汽车主动悬架

2024-05-13

汽车主动悬架（精选十篇）

汽车主动悬架篇1

悬架是车架与车轮之间一切传力连接装置的总称, 一般由弹性元件、减振器和导向机构组成[1]。汽车悬架性能的优劣直接影响着汽车的乘坐舒适性和操纵稳定性, 传统的被动悬架系统的刚度和阻尼都是不可调的, 只是在很窄的频带内具有良好的减振性能, 无法在汽车的行驶过程中随路面激励和汽车运行状态的变化而变化。主动悬架可以根据路面激励的状况, 实时调节悬架系统的主动控制力, 来抑制整个汽车振动, 从而可以大大改善汽车的行驶平顺性。

目前, 汽车悬架的主动控制方法多种多样, 丁科等采用神经网络对主动悬架进行控制[2], 李伟等人把LQR最优控制理论应用到主动悬架控制中[3]。本文对主动悬架进行模糊控制, 研究采用模糊控制的主动悬架的舒适性。

1、汽车主动悬架控制系统的模型建立

1.1 1/4 汽车主动悬架动力学模型的建立

1/4 汽车主动悬架系统的动力学模型如图1 所示, 它由悬挂质量m2, 悬架弹簧刚度k2, 阻尼c2, 非悬挂质量m1, 轮胎刚度k1、作动器输出力f以及路面输入x0组成。

根据图1所示, 由牛顿第二定律可得其运动微分方程为:

写出系统的状态方程为:

式中, X =[z&2, z&1, z2, z1]T;U =[Fc, x]T;Y =[&z2, z&2, z2-z1, z1-x]T;

1.2 随机路面输入模型的建立

路面不平度是影响汽车悬架动力学特性和汽车整体振动的外部主要原因, 所以建立适当的路面输入模型对分析汽车悬架的特性有很重的作用。随机路面时域轮廓生成方法有两种[4], 对高斯白噪声经过积分后生成或对其通过滤波器滤波后产生, 本文采用后者方法来生成随机里面模型。其时域表达式为:

式中, 路面不平度系数Gq (n0) =256 ´10-6m2/m-1, 其为C级路面的不平度系数;标准空间频率n0=0.1m-1;路面空间截止频率f00=0.01m-1;车速v =15m/ s ; w (t) 是均值为零的高斯白噪声。

根据以上数据, 则用Matlab/Simulink路面仿真结果如图2 所示:

2、汽车主动悬架模糊控策略设定

2.1 模糊控制器结构的选择

模糊控制器的结构直接影响着控制系统的特性[5,6]。本文设计了一个以车身加速度a和车身速度v为模糊控制器的输入, 主动力为f为输出的二位模糊控制器。选取的车身加速度a的基本论域为[-10, 10]m/s2, 车身速度v的基本论域为[-1, 1]m/s , 模糊论域为[-3, 3], 模糊语言均取为{NB, NM, NS, Z, PS, PM, PB}, 各元素代表负大, 负中, 负小, 零, 正小, 正中, 正大。输出变量F的基本论域为[-900, 900]N, 模糊论域为[-3, 3], 模糊语言取为{ NB, NM, NS, Z, PS, PM, PB }。为了方便起见本文输入和输出的隶属度函数都取三角形, 去模糊化方法采用重心法。

2.2 主动悬架模糊控制规则的建立

本文模糊控制规则把专家知识以及设计人员的实际经验相结合, 制定模糊控制规则如下表1 所示:

3、仿真分析

3.1 仿真条件以及模型的建立

根据上述建立的1/4 汽车主动悬架动力学模型和模糊控制策略, 并选定车辆参数m2=318kg, k2=22000N/m, c2=1520N﹒m/s, m1=46kg, k1=192000N·s/m。仿真路面为C级路面, 车速为15m/s, 在Matlab/Simulink建立仿真模型如图3、4 所示, 汽车主动悬架模型采用状态空间表达。

仿真时间设定为10s, 采用可变步长ode45 求解算法进行仿真, 仿真得到车身加速度和车身速度图如图5、6 所示。

3.2 仿真结果的分析

为了定性分析汽车主动悬架采用模糊控制的优越性, 本文计算了车身加速度和车身速度的均方根如表2 所示。由表2 可以看出, 在相同的外界条件输入下, 模糊控制条件下车身加速度的均方根相比于被动控制减少了23.55﹪, 车身速度减少了18.1﹪。因此主动悬架采用模糊控制来控制车身的加速度和速度要比被动悬架好。

4、结论

本文探讨了主动悬架采用模糊控制和被动悬架的性能并进行了比较发现:

(1) 主动悬架减振效果优于被动悬架, 而采用的模糊控制策略为实际的主动悬架设计提供了参考, 具有一定的实际意义。

(2) 在设计模糊控制器的时候, 模糊规则的制定以及比例因子和量化因子的选择都有可能影响模糊控制性能, 所以对模糊规则、量化因子和比例因子的优化也是以后研究的重点。

摘要：文章首先对汽车主动悬架进行动力学分析, 建立了1/4车主动悬架动力学模型。根据所建立的模型, 把模糊控制运用到主动悬架系统中, 通过控制主动力的大小来使悬架性能达到最优状态;最后以某型车的参数进行仿真研究, 仿真结果表明:基于模糊控制的主动悬架具有很好的性能。

关键词：主动悬架,动力学模型,模糊控制

参考文献

[1]余志生.汽车理论[M].北京:机械工业出版社, 2009, 3.

[2]丁科等.车辆主动悬架的神经网络模糊控制[J].汽车工程, 2001 (5) .

[3]李伟, 何渝生.汽车主动悬架一种控制方法的研究[J].重庆交通学院学报, 1997 (1) .

[4]Elbeherily EL M.Advanced Ground Vehicle Suspension System A classified Bibliography[J].VSD.1995.24:231-256.

[5]柴牧, 董恩国, 李振兴.汽车主动悬架的模糊PID控制策略[J].机械设计, 2003, 30 (5) :1-3.

汽车主动悬架篇2

车辆主动悬架系统的模糊控制仿真研究

根据汽车悬架的结构,建立了二自由度1/4车体主动悬架模型.为了提高汽车的乘坐舒适性和安全性,车辆采用主动悬架系统.由于模糊控制具有建模简单、控制精度高、非线性适应性强等优点,在车辆主动悬架控制策略中得到了较广泛的应用.设计了以车身速度和加速度为输入的模糊控制器,实现了对主动悬架的控制.同时,以某种车型为仿真对象,使用MATLAB/Simulink进行计算机仿真,达到了改善车辆垂直减振的目的.仿真结果表明:采用所设计的`模糊控制策略的主动悬架系统,明显提高了车辆乘坐的舒适性和安全性.

作者：李敏杨建伟 LI Min YANG Jian-wei 作者单位：太原科技大学,机械电子工程学院,山西,太原,030024 刊名：机械工程与自动化英文刊名：MECHANICAL ENGINEERING & AUTOMATION 年，卷(期)： “”(3) 分类号：U463.33 TP391.9 关键词：主动悬架模糊控制仿真

浅谈汽车的悬架系统篇3

关键词：悬架系统；汽车

舒适性是轿车最重要的使用性能之一。舒适性与车身的固有振动特性有关，而车身的固有振动特性又与悬架的特性相关。所以，汽车悬架是保证乘坐舒适性的重要部件。同时，汽车悬架做为车架（或车身）与车轴（或车轮）之间作连接的传力机件，又是保证汽车行驶安全的重要部件。因此，汽车悬架往往列为重要部件编入轿车的技术规格表，作为衡量轿车质量的指标之一。

汽车悬架包括弹性元件，减振器和传力装置等三部分，这三部分分别起缓冲，减振和力的传递作用。从轿车上来讲，弹性元件多指螺旋弹簧，它只承受垂直载荷，缓和及抑制不平路面对车体的冲击，具有占用空间小，质量小，结构简单，无需润滑的优点，但由于本身没有摩擦而没有减振作用。减振器指液力减振器或压缩空气减振器，是为了加速衰减车身的振动，它是悬架机构中最精密和复杂的机械件。传力装置是指车架的上下摆臂等叉形刚架、转向节等元件，用来传递纵向力，侧向力及力矩，并保证车轮相对于车架（或车身）有确定的相对运动规律。汽车悬架的形式分为非独立悬架和独立悬架两种。

非独立悬架的车轮装在一根整体车轴的两端，当一边车轮跳动时，影响另一侧车轮也作相应的跳动，使整个车身振动或倾斜，汽车的平稳性和舒适性较差，但由于构造较简单，承载力大，目前仍有部分轿车的后悬架采用这种型式。

独立悬架的车轴分成两段，每只车轮用螺旋弹簧独立地安装在车架（或车身）下面，当一边车轮发生跳动时，另一边车轮不受波及，汽车的平稳性和舒适性好。但这种悬架构造较复杂，承载力小。现代轿车前后悬架大都采用了独立悬架，并已成为一种发展趋势。

独立悬架的结构可分有烛式、麦弗逊式、连杆式等多种，其中烛式和麦克弗逊式形状相似，两者都是将螺旋弹簧与减振器组合在一起，但因结构不同又有重大区别。烛式采用车轮沿主销轴方向移动的悬架形式，形状似烛形而得名。特点是主销位置和前轮定位角不随车轮的上下跳动而变化，有利于汽车的操纵性和稳定性。麦克弗逊式是绞结式滑柱与下横臂组成的悬架形式，减振器可兼做转向主销，转向节可以绕着它转动。特点是主销位置和前轮定位角随车轮的上下跳动而变化，这点与烛式悬架正好相反。这种悬架构造简单，布置紧凑，前轮定位变化小，具有良好的行驶稳定性。所以，目前轿车使用最多的独立悬架是麦弗逊式悬架。

现代轿车的悬架都有减振器。当轿车在不平坦的道路上行驶，车身会发生振动，减振器能迅速衰减车身的振动，利用本身的油液流动的阻力来消耗振动的能量。当车架与车轴相对运动时，减振器内的油液会通过一些窄小的孔、缝等通道反复地从一个腔室流向另一个腔室，这时孔壁与油液间的摩擦和油液内的分子间的摩擦形成了对车身振动的阻力，这种阻力工程上称为阻尼力。阻尼力会将车身的振动能转化为热能，并被油液和壳体所吸收。人们为了更好地实现轿车的行驶平稳性和安全性，将阻尼系数不固定在某一数值上，而是能随轿车运行的状态而变化，使悬架性能总是处在最优的状态附近。因此，有些轿车的减振器是可调式的，将阻尼分成两级或三级，根据传感器信号自动选择所需要的阻尼级。

为了提高轿车的舒适性，现代轿车悬架的垂直刚度值设计得较低，用通俗话来讲就是很“软”，这样虽然乘坐舒适了，但轿车在转弯时，由于离心力的作用会产生较大的车身倾斜角，直接影响到操纵的稳定性。为了改善这一状态，许多轿车的前后悬架增添横向稳定杆，当车身倾斜时，两侧悬架变形不等，横向稳定杆就会起到类似杠杆作用，使左右两边的弹簧变形接近一致，以减少车身的倾斜和振动，提高轿车行驶的稳定性。

汽车主动悬架篇4

1 主动悬架系统国内外发展状况

在汽车悬架系统的发展史上, 是1954年美国GM汽车公司的Erspiel.Labrosse首次提出了主动悬架的概念。雪铁龙早在20世纪50年代初期就将电控主动液压悬架装备在其15车型上, 但实现大规模的批量使用则是在稍后推出的DS系列车型上[1]。

1965年, W.O.Obson和L.R.Allen作了类似的研究工作。此后, T.H.Rochwell, S.Kimicaj和M.Lawther做了用伺服机构作为主动元件的理论研究。早期研究的主动悬架数学模型是不考虑非簧载质量和轮胎特性的单自由度系统。

1976年Thompson首先将全状态反馈最优控制理论应用于主动悬架的研究中。1984年他又利用部分状态反馈最优控制理论构造了次最优反馈阵。随后, Thompson和Pearce把两个自由度模型扩充到四个自由度模型。

1986年, R.M.Chalassani研究了整车模型的行驶性能。P.Barak和D.Hrovat用计算机模拟激励的方法, 比较了主动悬架的优越性。用性能指数Π表示主动、半主动、和被动悬架的性能。对一组特定的Π加权计算模拟的激励结果显示采用半主动悬架和主动悬架的车辆其各项指标多下降了很多。

1955年法国Citroen汽车公司研制出一种液压-空气悬架系统, 可以使汽车具有较好的行驶平顺性和乘坐舒适性, 由于它的制造工序过于复杂, 最终未能普及。1982年美国LOTUS汽车公司研制出有源主动悬架系统, 瑞典VOLVO汽车公司在其车上安装了实验性的LOTUS主动悬架系统。1983年日本TOYOTA汽车公司在Soare轿车上采用了阻尼可调的减振器。1986年丰田又在Soare车型采用了能分别对阻尼和刚度进行三级调节的空气悬架, 1989年TOYOTA在Celica车型上装置了真正意义上的主动油气悬架系统[2]。福特汽车公司在1984年底的Lincoln Continental车上装备了电控空气悬架系统, 可以有效地实现隔振和高度调整。

1988年雪铁龙公司正式将装备有液压悬架的XM车型正式命名为第一代主动液压悬架系统, 之后雪铁龙又在其生产的XANTIA系列车型装置了第二代主动液压悬架, 这一代新型主动悬架大大地提高E-CU控制单元的计算速度, 同时有运动和舒适两种模式可供选择。到目前为止, 雪铁龙的主动液压悬架已发展到第三代, 并装备于其C5、C6系列车型上。其第四代主动液压系统也在研发当中[3]。20世纪90年代日本NISSAN汽车公司在InfiniteQ45轿车上也装备了液压主动悬架。

此外, 德国Porsche、美国Ford, 德国Benz、通用、克莱斯勒、雪铁龙等汽车公司均在某些产品上装备有各自开发的主动悬架系统。在军用车辆方面, 由于越野和高速行驶的需要, 所以使用主动悬架的愿望更为迫切。LOTUS公司、TACOM (美国陆军坦克自动车司令部) 和TCM联合组成小组在1992年10月把一种简化的主动悬架装置安装在Hummer轮式车辆上, 最大限度地提高了在崎岖不平路面上的行驶速度。

相对于国外来说, 国内对主动悬架的研究较少, 国内在主动悬架上起步比较晚, 其中上海交通大学、清华大学、吉林大学和同济大学等科研院所都开展了一些研究工作, 对主动悬架进行了一些理论研究和试验方法的研究, 仍处于理论探索与数值模拟阶段, 相应的试验验证比较少, 还没有进入产品研制开发阶段。北京理工大学的章一鸣教授较早地对主动悬架进行了理论及试验研究。该校高志彬、黄志刚等人进行了可控减振器的性能试验研究, 试验结果说明所设计的三级阻尼可调减振器性能优于传统的被动悬架。

2 主动悬架系统的控制策略

汽车主动悬架的研究工作包含两个方面:一方面是执行器的开发, 另一方面是控制策略的研究, 两方面较好的配合才会使悬架系统的性能达到理想的效果。上世纪五十年代形成完整的经典控制理论, 采用频率响应法和根轨迹法这些图解分析方法分析系统性能和设计控制装置。历史的实践证明经典控制理论十分有效的。

随着状态空间空间法的应用而出现的现代控制理论, 它可以解决多输入多输出的多维空间系统, 研究的系统复杂性不断提高, 其已开始向智能控制方向发展。目前应用于主动悬架系统的控制理论比较多, 常见的控制方法主要有以下3种:

2.1 天棚阻尼控制。

美国著名控制专家Karnopp在二十世纪七十年代初提出了天棚阻尼的概念。这种方法的思想就是在车身上安装一个与车身振动速度成正比的阻尼器, 使阻尼器产生的力与车身竖直方向的运动相抵抗, 便可以有效地防止车身与悬架发生大的共振。这种方法简单, 所需要的车身传感器数量也较少, 不需要非常复杂的悬架系统模型, 实现起来比较简单。后来karnopp又提出了开关阻尼的概念, 这种方法是天棚阻尼的延伸, 目前已被美国通用汽车公司应用于某型号车上, 并取得了良好的效果[4]。

2.2 智能控制。

近些年来智能控制取得了很大的发展, 最有代表性的便是模糊控制和神经网络控制。模糊控制是由美国动控制理论专家扎德 (L.A.Zadah) 提出来的, 通过一定的发展, 模糊控制理论已经成为人们所研究的一个热门课题。在汽车悬架控制方面, Yoshimuro教授将模糊控制理论首先应用到汽车主动和半主动悬架中。汽车悬架可以看作是用一组非线性微分方程来描述的非线性系统, 利用模糊推理方法可推导出合适的阻尼力, 实验结果显示采用模糊控制理论设计的控制器可使主动悬架的性能得到有效提高, 提高了汽车行驶的平顺性。模糊控制和神经网络控制能够为特殊条件下的模型处理问题提供有效的方法。可以认为智能控制将是21世纪控制领域的核心技术, 智能控制的发展必将推动科技的发展, 从而对社会进步的推动力是不可估量的。

2.3 混合控制。

当前用于汽车悬架振动的控制策略比较多, 单一控制策略可以使某一控制目标达到理想的效果, 但很难达到多个控制目标同时满足要求的要求。因为各种控制策略都有自身无法弥补的缺陷, 考虑到一方面则往往另一面就会有损失。因此常将多种控制方法结合起来对悬架系统进行混合控制, 例如将模糊控制和神经网络控制混合设计应用于奔驰高级轿车和重型坦克, 这种混合控制策略同样适用于汽车主动悬架这样复杂的非线性系统, 仿真结果显示均能取得良好的效果, 从长远来看, 混合控制方法将是今后悬架控制策略研究的一个很重要方向。

摘要：介绍了国内外汽车主动悬架控制系统发展和主要控制策略, 重点论述了汽车主动悬架控制系统的应用和发展, 最后列举了目前主动悬架的控制策略和优缺点。

关键词：主动悬架,应用,发展,控制策略

参考文献

[1]I.Eski, S.Yidirim.Vibration Control of Vehicle Active Suspension System Using a New Robust Neural Network Control System.Simulation Modelling Practice and Theory.2009, 17 (5) :778-793.

[2]刘新亮.汽车主动悬架的自校正控制[J].汽车工程, 1998:165-170.

[3]王国丽, 顾亮, 孙逢春.车辆主动悬架技术的现状和发展趋势[J].兵工学报, 2000:80-83.

汽车的空气悬架系统结构原理剖析篇5

汽车的空气悬架系统结构原理剖析

空气悬架系统(AIRMATIC)是汽车行业广泛应用的先进产品.在汽车市场,几乎绝大部分中型以上客车都使用了空气悬架系统,近半数的`卡车、挂车和牵引车用了空气悬粲系统,多数的高级轿车也在使用空气悬架系统.其最大的优点是不仅可以提高乘员的乘坐舒适性,而且可以对道路起到保护作用.良好的减振性能不仅能给乘客提供优异的乘坐舒适性,也是确保车辆稳定性的前提.本文对汽车的空气悬榘系统结构进行了分析.

作者：周二忠作者单位：中原油田采油三厂特车大队,河南,濮阳,252434刊名：魅力中国英文刊名：CHARMING CHINA年，卷(期)：“”(14)分类号：U463.33关键词：空气悬架系统空气泵单元传感器自适应减振系统

汽车主动悬架篇6

磁流变液体是一种非牛顿流体,在外加磁场的作用下,其阻尼特性具有变化范围大、容易控制等优点。配合一定的控制策略,磁流变减振器能成为理想的半主动控制阻尼器[1,2]。近年来,国内学者在将磁流变减振器应用于汽车悬架系统方面作了大量工作[3—5]。本文在充分考虑基于磁流变减振器的悬架系统非线性特性的基础上,利用Matlab/Simulink仿真软件包对基于整车的具有模糊控制器的汽车磁流变减振器半主动悬架系统进行建模、仿真和分析。

1基于整车的半主动悬架系统的力学模型及运动微分方程

对整车进行建模时,将车箱、底盘和载荷等近似处理为只有质量而无弹性的刚体,传统减振器的被动悬架系统的整车简化模型,如图1所示。

该模型中包含了前左,后左,前右,后右轮胎(m4、m5、m6、m7)沿x轴做垂直上下运动的四个自由度,车体(m1)沿x轴做上下垂直运动的自由度,车体绕z轴转动做前后俯仰运动的自由度,还包含车体绕y轴转动做左右侧倾运动的自由度,共七个自由度。

设前面左右两个轮胎距离中心的距离为lf,后面左右两个轮胎距离中心的距离为lr,前面的车轴距离质心的距离为a,后面的车轴距离质心的距离为b。分别用x1、x4、x5、x6和x7代表车体、前左轮、后左轮、前右轮和后右轮垂直运动的位移,x2和x3代表车体侧倾和俯仰的角度。m1、m4、m5、m6和m7分别为车体、前左轮、后左轮、前右轮和后右轮质量,m2和m3代表车体的侧倾和俯仰的转动惯量。

利用Lagrange方程建立基于全车简化模型的被动悬架系统的运动方程,写成矩阵的形式为:

式(1)中:

式(3)中:k11=k4+k5+k6+k7、k12=lf(k4-k6)+lr×(k5-k7)、k13=-a(k4+k6)+b(k5+k7)、k14=-k4、k15=-k5、k16=-k6、k17=-k7;k21=k12、k22=lf2(k4+k6)+lr2(k5+k7)、k23=-alf(k4-k6)+blr×(k5-k7)、k24=-lfk4、k25=-lrk5、k26=lfk6、k27=lrk7;k31=k13、k32=k23、k33=a2(k4+k6)+b2(k5+k7)、k34=ak4、k35=-bk5、k36=ak6、k37=-bk7;k41=k14、k42=k24、k43=k34、k44=k4+k4t、k45=k46=k47=0;k51=k15、k52=k25、k53=k35、k55=k5+k5t、k54=k56=k57=0;k61=k16、k62=k26、k63=k36、k66=k6+k6t、k64=k65=k67=0;k71=k17、k72=k27、k73=k37、k77=k7+k7t、k74=k75=k76=0。

式(4)中:c11=c4+c5+c6+c7、c12=lf(c4-c6)+lr×(c5-c7)、c13=-a(c4+c6)+b(c5+c7)、c14=-c4、c15=-c5、c16=-c6、c17=-c7;c21=c12、c22=lf2(c4+c6)+lr2(c5+c7)、c23=-alf(c4-c6)+blr(c5-c7)、c24=-lfc4、c25=-lrc5、c26=lfc6、c27=lrc7;c31=c13、c32=c23、c33=a2(c4+c6)+b2(c5+c7)、c34=ac4、c35=-bc5、c36=ac6、c37=-bc7;c41=c14、c42=c24、c43=c34、c44=c4、c45=c46=c47=0;c51=c15、c52=c25、c53=c35、c55=c5、c54=c56=c57=0;c61=c16、c62=c26、c63=c36、c66=c6、c64=c65=c67=0;c71=c17、c72=c27、c73=c37、c77=c7、c74=c75=c76=0。

半主动控制悬架系统就是在被动悬架系统的基础上加上一个可控制的阻尼力U。在这里可控制阻尼力是控制磁流变减振器产生的,由于在四个车轮的上方均装有一个减振器,即共有四个控制力。因此半主动控制悬架系统的全车模型运动方程为:

M、C、K、Kt、X、Q的意义和上面的被动悬架相同,参见式(2)～式(7)。其中:U=[u1u2u3u4],它代表模糊控制系统控制四个减振器所产生的可控阻尼力矩阵,而B为阻尼力系数矩阵,它可表达为:

2模糊控制器的设计

2.1模糊控制器设计

模糊控制器是以模糊条件语句描述的语言控制规则为基础,它的控制规则是通过人为经验总结出来的,输入变量一般有两个,输出变量一般选控制量U。

本模糊控制半主动悬架系统是以悬架系统非簧载质量和簧载质量的相对位移(x2-x1)及其变化率(6)x2-6)x1)作为控制器的输入量,记为e,ec;将磁流变半主动悬架的磁流变减振器可调阻尼力u作为模糊控制器的输出量,控制系统如图2所示[6]。

2.2模糊控制规则

模糊控制规则一般表示为一组模糊条件语句,这些语句中用于描述输入与输出变量状态的词汇的集合称作变量的模糊状态。常选用“大、中、小”等词汇来描述输入输出变量状态。

常见的模糊条件语句有:if A then B(若A则B)或(若A且B则C)。

规则库采用一组模糊控制规则,如下:

式(10)中An是e的模糊集合,Bn是ec的模糊集合,Cn是u的模糊集合。

模糊控制器的2个输入量分别用[NB(负大)、NM(负中)、NS(负小)、ZE(零)、PS(正小)、PM(正中)、PB(正大)]7个语言模糊集来描述,形成49条控制规则。设计模糊规则库见表1。当E和EC都为0时,U为0,保持现状;当E不是自校正,U不为0,取决于E和EC的大小和方向。模糊控制采用“Mamdani”方法,推理为“max-min”方法,去模糊方法为面积重心法。

2.3比例因子及隶属函数的选择

模糊化前先将各变量规范化,规范化的过程即论域变化的过程,实际变量e、ec和u和规范化后的变量E、EC及U有如下关系:

式(11)中ke、kec和ku是控制器规范化的比例因子,由悬架系统输出的变化范围及相应的隶属函数论域决定。一般讲,ke、kec越大,对应的语言值也越大,反之亦然。ke大,调节死区小,上升速率大,但过大系统容易产生较大超调,甚至振荡。kec大,反应迟钝,反之则快,但过小系统也易超调。ku相当于比例增益,一般ku加大,上升速度较快,但过大系统容易产生较大超调。隶属函数的论域主要按照半主动悬架系统上物理意义划分,即模糊控制器输入变量的论域是根据车辆路面激励产生的最大响应来确定。

常用的隶属函数有三角形隶属函数、钟形隶属函数和高斯型隶属函数等。这里选用三角形隶属函数作为输入、输出变量的隶属函数,如图3所示。

3数值仿真结果

基于整车模型的悬架系统包含了前左、前右、后左和后右四个磁流变减振器,要对悬架系统进行控制,就是对这四个减振器进行控制。在这里为了简单起见,仅考虑减少车身的振动加速度的问题,采用了四个模糊控制器分别控制减振器,其输入信号为车身(m1)相对于四个轮胎(m4、m5、m6和m7)的相对位移信号和相对速度信号;再由模糊控制器控制磁流变减振器电流,产生四个可调的阻尼力(u1、u2、u3、u4),即产生一个矩阵U,传递给悬架系统,以减少车身的振动加速度,对悬架系统进行控制。

汽车悬架系统的参数如表2所示。根据式(8)在Mathlab/simulink的环境中建立悬架系统模型,进行仿真计算[7～10],并与基于磁流变减振器的被动悬架系统进行比较。根据上面设计的模糊控制器,四个模糊控制器都采用两个输入量和一个输出量(U),前左和前右减振器的模糊控制器的两个输入量论域分别为[-0.04,0.04]和[-0.5,0.5],输出量的论域为[-300,300],后左和后右减振器的模糊控制器的两个输入量论域分别为[-0.04,0.04]和[-1,1],输出量的论域为[-400,400]。采用三角形隶属函数,模糊控制规则见图3。

考虑路面情况的不同,在这里假设前后车轮经过的路面激励幅值相等,但前后存在一定的相位差。本仿真假设路面激励幅值均为0.02 m,频率(ω=13 rad/s,前后轮的相位差为((a+b)/v=1.73(设车速为v=20 m/s),得到图4、图5和图6(图中曲线1代表被动悬架系统,曲线2代表模糊控制半主动悬架系统)。

4结论

无论是前左悬架还是后右悬架,模糊控制半主动悬架系统的悬架变形量均小于被动悬架系统,并且变化比较平缓。模糊控制半主动悬架系统的轮胎变形量比被动悬架系统要小一些,但相对而言,前左轮胎的变形量变化相对激烈一些。基于模糊控制规律的半主动控制悬架系统可以减少车体的振动加速度,提高汽车的舒适性,达到了预期的设计目的。

仿真结果表明,具有模糊控制器的磁流变半主动悬架系统可以很好地减小车身加速度,提高车辆的舒适性和平顺性,同时减少了轮胎变形量和悬架变形量,并且各指标变化比较光滑,有利于提高悬架系统使用寿命,同时其容许系统的结构参数在一定范围内改变,具有相当的鲁棒性。研究结果表明本文的控制方案是正确的,为磁流变半主动悬架在汽车上的应用提供了参考。

摘要：建立了七个自由度的整车悬架系统的数学模型。设计了汽车半主动悬架系统模糊控制器。通过应用M atlab/S imu-link仿真软件包对比仿真,结果表明模糊控制磁流变半主动悬架系统的控制效果明显优于被动悬架系统。为磁流变半主动悬架在汽车上的应用提供了参考。

关键词：整车,半主动悬架,模糊控制器,Simulink软件,数值仿真

参考文献

[1]潘双夏,杨礼康,冯培恩.磁流变减振控制应用的研究动态.汽车工程,2002;24(3):254—258

[2]张路军,李春植,张俊华,等.磁流变减振器及其在汽车半主动悬架中的应用.机床与液压,2004;(9):24—26

[3]王冰,韩冰源,王岩等.汽车磁流变减震器研究综述.森林工程,2008;24(4):39—43

[4]李以农,郑玲.基于磁流变减振器的汽车半主动悬架非线性控制方法.机械工程学报,2005;41(5):31—37

[5]余淼,李锐,廖昌荣,等.基于磁流变减振器的汽车前悬架半主动控制研究.中国机械工程,2005;16(6):77—81

[6]宋晓琳,唐应时,曹立波,等.一种用于1/2汽车主动悬架的可调模糊控制器.汽车工程,2001;23(4):236—239

[7]何青玮,林青,张国贤,等.MATLAB在汽车半主动悬架仿真中的应用.机床与液压,2002;34(3):34—36

[8]王恩涌,陈翔,钱永生.汽车液压半主动悬架模糊控制系统仿真研究.力学与实践,2007;29(3):36—40

[9]陈燕虹,刘宏伟,田华.基于磁流变减振器的汽车半主动悬架最优控制性能仿真分析.拖拉机与农用运输车,2010;37(5):37—41

汽车主动悬架篇7

国外许多汽车已配置半主动的减振悬架,而国内大多采用被动悬架,与国外有一定的差距。由于磁流变阻尼器可以通过改变电流来改变磁流变液中磁性粒子的分布,从而改变阻尼,达到较好的减振效果,且磁流变阻尼器响应迅速,故采用磁流变阻尼器的半主动悬架成为半主动控制的研究热点。磁流变半主动悬架减振控制研究主要涉及两方面:一方面是磁流变阻尼器的特性研究[1,2];另一方面是对汽车半主动悬架的减振控制算法的研究,主要有天棚阻尼控制[3,4]、模糊控制[5]、滑模变结构控制[6]、鲁棒控制等方法。这些方法大多并没涉及系统解耦。而对于汽车悬架系统,其簧上质量的振动耦合了来自各个车轮的振动,没有解耦的悬架减振控制较难获得精准的控制量。如天棚阻尼控制、模糊控制等只是根据经验或前人的知识来提出控制规则;而滑模变结构和鲁棒控制等在保证系统稳定性的前提下设计控制律,其控制律并不一定是最优的。所以上述控制方式只能在一定程度上减振,减振控制效果还有待于提高。微分几何状态反馈线性化理论是解决非线性多变量系统控制问题的有力工具,可以对非线性多变量系统实现解耦,使其分解为多个独立的线性子系统,从而实现精确控制,达到好的控制效果。目前针对汽车悬架的解耦控制研究并不多见,因此,本文提出了基于微分几何的汽车半主动悬架解耦控制算法。

本文建立了车辆的1/2非线性模型,对该模型使用微分几何的方法进行解耦,使车轮、簧上质量之间相互独立,成为独立的线性子系统,而簧上质量的振动完全不受路面激励的影响。同时,因为带磁滞属性的磁流变阻尼器多项式模型能较好地拟合试验曲线,具有方便求取控制电流的特点,因此采用带磁滞属性的磁流变阻尼器多项式模型对系统进行减振。

1 系统模型的建立

1.1 汽车1/2半主动悬架模型

带有半主动磁流变阻尼器的汽车1/2模型如图1所示,其动力学方程如下:

$\begin{array}{l} m^{'} \ddot{y}_{c} + k_{f} (y_{c} + a \sin θ - y_{f}) + u_{f} + \\ k_{r} (y_{c} - b \sin θ - y_{r}) + u_{r} = 0 (1) \end{array}$

$\begin{array}{l} J \ddot{θ} + k_{f} (y_{c} + a \sin θ - y_{f}) a \cos θ + u_{f} a \cos θ - \\ k_{r} (y_{c} - b \sin θ - y_{r}) b \cos θ - u_{r} b \cos θ = 0 (2) \end{array}$

$\begin{array}{l} m_{f} \ddot{y}_{f} + k_{t f} (y_{f} - h_{f}) - k_{f} (y_{c} + a \sin θ - y_{f}) - u_{f} = 0 (3) \\ m_{r} \ddot{y}_{r} + k_{t f} (y_{r} - h_{r}) - k_{r} (y_{c} - b \sin θ - y_{r}) - u_{r} = 0 (4) \end{array}$

式中,m′为悬架的簧上质量;J为悬架的簧上质量俯仰转动惯量;kf、kr分别为前后悬架弹簧刚度;ktf、ktr分别为前后轮轮胎刚度;mf、mr分别为前后轮簧下质量;yf、yr分别为前后轮簧下质量位移;yc为簧上质量质心处位移;a为簧上质量质心距前端的距离;b为簧上质量质心距后端的距离;θ为俯仰倾角;uf为前端磁流变阻尼器提供的阻尼力;ur为后端磁流变阻尼器提供的阻尼力;下标f和r分别表示前后。

把动力学方程写成状态方程的形式,令

$\begin{array}{l} x_{1} = y_{c} x_{2} = \dot{x}_{1} x_{3} = θ x_{4} = \dot{x}_{3} \\ x_{5} = y_{f} x_{6} = \dot{x}_{5} x_{7} = y_{r} x_{8} = \dot{x}_{7} \end{array}$

其状态方程为

$\dot{x} = f (x) + g (x) u + p (x) w$ (5)

h1(t)=x1(t)s (6)

h2(t)=x3(t) (7)

其中,x=[x1x2x3x4x5x6x7x8]T,是系统的状态矢量,u=[ufur]T,是输入,w=[hfhr]T,是路面的激励,h(t)=[h1(t) h2(t)]T,是输出,f(x)=[f1(x) f2(x) … f8(x)]T、g(x)=[g1(x) g2(x)]以及p(x)=[p1(x) p2(x)],是光滑的向量场。

$\begin{array}{l} f_{1} (x) = x_{2} \\ f_{2} (x) = \frac{- k_{f} (x_{1} - x_{5} + a s i n x_{3}) - k_{r} (x_{1} - x_{7} - b s i n x_{3})}{m^{'}} \\ f_{3} (x) = x_{4} \\ f_{4} (x) = - k_{f} (x_{1} - x_{5} + a \sin x_{3}) a \cos x_{3} + \\ k_{r} (x_{1} - x_{7} - b \sin x_{3}) b \cos x_{3} / J \\ f_{5} (x) = x_{6} \\ f_{6} (x) = \frac{k_{f} (x_{1} - x_{5} + a s i n x_{3}) - k_{t f} x_{5}}{m_{f}} \\ f_{7} (x) = x_{8} \\ f_{8} (x) = \frac{k_{r} (x_{1} - x_{7} - b s i n x_{3}) - k_{t r} x_{7}}{m_{r}} (8) \end{array}$

$g (x) = [\begin{matrix} 0 & - \frac{1}{m^{'}} & 0 & - \frac{a c o s x_{3}}{J} & 0 & \frac{1}{m_{f}} & 0 & 0 \\ 0 & - \frac{1}{m^{'}} & 0 & \frac{b c o s x_{3}}{J} & 0 & 0 & 0 & \frac{1}{m_{r}} \end{matrix}]^{Τ}$

$p (x) = [\begin{matrix} 0 & 0 & 0 & 0 & 0 & \frac{k_{t f}}{m_{f}} & 0 & 0 \\ 0 & 0 & 0 & 0 & 0 & 0 & 0 & \frac{k_{t r}}{m_{r}} \end{matrix}]^{Τ}$

f2(x)表达的是悬架簧上质量的加速度项,f4(x)为悬架簧上质量角加速度项,它们均受前轮振动位移x5和后轮振动位移x7的影响。而前后轮的振动受路面激励影响。簧上质量的振动耦合了前后车轮的振动,且受路面激励的影响,该悬架模型具有耦合的非线性振动特点。

1.2 磁流变阻尼器的数学模型

磁流变阻尼器的数学模型有多种[1,2],如Bingham黏塑性模型、Bouc-Wen模型、多项式模型、双黏性模型等。然而,实际使用磁流变阻尼器时,需要知道其逆模型,即从所需的控制力求得其控制电流。这些模型常常因参数太多而难以求得其逆模型。

文献[1]提出了一种具有磁滞特性的多项式模型,可以方便求得所需的控制电流。该数学模型如下:

$F = \sum_{i = 0}^{n} (b_{i} + c_{i} Ι) v^{i}$ (9)

其中,F为磁流变阻尼器产生的阻尼力,bi和ci为实验拟合的多项式系数,I为加在磁流变阻尼器上的控制电流,v为阻尼器活塞相对于套筒的速度,n为多项式的阶次。n一般不低于6,在阻尼器活塞加速度的符号不同时,系数bi和ci的值是不同的。

文献[1]在实验的基础上对数据进行了拟合,求得了所使用的阻尼器模型的系数,如表1和表2所示,并根据拟合的系数绘制了磁流变阻尼力曲线,与实际检测的数据进行比较,误差较小。

当已知磁流变阻尼器需要提供的阻尼力时,可方便求得其控制电流:

$Ι = \frac{F - \sum_{i = 0}^{n} b_{i} v^{i}}{\sum_{i = 0}^{n} c_{i} v^{i}}$ (10)

当活塞速度一定时,阻尼力与控制电流呈线性关系。本文采用该磁滞多项式模型对悬架系统进行减振控制。

1.3 路面激励信号的生成

根据文献[7,8],用以下滤波方程作为路面随机激励的时域数学模型:

$\dot{q} (t) + α v_{0} q (t) = ξ (t)$ (11)

式中,q(t)为平稳随机路面激励;α为路面等级决定的常数,对B级路面,取α=0.1303m-1;ξ(t)为零均值Gauss随机过程;v0为车速。

设汽车行驶速度为50m/s,利用MATLAB软件进行编程仿真。取采样周期T=0.01s。图2所示为路面不平度曲线。

2 微分几何解耦控制

2.1 微分几何的相关理论

把式(5)作为一般的MIMO非线性系统表达形式,其中状态x是n维的,输入u是m维的。

定义[9,10] 如果以下条件(1)和条件(2)成立,则MIMO非线性系统式(5)在x0具有关于输入u的向量相对阶γ=[γ1γ2 … γm]。

(1)对所有i,j=1,…,m,k<γi-1,在x0的邻域内的所有x都有

LgjLkfhi(x)=0

其中

$\begin{array}{l} L_{f}^{k} h_{i} (x) = \frac{\partial (L_{f}^{k - 1} h_{i} (x))}{\partial x} f (x) \\ L_{g j} L_{f} h_{i} (x) = \frac{\partial (L_{f} h_{i} (x))}{\partial x} g (x) \end{array}$

(2)m×m解耦矩阵

$A (x) = [\begin{matrix} L_{g 1} L_{f}^{γ_{1} - 1} h_{1} (x) & \dots & L_{g m} L_{f}^{γ_{1} - 1} h_{1} (x) \\ ⋮ & ⋮ \\ L_{g 1} L_{f}^{γ_{m} - 1} h_{m} (x) & \dots & L_{g m} L_{f}^{γ_{m} - 1} h_{m} (x) \end{matrix}]$

在x0处非奇异。

命题1[9,10] 对于式(5)的非线性系统,如果系统式(5)在x0点具有相对阶,即矩阵A(x)在x0点非奇异,那么系统输入输出解耦在x0附近可通过一个静态状态反馈来解决,该反馈形式为

其中,[v1v2 … vm]是参考输入。

命题2[11] MIMO非线性系统式(5)在x0具有关于输入u的向量相对阶,当且仅当LPLkfhi(x)=0,对所有0≤k≤γi-1,1≤i≤m成立,则存在式(12)的一个反馈,使得输出y(t)独立于干扰w(t)。

2.2 1/2车辆模型系统相对阶及控制量的计算

针对式(5),有m=2,则有

$\begin{array}{l} L_{f} h_{1} (x) = x_{2} L_{f} h_{2} (x) = x_{4} \\ L_{g 1} L_{f} h_{1} (x) = - \frac{1}{m^{'}} L_{g 1} L_{f} h_{2} (x) = - \frac{a c o s x_{3}}{J} \\ L_{g 2} L_{f} h_{1} (x) = - \frac{1}{m^{'}} \\ L_{g 2} L_{f} h_{2} (x) = \frac{b c o s x_{3}}{J} \end{array}$

$\begin{array}{l} A (x) = [\begin{matrix} - \frac{1}{m^{'}} & - \frac{1}{m^{'}} \\ - \frac{a c o s x_{3}}{J} & \frac{b c o s x_{3}}{J} \end{matrix}] \\ A^{- 1} (x) = [\begin{matrix} - \frac{m^{'} b}{a + b} & - \frac{J s e c x_{3}}{a + b} \\ - \frac{m^{'} a}{a + b} & \frac{J s e c x_{3}}{a + b} \end{matrix}] (13) \end{array}$

γ1=γ2,A(x)非奇异,由命题1可知,系统是可以输入输出解耦的。

经计算得

LpLfh1(x)=0

LpLfh2(x)=0

由命题2可知,悬架系统簧上质量振动可以独立于路面激励,与路面激励无关。

计算控制量u,由式(12)可得

把式(14)代入式(5),可得

在式(15)中, $\dot{x}_{2} = v_{1}$ 和 $\dot{x}_{4} = v_{2}$ 表明,簧上质量振动的加速度和角加速度分别由v1和v2决定,而v1和v2是参考输入,与路面激励无关,v1、v2的取值直接决定簧上质量振动的加速度和角加速度的大小。簧上质量的加速度表达式、角加速度表达式各自独立。而簧下质量的振动也成为各自独立的线性子系统,系统实现了解耦。

因控制的目的是减小悬架簧上质量振动的加速度,因此令参考输入v1=0,v2=0,则控制量表达式(14)成为

$\begin{array}{l} u = A^{- 1} [\begin{matrix} - L_{f}^{2} h_{1} (x) \\ - L_{f}^{2} h_{2} (x) \end{matrix}] = [\begin{matrix} u_{f} \\ u_{r} \end{matrix}] = \\ [\begin{matrix} - k_{f} (x_{1} - x_{5} + a s i n x_{3}) \\ - k_{r} (x_{1} - x_{7} - b s i n x_{3}) \end{matrix}] (16) \end{array}$

式(15)简化为

簧上质量的加速度和角加速度均为零,达到控制的目的。

3 算法仿真及算法的工程实现

3.1 算法仿真

为验证算法的有效性,在MATLAB中对算法进行了仿真,并与被动悬架的仿真结果进行了比较。

仿真所用的参数采用文献[12]中的参数,如下:m′=1200kg,J=1800kg·m2,kf=30kN/m,kr=30kN/m,ktf=300kN/m,ktr=300kN/m,mf=75kg,mr=80kg,a=1.011m,b=1.803m。

在被动悬架仿真时,前悬架阻尼器阻尼系数为1000N·s/m,后悬架阻尼器阻尼系数为1100N·s/m。仿真时间为20s,仿真步长为0.01s,采用四阶龙格库塔算法解微分方程组。

仿真的步骤如下:①由式(16)计算控制量u;②由式(10)计算所加在磁流变阻尼器上的控制电流I,若电流I大于2A,须对其限幅,并把电流I代入式(9),求阻尼力;③把阻尼力代入式(5),解微分方程组;④重复上述过程。仿真结果如图3～图8所示。

比较图3和图4,被动悬架的簧上质量最大加速度为0.2765m/s2,而解耦的半主动悬架簧上质量最大加速度为0.02854m/s2,解耦算法的簧上质量垂向加速度大幅衰减。

比较图5和图6,被动悬架的簧上质量最大俯仰角加速度为1.1875rad/s2,而解耦的半主动悬架簧上质量最大俯仰角加速度绝对值为0.0945rad/s2,解耦算法的俯仰角加速度大幅衰减。

理论上,解耦后悬架的加速度、俯仰角加速度都应该为零,由于磁流变阻尼器电流限幅,则都应大于零。另外由于存在计算误差,所以解耦控制仿真的簧上质量垂向加速度、俯仰角加速度不可能绝对等于零,但都大幅衰减。这已充分说明解耦算法的有效性及采用磁滞多项式阻尼器模型的可行性。

3.2 算法的工程实现

从式(9)以及表1和表2可知,解耦控制算法工程实现时须用到阻尼器活塞相对运动的速度和加速度,可在图1所示A、B处以及前后车轮轮轴上装加速度传感器,阻尼器活塞运动的加速度由阻尼器上下的加速度传感器的差求取,而其速度可对阻尼器的加速度积分实现。

在式(16)中,控制量表达式需用到差值x1-x5、x1-x7,这两个差值可用高度差传感器检测,而角度x3可用角度传感器检测。

所以,控制算法在工程上是可实现的。

4 结论

(1)利用微分几何的理论对悬架系统进行解耦,使得悬架系统成为独立的线性子系统,簧上质量的振动完全不受路面激励的影响,其振动的仿真结果大幅衰减,达到了很好的减振效果。

(2)采用了具有磁滞属性的多项式模型来提供阻尼力,其逆模型(即由控制力解得控制电流)计算较容易实现。悬架解耦后,其簧上质量垂向加速度和角加速度最大值大幅衰减,说明采用这种磁滞多项式模型是可行的。

参考文献

[1]Choi S B,Lee S K,Park Y P.A Hysteresis Modelfor the Field-dependent Damping Force of a Mag-netorheological Damper[J].J.Sound Vib.,2001,245(2):375-383.

[2]Weng W,Chooi S,Oyadiji O.Design,Modeling andTesting of Magnetorheological(MR)Dampers U-sing Analytical Flow Solutions[J].Computers andStructures,2008,86:473-482.

[3]Karnopp D C,Crosby M J,Harwood R A.VibrationControl Using Semi-active Force Generators[J].Transactions of the ASME,Journal of Engineeringfor Industry,1974,98:914-918.

[4]Dong Xiaomin,Yu Miao,Liao Changrong.Compara-tive Research on Semi-active Control Strategies forMagneto-rheological Suspension[J].NonlinearDynamics,2010,59:433-453.

[5]Guclu R.Fuzzy Logic Control of Seat Vibrations of aNon-Linear Full Vehicle Model[J].Nonlinear Dy-namics,2005,40:21-34.

[6]Sama Y M.A Class of Proportional-integral Slid-ing Mode Control with Application to Active Sus-pension System[J].Systems&Control Letters,2004,51(3/4):217-223.

[7]张永林,钟毅芳.车辆路面不平度输人的随机激励时域模型[J].农业机械学报,2004,35(2):9-12.

[8]王启瑞,刘立强,陈无畏.基于随机次优控制的汽车电动助力转向与主动悬架集成控制[J].中国机械工程,2005,16(8):743-747.

[9]夏小华,高为炳.非线性系统控制及解耦[M].北京:科学出版社,1997

[10]宫清先,张化光,孟祥萍.一类MIMO非线性系统的稳定干扰解耦控制.控制理论与应用[J].2006,23(2):199-203.

[11]lsidori A.Nonlinear Control Systems[M].3th ed.London:Springer-Verlag,1995.

汽车主动悬架篇8

汽车主动悬架的研究工作主要包括外界干扰的确定、系统模型的建立与验证、控制策略的对比分析、系统仿真评价和控制系统的最终实现[1]几个方面,其中对系统模型的建立、验证和控制策略的对比分析的研究居多, 尤其是针对主动悬架

控制策略的研究更多[2,3,4,5]。虽然这些研究取得了一定的研究成效,有些也开展了简单的台架实验验证[5,6],但由于汽车主动悬架的实验研究复杂,无论是简单的模型实验还是复杂的实车试验,均需投入大量资金。由于客观条件的限制,研究过程中往往还需要研究机构和一些公司的通力合作才能进行,从而使汽车主动悬架的实验研究工作受到了制约。为此,本文试图利用目前国内外机械行业通用且成熟的ADAMS(automatic analysis of mechanical system),建立虚拟的汽车主动仿真实验台,用以验证控制策略的可信性和可靠性,并为其他控制策略的研究提供一种有效的分析手段。

基于ADAMS/View建立1/4汽车悬架模型,该模型能反映悬架的具体结构特性。利用ADAMS/Hydraulic模块建立虚拟的主动悬架的液压伺服控制系统。利用ADAMS内部自带的PID控制策略,验证所设计的汽车主动悬架虚拟实验台的性能。三组不同路面激励作用下的仿真实验表明,设计的虚拟实验台是可信和可靠的。

1 基于ADMAS的1/4汽车主动悬架系统的设计思路

基于ADAMS/View建立汽车被动悬架模型;基于ADAMS/Hydraulic建立主动悬架液压伺服系统,并与被动悬架模型并联连结,组成主动悬架系统。图1为汽车主动悬架液压伺服控制系统原理图。

2 被动悬架ADMAS模型的建立

由于本文的研究对象是1/4麦弗逊悬架,模型简单,为此,被动悬架模型在ADAMS/View中建模,所建立的1/4悬架模型如图2所示。

1.测试平台 2.下横臂 3.转向节总成 4.弹簧下支座 5.弹簧上支座 6.车身 7.车轮

模型有车身、弹簧上支座、弹簧下支座、转向节总成、车轴、下横臂、车轮和测试平台8个实体。车身相对于大地只有上下的运动,弹簧上支座和车身由万向接连接,下支座固定在转向节总成上,由于不考虑车轮的转向和旋转,车轴和转向节总成均是固定约束,车轮和车轴也是固定约束,弹簧上下支座之间只有相对滑动,下横臂的一端用铰链约束在车身上,另一端用球铰约束在转向节总成上,测试平台与大地应用滑移副约束,并在测试平台上增加一个上下方向变化的位移(motion)作为路面激励输入。由此可计算出该1/4汽车被动悬架的自由度m=8×6-3×6-1×5-1×3-3×5-1×4-1=2。这样,就建好了1/4悬架的二自由度模型。

悬架系统的名义参数采用一奔驰(BenZ)车型的参数,车身质量m2=330kg,车轮质量m1=25kg,悬架弹簧刚度k2=1.3×104N/m,悬架减振器阻尼系数 c2=1kN·s/m,轮胎刚度k1=1.7×105N/m。

3 主动悬架的液压伺服控制系统

3.1 基于ADAMS/Hydraulic液压伺服系统模型的建立

ADAMS/Hydraulic提供了成熟的液压元件的建模方式,可以考虑各种液压元件的非线性因素,从而避免了建立液压系统数学模型时线性化处理带来的误差问题[7]。利用ADAMS/Hydraulic成熟的液压模块建立的主动悬架液压伺服系统如图3所示。油泵1用于为液压系统提供压力和流动液体;溢流阀2的作用是维持被控制系统或回路的压力恒定,实现稳压、调压或限压;蓄能器3用来存储油液的压力能,是维持系统压力和减小液压冲击或压力脉冲的;三位四通伺服阀4用于控制;液压缸5模拟主动悬架作动器。

1.油泵 2.溢流阀 3.蓄能器 4.伺服阀 5.液压缸

3.2 控制原理

采用控制器控制液压伺服系统中的三位四通伺服阀阀芯的位置,阀芯位置决定了流出伺服阀的压力油的流量和方向,通过活塞杆上下的压力差产生主动控制力,控制器根据汽车的运动状态调整作动器作用力的大小、方向和变化速度,以满足汽车行驶的平顺性要求。如果伺服阀阀芯位置处于中间位置时,悬架为被动悬架,液压油通过溢流阀回到油箱。考虑到活塞杆上行时液压缸下腔的增加容积小于上腔容积的变化,所以安装了一个蓄能器。在悬架弹簧的上下支座上分别确定i标记点和j标记点,把这两点和ADAMS/Hydraulic中的液压缸的活塞杆和液压缸底部对应的两点分别相连,就将液压缸和被动悬架并联连接起来了。非对称式液压缸和伺服阀做成的伺服作动模型如图4所示。

图4中,ps为液压油泵供油压力,pr为泄油压力,xsp为阀芯位置,pu、pl分别为液压缸活塞上下两腔内的压力,z2-z1为活塞的位移,Fu为液压缸两端的压力差产生的主动控制力:

Fu=Ap(pl-pu)=ApΔp (1)

式中,Ap为活塞的有效受压面积,即上下端面面积之差。

3.3 控制策略的选择

为了减少控制器因素对虚拟实验台性能的影响,控制器采用ADAMS内部自带的、实际工程中应用最为广泛的PID控制,其控制规律可表示为

$u (t) = k_{p} Δ e (t) + k_{i} \int Δ e (t) d t + k_{d} \frac{d [Δ e (t)]}{d t} (2)$

式中,kp为比例增益;ki为积分增益;kd为微分增益;Δe(t)为控制误差;u(t)为控制器的输入即控制量。

在设计控制器时,以车身垂直振动加速度、速度和位移作为反馈输入。

4 主动悬架虚拟实验台有效性验证

汽车主动悬架虚拟实验台是否有效,关键在于液压伺服系统的跟随性,即依据悬架系统的输出和采用的控制器推理得出一理想的控制力,所设计的液压伺服系统是否能准确、实时地产生这一作用力是设计的关键。

针对上述问题,本文假想在被动悬架上施加一理想的作用力于悬架系统的i、j两个标记点上。

仿真分析采用三种路面激励作用于测试平台,即脉冲激励模拟路面上的小石块或坑,模拟路面是对实际路面的理想化,随机路面则是选择汽车以20m/s匀速驶过C级路面来考察基于ADAMS/Hydraulic设计的汽车主动悬架液压伺服系统的跟随性。

4.1 脉冲输入

评价模拟汽车在阶跃路面输入作用下的汽车悬架系统的三项主要评价指标为车身垂直加速度、悬架动行程和车轮动载。本文这三项指标的仿真曲线如图5所示。

1.被动悬架2.理想控制力3.含液压模型

4.2 模拟路面输入

在模拟路面输入作用下的汽车悬架系统的三项主要评价指标为车身垂直加速度、悬架动行程和车轮动载。本文这三项指标的仿真曲线如图6所示。

4.3 随机路面输入

在随机路面作用下的汽车悬架系统的三项主要评价指标为车身垂直加速度、悬架动行程和车轮动载。本文的这三项指标的仿真响应曲线如图7所示。

由图5～图7和表1可知,所设计的主动悬架虚拟实验台PID控制液压伺服阀的开度与理想控制力相比,其控制具有较好的跟随性,说明所设计的液压伺服系统是可行的,即设计的汽车主动悬架虚拟实验台可以用于仿真实验研究。

(a) 车身垂直加速度 (b)悬架动行程 (c)车轮动载 1.被动悬架 2.理想控制力 3.含液压模型

参考文献

[1]马志敏.主动悬架控制策略的研究及其在CA6440轻型客车上的应用[D].长春:吉林大学,2001.

[2]庄德军,喻凡,林逸.汽车主动悬架多点预瞄控制算法设计[J].中国机械工程,2006,17(1):1316-1319.

[3]Ieluzzi M,Turco P,Montiglio M.Development of aHeavy Truck Semi-active Suspension Control[J].Control Engineering Practice,2006,14(3):1-10.

[4]Watton J,Holford K M,Surawattanawan P.TheApplication of a Programmable Servo Controller toState Control an Electrohydraulic Active Suspension[J].Proc.Instn Mech.Engrs Part D:J.AutomobileEngineering.2004,218(2):1367-1377.

[5]Supavut C,Huei P.Adaptive Robust Force Controlfor Vehicle Active Suspensions[J].Control SignalProcess,2004,18(2):83-102.

[6]王世明.半主动悬架系统的控制及试验研究[D].西安:西安交通大学,2001.

汽车主动悬架篇9

汽车悬架系统作为车辆的重要部件,对于车辆的平顺性、操稳性和安全性等具有重要影响[1] 。近年来,随着我国公路基础建设投资力度和运输需求的增加,重型货车在货物运输中的使用率也越来越高。重载交通加快了路面破坏,降低重载汽车对高等级公路的损伤、提高重型汽车的道路友好性,已经成为汽车设计和公路管理部门关注的热点问题。国内外相关研究表明[2,3] ,合理控制悬架系统可以改善行驶平顺性并降低汽车对路面的损伤,因此,道路友好性主动控制悬架的研究就显得尤为迫切。

汽车主动悬架控制策略主要有最优控制、滑膜控制、模糊控制和神经网络控制等,在众多的控制方法中,最优控制算法比较成熟,理论基础也比较完善,是一种十分常用的悬架控制方法。严天一[4]等分析了最优控制主动悬架对道路友好性的改进效果,认为主动悬架的道路友好性优于被动悬架。然而,在实际的悬架系统设计时,考虑到状态变量的可测量性和可估计性,最优控制应用困难。基于此,有学者提出了次优控制的概念,并对次优控制主动悬架汽车的行驶平顺性进行了研究[5,6]。

为分析次优控制策略对汽车道路友好性的影响,本文基于简化的二自由度1/4车辆模型,设计了主动悬架的最优和次优控制器,考虑工程实际需要,提出了3种次优控制策略,比较分析了次优、最优和被动悬架的汽车道路友好性,以期为道路友好性悬架设计分析提供帮助和参考。

1 汽车主动悬架模型

汽车主动悬架模型有整车模型、半车模型和单轮模型等,依据本文研究的性质,为简化分析,建立如图1所示的线性二自由度1/4车辆模型。图中:ms,mt分别为车身质量和车轮质量;ks,kt分别为悬架和轮胎刚度系数;U为主动悬架力发生器所产生的控制力,cs为被动悬架阻尼系数,xg,xt,xs分别为路面激励、车身和车轮的垂向位移。

根据牛顿第二定律,建立图1(a)所示的汽车主动悬架系统的动力学微分方程

undefined

路面不平度的时域激励由滤波白噪声法生成,其微分方程为

undefined

式中:G0为路面不平度系数;v0为车速;w(t)为零均值的高斯白噪声;f0为下截止频率;n0为参考空间频率;n0=0.1m-1。

根据现代控制理论,结合式(1)和(2),得到主动悬架系统的状态方程为

undefined

式中:

系统状态变量

undefined

系统矩阵

undefined

控制矩阵

undefined

挠动矩阵

undefined

对于图1(b)所示的被动悬架,将式(1)中的U用undefined代替,采用同样的方法可建立其动力学微分方程和状态方程。

2 次优控制器设计

2.1 性能指标泛函

综合考虑汽车的行驶平顺性和道路友好性,用轮胎动位移xt-xg表征轮胎相对动载荷(由于Fd=kt(xt-xg),即轮胎动载荷与动位移成正比),用车身加速度undefineds和悬架动挠度xs-xt表征汽车行驶平顺性,定义主动悬架最优控制器的指标泛函为

undefined

式中,q1,q2和q3分别为轮胎动载荷、悬架动挠度和车身加速度的加权系数。

2.2 最优控制器

由主动悬架的动力学微分方程(1),选取输出变量undefined,根据现代控制理论,可得其输出方程为

undefined

式中,

输出矩阵

undefined

传递矩阵

undefined

将式(5)代入式(4),指标泛函进一步转化为

undefined

式中:Q=CTqC;R=DTqD;N=CTqD;q=diag(q1,q2,q3)。

由最优控制理论知,当控制器的控制力为U=-KX=-R-1(NT+BTL)X时,可使指标泛函为最小,其中矩阵L可由如下黎卡提方程求出

undefined

2.3 次优控制器

最优控制器是建立在系统全状态反馈的基础上的,要求系统的所有状态变量均可测或可估计,实用性较差,因此探讨悬架次优控制策略十分必要。

在最优控制的基础上,以系统的可测变量作为反馈控制量,来设计次优控制器。设系统的可测变量为Xm,则测量变量可由状态变量表示为Xm=CmX,根据最优控制理论,此时系统的次优控制力可表示为

undefined

为得到随机次优反馈增益矩阵P,可先求出系统最优控制反馈增益矩阵Pm,然后用最小范数法得到次优控制反馈增益矩阵的近似解P。根据最小范数的定义,构造目标函数

undefined

令目标函数Jm取最极小值,便可求得次优控制反馈增益矩阵的近似解为P=PmCundefined(CmCundefined)-1Cm。则次优反馈控制规律为

undefined

3 仿真对比分析

3.1 道路友好性评价指标

车辆对道路破坏潜力的大小可被定性地描述为道路友好性,破坏潜力越大,道路友好性越差。一般情况下,车辆的道路友好性可用轮胎动载荷直观评价,即较大的轮胎动载荷对路面的破坏能力强。在此基础上,国内外常用动载荷系数、道路应力因子系数,95百分位四次幂合力系数来评价车辆的道路友好性[7]。

动载荷系数克服了静态载荷评价道路友好性的缺陷,考虑了车辆与路面相互作用的动态因素,可用于评价车辆对路面的永久性损伤,其计算公式为

undefined

式中:σF为动态轮胎力标准偏差,Fs为静态轮胎力。

1958～1960年美国AASHO通过大量的道路试验得到了四次幂定律,在此基础上,1975年德国学者提出了道路应力因子的概念,并给出了其计算方法

undefined

式中:E[·]为期望运算,P(t)为轮胎瞬时动载荷,Ps为静态轮胎力,DLS为道路应力因子系数,DLS=1+6DLC2+3DLC4。

考虑到轮胎动载荷的相关性和空间重复性,1996年英国学者Cole和Cebon提出了95百分位四次幂和力系数指标,即

undefined

式中:σF4d和mF4d分别为动载荷四次幂和力Fundefined的标准偏差和均值。

3.2 仿真模型及参数

采用MATLAB/Simulink软件建立相关模型并进行数据处理分析,其中主动悬架的仿真模型见图2。

选用红岩CQ1163T重型货车满载时后轴单侧参数[8] ,ms=4 450 kg,mt=550 kg,ks=1 000 kN/m,kt=1 750 kN/m,被动悬架阻尼系数cs=15 kN·s/m。取常见行驶工况,B级路面,车速v0=20 m/s,路面不平度系数G0=64×10-6 m3/cycle,下截至频率f0=0.1 Hz。

指标泛函中各指标加权系数采用层次分析法确定,基本思路是首先消除各指标量纲上的差异,确定同尺度比例系数,然后运用层次分析法对各指标进行主观赋权,获得主观加权比例系数,最后将同尺度比例系数和指标主观权值结合,获得各指标最终权系数[9]。由于层次分析法是一种常见的指标赋权方法,本文不再赘述,仅给出利用该方法得到的指标权重q1=127 608,q2=54 946,q3=l,具体过程可参考文献[9]。

鉴于工程实际中振动加速度信号较易测得,并考虑本文车辆模型状态变量的可测性,提出如下3种次优控制方案:

方案1。undefined

此方案只对车身加速度信号进行测量,并采用积分器对信号进行一次和二次积分处理。

方案2。undefined

此方案需测量车身加速度和车轮加速度信号,并分别对加速度进行一次积分处理。

方案3。undefined

此方案与方案2测量信号相同,但需要对加速度信号进行二次积分处理。

3.3 仿真结果分析

3.3.1 次优控制对轮胎动载荷的影响

图3为3种次优控制策略轮胎动载荷的幅频特性,可以看出,次优控制1与次优控制2、次优控制3的特性曲线有较大差距,特别是在轮胎共振的高频区,次优控制1的轮胎动载荷较大;次优控制2和次优控制3的特性曲线十分接近。这是由于次优控制2和次优控制3的测量变量为车身加速度和车轮加速度,而次优控制1的测量变量仅为车身加速度所致。可见,次优控制的悬架性能与测量变量密切相关,若想对高频区的车轮振动进行控制,必须对车轮加速度信号进行测量反馈,以提高道路友好性。

图4为次优控制2与被动悬架、最优控制悬架轮胎动载荷特性的比较,从图中可以看出,次优控制2与最优控制的动载响应曲线十分接近,即两者动载特性基本一致。与被动悬架相比,在车身共振的低频区,次优控制2的轮胎动载荷得到较大衰减,在车轮共振的高频区,次优控制2与被动悬架接近。

3.3.2 次优控制对行驶平顺性的影响

为分析次优控制对汽车平顺性的影响,图5和图6分别给出了次优控制2与被动悬架、最优控制悬架车身加速度和悬架动挠度的幅频特性曲线。

从图5和图6可以看出,次优控制2和最优控制曲线几乎重合,即两者的隔振性能几乎相同;与被动悬架相比较,次优控制2和最优控制都有效抑制了车身加速度和悬架动挠度在车身共振低频区的振动模态,在车轮共振的高频区,三者基本持平。可见,次优控制在提高汽车道路友好性的同时,对车辆行驶平顺性也进行了较大改善。由于随机隔振的一项重要原则是尽可能降低隔振系统在低频区的幅频特性,因此,可以说次优控制的效果良好[10] 。

3.3.3 次优控制对道路友好性的影响

采用前述的道路友好性评价指标,比较各类型悬架系统对道路友好性的影响,见表1。可以看出,3种次优控制策略的道路友好性指标均小于被动悬架,且接近于最优控制悬架。在3种次优控制策略中,次优控制2的指标最小,即道路友好性最小,可见,对于本文的三种次优控制策略,方案2为较好的道路友好性控制方案。

4 结论

1) 基于悬架参数的可测性,设计了随机次优控制器,分析比较了被动悬架、最优控制悬架和次优控制悬架的道路友好性,结果表明,选取合适测量变量的次优控制悬架与最优控制悬架的道路友好性十分接近,且均优于被动悬架。

2) 不同次优控制策略对悬架性能的影响不同,在悬架系统设计时,必须兼顾车辆道路友好性和行驶平顺性等多方面的特性,针对不同的次优控制策略进行优选。

3) 对于实际的车辆悬架系统,最优控制由于受状态变量测量方面的限制,难以在实际中得到广泛应用,即使所有的状态变量都可以通过一定的后处理方法得到,也会带来测量机构复杂、测量成本高等问题,而立足于简单、实用、高效原则的次优控制方法更具有现实意义。

参考文献

[1]张立军,何辉.车辆行驶动力学理论及应用[M].北京:国防工业出版社,2011.

[2]Pable M J,Gawture M M,Seshu P.A review of‘Road-Friendly’suspensions[J].Proceedings of13th NaCoMM07,2007,1(1):12-13.

[3]Valásˇek M,Kortüm W,Sˇika Z,et al.Developmentof semi-active road-friendly truck suspensions[J].Control Engineering Practice,1998,6(6):735-744.

[4]严天一,刘大维,陈焕明,等.基于主动悬架系统车辆的道路友好性[J].机械工程学报,2007,43(2):163-167.

[5]董小闵,余淼,廖昌荣,等.汽车磁流变半主动悬架频域加权次优控制研究[J].系统仿真学报,2006,18(11):3183-3186.

[6]张玉春,丛华,王良曦,等.基于1/2车辆模型的主动悬挂滤波输出反馈控制研究[J].公路交通科技,2004,21(6):121-126.

[7]Potter T E C,Cebon D,Cole D J.Assessing'road-friendliness':a review[J].Proceedings of the Insti-tution of Mechanical Engineers,Part D:Journal ofAutomobile Engineering,1997,211(6):455-475.

[8]陈一锴,何杰,李旭宏,等.基于模糊控制的重型货车空气悬架性能多目标优化[J].东南大学学报:自然科学版,2008,38(2):319-323.

[9]柴陵江,孙涛,冯金芝,等.基于层次分析法的主动悬架LQG控制器设计[J].汽车工程,2010,32(8):712-718.

主动悬架的直接控制算法研究篇10

关键词：主动悬架,直接控制算法,低通滤波器

主动悬架的控制算法是其核心技术之一,目前国内外学者提出了诸如最优控制[1,2,3]、自适应控制[4]、模糊控制[5]和神经网络控制等控制算法。而直接控制算法仅需要测量悬架的相对运动速度和相对位移,实现非常简单。在性能方面,直接控制算法通过正确设计低通滤波器的结构和合理确定低通滤波器的截止频率,可大大提高悬架平顺性。从综合性能及实现成本等方面考虑,直接控制算法可以获得比最优控制算法更好的效果[6]。

1 直接控制算法介绍

图1为1/4车辆主动悬架模型。

由图1可得如下动力学方程:

$\begin{array}{l} m_{1} \overset{\cdot \cdot}{z}_{1} = Κ_{t} (q - z_{1}) - Κ_{s} (z_{1} - z_{2}) - C_{e} (\dot{z}_{1} - \dot{z}_{2}) + F_{d} (1) \\ m_{2} \overset{\cdot \cdot}{z}_{2} = Κ_{s} (z_{1} - z_{2}) + C_{e} (\dot{z}_{1} - \dot{z}_{2}) - F_{d} (2) \end{array}$

式中:m1——非簧载质量,kg;

m2 ——簧载质量,kg;

Kt ——轮胎刚度,N·m-1;

Ks ——弹簧刚度,N·m-1;

Ce ——粘滞阻尼系数,N·s·m-1;

q ——路面不平度输入,m;

Fd ——在路面激励作用下作用在悬架上的动态力。有:

Fd=Fp+Fa (3)

式中:Fp——被动悬架力;

Fa——主动悬架力。

为了使簧载质量具有理想的隔振效果,只要主动力Fa与被动力Fp大小相同,方向相反,即

$F_{a} = - F_{p} = Κ_{s} (z_{2} - z_{1}) + C_{e} (\dot{z}_{2} - \dot{z}_{1}) (4)$

就可完全消除簧载质量与非簧载质量之间的耦合效应,达到理想的隔振效果。根据式(3),可将式(1)和式(2)简化为:

$m_{1} \overset{\cdot \cdot}{z}_{1} = Κ_{t} (q - z_{1})$ (5)

$m_{2} \overset{\cdot \cdot}{z}_{2} = 0$ (6)

由式(6)可得地面激励q引起的簧载质量加速度的频率响应函数为:

$Η (j ω)_{\overset{\cdot \cdot}{z}_{2 ~ q}} = 0$ (7)

所以,这种算法具有最佳的隔振效果。由于簧载质量的位移为零,故悬架的动挠度就是非簧载质量的位移,由式(5)可得悬架动挠度fd对地面激励q的频率响应函数为:

$Η (j ω)_{f_{d} ~ q} = \frac{Κ_{t}}{- m_{1} ω^{2} + Κ_{t}}$ (8)

由式(8)可以看出,在低频段,悬架的动挠度完全跟随地面扰动变化。这意味着悬架动挠度可以很大,显然直接用式(4)进行控制不能满足使用要求。

对此,可以使主动力通过一个低通滤波器,当主动控制的频率满足条件:ω≪ωc时,主动控制才起作用。其中ωc是低通滤波器的截止频率。频率大于ωc的信号,由于低通滤波器的截止作用,主动控制被屏蔽,转入被动控制。以上即直接控制算法的基本思想。

2 随机路面和阶跃信号激励下主动悬架和被动悬架的比较分析

以某型越野车前悬架为例,对直接控制算法进行仿真分析。表1是该越野车前悬架单轮模型参数。

应用MATLAB/Simulink建立图2所示系统模型进行仿真,可得到不同车速和不同路面下的簧载质量加速度a,悬架动挠度fd和轮胎动载荷Fd的时域响应。例如图3是车速10m/s时C级路面下的位移输入q,图4是该车速下簧载质量加速度的时域相应,图5是簧载质量加速度的频谱图。仿真中ωc取10rad/s。

由图5可以看出,采用直接控制算法的主动悬架大大降低了簧载质量加速度在车身共振区的峰值。

图6～图8是不同车速、不同路面下的簧载质量加速度a,悬架动挠度fd和轮胎动载荷Fd的均方根值比较。

由图6～图8可知,在仿真速度范围内,簧载质量加速度均方根值减小14%～15%;悬架动挠度减小9.5%～16.7%,且随着速度的提高,悬架动挠度减小量逐渐增大,主动控制的优势体现得越加明显;轮胎动载荷略有增加但增加量不大,只有3%左右。这表明采用直接控制算法的主动悬架在很大程度上提高了车辆的舒适性,而对操纵稳定性影响不大。

图9～图11是在阶跃信号激励下被动悬架和主动悬架的簧载质量加速度、悬架动挠度和轮胎动载荷的响应曲线。

由图9～图11可以看出,加入主动控制后,与被动悬架相比,在阶跃信号激励下簧载质量加速度、悬架动挠度和轮胎动载荷都更快地趋于稳定,具有更好的瞬态响应性能。

3 低通滤波器的截止频率对评价指标的影响

改变低通滤波器的截止频率,可得不同截止频率下簧载质量加速度、悬架动挠度和轮胎动载荷的均方根值。表2所示为在C级路面下车速为10m/s时的仿真结果。

由表2可以看出,随着低通滤波器截止频率的增大,簧载质量加速度a逐渐减小,但是悬架动挠度fd和轮胎动载荷Fd却逐渐增大,因此在实际运用直接控制算法时,须在悬架动挠度满足要求的前提下,兼顾车辆的舒适性和操纵稳定性,选择合适的截止频率。

4 结论

1) 采用直接控制算法的主动悬架能大幅度降低簧载质量加速度和悬架动挠度,而轮胎动载荷只有少量增加,因此适合于实际应用。

2) 采用直接控制算法的主动悬架有更好的瞬态响应性能。

3) 低通滤波器的截止频率对各评价指标的影响很大,实际应用中需要根据对车辆舒适性和操纵稳定性的不同要求来选择合适的截止频率。

参考文献

[1]R.S.Prabakar,C.Sujatha,S.Narayanan.Optimal semi-activepreview control response of a half car vehicle model with magne-to-rheological damper[J].Journal of Sound and Vibration,2009,326:400-420.

[2]Daniele Corona,Alessandro Giua,Carla Seatzu.Optimal controlof hybrid automata:design of a semi-active suspension[J].Con-trol Engineering Practice,20041,2:1305-1318.

[3]汤靖,高翔.基于最优控制的四自由度汽车主动悬架控制器[J].农业机械学报,20053,6(4):9-12.

[4]Chiou-Jye Huang,Jung-Shan Lin,Chung-Cheng Chen.Road-a-daptive algorithm design of half-car active suspension system[J].Expert Systems with Applications.20103,7:4392-4402.

[5]Fernando J.D'Amato,Daniel E.Viassolo.Fuzzy control for activesuspensions[J],Mechatronics,20001,0:897-920.

本文来自 360文秘网(www.360wenmi.com)，转载请保留网址和出处

【汽车主动悬架】相关文章：

汽车主动安全技术05-07

汽车主动安全调研报告06-10

浅谈汽车主动安全技术的应用09-11

基于智能交通系统的汽车行驶主动安全技术05-28

空气悬架系统汽车电子论文04-23

空气悬架系统汽车电子论文提纲11-15

主动生活主动快乐05-16

主动倾听05-05

主动运用05-04