一、前言
汽車懸架系統(tǒng)對車輛行駛平順性、乘坐舒適性和操縱穩(wěn)定性有很大影響。傳統(tǒng)的被動懸架只能被動地存儲和吸收外界能量,不能主動適應車載質(zhì)量、輪胎剛度等車輛參數(shù)和路面激勵的變化,大大制約了車輛性能的提高。主動懸架克服了傳統(tǒng)被動懸架的諸多局限,使懸架系統(tǒng)對不同運行工況具有最大程度的適應能力。
由于懸架系統(tǒng)的模型參數(shù)往往不確定,路面激勵未知且可變,研究開發(fā)出各種自適應控制策略應用于主動懸架控制[1],主要有模型參考自適應控制、自校正控制和神經(jīng)網(wǎng)絡自適應控制。文獻[2]提出了以理想天棚阻尼控制為參考模型的自適應控制策略,但在設計中需要選擇一個合適的Lyapunov函數(shù),這要求有一定的理論知識和實踐經(jīng)驗,否則不易獲得較好的自適應規(guī)律。文獻[3]、文獻[4]的自校正控制需要首先在線估計模型參數(shù)或控制器參數(shù),然后再綜合控制律,是一種依賴于模型的解析設計方法,且比一般的常規(guī)控制器要復雜。文獻[5]采用神經(jīng)網(wǎng)絡間接自適應控制,充分利用神經(jīng)網(wǎng)絡在非線性處理和自學習、自適應方面的優(yōu)勢,但基于多層結構的神經(jīng)網(wǎng)絡結構相對復雜,又因采用了S型作用函數(shù)而計算量較大,在線調(diào)節(jié)權重用時較長,不宜于實時在線控制。
文獻[6]提出了一種基于單個自適應神經(jīng)元的非模型直接控制方法。它的顯著特點是無需進行系統(tǒng)建模,充分利用神經(jīng)元的關聯(lián)搜索和學習能力來實現(xiàn)控制目的。該控制器結構非常簡單,運算量小,實時性好,控制品質(zhì)優(yōu),對模型參數(shù)的變化和外界擾動具有較強的適應性和魯棒性。自適應神經(jīng)元控制已被成功應用于電力系統(tǒng)、汽車防抱制動系統(tǒng)、醫(yī)療藥品注射系統(tǒng)等[7-9]。作者針對汽車主動懸架,設計一個自適應神經(jīng)元控制器,研究系統(tǒng)在隨機路面激勵下的減振效果,同時考察控制器在變參數(shù)條件下的魯棒性。
二、主動懸架系統(tǒng)的動力學模型
選取二自由度1/4主動懸架為研究對象,如圖1所示。動力學方程為
式中ms為車身質(zhì)量,mt為簧下質(zhì)量,ks為懸架彈簧剛度,b為懸架阻尼系數(shù),kt為輪胎剛度,u為懸架系統(tǒng)的主動控制力,q、xs、xt分別為路面垂向輸入位移、車身位移和簧下質(zhì)量位移。
選取系統(tǒng)狀態(tài)變量X、輸入變量U和輸出變量Y分別為
三、自適應神經(jīng)元控制器的設計
文獻[6]提出了一種適于控制的自適應單神經(jīng)元模型,它既可以利用神經(jīng)網(wǎng)絡的優(yōu)點,又能適應于快速過程實時控制的要求。其相應的自適應神經(jīng)元控制系統(tǒng)如圖2所示。
四、仿真計算及分析
根據(jù)以上自適應神經(jīng)元控制算法,利用Matlab615中的Simubbbb510工具箱,通過搭建系統(tǒng)模塊來實現(xiàn)模擬仿真,所得自適應神經(jīng)元控制器的Simubbbb仿真模型見圖3。為證實其減振效果,還與被動懸架、傳統(tǒng)的PID控制懸架進行了性能對比。
所用的懸架模型參數(shù)名義值[10]
ms=240kg,mt=36kg,ks=16kN/m,b=980N·s/m,kt=160kN/m。以C級路面的垂直速度為激勵輸入進行仿真。路面不平度系數(shù)Gq（n0）=256×10-6m2/m-1,車速v=20m/s,參考空間頻率n0=0.1m-1,速度功率譜密度為一白噪聲Gq·（f）=4π2Gq（n0）n20v。仿真中神經(jīng)元控制器參數(shù)為:學習速率d1=30,d2=63.3,d3=15.9；比例系數(shù)k=148.7；采樣周期為0.01s。
仿真時,先對模型參數(shù)取名義值進行驗證；然后將懸架參數(shù)的車身質(zhì)量增加20%,同時輪胎剛度下降20%,考察控制器在模型參數(shù)變化時的適應能力。以上兩種情況著重考察車身加速度響應,見圖4及圖5；根據(jù)懸架系統(tǒng)時域輸出仿真數(shù)據(jù),計算車身加速度、懸架動撓度、車輪動位移的均方根值及綜合性能指數(shù)J,如表1所示。
由圖4和表1可知,在名義參數(shù)情況下,兩種主動懸架都能有效地降低車身加速度,改善平順性。盡管懸架動撓度有所增大,但車輛的綜合性能仍得到了改進。而且,自適應神經(jīng)元控制下的車輪動位移也有一定程度的改善,其綜合減振效果要明顯優(yōu)于PID控制。由圖5和表1可見,在懸架參數(shù)變化時,兩種主動懸架仍然都能減少車身加速度,有效地改善平順性。自適應神經(jīng)元控制的減振效果仍然優(yōu)于PID控制。由此表明:自適應神經(jīng)元控制能有效地跟隨模型參數(shù)的變化,將車身加速度控制在一個較好的范圍內(nèi),降低了參數(shù)不確定性對車輛平順性能的影響；雖然神經(jīng)元控制的懸架動撓度、車輪動位移相對被動懸架有所增大,但相對PID控制仍有改善,尤其是其綜合性能也得到了改進。
五、結論
（1）車輛主動懸架的自適應神經(jīng)元控制器的仿真結果表明:該控制器能有效地改善車輛的綜合性能,尤其是車輛運行的平順性和舒適性,而且魯棒性好,對模型參數(shù)的變化具有一定的適應性,便于實現(xiàn)和應用。
（2）需要進一步研究控制器對不同路面激勵的適應性,以完善主動懸架的性能。
（3）應對控制過程的實用化作深一步的研究,比如考慮作動器的非線性、時滯等因素的影響。
參考文獻
[1]張玉春,王良曦,從華.汽車主動懸掛控制的研究現(xiàn)狀和未來挑戰(zhàn)[J].控制理論與應用,2004,21（1）:139-144.
[2]NejadFBakhtiari,MohammadiAKarami.
ActiveVibrationControlofVehiclewithElasticBodyUsingModelReferenceAdaptiveControl[J].JournalofVibrationandControl,1998,4:463-479.
[3]YuF,CrollaDA.AnOptimalSelf2tuningControllerforanActiveSuspension[J].VehicleSystemsDynamics,1998,29（1）:51-65.
[4]梁經(jīng)芝,馬國新.電液主動懸架的自校正控制[J].汽車工程,2005,27（2）:209-211.
[5]陳無畏,王其東,王志君,等.汽車半主動懸架的非線性神經(jīng)網(wǎng)絡自適應控制研究[J].機械工程學報,2000,36（1）:75-78.
[6]WangNing,ChenJ,TuJ.NeuronInbbbligentControlforHydraulicTurbineGenerators[C].ProceedingsoftheIEEEInternationalConferenceonIndustrialTechnology,
Guangzhou,1994,94TH0659-3:288-292.
[7]WangNing,WangShuqing.Neuron2inbbbligentCoordinationControlforaUnitPowerPlant[C].ProceedingsoftheIEEEInternationalConferenceonInbbbligentProcessingSystem,
Beijing,1997,1:750-753.
[8]WangNing,ZhouChongyang.ANeuronControllerwithSelf2tuningGainforAnti2lockBrakingSystems[C].Proceedingsofthe3rdWorldCongressonInbbbligentControlandAutomation,2000,2:1018-1021.
[9]ZhangJianming,WangShuqing,WangNing.NeuronModel2freeControlofDrugInfusionRate[C].ProceedingsoftheAmericanControlConferenceChicago,Illinois,2000,5:2977-2981.
[10]ChouJyh2Hrong,ChenShinn2Hrong,LeeFeng2Zhi.Grey2fuzzyControlforActiveSuspensionDesign[J].InternationalJournalofVehicleDesign,1998,19（1）.
：鞏經(jīng)理
：13915946763
：南京塞姆泵業(yè)有限公司
