车辆主动悬架的引力搜索LQG控制方法

发布时间：2021-02-27 23:14

　　为了解决LQG控制器性能指标函数各权重不易确定的问题,以悬架性能指标为目标函数,运用了LQG最优控制算法对半主动悬架施加控制,采用了引力搜索算法对性能指标函数权重进行寻优,完成了优化控制器的搭建,最终提出了一种采用引力搜索算法的寻优方法。同时,建立了2自由度1/4主动悬架车辆模型,对其引力搜索LQG控制进行了仿真,并与传统LQG控制结果进行了对比。结果表明:提出的引力搜索LQG控制方法能同时改善汽车的平顺性和操纵稳定性。 

【文章来源】：重庆交通大学学报(自然科学版). 2020,39(07)北大核心

【文章页数】：6 页

【部分图文】：

半主动悬架动力学模型

引力搜索算法是一种群体智能优化算法[9]。车辆半主动悬架GSA-LQG控制器设计过程如图2。GSA-LQG控制器首先通过GSA产生初始种群，然后将种群赋值给悬架性能权重，通过适应度函数判断该粒子是否满足终止条件，满足终止条件的粒子输出。不满足终止条件的通过GSA计算质量、计算引力、计算加速度从而更新种群直至满足悬架适应度函数。

设引力搜索算法的搜索者个体数N=1 000，为了减少优化时间，允许最大迭代次数为100,q1,q2,q3的搜索范围均为[0,106]。为了验证GSA-LQG控制半主动悬架性能的控制效果，将其与LQG悬架性能进行对比仿真。GSA-LQG控制半主动悬架得到q1=97 522.5,q2=43 013.4,q3=111 122.3，其适应度值随着迭代次数的变化如图3。由图3可以看出，GSA-LQG控制的半主动悬架在第6次迭代时与最佳适应度值几乎相等，说明该方法具有较好的收敛速度，搜索性能指标函数权重的实时性较好。LQG控制的半主动悬架和GSA-LQG控制的半主动悬架的性能指标对比，如图4～图6。

【参考文献】：
期刊论文
[1]基于路面识别的非线性悬架系统自适应控制[J]. 孙晋伟,秦也辰,王振峰,顾亮.  东北大学学报(自然科学版). 2018(09)
[2]基于μ综合的整车主动悬架鲁棒控制研究[J]. 周兵,吴晓建,文桂林,邱香.  振动工程学报. 2017(06)
[3]一种基于数据场的多目标引力搜索算法[J]. 张爱竹,孙根云,王振杰,麻德明.  控制与决策. 2017(01)
[4]带有引力搜索算子的烟花算法[J]. 朱启兵,王震宇,黄敏.  控制与决策. 2016(10)
[5]量子行为引力搜索算法[J]. 曹茂俊,李盼池,尚福华.  控制与决策. 2016(09)
[6]刚度和阻尼系数对LQG控制主动悬架控制的影响分析[J]. 赵彩虹,陈士安,王骏骋.  农业机械学报. 2015(12)
[7]求解动态优化问题的改进多种群引力搜索算法[J]. 毕晓君,刁鹏飞,王艳娇,肖婧.  中南大学学报(自然科学版). 2015(09)
[8]车辆主动悬架的遗传粒子群LQG控制方法[J]. 陈双,宗长富.  汽车工程. 2015(02)
[9]基于遗传算法的车辆4自由度主动悬架最优控制研究[J]. 蓝会立,高远,范健文,罗文广,许伟.  合肥工业大学学报(自然科学版). 2014(11)
[10]改进教与学优化算法的LQR控制器优化设计[J]. 拓守恒,邓方安,雍龙泉.  智能系统学报. 2014(05)



本文编号：3054941