主动悬架系统能量回收调查研究

2015-12-15 22:53
汽车文摘 2015年2期
关键词:控制力执行器控制算法



主动悬架系统能量回收调查研究

为了分析主动悬架系统在不同控制算法下的能量消耗,搭建了1/4车辆模型,在簧上质量与簧下质量之间加入了用来产生控制力的电磁执行器模型。压缩过程中,相对速度为负,执行器切入电机模式顺时针旋转,消耗电源能量;拉伸过程中,相对速度为正,执行器切入充电模式逆时针旋转,给电源充电。

为了提高车身的稳定性,控制器输出的控制力应能减小簧上、簧下质量之间的相对振动。控制算法包括PID、FA-PID(基于模糊理论的PID算法)和NA-PID(基于神经网络的PID算法)。PID算法中,比例系数、积分系数和微分系数值经过调试后固定不变;FA-PID采用模糊控制规则修改PID参数,能够在不同时间得到不同的参数值;NA-PID根据3个变量不同的学习率来调整对应的加权因子,得到实时的最优变量值。

用脉冲信号模拟地面凸块输入,对3种控制算法进行仿真分析。仿真结果表明:①在舒适性方面,NA-PID控制算法的超调量最小,持续时间最短,车身垂直方向位移最小,即NA-PID算法的舒适性最高,而FA-PID算法次之,PID算法最差;②能量的消耗值和回收值都是与簧上、簧下质量之间的相对速度成比例关系;③NA-PID控制算法能够得到最小的相对速度负值和最大的相对速度正值,即该算法消耗能量最少,回收能量最多。比较而言,FAPID算法消耗能量最多,回收能量最少。PID算法控制效果在两者之间。

R. Wang et al. Proceedings of the 19th International Conference on Automation& Computing, Brunel University,London, UK, 13-14 September 2013.

编译:张为荣

猜你喜欢
控制力执行器控制算法
更正说明
形状记忆合金执行器研究综述
自动驾驶汽车执行器故障冗余算法
基于模型预测控制算法的智能密度控制系统在选煤厂的应用
基于Backstepping的非线性无人船航向控制算法
灵活多变,有着惊喜的细节重播和控制力 Starke Sound(史塔克声学)AD4.320 4声道功率放大器
X-431实测篇2010年奔驰B200空调执行器电机学习
语言控制·危机·消解
ABS自动优化控制算法及应用
基于非线控制算法的三相感应异步电机设计