基于粒子群算法的汽車半主動懸架pid控制研究

基于粒子群算法的汽車半主動懸架pid控制研究

1動懸架的設計關鍵懸掛系統(tǒng)是車輛的重要組成部分。半主動懸架的設計關鍵是其控制方法策略。PID控制是經典控制理論之一,由于其算法簡單,可靠性高的特點2路面參數(shù)估計值qt二自由度1/4半主動懸架模型能夠反映出汽車在垂直方向上的振動路面輸入采用濾波白噪聲,其時域數(shù)學模型為式中:q(t)為車輪所受的路面隨機激勵;v為汽車的行駛速度;ω(t)為限帶白噪聲(均值為0,強度為1);α為一常系數(shù),不同路面的參數(shù)估計值α的值不同。(B級路面中α=0.1303)。根據牛頓第二運動定律可得到兩自由度半主動懸架系統(tǒng)模型振動的微分方程:根據微分方程在MATLAB/Simulink中建立汽車半主動懸架的仿真模型[7]如圖2所示。3系統(tǒng)誤差模型PID(proportionintegrationdifferentiation)控制器由比例單元(P)、積分單元(I)和微分單元(D)組成,又稱為比例-積分-微分控制器,因其算法簡單,可靠性高,使用過程中不需要精確的系統(tǒng)模型,而成為工業(yè)生產中應用廣泛的控制器,其數(shù)學表達式為式(3)所示:式中:e(t)是系統(tǒng)誤差;K傳統(tǒng)的PID控制原理如圖3所示,主要由PID控制器和被控對象組成,系統(tǒng)根據設定值r(t)和實際輸出值y(t)得到控制偏差e(t),對偏差e(t)進行比例、積分、微分運算,將其進行線性組合得到控制量u(t)對被控對象進行控制根據PID控制原理,以車身垂直加速度作為控制對象,以盡量減小車身垂直加速度為目的,采用車身加速度與參考加速度(設為0)之間的偏差作為控制器輸入,半主動懸架系統(tǒng)的可調阻尼力作為系統(tǒng)輸出,采用試湊法對PID控制器進行參數(shù)整定,在MATLAB/Simulink中建立仿真模型如圖4所示。4c粒子群算法粒子群算法(PSO)最早是由Kennedy和Eberhart在1995年提出的,他們根據鳥類捕食行為得到啟發(fā)用于求解優(yōu)化問題對于粒子群優(yōu)化半主動懸架PID控制來講,采用最影響車輛乘坐舒適性和操作穩(wěn)定性的懸架的3個性能指標:車身垂向加速度ue57fx式中:rms代表均方根值,¨ue26f粒子在搜索空間中的速度和位置根據式(5)確定。式中:v表示粒子的速度,ω是慣性因子,c粒子群算法對懸架系統(tǒng)的PID控制的參數(shù)優(yōu)化過程如圖5所示。1)產生粒子群。粒子群的搜索空間為三維,每個粒子的位置為V2)將群體中每個個體一次賦值給PID控制器的參數(shù),然后運行控制系統(tǒng)的Simulink模型,得到該組粒子參數(shù)對應的PID控制力及對應的懸架性能指標。3)根據式(4)求出種群中各個體的適應度函數(shù)值,判斷其是否滿足粒子群算法的終止條件,達到全局最優(yōu)位置切滿足最小界限。若滿足,則退出粒子群算法,并得到最優(yōu)個體,輸出懸架的最佳性能;若不滿足,則根據式(5)更新粒子的位置和速度,轉置步驟2)。5pid控制懸架性能的改善仿真采用的懸架參數(shù)如表1所示經過粒子群算法的優(yōu)化整定得到K為了驗證粒子群算法優(yōu)化的PID控制有效改善了懸架系統(tǒng)的性能從圖4看出,粒子群算法優(yōu)化的PID控制的懸架的性能有了明顯改善,車身垂直加速度、懸架動撓度和輪胎動載荷的均方根值分別比PID控制的懸架降低了10.18%,11.85%,10.40%,比被動懸架降低了21.07%,19.29%,18.94%。結果表明結果表明粒子群優(yōu)化的PID控制的半主動懸架的汽車的乘坐舒適性和操縱穩(wěn)定性得到了很大的提高,驗證了本文所設計的粒子群優(yōu)化PID控制方法的有效性和可行性。6控制的最優(yōu)性利用粒子群算法的并行全局搜索能力,以最大改善汽車懸架系統(tǒng)的性能為目標對PID控制參數(shù)進行全面的整定和優(yōu)化,克服了PID控制中的主觀性和未能保證達到最優(yōu)的缺點。同種仿真條件下在MATLAB/Simulink中的仿真結果表明,基于粒子群優(yōu)化的PID控制的汽車半主動懸架系統(tǒng)比被動懸架系統(tǒng)和傳統(tǒng)PID控制的半主