主動(dòng)懸架控制算法總結(jié)報(bào)告

主動(dòng)懸架控制算法總結(jié)報(bào)告主動(dòng)懸架控制算法總結(jié)報(bào)告懸架系統(tǒng)的作用就是將輪胎所承受的各種力和力矩傳遞給車架和車身，并能吸收、緩和路面?zhèn)鱽?lái)的振動(dòng)和沖擊，減少駕室內(nèi)的噪聲，增加乘客的舒適性以及保持汽車良好的操作性和平穩(wěn)的行駛性。汽車懸架性能將影響汽車的操縱穩(wěn)定性和行駛平順性，在懸架設(shè)計(jì)中不可能同時(shí)使上述性能指標(biāo)均達(dá)到最優(yōu)。在懸架參數(shù)設(shè)計(jì)中，往往是在保證操縱穩(wěn)定性的前提下，盡可能改善汽車的行駛平順性，或者是將懸架設(shè)計(jì)成主動(dòng)控制懸架，使其能根據(jù)不同的載荷、不同的行駛工況來(lái)自動(dòng)調(diào)節(jié)懸架參數(shù)（剛度、阻尼）。由于在懸架系統(tǒng)硬件設(shè)計(jì)不變的情況下，不同的控制律會(huì)導(dǎo)致不同的控制效果而且半主動(dòng)懸架與全主動(dòng)懸架相比僅僅是控制對(duì)象能量消耗方式不同，因此半主動(dòng)懸架的控制律設(shè)計(jì)完全可以基于主動(dòng)懸架的控制策略來(lái)進(jìn)行，只需根據(jù)消耗能量的情況進(jìn)行適當(dāng)?shù)男拚钠甙耸甏_始，人們不斷嘗試將各種控制方法和控制概念引入到智能懸架的控制律設(shè)計(jì)中，在主動(dòng)懸架及其相關(guān)技術(shù)方面每年都有大量的文獻(xiàn)和成果問(wèn)世。有效地改善了懸架系統(tǒng)的性能和控制質(zhì)量。國(guó)外一些工業(yè)發(fā)達(dá)國(guó)家雖然己經(jīng)在某些車型上應(yīng)用了主動(dòng)懸架產(chǎn)品，但在控制算法的改進(jìn)，系統(tǒng)穩(wěn)定性的增強(qiáng)，性能價(jià)格比的提高等方面仍有大量工作要做。目前國(guó)內(nèi)的研究尚處于懸架系統(tǒng)控制算法的優(yōu)化設(shè)計(jì)、理論分析及計(jì)算機(jī)仿真研究階段。各種現(xiàn)代控制方法在汽車懸架控制中的應(yīng)用也只是處于初級(jí)理論探索和仿真階段。主動(dòng)懸架控制理論實(shí)質(zhì)上是經(jīng)典控制理論，現(xiàn)代控制理論與汽車動(dòng)力學(xué)理論相結(jié)合的產(chǎn)物。在過(guò)去的幾十年中，國(guó)內(nèi)外許多學(xué)者在主動(dòng)懸架控制理論方面進(jìn)行了大量的研究。國(guó)外有影響的學(xué)者有Karnopp[1],Thompson[2],Crolla和Langlois等人。研究的控制理論內(nèi)容涉及天棚阻尼控制理論，隨機(jī)最優(yōu)控制理論，變結(jié)構(gòu)控制理論，預(yù)瞄控制理論等。隨著現(xiàn)代控制理論的發(fā)展與滲透，自適應(yīng)控制理論，模糊控制，H無(wú)窮控制理論，神經(jīng)網(wǎng)絡(luò)控制等也日顯其優(yōu)越性。國(guó)1主動(dòng)懸架控制算法總結(jié)報(bào)告內(nèi)，丁科等人對(duì)主動(dòng)懸架的神經(jīng)網(wǎng)絡(luò)控制進(jìn)行了研究。何渝生等將LQG最優(yōu)控制理論應(yīng)用于主動(dòng)控制。從總體上看，系統(tǒng)建模的合理化、控制理論復(fù)雜化和控制過(guò)程的實(shí)用有效化是當(dāng)今主動(dòng)懸架開發(fā)研究的一大特點(diǎn)，這些研究極大地豐富了汽車懸架控制的理論基礎(chǔ)，有力地推動(dòng)了主動(dòng)懸架在汽車上應(yīng)用的進(jìn)程。不同的控制策略，將會(huì)導(dǎo)致不同的懸架特性和減振效果。懸架系統(tǒng)控制理論的發(fā)展主要經(jīng)歷了兩個(gè)階段:第一階段從20世紀(jì)60年代至90年代，為主動(dòng)懸架的經(jīng)典PID控制和線性最優(yōu)控制研究時(shí)期;第二階段從20世紀(jì)90年代初至今，主要為主動(dòng)懸架預(yù)見控制和智能控制等高級(jí)控制理論的興起和發(fā)展階段。到目前為止，主動(dòng)懸架控制理論發(fā)展的第一階段已經(jīng)結(jié)束。作為發(fā)展的高潮時(shí)期，第二階段的理論正處于研究和探討之中。下面簡(jiǎn)要介紹一些常見的主動(dòng)懸架控制策略和方法。1.天棚阻尼器控制方法[3]天棚原理是E.K.Bender[4]在60年代提出的，它的設(shè)計(jì)思想廣泛用于主動(dòng)和半主動(dòng)懸架中，通常天棚控制被當(dāng)作其它控制策略參照比較的對(duì)象。天棚阻尼器控制設(shè)想將系統(tǒng)中的阻尼器移至車體與某固定的天棚之間。就主動(dòng)懸架而言，也就是要求由執(zhí)行機(jī)構(gòu)產(chǎn)生一個(gè)與車體的上下振動(dòng)絕對(duì)速度成比例的控制力來(lái)衰減車體的振動(dòng)。傳統(tǒng)的被動(dòng)懸架可以認(rèn)為是帶阻尼器的雙質(zhì)量振動(dòng)系統(tǒng)，當(dāng)考慮到帶寬和系統(tǒng)的共振特性時(shí)，傳統(tǒng)被動(dòng)懸架性能不能令人滿意。但帶天棚阻尼器的車輛懸架，只要合理選擇參數(shù)，可徹底消除系統(tǒng)共振現(xiàn)象。2.自適應(yīng)、自校正控制方法自適應(yīng)控制是一種實(shí)時(shí)調(diào)節(jié)控制器的方法，其研究對(duì)象是具有一定不確定性的系統(tǒng)。這里所謂的“不確定性”是指描述被控對(duì)象及其環(huán)境的數(shù)學(xué)模型不是完全確定的，其中包含一些未知因素和隨機(jī)因素。在懸架控制系統(tǒng)的設(shè)計(jì)中，自適應(yīng)控制能自動(dòng)監(jiān)測(cè)系統(tǒng)參數(shù)的變化，并實(shí)時(shí)地調(diào)節(jié)控制策略，從而使系統(tǒng)具有良好的性能。目前，比較完善的自適應(yīng)理論有模型參考自適應(yīng)控制和自校正控制。前者可對(duì)控制器的參數(shù)進(jìn)行直接更新，而后者是采用參數(shù)估計(jì)的方式間接地對(duì)控制器進(jìn)行更新［5］。Sunwoo等［6］以理想的天棚阻尼控制為參考模型，采用了主動(dòng)懸架的模型參考自適應(yīng)控制方法。仿真結(jié)果表明，當(dāng)懸架自身參數(shù)發(fā)生變化時(shí)，系統(tǒng)依然具有良好的性能。文獻(xiàn)［7］將非線性“滑?！笨刂埔?guī)則應(yīng)用于電液主動(dòng)2主動(dòng)懸架控制算法總結(jié)報(bào)告懸架系統(tǒng)中。文中采用了精確的懸架系統(tǒng)模型，通過(guò)自適應(yīng)控制使車輛的行駛特性得到改善。孫建民［8］把LMS自適應(yīng)控制策略應(yīng)用在主動(dòng)懸架系統(tǒng)中，在2自由度的懸架系統(tǒng)試驗(yàn)臺(tái)上進(jìn)行了試驗(yàn)，驗(yàn)證了該方法的可行性。但是，自適應(yīng)控制僅適合于懸架參數(shù)在某一特定范圍內(nèi)緩慢變化的情況。當(dāng)系統(tǒng)參數(shù)的變化超出特定的范圍時(shí)，系統(tǒng)的控制效果將會(huì)變差。預(yù)見控制方法主動(dòng)懸架的預(yù)見控制能夠根據(jù)車輛目前的行駛狀態(tài)和未來(lái)干擾等因素來(lái)提前給出調(diào)節(jié)作用，使懸架系統(tǒng)最有效地抵消外部干擾所引起的振動(dòng)［9-10］。預(yù)見控制的實(shí)現(xiàn)方法有兩類，一類是將前輪懸架的狀態(tài)信息反饋給后輪懸架，另一類是通過(guò)測(cè)量車輪前方道路來(lái)獲得實(shí)時(shí)的路況信息，并將此信息作為主動(dòng)懸架設(shè)計(jì)的重要依據(jù)。劉少軍、何將三等［11-12］研究了最優(yōu)預(yù)見控制算法，并成功地應(yīng)用在了主動(dòng)懸架半車模型控制中。文獻(xiàn)［13-14］對(duì)隨機(jī)路面下的主動(dòng)懸架最優(yōu)預(yù)見控制進(jìn)行了研究。Kim［15］將路面感知算法應(yīng)用于主動(dòng)懸架的預(yù)見控制中，對(duì)7自由度整車的仿真結(jié)果表明了該方法的有效性和實(shí)用性。Marzbanrad［16］等對(duì)懸架系統(tǒng)的隨機(jī)最優(yōu)預(yù)見控制進(jìn)行了研究。通過(guò)在車身的不同位置安裝傳感器，來(lái)測(cè)量車輛行駛的路面信息和車身速度。仿真結(jié)果表明，預(yù)見控制能夠提高懸架系統(tǒng)性能，并減少車輛能耗。實(shí)際上，預(yù)見控制也有其不足之處:？預(yù)見控制是在假定懸架系統(tǒng)是線性時(shí)不變系統(tǒng)的情況下制定的，并沒有對(duì)車輛參數(shù)的時(shí)變性加以研究;？預(yù)見控制要求車輛裝備特制的預(yù)見傳感器，雖然在技術(shù)上是可行的，但考慮到實(shí)車的制造成本、車輛工作環(huán)境對(duì)傳感器使用壽命的影響等實(shí)際問(wèn)題，要將預(yù)見控制應(yīng)用于實(shí)際還有很多問(wèn)題有待解決。模糊控制方法自90年代以來(lái)，模糊控制方法被應(yīng)用在車輛懸架系統(tǒng)中。有人利用MATLAB(SIMULINK)語(yǔ)言，來(lái)實(shí)現(xiàn)模糊控制系統(tǒng)的仿真。2003年，劉宏偉等人［17］以1/4車輛模型為仿真對(duì)象，建立模糊控制器，并模擬B級(jí)路面為隨機(jī)輸入，對(duì)模型進(jìn)行了計(jì)算機(jī)仿真，試驗(yàn)表明當(dāng)系統(tǒng)模型的結(jié)構(gòu)參數(shù)發(fā)生改變時(shí)，該控制器能表現(xiàn)出良好的魯棒性。2004年，雷海蓉［18］以空氣懸架系統(tǒng)為研究對(duì)象，采用模糊控制的基本理論，應(yīng)用Matlab軟件以及Simulink模塊，建立了1/4車輛3主動(dòng)懸架控制算法總結(jié)報(bào)告模型和模糊控制器，通過(guò)對(duì)模糊控制系統(tǒng)的仿真分析，探索了電控空氣懸架控制系統(tǒng)的設(shè)計(jì)思路與方法，并編制了模糊控制算法。2005年，王宏杰［19］以空氣懸架系統(tǒng)為研究對(duì)象，采用模糊控制理論，設(shè)計(jì)了自調(diào)整模糊控制器，通過(guò)Matlab軟件建立控制器模型，編制模糊控制算法。通過(guò)仿真分析，可以看出，懸架性能逐步被改善。其中具有代表性的是日本德島大學(xué)芳村敏夫教授的研究工作。應(yīng)用模糊控制能減少控制器的存儲(chǔ)空間，降低成本，縮短半主動(dòng)懸架的延時(shí)，使控制更加及時(shí)，提高懸架系統(tǒng)的可靠性。模糊理論應(yīng)用于汽車懸架主動(dòng)控制的步驟，以系統(tǒng)的某些狀態(tài)量為輸入，輸入量首先經(jīng)過(guò)模糊化，再按一定的模糊規(guī)則進(jìn)行模糊推理，將得到的結(jié)果經(jīng)過(guò)模糊化后得到精確值作為輸出來(lái)控制懸架。為了使模糊控制器具有良好的自適應(yīng)性和魯棒性，許多專家致力于模糊控制器自動(dòng)設(shè)計(jì)的研究。例如，宋曉琳、郭建華［20-21］等將免疫算法、遺傳算法與模糊控制相結(jié)合，對(duì)模糊規(guī)則進(jìn)行了優(yōu)化。仿真結(jié)果表明，具有模糊控制器的主動(dòng)懸架能夠有效地改善車輛行駛的平順性和操縱穩(wěn)定性，并具有較好的適應(yīng)性和魯棒性。神經(jīng)網(wǎng)絡(luò)控制方法神經(jīng)網(wǎng)絡(luò)的應(yīng)用已滲透到自動(dòng)控制領(lǐng)域的各個(gè)方面，包括系統(tǒng)辨識(shí)、系統(tǒng)控制、優(yōu)化計(jì)算以及控制系統(tǒng)的故障診斷與容錯(cuò)控制等。傳統(tǒng)的辨識(shí)方法對(duì)于非線性系統(tǒng)的識(shí)別較困難，而神經(jīng)網(wǎng)絡(luò)卻提供了一個(gè)有力的工具。神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)實(shí)際上選擇一個(gè)適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)模型來(lái)逼近實(shí)際系統(tǒng)。由于神經(jīng)網(wǎng)絡(luò)對(duì)非線性函數(shù)具有任意逼近和自學(xué)習(xí)能力，所以神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)為非線性系統(tǒng)的辨識(shí)提供了一種簡(jiǎn)單而有效的一般性方法?？梢越⒁环N神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制結(jié)構(gòu)，其中有兩個(gè)子神經(jīng)網(wǎng)絡(luò)，其一對(duì)系統(tǒng)進(jìn)行在線辨識(shí)。在對(duì)被控對(duì)象進(jìn)行在線辨識(shí)的基礎(chǔ)上，應(yīng)用另一個(gè)具有控制作用的神經(jīng)網(wǎng)絡(luò)，通過(guò)對(duì)控制網(wǎng)絡(luò)的權(quán)系數(shù)進(jìn)行在線調(diào)整，控制器經(jīng)過(guò)學(xué)習(xí)，對(duì)懸架系統(tǒng)進(jìn)行在線控制，使系統(tǒng)輸出逐漸向期望值接近［22-23］。具有神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制的主動(dòng)懸架能很好地減少車輛振動(dòng)，提高行駛平順性和穩(wěn)定性［24］。日本農(nóng)業(yè)工程大學(xué)的Moran和Nagai利用神經(jīng)網(wǎng)絡(luò)對(duì)實(shí)際的非線性懸架作了辨識(shí)與控制［25-27］，并與線性控制器進(jìn)行比較，結(jié)果表明了神經(jīng)網(wǎng)絡(luò)控制的優(yōu)越性。Guleza等人［28］針對(duì)8自由度非線性懸架系統(tǒng)設(shè)計(jì)了CBA神經(jīng)網(wǎng)絡(luò)控制4主動(dòng)懸架控制算法總結(jié)報(bào)告器，時(shí)域和頻域的仿真結(jié)果表明設(shè)計(jì)得到的主動(dòng)懸架極大地改善了乘坐舒適性，而且能耗很低。Yildirim［29］針對(duì)1/4車懸架系統(tǒng)設(shè)計(jì)了神經(jīng)網(wǎng)絡(luò)控制器。與傳統(tǒng)的PD、PI、PID控制器進(jìn)行比較，結(jié)果表明設(shè)計(jì)得到的主動(dòng)懸架系統(tǒng)展現(xiàn)出了良好的乘坐舒適性和魯棒性。王磊［30］提出了一種基于RBF神經(jīng)網(wǎng)絡(luò)在線辨識(shí)的單神經(jīng)元PID自適應(yīng)控制方法，并將此制策略應(yīng)用于車輛主動(dòng)懸架1/4車模型。仿真結(jié)果表明，這種控制策略能夠使乘坐舒適性得到明顯改善。黃劍鳴、富麗娟［31］建立了車輛主動(dòng)懸架再生神經(jīng)網(wǎng)絡(luò)模型，并提出了一種神經(jīng)模糊適應(yīng)性控制算法。對(duì)一輛裝有磁流變液減振器的模糊神經(jīng)控制系統(tǒng)的微車，在各種速度與路面條件下進(jìn)行測(cè)試，結(jié)果表明神經(jīng)控制算法在減小微車振動(dòng)方面表現(xiàn)出了良好的性能。學(xué)習(xí)是神經(jīng)網(wǎng)絡(luò)研究的一個(gè)重要內(nèi)容，它的適應(yīng)性是通過(guò)學(xué)習(xí)實(shí)現(xiàn)的。然而神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速度較慢，不適合應(yīng)用在實(shí)時(shí)控制中;此外，如何獲取神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本和改進(jìn)訓(xùn)練策略等問(wèn)題還有待于進(jìn)一步研究和解決。6.反饋控制方法［32］這種控制方法實(shí)現(xiàn)了執(zhí)行機(jī)構(gòu)實(shí)時(shí)連續(xù)調(diào)節(jié)，對(duì)控制系統(tǒng)的穩(wěn)定性、精確性和反應(yīng)速度要求較高，需要測(cè)量的信息和計(jì)算量較大，通常采用最優(yōu)控制算法和自適應(yīng)控制算法，將懸架處理成跟蹤問(wèn)題或隨機(jī)干擾濾波器問(wèn)題。7.線性最優(yōu)控制方法上世紀(jì)60年代，線性最優(yōu)控制理論已被應(yīng)用于車輛懸架系統(tǒng)的研究中。線性二次型調(diào)節(jié)器控制理論（簡(jiǎn)稱LQR）和線性二次高斯型控制理論（簡(jiǎn)稱LQG）是主動(dòng)懸架設(shè)計(jì)人員常用的方法。理論上講，LQR和LQG主動(dòng)懸架大幅度地改善了車輛的性能，且具有較大的穩(wěn)定裕量。但主動(dòng)懸架對(duì)模型攝動(dòng)時(shí)基本不具備魯棒性，在激勵(lì)頻率大于60Hz時(shí)，系統(tǒng)極易變得不穩(wěn)定。因此線性最優(yōu)控制具有以下不足之處：？采用線性最優(yōu)控制理論來(lái)設(shè)計(jì)主動(dòng)懸架時(shí)，需要有一個(gè)明確的目標(biāo)函數(shù)。目標(biāo)函數(shù)中的加權(quán)系數(shù)體現(xiàn)了各個(gè)被優(yōu)化性能的相對(duì)重要性，并且決定了懸架的性能傾向，但是加權(quán)系數(shù)的選取并沒有明確的理論加以指導(dǎo)，因此選擇合適的加權(quán)系數(shù)來(lái)獲得滿意的控制效果并非易事，往往需要經(jīng)歷反復(fù)調(diào)試的過(guò)程。？最優(yōu)控制理論很難處理好頻域內(nèi)的減振問(wèn)題，難以使車輛兼具良好的時(shí)域和頻域性能。？沒有考慮模型的不確定性，只是在平均意義上對(duì)隨機(jī)白噪聲擾動(dòng)進(jìn)行了抑制。因此當(dāng)模型存在攝動(dòng)時(shí)，線性最優(yōu)控制基本不具有魯棒性[33]。5主動(dòng)懸架控制算法總結(jié)報(bào)告8.決策控制方法[34]這種控制方法是預(yù)先測(cè)量對(duì)不同的路面和行駛條件下汽車的振動(dòng)響應(yīng)，并通過(guò)優(yōu)化計(jì)算得到所需的最佳K和C，存入主動(dòng)懸架控制系統(tǒng)ECU的ROM中，在進(jìn)行實(shí)時(shí)控制懸架時(shí)，ECU不斷檢測(cè)汽車行駛過(guò)程中的振動(dòng)響應(yīng)，通過(guò)決策判斷查出對(duì)應(yīng)工況下應(yīng)選的最優(yōu)或次優(yōu)懸架的K和C，控制執(zhí)行機(jī)構(gòu)作出響應(yīng)。9.H?控制方法[34]車輛懸架H?最優(yōu)控制的基本思想是，引入了懸架系統(tǒng)中激勵(lì)對(duì)誤差信號(hào)的傳遞函數(shù)，即靈敏度函數(shù)的H?范數(shù)作為評(píng)價(jià)這類干擾影響的指標(biāo)。由于傳遞函數(shù)的H?范數(shù)描述了輸入有限能量到輸出能量的最大增益，如果使靈敏度函數(shù)的H?范數(shù)達(dá)到最小，那么具有有限功率譜的激勵(lì)對(duì)系統(tǒng)誤差的影響將會(huì)降到最低限度。目前，H?控制策略在車輛的懸架控制方面已經(jīng)有了應(yīng)用，然而，基于H?理論的魯棒控制等在理論上尚未成熟。H?能反映哪些工程指標(biāo)，其實(shí)質(zhì)是什么，實(shí)際問(wèn)題怎樣轉(zhuǎn)化成H?優(yōu)化問(wèn)題等一些關(guān)鍵問(wèn)題到目前為止還沒有統(tǒng)一的說(shuō)明；另外，H?控制的算法復(fù)雜，計(jì)算量大，必須在簡(jiǎn)化算法上作大量工作，才能在懸架控制上應(yīng)用。主動(dòng)懸架控制存在的主要問(wèn)題。雖然主動(dòng)懸架控制策略的研究已經(jīng)取得了一定的成果，但還存在以下幾個(gè)方面的問(wèn)題有待解決：對(duì)主動(dòng)懸架硬約束考慮不足。有些研究根本沒有考慮系統(tǒng)的硬約束，例如懸架動(dòng)行程、輪胎動(dòng)載荷和作動(dòng)器輸出飽和等。單純地以改善乘坐舒適性為目標(biāo)，忽略懸架系統(tǒng)承受極限值的設(shè)計(jì)方法將會(huì)導(dǎo)致設(shè)計(jì)出的控制器在實(shí)際中無(wú)法達(dá)到預(yù)想的效果，甚至根本不可行。對(duì)懸架系統(tǒng)模型不確定性的認(rèn)識(shí)不足，缺乏對(duì)控制系統(tǒng)魯棒性的分析。大部分主動(dòng)懸架的設(shè)計(jì)都是基于系統(tǒng)的名義模型進(jìn)行的，因此當(dāng)不確定性發(fā)生時(shí)，主動(dòng)懸架難以達(dá)到預(yù)期的設(shè)計(jì)效果，甚至出現(xiàn)不穩(wěn)定的情況。忽略了懸架系統(tǒng)的頻域性能要求。大部分控制器的設(shè)計(jì)僅考慮了懸架系統(tǒng)的時(shí)域性能要求，很少考慮到對(duì)頻域性能的要求，尤其是在4,8Hz和1,2Hz的特定頻段內(nèi)，懸架系統(tǒng)的頻域性能甚至不如被動(dòng)懸架，這反而降低了乘坐舒適性。路面擾動(dòng)單一化。目前，評(píng)價(jià)懸架性能時(shí)只考慮來(lái)自路面的白噪聲擾動(dòng)，6主動(dòng)懸架控制算法總結(jié)報(bào)告依據(jù)各輸出變量的均方根(RMS)值來(lái)評(píng)價(jià)算法的優(yōu)劣，并沒有考慮到?jīng)_擊性包塊路面輸入的情況。該路面信號(hào)強(qiáng)度較大，容易使懸架系統(tǒng)發(fā)生違背硬約束的情況，因此考慮懸架系統(tǒng)的包塊響應(yīng)是十分必要的。為了更好的對(duì)主動(dòng)懸架進(jìn)行控制，有時(shí)光靠上面提出的單一算法恐怕很難實(shí)現(xiàn)，伴隨著控制理論更加成熟，結(jié)合兩種或幾種控制算法提出新的控制算法，下面具體介紹一些控制算法的控制過(guò)程。文獻(xiàn)［35］中提出了一種主動(dòng)懸架魯棒控制策略的新型優(yōu)化算法一DELMI算法，采用了線性矩陣不等式(LMI)方法和差分進(jìn)化算法(DE)相結(jié)合的雙重優(yōu)化算法(DELMI)。下圖是DELMI算法流程圖：

圖1DELMI算法流程圖文獻(xiàn)［36］中應(yīng)用了自適應(yīng)模糊PID控制方法，自適應(yīng)模糊PID控制屬于自適應(yīng)PID控制的一種。自適應(yīng)模糊PID控制就是將PID控制和模糊控制相結(jié)合，吸收了兩者的優(yōu)點(diǎn)。首先，它具備自適應(yīng)能力，能夠自動(dòng)辨識(shí)被控過(guò)程參數(shù)、自動(dòng)整定控制參數(shù)，能夠適應(yīng)被控過(guò)程參數(shù)的變化;其次,它又具有常規(guī)PID控制器結(jié)構(gòu)簡(jiǎn)單、魯棒性強(qiáng)、可靠性高的優(yōu)點(diǎn)，使得自適應(yīng)PID控制成為一種較理想的控制策略。主動(dòng)懸架控制算法總結(jié)報(bào)告圖2自適應(yīng)模糊PID主動(dòng)懸架控制算法總結(jié)報(bào)告圖2自適應(yīng)模糊PID控制器結(jié)構(gòu)圖文獻(xiàn)［37］中將LQG算法和參考模型自適應(yīng)算法相結(jié)合形成新的控制算法，這種算法叫做綜合參考模型自適應(yīng)算法CMRAC(ComprehensiveModelReferenceAdaptiveControl)o提高懸架性能需綜合考慮輪胎的接地性、車身加速度及懸架的動(dòng)撓度，取J為L(zhǎng)QG控制器的性能指標(biāo)。T1222222Jqzqzqzzqzzqzzqzzdt,，，，，，，，，，[()()()()]123456sfsfufrfufrrsfufsrurlim,0T,,Tq一前軸懸掛質(zhì)量垂向加速度加權(quán)系數(shù)；1q一后軸懸掛質(zhì)量垂向加速度加權(quán)系數(shù)；2q一前輪輪胎動(dòng)位移加權(quán)系數(shù)；3q一后輪輪胎動(dòng)位移加權(quán)系數(shù)；4q一前軸懸架動(dòng)撓度加權(quán)系數(shù)；5q一后軸懸架動(dòng)撓度加權(quán)系數(shù)；6二沈墨性俊陽(yáng)陰￡e圖3自適應(yīng)LQG算法結(jié)構(gòu)圖主動(dòng)懸架控制算法總結(jié)報(bào)告文獻(xiàn)［38］中介紹了一種自適應(yīng)模糊控制方法，圖4所示為一個(gè)自適應(yīng)模糊控制系統(tǒng)的基本框架。這個(gè)參考模型通常用于刻畫一個(gè)模糊控制系統(tǒng)應(yīng)該遵循的理想相應(yīng)。被控對(duì)象中含有若十個(gè)未知的部件，模糊控制器則根據(jù)帶有可調(diào)參數(shù)。的模

糊系統(tǒng)來(lái)設(shè)計(jì)。自適應(yīng)律實(shí)時(shí)調(diào)節(jié)這些參數(shù)。，使得被控對(duì)象的輸出y(t)能跟蹤參考模型的輸出y(t)m』—模型~I被控對(duì)象*二＜5，._€，「模糊總制器L〈帶有可調(diào)參數(shù))h.w"贏L；圖4自適應(yīng)模糊控制系統(tǒng)的基本框圖文獻(xiàn)［18］設(shè)計(jì)了一種半主動(dòng)懸架自調(diào)整模糊控制器，自調(diào)整模糊控制器可以根據(jù)誤差及其變化率的大小自動(dòng)修改控制規(guī)則，以使控制的目標(biāo)函數(shù)達(dá)到最小值。在實(shí)踐中，除了直接改變模糊控制規(guī)則外，還可以通過(guò)調(diào)整控制器的結(jié)構(gòu)調(diào)整參數(shù)來(lái)提高控制性能，將兩者合理匹配可以得到比較滿意的控制效果。.ratiH性盲甑僵|——3控制甲則尋■!￡""!「日睪數(shù)闊蘊(yùn)匕二;糠控.ratiH性盲甑僵|——3控制甲則尋■!￡""!「日睪數(shù)闊蘊(yùn)匕二;糠控圖5自調(diào)整模糊控制系統(tǒng)框圖9主動(dòng)懸架控制算法總結(jié)報(bào)告文獻(xiàn)［39］中介紹了一種基于模糊神經(jīng)的模型參考自適應(yīng)控制方法，采用車身振動(dòng)加速度的統(tǒng)計(jì)值，即加速度均方根值y為控制指標(biāo)，降低了對(duì)控制器及執(zhí)d行機(jī)構(gòu)等的硬件性能要求，易實(shí)現(xiàn)在線控制。模糊神經(jīng)控制器的輸入為懸架模型簧載質(zhì)量加速度均方根值y與給定值y差值e及差值的變化量?d樣點(diǎn)藪撩?3.說(shuō)億尹姑圖6模糊神經(jīng)自適應(yīng)控制系統(tǒng)框圖文獻(xiàn)［40］中應(yīng)用模糊自適應(yīng)控制方法以懸架行程和懸架速度作為控制器輸入量，輸出量為驅(qū)動(dòng)力，這種控制器叫做模糊PD控制器，再將建立的控制器與自適應(yīng)法則相結(jié)合，達(dá)到最佳的控制效果。文獻(xiàn)［41］中介紹了一種PID最優(yōu)控制方法使主動(dòng)懸架同時(shí)提高平順性和操縱穩(wěn)定性，并建立7自由度整車模型進(jìn)行聯(lián)合仿真。參考文獻(xiàn)［1］CrosbyMJ,KarnoppDC.Theactivedamper-anewconceptforshockandvibrationcontrol[J].43rdShockandVibrationBulletin,partH,1973,7:459-473.ThompsonAG.Anactivesuspensionwithoptimallinearstate10主動(dòng)懸架控制算法總結(jié)報(bào)告feedback[J].VehicleSystemDynamic.1976,5:187-203.潘志鵬.汽車空氣懸架系統(tǒng)的最優(yōu)控制研究[D].哈爾濱理工大學(xué)，2009E.K.Bender,P.J.Remington.TheInfluenceofRailsonTrainNoise,JournalofSoundandVibration1974,37(3),101-109韓曾晉.自適應(yīng)控制[M].北京:清華大學(xué)出版社，1995.SunwooM,CheokKC,HuangNJ.Modelreferenceadaptivecontrolforvehicleactivesuspensionsystems[J].IEEETransactionsonIndustrialElectronics,1991,38(3):217-222.AlleyneA,HedrickJK.Nonlinearadaptivecontrolofactivesuspensions[J].IEEETransactionsonControlSystemsTechnology,1995,3(1):94-101.孫建民，楊清梅，陳玉強(qiáng).LMS自適應(yīng)主動(dòng)控制汽車懸架系統(tǒng)試驗(yàn)研究[J].中國(guó)機(jī)械工程,2003,14(24):2153-2155.劉少軍.現(xiàn)代控制方法及計(jì)算機(jī)輔助設(shè)計(jì)[M].長(zhǎng)沙：中南大學(xué)出版社,2003何將三，李艷.汽車主動(dòng)懸架的最優(yōu)預(yù)見控制[J].汽車工程，1999,21(6),333-337.劉少軍，鐘掘，郭淑娟等.最優(yōu)預(yù)見控制設(shè)計(jì)及在汽車主動(dòng)懸架控制中的應(yīng)[J].中南工業(yè)大學(xué)學(xué)報(bào)，1997,28(2):174-177.LiuS.J,LiY.Studyonpreviewcontrolmethodofactivesuspensionbasedonahalf-carmodel[J].JournalofCentralSouthUniversityofTechnology,1999,6(1):54-55.MarzbanradJ,AhmadiG.,ZohoorH.,etal.Stochasticoptimalpreviewcontrolofavehiclesuspension[J].JournalofSoundandVibration,2004,275(3-5):973-990.ThompsonAG.,DavisBR.Computationofthermsstatevariablesandcontrolforcesinahalf-carmodelwithpreviewactivesuspensionusingspectraldecompositionmethods[J].JournalofSoundandVibration,2005,285(3):571-583.KimH.J,YangHS,ParkYP.Improvingthevehicleperformancewith11主動(dòng)懸架控制算法總結(jié)報(bào)告activesuspensionusingroad-sensingalgorithm.ComputersandStructures,2002,80(18-19):1569-1577.MarzbanradJ,AhmadiG.,ZohoorcH.,etal.Stochasticoptimalpreviewcontrolofavehiclesuspension[J].JournalofSoundandVibration,2004,275(3-5):973-990.劉宏偉，雷海容，陳燕虹，等(空氣懸架系統(tǒng)模糊控制仿真分析[J](汽車技術(shù)，2003,(7):1-4.雷海蓉(電控空氣懸架模糊控制系統(tǒng)的開發(fā)[D](吉林大學(xué)碩士學(xué)位論文，2004:6-17.王宏杰(基于模糊控制的半主動(dòng)空氣懸架系統(tǒng)的仿真與試驗(yàn)研究[D].吉林大學(xué)碩士學(xué)位論文，2005:9-18.宋曉琳，于德介,殷智宏.采用免疫算法優(yōu)化設(shè)計(jì)汽車主動(dòng)懸架的模糊控制器[J].系統(tǒng)仿真學(xué)報(bào),2006,18(9):2634-2637.宋曉琳，于德介,金耀等.基于DNA免疫算法的汽車主動(dòng)懸架模糊規(guī)則優(yōu)化[J].振動(dòng)與沖擊,2007,26(9):63-66.郭建華，李幼德，李靜.基于遺傳算法的主動(dòng)懸架模糊控制器設(shè)計(jì)[J].系統(tǒng)仿真學(xué)報(bào),2007,19(18):4178-4181.姜立標(biāo)，王薇，謝東，等(汽車半主動(dòng)空氣懸架自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制[J](哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2005，37(12):1747-1750.[23]陳燕虹，黃治國(guó)，劉宏偉，等(基于神經(jīng)網(wǎng)絡(luò)控制的半主動(dòng)空氣懸架仿真研究[J](汽車技術(shù)，2004，(6):7-10.鄭泉.基于遺傳算法-神經(jīng)網(wǎng)絡(luò)的半主動(dòng)懸架控制仿真[J].合肥工業(yè)大學(xué)學(xué)報(bào)，2002，25(2):230-235.MoranA,NagaiM.Optimalpreviewcontrolofrearsuspensionusingnonlinearneuralnetworks[J].VehicleSystemDynamics,1993,22(5-6):321-334.MoranA,NagaiM.Optimalactivecontrolofnonlinearvehiclesuspensionsusingneuralnetworks[J].JSMEInternationalJournal,SeriesC:Dynamics,Control,Robotics,DesignandManufacturing1994,37(4):12主動(dòng)懸架控制算法總結(jié)報(bào)告707-718.NagaiM,MoranA,TamuraY,etal(Identificationandcontrolofnonlinearactivepneumaticsuspensionforrailwayvehicles