友情说明：写论文太麻烦了，发表论文更麻烦，来看看人家是怎么写的吧。好好学学哦。

随着高速公路的日益发展,人们对汽车高速行驶时的平顺性和安全性的要求越来越高。良好的车辆悬架系统可以有效地降低由于路面不规则激励造成的过大的车体加速度,使车辆具有良好的行驶平顺性和安全性[1]。空气弹簧悬架具有优良性能,它可以通过对空气弹簧刚度的调节和控制,得到较为理想的悬架特性曲线。同时采用智能控制算法对半主动空气弹簧悬架进行控制,可以把汽车行驶平顺性和行驶安全性提高到一个新的实用水平。由于空气悬架模型中某些参数的时变性以及不确定性等因素,本文采用模糊神经控制方法,利用MATLAB/SIMULINK软件,对基于空气悬架1 /4车辆模型进行了仿真分析。车辆模型及参数本文采用了基于空气悬架的1 /4车辆模型,如图1所示。

路面激励本文只对随机路面输入建立数学模型。车轮受到的路面随机干扰可以用白噪声通过一阶滤波后来模拟,其时域数学模型可以用下式描述α式中　q(t)———车轮所受到的路面随机激励α———路面不平度系数———汽车前进速度———高斯分布的白噪声当车速为定值时,随机路面输入的速度功率谱密度为常数π2Gq(n0)n20v。本文在仿真分析时,选取国家标准B级路面,其路面不平度系数为6. 4×10-5m2/m-1;C级路面不平度系数为2. 56×选定行驶车速为50和120 km /h。利用工具箱可得到路面激励如图4所示的时域信号。

车速50 km /h,B级路面输入仿真分析基于已经建立的模型和控制策略,使用软件对半主动空气悬架系统进行计算机仿真(仿真分为加控制和不加控制)。控制器的给定来自于参考模型,它以空气悬架簧载质量垂直方向振动加速度信号并乘以衰减因子的形式给出,衰减因子取为0. 7,同时用悬架动行程来约束控制器的输出,路面激励则采用随机路面输入。控制系统仿真前,用遗传算法离线调整模糊神经网络的参数,根据经验算法参数选取为:群体大小为100,交叉概率Pc取为0.5,变异概率Pm取0.1,染色体长度为47,经过1 500代学习;控制误差达到0.001以下,得到minJ意义下的模糊隶属函数的中心和宽度值。将遗传算法离线调整后的模糊神经控制器代入控制系统,采样周期为25 ms,每8个采样周期对控制器参数在线调整一次,并且当性能指标E小于给定的误差范围时,不调整控制器参数。

本文对B,C级路面,车速分别在50 km /h和120 km /h下,对悬架系统的3项性能指标进行仿真分析,乘坐舒适性由簧载质量加速度响应作为评价指标,车轮着地性由车轮动载荷作为评价指标[6]。

同样,为了验证模糊神经控制器在同一路面上对不同车速所表现的控制效果,本文考察了汽车在标准B级路面上,从车速为到车速为120km /h时的簧载质量加速度响应。

表2给出了两种路面(标准B级路面和标准C级路面)和两种车速下(50 km /h和120 km /h),空气悬架和模糊神经控制空气悬架的簧载质量加速度、悬架动行程、车轮动载荷的测量结果。从表3中可以看出,加模糊神经控制器后,在相同的路面不同的车速下和在相同的车速不同的路面下,空气悬架的簧载质量加速度、车轮动载荷的均方根值均有较大的降低,悬架动行程略有增加,这说明设计的模糊神经控制器有一定的自适应性。其中对簧载质量加速度和车轮动载荷降·44·拖拉机与农用运输车　第5期2007年10月低更为显著,说明达到了提高乘坐舒适性和改善操纵稳定性的目的。

行驶工况改变时各测量参数的均方根值工况空气悬架簧载质量加速度·悬架动行程车轮动载荷加控制空气悬架簧载质量加速度·悬架动行程车轮动载荷级路面级路面级路面级路面表3　加控制对不加控制测量参数均方根值的衰减率行驶工况簧载质量加速度悬架动行程车轮动载荷级路面级路面级路面级路面同时,仿真还考虑到整车参数变化时的情况,如簧载质量变化因此,本文把簧载质量在原来基础上增加了200 kg,即变为2 000 kg。

簧载质量增加后,其他参数保持不变时,在两种路面(标准B级路面和标准C级路面)和两种车速下(50 km /h和空气悬架和模糊神经控制空气悬架的簧载质量加速度、悬架动行程、车轮动载荷的均方根值。从表5中可以看出,簧载质量增加后,在相同的路面不同的车速下和在相同的车速不同的路面下,空气悬架的簧载质量加速度、车轮动载荷的均方根值均有较大的降低。悬架动行程略有增加,这说明模糊神经控制器对簧载质量变化具有较好的鲁棒性。

空气悬架簧载质量加速度·悬架动行程车轮动载荷加控制空气悬架簧载质量加速度·悬架动行程车轮动载荷级路面级路面级路面级路面表5　车身质量增加200 kg时加控制对不加控制测量参数均方根值的衰减率行驶工况簧载质量加速度悬架动行程车轮动载荷级路面级路面级路面级路面结论空气悬架采用模糊神经控制器后对簧载质量垂直振动和车轮动载荷均有明显的控制效果(如B路面车速从50 km /h时簧载质量振动加速度均方根值降低了34. 58%,车轮动载荷降低了表明模糊神经控制器对空气悬架具有较好的控制效果。

当车速改变时模糊神经控制器对簧载质量垂直振动和车轮动载荷控制具有一定的适应性(如B路面车速从50 km /h加速到时,簧载质量振动加速度均方根值降低了29. 41%,车轮动载荷降低了25. 3% )。

当路面发生变化时模糊神经控制器也具有一定的适应能力如从B级路面变化到C级路面时,在50 km /h车速下,簧载质量垂直方向的加速度均方根值降低了25. 58%,车轮动载荷降低了。

当增加簧载质量时,模糊神经控制器对路面和车速变化也具有较好的适应性, (如B路面50 km /h时,簧载质量垂直方向的加速度均方根值降低了24. 51%,车轮动载荷降低了20. 28% )。

以上分析表明模糊神经控制器对路面、车速和车身质量变化具有较好的自适应性,可以提高汽车行驶平顺性和操稳定性。