阻尼可调半主动悬架自适应神经网络模糊控制

黄镇颖 王振宇 高玉 徐雷州

摘 要：车辆在运行的过程当中，为了使行驶更加的平稳和顺滑，越来越多的汽车选择可变阻尼半主动悬架系统。文章利用Matlab/Simulink等软件进行模型设定，再在上述模型中引入模糊控制模块，用以控制车辆的行驶舒适性和平顺性。通过相关的仿真检测，在各种混合工况下，弹簧载荷的质量加速度的均方根值减少了10.5%，悬架动行程的均方根值则是减少了11.98%。

关键词：半主动悬架;阻尼可控;模糊控制;平顺性

Abstract： In the process of vehicle running， in order to make driving more smooth and smooth， more and more vehicles choose variable damping semi-active suspension system. In this paper， Matlab/Simulink and other software are used to set the model， and then the fuzzy control module is introduced into the model to control the driving comfort and ride comfort of the vehicle. Through the relevant simulation detection， under various mixed conditions， the RMS value of the mass acceleration of the spring load is reduced， and the RMS value of the dynamic travel of the suspension is reduced.

前言

可变阻尼半主动悬架系统可以更好地提高各种工况下车辆的行驶平顺性和成员的乘坐舒适性[1]，因此对于阻尼可调半主动悬架系统在各种工况下的控制研究尤为重要，已经变成了相关领域的一个热议话题[2]，现如今已经发展成熟的的控制理论就包括了PID控制、分层控制以及鲁棒控制等[3]。通过这些相关理论可以看到整体的悬架系统的性能有了明显的提升，本文将模糊控制与阻尼可调半主动悬架相结合，为其系统的控制开辟了一条新的道路。

1 半主动悬架车辆动力学模型

经牛顿第二定律就可以对7个自由度位置的全车悬架模型进行设置：

式中的qFL、qRL、qFR、qRR代表左前、右前、左后和右后四个轮所受到的地面垂直位移激励情况。mwf、mwr分别为前后轮胎质量。mcb为簧载质量。Jx、Jy就分别代表了簧载质量绕相应质心纵向轴线所形成的转动惯量。

2 系统控制参数优化

2.1 确定目标函数

在研究车辆本身的平稳性的基础上，想要保持基本的舒适程度，在这篇文章当中重点选择的是簧载质量均方根值（fACC）、轮胎动载荷均方根值（fDTL）和悬架动行程均方根值（fSWS）为优化目标参数。同时要设定线性加权和法建立多目标优化函数f（x），通过赋予加权系数的方式来确定整体的质量目标以及对应的函数形式（2），可以看到在这里的变量是前、后悬架系统的阻尼（cf、cr）。

式中：ω1为簧载质量加速度均方根值的加权系数，ω2为悬架动行程均方根值的加权系数，ω3为轮胎动载荷均方根值的加权系数，min（fACC）为簧载质量加速度均方根值在阻尼可变范围内的最小值，min（fSWS）为悬架动行程均方根值在阻尼可变范围内的最小值，min（fDTL）为轮胎动载荷均方根值在阻尼可变范围内的最小值。

2.2 确定加权系数

层次分析法在现在的目标问题解决中是一种常见的模式，能够实现更为繁琐的目标问题的解决，同时在多目标的情况下找到真正的层次性分析问题和解决问题的方式。这种方式可以模糊量化基础指标，进而找到多功能优化的方式。在这种模式当中能够了解到不同的指标评价的加权系数。amn主要是m和n的比较数值，在这种方式当中的比重较高，如果是最重要的形式则是9。所以通过不同的指标评定能够看到的矩阵等如下。

文章当中选用的几类指标都能够实现对稳定形式的探讨，通过了解每个指标的数值以及对应的影响关系，能够深层次的分析轮胎在运行过程中的舒适状态。所以簧载质量加速度均方根值是车辆平顺性的主要评价指标，和另外的指标进行比对本身具备一定的重要性。所以从上面的各项描述当中，我们能够发现各评价指标的判断矩阵，如表3所示。

（3）计算向量Hm的正则向量β

，计算得β=[0.7142，0.1429，0.1429]，向量β即为各评价指标对应的加权系数，即簧载质量加速度均方根值的加权系数ω1为0.7142，悬架动行程均方根值的加权系数ω2为0.1429，轮胎动载荷均方根值的加权系数ω3为0.1429。

（4）检验判断矩阵一致性

2.4 基于遗传算法的控制参数优化

在上述数据分析当中能够实现对这种系统的整体模型方面的重新定义和控制，因此在仿真模型的基础上，同时利用式（2）为优化目标函数，在MATLAB中编写遗传算法优化程序，其中遗传算法优化程序控制参数的选取为：群体规模：50、变异概率：0.065、交叉概率：0.73、算法终止条件：进化代数为500、前悬刚度（kf）取值范围：10000 N/m～50000 N/m、后懸刚度（kr）取值范围：20000 N/m～100000 N/m、前悬阻尼（cf）2000N·s/m～20000N·s/m，后悬阻尼（cr）5000N·s/ m～30000N·s/m;在典型工况下（路面状况选取A、B及C级路面;车速选取90～120km/h（A级路面），60～90km/h（B级路面）及40～70km/h（C级路面），间隔为10 km/h;载荷选取空载及满载）对前后可变半主动悬架刚度（kf、kr）进行寻优。表4为满载时，A级路面的前后可变阻尼半主动悬架阻尼（kf、kr、cf、cr）优化结果。

3 半主动悬架阻尼模糊控制

在Matlab/Simulink中建立前后悬架的T-S型模糊推理器，其算法取加权平均。通过前悬架和后悬架的T-S型模糊推理器分别选出前后悬架系统的自适应神经网络模糊推理器，将前后悬架采集的数据分别导入推理器中，采用高斯型的隶属函数，输出变量使用线性型。设定模糊推理器的训练次数为50次，训练结束后显示前后悬架的训练误差分别为0.22134和0.3221。此时适用于阻尼可调的半主动悬架前悬架的T-S型模糊推理器设计完成。

4 仿真验证

为验证模糊控制措施是不是有效，选择了三种混合工况，分别为：满载、A级、80km/h;满载、B级、60km/h;满载、C级、50km/h。使用本文所建立的模型在上述路面上分别行驶1min后得到车身振动的相关数据。对比控制前后：车辆前后簧载质量加速度的均方根值平均减少了10.5%，前后悬架动行程的均方根值则是平均减少了11.98%。

5 结论

综上所述：本文建立了阻尼可调半主动悬架系统7自由度仿真模型，并在上述模型的基础上建立了自适应模糊控制器控制阻尼参数。对于阻尼可调半主动悬架系统使用模糊控制可有效提高车辆行驶的平顺性和乘坐的舒适性，为后续试验研究奠定了理论和设计基础。

参考文献

[1] 李重重，黄镇颖，王振宇，高玉.阻尼可调半主动悬架八自由度仿真模型建立[J].汽车实用技术，2019（22）：85-86.

[2] 侯力文.汽车悬架系统运动特性与半主动控制研究[D].山东大学，2019.

[3] 刘涛.基于半主动油气悬架的车身姿态补偿控制研究[D].江苏大学，2019.

[4] 杨兵.汽车容积可调空气悬架系统鲁棒控制方法研究[D].江苏科技大学，2018.