一种基于单神经元PID控制的车辆ISD悬架主动控制方法技术

本发明专利技术公开了一种基于单神经元PID控制的车辆ISD悬架主动控制方法，该方法包含如下步骤：(1)建立ISD悬架四分之一模型；(2)确定路面的垂直位移；(3)确定车辆悬架性能评价指标；(4)确定神经元学习规则和学习算法。本发明专利技术能简单易行地使ISD悬架系统适应环境变化，改善车辆性能，该方法为车辆ISD悬架设计及应用提供了一种新的研究思路与方向，尤其是对于可控ISD悬架的研究。

【技术实现步骤摘要】
一种基于单神经元PID控制的车辆ISD悬架主动控制方法
本专利技术属于车辆悬架系统控制领域，尤其是对于应用惯容器技术的车辆ISD(Inerter-Spring-Damper)悬架系统控制。本专利技术涉及一种车辆ISD悬架的控制方法，特指一种车辆液电耦合式ISD悬架控制方法。
技术介绍
车辆悬架是指车身和车轮之间的所有传力连接装置的总称，它的组成部分通常包括弹簧、阻尼和导向机构。其主要功能是传递车身和车轮之间的力与力矩，缓冲来自不平路面传递给车身的冲击，来保证车辆的平顺行驶和乘客乘坐的舒适性，是车辆系统动力学研究的重点之一。剑桥大学学者Smith于2003年提出了惯容器的思想，并设计出齿轮齿条式惯容器与滚珠丝杠式惯容器，实现机械网络与电路网络之间严格的对应，惯容器具有与电容相似的功能,即能够阻断低频信号的传递。车辆ISD悬架就是由“惯容器(Inerter)-弹簧(Spring)-阻尼器(Damper)”构成的新型悬架简称，该悬架将惯容器引入悬架系统，打破了传统悬架的“弹簧-阻尼器”结构，为悬架振动控制研究提供了新的思路。单神经元是神经网络最基本的组成单元，将其与PID控制结合成单神经元PID控制，使控制参数适应外部环境，具有响应速度快、结构简单、易于计算、处理非线性能力强和鲁棒性好等特点。当前，车辆ISD悬架的研究方向主要有被动ISD悬架的网络综合和可控ISD悬架，后者是该领域研究的新热点，尚处于元件参数的半主动调协阶段，没有结合ISD悬架复杂的动力学特性进行主动协调控制，悬架性能有待进一步提高。
技术实现思路
基于以上原因，本专利技术提供了一种基于单神经元PID控制的车辆ISD悬架主动控制方法，可以运用此方法对车辆ISD悬架系统多元件进行动力学分析，确定控制参数的最优解获得最适输出力，达到阻抗匹配的协调控制效果，有效解决可控ISD悬架主动协调控制问题。该方法可以自行设计车辆悬架性能的评价指标，并根据需要对合适的性能指标加权系数。为达成上述目的，本专利技术所采用的技术方案为一种基于单神经元PID控制的车辆ISD悬架主动控制方法，包括以下步骤：步骤1)，建立ISD悬架四分之一模型：其中，zs、zu、zb和zr分别为车身、轮胎、阻尼上端点和路面的垂直位移，u为液电耦合式惯容器两端的力，f为直线电机的作动力，c为阻尼系数，k为悬架刚度系数，b为惯质系数，ms为簧载质量，mu为非簧载质量，kt为轮胎刚度；步骤2)，确定路面的垂直位移zr，公式为：其中，n0为参考空间频率，w(t)为均值为0的白噪声，f0为下截止频率；Gq(n0)为路面不平度系数；v为车速；步骤3)，确定车辆悬架性能评价指标，包括车身加速度、轮胎动载荷和悬架动挠度中的至少一项；步骤4)，确定神经元学习规则为有监督的Delta学习规则：其中，rj(k)为期望输出，为神经元j的激活值，为期望输出rj(k)与实际输出的差，wij(k)为两个神经元之间的权值系数变化量，d为学习速度；再根据已确定的学习规则，确定具体的学习算法：其中，e(k)为加速度误差信号，xi(k)(i＝1,2,3)为加速度误差通过转换而得到的神经元的输入信号，wi(k)为相应神经元输入xi(k)的权值系，di(i＝1,2,3)为wi(i＝1,2,3)的学习速度，K为神经元增益系数，u(k)为单神经元PID控制的输出信号；单神经元PID控制的控制流程为：将期望车身加速度r(k)作为输入信号，车身加速度作为反馈信号y(k)，e(k)为加速度误差信号，即e(k)＝r(k)-y(k)，xi(k)(i＝1,2,3)为加速度误差通过转换而得到的神经元的输入信号，wi(k)为相应神经元输入xi(k)的权值系数，通过已确定的学习规则和学习算法进行在线调整，u(k)为单神经元PID控制的输出信号，用于控制直线电机的输出力。进一步地，所述步骤4)的学习算法的学习流程为：4.1)确定初始权值系数wi(0)；4.2)计算当前时刻的实际输出与期望输出之间的误差；4.3)如果误差小于给定值，则结束，否则继续；4.4)通过学习规则更新权值系数；4.5)返回步骤4.2)。本专利技术的有益效果是：本专利技术基于单神经元理论，设计悬架系统的单神经元PID控制器，应用多目标遗传算法优化控制参数，能根据随机路面的不同输入，主动调节悬架控制参数，达到阻抗匹配的协调控制效果，使ISD悬架性能处于最优状态，提高了ISD悬架系统处理非线性和对环境的适应能力，有效改善了车辆性能。单神经元PID控制与其他控制方法相比，自适力强，鲁棒性好，算法简单易行，可靠性高，具有神经网络的自组织自适应功能。该方法为车辆ISD悬架设计及应用提供了一种新的研究思路与方向，尤其是对于可控ISD悬架的主动协调控制。附图说明图1为所述一种基于单神经元PID控制的车辆ISD悬架主动控制方法流程图；图2为所述实例中所采用的悬架结构图；图3为图2结构的车辆ISD悬架四分之一模型示意图；图4为所述实例中悬架的单神经元PID控制原理图；图5为采用所述方法得到的车辆主动可控ISD悬架性能与传统被动悬架性能的对比图；其中(a)为车身加速度时域图，(b)为悬架动挠度时域图，(c)为轮胎动载荷时域图。具体实施方式下面结合附图及具体实例对本专利技术作进一步地说明，但本专利技术的保护范围不限于此。图1为所述一种基于单神经元PID控制的车辆ISD悬架主动控制方法流程图，图2为所述方法实例中的悬架结构。图2中惯容器优选为中国专利CN204526713U公开的液电耦合式车辆悬架阻抗控制装置。以此为例进行ISD悬架系统单神经元PID主动控制的研究。参见图1，本专利技术的基于单神经元PID控制的车辆ISD悬架主动控制方法包括：步骤1)：建立悬架系统模型；步骤2)：确定路面输入和悬架基本参数；步骤3)：确定性能评价指标；步骤4)：确定单神经元PID控制器。其中，步骤1)具体为：根据图2所示的悬架结构，建立对应的悬架四分之一模型，如图3所示，其动力学方程为：其中，zs、zu、zb和zr分别为车身、轮胎、阻尼上端点和路面的垂直位移，u为液电耦合式惯容器两端的力，f为直线电机的作动力，c为阻尼系数，k为悬架刚度系数，b为惯质系数，ms为簧载质量，mu为非簧载质量，kt为轮胎刚度。其中，步骤2)具体为：确定路面的垂直位移zr和悬架基本参数，参数如表1所示。路面输入为：其中，n0为参考空间频率，w(t)为均值为0的白噪声。表1路面参数和悬架基本参数表：其中，步骤3)具体为：根据研究目的，确定车辆悬架性能评价指标，包括车身加速度，轮胎动载荷和悬架动挠度。其中，步骤4)具体为：确定神经元学习规则为有监督的Delta学习规则：其中，rj(k)为期望输出，为神经元j的激活值，为期望输出rj(k)与实际输出的差，wij(k)为两个神经元之间的权值系数变化量，d为学习速度。根据已确定的学习规则，可确定具体的学习算法：其中，e(k)为加速度误差信号，xi(k)(i＝1,2,3)为加速度误差通过转换而得到的神经元的输入信号，wi(k)为相应神经元输入xi(k)的权值系，di(i＝1,2,3)为wi(i＝1,2,3)的学习速度，K为神经元增益系数，u(k)为单神经元PID控制的输出信号，根据经验权重初值，在小范围内(0.1～0.9)任选取，不会本文档来自技高网...

【技术保护点】
1.一种基于单神经元PID控制的车辆ISD悬架主动控制方法，其特征在于，包括：步骤1)，建立ISD悬架四分之一模型：

【技术特征摘要】
1.一种基于单神经元PID控制的车辆ISD悬架主动控制方法，其特征在于，包括：步骤1)，建立ISD悬架四分之一模型：其中，zs、zu、zb和zr分别为车身、轮胎、阻尼上端点和路面的垂直位移，u为液电耦合式惯容器两端的力，f为直线电机的作动力，c为阻尼系数，k为悬架刚度系数，b为惯质系数，ms为簧载质量，mu为非簧载质量，kt为轮胎刚度；步骤2)，确定路面的垂直位移zr，公式为：其中，n0为参考空间频率，w(t)为均值为0的白噪声，f0为下截止频率；Gq(n0)为路面不平度系数；v为车速；步骤3)，确定车辆悬架性能评价指标，包括车身加速度、轮胎动载荷和悬架动挠度中的至少一项；步骤4)，确定神经元学习规则为有监督的Delta学习规则：其中，rj(k)为期望输出，为神经元j的激活值，为期望输出rj(k)与实际输出的差，wij(k)为两个神经元之间的权值系数变化量，d为学习速度；再根据已确定的学习规则，确定具体的学习算法：其中，e(k)为加速度误差信号，xi(k)(i＝1,2,3)为加速度误差通过转...

【专利技术属性】
技术研发人员：杨晓峰，赵文涛，刘雁玲，沈钰杰，杨艺，刘昌宁，
申请(专利权)人：江苏大学，
类型：发明
国别省市：江苏,32