【技术实现步骤摘要】
一种基于RBF神经网络的主动悬架系统智能控制方法
[0001]本专利技术涉及车辆悬架系统智能控制
,特别是涉及一种基于RBF神经网络的主动悬架系统智能控制方法。
技术介绍
[0002]安装有主动悬架系统的车辆在粗糙路面行驶时,可以更有效的实时保证车身的平稳性,对驾驶员的身体健康和车辆操控性都有显著的助益。相比于被动悬架系统控制效果的单一性,主动悬架系统额外使用了电磁液压系统控制活塞上下移动,从而提供额外的升降力保持车身或底盘的平稳性。通常而言,安装有主动悬架系统的车辆,不仅能更好的适应不同路况,还能在一定程度上弥补悬架弹簧和阻尼器的异常动态变化。因此,主动悬架系统的先进控制和智能控制得到了越来越来的重视,出现了较多的先进控制和智能控制方法。例如:模型预测控制、滑模控制、优化控制等等。
[0003]在目前使用先进控制实现主动悬架系统智能控制目的的方法技术中,对悬架系统的机理模型都做了一定的线性化或简化处理,例如:悬架弹簧和阻尼器与位移都假设成线性关系。简化模型或线性化假设的实施方式虽然能显著降低使用机理模型实施控制计算时的计算负荷,但是悬架系统模型的不精确性同时会给控制效果带来负面的影响。由于悬架弹簧和阻尼器的非线性特性,悬架系统的机理模型不可避免的存在复杂非线性关系,而控制效果好坏往往依赖于机理模型的精度。从这个角度看,模型简化或线性化处理不可取。然而,在应用实施各类先进控制方法时,一个必须要考虑的问题是在线计算控制器输出必须快速。可是精度高的非线性模型会增加相应的计算量和计算耗时,不利于满足主动悬架系 ...
【技术保护点】
【技术特征摘要】
1.一种基于RBF神经网络的主动悬架系统智能控制方法,其特征在于:包括以下步骤:步骤1:建立被动车辆主动悬架系统的机理模型,根据机理模型确定被动车辆主动悬架系统的状态变量θ1,θ2,
…
,θ8,并根据状态变量θ1,θ2,
…
,θ8建立被动车辆主动悬架系统的非线性状态空间模型;步骤2:确定控制信号的最大值u
max
和最小值u
min
,确定控制信号的单步变化最大值Δu
max
,再确定粗糙路面行驶时长为T
max
和预测控制次数为H;步骤3:确定前悬架的轮胎位移y1和后悬架的轮胎位移y2的计算方式,具体如公式
⑤
所示:上式
⑤
中,t表示粗糙路面行驶时间;步骤4:初始化粗糙路面行驶时间t=0和矩阵列数e=1,再设置控制信号u
i
的初始值和状态变量θ1,θ2,
…
,θ8都等于0后,再执行步骤4.1至步骤4.4从而得到轮胎位移矩阵Y和控制信号矩阵U;步骤4.1:依次设置j等于1,2,
…
,H,并同时根据t=t+(j
‑
1)
·
Δt更新粗糙路面行驶时间t后,利用步骤3中的公式
⑤
计算前后悬架的轮胎位移在未来H个控制时刻的预测值步骤4.2:利用步骤1中被动车辆主动悬架系统的非线性状态空间模型,通过预测控制计算得到控制信号在未来H个控制时刻的预测值步骤4.3:设置轮胎位移矩阵Y中第e列向量的两个元素分别等于和设置控制信号矩阵U中第e列向量的两个元素分别等于和再设置和t=0;步骤4.4:判断粗糙路面行驶时间t是否满足条件t+e
·
Δt<T
max
;若是,则更新粗糙路面行驶时间t=e
·
Δt和矩阵列数e=e+1,然后返回步骤4.1;若否,则得到轮胎位移矩阵Y和控制信号矩阵U;步骤5:分别将轮胎位移矩阵Y和控制信号矩阵U当成RBF神经网络的输入矩阵和输出矩阵,训练出相应的RBF神经网络模型,保留RBF神经网络模型的中间层和输出层神经元的模型参数;步骤6:当车辆行驶时,利用车辆前置的激光雷达实时获取车辆前方的路面平整数据,并根据车速实时转换得到前悬架的轮胎位移y1和后悬架的轮胎位移y2;步骤7:将前悬架的轮胎位移y1和后悬架的轮胎位移y2当成RBF神经网络模型的输入,调用步骤5中保留的中间层和输出层神经元的模型参数,计算出前主动悬架的控制信号u1和后主动悬架的控制信号u2,从而控制前后主动悬架中的电磁液压阀系统执行相应动作。2.如权利要求1所述的基于RBF神经网络的主动悬架系统智能控制方法,其特征在于:步骤1中确定的机理模型具体如公式
①
所示:
其中,当下标号i等于1时,表示前悬架;当i等于2时,表示后悬架;表示悬架的垂向加速度,悬架的位移变化量x
i
表示悬架的垂向位移,b
i
表示悬架重心与车身重心之间的水平距离,表示车身俯仰角度,当车身水平时,x0表示车身垂向位移,表示车身垂向位移,表示车身垂向速度,表示车身俯仰角速度,表示车身垂向速度,u
i
表示电动液压系统的作用力,即:控制信号,轮胎的垂向形变位移Δy
i
=y
i
‑
x
i
,y
i
表示悬架的垂向路面凸起高度,若路面凹陷,则y
i
小于...
【专利技术属性】
技术研发人员:刘旭,刘红兵,高彦峰,谢吉林,胡春东,陈小东,
申请(专利权)人:扬州东升汽车零部件股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。