观世界, 而且增添了模糊控制和模糊推理量的学习功能, 可以有效地减少输入层的容量。仿真和实验结果都表明了这种新的控制策略的有效性。