朱浩车辆主动悬挂最优预见控制模型_朱浩
基于最优预瞄和模型预测的智能商用车路径跟踪控制
J Automotive Safety and Energy, Vol. 11 No. 4, 2020462—469基于最优预瞄和模型预测的智能商用车路径跟踪控制李耀华，刘 洋，冯乾隆，南友飞，何 杰，范吉康（长安大学汽车学院，西安710064，中国）摘要：为解决智能商用车路径跟踪问题，采用一种最优预瞄控制策略。
根据商用车航向角与路径曲率的关系，引入航向角偏差反馈控制；根据车速与预瞄距离的关系，提出了变权重因数的多点预瞄距离确定方法。
为了保证商用车路径跟踪的稳定性，采用模型预测控制策略，对车轮侧偏角进行约束。
通过TruckSim与Simulink联合仿真，对比分析了侧向偏差、横摆角速度和前轮侧偏角变化情况。
结果表明：最优预瞄控制策略对车速变化具有较好的适应性，但当路面附着因数较低时，车辆会失去稳定性；模型预测控制策略对车速和路面附着因数变化都具有较好的适应性，行驶稳定性更好，且比最优预瞄控制策略具有更精确的路径跟踪效果。
关键词：智能商用车；路径跟踪；路面附着因数；最优预瞄控制；模型预测控制中图分类号： U 471.15 文献标识码： A DOI： 10.3969/j.issn.1674-8484.2020.04.005Path tracking control for an intelligent commercial vehicle based on optimal preview and model predictiveLI Yaohua, LIU Yang, FENG Qianlong, NAN Youfei, HE Jie, FAN Jikang(School of Automobile, Chang’an University, Xi’an 710064, China)Abstract: An optimal preview control strategy was adopted to solved path tracking problem of intelligent commercial vehicles. According to the relationship between the heading angle and the curvature of the path,the heading angle deviation feedback control was introduced. According to the relationship between the speedand the preview distance, a multi-point preview distance determination method with variable weight coefficientwas proposed. In order to ensure the stability of path tracking, the model predictive control was used to restrictthe wheel sideslip angle. Through co-simulation of TruckSim and Simulink, the lateral deviations, the yaw ratesand the front wheel slip angles were compared. The results show that the optimal preview control has good adaptability to the speed, but when the road adhesion factor is low, the vehicle will lose stability; The model predictive control has better adaptability to speeds and road adhesion factors, and has better driving stability,and has more accurate path tracking effect than the optimal preview control.Key words:i ntelligent commercial vehicles; path tracking; road adhesion factors; optimal preview control;model predictive control收稿日期 / Received ：2020-07-18。
最优控制问题的鲁棒预测控制
最优控制问题的鲁棒预测控制鲁棒预测控制是一种重要的控制方法，主要用于系统在存在模型不确定性或外部扰动的情况下，能够保持系统的稳定性和性能。
最优控制问题是一类经典的控制问题，旨在寻找一个最优的控制策略，使系统在一定约束下达到最优的性能指标。
本文将讨论最优控制问题与鲁棒预测控制的结合，探讨如何应对不确定性和扰动，以实现鲁棒的预测控制。
一、最优控制问题简介最优控制问题是研究如何通过选择最优的控制策略，使系统在给定约束条件下达到最优性能指标的问题。
最优控制问题通常可以用动态系统的状态方程和性能指标来描述。
其中，状态方程描述了系统的动态演化规律，性能指标定义了系统在不同状态和控制策略下的性能评价指标。
最优控制问题的目标是找到一个控制策略，使性能指标最小或最大，同时满足系统的约束条件。
二、鲁棒预测控制的概念鲁棒预测控制是一种针对存在模型不确定性和外部扰动的系统设计的控制方法。
鲁棒预测控制的目标是通过建立预测模型和控制器，使系统在不确定性和扰动的影响下仍能保持稳定性和性能。
鲁棒预测控制通常将系统建模为一个带有不确定性的模型，并采用预测控制策略来预测系统的未来状态，并通过调整控制信号来使实际系统的输出接近期望输出。
三、最优控制问题的鲁棒预测控制方法在最优控制问题中引入鲁棒预测控制的思想，可以提高系统的鲁棒性和性能指标的收敛速度。
具体步骤如下：1. 确定最优控制问题的性能指标和约束条件，建立系统的状态方程和性能指标函数。
2. 建立鲁棒预测模型，考虑系统的不确定性和扰动因素，并将其引入到模型中。
3. 设计鲁棒性控制器，通过对系统的状态进行预测，并根据预测结果调整控制信号，使系统的输出接近期望输出。
4. 利用优化算法求解最优控制问题，寻找使性能指标最优的控制策略。
5. 验证鲁棒预测控制的性能，通过仿真或实验等方法，对设计的控制器进行性能评估。
四、优化算法在最优控制问题中的应用为了求解最优控制问题，需要使用优化算法来搜索最优的控制策略。
基于LQR控制的现代客车自适应空气悬架
10.16638/ki.1671-7988.2021.06.031基于LQR控制的现代客车自适应空气悬架王旭（扬州亚星客车股份有限公司，江苏扬州225116）摘要：长期在不良工况的道路上驾驶会降低驾驶员的乘坐舒适性。
随着人们对乘坐舒适性需求不断提升，空气弹簧的优势尤为明显。
文章提出了一种基于LQR控制策略的自适应空气悬架系统的创新设计方案，提出的LQR控制器采用粒子群算法进行优化。
以客车空气悬架为研究对象，采用MATLAB软件对空气悬架系统的被动和自适应动力学模型进行了设计和仿真。
仿真结果表明，自适应空气悬架系统在保证车辆稳定性的同时，降低了车辆在随机道路上的最大位移幅值，从而提高了车辆的平顺性。
关键词：空气悬架；PID；PSO；自适应悬架；乘坐舒适性中图分类号：U461.4 文献标识码：A 文章编号：1671-7988(2021)06-101-04Modern passenger car adaptive air suspension based on LQR controlWang Xu( Yangzhou Yaxing Bus Co., Ltd., Jiangsu Yangzhou 225116 )Abstract: Driving on the road under bad working conditions for a long time will reduce the driver's riding comfort. With the increasing demand for ride comfort, the advantage of air spring is especially obvious. This paper presents an innovative design scheme of adaptive air suspension system based on LQR control strategy. The proposed LQR controller is optimized by particle swarm optimization. The passive and adaptive dynamic models of the air suspension system of passenger cars were designed and simulated by MATLAB software. The simulation results show that the adaptive air suspension system can not only ensure the stability of the vehicle, but also reduce the maximum displacement amplitude of the vehicle on the random road, thus improving the ride comfort of the vehicle.Keywords: Air suspension; PID; PSO; Adaptive suspension; Ride comfortCLC NO.: U461.4 Document Code: A Article ID: 1671-7988(2021)06-101-041 引言对驾驶舒适性需求的增加要求在汽车上使用主动悬架系统。
基于LMI的两级串联式ISD半主动悬架H∞控制
（ 江苏大学汽车与交通工程学 院 ，镇江 ２ １ ２ ０ １ ３ ）
摘
要 ：针对 带有两级串联式 Ｉ Ｓ Ｄ半主 动悬架 的二 自由度 模型 ，选取 加权 函数阵整 定两级 串联式 Ｉ Ｓ Ｄ半主动 悬
架系统 的性 能指标 ，应用 Ｌ ＭＩ Ｈ 控制算法设计 出两级 串联式 Ｉ Ｓ Ｄ半 主动悬架 Ｈ 输 出反馈 控制器 ，该方 法能够 有效地解 决系统的鲁棒干扰抑制 问题 ．仿 真结果 表 明，与传统半 主动悬架 、两级 串联式 Ｉ Ｓ Ｄ被 动悬架 以及传 统
Ｂａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ＬＭ Ｉ Ｍ ｅ ｔ ｈ ｏ ｄ
Ｗ ＡＮＧ Ｒｕ ｏ － ｃ ｈ ｅ ｎ， ＣＨＥＮ Ｂｉ ｎｇ， Ｓ ＵＮ Ｚｅ — ｙ ｕ， Ｚ ＨＡＮＧ Ｘｉ ａ ｏ ቤተ መጻሕፍቲ ባይዱ ｌ ｉ ａ ｎｇ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ａ ｕ ｔ ｏ ｍｏ ｂ ｉ ｌ ｅ ａ ｎ ｄ Ｔ ｒ ａ ｆ ｉ ｆ ｃ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ ， Ｊ ｉ ａ ｎ ｇ ｓ ｕ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｚ ｈ ｅ ｎ ｊ ｉ ａ ｎ ｇ ２ １ ２ ０ １ ３ ，Ｃ ｈ ｉ ｎ ａ ）
２ ０ １ ３年第 ３期
车 辆 与 动 力 技 术
Ｖｅ ｈ ｉ ｃ ｌ ｅ＆ Ｐ ｏ ｗｅ ｒ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
总第 １ ３ １期
文章编 号 ：１ ０ ０ ９— ４ ６ ８ ７ （ ２ ０ １ ３ ） ０ ３—０ ０ ２ １— ０ ５
基于 Ｌ ＭＩ的两 级 串联 式 Ｉ Ｓ Ｄ半 主动 悬 架 Ｈ∞控 制
Ｋ ｅ ｙ ｗｏ ｒ ｄ ｓ ：ｖ ｅ ｈ ｉ ｃ ｌ ｅ ；ｔ ｗ ｏ — ｓ ｔ ａ ｇ ｅ ｓ ｅ ｉ ｒ ｅ ｓ — ｃ ｏ ｎ ｎ ｅ ｃ ｔ ｅ ｄ Ｉ Ｓ Ｄ ｓ ｕ ｓ ｐ ｅ ｎ ｓ ｉ ｏ ｎ ；ｌ ｉ ｎ ｅ ａ ｒ ｍ ａ ｔ ｉ ｒ ｘ ｉ ｎ ｅ ｑ ｕ ｌｉ ａ ｔ ｉ ｅ ｓ（ Ｌ Ｍ Ｉ ） ；
最优控制
控制系统最优化问题，包括性能指标的合理选择以及最优化控制 系统的设计，而性能指标在很大程度上决定了最优控制性能和最优 控制形式。
The State Key Lab. of Mechanical Transmission
© Copyright: Lu Shaobo All rights reserved
J 为最大。
The State Key Lab. of Mechanical Transmission
© Copyright: Lu Shaobo All rights reserved
Chongqing University
汽车控制理论与应用
[例3.3] 拦截问题。 设 x(t)、v(t) 分别表示拦截器L与目标Ｍ的相对位置和相对速度向 量。α(t)是包括空气动力与地心引力所产生的加速度在内的相对加 速度向量，它是x(t)、v(t) 的函数，也可看成是时间的函数。 设 m(t)是拦截器的质量， f(t)是其推力的大小。用u表示拦截器推 力方向的单位矢量。C是有效喷气速度，可看作常数。
The State Key Lab. of Mechanical Transmission
Chongqing University
汽车控制理论与应用
u(t)
[例3.2] 最少能量消耗问题。( 飞船月球软着落问题） 飞船离地面的高度 x(t)， 向上为正，垂 & (t ) 设发动机推力 v(t ) = x 向速度可表示为： 为u(t)，飞船的质量为 m(t)， m(0)=M+F ， 飞船的初始高度为 h0=x(t0) ，初始速度为 x(t) & (t 0 ) 。 (M为飞船自身质量；F为所带燃料质量) v0 = x & (t ), x3 (t ) = m(t ) 为状态变量， 选择 x1 (t ) = x(t ), x 2 (t ) = x
汽车主动悬架LQR控制器平顺性控制仿真
ＡＢＳＴＲＡＣＴ：Ｔｈｅ ｗｅｉｇｈｔ ｍａｔｒｉｘ Ｑ ｏｆ ｔｈｅ ｃｏｎｔｒｏｌｌｅｒ ｉｎ ａｃｔｉｖｅ ｓｕｓｐｅｎｓｉｏｎ ｏｆ ｔｈｅ ＬＱＲ ｃｏｎｔｒｏｌｌｅｒ ｉｓ ｍａｉｎｌｙ ｄｅｔｅｒｍｉｎｅｄ ｂｙ ｃｏｎｔｉｎｕｏｕｓ ｃｏｍｐｕｔａｔｉｏｎ ｏｆ ｃｏｍｐｕｔｅｒｓ ｏｒ ｄｅｐｅｎｄｓ ｏｎ ｅｘｐｅｒｉｅｎｃｅ，ａｎｄ ｉｔ ｉｓ ｄｉｆ ｉｃｕｌｔ ｔｏ ｏｂｔａｉｎ ｔｈｅ ｇｌｏｂａｌ ｏｐｔｉｍａｌ ＬＱＲ
ｓｉｍ ｕｌａｔｉｏｎ ｍｏｄｅｌ ｗａｓ ｅｓｔａｂｌｉｓｈｅｄ． Ｂａｓｅｄ ｏｎ ｉｔ，ｔｈｅ ｒｏｏｔ— ｍｅａｎ —ｓｑｕａｒｅ ｖａｌｕｅｓ ｏｆ ｔｈｅ ｖｅｈｉｃｌｅ ｂｏｄｙ ａｃｃｅｌｅｒａｔｉｏｎ，ＳＵＳ—
ｐｅｎｓｉｏｎ ｄｙｎａｍｉｃ ｔｒａｖｅｌ ａｎｄ ｔｉｒｅ ｄｙｎａｍｉｃ ｄｉｓｐｌａｃｅｍｅｎｔ ｏｆ ｔｈｅ ａｃｔｉｖｅ ｓｕｓｐｅｎｓｉｏｎ，ｔｈｅ ＤＥ—ＬＱＲ ａｃｔｉｖｅ ｓｕｓｐｅｎｓｉｏｎ ａｎｄ ｔｈｅ ｈｙｂｒ ｉｄ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ＰＳＯ—ＤＥ —ＬＱＲ ａｃｔｉｖｅ ｓｕｓｐｅｎｓｉｏｎ ｗｅｒｅ ｃｏｍｐａｒｅｄ ａｎｄ ａｎａｌｙｚｅｄ．Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ＰＳＯ——ＤＥ——ＬＱＲ ｈｙｂｒｉｄ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｉｓ ｓｕｐｅｒｉｏｒ ｔｏ ｔｈｅ ＤＥ——ＬＱＲ ａｃｔｉｖｅ ｓｕｓｐｅｎｓｉｏｎ
ｃｏｎｔｒｏｌｌｅｒ． Ｔｈｅｒｅｆｏｒｅ，ａ ｎｅｗ ｈｙｂｒｉｄ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒ ｉｔｈｍ ，ＰＳＯ — ＤＥ ，ｉｓ ｐｒｏｐｏｓｅｄ ｔｏ ｏｐｔｉｍ ｉｚｅ ｔｈｅ ｃｏｅｆ ｉ ｃｉｅｎｔ ｍａｔｒｉｘ
汽车主动悬挂系统的预见控制研究
ａ（）＝ ｏｏ ） ｕｋ Ｆ （ ＋∑ （ ａ （ ． ４ Ｘｋ ｊ ｚ ＋）（） ）， 『
由式 （ ） ４ 可见 ， 用 预 见 控 制 的主 动 悬 挂 系 统 采
假定系统的期望输出为 Ｙ（ ） 则误差信号为 ｋ ，
第 ８卷 第 ２ 期 ２ ０ １ ０ ８年 １ １月 １７ ．８９ ２０ ） １５ ２ —４ ６ １１ １ （０ ８ ２ —９ １０
科
学
技
术
与
工
程
Ｖｏ ＿ Ｎｏ ２１ ｌ８ ．
Ｎｏ ． ２ ｏ８ ｖ ０
Ｓ ｉｎ ｅ Ｔ ｃ ｎ ｌｇ ｎ ｎ ｉ ｅ ｒ ｇ ｃｅ ｃ ｅ ｈ ｏｏ ｙ ａ ｄ Ｅ ｇ ｎ ｅｉ ｎ
ｅＪ （ （ ）＝ ｉ ｝ ）一 （ 。 Ｙ ）
由二次 型 最优 控制 系统 加 上 利 用 扰 动 信 号 的 前 馈
补偿器 构成 。
引入一 阶差分 △ 算 子 （ （ ）： ）一 ｋ一 ｋ （ （
１ ） 在期 望输 出为 常数 的前 提下 ， 以构造 出如下 ）， 可 误差 系统 ：
矩阵 ； 其他各 矩 阵分别 为 ：
０
—
个 非 常 活 跃 的领 域 ， 理 论 上 主 要 为 非 线 性 控 其
制 、 测 控 制 、 棒 控 制 、自适 应 控 制 、 能 控 预 鲁 智 制等。
Ａ
ｌ
一 ｅ５
ｎ ５
预见控制 是根 据 当前 的 目标值 、 未来 干扰 等
悬挂和被动悬挂在平顺行和操作稳定性方面进行 了比较 ， 结果表 明 了预见控制 系统对 悬挂 系统 的性 能有较大 的改进， 一种 是
【国家自然科学基金】_跟车模型_基金支持热词逐年推荐_【万方软件创新助手】_20140801
2013年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13
科研热词 驾驶员类型 跟车行为 贝叶斯滤波器 识别 神经网络 建模 发车时刻 危险驾驶行为 公交运营时段划分 公交调度 低速货车 交通工程 乘客到达率
推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1
2011年 科研热词 驾驶行为 驾驶员行驶特性 非线性分析 防滑路面 速度模型 车辆防撞预警 车辆跟驰 车辆主动安全 车路集成 跟驰距离 跟车距离 自适应巡航控制(acc) 综合优化 线性稳定性分析 稳定性条件 模糊切换 模型预测控制 最小可觉差 最优控制 智能交通 新车 数值模拟 感知变量 安全车距设计 安全状态判别模型 双模式控制 推荐指数 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
科研热词 交通安全 风险模型 车辆防撞系统 车路协同 自适应巡航控制 电动车 模糊综合评判 模型预测控制 概率计算 数值模拟 换道规则 协同优化 元胞自动机 信息分类 仿真 亚稳态
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2010年 序号 1 2 3 4
科研热词 跟车模型 换道概率 动能 交通流
推荐指数 1 1 1 1
2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
2008年 序号 1 2 3 4 5 6 7 8
最优控制理论在汽车控制系统中运用
最优控制理论在汽车控制系统中运用董凤鸿1，张皓2（1 北京科技大学2010级信计2班 41040317）（2 北京科技大学2012级信计2班 41064044）摘要：随着人们生活水平的提高，汽车已经开始走进百姓的生活中。
随着人们对汽车消费的增加，越来越多的人开始更多的关注的不仅仅是汽车本身，更多的开始关注汽车的安全性及舒适性。
由此，各大汽车厂商更具消费者的需求开始着重研究带有主动控制能力的汽车控制系统。
本文引入最优控制理论对当今比较流行的汽车悬挂系统、汽车防抱制动系统（简称ABS 系统）和无级变速器控制系统进行优化。
由此达到优化汽车安全性、经济性和舒适性。
关键词：最优控制理论、悬挂系统、防抱制动系统、无级变速器控制系统一、引言汽车防抱制动系统(简称ABS系统) ，实质上是一种制动力的自动调节装置。
这种装置使汽车制动系统的结构发生了质的变化,它不仅能充分发挥制动器的制动性能,提高制动减速度和缩短制动距离,而且能有效地提高汽车制动时的方向稳定性,大大改善汽车的行驶安全性。
悬挂系统是指车身与车轴之间连接的所有组合体零件的总称，悬挂系统直接影响着汽车的安全性、稳定性和舒适性，是汽车的重要组成部分之一。
目前，降低汽车能源消耗和减少废气排放已成为汽车行业最关注的问题，大量试验表明，装有无级变速器(CVT)的汽车比装有传统有级变速器的汽车在改善汽车燃油经济性和排放等方面具有更大的潜力，这是因为CVT连续变化的传动比可以使发动机转速独立于负载和车速的变化，最大限度地发挥发动机的经济性和动力性。
二、正文（一）、汽车防抱制动系统最优控制1、方法介绍最优控制是基于状态空间法的现代控制理论方法。
它可以根据车辆一地面系统的数学模型,用状态空间的概念,在时间域内研究汽车防抱制动系统。
是一种基于模型分析型的控制系统,它根据防抱系统的各项控制要求,按最优化原理求得控制系统的最优控制指标。
我们知道:现代控制理论应用得成功与否,关键在于数学模型是否准确。
电喷发动机过渡工况空燃比鲁棒控制研究
电喷发动机过渡工况空燃比鲁棒控制研究石向南;邓元望;朱浩【摘要】阐述了最优H∞控制理论,并将其用于电喷发动机空燃比控制;在充分考虑外部干扰和系统模型不确定性的情况下,讨论并制定了最优H∞理论控制策略.采用面向对象的GT-Power仿真软件,从物理模型出发建立了电喷发动机仿真模型;用Matlab/Simulink软件建立起相应的最优H∞控制器和PI控制器;最后运用Matlab/Simulink与GT-Power的接口,建立电喷发动机实时控制系统.仿真结果表明:最优H∞控制相对于PI控制具有更好的鲁棒稳定性和抗干扰能力,提高了空燃比的控制精度.【期刊名称】《湖南大学学报（自然科学版）》【年(卷),期】2010(037)009【总页数】5页(P19-23)【关键词】内燃比;过渡工况;空燃比;最优H∞控制;PI控制【作者】石向南;邓元望;朱浩【作者单位】湖南大学,汽车车身先进设计制造国家重点实验室,湖南,长沙,410082;湖南大学,汽车车身先进设计制造国家重点实验室,湖南,长沙,410082;湖南大学,汽车车身先进设计制造国家重点实验室,湖南,长沙,410082【正文语种】中文【中图分类】TK432为了降低发动机污染物的排放和燃料消耗,需将空燃比精确控制在理论空燃比附近.实际空燃比的微小变化会引起三效催化转化效率的严重降低.许多控制理论和方法,如经典控制理论、现代控制理论和自适应控制理论等,都要求控制对象有精确的模型或模型的不确定性满足特殊的假定,本文研究的空燃比控制中,由于系统存在不确定性因素的影响[1-2],要获得控制对象的精确模型非常困难,甚至不可能.当发动机处于稳态工况时,传统的电控喷射系统能较好地实现对空燃比的精确控制;但是车用电喷发动机在实际运行工况中,有相当多的时间处于过渡工况运行.在过渡工况时,由于存在不同于稳态工况时的不确定因素影响,使得发动机空燃比在控制时出现偏差,从而不能满足日益严格的排放法规对空燃比控制精度的要求[3-4].考虑到最优H∞控制理论是实现鲁棒控制的重要工具和手段,针对这些不确定因素的影响,本文采用了最优H∞鲁棒控制的方法来实现过渡工况下空燃比控制,并且进行了仿真验证.1 最优H∞鲁棒控制理论1.1 最优H∞控制问题结构H∞鲁棒控制理论是通过某些性能指标的无穷范数优化而得到具有鲁棒性能的控制器的一种控制理论,标准的H∞控制问题如图1所示.图1 H∞标准控制问题框图Fig.1 H∞standard control p roblem block diagram 图1中,信号均为向量值的信号:W为外部输入信号,包括参考信号、干扰和传感器噪声信号;s为频率域;U为控制信号;G(s)为广义的被控对象;Z为被控对象的输出信号;Y为测量输出信号;H(s)为控制器,是待设计的部分.在图1中,引入了增广的对象模型,该模型可表示为:从W到Z的闭环传递函数为:H∞最优设计问题就是对于给定的广义被控对象G(s),求反馈控制器K(s),使得闭环传递函数稳定,且使‖TWZ(s)‖最小.1.2 混合灵敏度优化设计许多控制问题都可以转化为标准的H∞控制问题.同时抑制干扰和受控对象的不确定性称为混合灵敏度问题,求解混合灵敏度优化问题常采用增广对象的状态空间表达式来进行,选择频域内的加权函数,使其满足系统设计要求,然后转化成状态空间的形式进行优化设计.在本研究中,所研究的发动机一方面在运行中会受到因节气门突变而引起的干扰;另一方面因建模需要和系统偏差的存在而产生未建模动态,这两方面的问题正是在进行混合灵敏度设计时所能解决的.电喷发动机空燃比控制系统最优H∞加权混合灵敏度设计问题的模型如图2所示.图2 空燃比控制系统Fig.2 A/F control system图2中a为参考输入信号;e为空燃比误差;U为控制输入;d为外部干扰;y为系统输出信号;G(s)为受控对象电喷发动机;K(s)为最优H∞控制器.引入加权函数W1(s)和W2(s),其中,W1(s)表示对系统性能要求的约束,通过调整可以有效地抑制干扰的影响,获得希望的输出信号;W2(s)反映了对乘性不确定性的限制,由被控对象本身决定. 从r至e,y的传递函数分别为:其中:S(s),T(s)分别称为灵敏度函数和混合灵敏度函数.将其增广对象模型作以下设置:其中即为被控对象状态方程的系数矩阵.系统的闭环传递函数为求解混合灵敏度问题的目的就是寻找控制器K(s),使得系统闭环稳定,且使Tcl的范数最小.当选好加权函数W1(s)和W2(s)后,即可进行控制器K(s)的设计.1.3 加权函数的选择由于加权函数W1(s)和W2(s)与反馈控制系统的灵敏度函数和补偿灵敏度函数的形状有直接的关系,通过合理的选择可使闭环控制系统的灵敏度函数和补偿灵敏度函数按照希望的规律变化,能够保证系统具备较强的鲁棒稳定性,对输入命令也有很好的跟踪能力和良好的抗干扰能力以及抑制噪声能力.加权函数W1(s)由系统性能要求来决定,要求其能有效地抑制干扰的影响及精确地跟踪输入信号,即一般应具有高增益低通特性;加权函数W2(s)由受控对象本身特性来决定,反映了鲁棒稳定性的要求,一般应具有高通滤波特性.本研究中,利用文献[5]阐述的加权函数选取规则和设计要求,分别选取2 最优H∞鲁棒控制理论应用2.1 发动机不确定性分析在实际工程控制中,由于种种原因系统总是存在着不确定性,这种不确定性通常分为两类:一是外部的不确定性,如干扰等;二是内部的不确定性,如测量误差、参数估计误差以及未建模动态等.在发动机运行过程中,进气、喷油以及负荷等因素发生变化都会导致空燃比发生变化,影响发动机空燃比的稳定性,这些内部的不确定性在发动机的未建模动态来考虑,发动机在运行过程中不确定的滞后时间等都作为发动机的建模不确定性;而发动机由于老化、磨损等原因造成了发动机的参数不确定性,这是由于传感器的噪声输入,以及发动机运转过程中的干扰输入都作为参数的不确定性.2.2 空燃比控制系统模型的建立在本研究中,选用国内某厂家生产的一款电喷汽油机为研究对象,其系统具有十分复杂的非线性特征,它包括了空气动态、燃料动态、排气系统动态以及传感器动态等,其各种参数随着运行环境和工况的变化而变化,因此,很难对各物理过程进行精确的数学描述,从而难以建立非线性系统精确的数学模型.在实际设计过程中,较常用的方法是使用简化的低阶线性系统模型来近似描述复杂的发动机系统.对于电喷发动机过渡工况下的空燃比控制,本研究采用的闭环控制系统模型如图3所示:图3 发动机闭环系统控制模型Fig.3 Engine closed-loop control system model 图3中,D(s)为外界的干扰信号;Gc(s)为要求解的控制器;Tc为空气与燃料的混合时间;Td为传输时间延时;y为实际的输出量(指实际空燃比);N(s)为系统测量时的干扰信号;H(s)为空燃比传感器模型.在发动机实际运行过程中,参数Tc和Td具有不确定性,这里采用了文献[6]的算法,确定了参数Tc和Td的变化范围,设计的最优H∞控制器必须在这些参数变化的范围内都具有鲁棒稳定性和抗干扰能力.2.3 最优H∞鲁棒控制器的设计当确定空燃比控制系统模型参数的变化范围之后,利用式(7)和式(8)即可进行最优H∞鲁棒控制器的设计.本文中的电喷发动机空燃比控制系统模型中含有一时间迟滞非线性环节,在此,采用时间滞后函数的pade近似和闭环系统的近似分布,将其近似为线性系统来处理[7].Td的标称值为0.03 165,编写MAT LAB程序可直接求得近似的时间迟滞环节G2(s)为:Tc的标称值为0.20,H为0.1s,则可以计算出空燃比控制系统的标称对象模型G(s)为:标称对象模型状态方程的系数矩阵为:把式(7),式(8)和式(11)代入式(5)得到了增广对象模型,在此基础上对式(6)进行迭代计算,经过14代的迭代计算后,可以求解出最优H∞控制器Gc(s)为:3 仿真模型的建立3.1 基于GT-Power的电喷发动机仿真模型本文选用国内某厂家生产的一款电喷汽油机为仿真研究对象,根据其物理模型及相关参数,采用面向对象的GT-Power仿真软件,从物理模型出发建立了电喷发动机仿真模型,如图4所示.整个模型包括:进气管、气缸、曲轴箱、排气管以及Matlab/Simulink空燃比控制模块等.图4 电喷汽油机仿真模型Fig.4 Electronic fuel injection engine simulation model3.2 联合仿真平台的建立运用Matlab/Simulink与GT-Power的接口,利用图4建立的发动机结构模型,在Matlab/Simulink中建立其空燃比实时控制系统仿真模型,建立的联合仿真平台如图5所示.ECU输出的喷油脉宽由两部分的输出叠加而成:一部分为根据发动机转速和节气门位置信号查表所得,即为基本喷油脉宽;另一部分通过最优H∞鲁棒控制器或PI控制器根据空燃比传感器反馈的信号计算所得,即为修正的喷油脉宽.图5 空燃比联合仿真实时控制仿真模型Fig.5 Electronic fuel injection engine real-time control model4 仿真分析研究4.1 控制器性能的对比分析传统的发动机空燃比控制采用PI控制器,即比例积分控制[8].针对本文的过渡工况空燃比控制,采用基于IST E准则的PI控制器参数设计得到其控制器参数分别为:Kp=0.65,Ki=7.88.为了验证最优H∞控制器的优越性,对求解出的最优H∞控制器与PI控制器在Simulink软件中建立模型进行仿真对比测试,以初始的单位阶跃信号为输入信号,同时还加入了一噪声信号来模拟测量噪声,并在仿真的第5 s时加入了幅值为0.5的脉冲干扰信号来模拟发动机节气门的突变情况,对电喷发动机运行在不同的转速时分别进行了仿真,其结果如图6～图8所示.图6 V=3 000 r/min系统仿真结果比较Fig.6 Comprison of simulation results for V=3 000 r/min图7 V=5 000 r/min时系统仿真结果比较Fig.7 Comprison of simulation results for V=5 000 r/min图8 V=9 000 r/min时系统仿真结果比较F ig.8 Comprison of simulation results for V=9 000 r/min由仿真结果可以看出,最优H∞控制器对于参数的变动具有较强的鲁棒性,系统的输出量变化平缓,并且很快达到了稳定值,过渡的时间较短,超调量较小;在受到扰动干扰时,系统可以很快地恢复到稳定值,对于施加的干扰噪声也有很好的抑制作用.相对于PI控制器,最优H∞控制器在过渡时间、超调量、抗干扰能力等方面都要优于PI控制器.4.2 控制器的联合仿真平台测试在图5建立的联合仿真平台中,进行最优H∞控制器和PI控制器的仿真对比测试.设定发动机转速为5 000 r/min,节气门的初始值为20 mm,空燃比的目标值为14.7,加入的噪声信号强度为1;当仿真进行到第5 s时,改变节气门的直径值为30 mm,当仿真进行到第10 s时,改变节气门的直径值为20 mm,其他参数不变.以适当的步长运行仿真模型,空燃比波动情况如图9所示.图9 节气门突变时空燃比稳定性比较Fig.9 Comprison of A/F stability as throttle sudden change由图9可见:电喷发动机处于稳态工况时,两种控制器均能把空燃比控制在理论值附近;当在过渡工况时,即节气门的直径突变时,与PI控制相比,最优H∞鲁棒控制的超调量较小,而且恢复时间也较短.5 结论1)发动机在实际运行过程中都存在一些外部干扰,同时在建模的过程中也存在系统模型的不确定性,本文在充分考虑这些不确定性的基础上,建立了最优H∞控制器.2)运用GT-Power与Matlab/Simulink的接口,建立了电喷发动机空燃比实时控制仿真平台,仿真结果表明:无论在稳态工况还是过渡工况,建立的最优H∞控制器都具有很好的跟踪性、鲁棒稳定性以及抗干扰能力.3)建立的联合仿真平台为发动机的仿真及其控制系统开发提供了一种新的方法,其意义在于利用发动机的物理参数,在开发的早期检验其控制系统,从而节约开发的时间和成本.参考文献[1] 龚金科,尤丽,蔡浩,等.车用三效催化转化器劣化性能数值模拟[J].湖南大学学报:自然科学版,2008,35(1):36-40.GONG Jin-ke,YOU Li,CAI Hao,et al.Numerical simulation of the deterioration performance of automotive three-way cataly tic converter[J].Journal of Hunan University:NaturalSciences,2008,35(1):36-40.(In Chinese)[2] 杨小龙,杨靖,林铁平.丁醇汽油对发动机性能影响的实验研究[J].湖南大学学报:自然科学版,2010,37(2):32-35.YANG Xiao-long,YANGJing,LINTie-pin.Experimental study of the effects of butanol-gasoline blend on engine performance[J].Journal of Hunan University:Natural Sciences,2010,37(2):32-35.(In Chinese)[3] WON M,CHOI S B.Air-to-fuel ratio control of spark ignition engines using Gaussian network sliding control[J].IEEE Tranmction on ControlSystem T echnolojy,1998,6(5):678-687.[4] 张欣,夏渊,李国岫,等.车用稀燃增压单一燃料CNG发动机电控系统的研究[J].中国公路学报,2003,16(1):114-117.ZHANG Xin,XIA Yuan,LI Guo-xiu,et al.Study of electric control sy stem for lean burn turbocharged CNG vehicle engines[J].China Journal of Highway and Transport,2003,16(1):114-117.(In Chinese)[5] 吴旭东,解学书.H∞鲁棒控制中的加权阵选择[J].清华大学学报:自然科学版,1997,37(1):27-30.WU Xu-dong,XIE Xue-shu.Weighting function matrix selection in H∞robust control[J].Journal of Tinghua University:Natural Sciences,1997,37(1):27-30.(In Chinese)[6] 宫唤春.电喷汽油机过渡工况空燃比控制方法研究[D].长沙:长沙理工大学汽车与机械工程学院,2008.GONG Huan-chun.Research on transient air fuel ratio control of sI engine[D].Changsha:College of Vehicle and M echinical Engineering Changsha University of Science and Technology,2008.(In Chinese)[7] SCHNEIDER D.An experimental study of correlations between ionic current and operating parameters in SI engine[D].Bell&Howell Information and Learning,2000:10-22.[8] YU Chang-bo,WANG Jian-jun,LI Qi-han.GT2008—50960 ASME,on the individual and combined effects of intentional mistuning,coup ling and damping on the forced response of bladed disks[S].2008.。
汽车主动悬架系统的线性二次最优控制研究
（） ４
（） ５
取车轮速度克、 。 轮胎动载 Ｊ 。 ｝、 车身速度茏 和悬架动行程 （ 。 ） 为状态变量 ， 则系统的状态空间方程为：
ｆ 佃口
Ｌ＝ ｘ Ｄｕ ｙ Ｃ ＋
（ ６
、
广西 工 学 院 学 报
第２ ２卷
式（） ［ｌｊ １ ２ ６ 中：＝ ，１ ， （ １］ ． 茏 ） ｝
（ ＞ 或 Ｑ ＯＲ Ｏ 且为对称矩阵 ） ＱＯ ＝ ，＞ ，
（） ８
式（ ） 第一项就是要使 系统尽快从非稳定状态转移 到稳定状态． 二项 就是抑制控制过程 中的控 ８ 中： 第 制量 ， 使控制量在允许的范围内． 冠都是加权矩阵 ， Ｑ、 可用随机 的方法确定 ， 取不同的值就允许对不 同的分 量加不 同的权系数［如认 为某一个分量特别需要约束 ， ７ ］ ． 就加大对它所加 的权系数 ； 如认为某一个分量无关 紧要 ， 以不加约束。 可 根据最优控 制极小值原理 ， 在时间 ０ ∞范 围内， 一 当系统完全能控 时 ， 线性 系统在最优控制律作用下 ，
Ｏ
３ ２ ｉ ｌ ｋ建模及仿真结果 ． Ｓｍｕ ｎ ｉ
Ｓ ｕ ｎ 环境下建立 的主动悬架 系统仿真模型框 图如图 ４ ｉ ｌｋ ｍ ｉ 所示 。 被动悬架系统仿真模型如图 ５ 所示．
如
∞
主
ｍ
加
图 ４ 主 动 悬 架 系 统 仿 真 模 型
图 ５ 被 动 悬 架 系统 仿 真 模 型
根据系统仿真模 型 ， 代入具体参 数 ， 得到系统仿真结果 如图 ６ 图 １ 所示． ～ １
Ｃ
ｍ ｌ
ｍ ｌ
一
ｌ ． ２５
—
００ ２５ ．１ ０
【国家自然科学基金】_汽车设计_基金支持热词逐年推荐_【万方软件创新助手】_20140802
高层体系结构 髁突 骨折 驾驶舒适度 驾驶疲劳 驾驶培训 驱动防滑 驱动电路 香蕉形 馈能特性 风机转速车速 频率 频响函数 领域本体 颅骨骨折 颅脑系统 非线性系统 非线性滞回特性 非线性汽车悬架 非线性 非圆齿轮 非公路自卸汽车 霍尔传感器 零部件配送 零传动 集成 随机可靠性 阻碍因子 阻尼非线性 阻尼长度 防爆墙 防抱制动系统 间隙 闭环增益成形 镍氢动力电池 铝型材 铝合金型材 铁路 量纲分析法 重型半挂车 重型半挂汽车列车 部分锥形薄壁方管 遥操作 遗传算法(ga) 道路试验 道路友好性 通用无线分组业务(gprs) 逐步回归响应面 逆算法 逆向工程 进化算法 近似模型管理 近似模型 运输资源
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1ห้องสมุดไป่ตู้1 1 1 1 1 1 1 1
推荐指数 13 11 11 8 7 7 6 5 5 5 5 4 4 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
2009年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106
空气悬挂控制算法
空气悬挂控制算法1.引言1.1 概述空气悬挂技术是指通过在车辆悬挂系统中引入空气弹簧和电磁阀等装置，以实现对车辆悬挂高度的精确控制。
相比传统的机械悬挂系统，空气悬挂技术能够利用气压调节车身高度，进而提供更加舒适的乘坐体验和更好的悬挂性能。
为了实现对空气悬挂系统的精确控制，需要使用特定的算法进行辅助。
空气悬挂控制算法是指通过对悬挂系统中的空气泵、阀门和传感器等元件进行控制，以实现对悬挂高度、硬度和稳定性等参数的实时调节和控制。
在空气悬挂控制算法中，需要考虑的因素包括车辆的负载情况、行驶速度、路况等。
算法会通过悬挂系统中的传感器获取这些数据，并根据预设的控制策略进行实时调整。
例如，在行驶过程中，当车辆遇到不平的路面时，算法会根据传感器获取的数据，自动调整悬挂高度和硬度，以保证乘坐的舒适性和悬挂系统的稳定性。
空气悬挂控制算法的研究旨在优化悬挂系统的性能，提升车辆的操控性和乘坐舒适性。
通过精确调整悬挂参数，可以有效地减少车辆在行驶过程中的颠簸感，提高车辆的稳定性和操控性，同时对于不同的用途和需求，也可以根据实际情况进行个性化的设置。
在本篇文章中，我们将介绍空气悬挂技术的基本原理和应用，重点介绍空气悬挂控制算法的设计原则和常用方法。
通过对现有算法的分析和比较，我们旨在为读者提供一个全面了解空气悬挂控制算法的基础，并为未来的研究和应用提供一些参考和启发。
同时，本文也将探讨目前空气悬挂控制算法存在的挑战和改进方向，展望未来在这一领域的发展前景。
通过深入研究和创新，相信空气悬挂技术在汽车工程领域将有更广阔的应用前景。
文章结构部分的内容应该包括对整篇文章的组织和章节安排进行说明。
可以按照如下方式来编写文章1.2 文章结构部分的内容：文章结构部分的主要目的是介绍整篇文章的组织架构，以便读者能够清楚地了解整个文章的结构。
本文主要分为引言、正文和结论三个部分。
引言部分包括概述、文章结构和目的三个小节。
在概述部分，将引入空气悬挂控制算法的背景和重要性。
汽车悬挂系统的减振仿真研究
中 图分 类 号 ： ４ ３ ３ Ｕ ６ ．３
文 献标识 码 ： Ａ
文 章编 号 ：６ ２ ６ ６ ２ １ ） ３ ０ ７—０ １ ７ —１ １ （０ ０ ０ —０ ４ ３
悬挂 系统 是 指 车 身 与车 轴 之 间连 接 的 所 有组
合体 零 件 的总称 ， 悬挂 系统 直接 影 响着 汽车 的安全 性 、 定 性和舒 适 性 ， 汽 车 的重 要 组成 部分 之一 。 稳 是
一
的＿ 。鉴于 此 ， 必 要 对 主 动 悬 挂 系 统 作 进 一 步 ３ Ｊ 有
的研 究 。
２ １ 控 制 方 法 的 选 择 ．
控 制方法 是 主动 悬挂 系统 的核 心技 术之 一 ， 国 内外 学者 提 出 了 自适应 控 制 、 预见 控制 、 滑模 控制 、 自校 正控 制 、 优 控 制 理 论 、 糊 控 制 和 神 经 网络 最 模
个 矛盾 时 ， 得 力不从 心 。 显
控制 等方 法 ［ ６。其 中最 优 控 制 理论 基 础 比较 完 ４ ］ －
善 ， 最 大优 点是 不必 根据 要求 的性能 指标 确定 系 其
统 闭环极 点 的位 置 ， 只需根 据 系统 的响应 曲线找 出
合适 的状 态变 量 和控制 变 量 的加权 矩 阵 ， 系统性 使 能指 标 函数 即 目标 函数 －最 小 。 ， 主动悬 挂 系统 的状 态 方程 大多 具有 线性 形式 ：
图 １中 ｋ ２为被 动悬 挂 系 统 的悬 挂 刚度 ， 为 Ｃ
２ 基 于 线 性 最 优 控 制 理 论 的汽 车 主 动 悬 挂 系统 控 制 方 法 研 究
由上文 分析 可 知 ， 构 单 和工作 可靠 是无 源 结
被 动减 振 的主要 优点 ， 而它 的减 振效 果是 很有 限 然
汽车半主动悬架数学模型与模糊控制研究
ｅ ｓ ａ ｄ ｔ ｅ （ ｎｄｔｏ ｆｍｏ ｌｓｎ ）ｉ ｉａ ｉｎ ｗａ １ ｄ （ （． Ｏｎ ｔ ｓｂ ｓ ｌ， ｎ ｈ ｏ ｉｉｎ ｏ ｄｅ ｉ ｑｌｔ ｅ ｔｏ ｓ（ｅ ｕ ｔ ｆ ｅ ｈｉ ａ ｅ．ｔ ｗｏ ｄ ｇ’ｅｆｅ ｄｏ ｍｏ ｅ ｆ、 ｈ ｅｅｓｓ ｎ —ｃ ｉｅ ｈｅｔ — ｅ ｌ、 ｒｅ ｍ ｄ ｌｏ ｅ ｉｌ ｅ ｔ ａ ｔ￣ ｔ ｉ
第２ ５誊 第 １ １期
２０ ８年 １ １月
机
电
工
程
ＶＯ ２ ｌ ５ ＮＯ １ ．１ Ｎ０ ． ２ ０８ ｖ ０
Ｍｅ ’ ｎｉ ａ ｔ ｈａ ｃ ｌ＆ Ｅｌ ｃ ｒｃ ｌＥｎ ｉ ｅ ｉ ｇ Ｍ ａ ｚ ｎ ｅ ｔ ｉ ａ ｇ ｎｅ ｒ ｎ ｇａ ｉ ｅ
Ｈａ ｇ ｈ ｕ ３ Ｏ １ ｎ ｚ ｏ ｔ ０ ４，Ｃ ｉ ａ ｈｎ ）
Ａｂｓ ｒ ｃ ｔ ａ ｔ：Ａｉ ｎ ｔｓ ｍｐ ｉ ｎ ｈ ｔ ｍａ ｉ ａ ｏ ｌｏ ｅ — ｃ ｉ ｅ ｓ ｐ ｎ ｉ ｎ ａ ｔ ｒ ｓ ａ ｃ ｉ ｇ ｆ ｚ ） ｃ ｎ ｒ ｌｓ ｒ ｔ ｇ ｍｉ ｇ ａ ｉ ｌｆ ｉ ｇ ｔ ｅ ｍａ ｈｅ ｔ ｌｍ ｄｅ ｆ ｓ ｍｉ ａ ｔｖ ｕｓ ｅ ｓ ｏ ｎ ｉ ｅ ｅ ｒ ｈ ｎ ｕ ｚ ， ｏ ｔｏ ｔａ ｅ ｙ ｔ ｅ ｍｏ ３ ｃ ｈ —
关 键 词 ： 主 动 悬 架 ； 学模 型 ； 糊 控 制 ： 顺 性 半 数 模 平
中 图 分 类 号 ： ４ ３ ３ ； Ｐ ７ Ｕ ６ ．３ Ｔ ２３
文 献 标 识 码 ： Ａ
文 章 编 号 ：０ １ ４５ （０８ １ 一 ０７ ０ １ — ５ １２０ ）ｌ ０９ — ４ ０
Ｒｅ ｅ ｒ ｈ ｏ ａ ｈｅ ａ ｉ ａ ｏ ｅ ｄ ｆ ｚ ｏ ｒ ｆ ｓ ｍ ｉ ａ ｔｖ ｕ ｐ ｎｓｏ ｓ ａ ｃ ｎ ｍ ｔ ｍ ｔｃ ｌｍ ｄ ｌａｎ ｕｚ ｙ ｃ ｎｔ ｏｌｏ ｅ ． ｃ ｉ ｅ ｓ ｓ ｅ ｉ ｎ ＺＨ Ｕ Ｙｉｂ ～ ｏ．ＬＩ Ｆ ｎ ａ ｇ
基于狼群算法的同时取送货模糊绿色车辆路径问题
基于狼群算法的同时取送货模糊绿色车辆路径问题作者：***来源：《物流科技》2023年第22期收稿日期：2023-07-04基金项目：湖州市自然科学基金——“碳交易机制下的模糊绿色车辆路径问题及其狼群算法的研究”（2018YZ02）作者简介：朱颢（1980—），男，湖北监利人，副教授，硕士，研究方向：车辆路径问题。
引文格式：朱颢．基于狼群算法的同时取送货模糊绿色车辆路径问题[J]．物流科技，2023，46（22）：109-115.文章编号：1002-3100（2023）22-0109-07Fuzzy Green Vehicle Routing Problem with Simultaneous Pick-up and Delivery Based on Wolf AlgorithmZHU Hao （Huzhou Vocational Technical College， Huzhou 313000， China）摘要：文章提出了带模糊需求的同时取送货绿色车辆路径问题，并将碳排放作为优化目标，建立了相应的模糊规划模型。
然后给出了解决问题的狼群算法，定义了人工狼的游走行为、召唤行为、围攻行为。
最后通过仿真实验，验证了该算法的有效性，并将其与其他算法进行了对比，分析了决策者主观偏好值的变化对目标值的影响。
关键词：同时取送货车辆路径问题；模糊需求；碳排放；狼群算法；决策者主观偏好值中图分类号：F252；TP301.6 文献标志码：A DOI：10.13714/ki.1002-3100.2023.22.029Abstract： In this paper， a kind of green vehicle routing problem with simultaneous pick-up and delivery is discussed， in which the demands of customers are fuzzy variables， and the cost of carbon emission is considered the optimization objective， then a fuzzy programming model is established. Secondly， the wolf algorithm is proposed to solve this problem， and in this algorithm the wandering behavior of artificial wolves is defined as well as the summoning behavior， and thebesieging behavior. Finally， a simulation experiment is conducted， the effectiveness of the algorithm is verified， the algorithm is compared with other algorithms， and the impact of decision-maker's subjective preference value on the target value is also analyzed.Key words： vehicle routing problem with simultaneous pick-up and delivery; fuzzy demand; carbon emission; wolf algorithm; decision-maker's subjective preference value0 引言同時取送货模糊绿色车辆路径问题（Fuzzy Green Vehicle Routing Problem with Simultaneous Pick-up and Delivery，FGVRPSPD）是同时取送货车辆路径问题（VRPSPD）、模糊需求车辆路径问题（VRPFD）和绿色车辆路径问题（GVRP）的集成问题。
列车车辆垂向主动悬挂的最优预见控制研究
列车车辆垂向主动悬挂的最优预见控制研究
朱浩;刘少军;黄中华;袁英才
【期刊名称】《机械科学与技术》
【年(卷),期】2005(024)005
【摘要】以四轴客车为研究对象,建立了四轴客车车辆的6自由度垂向动力学模型,并通过设计最优预见控制器来抑制车辆系统的垂向振动,研究结果表明采用最优预见控制策略能够降低车辆的垂向振动响应,获得较快的系统响应速度,达到满意的隔振效果.
【总页数】5页(P510-514)
【作者】朱浩;刘少军;黄中华;袁英才
【作者单位】中南大学,机电工程学院,长沙,410083;中南大学,机电工程学院,长沙,410083;中南大学,机电工程学院,长沙,410083;北京印刷学院,北京,102600【正文语种】中文
【中图分类】U26
【相关文献】
1.主动悬挂履带车辆半车模型最优控制研究 [J], 阴运宝;马国新
2.基于11自由度列车车辆模型的主动悬挂预见控制研究 [J], 饶大可;刘少军
3.半主动悬挂的横向和垂向阻尼系数对车辆动力学性能的影响 [J], 陈健;刘俊红;王开文
4.铁道车辆垂向主动悬挂的预见控制 [J], 朱浩;刘少军;黄中华;蔡丹
5.军用履带车辆半主动悬挂系统最优控制研究 [J], 熊超;郑坚;吕建刚;张军
因版权原因，仅展示原文概要，查看原文内容请购买。
非路面车辆驾驶室六足并联悬架系统设计
非路面车辆驾驶室六足并联悬架系统设计
朱跃;顾浩;朱思洪
【期刊名称】《农业机械学报》
【年(卷),期】2014(45)2
【摘要】设计了一种六足并联悬架系统用于拖拉机驾驶室减振,由于悬架系统的几何参数和物理参数难以确定,首先基于拉格朗日方程推导6自由度振动模型,以驾驶室6个方向固有频率和悬架系统阻尼比、解耦度为优化目标,建立多目标优化数学模型,运用灵敏度方法对该系统进行优化设计研究,最后与目前拖拉机橡胶衬垫驾驶室悬置系统进行比较,结果证明其具有良好的减振效果,同时为该悬架系统被动控制参数的选择提供理论依据.
【总页数】6页(P22-27)
【作者】朱跃;顾浩;朱思洪
【作者单位】南京农业大学工学院,南京210031;南京农业大学工学院,南京210031;南京农业大学工学院,南京210031
【正文语种】中文
【中图分类】TH136
【相关文献】
1.采用路面识别方法的重型救援车辆主动悬架控制策略 [J], GONG Mingde;YAN Xin
2.双联桥用平衡式钢板油气并联复合悬架系统设计 [J], Li Zhidong;Liu
Weijian;Huang Rui;Ji Huyan
3.典型路面的车辆悬架预瞄控制系统研究 [J], 秦东晨;黄一鸣;朱玉刚;王婷婷
4.基于负刚度结构的驾驶室座椅悬架系统设计与评价 [J], 廖昕;张宁;邢海军;张婉洁
5.采用3-RCC型并联机构的车辆座椅悬架多维减振 [J], 王杰;毕凤荣;XU Wang;马腾;孙浩轩
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
交 通 运 输 工 程 学 报
Journal of T raffic and T ransportation Engineering
Vo l. 5 No. 3 Sept . 2005
文章编号 : 16711637(2005)03 0008 06
车辆主动悬挂最优预见控制模型
, 其横向模型
在只考虑了车体 、 前、 后转向架侧滚的情况下(共 3 个 自由度), 略去了横移 、摇头等自由度 , 而垂向模型则 考虑了车体浮沉 、 点头( 1 ×2), 及前后转向架浮沉 、 点 头(2 × 2), 共 6 个自由度的运动 , 因此 , 本研究中用于 设计主动悬挂控制器的单节车辆系统的设计模型共 考虑了 9 个自由度 。 这种设计的好处是将该设计模 型的控制器接入实际系统后 , 能使设计模型和实际系 统的动态稳定性能更加接近 。 系统模型的复杂化导致了与之对应的实验系统 的复杂程度也提高了 , 众多的元件在实时控制过程 中由于存在着一定的响应滞后 , 很难对反馈信号及 时产生足够大的控制力 , 从而限制了系统的主动隔 振效果 , 因而在该模型中 , 预先通过某种传感器 (如 超声波传感器或红外线传感器)测定未来的目标信 号或外扰 , 系统在决定控制指令时 , 不仅考虑系统当 时的状态 , 而且还可以根据已确认的未来目标值和 外扰信息的变化趋势作出即时的控制决策 , 称这种 控制决策为预见控制 。 它在形式上属于最优控制 , 所以也可称为最优预见控制策略 。 用该控制方法作 为主动悬挂的控制策略 , 以期弥补因系统能源的沿 程损失和元件的响应滞后使得减振效果不明显 , 提 高控制质量 , 降低系统控制能量的峰值 , 减少能量消 耗 , 达到理想的控制效果 。
a17 a27 0 0 0 0 a77 0 0 b17 b27 0 0 0 0 b77 0 0
0 0 a39 0 0 0 0 0 a99 0 0 b39 0 0 0 0 0 b99
θ 1 z1
′
1
θ 2 z2
θ 1 z1
′
1
θ 2]
T
0 0 a41 A0 = 0 0 a71 0 0 b11 0 0 b41 B0 = 0 0 b71 0 0
图 3 单节车辆侧滚分析模型 Fig. 3 R olling analysi s model of sin gal rai l vehicle
为节省篇幅 , 该设计模型的 9 个自由度的振动 方程就不一一列出 , 下面采用状态方程来描述该系
10 统 。 首先 , 对系统取状态变量为
x =[ z 2 θz 1
0 0 0 1 /m
a14 a24 0 a44 0 0 0 0 0 b14 b24 0 b44 0 0 0 0 0
0 0 0 1 /m
0 0 0 0 a55 0 0 0 0 0 0 0 0 b55 0 0 0 0
0 0 a36 0 0 a66 0 0 0 0 0 b36 0 0 b66 0 0 0
0 0 0 1 /m l1 /J 2 - a /J 3 0 0 0
图 1 传统分析模型 Fi g. 1 Traditi onal analysis model
9
量(kg); m 为转向架构架质量 (kg ); c 2 为二系垂向 减振器阻尼(N s /m ); l 为二系悬挂到车体质心的 纵向距离之半(m ); a 为一系垂向减振器的横向距 离之半(m ); b 为二系垂向减振器的横向距离之半 (m ); k 2 为二系悬挂弹簧垂向刚度 (N /m ); c1 为一 系垂向减振器阻尼(N
收稿日期 : 200505 15 基金项目 : 教育部科技研究重点项目(01131) 作者简介 : 朱 浩(1972 ), 男 , 湖南株洲人 , 中南大学博士研究生 , 从事车辆主动减振技术与智能控制策略研究 .
第 3 期 朱 浩 ,等: 车辆主动悬挂最优预见控制模型 棒性降低 , 因此根据此 模型设计的控制器在实 际的车辆系统上会产生 较大的系统误差 , 甚至 会使主动控制失效 。 为 此本文提出了车辆悬挂 最优预见控制模型 。 该 模型与传统的简化模型
朱 浩1 , 刘少军1 , 邱显焱2
(1 . 中南大学 机电工程学院 , 湖南 长沙 410083 ; 2. 株 洲工学院 机械系 , 湖南 株洲 412000)
摘 要 : 以复杂多自由度的车辆系统设计模型代替传统的简化模型 , 建立了主动悬挂控制车辆系统 模型 , 设计了最优预见控制器 , 研究了车体的浮沉 、 点头 、 侧滚 3 种运动状态在加控制和未加控制时 的路面激扰响应 。 仿真计算结果表明在最优控制下车体的浮沉响应降低了 27 %, 点头响应降低了 30 %, 侧滚响应降低了 30 %; 在预见控制二次加权矩阵的作用下 , 车体的浮沉响应降低了 54 %, 点 头响应降低了 50 %, 侧滚响应降低了 45 %; 根据预见控制的提前预见可适时响应的特点 , 系统可按 设定目标预见步数提前作出响应 , 由此验证了最优预见控制在复杂多自由度的车辆主动悬挂设计 模型中应用的可行性和有效性 。 关键词 : 车辆工程 ; 多自由度 ; 主动悬挂 ; 最优预见控制 中图分类号 : U270 . 32 文献标识码 : A
控制变量为
u= [ u1
′ u1
u2
′ u2
u3
′ u3
u4
′ u4
u5
′ u5
u6
′ T u6 ]
系统输出为 y= [ z 2 θ ]T 外部激励为 zv = [ z v 1 z v 1 z v 2 z v2 z v 3 z v 3 z v4 z v4 ] x = Ax +Bu +Ez v y = Cx A= B= E=
Abstract : Based o n t he desi gn model of multideg rees of f reedom , a new modelling method of rail vehicle sy st em wi th active suspensio n w as put f orw ard , a kind of optim umpreview cont ro ller w as desig ned to rest rain the vertical vibratio n , no ddi ng and ro lli ng of carbody , t he system respo nd wi th cont roller w as analy sed. Sim ulation resul ts indicat e t hat the verti cal vibratio n , noddi ng and rolling levels of carbody are reduced by about 27 %, 30 %, 30 % respectively using optim um cont rol met ho d , and the levels o f carbody are reduced by about 54 %, 50 %, 45 % respectiv ely usi ng preview cont rol met hod , preview cont rol st ra tegy can m ake vehicle system respo nd ahead acco rding to t arget value. It is feasible t ha t the optimumpreview cont ro ller is used in desig nning the active suspension of rail vehicle system based on complex multideg rees of f reedom model. 1 tab , 15 f igs , 8 ref s. Key words : vehicle engineering ; multideg rees of freedom ; active suspension ; optimumpreview cont rol Author resume : Zhu H ao(1972 ), male , doctoral st udent , 86 7318832710 , zhu1201_ 1 @ 163. com.
Optimumpreview control model of rail vehicle active suspension
Zhu H ao 1 , Liu Shaojun 1 , Qiu Xiany an2
(1. Schoo l of M echanics and Electricity Engineering , Centr al South U niver sity , Chang sha 410083 , China ; 2 . Department of M echanics , Zhuzhou Institute of T echno lo gy , Zhuzhou 412000 , China )
[ 4]
(kg m );为车体点头角位移(rad); 1 、 2 分别为 前、 后转向架点头角位移(rad); θ 为车体侧滚角位移 (rad); θ 1 、 θ 2 分别为前 、后转向架侧滚角位移(rad); z 2 为车体浮沉位移(m ); z1 、 z′ 1 分别为前 、后转向架 浮沉位移(m ); z v 1 、z′ v 1 、z v 2 、z′ v 2 、z v 3 、z′ v 3 、z v 4 、z′ v4 分 别为前 、 后转向架各轮对由于轨道高低不平顺所引 起的轨面激励(m ); u1 、u ′ 1 、u2 、u ′ 2 、u3 、u ′ 3 、u4 、u ′ 4 、 u5 、 u′ 5 、u6 、u ′ 6 为作动器的输出控制力(N)。
2