针对车辆主动悬架系统的线性二次型调节器(linear quadratic regulator,LQR)在设定权重系数矩阵Q和R时具有主观性、效率低的缺点,提出一种基于蛇算法(snake optimizer,SO)优化LQR控制器权重系数矩阵的策略。通过对1/4车辆主动悬架系统...针对车辆主动悬架系统的线性二次型调节器(linear quadratic regulator,LQR)在设定权重系数矩阵Q和R时具有主观性、效率低的缺点,提出一种基于蛇算法(snake optimizer,SO)优化LQR控制器权重系数矩阵的策略。通过对1/4车辆主动悬架系统的动力学分析,设计了LQR控制器;将主动悬架与被动悬架各性能指标的积分比值进行加权求和构建了目标函数L;模仿蛇群生活习性的SO算法在搜索空间中求解出了函数L的最小值和LQR控制器的最优权重系数矩阵。为验证该策略的有效性,分别以C级路面、正弦冲击路面为激励,对车身加速度(sprung mass acceleration,SMA)、轮胎动载荷(dynamic tyre load,DTL)、悬架动行程(suspension working space,SWS)3个方面将SO优化LQR控制的主动悬架与被动悬架、传统LQR控制的主动悬架、遗传算法优化LQR控制的主动悬架、粒子群算法优化LQR控制的主动悬架进行了仿真对比。结果表明:SO优化LQR控制的主动悬架可在C级路面上分别对SMA、DTL、SWS的均方根优化达59.47%、37.89%、42.12%;在正弦冲击路面上稳定时间为1.4 s,分别对SMA、DTL、SWS的超调优化达79.21%、59.22%、16.33%,提升了车辆的行驶平顺性、路面附着性和操作安全性。展开更多
针对现有主动悬架在应用最优控制时缺乏路面扰动识别内容的问题,提出一种识别路面扰动反馈的最优控制器。该控制器在传统系统状态反馈最优控制的基础上引入扰动反馈项,并通过粒子群算法优化加权系数,同时采用直线电机作为作动器。考虑...针对现有主动悬架在应用最优控制时缺乏路面扰动识别内容的问题,提出一种识别路面扰动反馈的最优控制器。该控制器在传统系统状态反馈最优控制的基础上引入扰动反馈项,并通过粒子群算法优化加权系数,同时采用直线电机作为作动器。考虑到路面不平度与系统状态响应获取存在先后顺序,采用开环带有外部输入的非线性自回归(Nonlinear Auto-regressive Model with Exogenous Inputs,NARX)神经网络预测与逆模型相结合的方法来识别路面不平度。神经网络离线训练在线识别,识别模块实时将结果传输给控制器。在整车模型上对控制策略进行仿真。结果表明,粒子群优化使平顺性指标显著改善;采用的路面识别方法可有效提高识别的精确性;与不识别扰动控制相比,本策略可有效降低悬架动挠度的恶化,并改善整体控制效果。展开更多
文摘针对车辆主动悬架系统的线性二次型调节器(linear quadratic regulator,LQR)在设定权重系数矩阵Q和R时具有主观性、效率低的缺点,提出一种基于蛇算法(snake optimizer,SO)优化LQR控制器权重系数矩阵的策略。通过对1/4车辆主动悬架系统的动力学分析,设计了LQR控制器;将主动悬架与被动悬架各性能指标的积分比值进行加权求和构建了目标函数L;模仿蛇群生活习性的SO算法在搜索空间中求解出了函数L的最小值和LQR控制器的最优权重系数矩阵。为验证该策略的有效性,分别以C级路面、正弦冲击路面为激励,对车身加速度(sprung mass acceleration,SMA)、轮胎动载荷(dynamic tyre load,DTL)、悬架动行程(suspension working space,SWS)3个方面将SO优化LQR控制的主动悬架与被动悬架、传统LQR控制的主动悬架、遗传算法优化LQR控制的主动悬架、粒子群算法优化LQR控制的主动悬架进行了仿真对比。结果表明:SO优化LQR控制的主动悬架可在C级路面上分别对SMA、DTL、SWS的均方根优化达59.47%、37.89%、42.12%;在正弦冲击路面上稳定时间为1.4 s,分别对SMA、DTL、SWS的超调优化达79.21%、59.22%、16.33%,提升了车辆的行驶平顺性、路面附着性和操作安全性。
文摘针对现有主动悬架在应用最优控制时缺乏路面扰动识别内容的问题,提出一种识别路面扰动反馈的最优控制器。该控制器在传统系统状态反馈最优控制的基础上引入扰动反馈项,并通过粒子群算法优化加权系数,同时采用直线电机作为作动器。考虑到路面不平度与系统状态响应获取存在先后顺序,采用开环带有外部输入的非线性自回归(Nonlinear Auto-regressive Model with Exogenous Inputs,NARX)神经网络预测与逆模型相结合的方法来识别路面不平度。神经网络离线训练在线识别,识别模块实时将结果传输给控制器。在整车模型上对控制策略进行仿真。结果表明,粒子群优化使平顺性指标显著改善;采用的路面识别方法可有效提高识别的精确性;与不识别扰动控制相比,本策略可有效降低悬架动挠度的恶化,并改善整体控制效果。
