【技术实现步骤摘要】
本专利技术涉及主动悬架控制，尤其涉及一种主动式悬架神经网络自适应控制方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、由于在实际应用中存在不可避免的不确定性因素，因此，建立准确的主动悬架系统模型是非常困难的。为了解决不确定性因素的问题，研究人员针对主动式悬架系统设计了许多鲁棒控制方法，比如：自适应控制、h∞控制、滑模控制、输出反馈控制、基于观测器的控制等等。但是，这些控制方法需要充分了解不确定性因素的上下界。针对不确定性信息未知的情况，研究人员提出了许多智能控制方法，如模糊逻辑系统和神经网络。
3、虽然上述主动式悬架系统的控制方法都是很有意义的，但有些方法仍然需要特殊的形式或条件，没有一般的理论方法。众所周知，在大多数情况下，构造一个合适的lyapunov候选函数是极其困难的，导致大多数控制方法在实际中不可用并且缺乏理论保证。为了解决这个问题，现有技术提出了全驱系统方法。这些方法可以将原来的非线性模型转化为等效的全驱系统模型，促进构建所需的闭环动力学模型，并可处理未知的系统参数、外部干扰等问题。但是，主动式悬架系统的控制仍然面临着如下技术问题：
4、(1)对于存在系统不确定性和输入死区等因素的主动式悬架系统，迫切需要在理论上保证系统状态收敛于零，且可适应各种需求，并尽量简化推导。但是，目前还没有一个综合的控制框架能够同时保证自适应性、跟踪精度和通用性等要求。
5、(2)现有的主动式悬架系统控制方法大多依赖于精确的模型参数。
6、(3)为了简化控制器的设计过程，大多数现有的控制方法直接忽略输入死区的问题，然而，这种简化可能会大大降低控制性能，并可能导致系统不稳定问题。
7、(4)为了达到令人满意的驾驶舒适性和道路操控性，主动式悬架系统需要消耗大量的控制能量。然而，在实际中，这种能量可能是有限的，并导致废气排放增加。研究人员普遍认为主动式悬架系统的非线性因素是不可避免的。然而，现有的控制方法大多旨在消除非线性动力响应，以达到满意的振动抑制效果。这些方法可能会在控制过程中造成不必要的能量消耗。
技术实现思路
1、为了解决上述问题，本专利技术提出了一种主动式悬架神经网络自适应控制方法及系统，结合了仿生参考模型和全驱系统方法，解决了系统不确定性和输入死区约束的问题，并且可以保证主动式悬架系统的所有状态收敛于零。
2、在一些实施方式中，采用如下技术方案：
3、一种主动式悬架神经网络自适应控制方法，包括：
4、构建主动式悬架多层仿生参考模型，基于所述仿生参考模型计算得到主动式悬架行程的期望轨迹；
5、引入悬架行程的跟踪误差，并通过径向基神经网络逼近系统不确定性因素，设计主动式悬架控制器，通过所述控制器控制主动式悬架的行程精确跟踪仿生参考模型输出的行程期望轨迹。
6、其中，所述主动式悬架多层仿生参考模型为x型结构，由弹簧、旋转关节和连杆组成。
7、作为进一步的方案，基于所述仿生参考模型计算得到主动式悬架行程的期望轨迹，具体为：
8、
9、其中，ma为隔离对象的质量，zpd为悬架行程期望轨迹，分别为悬架行程期望轨迹的一阶导数和二阶导数，c1、c2和υ均为辅助函数，sv、sh分别为弹簧竖直方向和水平方向的刚度，n为仿生参考模型的层数，α1和α2分别为空气阻力系数以及旋转摩擦力系数，nx为仿生参考模型的关节个数,为簧下位移的二阶导数；la、lb分别为每一层中两个连杆的长度，θa、θb分别为连杆与水平方向的初始角度。
10、作为进一步的方案，所述悬架行程的跟踪误差具体为：
11、e＝zp-zpd；
12、
13、其中，zp为悬架行程，zpd为悬架行程期望轨迹，为悬架行程期望轨迹的三阶导数，e为悬架行程误差；分别为悬架行程误差的一阶导数、二阶导数和三阶导数，mu0、ms0分别为主动式悬架簧上和簧下的质量，为不确定性因素的一阶导数，为主动式悬架控制输入的一阶导数，ks0、kd0分别为刚度系数和阻尼系数。
14、作为进一步的方案，通过径向基神经网络逼近系统不确定性因素，具体为：
15、
16、其中，分别为悬架行程误差的一阶导数、二阶导数和三阶导数，为系统不确定性因素的一阶导数，ω表示有界的输出权重向量，φ(·)为激活函数，满足||φ(·)||≤1，ε表示逼近误差；zpd、分别为悬架行程期望轨迹、悬架行程期望轨迹的一阶导数和二阶导数；为主动式悬架控制输入的一阶导数。
17、作为进一步的方案，设计主动式悬架控制器，具体为：
18、
19、其中，mu0、ms0分别为主动式悬架簧上和簧下的质量，分别表示ω,ε的估计，a0-2＝[a0 a1 a2]，a0,a1,a2为待调节控制增益，ks0、kd0分别为刚度系数和阻尼系数。
20、作为进一步的方案，所述主动式悬架控制器能够使得主动式悬架的悬架行程、悬架行程速度和悬架行程加速度渐近收敛于零。
21、在另一些实施方式中，采用如下技术方案：
22、一种主动式悬架神经网络自适应控制系统，包括：
23、仿生参考模型构建模块，用于构建主动式悬架多层仿生参考模型，基于所述仿生参考模型计算得到主动式悬架行程的期望轨迹；
24、悬架行程控制模块，用于引入悬架行程的跟踪误差，并通过径向基神经网络逼近系统不确定性因素，设计主动式悬架控制器，通过所述控制器控制主动式悬架的行程精确跟踪仿生参考模型输出的行程期望轨迹。
25、在另一些实施方式中，采用如下技术方案：
26、一种终端设备，其包括处理器和存储器，处理器用于实现指令；存储器用于存储多条指令，所述指令适于由处理器加载并执行上述的主动式悬架神经网络自适应控制方法。
27、在另一些实施方式中，采用如下技术方案：
28、一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的主动式悬架神经网络自适应控制方法。
29、与现有技术相比，本专利技术的有益效果是：
30、(1)本专利技术控制方法不依赖任何线性化操作，不对原非线性模型做任何限制，将非线性闭环系统转化为全驱系统，保证了系统状态的渐近收敛。
31、(2)本专利技术控制方法引入仿生参考模型，利用非线性的有益响应，选择性地抑制非线性的有害动力响应，有效地抑制了振动，节约了控制能量。
32、(3)本专利技术引入径向基神经网络来逼近系统不确定性因素，处理了系统不确定性和输入死区等问题，并有效地减轻了跟踪误差。
33、(4)本专利技术方法能够保证主动式悬架系统的所有状态(本文档来自技高网...
【技术保护点】
1.一种主动式悬架神经网络自适应控制方法，其特征在于，包括：
2.如权利要求1所述的一种主动式悬架神经网络自适应控制方法，其特征在于，所述主动式悬架多层仿生参考模型为X型结构，由弹簧、旋转关节和连杆组成。
3.如权利要求1所述的一种主动式悬架神经网络自适应控制方法，其特征在于，基于所述仿生参考模型计算得到主动式悬架行程的期望轨迹，具体为：
4.如权利要求1所述的一种主动式悬架神经网络自适应控制方法，其特征在于，所述悬架行程的跟踪误差具体为：
5.如权利要求1所述的一种主动式悬架神经网络自适应控制方法，其特征在于，通过径向基神经网络逼近系统不确定性因素，具体为：
6.如权利要求5所述的一种主动式悬架神经网络自适应控制方法，其特征在于，设计主动式悬架控制器，具体为：
7.如权利要求6所述的一种主动式悬架神经网络自适应控制方法，其特征在于，所述主动式悬架控制器能够使得主动式悬架的悬架行程、悬架行程速度和悬架行程加速度渐近收敛于零。
8.一种主动式悬架神经网络自适应控制系统，其特征在于，包括：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。