為了解決LQG控制器性能指標(biāo)函數(shù)各權(quán)重不易確定的問題,以懸架性能指標(biāo)為目標(biāo)函數(shù),運(yùn)用了LQG最優(yōu)控制算法對(duì)半主動(dòng)懸架施加控制,采用了引力搜索算法對(duì)性能指標(biāo)函數(shù)權(quán)重進(jìn)行尋優(yōu),完成了優(yōu)化控制器的搭建,最終提出了一種采用引力搜索算法的尋優(yōu)方法。同時(shí),建立了2自由度1/4主動(dòng)懸架車輛模型,對(duì)其引力搜索LQG控制進(jìn)行了仿真,并與傳統(tǒng)LQG控制結(jié)果進(jìn)行了對(duì)比。結(jié)果表明:提出的引力搜索LQG控制方法能同時(shí)改善汽車的平順性和操縱穩(wěn)定性。 

【文章來源】：重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,39(07)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

半主動(dòng)懸架動(dòng)力學(xué)模型

引力搜索算法是一種群體智能優(yōu)化算法[9]。車輛半主動(dòng)懸架GSA-LQG控制器設(shè)計(jì)過程如圖2。GSA-LQG控制器首先通過GSA產(chǎn)生初始種群，然后將種群賦值給懸架性能權(quán)重，通過適應(yīng)度函數(shù)判斷該粒子是否滿足終止條件，滿足終止條件的粒子輸出。不滿足終止條件的通過GSA計(jì)算質(zhì)量、計(jì)算引力、計(jì)算加速度從而更新種群直至滿足懸架適應(yīng)度函數(shù)。

設(shè)引力搜索算法的搜索者個(gè)體數(shù)N=1 000，為了減少優(yōu)化時(shí)間，允許最大迭代次數(shù)為100,q1,q2,q3的搜索范圍均為[0,106]。為了驗(yàn)證GSA-LQG控制半主動(dòng)懸架性能的控制效果，將其與LQG懸架性能進(jìn)行對(duì)比仿真。GSA-LQG控制半主動(dòng)懸架得到q1=97 522.5,q2=43 013.4,q3=111 122.3，其適應(yīng)度值隨著迭代次數(shù)的變化如圖3。由圖3可以看出，GSA-LQG控制的半主動(dòng)懸架在第6次迭代時(shí)與最佳適應(yīng)度值幾乎相等，說明該方法具有較好的收斂速度，搜索性能指標(biāo)函數(shù)權(quán)重的實(shí)時(shí)性較好。LQG控制的半主動(dòng)懸架和GSA-LQG控制的半主動(dòng)懸架的性能指標(biāo)對(duì)比，如圖4～圖6。

【參考文獻(xiàn)】：
期刊論文
[1]基于路面識(shí)別的非線性懸架系統(tǒng)自適應(yīng)控制[J]. 孫晉偉,秦也辰,王振峰,顧亮.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(09)
[2]基于μ綜合的整車主動(dòng)懸架魯棒控制研究[J]. 周兵,吳曉建,文桂林,邱香.  振動(dòng)工程學(xué)報(bào). 2017(06)
[3]一種基于數(shù)據(jù)場(chǎng)的多目標(biāo)引力搜索算法[J]. 張愛竹,孫根云,王振杰,麻德明.  控制與決策. 2017(01)
[4]帶有引力搜索算子的煙花算法[J]. 朱啟兵,王震宇,黃敏.  控制與決策. 2016(10)
[5]量子行為引力搜索算法[J]. 曹茂俊,李盼池,尚福華.  控制與決策. 2016(09)
[6]剛度和阻尼系數(shù)對(duì)LQG控制主動(dòng)懸架控制的影響分析[J]. 趙彩虹,陳士安,王駿騁.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(12)
[7]求解動(dòng)態(tài)優(yōu)化問題的改進(jìn)多種群引力搜索算法[J]. 畢曉君,刁鵬飛,王艷嬌,肖婧.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(09)
[8]車輛主動(dòng)懸架的遺傳粒子群LQG控制方法[J]. 陳雙,宗長(zhǎng)富.  汽車工程. 2015(02)
[9]基于遺傳算法的車輛4自由度主動(dòng)懸架最優(yōu)控制研究[J]. 藍(lán)會(huì)立,高遠(yuǎn),范健文,羅文廣,許偉.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(11)
[10]改進(jìn)教與學(xué)優(yōu)化算法的LQR控制器優(yōu)化設(shè)計(jì)[J]. 拓守恒,鄧方安,雍龍泉.  智能系統(tǒng)學(xué)報(bào). 2014(05)



本文編號(hào)：3054941