结合改进ANFIS的车辆半主动悬架振动控制

摘要

为改善MR阻尼器半主动悬架的减振效果，提出一种基于改进自适应神经模糊推理系统(ANFIS)的半主动控制方法。首先，针对MR阻尼器的逆向动力学模型难以精确确定的问题，采用改进乌鸦搜索算法(MCSA)对ANFIS进行优化，即分别用MCSA和最小二乘法对ANFIS的前件参数和后件参数进行寻优，以克服标准ANFIS易于陷入局部最优解的缺陷。为了提高标准乌鸦搜索算法(CSA)的搜索精度，采用三角概率分布策略选择目标乌鸦，并对更新后的解实施反转变异操作。然后，根据悬架响应设计LQR控制器以计算理想控制力，并与改进逆向模型相结合，实现理想控制力与MR阻尼器输入控制信号之间的转化，从而调节阻尼力，实现车辆半主动悬架系统的振动控制。仿真结果表明：相较于GA-ANFIS和PSO-ANFIS,所提出的MCSA-ANFIS逆向建模方法具有更高的预测精度，使MR阻尼器的输入信号和阻尼力的预测精度分别提高17.49%和30.62%;以随机路面信号作为半主动悬架的激励，相较于被动控制和LQR-COC半主动控制，所提出的LQR-MCSA-ANFIS控制策略能使簧载质量加速度、悬架动行程和轮胎动载荷的均方根值分别下降12.37%、37.63%、30.70%以及6.64%、14.89%、17.27%。该半主动控制策略可为MR阻尼器悬架系统的减振研究提供参考。

关键词

汽车悬架 / 半主动振动控制 / 自适应神经模糊推理系统 / 乌鸦搜索算法 / LQR控制