[发明专利]一种基于路况监测的车辆悬架系统模型预测控制方法

说明书

本发明提供一种基于路况监测的车辆悬架系统模型预测控制方法，通过随机路况数据和随机控制信号作为主动悬架系统模型的输入，系统的离散状态作为输出，从而离线产生大量的训练数据训练神经网络模型，可以高精度逼近主动悬架系统的机理模型；将训练好的神经网络模型取代主动悬架系统的机理模型，根据激光雷达给出的路况监测数据和最小化问题的可行解作为神经网络模型输入，计算出系统状态的离散预测值，用于求解最小化问题，从而得到最优控制信号控制电动液压系统产生相应的控制力维持车身平稳。相比于直接使用机理模型，使用神经网络模型可以发挥较强的非线性逼近能力和快速计算能力的优势，从而实现模型预测控制的高速运算和高频率的实施控制。

技术领域

本发明涉及车辆悬架系统技术领域，特别是涉及一种基于路况监测的车辆悬架系统模型预测控制方法。

背景技术

在飞速发展的今天，人们对于车辆的使用频率逐渐升高，乘客对于车辆驾乘的舒适感期望越来越高。而对于提高乘客的乘坐体验，减振无疑是一个必不可少的环节。悬架系统是汽车底部构造的重要部分，其主要功能是承载车身动态载荷、减小路面不平激励对车体的振动冲击，并尽量保持轮胎和路面的良好接触，以改善车辆的性能。所以，对悬架系统优化研究，使其可以有效的改善车辆的舒适性、稳定性和安全性，为现代化车辆的发展提供了有利条件。随着人们生活质量的提高，人们对于汽车的要求已经更加注重汽车的驾驶平顺性。

随着主动悬架思想的提出，对主动悬架实施控制以保证汽车行驶平稳性已经得到了众多汽车行业的关注。由于主动悬架可以随外界输入源的变化而实时地调节悬架的刚度与阻尼，以有效抑制不同工况下对人体的冲击。对主动悬架的控制依赖于实时监测路况信息，路况信息的获取来自于汽车前方安置的激光雷达。因此，通过激光雷达获取的路况信息数据为车辆主动悬架的控制系统提供了主动改变控制力的输入源。在现有的先进控制技术方案中，模型预测控制能从最优化未来状态的角度计算出控制信号输出，已经被成功而广泛应用于各行各业。模型预测控制的最优化思想得到了工程技术人员普遍接纳与好评。

然而，模型预测控制需要实时往复迭代的求解最小化问题，且在计算目标函数值时，需要不断地调用控制对象的机理模型来预测未来一段时间的系统状态。由于车辆主动悬架系统的控制要求响应迅速，若是应用模型预测控制思想来实施主动悬架的控制，则必须考虑悬架系统机理模型的在线计算负荷问题。从主动悬架系统的机理模型来看，其微分方程数量较多，非线性程度明显，因此使用主动悬架的机理模型预测未来的系统状态势必带来较大的计算量。因此，如何降低未来系统状态的预测计算量是有效发挥模型预测控制技术优势的关键。

发明内容

本发明所要解决的技术问题是：如何通过神经网络模型运算取代主动悬架系统机理模型的运算，从而降低预测系统状态变量的计算负荷，从而可以更短迅速的对主动悬架系统实施模型预测控制，本发明提供一种基于路况监测的车辆悬架系统模型预测控制方法，首先通过随机路况数据和随机控制信号作为主动悬架系统模型的输入，而系统的离散状态作为输出，从而离线产生大量的训练数据，用于训练神经网络模型；其次，本发明方法将训练好的神经网络模型取代主动悬架系统的机理模型，根据激光雷达给出的路况监测数据和最小化问题的可行解作为神经网络模型输入，计算出系统状态的离散预测值，用于求解最小化问题，从而得到最优控制信号控制电动液压系统产生相应的控制力维持车身平稳。

本发明解决其技术问题所要采用的技术方案是：一种基于路况监测的车辆悬架系统模型预测控制方法，包括以下步骤：

步骤1：确定主动悬架系统的状态变量，并建立车辆主动悬架系统的状态空间模型，再确定控制信号变化范围的最大值u_max和最小值u_min，并确定控制信号的单步变化最大值Δu_max。