摘要: |
车辆的平顺性研究所关心的是车辆在垂直方向上的上下跳动与绕横轴的俯仰运动。人体承受全身振动而引起的舒适性问题,称为振动舒适性。由振动加速度有效值以及振动频率、受振持续时间等物理量综合描述。根据行车舒适性研究的结果,引起驾乘人员不舒适的主要原因是一定频率下的垂直振动加速度。加速度越大,舒适性越差。振动加速度是影响乘客乘坐舒适性的重要因素之一。
悬架性能是影响车辆振动舒适性的重要性能。因此,研究车辆的振动特点,设计新型悬架系统,对车辆振动进行有效控制是提高现代车辆振动舒适性的重要措施。
本课题基于车辆动力学基本理论,应用遗传与神经网络控制算法,应用ISO 2631评价标准,得到车辆悬架结构控制前与控制后的振动舒适性能,并在此基础上,应用烦恼率模型,得到了基于烦恼率模型的车辆悬架结构在路面随机激励下的振动舒适性评价方法。论文第一章介绍了汽车振动舒适性与悬架振动控制的国内外研究现状;第二章应用随机振动基本理论与车辆系统动力学基本理论,引用平稳与非平稳随机输入的时域通用模型,得到车辆两轮相关路面模型,建立了悬架系统模型,并进行了仿真;第三章论述了遗传算法与神经网络算法原理,设计了神经网络辨识与神经网络控制算法的结构;第四章应用遗传神经网络控制算法,进行仿真分析;第五章应用ISO 2631振动舒适性评价标准,对经过悬架控制前与控制后的垂直振动加速度进行分析;第六章应用结合了振动舒适性客观评价与主观评价的烦恼率模型,研究了基于烦恼率模型的车辆悬架结构在路面随机激励下的振动舒适性评价方法。本文的研究成果主要包括以下几个方面:
1.本文运用车辆动力学理论,建立了二分之一车体四自由度主动悬架系统的动力学模型,并以此作为控制策略的仿真的基础。
2.用计算机模拟路面不平度信号作为汽车悬架振动模型的输入信号车辆在行驶时很多情况是非匀速行驶的,如车辆的起步加速、减速制动等工况,尽管路面输入在空间域内是平稳的,但在时间域内是非平稳的,为了使路面模型更加符合路面实际情况,本文用计算机模拟产生了路面不平度信号作为模型的输入,应用两轮相关路面不平度输入的时域通用模型,使研究更加接近真实悬架的振动情况。
3.本文采用遗传算法与神经网络相结合,神经网络辨识与神经网络控制结合的控制策略,对建立的汽车悬架振动模型进行控制仿真研究,针对车身质量加速度、轮胎动载荷、悬架动挠度这三个性能指标,根据悬架系统的控制原理图,建立系统的仿真模型。选取典型的路面输入信号,对悬架性能进行仿真,然后,①对主、被动悬架的性能分析对比;②不同控制策略下主动悬架的减振特性的分析;③神经网络训练参数与遗传算法输入函数变化时,在同一控制策略下悬架特性的变化和影响分析;④为验证控制系统的鲁棒性,本文还考虑了车速变化时,系统的响应特性。
采用Matlab软件中的S函数编程,通过计算机仿真验证了这种控制算法的有效性,并与被动悬架的性能指标进行了对比,证明采用本文的车辆主动悬架的控制算法能够提高车辆悬架的综合性能。
4.行驶平顺性和操纵稳定性是今后体现车辆性能的重要指标,因此采用遗传算法优化车辆悬架性能评价指标,较全面地反映在振动控制过程中车辆的行驶平顺性与操纵稳定性,用于比较主动悬架的综合性能。
5.根据行车舒适性研究的结果,引起驾乘人员不舒适的主要原因是一定频率下的垂直振动加速度。加速度越大,舒适性越差。通过控制前、后车身垂直加速度分析,运用振动舒适性评价标准ISO 2631,得到人的主观感受。通过悬架控制算法,降低车身振动加速度,达到提高振动舒适性的目的。
6.结合心理物理学的信号检测理论分析人对振动反应的不确定性,应用人对振动主观反应模糊性的隶属度函数即烦恼率模型,结合控制前与控制后的悬架性能,用烦恼率作为描述人对振动主观反应的量化指标。研究了基于烦恼率模型的车辆悬架结构在路面随机激励下的振动舒适度评价方法。
|