一种基于非线性主动悬架的自适应神经网络控制方法技术

本发明专利技术公开了一种基于非线性主动悬架的自适应神经网络控制方法，属于汽车动态控制和人工智能技术领域，所述方法包括：获取汽车非线性液压悬架系统动力学模型；通过充分考虑悬架系统的非线性以及不确定性问题，获取初始径向基神经网络模型，通过所述径向基初始神经网络模型和汽车液压悬架系统动力学模型得到汽车液压悬架系统动力学优化模型；提出自适应神经网络控制器，通过所述自适应神经网络控制器实时更新汽车液压悬架系统优化模型中的权重因子，解决悬架长时间控制过程中作动器参数的变化以及系统的额外干扰问题。从仿真结果可以看出控制器可以有效地抑制路面激励带来的车身震荡，从而提高驾驶安全性和舒适性。从而提高驾驶安全性和舒适性。从而提高驾驶安全性和舒适性。

【技术实现步骤摘要】
一种基于非线性主动悬架的自适应神经网络控制方法


[0001]本专利技术公开了一种基于非线性主动悬架的自适应神经网络控制方法，属于汽车动态控制和人工智能


技术介绍

[0002]汽车的操纵稳定性以及驾驶安全性是衡量其产品价值的重要指标。主动悬架系统可以根据道路的扰动信息以及车身的传感器信息输出期望的主动力，来抑制车身的俯仰以及垂向运动，从而提高驾驶安全性和稳定性。
[0003]主动悬架相比于被动悬架虽然有着巨大优势，但仍有一些复杂的问题需要解决。汽车的主动悬架系统是一个非线性以及不确定性系统，所以需要建立复杂的动力学模型对悬架系统进行精确评估。随着悬架系统使用时间的增加，悬架作动器内部参数也会发生变化，严重影响悬架控制效果，这需要建立先进的控制算法，即使在悬架内部参数变化时，仍可以高效的调节作动器，从而得到更好的控制效果。

技术实现思路

[0004]为克服上述现有技术的不足，本专利技术提供了一种基于非线性主动悬架的自适应神经网络控制方法，目的在于通过神经网络模型对悬架系统的非线性以及不确定性问题进行优化，提高动力学模型的精度，并建立自适应神经网络融合算法解决悬架控制过程中作动器参数的变化以及额外的系统扰动问题。
[0005]本专利技术所要解决的问题是由以下技术方案实现的：
[0006]一种基于非线性主动悬架的自适应神经网络控制方法，所述方法包括：
[0007]步骤S10，获取汽车液压悬架系统动力学模型；
[0008]步骤S20，获取初始径向基神经网络模型，通过所述径向基初始神经网络模型和汽车液压悬架系统动力学模型得到汽车液压悬架系统动力学优化模型；
[0009]步骤S30，获取自适应神经网络控制器，通过所述控制器实时更新汽车液压悬架系统优化模型中的权重因子，解决悬架长时间控制过程中作动器参数的变化以及系统的额外干扰问题。
[0010]优选的是，所述步骤S10的具体过程如下：
[0011]步骤S101，获取非线性悬架系统的四分之一模型；
[0012]步骤S102，获取悬架液压系统动力学模型；
[0013]步骤S103，通过所述非线性悬架系统的四分之一模型和悬架液压系统动力学模型得到汽车液压悬架系统动力学模型。
[0014]优选的是，所述步骤S20的具体过程如下：
[0015]步骤S201，获取原始径向基神经网模型；
[0016]步骤S202，分别获取第一拟合函数、第二拟合函数和第三拟合函数；
[0017]步骤S203，通过所述权重因子、第一拟合函数、第二拟合函数和第三拟合函数得到
初始径向基神经网络模型；
[0018]步骤S204，将所述初始径向基神经网络模型带入汽车液压悬架系统动力学模型中得到汽车液压悬架系统动力学优化模型。
[0019]优选的是，所述步骤S30的具体过程如下：
[0020]步骤S301，获取初始虚拟控制器和第一个李雅普诺夫函数，通过所述虚拟控制器和第一个李雅普诺夫函数得到子系统稳定的必要条件；
[0021]步骤S302，获取第二个李雅普诺夫函数，并提出自适应神经网络中权重因子的更新定律；
[0022]步骤S303，获取第三个李雅普诺夫函数，并提出液压作动器的输出控制信号，验证汽车非线性液压悬架系统的全局稳定性。
[0023]本专利技术相对于现有而言具有的有益效果：
[0024]本专利技术公开了一种基于非线性主动悬架的自适应神经网络控制方法，通过神经网络模型对悬架系统的非线性以及不确定性问题进行优化，提高动力学模型的精度，并建立自适应神经网络融合算法解决悬架控制过程中作动器参数的变化以及额外的系统扰动问题。
附图说明
[0025]图1是本专利技术一种基于非线性主动悬架的自适应神经网络控制方法的流程图。
[0026]图2是本专利技术的汽车四分之一悬架机构图。
[0027]图3是本专利技术的神经网络结构图。
[0028]图4是本专利技术的仿真障碍物结构图。
[0029]图5是本专利技术的车身垂向加速度曲线。
[0030]图6是本专利技术的车身垂向加速度曲线。
具体实施方式
[0031]下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0033]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0034]如图1所示，本专利技术第一实施例在现有技术的基础上提供了一种基于非线性主动悬架的自适应神经网络控制方法，所述方法包括：
[0035]步骤S10，获取汽车液压悬架系统动力学模型，具体过程如下：
[0036]步骤S101，获取非线性悬架系统的四分之一模型，如图2所示，其动力学方程为：
[0037][0038]其中：
[0039][0040]公式中M
c
为车身簧上质量，m
c
为车身簧下质量，K
r
为弹簧线性刚度系数， K
nr
弹簧非线性刚度系数，C
r
为阻尼器线性阻尼系数，C
nr
为阻尼器非线性时变阻尼系数，F
yt
为液压作动器的输出力，X
r
为车身簧上质量垂向位移，X
z
为簧下质量轮胎垂向位移，X
w
为路面引起的轮胎垂向位移，F
ct
为道路激励产生的轮胎力，D
t
为系统额外扰动。
[0041]步骤S102，获取悬架液压系统动力学模型，具体模型为：
[0042][0043]其中：
[0044][0045]式中C
dp
为活塞总泄漏系数，A
p
为液压缸内横截面积，P
s
为供应压力，γ
z
为油液疏密系数，V
t
为液压缸有效容积，P
L
液压缸负载压力值，u(t)为液压伺服阀系统控制信号，C
d
为伺服系统系数，为控制算子，A
d...

【技术保护点】

【技术特征摘要】
1.一种基于非线性主动悬架的自适应神经网络控制方法，其特征在于，所述方法包括：步骤S10，获取汽车液压悬架系统动力学模型；步骤S20，获取初始径向基神经网络模型，通过所述径向基初始神经网络模型和汽车液压悬架系统动力学模型得到汽车液压悬架系统动力学优化模型；步骤S30，获取自适应神经网络控制器，通过所述控制器实时更新汽车液压悬架系统优化模型中的权重因子，解决悬架长时间控制过程中作动器参数的变化以及系统的额外干扰问题。2.根据权利要求1所述的一种基于非线性主动悬架的自适应神经网络控制方法，其特征在于，所述步骤S10的具体过程如下：步骤S101，获取非线性悬架系统的四分之一模型；步骤S102，获取悬架液压系统动力学模型；步骤S103，通过所述非线性悬架系统的四分之一模型和悬架液压系统动力学模型得到汽车液压悬架系统动力学模型。3.根据权利要求1所述的一种基于非线性主动悬架的自适应神经网络控制方法，...

【专利技术属性】
技术研发人员：李文航，张红彦，倪涛，
申请(专利权)人：吉林大学，
类型：发明
国别省市：