一种全车主动悬架自适应定周期采样控制器设计方法及其系统

技术领域

本发明涉及汽车主动悬架控制领域，特别是一种全车主动悬架自适应定周期采样控制器设计方法及其系统。

背景技术

近年来，随着科技的快速发展和人们生活水平的不断提高，汽车已经成为人们生活中不可或缺的代步工具，并且每年的汽车销量都在稳步增长。各大汽车生产商为了在商贸竞争中具有更大的优势，在提升汽车的性能方面投入了大量资源。而在汽车的性能中，汽车的稳定性无疑是考量汽车舒适性的重要指标。作为保持汽车稳定性的重要元件，汽车悬架系统的控制问题也引起了众多学者的广泛关注。

现代汽车中的悬架有两种，一种是从动悬架，另一种是主动悬架。相比于从动悬架，主动悬架系统的刚度和阻尼特性能根据汽车的行驶条件(车辆的运动状态和路面状况等)进行动态自适应调节，使汽车始终处于最佳减振状态。近年来，针对主动悬架系统的自适应控制问题吸引了诸多控制工程研究人员的关注，并且国内外的学者已经取得一系列研究结果。但是，现有技术仍然存在以下问题：

一、对于目前现有的主动悬架系统控制方法，控制对象大部分都是四分之一汽车悬架系统，忽略了各个主动汽车悬架系统相互间的影响，在只控制独立的四分之一汽车悬架系统时，无疑可以保证当前悬架系统的稳定性。但是，即使当前的四分之一汽车悬架系统稳定时，其他汽车悬架系统仍有可能在保持制动，而给该控制好的悬架系统带来影响，从而影响整个汽车的稳定性。另外，从整个车身的角度看，即使当所有的悬架系统都保持稳定，当前的称身状态仍有可能处于一种倾斜或者俯仰的状态。

二、在现有的全车主动悬架系统控制方法中，需要实时反馈悬架系统中的信息。而从实际角度来看，以往的控制方法中，需要对汽车的数据进行一个实时获取，即每时每刻都需要获取汽车的反馈信息，如1秒到2秒内，存在着1.1 秒至1.9秒，以往的控制方法中需要在这1秒至2秒时间内所有的相关汽车数据，完成汽车进行控制，而我们知道，汽车的悬架系统的受力大小和方向每时每刻都在变化，而完全采集这些所有的变化信息基本上是很难实现的。因此，以往的自适应控制方法在实际应用中有着很大的局限性。

三、现有的自适应方法虽然可以实现对主动悬架系统的控制，但是在面对部分数据缺失等情况时，会导致无法计算控制信号，从而丢失控制效果。因此，汽车在数据缺失时刻就得不到有效的控制，无法保障系统的稳定性。

发明内容

本发明提供一种全车主动悬架自适应定周期采样控制器设计方法及其系统，以克服自适应控制方法在实际应用中有着很大的局限性等问题。

为了实现上述目的，本发明的技术方案是：

一种全车主动悬架自适应采样控制器设计方法，其特征在于，该方法包括如下步骤：

步骤1、建立全车主动悬架模型；

步骤2、结合全车主动悬架模型与自适应律，获得虚拟误差面和学习参数；

步骤3、结合全车主动悬架模型与虚拟误差面、学习参数获得连续时间形式的采样控制信号；

步骤4、将连续时间形式的采样控制信号通过零阶保持器变为阶梯采样控制信号。

进一步的，所述全车主动悬架模型具体公式为：

其中，M是车身质量，m

进一步的，所述步骤2具体为：

步骤2.1、获取全车主动悬架模型的y(t)车辆的垂向位移，θ(t)汽车的俯仰角度，φ(t)汽车的横摇角度，计算出虚拟误差面z

其中，x

其中虚拟控制器α

α

α

其中，λ

步骤2.2、建立时间判断模块计算出增益常数s

t

其中，t

步骤2.3、对全车主动悬架模型进行非线性滤波过滤，利用增益常数s

其中，l

进一步的，所述步骤3具体为：

结合全车主动悬架模型与虚拟误差面z

计算出u

其中u

进一步的，所述步骤4具体为：利用零阶保持器模块将连续时间形式的采样控制信号通过零阶保持器变为阶梯采样控制信号。

同样的目的，本发明还提供使用一种全车主动悬架自适应采样控制器设计方法的系统，其特征在于：包括时间判断模块、数据处理模块、参数在线学习模块、非线性滤波模块、采样控制器模块、零阶保持器模块和全车主动悬架系统；

所述时间判断模块的输出端与参数在线学习模块的输入端相连，所述数据处理模块的输入端与全车主动悬架模型的输出端相连，所述参数在线学习模块的输入端与数据处理模块、时间判断模块和非线性滤波模块的输出端相连，所述非线性滤波模块的输入端与数据处理模块和参数在线学习模块的输出端相连，所述采样控制器模块的输入端分别与数据处理模块和非线性滤波模块的输出端相连，所述零阶保持器模块的输入端与采样控制器的输出端相连，所述全车主动悬架系统与数据处理模块的输出端相连；

时间判断模块用于收集全车主动悬架系统采样时间，进而得到增益常数；

数据处理模块用于处理全车主动悬架系统中的车身、车轮的垂直位移，车身、车轮的垂直振动速率信息以得到虚拟误差面数据，并将虚拟误差面数据传输给采样控制器模块；

非线性滤波模块用于将数据处理模块处理后的信息进行非线性滤波过滤，并利用学习反馈结果得到学习参数；

参数在线学习模块用于对全车主动悬架系统中的车身、车轮的垂直位移，车身、车轮的垂直振动速率信息对自适应律进行在线学习，并将学习结果反馈到非线性滤波模块；

采样控制器模块用于利用学习参数与虚拟误差面数据，并结合全车主动悬架系统得到连续时间形式的采样控制信号；

零阶保持器模块用于将连续时间形式的采样控制信号转换为阶梯采样控制信号。

有益效果：

第一，本发明专利针对全车主动悬架系统，设计自适应采样控制器，解决了现有的主动悬架系统控制方法的控制对象大部分都是四分之一汽车悬架系统，忽略了各个主动汽车悬架系统相互间影响的问题。

第二，本发明仅需通过采集主动汽车悬架系统的采样信息，即可实现对主动汽车悬架系统自适应控制，有效提高了自适应控制方法的高效性，解决了现有的全车主动悬架控制方法大部分都需要全车主动悬架的实时信息来控制全车主动悬架的问题。

第三，本发明专利所提出的采样控制器不需要实时变化控制信号，而是在一个采样周期中，只需要保持一定的采样信号值，大大的减少了悬架系统执行器的损耗，使得悬架系统的执行器具有更长的使用寿命，减少了相应的经济损耗。

第四，本发明的采样控制可以在系统存在部分数据缺失的情况下，也能达到预期的控制效果。于此同时，由于采样控制方法不需要系统的实时反馈，只需将采样时刻的信息进行传输，自适应采样控制降低了网络负荷，节省了通信资源。因此，相对于现有的控制方法，自适应采样控制不但具有更好的鲁棒性，而且可以更加有效地节省传输资源。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明设计流程图；

图2是全车主动悬架系统的自适应采样控制示意图；

图3是针对全车主动悬架模型设计的采样控制器控制效果图；

图4是车身的垂直位移控制效果图；

图5是车身的垂直速率控制效果图；

图6是车身的俯仰角度控制效果图；

图7是车身的俯仰角速率控制效果图；

图8是车身的横摇角度控制效果图；

图9是车身的横摇角速率控制效果图；

图10是右前方汽车悬架垂直位移的控制效果图；

图11是右后方汽车悬架垂直位移的控制效果图；

图12是左前方汽车悬架垂直位移的控制效果图；

图13是左后方汽车悬架垂直位移的控制效果图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本实施例1提供了一种全车主动悬架自适应采样控制器设计方法，如图1-2，其特征在于，该方法包括如下步骤：

一种全车主动悬架自适应定周期采样控制器设计方法，其特征在于，该方法包括如下步骤：

步骤1、建立全车主动悬架模型；

步骤2、结合全车主动悬架模型与自适应律，获得虚拟误差面和学习参数；

步骤3、结合全车主动悬架模型与虚拟误差面、学习参数获得连续时间形式的采样控制信号；

步骤4、将连续时间形式的采样控制信号通过零阶保持器变为阶梯采样控制信号。

在具体实施例中，所述全车主动悬架模型具体公式为：

其中，M是车身质量，m

通过汽车主体图纸获取汽车的轮胎刚度，汽车总质量，汽车悬架系统距离车身质点的距离，以及汽车悬架系统的簧载质量，通过汽车悬架系统中传感器得到的悬架系统阻尼力、悬架系统弹簧力，以及悬架系统的垂向位移。通过汽车主体中传感器得到的汽车横摇角度和俯仰角度，汽车横摇速度和俯仰速度，以及汽车横摇加速度和俯仰加速度。

在具体实施例中，所述步骤2具体为：

步骤2.1、获取全车主动悬架模型的y(t)车辆的垂向位移，θ(t)汽车的俯仰角度，φ(t)汽车的横摇角度，计算出虚拟误差面z

其中，x

其中虚拟控制器α

α

α

其中，λ

步骤2.2、建立时间判断模块计算出增益常数s

t

t

步骤2.3、对全车主动悬架模型进行非线性滤波过滤，利用增益常数s

其中，l

在具体实施例中，所述步骤3具体为：

结合全车主动悬架模型与虚拟误差面z

计算出u

其中u

在具体实施例中，所述步骤4具体为：利用零阶保持器模块将连续时间形式的采样控制信号通过零阶保持器变为阶梯采样控制信号。

同样的目的，本发明提供实施例2：一种使用全车主动悬架自适应采样控制器设计方法的系统，其特征在于：包括时间判断模块、数据处理模块、参数在线学习模块、非线性滤波模块、采样控制器模块、零阶保持器模块和全车主动悬架系统；

所述时间判断模块的输出端与参数在线学习模块的输入端相连，所述数据处理模块的输入端与全车主动悬架模型的输出端相连，所述参数在线学习模块的输入端与数据处理模块、时间判断模块和非线性滤波模块的输出端相连，所述非线性滤波模块的输入端与数据处理模块和参数在线学习模块的输出端相连，所述采样控制器模块的输入端分别与数据处理模块和非线性滤波模块的输出端相连，所述零阶保持器模块的输入端与采样控制器的输出端相连，所述全车主动悬架系统与数据处理模块的输出端相连；

时间判断模块用于收集全车主动悬架系统采样时间，进而得到增益常数；

数据处理模块用于处理全车主动悬架系统中的车身、车轮的垂直位移，车身、车轮的垂直振动速率信息以得到虚拟误差面数据，并将虚拟误差面数据传输给采样控制器模块；

非线性滤波模块用于将数据处理模块处理后的信息进行非线性滤波过滤，并利用学习反馈结果得到学习参数；

参数在线学习模块用于对全车主动悬架系统中的车身、车轮的垂直位移，车身、车轮的垂直振动速率信息对自适应律进行在线学习，并将学习结果反馈到非线性滤波模块；

采样控制器模块用于利用学习参数与虚拟误差面数据，并结合全车主动悬架系统得到连续时间形式的采样控制信号；

零阶保持器模块用于将连续时间形式的采样控制信号转换为阶梯采样控制信号。

零阶保持器模块的作用是在信号传递过程中，把第nh时刻的采样信号值一直保持到第(n+1)h时刻的前一瞬时，把第(n+1)h时刻的采样值一直保持到 (n+2)h时刻，依次类推，从而把一个脉冲序列变成一个连续的阶梯信号。

如图2所示，在不平整的路面行驶时将车辆的垂向位移y(t)，汽车的俯仰角度θ(t)，汽车的横摇角度φ(t)等信息传输到数据处理模块，并利用所建立的参数在线学习模块得到自适应参数

仿真结果如图3-13所示。图3是针对全车主动悬架模型设计的采样控制器控制效果图，图4是车身的垂直位移控制效果图，图5是车身的垂直速率控制效果图，图6是车身的俯仰角度控制效果图，图7是车身的俯仰角速率控制效果图，图8是车身的横摇角度控制效果图，图9是车身的横摇角速率控制效果图，图10是右前方汽车悬架垂直位移的控制效果图，图11是右后方汽车悬架垂直位移的控制效果图，图12是左前方汽车悬架垂直位移的控制效果图，图 13是左后方汽车悬架垂直位移的控制效果图，通过以上仿真结果图可以看出，车身和四个方向汽车悬架的垂直位移和垂直速率都实现了收敛，这意味着样控制器成功地对全车车身进行了有效的控制。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。