田豐福， 楊金玉

(長(zhǎng)春汽車(chē)工業(yè)高等專(zhuān)科學(xué)校， 第一汽車(chē)集團(tuán)公司教育培訓(xùn)中心, 長(zhǎng)春 130013)

基于模糊神經(jīng)PID控制的汽車(chē)主動(dòng)懸架平順性分析與測(cè)試

田豐福， 楊金玉

(長(zhǎng)春汽車(chē)工業(yè)高等專(zhuān)科學(xué)校， 第一汽車(chē)集團(tuán)公司教育培訓(xùn)中心, 長(zhǎng)春 130013)

路面的激勵(lì)作用會(huì)使車(chē)輛在行駛過(guò)程中產(chǎn)生顛簸和振動(dòng)，嚴(yán)重影響汽車(chē)行駛平順性和乘坐舒適性。建立了1/4汽車(chē)主動(dòng)懸架數(shù)學(xué)模型，提出一種基于模糊神經(jīng)網(wǎng)絡(luò)的控制策略。該方法利用了模糊控制魯棒性強(qiáng)和神經(jīng)網(wǎng)絡(luò)控制收斂速度快的特點(diǎn)，對(duì)系統(tǒng)參數(shù)進(jìn)行實(shí)時(shí)在線(xiàn)調(diào)整；同時(shí)，以懸架動(dòng)行程、車(chē)輪動(dòng)載荷以及車(chē)身垂直加速度為衡量指標(biāo)進(jìn)行仿真分析和測(cè)試研究。結(jié)果表明，所提出的控制策略可以有效減小汽車(chē)在行駛中因路面激勵(lì)作用而產(chǎn)生的振動(dòng)，大幅改善了車(chē)輛操縱穩(wěn)定性、汽車(chē)行駛平順性及乘坐舒適性，魯棒性強(qiáng)，有一定可借鑒意義。

主動(dòng)懸架； 模糊神經(jīng)控制； PID控制； 測(cè)試

0 引 言

懸架不僅在車(chē)輪和車(chē)體之間傳遞力矩，還起著緩沖路面激勵(lì)的作用，其性能直接決定著車(chē)輛的行駛平順性和乘坐舒適性。由于被動(dòng)懸架的彈簧剛度和阻尼系數(shù)是固定不變的，在汽車(chē)行駛過(guò)程中無(wú)法自動(dòng)調(diào)節(jié)，只有在特定工況才能達(dá)到最優(yōu)的工作狀態(tài)，使汽車(chē)的動(dòng)態(tài)性能受到影響。主動(dòng)懸架采用力發(fā)生器取代被動(dòng)懸架阻尼元件，可以根據(jù)路面的激勵(lì)作用對(duì)控制力進(jìn)行調(diào)節(jié)，從而得到最優(yōu)的控制效果[1-2]。目前對(duì)主動(dòng)懸架系統(tǒng)的研究，研究人員提出了各種不同的控制方法，如柴陵江等[3]建立7自由度主動(dòng)懸架的動(dòng)力學(xué)模型，設(shè)計(jì)出主動(dòng)懸架LQG控制器，并采用層次分析法確定各評(píng)價(jià)指標(biāo)的加權(quán)系數(shù)，降低了車(chē)身振動(dòng)幅度，提高乘坐舒適性。趙強(qiáng)等[4]針對(duì)主動(dòng)懸架模糊PID控制器參數(shù)的最優(yōu)選取問(wèn)題，利用遺傳算法的全局優(yōu)化能力和并行能力對(duì)PID參數(shù)進(jìn)行優(yōu)化。王振臣等[5]利用人工蜂群算法在線(xiàn)優(yōu)化PID參數(shù)增益，并與神經(jīng)網(wǎng)絡(luò)控制相結(jié)合，提高了主動(dòng)懸架的減振效果，且有較強(qiáng)的魯棒性。

懸架是一個(gè)多變量、時(shí)變性的系統(tǒng)，用簡(jiǎn)化的數(shù)學(xué)模型不能真實(shí)反映出實(shí)際控制情況。本研究嘗試將神經(jīng)網(wǎng)絡(luò)與模糊推理技術(shù)相結(jié)合應(yīng)用于主動(dòng)懸架系統(tǒng)控制，對(duì)PID控制器參數(shù)進(jìn)行實(shí)時(shí)調(diào)整，實(shí)現(xiàn)懸架的最優(yōu)控制。同時(shí)，采用仿真分析和現(xiàn)場(chǎng)測(cè)試對(duì)輪胎動(dòng)載荷、車(chē)身垂直加速度、懸架動(dòng)行程3個(gè)控制指標(biāo)進(jìn)行性能評(píng)定，從而驗(yàn)證不同路面激勵(lì)條件下，所提出控制策略的可靠性。

1 主動(dòng)懸架動(dòng)力學(xué)分析

主動(dòng)懸架由作動(dòng)器、阻尼和彈簧組成，能夠根據(jù)路面激勵(lì)自動(dòng)調(diào)節(jié)懸架系統(tǒng)的參數(shù)，使系統(tǒng)始終在最優(yōu)的狀態(tài)下工作。其工作原理是將傳感器采集到的路面信息傳送給計(jì)算機(jī)，處理器根據(jù)輸入信息的變化對(duì)作動(dòng)器發(fā)出相應(yīng)的控制信號(hào)，后者產(chǎn)生用于抵消路面激勵(lì)的控制力，減小車(chē)身振動(dòng)幅度，實(shí)現(xiàn)汽車(chē)平順性與舒適性的最佳組合，克服了被動(dòng)懸架因參數(shù)固定不變而造成的舒適性差問(wèn)題，主動(dòng)懸架結(jié)構(gòu)如圖1所示[6-7]。

圖1 主動(dòng)懸架結(jié)構(gòu)模型

目前汽車(chē)懸架系統(tǒng)的建模方式主要包括1/4車(chē)、1/2車(chē)以及整車(chē)3種[8-9]。1/4車(chē)模型多用于研究懸架系統(tǒng)控制策略問(wèn)題；1/2車(chē)模型多用于研究不同懸架系統(tǒng)之間參數(shù)匹配問(wèn)題；整車(chē)模型多用于研究車(chē)輛的整體運(yùn)動(dòng)姿態(tài)問(wèn)題。以1/4車(chē)懸架作為研究對(duì)象，對(duì)其進(jìn)行運(yùn)動(dòng)學(xué)分析。假設(shè)車(chē)體是剛性的，則懸架動(dòng)力學(xué)微分方程組為[10]：

(1)

式中：m1，m2分別為車(chē)輪與車(chē)體的質(zhì)量；k1，k2為輪胎與懸架的剛度；y1，y2為車(chē)輪和車(chē)體在垂直方向上的位移；s為路面激勵(lì)；u為作動(dòng)器產(chǎn)生的控制力；c為減震器的阻尼系數(shù)。

將模型改寫(xiě)成狀態(tài)空間形式，即：

(2)

式中：

2 基于模糊神經(jīng)網(wǎng)絡(luò)的主動(dòng)懸架控制策略

主動(dòng)懸架是一個(gè)非常復(fù)雜的系統(tǒng)，難以建立精確的數(shù)學(xué)模型。要想獲得最優(yōu)的控制效果，需要實(shí)時(shí)調(diào)整參數(shù)，以抵消干擾引起的控制偏差。為此，基于模糊神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了參數(shù)自學(xué)習(xí)PID控制器，如圖2所示[11-12]。通過(guò)模糊規(guī)則計(jì)算神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)，實(shí)現(xiàn)對(duì)傳統(tǒng)PID控制器參數(shù)的實(shí)時(shí)在線(xiàn)調(diào)整，從而滿(mǎn)足不同工況條件下的需要。

圖2 模糊神經(jīng)PID控制器結(jié)構(gòu)

本文研究的模糊神經(jīng)網(wǎng)絡(luò)模型的拓?fù)浣Y(jié)構(gòu)包含五層，有2個(gè)輸入節(jié)點(diǎn)和3個(gè)輸出節(jié)點(diǎn)，如圖3所示[13-14]。輸入節(jié)點(diǎn)分別對(duì)應(yīng)輸出變量的偏差e以及偏差變化率ec，處理后得到的參數(shù)通過(guò)輸出節(jié)點(diǎn)分別對(duì)應(yīng)PID控制器的3個(gè)參數(shù)。

圖3 模糊神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)

AIS的信息是雙向的，一方面需要準(zhǔn)確輸入自己的相關(guān)信息，他方可以通過(guò)AIS識(shí)別我方的信息。另一方面，我方可以通過(guò)AIS來(lái)識(shí)別他方的相關(guān)信息。

第1層為輸入層。2個(gè)節(jié)點(diǎn)分別對(duì)應(yīng)輸入變量，與變換后的誤差及誤差變化率相連接，不作任何計(jì)算直接輸送給下一層。

第2層是語(yǔ)言變量層。每個(gè)節(jié)點(diǎn)對(duì)應(yīng)一個(gè)語(yǔ)言變量值，功能是將輸入量轉(zhuǎn)換為模糊矢量，作為控制器的輸入，取隸屬度函數(shù)為：

(3)

第3層是模糊推理層。每個(gè)節(jié)點(diǎn)代表一條模糊規(guī)則，通過(guò)與模糊化層的連接來(lái)完成模糊規(guī)則的匹配，通過(guò)各相應(yīng)的權(quán)重系數(shù)，計(jì)算每條規(guī)則的適用度αj。

第4層是歸一層，用來(lái)進(jìn)行各條規(guī)則適用度的歸一化計(jì)算。

第5層是輸出層，將模糊化后的變量清晰化, 與PID控制器的3個(gè)參數(shù)相對(duì)應(yīng)。

可見(jiàn)，所設(shè)計(jì)的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)實(shí)質(zhì)上是一種多層前饋網(wǎng)絡(luò)，可以用誤差反傳的方法來(lái)設(shè)計(jì)調(diào)整參數(shù)的學(xué)習(xí)算法，表達(dá)式為：

(4)

式中：ri為目標(biāo)輸出；yi為實(shí)際輸出。

網(wǎng)絡(luò)連接權(quán)值的學(xué)習(xí)規(guī)則為：

ωij(k+1)=ωij(k)+η(ri+yi)+λ[ωij(k)-ωij(k-1)]

(5)

式中：η為學(xué)習(xí)速率；λ為平滑因子，且0<λ<1。

3 仿真分析

路面激勵(lì)是引起車(chē)輛顛簸振動(dòng)的最主要因素，通常采用路面不平度來(lái)表示不同等級(jí)的路面，其表達(dá)式為[15]：

(6)

式中：f0為下截止頻率；G0為路面不平度系數(shù)；w(t)為高斯白噪聲；v為汽車(chē)時(shí)速。.

為模擬路面激勵(lì)，在Matlab仿真平臺(tái)中建立路面白噪聲模型，得到B級(jí)路面激勵(lì)曲線(xiàn)，如圖4所示。

為驗(yàn)證模糊神經(jīng)PID控制策略的可靠性，基于Matlab/Sinmulink 平臺(tái)進(jìn)行仿真分析，選取輪胎的剛度155 kN/m，懸架的剛度16 kN/m，車(chē)輪質(zhì)量48 kg，車(chē)體質(zhì)量320 kg，汽車(chē)行駛速度10 m/s，減震器的阻尼系數(shù)1.4 kN·s/m。分別對(duì)車(chē)身垂直加速度、懸架動(dòng)行程以及輪胎動(dòng)載荷3個(gè)性能指標(biāo)進(jìn)行分析，并與傳統(tǒng)PID控制進(jìn)行比較，如圖5所示。

從仿真結(jié)果看，與傳統(tǒng)PID控制策略相比，模糊神經(jīng)PID控制可以大大提高主動(dòng)懸架的動(dòng)態(tài)特性，減小路面激勵(lì)對(duì)車(chē)輛的影響，縮小振動(dòng)和顛簸的幅度，控制效果好，魯棒性強(qiáng)。

圖4 B級(jí)路面模擬曲線(xiàn)

(a) 車(chē)身垂直加速度

(b) 懸架動(dòng)行程

(c) 輪胎動(dòng)載荷

4 性能測(cè)試

為驗(yàn)證控制策略的有效性，采用模糊神經(jīng)PID控制器對(duì)實(shí)車(chē)進(jìn)行懸架性能測(cè)試。選取坡度<2%的水泥路面作為試驗(yàn)場(chǎng)地，符合B級(jí)路面條件。測(cè)試工況1：汽車(chē)在所選路面以25 km/h的時(shí)速行駛。測(cè)試工況2：汽車(chē)以相同時(shí)速駛過(guò)10 cm高的凸塊。根據(jù)測(cè)試條件，取車(chē)身垂直加速度作為測(cè)試指標(biāo)，結(jié)果如圖6所示。

(a) 工況1

(b) 工況2

測(cè)試結(jié)果表明，與傳統(tǒng)PID控制相比，采用模糊神經(jīng)PID控制的主動(dòng)懸架在各測(cè)試工況下車(chē)身垂直加速度的幅值明顯減小，說(shuō)明該控制方法可大幅提高主動(dòng)懸架的動(dòng)態(tài)性能，測(cè)試結(jié)果同時(shí)也驗(yàn)證了仿真分析的正確性。

5 結(jié) 語(yǔ)

針對(duì)被動(dòng)懸架存在的問(wèn)題，為提高汽車(chē)行駛平順性、操縱穩(wěn)定性以及乘坐舒適性，對(duì)1/4車(chē)主動(dòng)懸架的控制策略展開(kāi)研究。首先建立了主動(dòng)懸架動(dòng)力學(xué)方程，找出影響汽車(chē)動(dòng)態(tài)特性的因素。提出模糊神經(jīng)PID控制策略，實(shí)時(shí)在線(xiàn)整定主動(dòng)懸架的參數(shù)，使系統(tǒng)始終保持在最優(yōu)的控制狀態(tài)，使之適應(yīng)實(shí)際路面環(huán)境的不斷變化。最后，取輪胎動(dòng)載荷、車(chē)身垂直加速度、懸架動(dòng)行程作為評(píng)價(jià)指標(biāo)進(jìn)行仿真和測(cè)試。結(jié)果表明，應(yīng)用模糊神經(jīng)PID控制策略的主動(dòng)懸架能有效克服路面激勵(lì)，減小車(chē)體的振動(dòng)幅度和速度，與傳統(tǒng)控制算法相比，該策略響應(yīng)速度快，抗干擾能力強(qiáng)，大大提高和改善了車(chē)輛行駛穩(wěn)定性和乘坐舒適性。

[1] 周長(zhǎng)城.汽車(chē)平順性與懸架系統(tǒng)設(shè)計(jì)[M]. 北京:機(jī)械工業(yè)出版社，2011.

[2] Eltantawie M A. Decentralized neuron-fuzzy control for half car with semi-active suspension system[J]. International Journal of Automotive Technology, 2012, 13(3): 423-431.

[3] 柴陵江，孫 濤，馮金芝，等. 基于層次分析法的主動(dòng)懸架LQG控制器設(shè)計(jì)[J]. 汽車(chē)工程，2010，32(8)：712-718.

[4] 趙 強(qiáng)，何 法，王 鑫，等. 基于遺傳算法優(yōu)化的車(chē)輛主動(dòng)懸架模糊PID控制[J]. 重慶理工大學(xué)學(xué)報(bào)(自然科學(xué))，2016，30(2)：6-11.

[5] 王振臣，趙 莎，楊 康. 汽車(chē)主動(dòng)懸架單神經(jīng)元PID控制器設(shè)計(jì)[J]. 機(jī)械設(shè)計(jì)與制造，2013(11)：29-32.

[6] Liu Xiao-bin, Liu Xiao-jin. Design and simulation of active suspension system based on the LQG controller [J]. Journal of Lanzhou University of Technology, 2014, 40(2):33-36.

[7] Yim S, Park Y, Yi K. Design of active suspension and electronic stability program for rollover prevention[J].International Journal of Automotive Technology, 2010, 11(2): 147-153.

[8] 邱 權(quán), 鄭 玲.自傳感磁流變半主動(dòng)懸架滑模觀測(cè)及控制[J]. 汽車(chē)工程學(xué)報(bào),2013,5(9):345-353.

[9] Eltantawie M A. Decentralized neuro-fuzzy control for half car with semi-active suspension system[J].International Journal of Automotive Technology, 2012, 13(3): 423-431.

[10] Alyaqout S F, Papalambros P Y, Ulsoy A G. Combined design and robust control of a vehicle passive/active suspension[J]. International Journal of Vehicle Design, 2012, 59(4): 315-330.

[11] 樓少敏，付 振，許滄栗.整車(chē)半主動(dòng)懸架滑?？刂破鞯脑O(shè)計(jì)與仿真[J].汽車(chē)工程， 2010,32(8):719-726.

[12] Demir O, Keskin I, Cetin S. Modeling and control of a nonlinear half-vehicle suspension system: a hybrid fuzzy logic approach [J]. Nonlinear Dynamics, 2012, 67(3): 2139-2151.

[13] 王 東.優(yōu)化PID與神經(jīng) PID 控制主動(dòng)懸架的性能對(duì)比研究[J]. 機(jī)械設(shè)計(jì)與制造, 2011(10):96-98.

[14] 陳 龍，黃 晨.基于懸架效用函數(shù)的車(chē)身姿態(tài)控制[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011,42(8):15-25.

[15] 樓少敏，付 振，許滄栗.基于滑模理論的主動(dòng)懸架控制[J].汽車(chē)工程，2010,32(5):434-438.

Analysis and Test of Ride Comfort of Vehicle Active Suspension Based on Fuzzy Neural PID Control

TIANFengfu，YANGJinyu

(Changchun Automobile Industry Institute, China First Automobile Group Corporation, Changchun 130013, China)

The excitation of road surface causes the vehicle to produce bump and vibration in the traveling process, affects the automobile ride comfort. This study established a 1/4 car active suspension model, proposed a control strategy based on fuzzy neural network. The design made full use of strong robustness of fuzzy control and fast convergence of neural network, could real-time adjust system parameters. Tests and simulation analyses of suspension dynamic travel, wheel dynamic changes in load, and the vertical acceleration of the body research were carried out. The results show that the proposed control strategy can effectively reduce the vibration caused by road excitation and produce, improve vehicle handling stability, ride comfort, strong robust, has certain reference significance.

active suspension; fuzzy neural control; PID control; tests

2016-09-19

吉林省科技發(fā)展計(jì)劃項(xiàng)目 (201303040NY)

田豐福(1983-)，男，內(nèi)蒙古興安盟人，講師，現(xiàn)主要從事汽車(chē)維修與電子技術(shù)研究。

Tel.:13644304021； E-mail:yangjinyu-yjy@163.com

U 461.4

A

1006-7167(2017)05-0044-04