CN118358311B - 基于模型参考自适应控制的磁流变半主动悬架控制方法 - Google Patents
基于模型参考自适应控制的磁流变半主动悬架控制方法 Download PDFInfo
- Publication number
- CN118358311B CN118358311B CN202410797304.9A CN202410797304A CN118358311B CN 118358311 B CN118358311 B CN 118358311B CN 202410797304 A CN202410797304 A CN 202410797304A CN 118358311 B CN118358311 B CN 118358311B
- Authority
- CN
- China
- Prior art keywords
- model
- matrix
- semi
- active suspension
- magnetorheological
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000000725 suspension Substances 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 title claims abstract description 47
- 239000011159 matrix material Substances 0.000 claims description 109
- 230000001133 acceleration Effects 0.000 claims description 25
- 230000003044 adaptive effect Effects 0.000 claims description 25
- 230000005284 excitation Effects 0.000 claims description 25
- 238000013016 damping Methods 0.000 claims description 20
- 230000014509 gene expression Effects 0.000 claims description 18
- 238000006073 displacement reaction Methods 0.000 claims description 13
- 230000009365 direct transmission Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 239000006096 absorbing agent Substances 0.000 claims description 6
- 230000035939 shock Effects 0.000 claims description 6
- 238000005314 correlation function Methods 0.000 claims description 5
- 238000012821 model calculation Methods 0.000 claims 1
- 238000011217 control strategy Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000005457 optimization Methods 0.000 description 10
- 230000006872 improvement Effects 0.000 description 9
- 230000004044 response Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G17/00—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load
- B60G17/015—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements
- B60G17/018—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements characterised by the use of a specific signal treatment or control method
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60G—VEHICLE SUSPENSION ARRANGEMENTS
- B60G17/00—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load
- B60G17/015—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements
- B60G17/0152—Resilient suspensions having means for adjusting the spring or vibration-damper characteristics, for regulating the distance between a supporting surface and a sprung part of vehicle or for locking suspension during use to meet varying vehicular or surface conditions, e.g. due to speed or load the regulating means comprising electric or electronic elements characterised by the action on a particular type of suspension unit
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Vehicle Body Suspensions (AREA)
Abstract
本发明提供了一种基于模型参考自适应控制的磁流变半主动悬架控制方法，该方法包括：建立带有半主动悬架变负载的动力学模型以及建立参考模型；基于动力学模型和参考模型的状态变量的差值，通过李雅普诺夫方法确定参数更新律和自适应控制律；基于参数更新律和自适应控制律确定磁流变减振器的最优控制力，并基于最优控制力，通过磁流变减振器的逆模型计算得到最优输入电流，以控制磁流变减振器。通过本申请，考虑到车辆负载的变化对半主动悬架的影响，实现半主动悬架的变负载控制，能够提升半主动悬架控制的鲁棒性、精确性以及抗干扰能力，还能够提升车辆乘坐舒适度和操作稳定性。
Description
技术领域
本发明涉及磁流变半主动悬架控制领域，特别涉及一种基于模型参考自适应控制的磁流变半主动悬架控制方法。
背景技术
在复杂路况下，传统的被动悬架无法满足人们对于车辆舒适度和操作稳定性的追求。为了改善车辆综合性能，主动悬架能够同时提升乘坐舒适度和行驶安全性，但主动悬架存在生产成本高、耗能大、系统复杂及可靠性差等问题。而半主动悬架采用阻尼可调的减振器，可近乎实现主动悬架的性能，在成本、能耗、复杂程度和可靠性方面均优于主动悬架，因而越来越受车辆厂商的青睐。
鉴于半主动悬架的巨大潜力，近年来已成为学术界和工业界共同关注的热点，涌现出了众多半主动悬架控制方法，如天棚控制、地棚控制、PID控制、神经网络控制以及模糊控制等。这些控制方法能够有效消除不平路面冲击对车辆乘员的影响，提升车辆在不平路面上的行驶稳定性。但是这些控制方法未考虑车辆负载的动态特性。
目前，在半主动悬架控制中，当车辆负载的质量相对于车身质量达到一定程度时，这些负载的质量便不能忽略，会直接影响到数学模型的准确度，进而影响控制策略对于半主动悬架的控制。
发明内容
基于此，本发明的目的是提供一种基于模型参考自适应控制的磁流变半主动悬架控制方法，以解决现有技术中的不足。
为实现上述目的，本发明提供了一种基于模型参考自适应控制的磁流变半主动悬架控制方法，所述方法包括：
建立带有半主动悬架变负载的动力学模型；
基于目标约束条件求解所需参数，基于所述所需参数并通过随机路面激励模型建立参考模型；
基于所述动力学模型和所述参考模型的状态变量的差值，通过李雅普诺夫方法确定参数更新律和自适应控制律；
基于所述参数更新律和所述自适应控制律确定磁流变减振器的最优控制力，并基于所述最优控制力，通过所述磁流变减振器的逆模型计算得到最优输入电流，以控制所述磁流变减振器。
优选的，所述动力学模型的表达式如下所示：
其中，为簧载质量，为车轮质量，为弹簧刚度，为车轮刚度，为路面轴向位移激励，为轮胎轴向位移，为簧载质量轴向位移，为悬架动行程，为轮胎动载荷，为负载力，为可控阻尼力，为车身垂向加速度，为车轮垂向加速度，为悬架动行程的相反数。
优选的，所述参考模型的表达式如下所示：
其中，，，和为所述参考模型的状态反馈增益矩阵和前馈增益矩阵，为路面干扰，为被控输出，为所述参考模型的状态变量的一阶导数，为所述参考模型的系统矩阵，为所述参考模型的状态变量，为路面干扰的输入矩阵，为所述参考模型的输入矩阵，为无扰动输入，为输出矩阵，为路面干扰的直接传输矩阵，为所述参考模型的直接传输矩阵，为所述动力学模型的输入矩阵，为所述动力学模型的系统矩阵。
优选的，所述方法还包括：
定义多个特定参数，并基于所述特定参数和所述动力学模型获取状态空间方程，所述状态空间方程和所述特定参数的表达式分别如下所示：
其中，为状态空间方程的状态变量的一阶导数，为所述动力学模型的系统矩阵，为路面干扰的输入矩阵，为所述动力学模型的输入矩阵，为外部负载的输入矩阵，为输出矩阵，为路面干扰的直接传输矩阵，为所述参考模型的直接传输矩阵为外部负载的直接传输矩阵，为路面干扰，为外部输入，为外部负载的定义量，为车身垂向速度，为车轮垂向速度。
优选的，所述所需参数包括状态反馈增益矩阵和前馈增益矩阵，所述基于目标约束条件求解所需参数的步骤包括：
以车身加速度、悬架动行程和轮胎动载荷三个性能指标作为权重，建立半正定矩阵和正定矩阵，并基于所述正定矩阵和所述半正定矩阵构建所述参考模型的代价函数；
基于所述代价函数的最小值求解得到所述参考模型的状态反馈增益矩阵，基于悬架系统状态稳定时调试得到前馈增益矩阵。
优选的，所述通过李雅普诺夫方法确定参数更新律和自适应控制律的步骤包括：
确定所述半主动悬架变负载的区间值，并获取所述半主动悬架变负载的矩阵形式；
将所述半主动悬架变负载的矩阵形式与所述动力学模型和所述参考模型的状态变量的差值结合，得到相应误差方程；
通过李雅谱诺夫方法计算出该误差方程的参数更新律和自适应控制律。
优选的，所述误差方程的表达式如下：
其中，为所述参考模型与所述动力学模型的状态变量的差值的一阶导数，为抑制扰动的输入，为所述参考模型的系统矩阵，为所述参考模型与所述动力学模型的状态变量的差值，为外部负载变化时的相关函数矩阵。
优选的，所述磁流变减振器的逆模型的表达式如下所示：
其中，为磁流变减振器的输入电流，为磁流变减振器的输出阻尼力，X h为磁流变阻尼器的行程位移，为磁流变减振器的行程位移变化率，即磁流变减振器的活塞速度。
优选的，所述基于所述所需参数并通过随机路面激励模型建立实际模型和参考模型的步骤之前，所述方法还包括：
使用随机路面作为路面激励以建立随机路面激励模型。
本发明的有益效果是：通过建立带有半主动悬架变负载的动力学模型，根据目标约束条件求解到所需参数，根据所需参数并通过随机路面激励模型建立参考模型，基于动力学模型和参考模型的状态变量的差值，通过李雅谱诺夫方法确定参数更新律和自适应控制律，然后基于参数更新律和自适应控制律确定的磁流变减振器的逆模型计算得到最优输入电流，以便能够基于最优输入电流控制磁流变减振器，区别于现有技术，考虑到车辆负载的变化对半主动悬架的影响去实现半主动悬架的变负载控制，能够提升半主动悬架控制的鲁棒性、精确性以及抗干扰能力，还能够提升车辆乘坐舒适度和操作稳定性。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1为本发明实施例提供的基于模型参考自适应控制的磁流变半主动悬架控制方法的流程图；
图2为本发明实施例提供的半主动悬架的原理图；
图3为本发明实施例提供的磁流变半主动悬架模型参考自适应控制的总体流程图；
图4为本发明实施例提供的空载情况下半主动悬架以及被动悬架的车身垂向加速度的时域曲线示意图；
图5为本发明实施例提供的空载情况下半主动悬架以及被动悬架的悬架动行程的时域曲线示意图；
图6为本发明实施例提供的空载情况下半主动悬架以及被动悬架的轮胎动载荷的时域曲线示意图；
图7为本发明实施例提供的1kN负载情况下半主动悬架以及被动悬架的车身垂向加速度的时域曲线示意图；
图8为本发明实施例提供的1kN负载情况下半主动悬架以及被动悬架的悬架动行程的时域曲线示意图；
图9为本发明实施例提供的1kN负载情况下半主动悬架以及被动悬架的轮胎动载荷的时域曲线示意图；
图10为本发明实施例提供的2kN负载情况下半主动悬架以及被动悬架的车身垂向加速度的时域曲线示意图；
图11为本发明实施例提供的2kN负载情况下半主动悬架以及被动悬架的悬架动行程的时域曲线示意图；
图12为本发明实施例提供的2kN负载情况下半主动悬架以及被动悬架的轮胎动载荷的时域曲线示意图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1，为本发明实施例中的基于模型参考自适应控制的磁流变半主动悬架控制方法的流程图，该基于模型参考自适应控制的磁流变半主动悬架控制方法的研究对象为半主动悬架，如图2所示，为半主动悬架的原理图，如图3所示为磁流变半主动悬架模型参考自适应控制的总体流程图。所述方法包括如下步骤：
步骤S101，建立带有半主动悬架变负载的动力学模型；
其中，首先建立无半主动悬架变负载的原始动力学模型，再根据相应车型参数，确定所述半主动悬架变负载的大小范围，然后将所述半主动悬架变负载加入至所述原始动力学模型中，从而得到带有所述半主动悬架变负载的动力学模型，建立所述动力学模型之后，定义特定参数，以获取到半主动悬架的状态空间方程。
步骤S102，基于目标约束条件求解所需参数，基于所述所需参数并通过随机路面激励模型建立参考模型；
其中，所述目标约束条件为车身加速度、悬架动行程和轮胎动载荷三个性能指标的加权平方和，对于半主动悬架来说，车身加速度、悬架动行程和轮胎动载荷这三个性能指标的大小是作为评价半主动悬架系统性能优劣的标准。
可以理解的，车身加速度越小，车辆乘坐体验则越舒适；悬架动行程是出于车辆安全方面的考量，不能超过所使用磁流变减振器的行程，以保证半主动悬架的安全；轮胎动载荷主要用于衡量车辆的操作稳定性，在半主动悬架控制中，这三个性能指标不能同时满足，也无法同时兼顾。因此，需要进行加权，使得悬架综合性能最优。
步骤S103，基于所述动力学模型和所述参考模型的状态变量的差值，通过李雅普诺夫方法确定参数更新律和自适应控制律；
步骤S104，基于所述参数更新律和所述自适应控制律确定磁流变减振器的最优控制力，并基于所述最优控制力，通过所述磁流变减振器的逆模型计算得到最优输入电流，以控制所述磁流变减振器。
其中，通过控制所述最优输入电流以改变所述磁流变减振器的输出阻尼力，从而实现半主动悬架刚度的软硬调节，保证车辆乘坐的舒适度和驾驶的稳定性。
通过上述步骤，建立带有半主动悬架变负载的动力学模型，根据目标约束条件求解到所需参数，根据所需参数并通过随机路面激励模型建立参考模型，基于动力学模型和参考模型的状态变量的差值，通过李雅谱诺夫方法确定参数更新律和自适应控制律，然后基于参数更新律和自适应控制律确定的磁流变减振器的逆模型计算得到最优输入电流，以便能够基于最优输入电流控制磁流变减振器，区别于现有技术，考虑到车辆负载的变化对半主动悬架的影响去实现半主动悬架的变负载控制，能够提升半主动悬架控制的鲁棒性、精确性以及抗干扰能力，还能够提升车辆乘坐舒适度和操作稳定性。
在其中一些实施例中，所述动力学模型的表达式如下所示：
其中，为簧载质量，为车轮质量，为弹簧刚度，为车轮刚度，为路面轴向位移激励，为轮胎轴向位移，为簧载质量轴向位移，为悬架动行程，为轮胎动载荷，为负载力，为可控阻尼力，为车身垂向加速度，为车轮垂向加速度，为悬架动行程的相反数。
选取状态变量，输出变量，路面激励变量，可控阻尼力输入变量，外部变负载输入变量，所述动力学模型的状态方程表达式如下所示：
其中：A为所述动力学模型的系统矩阵，B 1为路面激励输入矩阵，B 2为可控阻尼力输入矩阵，B 3为外部变负载输入矩阵，C为所述动力学模型的输出矩阵，D 1为路面激励直接输出矩阵，D 2为可控阻尼力直接输出矩阵，D 3为外部变负载直接输出矩阵，各矩阵参数取值如下：
在其中一些实施例中，所述参考模型的表达式如下所示：
其中，，，和为所述参考模型的状态反馈增益矩阵和前馈增益矩阵，为所述参考模型的状态变量的一阶导数，为所述参考模型的系统矩阵，为所述参考模型的状态变量，为路面激励输入矩阵，为所述参考模型的无扰动输入矩阵，为无扰动输入变量，为输出矩阵，为路面激励直接输出矩阵，为所述参考模型的直接传输矩阵，为所述动力学模型的输入矩阵。
在其中一些实施例中，所述基于目标约束条件求解所需参数的步骤包括：
以车身加速度、悬架动行程和轮胎动载荷三个性能指标作为权重，建立半正定矩阵和正定矩阵，并基于所述正定矩阵和所述半正定矩阵构建所述参考模型的代价函数，所述代价函数J的表达式为：
式子中
其中，为加权系数矩阵，、、分别为车身加速度、悬架动行程和轮胎动载荷的权重系数。所述半正定矩阵Q和所述正定矩阵R的表达式如下所示：
所述代价函数，达到最小值时，此时得到状态反馈增益矩阵K 1。
其中，M为下述Riccati方程的解。
基于所述磁流变半主动悬架的评价指标，确定所述的代价函数J，使代价函数J最小，以计算得到所述参考模型的状态反馈增益矩阵K 1；需要说明的是，前馈增益矩阵K 2根据系统状态稳定时调试得到。
其中，所述所需参数根据输出y的比较，y即为衡量车身加速度、悬架动行程和轮胎动载荷三个性能指标的值，也就是优化的目标，所述所需参数的表达式如下所示：
其中，和为状态反馈增益矩阵和前馈增益矩阵，为所述动力学模型的系统矩阵，为所述动力学模型的输入矩阵。
在其中一些实施例中，所述通过李雅普诺夫方法确定参数更新律和自适应控制律的步骤包括：
确定所述半主动悬架变负载的区间值，并获取所述半主动悬架变负载的矩阵形式；
其中，所述半主动悬架变负载的大小范围在[0 2kN]之间，采用如下形式进行等效处理：
然后将所述半主动悬架变负载视为所述磁流变减振器的阻尼力上扰动，从而将上述公式表达式变换为如下的矩阵形式：
其中，
其中，为未知扰动权重W的初始值，为外部负载变化时的相关函数矩阵，且，为无抑制负载变动的输入阻尼，为抑制负载变动的输入阻尼。
将所述半主动悬架变负载的矩阵形式与所述动力学模型和所述参考模型的状态变量的差值结合，得到相应误差方程；
其中，
令
令
则
其中，为未知扰动的权重的估计值，w为未知扰动的权重，为扰动权重估计值与实际值的差值，通过无限接近0，从而满足估计值的准确性，为外部负载变化时的相关函数矩阵，且。
为Hurwitz矩阵满足如下关系：为Hurwitz矩阵则存在一个矩阵P满足如下关系：
。
通过李雅谱诺夫方法计算出该误差方程的参数更新律和自适应控制律。
其中，利用李雅普诺夫方法，选取李雅普诺夫函数
选取
其中，为常数，为方阵，为方阵的迹；B2为上述值，P为方程的解，R为单位矩阵。
由Barbalat定理
是有界的
可得到：
参数更新律
自适应控制律
在其中一些实施例中，所述误差方程的表达式如下：
其中，为所述参考模型与所述动力学模型的状态变量的差值的一阶导数，为抑制扰动的输入，为所述参考模型的系统矩阵，为所述参考模型与所述动力学模型的状态变量的差值，为外部负载变化时的相关函数矩阵，为李雅谱诺夫函数的二阶导数。
在其中一些实施例中，所述磁流变减振器的逆模型的表达式如下所示：
其中，F为磁流变减振器的输出阻尼力，I为磁流变减振器的输入电流，为所述状态空间方程的状态变量的一阶导数，为所述状态空间方程的状态变量，X h为磁流变阻尼器的行程位移，为磁流变减振器的行程位移变化率，即磁流变减振器的活塞速度。
在其中一些实施例中，所述基于所述所需参数并通过随机路面激励模型建立实际模型和参考模型的步骤之前，所述方法还包括：
使用随机路面作为路面激励以建立随机路面激励模型。
其中，所述随机路面激励模型的公式表达式如下所示：
式中，表示下截止角频率，是车速，是与路面相关的常数，是白噪声，为路面不平度系数，为路面的垂向颠簸变化率，为路面的垂向颠簸。
在其中一个具体实施例中，为了仿真测试不同控制参数下的半主动悬架车身垂向加速度的时域曲线，首先，根据磁流变减振器的拉伸实验数据，建立磁流变减振器的正模型和逆模型，再建立随机路面激励模型、参考模型、动力学模型，以及将随机路面激励模型分别输入到参考模型和实际模型，根据参考模型和实际模型得到的误差进行反馈，通过自适应控制得到磁流变减振器的期望阻尼力，磁流变减振器是通入不同电流会产生不同阻尼力，所以需要根据期望阻尼力得到相应的电流，输入到磁流变减振器中；磁流变减振器的正模型就是根据电流得到阻尼力；而磁流变减振器的逆模型就是根据阻尼力得到相应的控制电流。
在具体实施过程中，考虑实际情况下负载变动范围为[0，2kN]，仿真中设置了空载、负载1kN和负载2kN三种测试条件得到模型参考自适应控制下半主动悬架系统车身加速度、悬架动行程、轮胎动载荷的时域曲线。同时，与被动悬架进行了对比。仿真参数如下表所示。
空载条件下，磁流变半主动悬架时域响应曲线如图4~图6所示。采用模型参考自适应的磁流变半主动悬架控制系统和被动悬架系统的性能指标均方根值的对比如下表所示。
在空载下即在不考虑负载的条件下，由图4可知，被动悬架与该控制策略下半主动悬架的车身加速度绝对值最大值分别是1.732与2.577，改善率为32.79%；由图5可知，被动悬架与该控制策略下半主动悬架的悬架动行程绝对值最大值分别是0.01825与0.03145，改善率为41.97%；由图6可知，被动悬架与该控制策略下半主动悬架的轮胎动载荷绝对值最大值分别是1330与1979，改善率为32.79%；由表可知，相对于被动悬架，该控制策略下车身加速度的均方根值优化率为19.24%，悬架动行程的均方根值优化率为25.93%，轮胎动载荷的均方根值优化率为33.18%。
负载1kN条件下，磁流变半主动悬架时域响应曲线如图7~图9所示。采用模型参考自适应控制的磁流变半主动悬架控制系统和被动悬架系统的性能指标均方根值的对比如下表所示。
在负载1kN的条件下即在簧载质量的基础上加100kg的条件下，由图7可知，被动悬架与该控制策略下半主动悬架的车身加速度绝对值最大值分别是1.135与1.580，改善率为28.16%；由图8可知，被动悬架与该控制策略下半主动悬架的悬架动行程绝对值最大值分别是0.0254与0.03484，改善率为27.10%；由图9可知，被动悬架与该控制策略下半主动悬架的轮胎动载荷绝对值最大值分别是1339与1807，改善率为25.90%；由表可知，相对于被动悬架，车身加速度的均方根值优化率为26.43%，悬架动行程的均方根值优化率为33.07%，轮胎动载荷的均方根值优化率为33.59%。
负载2kN条件下，磁流变半主动悬架时域响应曲线如图10~图12所示。采用模型参考自适应的磁流变半主动悬架控制系统和被动悬架系统的性能指标均方根值的对比如下表所示。
在负载2kN的条件下即在簧载质量的基础上加200kg的条件下，由图10可知，被动悬架与该控制策略下半主动悬架的车身加速度绝对值最大值分别是0.8135与1.190，改善率为31.64%；由图11可知，被动悬架与该控制策略下半主动悬架的悬架动行程绝对值最大值分别是0.02173与0.02849，改善率为23.73%；由图12可知，被动悬架与该控制策略下半主动悬架的轮胎动载荷绝对值最大值分别是1337与1797，改善率为25.60%；由表可知，相对于被动悬架，车身加速度的均方根值优化率为19.71%，悬架动行程的均方根值优化率为26.05%，轮胎动载荷的均方根值优化率为33.45%。
结合图4~图12，可得出模型参考自适应控制的变负载控制方法下的性能指标无论是在峰值还是在均方根值方面都有明显的改善，可以达到很好的衰减振动的效果。该控制策略对于车辆变负载问题是十分有效的，能够使车辆在复杂路况下保持良好的乘坐舒适性和操作稳定性，提高车辆的道路通过性，获得更好的驾驶性能。
需要说明的是，上述的实施过程只是为了说明本申请的可实施性，但这并不代表本申请的基于模型参考自适应控制的磁流变半主动悬架控制方法只有上述唯一一种实施流程，相反的，只要能够将本申请的基于模型参考自适应控制的磁流变半主动悬架控制方法实施起来，都可以被纳入本申请的可行实施方案。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明的保护范围应以所附权利要求为准。
Claims (5)
1.一种基于模型参考自适应控制的磁流变半主动悬架控制方法，其特征在于，所述方法包括：
建立带有半主动悬架变负载的动力学模型；
基于目标约束条件求解所需参数，基于所述所需参数并通过随机路面激励模型建立参考模型；
基于所述动力学模型和所述参考模型的状态变量的差值，通过李雅普诺夫方法确定参数更新律和自适应控制律；
基于所述参数更新律和所述自适应控制律确定磁流变减振器的最优控制力，并基于所述最优控制力，通过所述磁流变减振器的逆模型计算得到最优输入电流，以控制所述磁流变减振器；
所述参考模型的表达式如下所示：
其中，，，和为所述参考模型的状态反馈增益矩阵和前馈增益矩阵，为路面干扰，为被控输出，为所述参考模型的状态变量的一阶导数，为所述参考模型的系统矩阵，为所述参考模型的状态变量，为路面干扰的输入矩阵，为所述参考模型的输入矩阵，为无扰动输入，为输出矩阵，为路面干扰的直接传输矩阵，为所述参考模型的直接传输矩阵，为所述动力学模型的输入矩阵，为所述动力学模型的系统矩阵；
所述通过李雅普诺夫方法确定参数更新律和自适应控制律的步骤包括：
确定所述半主动悬架变负载的区间值，并获取所述半主动悬架变负载的矩阵形式；
将所述半主动悬架变负载的矩阵形式与所述动力学模型和所述参考模型的状态变量的差值结合，得到相应误差方程；
通过李雅谱诺夫方法计算出该误差方程的参数更新律和自适应控制律；
所述误差方程的表达式如下：
其中，为所述参考模型与所述动力学模型的状态变量的差值的一阶导数，为抑制扰动的输入，为所述参考模型的系统矩阵，为所述参考模型与所述动力学模型的状态变量的差值，为外部负载变化时的相关函数矩阵；
所述磁流变减振器的逆模型的表达式如下所示：
其中，为磁流变减振器的输入电流，为磁流变减振器的输出阻尼力， X h为磁流变阻尼器的行程位移，为磁流变减振器的行程位移变化率，即磁流变减振器的活塞速度。
2.根据权利要求1所述的基于模型参考自适应控制的磁流变半主动悬架控制方法，其特征在于，所述动力学模型的表达式如下所示：
其中，为簧载质量，为车轮质量，为弹簧刚度，为车轮刚度，为路面轴向位移激励，为轮胎轴向位移，为簧载质量轴向位移，为悬架动行程，为轮胎动载荷，为负载力，为可控阻尼力，为车身垂向加速度，为车轮垂向加速度，为悬架动行程的相反数。
3.根据权利要求2所述的基于模型参考自适应控制的磁流变半主动悬架控制方法，其特征在于，所述方法还包括：
定义多个特定参数，并基于所述特定参数和所述动力学模型获取状态空间方程，所述状态空间方程和所述特定参数的表达式分别如下所示：
其中，为状态空间方程的状态变量的一阶导数，为所述动力学模型的系统矩阵，为路面干扰的输入矩阵，为所述动力学模型的输入矩阵，为外部负载的输入矩阵，为输出矩阵，为路面干扰的直接传输矩阵，为所述参考模型的直接传输矩阵为外部负载的直接传输矩阵，为路面干扰，为外部输入，为外部负载的定义量，为车身垂向速度，为车轮垂向速度。
4.根据权利要求1所述的基于模型参考自适应控制的磁流变半主动悬架控制方法，其特征在于，所述所需参数包括状态反馈增益矩阵和前馈增益矩阵，所述基于目标约束条件求解所需参数的步骤包括：
以车身加速度、悬架动行程和轮胎动载荷三个性能指标作为权重，建立半正定矩阵和正定矩阵，并基于所述正定矩阵和所述半正定矩阵构建所述参考模型的代价函数；
基于所述代价函数的最小值求解得到所述参考模型的状态反馈增益矩阵，基于悬架系统状态稳定时调试得到前馈增益矩阵。
5.根据权利要求1所述的基于模型参考自适应控制的磁流变半主动悬架控制方法，其特征在于，所述基于所述所需参数并通过随机路面激励模型建立实际模型和参考模型的步骤之前，所述方法还包括：
使用随机路面作为路面激励以建立随机路面激励模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410797304.9A CN118358311B (zh) | 2024-06-20 | 2024-06-20 | 基于模型参考自适应控制的磁流变半主动悬架控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410797304.9A CN118358311B (zh) | 2024-06-20 | 2024-06-20 | 基于模型参考自适应控制的磁流变半主动悬架控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118358311A CN118358311A (zh) | 2024-07-19 |
| CN118358311B true CN118358311B (zh) | 2024-08-30 |
Family
ID=91882419
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410797304.9A Active CN118358311B (zh) | 2024-06-20 | 2024-06-20 | 基于模型参考自适应控制的磁流变半主动悬架控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118358311B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118991326B (zh) * | 2024-10-23 | 2025-03-11 | 华东交通大学 | 车辆稳定性控制方法 |
| CN119261470B (zh) * | 2024-11-22 | 2025-09-26 | 吉林大学 | 一种基于Transformer架构的半主动悬架控制系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111452579A (zh) * | 2020-01-16 | 2020-07-28 | 吉林大学 | 基于悬架不变点理论的车辆半主动自适应控制系统及方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7321816B2 (en) * | 2004-04-27 | 2008-01-22 | Tenneco Automotive Operating Company, Inc. | Model free semi-active vehicle suspension system |
| KR100831895B1 (ko) * | 2006-09-15 | 2008-05-23 | 부산대학교 산학협력단 | 차량용 반능동 현가장치의 제어방법 |
| CN105539052B (zh) * | 2016-02-16 | 2017-10-10 | 南京师范大学 | 一种以车辆平稳状态为参考的可控悬架滑模追踪控制器 |
| CN107599778B (zh) * | 2017-07-31 | 2020-09-25 | 江苏大学 | 一种电磁混合悬架的控制方法 |
| CN108032698B (zh) * | 2017-11-09 | 2020-07-31 | 江苏大学 | 磁流变半主动悬架泰勒级数-三重h2时滞补偿控制方法 |
| CN116305871B (zh) * | 2023-02-28 | 2025-10-03 | 南京理工大学 | 一种基于磁流变阻尼器的混合车辆悬架减振方法 |
| CN116278573B (zh) * | 2023-05-19 | 2023-08-11 | 华东交通大学 | 基于线性矩阵不等式的磁流变半主动悬架抗干扰控制方法 |
-
2024
- 2024-06-20 CN CN202410797304.9A patent/CN118358311B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111452579A (zh) * | 2020-01-16 | 2020-07-28 | 吉林大学 | 基于悬架不变点理论的车辆半主动自适应控制系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118358311A (zh) | 2024-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN118358311B (zh) | 基于模型参考自适应控制的磁流变半主动悬架控制方法 | |
| CN108995495B (zh) | 一种非线性主动悬架的抗饱和自适应控制方法及系统 | |
| Pan et al. | Finite-time stabilization for vehicle active suspension systems with hard constraints | |
| Guo et al. | Robust H∞ control of active vehicle suspension under non-stationary running | |
| Zhao et al. | Design and control of an automotive variable hydraulic damper using cuckoo search optimized PID method | |
| CN109334378B (zh) | 一种基于单神经元pid控制的车辆isd悬架主动控制方法 | |
| CN110096750B (zh) | 考虑非线性主动悬架执行器的自适应动态面控制方法 | |
| CN114282361B (zh) | 一种新型lqg控制方法 | |
| CN111452579B (zh) | 基于悬架不变点理论的车辆半主动自适应控制系统及方法 | |
| CN109927501A (zh) | 一种汽车半主动悬架系统的智能控制方法 | |
| CN103072440A (zh) | 一种汽车主动悬架系统的控制方法 | |
| CN111439087B (zh) | 一种基于模型参考自适应控制的车辆isd悬架主动控制方法 | |
| CN112356633A (zh) | 一种考虑时滞干扰的车辆主动悬架系统的自适应控制方法 | |
| CN104626914A (zh) | 汽车非线性主动悬架系统的模糊控制方法 | |
| CN108345218A (zh) | 基于教学优化算法的汽车主动悬架pid控制器设计方法 | |
| CN110901326B (zh) | 一种具有状态约束与死区输入的主动悬架系统的控制方法 | |
| CN110096840B (zh) | 车辆悬架的滑模控制方法 | |
| Onat et al. | LPV gain-scheduling controller design for a non-linear quarter-vehicle active suspension system | |
| CN105676694A (zh) | 汽车悬架系统的智能采样数据输出反馈控制方法 | |
| Zin et al. | An LPV/H~~ Active Suspension Control for Global Chassis Technology: Design and Performance Analysis | |
| CN115782496B (zh) | 一种基于map控制的半主动悬架系统智能进化方法 | |
| CN116691259A (zh) | 半主动悬架控制方法、系统及车辆 | |
| Shiao et al. | The analysis of a semi-active suspension system | |
| CN113761768A (zh) | 面向整车振动抑制的磁流变阻尼器一体化优化设计方法 | |
| CN117325952A (zh) | 一种基于俯仰振动控制的商用车驾驶室半主动悬置控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |