[发明专利]基于非线性神经模糊控制器的电磁阀式减振器控制方法

权利要求书

1.一种基于非线性神经模糊控制器的电磁阀式减振器控制方法，其特征在于，包括以下步骤：

(1)建立减振器实验测试平台，利用数据采集装置对力传感器和加速度传感器的信号进行采集，其中，采集的数据包括：初始阻尼力和振动平台垂直振动加速度，生成非线性神经模糊控制器的输入信号；

(2)利用模糊控制对步骤(1)中所述的阻尼力和振动平台垂直振动加速度输入信号进行模糊化处理，形成输入模糊变量，然后将其传送至模糊控制器，得到输出模糊变量；

(3)建立电磁阀式减振器非线性神经模糊控制器的模糊控制规则库；利用(1)中所述的阻尼力和振动平台垂直振动加速度数据输入模糊变量集合的隶属度函数，并结合输出模糊变量，对隶属度函数中心、宽度及权值进行训练，利用一阶梯度寻优算法来对各参数进行调节；即利用神经网络自学习能力来自动生成模糊规则；

(4)利用重心解模糊化方法对非线性神经模糊控制器的输出模糊变量进行解模糊化处理，得到模糊控制器的阻尼力输出，将得到的模糊控制器的阻尼力除以初始阻尼力，记为阈值h，根据阈值h的大小来判断电磁阀式减振器是否有故障，需要检修，达到对电磁阀式减振器实时在线调控的目的。

2.根据权利要求1所述的基于非线性神经模糊控制器的电磁阀式减振器控制方法，其特征在于，所述步骤(1)中的建立减振器实验测试平台，利用数据采集装置对力传感器和加速度传感器的信号进行采集具体为：

采用LABVIEW软件搭建数据采集系统，通过NI采集卡将力传感器和加速度传感器的信号采集到LABVIE中，保存为txt文件，作为非线性神经模糊控制器的输入信号；其中，采集的数据包括：初始阻尼力和振动平台垂直振动加速度。

3.根据权利要求1所述的基于非线性神经模糊控制器的电磁阀式减振器控制方法，其特征在于，所述步骤(2)中的利用模糊控制对步骤(1)中所述的输入信号进行模糊化处理，形成输入模糊变量，然后将其传送至模糊控制器，得到输出模糊变量具体为：根据力传感器和加速度传感器采集得到的阻尼力和振动平台垂直振动加速度数据，确定论域；将阻尼力和振动平台垂直振动加速度数据模糊化，确定模糊化的等级，即模糊化的论域；通过论域变换将阻尼力和振动平台垂直振动加速度数据变换到模糊化的论域中；定义语言变量，具体为{NB NS ZO PS PB}，其中，NB NS ZO PS PB的值根据定义的隶属度函数决定，选择隶属度大的模糊集作为输出。

4.根据权利要求1所述的基于非线性神经模糊控制器的电磁阀式减振器控制方法，其特征在于，所述步骤(3)中的建立电磁阀式减振器非线性神经模糊控制器的模糊控制规则库；利用(1)中所述的数据输入模糊变量集合的隶属度函数，并结合输出模糊变量，对隶属度函数中心、宽度及权值进行训练，利用一阶梯度寻优算法来对各参数进行调节；即利用神经网络自学习能力来自动生成模糊规则具体为：

根据(2)模糊化形成的输入模糊变量集合到隶属度函数中，为模糊子集选择适当的隶属度函数，隶属函数采用高斯隶属函数，其表达式为：

式中，a_i为输入向量的各分量，i＝1,2,…,n，j＝1,2,...,m_i，n为输入量的维数，m_i为a_i的模糊分割数，c_ij表示隶属度函数的中心，σ_ij表示隶属度函数的宽度；

通过matlab试验，利用误差反传算法分别对隶属度函数的权值ω_ij、中心c_ij、宽度σ_ij求导，计算得出然后利用一阶梯度寻优算法来调节隶属度函数的中心c_ij、隶属度函数的宽度σ_ij、权值ω_ij。

5.根据权利要求1所述的基于非线性神经模糊控制器的电磁阀式减振器控制方法，其特征在于，所述步骤(4)中的利用重心解模糊化方法对非线性神经模糊控制器的输出模糊变量进行解模糊化处理，得到模糊控制器的阻尼力输出，来对电磁阀式减振器实时在线调控具体为：

R1：如果x是A1，y是B1，则z是C1；

也R2：如果x是A2，y是B2，则z是C2；

……

也Rn：如果x是An，y是Bn，则z是Cn；

其中，R1、R2……Rn分别代表规则1、规则2……规则n，x，y和z代表系统状态和控制量的语言变量，x和y是输入量，z是控制量；Ai、Bi、Ci，i＝1,2,3,…,n分别代表语言变量x，y，z在其论域X，Y，Z上语言变量值，这些规则加起来则构成规则库；根据上述规则进行模糊推理，则得到输出量的模糊值z为：

式中：∧代表取小；为输出量z的隶属度函数，为输入量x的隶属度函数，为输入量y的隶属度函数；控制器将综合所有推理结论C′₁,C'₂,…,C'_n计算出最终的输出模糊值，即为模糊控制器的阻尼力，即

式中：∨代表取大，C′₁,C'₂,…,C'_n分别代表各输出分量的隶属度函数；模糊集合C'是由下式计算得到的：

式中，Z₀为模糊集合C'的重心值，μ_C'(z_i)为第i个控制量的隶属度函数，z_i为第i个控制量。