一种汽车半主动悬架系统的智能控制方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109927501A(43)申请公布日2019.06.25(21)申请号201910184458.X(22)申请日2019.03.12(71)申请人辽宁科技大学地址114044辽宁省鞍山市高新区千山路185号(72)发明人刘洪宇(74)专利代理机构鞍山嘉讯科技专利事务所(普通合伙)21224代理人张群(51)Int.Cl.B60G17/015(2006.01)B60G17/018(2006.01)G06F17/50(2006.01)权利要求书2页说明书8页附图5页(54)发明名称一种汽车半主动悬架系统的智能控制方法(57)摘要一种汽车半主动悬架系统的智能控制方法，对模糊控制器进行改进，设计出基于Mamdani模型的神经模糊推理系统作为控制器，结合BP反传学习规则，训练出模糊控制规则，同时采用SimulinkS-函数构建相应的模糊神经网络控制汽车半主动悬架系统仿真模型。通过对该模型的仿真试验结果的分析表明，该模型的运用可以使汽车悬架系统的综合性能得到了较显著的改善。在相同试验条件下，统一在Simulink环境下对被动悬架和基于模糊控制及Mamdani模糊神经网络控制的半主动悬架系统模型进行仿真试验。并以悬架性能评价指标即车身垂直加速度、悬架动行程以及轮胎动载荷相应的均方根值为仿真模块的输出，本发明所用到的智能控制方法能有效提高半主动悬架系统的性能。CN109927501ACN109927501A权利要求书1/2页1.一种汽车半主动悬架系统的智能控制方法，其特征在于，包括如下步骤：步骤一、针对汽车悬架系统自身特点，明确悬架性能评价指标，建立在时域中由功率谱密度描述的随机滤波白噪声路面输入仿真模型及模拟结果，构建四自由度半车被动悬架和半主动悬架的动力学模型；步骤二、在Simulink中根据汽车配置参数和悬架受振数学模型分别建立被动悬架系统与模糊控制下的半主动悬架系统的方框图仿真模型；步骤三、在模糊推理系统基础上引入Mamdani模型神经模糊推理系统控制算法，使用软件自带的M语言编写S-函数实现，再结合Simulink封装功能根据需要定制S-函数模块的用户接口，内嵌BP反传算法，使用典型数据对初始的基于Mamdani模型的神经模糊推理系统实施训练；从而创建基于Mamdani模型的模糊神经网络控制半主动悬架系统仿真模型；步骤四、在相同试验条件下，统一在Simulink环境下对被动悬架和基于模糊控制及Mamdani模糊神经网络控制的半主动悬架系统模型进行仿真试验，得到仿真结果；并以悬架性能评价指标即车身垂直加速度、悬架动行程以及轮胎动载荷相应的均方根值为仿真模块的输出，将在不同控制方式下得到的仿真结果进行对比分析，综合评价出这些智能控制方法的控制优劣效果。2.根据权利要求1所述的一种汽车半主动悬架系统的智能控制方法，其特征在于，所述的步骤二具体包括如下：步骤201、采用车身垂直加速度、悬架动行程以及轮胎动载荷这三个从不同角度描述且相互牵制的基本参数来进行定量评价；步骤202、建立在时域中由功率谱密度描述的随机滤波白噪声路面输入仿真模型及模拟结果，通过MATLAB/Simulink模拟前、后轮路面垂直位移输入；步骤203、构建四自由度半汽车被动悬架和半主动悬架的动力学模型；将被动悬架的半车模型整理成如下形式的数学模型：其中，各符号含义如下：ms—汽车簧载质量；θ—车身质心处的俯仰角；Is—簧载质量绕质心处侧向轴线角振动的转动惯量；Z2—质心处的垂向位移；a、b—前后轴至质心的距离；k2f、k2r—前、后悬架刚度；c2f、c2r—前、后悬架阻尼系数；muf、mur—前、后轴非簧载质量；k1f、k1r—前后轮胎刚度；2CN109927501A权利要求书2/2页Z2f、Z2r—车身前、后端的垂向位移；Z1f、Z1r—前、后轴非簧载质量的垂向位移；Z0f、Z0r—前、后轮处路面不平度输入；半主动悬架通过可控减振器提供在一定范围内可调的阻尼力，建立四自由度半车半主动悬架动力学模型；将半主动悬架的半车模型整理成如下形式的数学模型：Ff、Fr—前、后悬架可调阻尼力；当车身前、后端半主动悬架的可调阻尼力Ff、Fr的输入值为零时，半主动悬架系统即转化为被动悬架系统；由以上数学模型借助MATLAB/Simulink平台建立汽车悬架系统的动力学仿真模型。3.根据权利要求1所述的一种汽车半主动悬架系统的智能控制方法，其特征在于，所述的步骤三中：训练数据取自模糊控制系统的仿真数据，分别为车身垂直加速度、悬架动行程以及轮胎动载荷的实时数据，接着利用BP反传学习规则，选用预处理后的典型数据对初始的基于Mamdani模型的神经模糊推理系统实施训练，最后将训练好的基于Mamdani模型的神经模糊推