基于RBF神经网络的半主动悬架滑模控制
- 格式:docx
- 大小:36.79 KB
- 文档页数:2
基于滑模控制的汽车主动、半主动悬架控制方法的研究现状(关键词:sliding mode control, active\semi-active suspension)1、滑模控制(Sliding Mode Control)简介滑模控制是变结构控制系统的一种控制策略。
滑模控制以实现简单,且对外界干扰和系统匹配不确定性有着完全的鲁棒性和自适应性。
滑模控制变结构策略与常规的控制根本区别在于控制的不连续性,即一种是系统“结构”随时间变化的开关特性下沿规定的状态轨迹作小幅度、高频率的上下运动,即所谓的“滑模动态”或“滑模”运动。
这种滑模动态是可设计的,且与系统的参数及扰动无关。
这样,处于滑模运动的系统就有很好的鲁棒性。
2、滑模控制的优缺点滑模控制主要具有以下主要优点[1-2]:(1)一旦系统相应点达到切换面后,系统运行方式指决定于切换面的方程,与系统原来的参数无关。
及时系统的参数有较大的变化,只要切换面是可达的,则都可以实现滑模变结构控制。
(2)可以实现对任一连续变化的输入信号的跟踪。
(3)对外界干扰有较强的鲁棒性。
(4)滑模变结构控制响应快。
(5)滑模变结构控制算法简单,易于工程实现。
虽然滑模结构有诸多优点,但也存在一些不足之处,主要如下[1-2][3]:(1)为实现滑模控制要取得系统的全部状态变量,这在许多情况下是很困难的,尤其对于高阶系统,要取得高阶微分实际上是做不到的。
(2)在实际滑模变结构的控制系统中,由于开关器件的时滞及惯性等因素的影响,系统的状态到达滑模面后,不是保持在滑模面上作滑动运动,而是在滑模面附近作来回穿越运动,甚至产生极限环振荡,这种现象就是滑模变结构控制系统所固有的“抖振”现象。
(3)滑模控制还存在需知不确定参数上下界等问题。
3、基于滑模控制的其它控制策略由于常规的滑模控制具有上述缺点,为克服上述缺点,出现了其它控制模式与滑模控制的有效结合,极大提高了控制效能,例如模糊滑模控制(Fuzzy Sliding Mode control),自适应模糊滑模控制(Adaptive Fuzzy Sliding Mode control),基于模糊神经网络的滑模控制(SMC based on fuzzy neutral networks)等控制策略[4]。
基于RBF神经网络的汽车稳定性滑模控制
韩玉敏;李晗宇;潘可耕
【期刊名称】《黑龙江工程学院学报(自然科学版)》
【年(卷),期】2012(026)004
【摘要】针对汽车稳定性控制存在的非线性和参数时变不确定性问题,采用基于径向基函数(RBF)神经网络的方法设计汽车稳定性滑模控制器,能够削弱常规滑模控制所引起的抖动现象,也能提高单纯的神经网络自适应控制的鲁棒性能.仿真结果表明该控制算法可有效地控制汽车按照驾驶员期望的方向行驶,且保证汽车侧向控制系统具有较强的适应性和鲁棒性.
【总页数】4页(P11-14)
【作者】韩玉敏;李晗宇;潘可耕
【作者单位】黑龙江工程学院电气与信息工程学院,黑龙江哈尔滨150050;哈尔滨电站设备成套设计研究所有限公司,黑龙江哈尔滨150046;黑龙江工程学院电气与信息工程学院,黑龙江哈尔滨150050
【正文语种】中文
【中图分类】U461.6
【相关文献】
1.基于滑模控制的4 WS汽车闭环操纵稳定性研究 [J], 谭运生;沈峘;黄满洪;梁中汉
2.基于滑模控制的4WS汽车闭环操纵稳定性研究 [J], 谭运生;沈峘;黄满洪;梁中汉;
3.基于RBF神经网络的汽车ABS滑模控制器的设计 [J], 毛艳娥;井元伟;曹一鹏;张嗣瀛
4.基于终端滑模控制的电动汽车转向稳定性研究 [J], 张恒; 杨鹏; 张高巍; 孙昊
5.基于差动制动的汽车拖车组合系统动态稳定性滑模控制 [J], 赵子乾;张宁;殷国栋;孙蓓蓓;吴建华
因版权原因,仅展示原文概要,查看原文内容请购买。
基于RBF神经网络自适应滑模路由队列控制算法研究陈治【摘要】为解决网络传输过程中TCP网络控制系统非线性结构参数和不确定项上界参数等参数摄动对路由数据队列长度控制的影响,采用了一种基于RBF神经网络(Radial Base Function Neural Network)的自适应滑模控制算法,实现对路由数据传输队列长度的控制,以改善TCP网络路由队列的数据传输中存在的数据丢失及数据拥塞问题.首先,对路由队列数据传输过程进行数学建模,利用RBF神经网络辨识TCP网络控制系统的非线性函数,采用自适应滑模学习算法调整不确定项上界参数,然后使用基于RBF神经网络算法的自适应滑模控制算法控制TCP网络传输过程,并对基于RBF神经网络的自适应滑模控制算法进行了仿真验证.仿真结果表明,该控制方法能够有效抑制TCP网络控制系统结构参数摄动对路由数据传输队列长度的影响,且系统动态误差小和抗干扰性能强.【期刊名称】《制造业自动化》【年(卷),期】2017(039)005【总页数】6页(P32-36,48)【关键词】TCP网络;RBF神经网络;自适应滑模;结构参数;路由队列控制【作者】陈治【作者单位】合肥工业大学电气与自动化工程学院,合肥 230009【正文语种】中文【中图分类】TP273.5随着网络数据量的不断增加,TCP路由传输队列长度控制导致的数据丢失和数据拥塞问题日益严重,针对网络拥塞问题的路由控制算法研究已成为学者研究的热点。
文献[1]针对输入时滞的传输控制协议TCP线性动态系统采用滑模控制策略,利用LMI(Linear Matrix Inequality)线性化技术将滑动超平面进行特殊线性变换,使路由传输队列长度快速收敛于设定值。
文献[2]利用RBF神经网络的自适应权值学习来估计TCP网络控制系统参数变化引起的等效不确定项上界,使终端滑模控制器的滑动模态具有更短的收敛时间,达到快速控制路由传输队列长度的效果。
基于RBF神经网络的航空发动机模糊滑模控制研究
李勇;樊丁
【期刊名称】《计算机测量与控制》
【年(卷),期】2013(021)003
【摘要】针对航空发动机这个具有时变不确定性的非线性系统,提出了一种基于RBF神经网络的模糊滑动模态控制(Fuzzy SlidingMode Control)的航空发动机控制方法;通过对利用FSMC理论设计航空发动机模糊滑动模态控制器的方法进行了深入研究,设计了航空发动机模糊神经网络滑动模态控制器;仿真结果表明,所设计的控制器的控制效果良好,能有效地减少参数不确定性的影响,并且对外界干扰有很强的抑制能力,使被控系统在整个控制阶段都具有较强的鲁棒性,削弱了抖振.【总页数】3页(P632-634)
【作者】李勇;樊丁
【作者单位】西北工业大学动力与能源学院,西安 710072;西北工业大学动力与能源学院,西安 710072
【正文语种】中文
【相关文献】
1.航空发动机模糊滑模控制方法的比较研究 [J], 孙晖;刘尚明
2.航空发动机自适应模糊滑模控制方法的研究 [J], 孙晖;刘尚明;邓奇超
3.基于RBF神经网络的航空发动机故障诊断研究 [J], 郭风;王思远;崔红军
4.基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制 [J], 王仁强; 缪克银; 孙建明
5.基于RBF神经网络优化模糊规则的USV自适应模糊滑模控制 [J], 王仁强; 缪克银; 孙建明
因版权原因,仅展示原文概要,查看原文内容请购买。
半主动悬架的自适应滑模控制算法研究摘要:本研究聚焦于半主动悬架的自适应滑模控制算法,旨在通过深入的理论分析和实验验证,提升车辆行驶的平顺性和稳定性。
半主动悬架作为一种先进的汽车悬架系统,能够通过传感器感知路面状况和车身姿态,实时调节阻尼参数,从而优化车辆性能。
而自适应滑模控制算法的应用,则能进一步提升半主动悬架的性能表现。
我们提出了一种基于改进的理想天棚系统的自适应滑模变结构控制算法。
该算法的核心在于在实际被控系统和参考模型之间的误差动力学系统中产生渐进稳定的滑模运动。
通过李雅普诺夫稳定性原理,我们证明了所设计的滑模控制算法的稳定性。
以某重型车辆为例进行的MATLAB 仿真结果显示,与传统被动悬架和最优控制相比,自适应滑模控制器能够显著改善车辆的平顺性,并对模型参数的不确定性和外界扰动展现出良好的适应性和鲁棒性。
滑模控制算法也存在抖振问题,这也是未来研究需要重点关注的方向。
为了解决这一问题,我们探讨了各种削弱抖振的方案,并在实验验证中观察到滑模控制的抖振现象相对较小,这表明所设计的滑模控制器能够很好地改善悬架性能,达到预期效果。
我们还研究了轮胎阻尼对悬架系统性能的影响,提出了一种考虑轮胎非线性阻尼的四分之一车模型。
通过在不同路面条件下的仿真分析,我们深入探讨了滑模控制和天棚控制在不同车速和路面频率下的性能表现。
本研究为半主动悬架的自适应滑模控制算法提供了深入的理论和实验支持,为进一步提升汽车行驶性能提供了新的思路和方法。
滑模控制的抖振问题仍需进一步研究和完善,以适应更复杂的道路和驾驶条件。
Abstract:This study focuses on the adaptive sliding mode control algorithm of semi-active suspension, aiming to improve the smoothness and stability of vehicle driving throughin-depth theoretical analysis and experimental verification. As an advanced automotive suspension system, semi-active suspension can perceive road conditions and body posture through sensors, adjust damping parameters in real time, and optimize vehicle performance. The application of adaptive sliding mode control algorithm can further improve the performance of semi-active suspension. We propose an adaptive sliding mode variable structure control algorithm based on an improved ideal ceiling system. The core of this algorithm lies in generating asymptotically stable sliding mode motion in the error dynamics system between the actual controlled system and the reference model. We have demonstrated the stability of thedesigned sliding mode control algorithm through the Lyapunov stability principle. The MATLAB simulation results using a heavy vehicle as an example show that compared with traditional passive suspension and optimal control, the adaptive sliding mode controller can significantly improve the smoothness of the vehicle, and demonstrate good adaptability and robustness to the uncertainty of model parameters and external disturbances. The sliding mode control algorithm also has the problem of chattering, which is also a focus of future research. To address this issue, we have explored various solutions to reduce chattering and observed in experimental verification that the chattering phenomenon of sliding mode control is relatively small. This indicates that the designed sliding mode controller can effectively improve suspension performance and achieve the expected results. We also studied the effect of tire damping on suspension system performance and proposed a quarter car model that considers tire nonlinear damping. Through simulation analysis under different road conditions, we delved into the performance of sliding mode control and canopy controlunder different vehicle speeds and road frequencies. This study provides in-depth theoretical and experimental support for the adaptive sliding mode control algorithm of semi-active suspension, and provides new ideas and methods for further improving the driving performance of automobiles. The chattering problem of sliding mode control still needs further research and improvement to adapt to more complex road and driving conditions.一、概述随着汽车工业的不断发展,对车辆行驶平顺性和稳定性的要求也在日益提高。
基于RBF神经网络的汽车ABS滑模控制器的设计
毛艳娥;井元伟;曹一鹏;张嗣瀛
【期刊名称】《东北大学学报(自然科学版)》
【年(卷),期】2009(030)003
【摘要】针对汽车防抱死制动系统(ABs)在快速性及鲁棒控制方面的要求,采用基于径向基函数神经网络的方法设计了汽车ABS的滑模控制器.该方法能够削弱常规滑模控制所引起的抖动现象,也能提高单纯的神经网络自适应控制的鲁棒性能.利用MATLAB中的SIMULINK仿真工具,对车辆在干路面条件下的制动情况进行了仿真研究,验证了所设计的控制方案在汽车ABS应用中的可行性和有效性.
【总页数】4页(P309-312)
【作者】毛艳娥;井元伟;曹一鹏;张嗣瀛
【作者单位】东北大学信息科学与工程学院,辽宁沈阳110004;东北大学信息科学与工程学院,辽宁沈阳110004;沈阳航空工业学院计算机学院,辽宁沈阳110136;东北大学信息科学与工程学院,辽宁沈阳110004
【正文语种】中文
【中图分类】TP13
【相关文献】
1.基于Matlab的RBF神经网络设计与仿真试验 [J], 石岩
2.汽车ABS系统智能滑模控制器的研究与设计 [J], 陈德海;付长胜;王一栋
3.基于MC9S12DP256的汽车ABS模糊滑模控制器 [J], 王波;刘言强;任焕梅;刘
文亭
4.基于模糊RBF神经网络的分数阶滑模控制器优化设计 [J], 余潇;黄辉先
5.基于LabVIEW和RBF神经网络的PT100测温系统的设计 [J], 周先飞; 杨会伟; 夏跃武
因版权原因,仅展示原文概要,查看原文内容请购买。
基于模糊RBF神经网络的智能悬臂梁振动主动控制基于模糊RBF神经网络的智能悬臂梁振动主动控制摘要:随着科技的不断发展,智能控制技术在工程领域中得到了广泛的应用。
本文通过基于模糊RBF神经网络的智能控制方法,研究了悬臂梁的振动主动控制问题。
通过建立悬臂梁的数学模型,并采用模糊RBF神经网络进行振动控制仿真实验,验证了该方法的有效性。
研究结果表明,基于模糊RBF神经网络的智能控制方法可以有效地抑制悬臂梁振动,提高结构的稳定性和性能。
关键词:智能控制;振动控制;模糊RBF神经网络;悬臂梁一、引言悬臂梁是工程中常见的结构之一,其振动问题一直是研究的热点。
悬臂梁振动的控制不仅关系到结构的安全性和稳定性,还直接影响到结构的性能和使用寿命。
因此,研究悬臂梁振动主动控制方法具有重要的理论和实际意义。
随着人工智能技术的发展,智能控制方法在工程领域中被广泛应用。
其中,神经网络作为一种重要的智能控制方法,在振动控制问题中具有良好的应用前景。
而模糊RBF神经网络是神经网络的一种拓展形式,具有模糊推理和神经网络的优势,因此本文选择基于模糊RBF神经网络的智能控制方法来解决悬臂梁振动控制问题。
二、悬臂梁振动数学模型的建立为了研究悬臂梁的振动主动控制问题,首先需要建立悬臂梁的数学模型。
考虑悬臂梁在一个平面内的振动,可以使用梁的欧拉-伯努利梁弯曲理论进行描述。
通过分析梁的受力平衡和运动方程,可以得到悬臂梁的振动微分方程。
三、基于模糊RBF神经网络的振动控制方法基于模糊RBF神经网络的振动控制方法包括两个关键步骤:训练过程和控制过程。
在训练过程中,首先需要确定悬臂梁的振动控制目标和性能要求,然后通过收集一系列训练数据,训练模糊RBF神经网络的输入-输出映射关系。
在控制过程中,利用已经训练好的模糊RBF神经网络,根据当前的悬臂梁振动状态,计算出相应的控制输入,以实现对悬臂梁振动的主动控制。
四、模拟实验与结果分析为了验证基于模糊RBF神经网络的振动控制方法的有效性,本文进行了悬臂梁振动控制的模拟实验。
基于半车解耦的半主动悬架模糊滑模控制赵强;张娜【期刊名称】《噪声与振动控制》【年(卷),期】2016(036)005【摘要】为提高车辆的舒适度,提出基于半车解耦模型的半主动座椅悬架的模糊滑模控制。
建立并分析半车悬架系统的动力学模型,通过将其等效变换为两组标准的动力学方程,实现把半车悬架系统解耦成四分之一车悬架系统。
基于解耦后的四分之一车悬架系统对含四分之一车的座椅悬架设计模糊滑模控制策略:把天棚阻尼系统作为参考模型,将实际被控系统和参考模型间的动态误差引入到滑动模态中,通过切换函数及其导数的模糊化处理,来抑制滑动模态中抖振现象。
并通过比较磁流变阻尼器输出力和模糊滑模控制器(Fuzzy Sliding Mode Controller)解出的期望力的差值,来确定提供给磁流变阻尼器的电压。
最后通过与PID、滑模(Sliding Mode Controller)和被动悬架仿真结果的对比,验证该方法对半车座椅悬架系统减振效果具有明显的改善作用。
提出的控制方法对于半主动悬架的实际控制具有参考价值。
【总页数】6页(P59-64)【作者】赵强;张娜【作者单位】东北林业大学交通学院,哈尔滨 150040;东北林业大学交通学院,哈尔滨 150040【正文语种】中文【中图分类】TB53【相关文献】1.基于混沌粒子群优化的时变解耦模糊滑模控制 [J], 李哲明;李春贵;吕少姣2.基于不变性原理解耦的半主动悬架控制仿真研究 [J], 韩忠磊;胡三宝;刘继鹏3.基于微分几何的汽车半主动悬架解耦控制算法仿真 [J], 陈建国;程军圣;聂永红;陈育荣4.矿用自卸车半车半主动悬架俯仰数学模型的建立 [J], 马士祯5.基于半车半主动悬架的车身平顺性提升方法 [J], 赵亮亮;陈鑫淼;杨运泽因版权原因,仅展示原文概要,查看原文内容请购买。
基于新型趋近律的半主动悬架模糊滑模控制摘要:针对纯电动汽车行驶的舒适性与安全性,本文研究提出了一种基于新型趋近律的半主动悬架模糊滑模控制设计方案。
为了应对滑模控制所导致的抖振与收敛速度慢等情况,将新型趋近律引入其中,然后综合模糊滑模控制,仿真分析了纯电动汽车的半主动悬架,结果证明,本文所提出的设计方案提升了乘车的舒适性和行车的安全性。
关键词:趋近律;半主动悬架;模糊;滑模控制纯电动汽车行驶过程中,驾驶员既要控制车速,保证行车的平稳性,还要应对长时间驾驶带来的疲劳感,增加了行车的安全风险,这就要实现纯电动汽车半主动悬架系统的智能控制目标。
基于此,文章基于新型趋近律,设计出模糊滑模控制装置,旨在促进状态轨迹快速、稳定地朝着滑模切换面收敛,以此来控制纯电动汽车的稳定,防止抖振情况的发生。
1半主动悬架模糊滑模控制器设计纯电动汽车半主动悬架的整个模糊控制系统的设计必须综合考量参数存在的不确定性、非线性与非理想执行装置的存在,还要确保悬架动态位移与轮胎承载力在安全区间,结合半主动悬架数学模型、参考天棚模型、跟踪误差模[1]。
上述因素存在的关系为:,其中,与为悬架弹簧上、下质量质心的位移,与代表悬架弹簧上、下质量,代表悬架最大动态位移,代表汽车轮胎动载荷。
由此设计的新型趋近律的模糊滑模控制器如图一所示:图一新型趋近律的模糊滑模控制器纯电动汽车半主动悬架得到的路面激励信息,然后把悬架弹簧下质量()的运行状态当成参考天棚系统的输入,两个系统各自把所属的簧上质量位移信息和,以及加速信息,作为信号输入,建立跟踪误差模型,把非线性参数、不确定参数以及非理想执行器等因素导致的不确定量集合成统一的整体;接着将跟踪误差模型的输出量当成输入构建滑模面函数,把和当成2D模糊滑模控制器的输入,以保证控制系统的稳定,然后把计算获得的(控制力)反馈到半主动悬架中,用来调整和控制汽车车身的高度,以确保纯电动汽车长途行驶的舒适性和安全性。
基于RBF神经网络的半主动悬架滑模控制
半主动悬架滑模控制是一种有效的方式来改善汽车悬架系统的性能。
而基于RBF神经网络的悬架滑模控制是一种新型的控制方法。
本文将会探讨基于RBF神经网络的半主动悬架滑模控制方法。
首先,什么是半主动悬架滑模控制呢?在汽车悬架系统中,常见的控制方法有主动悬架和被动悬架。
主动悬架是指通过操纵悬架系统的空气压力和电调压力等主动控制车身姿态,从而实现舒适性和稳定性的平衡。
而被动悬架则是指悬架系统靠弹簧和减震器等的被动阻尼来减少车身的颠簸。
半主动悬架则是介于主动悬架和被动悬架之间的一种控制方式,即通过电子液压系统控制减震器的硬度来实现悬架的主动控制。
而悬架滑模控制则是一种利用滑动模态控制悬架系统的控制方法。
它通过引入一个扰动项来使系统进入滑动模式,从而让整个系统在滑动轨迹上运动。
通过控制滑动模式的变量,实现对系统状态和输出的控制。
基于RBF神经网络的半主动悬架滑模控制则是一种集成了神经网络技术和滑模控制的控制方法。
RBF神经网络是一种基于径向基函数的神经网络,它能够对非线性的系统进行建模和控制。
通过将RBF神经网络与滑模控制相结合,可以实现对悬架系统的精确控制,从而提高系统的舒适性和稳定性。
该方法的实现步骤如下:首先,通过RBF神经网络来建立模型,并通过神经网络的学习算法,不断地优化网络的权重和偏
置,从而得到更加准确的模型。
然后,根据悬架系统的特性,设计出适当的滑动模态来实现系统的控制。
最后,通过控制滑动模态的变量,来控制悬架系统的状态和输出。
该方法的优点在于能够对非线性的悬架系统进行精确的建模和控制。
同时,基于RBF神经网络的模型具有高精度和鲁棒性,能够应对复杂的控制环境,提高悬架系统的性能。
总之,基于RBF神经网络的半主动悬架滑模控制是一种新型
的控制方法。
它能够将神经网络技术与滑模控制相结合,实现自适应的悬架系统控制,提高系统的舒适性和稳定性。