详情

原文传递基于群智能算法优化的主动悬架控制策略研究

论文题名：	基于群智能算法优化的主动悬架控制策略研究
关键词：	汽车主动悬架系统;控制策略;冲击路面;建模方法
摘要：	作为影响车辆行驶安全性和舒适性的关键部件，悬架在汽车底盘中有着举足轻重的地位。被动悬架由于其参数的不可调性，在发挥其性能方面局限性太大，主动悬架因其独特的能够产生主动力的作动器，可以实现悬架性能随路况的自适应调节，极大改善了汽车行驶平顺性和操纵稳定性。对于主动悬架系统的研究重点往往在它的控制器上，控制算法的开发尤为重要。本文针对主动悬架开发过程中关键一环——控制策略仿真试验，以1/4悬架为研究对象，以PID控制、Fuzzy控制、神经网络控制为基础，融合新型智能算法，以MATLAB软件为仿真平台进行研究。本文主要有以下工作：　　首先，依据车辆动力学研究常用模型确定本文分析所选模型，根据1/4主、被动悬架动力学方程在Simulink环境下搭建仿真模型；以随机路面分析方法、时间频谱与空间频谱的转换、冲击路面建模方法为理论基础来模拟路面激励，得到C级路面和冲击路面在时域下的输出响应；给出悬架系统性能综合评价指标，为后续的仿真工作奠定基础。　　其次，根据PID控制理论设计了1/4主动悬架PID控制器；以标准人工蜂群算法(ABC)为基础，基于搜索方式和选择策略提出一种改进的ABC算法，并应用于PID参数自整定。在同等级路面条件下，经过仿真对比分析结果表明：改进后的ABC算法整定PID参数收敛速度更快、求解精度更高，基于改进后的ABC-PID控制的1/4主动悬架车身垂向加速度、悬架动行程、轮胎动位移相较改进前分别优化了15.1%、26.3%、15.4%，在主动悬架PID控制方面效果更出色。　　然后，根据Fuzzy控制理论设计了1/4主动悬架模糊PID控制器；以标准教学优化算法（TLBO）为基础，基于自适应教学因子、“变异”操作的自学过程、K均值聚类提出一种TLBO改进方法，针对隶属函数对模糊规则的影响将其参数设计为优化变量，设计了一种基于K均值TLBO算法优化的1/4主动悬架Fuzzy-PID控制器。在同等级路面条件下，经过仿真对比分析结果表明：传统PID控制、模糊PID控制、基于改进前后的TLBO优化的Fuzzy-PID四种控制算法相比较，基于TLBO算法优化的Fuzzy-PID控制在抑制车辆振动方面效果好于一般模糊PID和传统PID控制，且基于改进TLBO算法优化的Fuzzy-PID控制的主动悬架车身垂向加速度和悬架动行程相较改进前分别优化了19.5%、38.5%；冲击路面输入下，基于改进TLBO算法优化的Fuzzy-PID控制相较改进ABC-PID控制的主动悬架车身垂向加速度减小了14.9%，验证了该算法在控制车辆平顺性和舒适性方面的优越性，同时模糊PID控制系统的适应性和鲁棒性也更强。　　最后，对基于改进TLBO算法优化的1/4主动悬架PID控制系统进行仿真，所得数据经过神经网络训练后的ANFIS控制器设计，仿真结果对比表明：基于TLBO-ANFIS控制的主动悬架车身垂向加速度、悬架动行程、轮胎动位移相比TLBO-PID控制的主动悬架分别优化了12.6%、20.8%、19%。TLBO-ANFIS控制的主动悬架系统既融合了算法本身的高求解速度、高精度，又结合了神经模糊系统的自适应自学习能力，有效改善了悬架性能。
作者：	荆航
专业：	车辆工程
导师：	续彦芳;王金珠
授予学位：	硕士
授予学位单位：	中北大学
学位年度：	2022