文摘

促进主动式悬吊系统的性能的优化达到法律主动制导悬架系统滑模控制器基于布谷鸟算法处理。首先,主动悬架系统的线性模型。然后,根据新的指数达到法律的特点,一个活跃的滑模控制方案基于新的滑模趋近律设计。最后,仿真结果分为两个阶段来验证所提出的控制场景的适用性和优越性。

1。介绍

由于制造业的快速发展,实现增强对数量和质量的产品已经更改从一个简单的实现更准确的和智能的实现。具体来说,中国的汽车制造业近年来面临着更高的要求。例如,更光滑和不舒服的通过改善主动悬架系统的性能指标,各种优秀的和有效的控制方案,提出了主动悬架系统在汽车领域的控制1- - - - - -7]。锅和太阳设计输出反馈限定时间控制方法来解决这个问题如何稳定摄动车辆主动悬架系统。与限定时间收敛性能提出了扰动补偿器补偿未知外部干扰(2]。后来的研究,锅等人还提出了一种自适应容错方法合成与死区补偿控制器非线性主动式悬吊系统执行器和随机的缺点。提出一个驱动器故障补偿方案,可以实现任意小的跟踪误差与随机非线性执行器故障的存在(5]。有越来越多的主动悬架的控制策略,如H∞控制(4,8- - - - - -11),最优控制(12- - - - - -15),神经网络控制16- - - - - -19],LQG控制[20.,21),预测控制(22),和滑模控制14,23]。

滑模控制有很多优势,如快速响应、扰动不敏感,不需要在线识别系统。许多学者研究了滑模控制方案和应用程序(24,25]。江等人集中在事件驱动的网络控制系统的模糊滑模控制与半马尔科夫过程控制。预定义的开关表面的可达性和理想的滑动运动模糊滑模控制器的建立。单键机器人手臂系统的数值模拟,验证提出的适用性研究成果(24]。不仅甄等人提出了一个新颖的基于观察者和输出信息的线性滑动面也设计了相应的滑模控制律,以确保滑动面几乎达到目标的自适应方法(25]。一些学者设计滑模控制器根据主动式悬吊系统具有更好的性能,使车辆作用下车辆悬架系统的滑模控制器(26- - - - - -28]。在[26),作者设计了一个滑模控制器相结合两种滑动模式限制身体前面的垂直位移和后方的身体。仿真结果验证了在三个不同的假设。在[27],江泽民和卡里研究了非线性随机马尔可夫跳跃系统的滑模控制问题与不确定时变延迟,在构建模糊观测器系统,将系统转换为两个低阶子系统。在此基础上,自适应控制器综合利用有限时间延迟的信息。验证了该方法的有效性通过单键机械臂模型。王等人介绍了SMC战略转化为离散时间马尔可夫跳SPSs的研究,使用这种方法来研究采样异常缓慢的滑模控制问题与马尔可夫跳跃参数,操作系统也作出了一定贡献滑模控制中的应用(28]。杨等人研究了滑模控制的一类离散时间切换系统。这是一个伟大的突破在滑模控制领域的居留时间切换规则被认为是在滑模控制的研究29日]。

滑模控制方案的设计在文献中已经有了改进,但是滑模控制器的参数选择也至关重要。和不同的参数会导致大量的控制器的性能差距。优化算法的发展,这个问题已经在很大程度上解决。在[30.],Khoudiri等人提出了一种新的最优滑模控制器与固定开关频率的提高转换器。滑模控制器参数的范围是通过使用单纯形法,然后是粒子群优化算法(PSO)是用来找到使控制器的参数获得最佳的性能。在[31日),太阳选择控制器的输出函数和系统跟踪误差函数作为粒子群优化算法的适应度函数。通过使用优化参数,控制器的性能明显改善。高等人设计了一个滑模控制器的四自由度主动制导悬架系统模型和滑模控制器的参数优化与遗传算法,这样主动制导悬架系统的性能可以得到改善(32]。

上述学者主要滑模控制器的参数进行了优化。然而,传统的优化算法如粒子群优化(PSO)和遗传算法(GA)容易陷入局部最优解,和实现过程太复杂。本文将使用上级布谷鸟算法来优化参数的新指数达到法律主动制导悬架系统。布谷鸟搜索算法(CS)的许多学者由于其结构简单,几个控制参数,优秀的搜索路径,和强大的全局优化能力。作为主动制导悬架系统的性能指标之一,悬架的动态偏差反映了振动在驾驶的严重性,这是密切相关的影响车辆的身体在地上,驾驶车辆的稳定性。同时,考虑到车辆悬架系统的使用寿命,布谷鸟算法的适应度函数设计基于动态悬架的挠度。在设计过程中主动制导悬架系统的滑模控制器,大多数学者仍然使用传统趋近律设计方法。根据新的滑模趋近律提出了(33),主动制导悬架系统的滑模控制方案基于新的指数趋近律设计。本文提出了一种新的指数达到法通过添加指数参数原来的普通法律。它使新方法率设计方法优化的索引x_n更快更有效率。这种方法的困难在于选择x_n。这个参数应该是足够重要的控制模型。当该参数优化,它应该能够优化性能指标,从而达到最好的效果。

解决上述问题,滑模控制器参数优化方法基于布谷鸟算法。本文的主要贡献如下:(1)滑模控制器基于新的达到法律构建;(2)布谷鸟搜索算法被用来找到最好的主动制导悬架系统滑模控制器的参数;(3)在分析仿真结果,控制器在不同达到法律、算法比较优化前后两次。总之,有些学者改进的滑模控制方法,而其他人则提高了参数选择方案。因此,本文的动机是通过布谷鸟搜索算法优化参数与优越的性能改进后方法的滑模控制方案的基础上,达到法律。两种优化方法使之和滑模控制器的性能达到最佳。

本文的其余部分安排如下:主动制导悬架系统模型建立部分2。节3,新指数趋近律用于设计滑模控制器,并给出算法的相关参数。两个方案的仿真结果给出了部分4。,提出了本文的结论部分5。

2。一般线性主动制导悬架系统模型

在传统的被动悬架的研究和设计过程中,很难考虑平滑和稳定控制。主动悬架可以调整输出的力来维持一个合理的高度从地面到提高操纵稳定性,稳定性和车辆的机动性。在这篇文章中,1/4主动悬架模型如图1选择控制对象。

系统的动态模型图1如下: 在哪里米_年代和米_t分别表示出现和簧下质量;k_年代悬架的刚度;k_t代表轮胎刚度;c_年代代表了阻尼系数;x_年代和x_t簧载质量的垂直位移和位移的非簧载质量,分别;x_r是垂直的道路干扰;和U显示实际的控制力。悬架弹簧和轮胎都认为是线性的,因此整个模型是线性的。状态变量的选择如下:

然后,状态方程表达式可以表示如下:

矩阵参数状态方程表达式

3所示。滑模控制设计

3.1。滑模控制器基于新方法

前几年,滑模控制吸引了越来越多的关注由于其快速响应输入和扰动不敏感。滑模控制由两部分组成:方法和滑模运动运动。方法过程的正常运动阶段系统的连续控制。在状态空间的轨迹都是位于外表面或通过切换开关表面在一个有限的方式。滑模运动的阶段系统移动切换面附近,沿着切换方向稳定点。采用新的指数方法法更快地到达滑模面:

比较上述公式(5),

在新的指数趋近律(5),特殊函数状态变量添加的一个是一个常数。的性能指标变量的控制效果影响它的指数成分与系统变量x_n,在那里年代_N(x)和党卫军(x)分别表示新和常见的滑动面;胡志明市是一个象征性的函数,当年代大于0,它被认为是1,当年代小于0,则视为−1;和ε,ε_年代,k,k_年代都是系数。Zhang et al。33]证明了新的指数方法法可以有效地加速选择状态变量的收敛过程。

滑动表面的存在使得滑模控制渐近稳定和具有良好的质量。滑动面也代表了理想的控制系统的动态特性。的滑动面主动制导悬架系统设计如下: 在哪里c₁c₂,和c₃是常数。在滑模控制中,常量c₁c₂,和c₃必须满足赫维茨判据,使系统稳定。在切换超平面的设计,W被忽略,被认为是添加到控制的设计。

执行矩阵变换如下:

变换矩阵是

使下面的转换:

标准的类型可以获得如下: 在哪里

根据(11)和(12),在滑动面以下方程可以得到:

的特征多项式15)是

根据赫维茨判据,可以获得以下限制:

通过结合滑动变量(12)和(3)和(15),控制力可以获得如下:

为实际的减振系统,由于外部干扰W难以在线检测和估计,需要从外部干扰解耦控制,使扰动系数等于0。以下可以获得:c₁< 0,c₂> 0,c₃=0。

然后,定义了李雅普诺夫函数:

这个公式可以得到的导数 。如果系统使 在正常状态,然后李雅普诺夫理论告诉我们,系统最终将达到滑动面。

3.2。布谷鸟搜索算法的参数设置

尽管滑模控制具有良好的性能,控制器参数的选择有一个非常明显的对控制效果的影响。新的滑模方法法参数优化利用布谷鸟搜索算法,以及控制器的最优性能。算法不仅有一些控制参数和控制的不是复杂的外部指令,还可以有效地处理复杂的优化问题,如单峰值和multipeak价值。此外,当布谷鸟搜索算法执行全球搜索基于税飞行,频繁的小步骤,偶尔大步骤的价值使它丰富的解空间搜索行为,和搜索方向是灵活的。

布谷鸟搜索算法是一种有效的metaheuristic鑫她提出的优化算法和杨Suash Deb剑桥大学的模仿布谷鸟的特殊的育种和繁殖模式。在自然界中,杜鹃不建立自己的巢穴。相反,他们寻求其他鸟类的巢产卵,让其他鸟类帮助他们孵化和繁殖。然而,有机会,主人会发现入侵者的鸡蛋,此时主机将选择或放弃巢。布谷鸟搜索算法符合下列规则:(1)每一代杜鹃和随机选择只产一只蛋巢寄生繁殖。(2)随机选择代组,最好的后代可以执行的操作繁殖下一代。(3)巢的数量N的概率保持不变,鸡蛋发现外国鸟巢的主人是鸡蛋Pa。

利维航班搜索方法,并有很强的随机性已经应用于杜鹃算法: 在哪里和表示的巢穴位置t+ 1,t分别生成;代表了一步控制量;表示点对点乘法;n是燕窝的数量,它还代表了许多可行的解决方案;是随机搜索路径;和年代的随机步长是利维飞行。表达式如下:

(3)标准的情况发生时,不管解决方案的效果,它将被取消。布谷鸟的算法,将会创建一个新的巢穴。新巢的位置更新公式 在哪里是新建的巢;r和e均匀分布的随机数;和和任意两个巢穴的位置。优化方案如图2。

作为悬架设计的一个重要指标,动态悬架的挠度具有重要意义。只有通过确保性能的动态悬架的挠度可以缓冲块的影响在坏路面被阻止造成车辆损坏。与此同时,输出控制力量影响悬架的使用寿命,所以杜鹃算法的适应度函数和约束条件设计摘要如下: 在哪里是悬挂的均方根值动态偏转布谷鸟算法和优化悬架动挠度的均方根值不优化。因为适应度函数的最小值可以确保优化控制器的性能方面的悬架的动态挠度明显改善,致动器的输出力。

4所示。仿真结果

选中的悬架系统和控制器的参数如表所示1。

选为C级路面路面激励,表达式

路面的仿真曲线如图3。

更直观地解释新方法法对主动制导悬架系统和杜鹃算法的优越性,本节将仿真结果分为两部分进行比较分析。用的参数矩阵,被发现是一个满秩矩阵。和的动态参数C矩阵可获得根据方程(17)。的参数选择的一般方法法测试方法在优化范围内。

4.1。比较新的方法法和普通滑模控制器

主动制导悬架系统作为控制对象,和新方法中的状态变量法(5)设置为x₂;也就是说,车身的位移作为主要优化对象,并使用MATLAB / Simulink仿真。仿真结果如图4- - - - - -6。

从仿真结果可以发现,滑模控制器基于新方法方面的法律有一个明显的优势比普通悬架动挠度滑模控制器。身体的加速度,优势并不明显。两个滑模控制器的效果几乎相同的动态位移的轮胎。基于图的分析3,它可以知道滑模控制器基于新方法法使状态变量的稳定速度x₂更快,两个相关的性能指标x₂在主动制导悬架系统的动态挠度悬架和轮胎的动态位移。这表明滑模控制器基于新方法的法律仍然在主动制导悬架系统有良好的效果。本文使用RMS比较仿真结果的影响。悬架的动态挠度的0.0099是基于均方根新的滑模方法法。普通滑模的RMS是0.0103,和动态偏转悬架的性能提高了4%。

4.2。比较布谷鸟搜索算法优化和实现控制器

尽管基于一个新的趋近律的滑模控制器具有良好的性能,以达到最优的性能悬架动挠度,控制器参数的选择是非常重要的;本文采用基于滑模控制器的杜鹃算法的一种新的滑模趋近律参数的优化,根据适应度函数的设计,算法迭代200次,和健身曲线如图7。

当达到最优结果,新方法法参数的值是0.0444,k是13.9254。本文还提供了一个与其他控制方法的比较。模糊控制器具有鲁棒性、适应性和容错。一个二维主动制导悬架系统模糊控制器的设计,以加速度和速度作为输入和力量u作为输出。一个的宇宙(−8、8),的宇宙(−1,- 1),u的宇宙(1000−1000)和模糊宇宙(−3,3)。[NB, NS, Z, PS, PB)作为模糊语言。三角形隶属函数的选择,消除模糊的方法是一个双焦方法。模糊规则如表所示2。

三种悬架性能指标数据所示8- - - - - -11显示了输出控制的悬架。

根据仿真结果,发现后主动制导悬架系统有非常优越的性能指标,布谷鸟搜索算法完成了优化目标根据适应度函数的要求;也就是说,在输出的力的极限,悬架的动态挠度指标优化,确保主动悬架的使用寿命。滑模控制器优化CS算法执行比模糊控制器在加速度和悬架动挠度。轮胎的动态位移指数三个控制器的效果很接近。悬架动挠度的均方根值优化的控制器如表所示3。

5。结论

摘要布谷鸟搜索算法用于优化主动制导悬架系统滑模控制器采用指数趋近律参数。相比与传统的滑模控制器设计方案,主动制导悬架系统控制效果进一步提高。证明了优化方案的可行性。在未来的研究中,更复杂的悬架模型和算法优化能力更强可以结合主动制导悬架系统的性能越来越好。

数据可用性

所需的原始/处理数据复制这些发现也不能在这个时候作为数据共享一个正在进行的研究的一部分。

的利益冲突

作者宣称没有利益冲突。