修正模糊控制器在雙A臂懸架聯(lián)合仿真的應(yīng)用研究

王孝鵬

（三明學(xué)院機(jī)電工程學(xué)院，福建三明365004）

修正模糊控制器在雙A臂懸架聯(lián)合仿真的應(yīng)用研究

王孝鵬

（三明學(xué)院機(jī)電工程學(xué)院，福建三明365004）

用ADAMS軟件建立雙A臂懸架多體動力學(xué)模型，計算簧載質(zhì)量速度及其變化率作為主動懸架控制的輸出量；半主動懸架采用帶修正因子的模糊控制器，用加權(quán)系數(shù)分別控制簧載質(zhì)量速度與加速度所占模糊控制器輸入的比重，其中加權(quán)系數(shù)采用簧載質(zhì)量速度進(jìn)行修正調(diào)節(jié)；在MATLAB搭建懸架系統(tǒng)聯(lián)合仿真模型，計算結(jié)果表明：帶修正因子的模糊控制器在各不同車速階段對改善懸架的總體性能有明顯作用，車身垂直加速度在低頻階段改善突出，提升整車在不同車速范圍內(nèi)乘坐舒適特性。

雙A臂懸架；路面模型；修正因子；聯(lián)合仿真

雙A臂懸架多體模型能夠較好的反映懸架的真實運(yùn)動機(jī)理，采用多體模型與控制策略研究主動懸架系統(tǒng)是一種新型方法。車輛在行駛過程中，整車的平順性與操縱穩(wěn)定性取決于懸架系統(tǒng)特性的調(diào)教。懸架是車身與車輪之間的傳力裝置，在整車的行駛過程中只有在特定的行駛條件下，被動懸架狀態(tài)才能達(dá)到最優(yōu)狀態(tài)，當(dāng)路面的條件或者行駛的速度發(fā)生變化，懸架的最優(yōu)狀態(tài)會發(fā)生破壞，因此被動懸架的設(shè)計只能采取折中的方法進(jìn)行解決。半主動懸架的核心是采用不同的控制策略對減震器的阻尼特性進(jìn)行調(diào)節(jié)。純模糊控制系統(tǒng)具有不依賴系統(tǒng)的數(shù)模模型，魯棒性好，容錯能力強(qiáng)等優(yōu)點，但具有一定的穩(wěn)態(tài)誤差。半主動懸架是近些年相關(guān)文獻(xiàn)研究的一個趨勢，相對于主動懸架，主要通過改變減震器的可變力輸出來控制整車的震動特性，其性能與主動懸架接近。相比主動懸架，其結(jié)構(gòu)簡單，能耗小[1-5]。通過建立雙A臂主動懸架聯(lián)合仿真模型，采用修正模糊控制器對1/4整車模型進(jìn)行仿真研究并與被動懸架的性能進(jìn)行對比。

1 雙A臂懸架模型

雙A臂懸架多體動力模型的建立是聯(lián)合仿真的前提工作，其建模精度直接導(dǎo)致仿真結(jié)果與真實實驗的差距。

1.1 懸架模型

基于聯(lián)合仿真的大多文獻(xiàn)在模型建立存在如下問題：1）采用彈簧質(zhì)量系統(tǒng)模擬懸架運(yùn)動特征，此模型能較好的反映懸架的垂直震動特性，但不能反映懸架的實際運(yùn)行狀態(tài)且忽略了車輪的側(cè)性運(yùn)動；2）懸架的下控制臂與轉(zhuǎn)向橫拉桿與地面進(jìn)行相互約束，彈簧減震器直接與車身或地面直接連接；正確應(yīng)為與車身進(jìn)行約束，在車身與彈簧減震器之間添加無質(zhì)量的虛部件，此模型雖然具有懸架模型的多體形式，且能反映懸架的K&C特性，但車身與車輪之間相對（懸架動行程）與真情況不符；通過ADAMS軟件建立雙A臂懸架模型，同時在減震器上下安裝點之間建立主動力函數(shù)，在測試試驗臺建立路面輸入函數(shù)模擬B級路面不同車速段的輸入；將實驗測得的磁流變液阻尼器特性曲線輸入到雙A臂懸架中，建立好的麥弗遜懸架模型主視與側(cè)視圖如圖1所示。

建立車身速度、加速度、懸架動行程及車輪側(cè)向滑移量狀態(tài)輸出函數(shù)如下：

VY(.double_wishbone.body.cm)；

ACCY(.double_wishbone.body.cm)；

DY(.double_wishbone.body.cm,.double_wishbone.knuckle.

MARKER_40)-343.6；

DZ(.double_wishbone.knuckle.MARKER_84,.double_

wishbone.

test_patch.cm)。

建立懸架主動力、路面狀態(tài)輸入函數(shù)如下：

VARVAL(.double_wishbone.LUMIAN_SHURU)；

VARVAL(.double_wishbone.ZHUDONGLI_SHURU)。

圖1 雙A臂主動懸架模型Figure 1 Doublewishbone Active Suspension Model

2 路面模型

對懸架性能分析時需要輸入路面模型。根據(jù)國家標(biāo)準(zhǔn)將公路等級分為8種，在不同的路段測量，很難得到兩個完全相同的路面輪廓曲線。通常是把測量得到的大量路面不平度隨機(jī)數(shù)據(jù)，經(jīng)數(shù)據(jù)處理得到路面功率譜密度。產(chǎn)生隨機(jī)路面不平度時間輪廓有兩種方法，由白噪聲通過一個積分器產(chǎn)生或者由白噪聲通過一個成型濾波器產(chǎn)生。路面時域模型可用如下公式（1）描述；根據(jù)公式建立B級路面不同車速的仿真模型如圖2所示，B級路面不同車速的垂直位移計算結(jié)果如圖3所示。

式中：q（t）為路面隨激勵；w（t）為積分白噪聲；f0為時間頻率；Gq為路面不平度系數(shù)；V為汽車行駛速度。

圖2 B級路面不同車速時域仿真模型Figure 2 Class B road different speed time-domain simulationmodels

圖3 B級路面各車速垂向位移Figure 3 Class B road different speed vertical displacement

3 控制器設(shè)計

模糊控制規(guī)則是模糊控制器的核心，它用語言的方式描述了控制器輸入量與輸出量及修正因子k之間的關(guān)系。懸架的輸入輸出分別采用7個語言變量規(guī)則來進(jìn)行描述：負(fù)大（-3）、負(fù)中（-2）、負(fù)小（-1）、零（0），正小（1）、正中（2）、正大（3）.修正因子k采取4個語言模糊集來進(jìn)行描述：零（0），正小（1）、正中（2）、正大（3）。

采用帶修正因子的模糊控制器對主動控制力U進(jìn)行控制。在控制過程中，以車身的速度V與期望值的誤差及其變化率作為模糊控制器的輸入量、用修正因子k控制簧載質(zhì)量的速度與加速度的輸入的權(quán)重，用公式2所示；其中修正因子k的大小由簧載質(zhì)量的速度進(jìn)行在線實時調(diào)節(jié)。

通過對k值的調(diào)節(jié)，可以控制簧載質(zhì)量的速度與加速度對輸出控制力U的加權(quán)程度。在初始狀態(tài)，系統(tǒng)的誤差比較大，控制的主要目標(biāo)是消除誤差，因此誤差E的權(quán)重k應(yīng)取較大值；當(dāng)系統(tǒng)的趨于穩(wěn)定時，系統(tǒng)本身誤差已經(jīng)減小，此時控制系統(tǒng)的主要控制目標(biāo)是減小超調(diào)量，使系統(tǒng)盡快穩(wěn)定，此時取k為較小值。在不同的誤差控制范圍取不同的加權(quán)因子k，以實現(xiàn)控制規(guī)則在線實時調(diào)整。修正因子k的模糊控制規(guī)則如表1所示。

表1 修正因子k模糊控制規(guī)則Table 1 Correction factor k fuzzy control rules

簧載質(zhì)量的速度、加速度的基本論域為：

E=[-0.02,0.02]、EC=[-0.2,0.2]；

簧載質(zhì)量的速度、加速度的量化因子分別為：

Ke=3/E=3/0.06=150；

Kec=3/EC=3/0.6=15；

主動力預(yù)控范圍為：

U=[-150,150];

主動力的基本語言變量范圍為：

E=[-3,3];

主控力U比例因子分別為：

KU1=U1/E=150/3=50；

當(dāng)誤差E為正時，實際值大于目標(biāo)值；當(dāng)誤差E為負(fù)時，實際值小于目標(biāo)值；當(dāng)誤差變化率EC為正時，實際值的變化趨勢是逐步增大；當(dāng)誤差變化率EC為負(fù)時，實際值有逐步減小的趨勢。當(dāng)輸出變量U為正時，有使實際值增大的趨勢，當(dāng)U為負(fù)時，有使實際值減小的趨勢[3]。當(dāng)誤差大或較大時，選擇控制量以盡快消除誤差為主；而誤差較小時，選擇控制量時應(yīng)注意防止超調(diào)，以系統(tǒng)的穩(wěn)定性為主要考量。當(dāng)誤差為負(fù)而誤差變化率為正時，系統(tǒng)本身已有減小這種誤差的趨勢，所以為盡快消除誤差且又不引起超調(diào)，應(yīng)取較小的控制量[6-8]。模糊化時各輸入輸出均采用三角形隸屬函數(shù)，模糊推理采用Mandain法，解模糊采用重心法。在MATLAB模糊控制模塊輸入模糊控制規(guī)則并搭建二維模糊控制結(jié)構(gòu)子系統(tǒng)，模糊控制規(guī)則如表2所示。根據(jù)公式2搭建帶修正因子的模糊控制器如圖4所示。

表2 模糊控制規(guī)則Table 2 Fuzzy control rules

圖4 修正因子模糊控制器Figure 4 Correction factor fuzzy controller

4 仿真分析

導(dǎo)通ADAMS與MATLAB軟件之間通信，其狀態(tài)函數(shù)如圖5所示；對路面及修正模糊復(fù)合控制器進(jìn)行封裝，建立ADAMS主動懸架聯(lián)合仿真模型如圖6所示。在B級路面上車輛分別以20、40、60、80 km/h的速度直線行駛，計算主被動懸架的車身加速度、懸架動行程、車輪側(cè)向滑移量。主被動懸架計算結(jié)果如圖7-10所示，仿真步長為0.005 s，仿真時間為10 s。

從計算結(jié)果可以看出，主動懸架相對于被動懸架在性能上都有局部提升.在各不同車速階段，車身垂直加速度性能提升明顯，增加整車行駛過程中的乘坐舒適性；懸架動行程，車輪側(cè)向滑移保持不變或者有惡化趨勢，因數(shù)量級較小，可以忽略不計。各個速度段的懸架性能參數(shù)變化如表3所示.

圖9、10為車身加速度、懸架動行程的功率譜曲線.其從功率譜曲線可以看出，車身加速度功率譜曲線整車運(yùn)行過程中，主動懸架的幅值相對被動懸架都較小，同時可以看出，振幅最大值都出現(xiàn)在頻率較小處，低頻路面輸入信息對整車的震動特性較大；懸架動行程功率譜曲線在全速范圍內(nèi)性能提升不明顯，被動懸架復(fù)制較大，同時低頻路面輸入信息對整車的震動特性較大。

圖5 通信狀態(tài)函數(shù)Figure 5 Communication status function

圖6 聯(lián)合仿真模型Figure 6 Co-simulationmodel

表3 性能均方根值Table 3 Performance RMS

圖7 車身垂向加速度Figure 7 Body vertical acceleration

圖8 懸掛動行程Figure 8 Suspension dynamic travel

圖9 車身加速度功率譜Figure 9 Power spectrum of vehicle acceleration

圖10 懸掛動行程度功率譜Figure 10 Power spectrum of suspension travel

5 結(jié)論

通過建立雙A臂主動懸架聯(lián)合仿真模型，采用修正因子模糊控制器對阻尼力進(jìn)行控制，分析懸架在各個不同車速段的車速加速度，懸架動行程及車輪側(cè)向滑移量特性，可得出如下結(jié)論：

（1）車身的垂直加速度在全速范圍內(nèi)均有改善，提升整車乘坐舒適性；懸架動行程及車輪側(cè)向滑移量保持不變或者有惡化趨勢；

（2）車身的垂直加速度功率譜幅值在全頻段相對被動懸架幅值都較小；低頻狀態(tài)時對懸架性能的影響顯著。

[1]楊禮康.基于磁流變技術(shù)的車輛半主動懸掛系統(tǒng)理論與試驗研究[D].杭州：浙江大學(xué),2003.

[2]唐志橋.二分之一車輛懸架系統(tǒng)的動力學(xué)仿真研究[J].公路與汽運(yùn),2015,166(1)：5-8，56.

[3]劉靜.帶天棚阻尼的1/2車輛主動懸架仿真研究[J].公路與汽運(yùn),2015,166(3)：15-20+80.

[4]張潔.公路車輛與橋梁耦合振動分析研究[D].成都：西南交通大學(xué),2007.

[5]HROVAT D.Optimal active suspensions for 3d vehicule models[C].Proc of the American Control Conference,Arizona,USA.1991(2)：1534-1541.

[6]喻凡,林逸.汽車系統(tǒng)動力學(xué)[M].北京：機(jī)械工業(yè)出版社, 2012：171-172.

[7]周兵,趙保華.汽車主動懸架自適應(yīng)模糊PID控制仿真研究[J].湖南大學(xué)學(xué)報(自然科學(xué)版),2009,36（12）：27-30.

[8]張昆,習(xí)文輝,鄧文華,等.基于CarSim-Simulink聯(lián)合仿的整車半主動懸架模糊控制仿真研究[J].昆明理工大學(xué)學(xué)報,2015,40（1）：39-44.

（責(zé)任編輯：葉麗娜）

Co-simulation Research of DoubleW ishbone Suspension Based on Correction Factor Fuzzy Controller

WANG Xiaopeng
(School of Mechanical&Electronic Engineering,Sanming University,Sanming,Fujian 365004)

Using the ADAMS software,double wishbone suspension multibody dynamicsmodel,Calculated sprung mass velocity and its rate of change as the active suspension control output;Semi-active suspension with fuzzy controller based on a correction factor,the weighting coefficients are controlled by the proportion of the sprung mass velocity and acceleration share fuzzy controller input,wherein theweighting factor using the corrected sprungmass speed adjustment;In MATLAB built suspension system co-simulationmodel,The results show that：the use of fuzzy controller in various stages of vehicle speed to improve the overall performance of the suspension plays a significant role,Vertical body acceleration,stroke improvement prominent in the low frequencies,to enhance vehicle ride comfort characteristics in different speed ranges.

double wishbone suspension;road model;correction factor;co-simulation

U270.1

A

1674－2109(2017)03－0072－05

2016-09-19

王孝鵬（1984-），男，漢族，講師，主要從事車輛系統(tǒng)動力學(xué)及控制、汽車NVH分析與控制的研究。