|
半主動懸架的試驗和模糊神經(jīng)網(wǎng)絡控制
（作者未知） 2011/8/30
摘要: 本文建立了四分之一半主動懸架的數(shù)學模型。根據(jù)系統(tǒng)參數(shù)時變的特點, 將模糊邏輯控制方法和小腦模型神經(jīng)網(wǎng)絡結(jié)合形成了一種新的智能控制策略: 模糊小腦模型神經(jīng)網(wǎng)絡(FCMAC) , 給出了FCMAC的算法, 并利用FCMAC 對系統(tǒng)進行在線控制, 試驗結(jié)果表明: 在正弦和隨機兩種信號激勵下, 利用FCMAC控制策略可使半主動懸架簧載質(zhì)量垂直加速度均方根值分別下降26119 %和24196 %。文章最后指出了該控制策略需要進一步解決的問題。
關鍵詞: 半主動懸架; FCMAC; 試驗
0 前言
在汽車舒適性評價指標中, 最重要的指標是行駛平順性, 即乘客對振動的適應度。為此, 人們對懸架這個重要的隔振元件進行了大量研究, 半主動懸架由于其優(yōu)越的性能價格比而倍受青睞。本文通過最有代表性的二自由度1/ 4 半主動懸架系統(tǒng)進行研究, 既保
留了許多最主要的特性, 又免除了整車研究的復雜性, 因為四分之一懸架模型遠比現(xiàn)有的de carbon 模型先進, 總能精確模擬車體在廣泛操作范圍內(nèi)的垂直位移, 通過計入非線性因素如彈簧、阻尼、輪胎等特性, 可得到精確度很高的值。有關懸架的控制策略,
幾乎遍及控制理論的所有分支, 本文將模糊邏輯和小腦模型神經(jīng)網(wǎng)絡結(jié)合, 在其輸入層引入模糊集合的隸屬度概念, 即用模糊邏輯表示小腦模型神經(jīng)網(wǎng)絡的概念映射。這樣既符合人的思維模式, 更加真實地描述客觀世界, 而且增添了模糊控制和模糊推理量的學習功能, 可以有效地減少輸入層的容量。仿真和實驗結(jié)果都表明了這種新的控制策略的有效性。
附件下載：點擊下載查閱全文
|