[发明专利]一种基于TS模型的汽车半主动悬架系统的智能控制方法

说明书

一种基于TS模型的汽车半主动悬架系统的智能控制方法，对模糊控制器进行改进，设计出基于利用TS模型神经模糊推理系统构建算法，该算法调用模糊逻辑工具箱中的自适应神经模糊推理系统ANFIS实现，将训练后的控制器导入半主动悬架系统中，建立TS模型模糊神经网络控制半主动悬架系统仿真模型。通过对该模型的仿真试验结果的分析表明，该模型的运用可以使汽车悬架系统的综合性能得到了较显著的改善。

技术领域

本发明涉及汽车的智能控制技术领域，特别涉及一种基于TS模型的汽车半主动悬架系统的智能控制方法。

背景技术

随着物质水平和文化层次的提高，人们对汽车的综合控制性能要求愈高。汽车实际上是一个复杂的多自由度非线性系统，内部子系统具有不同的固有频率。其在行驶过程中因车速、运动方向和风、雨、路面不平等外部环境的变化，悬架、发动机、传动系统和车身其它组成部分的不平衡等各种内外因素的激振作用而产生整车或局部的振动。因此，采用新技术和新方法尽量减少车辆在行驶过程中所产生的振动，改善其平顺性、操纵稳定性等综合性能具有重要的现实意义。

对于汽车而言，改善路面质量，减少振动来源的做法可行性不高，即使是新铺的高速公路，其路面也会略有凹凸不平。而适当调整系统本身的固有频率和增大系统的阻尼因子或采用专门的减振设备如动力减振器可在汽车悬架上付诸实践。悬架系统是汽车的重要组成之一，是车架与车桥或车轮之间的一切连接装置的总称，它综合了多种作用力，决定着汽车的操纵稳定性、乘坐舒适性和行驶安全性。因此，为了满足人们对汽车多方面性能的要求，必须应用更先进的悬架技术，对悬架系统进行控制，以实现将汽车振动减至最低限度。

作为汽车底盘的重要组成，悬架系统在很大程度上决定和影响着汽车行驶的平顺性与操纵稳定性。半主动悬架系统能依据路面冲击和车身运动信号实时调节悬架的阻尼等参数，以改善悬架缓冲性能，比参数固定的被动悬架展现了更大的优势。相应地，半主动悬架系统结构较复杂，传统的控制方法往往不能获得令人满意的控制效果。因此，半主动悬架系统的智能控制策略研究显得愈加重要。

发明内容

为了解决背景技术中所述问题，本发明提供一种基于TS模型的汽车半主动悬架系统的智能控制方法，能够有效地提高半主动悬架系统的性能。

为了达到上述目的，本发明采用以下技术方案实现：

一种基于TS模型的汽车半主动悬架系统的智能控制方法，包括如下步骤：

步骤一、首先，针对汽车悬架系统自身特点，明确悬架性能评价指标，建立在时域中由功率谱密度描述的随机滤波白噪声路面输入仿真模型及模拟结果；构建四自由度半车被动悬架和半主动悬架的动力学模型；

步骤二、然后，在Simulink中根据汽车配置参数和悬架受振数学模型分别建立被动悬架系统与模糊控制下的半主动悬架系统的方框图仿真模型；

步骤三、对模糊控制器进行改进；把TS模型自适应神经模糊推理系统作为半主动悬架的核心控制器；首先设计出基于TS模型的神经模糊推理系统算法，建立初始神经模糊推理系统，该算法调用模糊逻辑工具箱中的自适应神经模糊推理系统ANFIS实现；然后根据基于模糊控制的半主动悬架系统在Simulink环境下和相同试验条件下进行仿真试验所得到的相关数据预处理后训练初始ANFIS，再将训练完成后的控制器导入到半主动悬架系统模型中，最后建立基于TS模型的模糊神经网络控制的半主动悬架系统仿真模型；

步骤四、将被动悬架系统和基于模糊控制及基于TS模型的模糊神经网络控制半主动悬架系统统一在Simulink环境下和相同试验条件下进行仿真试验，得到仿真结果；并以悬架性能评价指标即车身垂直加速度、悬架动行程以及轮胎动载荷相应的均方根值为仿真模块的输出，将在不同控制方式下得到的仿真结果进行对比分析，综合评价出这些智能控制方法的控制优劣效果。

所述的步骤三具体包括如下：