数事技术导皮用
数控技术
基于RBF神经网络的半主动悬架滑模控制
高为群
(江苏省交通技师学院江苏镇江212006)
摘要：针对悬架参数的不确定性，提出一种基于径向基函数(RBF)神经网络的滑模控制方法根据滑模变结构控制理论设计了两自由度半主动悬架系统的滑模控制器，采用板点配置法确定滑模切换面参数，应用比例切换的控制方法和等速趋近率确定控制律，采用RBF神经网络优化算法优化了滑模控制器。运用MATLAB/simulink进行仿具，结果示，与被动悬架相比，基于RBF神经网络的滑模半主动控制具有良好的拉制效果，显等地改善了车辆的行驶平顺性，
关键调：RBF神经网络半主动悬架滑模控制中图分类号：U463.33
文献标识码：A
文章编号：1007-9416(2012)02-0011-03
汽车悬架系统是车架与车桥之间一切传力连接装置的总称，其性能好坏直接影响汽车的行驶平顺性和操纵稳定性。主动与半主动悬架能够适应路面激励和行驶条件的变化，抑制车身的振动，提高车辆的行驶平顺性和操纵稳定性，解决了传统被动悬架存在的舒适性和稳定性不能兼顾的问题，代表了悬架系统发展的方向。率主动悬架在控制品质上接近于主动悬架，且能耗小，控制较为简单，只需调节悬架的刚度或阻尼系数，即可实现降低车身振动，达到改善乘坐舒适性的目的，是近年来车辆悬架领域研究的热点。由于悬架系统具有非线性、时滞性以及车辆数学模型参数的不确定性等特点，其建模与控制是研究的关键问题。
本文采用等速趋近率法设计了半主动悬架的滑模控制器，采用基于径向基函数(RBF)的神经网络算法优化了滑模控制力的开关项，对悬架的性能指标车身加速
度、悬架动行程和车轮动位移等进行了时城和频域上的对比分析。
1、悬架模型简介
选取2自由度1/4单轮车辆模型为分析对象（如图1所示），研究基于神经网络滑模半主动控制如何改善半主动悬架的性能。
图1中，m，为车身质量；m 为轮胎质量，k为悬架弹簧等效刚度，k,为轮胎等效刚度，F为减振器可变阻尼力，C，为悬架等
input B
Suspension bonditior
万方数据
A)
Kh
RBF 图3
N K
mp 正 Cw my
F
Xbt Xe
图1两自由度半主动悬架
oa1b oa2p o3 Ou4 Ous out
urace
Sign
RBP-SHC
效阻尼。
m,xc,(xx)k,(x, x,)+k,(x,x,)+ F, =0
m,x c,(x x)+ k,(x, x,) F, = 0
式中工、,为车身和轮胎位移，x，为路面激励位移。
滑模控制器的设计 2、
(1)
滑模控制器的设计包含两个方面：确定具有良好品质的滑模面和确定控制算法。
考虑不确定非线性系统：
(t) = f(x, t) +b(x,t)u(t) +d(t)
其中：d(t)为干扰函数，(x,)和b(x,t)可以是有界的不确定连续函数，适应于车身质量和惯量的变化时滑模控制器的设计。滑
模控制器的设计目标为设计u(t) X =[x,X,,,x, ] =[x,x,-, x]T
使得系统状态
跟踪给定的状态向量
-[."了。对于两自由度的14车辆系统，定义跟踪误
差为车身速度误差、车身位移误差、位移误差的积分叫，即：三是一年[元一,,一,[,一,]
依据极点配置法取系统的滑模面为：r(x,I)=He
(2)
则t(x,t)=He，其中H=[h,h,h],为使滑模运动渐近稳定并具有良好的动态品质，式h(α)=(h,+h,α+h,α")所有根都应位于 α平面的左半平面，可取H=[8,4,1]。
当系统进人滑模运动段时应施以等效控制律，即当=0且 t=0时等效控制律}启动。若取期望的状态向量x。=[0,0,",0]"，即有x,=0,文=0,x,=0。令t(x,r)=He=0,将跟踪误差的导数和系统运动微分方程式(1)代人得：F,=A,x,其中4,=[4m,0,(8m,-k,),k,,0)，得到的即是等效控制力了。。当采用等速趋近律时系统的滑模控制律为：F,=J+βsgn(r),其中开关项βsgn(r)用以抑制系统的不确定性。参数的选择由滑模存在性和可达性条件即滑模成立条件 dt
p
人0人0确定。
3、RBF神经网络优化滑模控制
用神经网络来优化滑模控制主要有两种方法：1)通过优化开关项参数，2)通过优化等效控制力。本文采用第二种方法即通过神经网络优化等效控制力来优化滑模控制效果。用2个输人单个输出的三层RBF神经元网络来拟合等效控制力，其中网络输人为滑模面变量和其导数t，输出为等效控制力。
RBF神经网络输人输出关系为：
第—层，输出节点：x,(i=1,2),,=，=t