[发明专利]一种预规定瞬态性能的汽车主动悬架自适应控制方法

摘要

本发明涉及一种预规定瞬态性能的汽车主动悬架自适应控制方法，属于车辆工程领域。本发明首先建立半车主动悬架动力学模型；接着通过车载传感器测量计算得到汽车垂直方向位移和俯仰方向俯仰角；对控制目标即汽车垂直方向位移以及汽车俯仰方向俯仰角进行误差转化操作；结合转化后的误差，引入神经网络补偿悬架动力学模型不确定性对系统的影响，进而设计汽车在垂直方向以及俯仰方向运动的控制动作；对控制误差和系统递推向量进行滤波操作，提取参数估计误差；用包含参数估计误差的向量设计自适应律；判断激励条件是否满足，若满足则可根据估计参数计算未知汽车质量和转动惯量。本发明方法会大大提升汽车悬架的性能。

主权项

1.一种预规定瞬态性能的汽车主动悬架自适应控制方法，其特征在于：首先根据汽车动力学理论以及牛顿第二定律，建立半车主动悬架动力学模型；接着通过车载传感器测量计算得到汽车垂直方向位移和俯仰方向俯仰角；再对控制目标即汽车垂直方向位移以及汽车俯仰方向俯仰角进行误差转化操作；结合转化后的误差，引入神经网络补偿悬架动力学模型不确定性对系统的影响，进而设计汽车在垂直方向以及俯仰方向运动的控制动作；进一步对控制误差和系统递推向量进行滤波操作，提取参数估计误差，实现汽车垂直方向位移及俯仰方向俯仰角的瞬态、稳态控制，并满足主动悬架其他性能；用包含参数估计误差的向量设计自适应律；然后判断激励条件是否满足，若满足，根据估计得到的向量计算出汽车质量以及转动惯量的估计值；若不满足，则给路面扰动加入随机干扰，并返回重新测量；所述方法的具体步骤如下：Step1、建立半车主动悬架动力学模型：根据汽车动力学理论以及牛顿第二定律，对半车主动悬架进行受力分析，可得到半车主动悬架动力学模型如下：其中，M是汽车质量，I是汽车俯仰运动时转动惯量，m_f为汽车前轮的簧下质量，m_r为汽车后轮的簧下质量；F_df为汽车前轮阻尼器阻尼力，F_dr为汽车后轮阻尼器阻尼力；F_sf为汽车前轮弹簧力，F_sr为汽车后轮弹簧力；F_tf为汽车前轮弹力，F_bf为汽车前轮阻尼力；F_tr为汽车后轮弹力，F_br为汽车后轮阻尼力；y_c为汽车垂直方向位移，为俯仰方向汽车俯仰角，y₁为汽车前轮簧下质量位移，y₂为汽车后轮簧下质量位移；a为汽车前主动悬架至汽车质心距离，b为汽车后主动悬架至汽车质心距离；u₁为汽车前主动悬架的输出力，u₂为汽车后主动悬架的输出力；u_y为汽车在垂直方向运动的控制动作，为汽车在俯仰方向运动的控制动作；Step2、通过代数变换将半车主动悬架动力学模型转化为状态空间形式：定义则可得到：其中，θ1＝1/M为需要估计的汽车未知质量的倒数，θ2＝1/I为需要估计的汽车未知转动惯量的倒数；Step3、通过车载传感器测量计算得到汽车垂直方向位移y_c和俯仰方向俯仰角将其作为下面设计的控制方法的输入量；Step4、对控制目标中的汽车垂直方向位移x1＝yc进行误差转化操作：Step4.1、定义一个光滑单调递减函数ψ(t),R+→R+为：ψ(t)＝(ψ0‑ψ∞)e‑αt+ψ∞其中，ψ0为函数初值，ψ∞为函数允许的稳态误差，e‑αt为指数函数常量，α为函数收敛速度，t表示时间，ψ0与ψ∞数值的选取应满足ψ0＞ψ∞；汽车垂直方向位移应满足如下边界条件：其中，为两个正常数；Step4.2、定义另一个光滑严格单调递减函数函数应满足条件如下：其中，L∞表示有界函数；Step4.3、在得到性能方程ψ(t)和严格单调递减函数S(z₁)的基础上，汽车垂直方向位移表达为x₁＝ψS(z₁)，并通过代数变换将控制目标进行转换后的参数表达式为：Step5、根据如下步骤设计汽车在垂直方向运动的控制动作uy：Step5.1、定义控制误差sp1如下：其中，Λ_p1＞0为正常数，T为矩阵转置运算符号，z₁为Step4.2中定义的数值变量，为z₁对时间的导数；对s_p1进行求导运算可得：其中，θ₁＝1/M为需要估计的汽车未知质量的倒数，为计算数值变量，为未知的动力学系统表达式；采用神经网络对T_p1(Z_p1)进行逼近，表达式如下：其中，w_p1∈R⁵为神经网络未知权重，为L_p维实空间，φ_p1(Z_p1)为神经网络基函数，Z_p1为神经网络输入变量，ε_p1∈R为神经网络误差；Step5.2、设计控制汽车垂直方向位移的控制动作uy，表达式如下：其中，k_p1为一个正常数，为未知参数θ₁的估计值，为神经网络未知权重w_p1的估计值；Step5.3、在采用神经网络逼近的基础上，控制误差导数可表达为如下参数化形式：其中，是需要估计的未知参数向量，为系统递推向量，通过输入u_y和神经网络基函数φ_p1(Z_p1)计算获得的；Step6、根据步骤Step4的方法对汽车俯仰方向俯仰角进行误差转化操作，再根据步骤Step5的方法，得到汽车在俯仰方向运动的控制动作表达式如下：其中，为计算数值变量，为需要估计的汽车未知转动惯量的倒数θ₂＝1/I的估计值，k_p2为一个正常数，s_p2为控制误差，为神经网络未知权重w_p2的估计值，φ_p2(Z_p2)为神经网络基函数，Z_p2为神经网络输入变量；Step7、对控制误差和系统递推向量进行滤波操作，提取参数估计误差，用于后续自适应律设计：Step7.1、定义两个滤波变量sp1f和Φp1f为：其中，k是一个正常数；Step7.2、定义辅助滤波矩阵Pp1∈R6×6和滤波向量Qp1∈R6×1为：其中，l是一个正常数；Step7.3、在得到辅助变量Pp1和Qp1基础上，计算出包含参数估计误差的向量Hp1∈R6×1为：其中，是未知参数向量W_p1的估计值；Step8、用包含参数估计误差的向量H_p1设计自适应律，得到未知参数向量W_p1的估计值其中，Γp1>0为学习速率，σ＞0为一个正常数；Step9、计算矩阵Pp1最小特征值，并判断其是否大于0，来判断持续激励条件是否满足：当矩阵Pp1最小特征值大于0，则执行步骤Step10；否则给路面扰动加入随机干扰，然后返回步骤Step3；Step10、通过步骤Step1‑Step9实现汽车垂直方向位移及汽车俯仰方向俯仰角的瞬态、稳态控制，并满足主动悬架其他性能；在获得未知参数向量估计值的基础上，通过求的倒数计算出汽车未知质量的估计值类似于Step7‑Step9，设计自适应律获得俯仰方向未知参数的估计值然后通过求的倒数计算出汽车未知转动惯量的估计值