汽车模糊逻辑悬架系统外文翻译.docx

汽车模糊逻辑悬架系统外文翻译.docx

《汽车模糊逻辑悬架系统外文翻译.docx》由会员分享，可在线阅读，更多相关《汽车模糊逻辑悬架系统外文翻译.docx（13页珍藏版）》请在冰豆网上搜索。

汽车模糊逻辑悬架系统外文翻译

关于汽车主动悬架系统的可调的模糊逻辑控制器

M.V.C.Rao*和V.Prahlad

电学工程部门，印度工业协会，印度 马德拉斯布600036

1995年二月通过；1995十月修订

摘要：

一种新颖的基于模糊逻辑的适用于汽车主动悬架的控制器被推荐。

通过使用模糊逻辑控制器，汽车的震动和扰动可观的减小了，借此可以加强汽车面对不确定的路面情形的驾驶舒适度。

汽车上的一个主动悬架系统（基于1/4车模型）是用来减少汽车加速度，使其达到一个假定的参考水平。

人们已经改进发明了一种查表式的规则库。

各种参数，诸如扩散度、可调节度还有如同钟形关系般各种与语言变量有联系的功能，都能通过试验和错误分析来很好地协调，最终获取悬架加速度和与模型不相上下的误差。

相似的研究无疑证明了模糊逻辑控制器应用在汽车主动悬架上时的有效。

在悬架构件特性各种工况条件下模糊逻辑控制器的性能仍在研究，相信一定会有一个合理的好结果。

关键词：

模糊逻辑控制器；语言变量；汽车主动和被动悬架系统；1/4车参考模型

1．概述

在汽车上将（半）主动悬架代替弹簧阻尼悬架，能潜在地在很少的控制下提高汽车的安全性和舒适性【7】。

一个良好的汽车悬架系统应该能减少簧上质量的加速度并且提供合适的挠度持轮胎和地面的接触。

这能够有助于提高驾驶舒适度和汽车的可操作性。

因此，很多方法都被发明以在面对粗糙和不可预期的路面时获取高质量的行驶控制。

当今汽车工业面临的只要挑战就是如何改进已有的方法和发明新的可代替的设计。

汽车上的主动和版主动悬架系统已经被很多研究人员推荐。

Venhovens【7】曾提出过一种有适应能力的半主动悬架控制系统，这系统是基于轮胎载荷变化和一个内置的可调节的减震器来实现的。

Cheok【2】通过将悬架阻尼计算机化提出了一种理想的模型：

一种将离散的二次线性参数控制运用于悬架控制系统（在参考文献【1】可见）。

Sunwooetal【6】提出了一种适用于汽车主动悬架系统的模型参考自适应控制（MRAC），同时提出来一个理想的概念上的悬架模型。

在设计MRAC时他们用到了Lyapunov的稳定性方法。

Yeh和Tsao提出了一个适用于粗糙路面【8】，通过感应车前的路面情况来实现的模糊控制设计。

一种汽车主动悬架系统上的模糊逻辑控制（在文献【4】上可见）的模型在模糊控制被提出后出现了。

他们将误差和误差在参考模型加速度和主动悬架之间的变化，在模糊推理机构中作为两种输入变量。

这项研究重点提出了基于模糊逻辑控制的汽车主动悬架系统的用处，该系统将主动悬架的速度和挠度两个变量输入模糊控制器。

从Zadeh在1965年提出模糊逻辑这个概念后，它被运用于很多场合。

模糊逻辑模拟现实情形的能力同样导致了它被广泛应用的结果。

应用在汽车上的基于模糊逻辑的控制已经被提出，它在提升汽车行驶舒适性和汽车可操作性上的能力正在相似的软件上研究。

在第2章简单地介绍主动和被动的悬架系统和1/4车模型。

在第3章介绍模糊逻辑控制器和它适用于主动悬架系统的新型的查表式规则库。

在第4章介绍了相似的研究和其结果。

第5章陈述了讨论。

2.汽车悬架和1/4车模型

如图1（a）所示是一个概念上的悬置的阻尼参考模型。

在这个阻尼模型中包含着的悬架需要的特性参数有：

弹簧弹性系数km（N/m），阻尼率bm（N/m/s），弹簧重量（kg）。

zm（m），w（m）分别给出了弹簧的重量和车轮位移。

因此，

mm

m=-km（zm-w）-bm

m

（1）

该公式给出了一个适用于参考模型的线性动态等式。

通过将可调节的减震器与合适的控制方案结合，被动悬架系统的汽车的驾驶舒适性可以很大程度上提高【7】。

如图1（b）所示是主动悬架系统。

1/4车悬架系统的弹簧运动的动力等式能大致表达为：

mp

p=-kp（zp-w）-bp

p-

）+u

（2）

其中kp和bp分别是弹簧的线性化系数和阻尼率，mp是弹簧载荷的质量，u是主动悬架上应用的执行机构所需的力。

在悬架模型和主动悬架中的挠度可以由下算得：

xm=zm-w（3）

xp=zp-w（4）

从等式

（1）和等式（3），通过将函数从轮胎位移转换到弹簧质量块的位移和参考模型中的悬架挠度，可以得到以下两个公式：

（5）

（6）

通过等式

（2）和等式（4），将u置0，主动悬架相应的转移函数可以表达为：

（7）

（8）

并且如果将w置0则有：

（9）

（10）

从等式（7）—（10）可知，当u和w都存在时，弹簧质量位移zp和悬架挠度xp可以表述为：

（11）

（12）

3.模糊逻辑控制器

和布尔逻辑不同，模糊逻辑主要处理的是不确定或者不精确的情形。

语言变量（例如小、中、大）之前是用来代表主要的知识，他们之间主要的关系就是用0和1来衡量的。

总的来说，模糊逻辑控制器有以下能力：

（a）模糊性能将测定所得的变量和合适的语变量联系起来。

（b）一个包含语言控制基础的知识基础。

（c）基于测定变量的模糊逻辑控制来做出推断和决定，这和人类的取决模式很相似。

（d）非模糊性能将测定所得的变量和设备所要控制的非模糊输入量联系起来。

如图2所示是汽车主动悬架系统上的模糊逻辑控制器的结构。

悬架挠度xp和悬架速度dxp是模糊逻辑控制器的两个输入变量，输出变量是控制变化du。

不同的语言参数例如xp、dxp和du用一个钟形的函数关系来表达。

函数可以表示为：

（13）

其中ai代表速度，bi代表钟形函数中点处两侧的弯曲程度，ci是钟形函数的中点。

集合{ai，bi，ci}由相关的参数集合所组成。

不同的语言参数Li最终形成控制器的可调参数。

为了取得良好的控制特性，试验和误差分析一直在进行着。

悬架挠度和速度上的比例因数GE和GC，是为了将挠度和速度合适地定位在论文中各自的总体中。

图表1是将悬架挠度和速度作为输入量，通过列举得到的规则库。

和传统的Mac-VicarWhelan模糊逻辑控制器查表法不同，这张表格通过将语言变量0作为控制器的输出，能传递出除了更多的信息——中心的和对角线上的。

这是源于这一个事实：

悬架的速度几乎为0，悬架的控制中需要的变换也是0

在控制中任何时刻的变化的程度可以表述为：

（14）

其中F是指在定义在规则库中相应的模糊相关。

传统的最大—最小合成推理方法被用来获取适当的控制器输出值。

非模糊性【5】最好是用在控制行为中的du上。

各个规则的各个隶属函数的形心，在一开始就被估计，然后将个体计算所得的平均值作为输出值。

通过以下函数衡量他们的隶属度

（15）

作用在悬架上的最终的控制信号是

u（k）=GUdu（k）（16）

其中GU是du的比例因数。

从等式（14）和等式（16）可得，这类的模糊逻辑控制器的输出是与导数成比例的类型。

4.相似的研究及其结果

从第2章所叙述的1/4车悬架系统中可得知，选择后悬架模型中典型的参数有【6】：

mm=355kg，km=15000N/m，bm=3000N/m。

选择相应的悬架机构中的参数有：

mp=344kg，kp=14384N/m，bp=1860N/m，一辆商务车的典型参数。

在模型和设备中都以0.01秒为取样时间。

汽车主要的响应时间和伪随机路况频率1或2Hz相似。

如图3a所示就是伪随机路况。

在图3b中所示是悬架挠度的钟形特性曲线。

相关的参数集合在不同语言变量下的情况如表2所示。

在不同的讨论范围里，悬架的速度和控制的变化在[-8,8]，[-6000,6000]之间变化，处于相同的目的各自对应的缩放系数是GE（10:

1）、GC（1:

1）和GU（1:

300）。

其中图4所示是各自的悬架速度和控制变化的钟形特性曲线。

相应的参数在表格3和表格4中给出。

模型悬架和被动悬架系统的加速度（m/s2）如图5a所示，分别以虚线和实线来表示。

同样在图5b中所示的是悬架的挠度。

从这些数据中可以观测出被动悬架系统的加速度和挠度要比参考模型的大。

在这个相似的研究中将控制作用u置为0并不影响这个研究的通用性。

在带有模糊逻辑控制器的的主动悬架系统中，悬架加速度和控制输入（N）在图6中可见。

悬架的挠度和与参考模型相较而得的挠度误差在图7中可见。

从这些数据中可得，主动悬架系统的加速度和挠度要比参考模型的要小。

如图8和图9所示的是在最差的情况下（弹簧质量增加30%，弹簧可操作性和名义阻尼率减少30%）的相应结果。

这些曲线表明模糊逻辑主动悬架在不回馈控制器参数时有能力应对机构中各种参数。

如图10所示是当系统在t=1s和t=3s之间面对由伪随机路况产生的白噪音时的响应。

5.讨论

1/4车上的模糊悬架系统已经出现。

被推荐的可调节模糊悬架提醒能将悬架的加速度和挠度降低到假定模型的水平，最后能带来更好的驾驶舒适性。

同样可以观测到模糊逻辑控制器能够顾及到更多的从标称值中获得的参数中的变量。

这项研究主要是为了说明模糊逻辑控制器在主动悬架系统中的应用。

参考文献