朱玉剛 李江波 史晨路

摘 要：文章基于在Matlab/Simulink對某車型建立二自由度四分之一半主動懸架模型 結(jié)合隨機路面激勵對PID控制和Fuzzy-PID控制策略進行仿真 從而改善車輛舒適性和操縱穩(wěn)定性。PID控制以被控對象的偏差作為輸入 經(jīng)過比例 微分 積分過后得到控制量 控制簡單 應(yīng)用廣泛 Fuzzy-PID是在PID控制基礎(chǔ)上結(jié)合模糊控制 可以對存在非線性、多時變等較難建立精確數(shù)學(xué)模型的被控系統(tǒng)取得較好的控制效果。仿真結(jié)果表明：相較于被動懸架系統(tǒng) 兩種控制策略的半主動懸架系統(tǒng)均改善了懸架性能 并且Fuzzy-PID控制效果明顯優(yōu)于PID控制并且具有良好的自適應(yīng)能力。

關(guān)鍵詞：半主動懸架;Simulink仿真;PID控制;Fuzzy-PID控制

中圖分類號：U467? 文獻標識碼：A? 文章編號：1671-7988（2020）18-152-05

Abstract： This paper was based on Matlab/Simulink to establish a two-degree-of-freedom 1/4 semi-active suspension model of a vehicle. Combined with random road excitation， the PID control and Fuzzy-PID control strategy were simulated to improve vehicle comfort and ride handling. PID control takes the deviation of the controlled object as input， and obtains the control quantity after proportional， differential， and integral integration， this control is simple and widely used. Fuzzy-PID is based on PID control and combined with fuzzy control， which can achieve better control result for controlled system that have nonlinearities、multiple time changeand other difficult to establish accurate mathematical models. The simulation result show that the semi-active suspension system with both control strategies could improve the suspension performance compared to the passive suspension system， and the effect of Fuzzy-PID control is obviously better than PID control and has a good adaptive ability.

Keywords： Semi-active Suspension; Simulink; PID control; Fuzzy-PID Control

CLC NO.： U467 Document Code： A? Article ID： 1671-7988（2020）18-152-05

前言

隨著汽車技術(shù)的發(fā)展 人們對于車輛舒適性和操縱穩(wěn)定性的要求越來越高 半主動懸架技術(shù)的研究逐漸引起人們的重視[1]。智能控制方法在懸架控制方面已廣泛應(yīng)用。PID控制是半主動懸架系統(tǒng)中較為泛用的控制方法 PID控制器由比例 積分 微分三大部分組成 因其控制結(jié)構(gòu)和算法簡單易于實現(xiàn) 應(yīng)用范圍廣 在面對一些控制對象復(fù)雜狀況是適用性強[2]。但在面對擁有時變 動態(tài)特性和非線性特性的系統(tǒng)中PID控制并不能進行理想的控制。在設(shè)計過程中一般將一些能夠克服其技術(shù)缺點的控制技術(shù)融合到PID控制技術(shù)中 從而形成一種可以達到理想控制效果的控制技術(shù)。[3]

傳統(tǒng)的控制方法在進行半主動懸架等具有非線性 非時變特性的系統(tǒng)的控制策略的研究時 很難達到理想的控制效果。為了在非線性 多時變系統(tǒng)中建立較為精確的數(shù)學(xué)模型并達到良好的控制效果 模糊控制理論的加入十分重要[4]。通過PID控制與Fuzzy算法的結(jié)合可以實現(xiàn)參數(shù)的動態(tài)調(diào)節(jié) 忽略汽車行駛過程中懸架系統(tǒng)參數(shù)的變化 達到更好的控制效果 從而改善汽車行駛平順性。

本文以二自由度半主動懸架系統(tǒng)為研究對象 通過simulink進行仿真模型搭建。以路面白噪聲模型作為模型激勵輸入以輪胎動載荷、懸架動撓度、車身垂向加速度作為懸架性能改善的主要性能指標 搭建了PID控制模型和Fuzzy-PID半主動懸架控制模型 并且與普通被動懸架性能進行對比 研究兩種控制方法對被動懸架性能的改善。

1 建立二自由度1/4半主動懸架數(shù)學(xué)模型

1.1 1/4半主動懸架微分方程

懸架在運動過程中具有非線性的特點 在進行仿真分析之前要對懸架系統(tǒng)進行簡化 建立二自由度四分之一半主動懸架數(shù)學(xué)模型 如圖1所示。

1.2 搭建二自由度1/4半主動懸架Simulink模型

定義系統(tǒng)狀態(tài)變量X=[x1 x2x3 x4]T 其中 ;定義系統(tǒng)輸出變量Y=[y1 y2 y3]T。

2 建立隨機路面輸入模型

2.1 隨機路況分析

本次仿真通過使用白噪聲積分法產(chǎn)生的隨機路況作為輸入 在車速不變的情況下汽車的速度時域功率譜就是為常數(shù)4π2Gq（n0）n2v的白噪聲信號 通過白噪聲積分得到的路面輪廓如下[5]。

2.2 搭建隨機路面模型

以路面為C級為基準 路面不平度系數(shù)Gq（n0）=256×10-6 m3 設(shè)置車速為25m/s 通過Matlab/Simulink構(gòu)造出積分白噪聲模型 如圖3所示。

3 PID控制系統(tǒng)設(shè)計

3.1 PID控制原理

PID控制器由P（比例） I（積分） D（微分）三大環(huán)節(jié)組成。P（比例）通過系統(tǒng)進入控制狀態(tài)在出現(xiàn)偏差時進行補正;I（積分）通過在系統(tǒng)靜態(tài)時進行標定來提高系統(tǒng)控制的精確性;D（微分）的目的是通過修正系統(tǒng)中出現(xiàn)的偏差來提高精確度和靈敏度 提高了控制的穩(wěn)定性[6]。PID控制原理圖如圖5所示。

3.3 PID控制算法參數(shù)設(shè)定

從PID控制原理上可以看出 要使控制效果達到最佳必須尋找合適的kp ki kd參數(shù)。kp ki kd這三個參數(shù)是互相影響 相互作用的 調(diào)整參數(shù)的同時控制效果也會發(fā)生變化。本次仿真通過使用試湊法 觀察改變PID參數(shù)變化后控制效果的變化來確定參數(shù)。在調(diào)整kp的大小的時候 通過將kp從很小增加到很大 再從很大逐步降低到很小的方法調(diào)整參數(shù) 并觀察控制效果的變化。通過觀察控制效果曲線的變化選取最優(yōu)的kp值;積分系數(shù)ki的調(diào)整和比例系數(shù)kp的調(diào)整相似 同樣將kp從小增加到大 觀察控制效果的變化。在調(diào)整kp和ki參數(shù)時 如果控制效果不是很理想 這時就要考慮微分系數(shù)kd在控制策略中的影響。kd與kp ki系數(shù)的調(diào)整策略相同 將kd從小增到大的同時微調(diào)比例系數(shù)kp與積分系數(shù)ki 反復(fù)調(diào)整三個參數(shù)的值最終得到理想的控制效果。最終選取kp=20 ki=225 kd=0.003。

4 Fuzzy-PID控制系統(tǒng)設(shè)置

4.1 Fuzzy-PID控制器結(jié)構(gòu)

Fuzzy-PID控制原理如圖7所示。通過模糊控制策略的調(diào)整可以減少汽車行駛過程中參數(shù)變化的影響 達到更好的控制效果 從而改善汽車行駛平順性。

控制器的結(jié)構(gòu)為二維模糊控制器 模糊控制器的輸入量為車身垂直速度誤差信號和車身垂直加速度信號 用e和ec表示。輸出量為比例系數(shù) 積分系數(shù) 微分系數(shù) 用kp ki kd表示。輸入 輸出變量的取值均在{NB NM NS ZO PS PM PB}中選取。

4.2 Fuzzy-PID控制器

選取車身垂直速度誤差信號e的基本論域為[-1 1] 模糊論域為{-3 -2 -1 0 1 2 3};車身垂直加速度信號ec的基本論域為[-8 8] 模糊論域為{-3 -2 -1 0 1 2 3};輸出的基本論域為[-900 900]模糊論域為{-6 -4 -1 -2 0 2 4 6};量化因子ke取0.36 kec取3.75 比例因子取150。模糊控制器的函數(shù)選擇為三角函數(shù)trimf fuzzy控制器如圖8所示。

4.3 確定模糊規(guī)則和控制策略

在模糊PID控制器的控制算法設(shè)計中 模糊規(guī)則的設(shè)計十分重要 必須在設(shè)置差值e和差值變化率ec的過程中根據(jù)變化將參數(shù)kp ki kd設(shè)定在一定范圍內(nèi)。

參數(shù)e ec kp ki kd選取的NB NM NS ZO PS PM PB七個模糊語量 采用if A and B then C 的控制語句不斷調(diào)整 直到得到合理的控制規(guī)則，每一條模糊規(guī)則都對應(yīng)著一條控制語句[7]。e ec kp ki kd通過高斯函數(shù)得到自己的隸屬度 通過重心法找出控制作用分布的中心來反映輸出的模糊推理結(jié)果。最終得到的控制規(guī)則表如圖9所示。

5 仿真結(jié)果分析

在相同的車速和同一路面條件下，對被動懸架，PID控制半主動懸架，F(xiàn)uzzy-PID控制半主動懸架進行仿真，觀測輪胎動載荷、懸架動撓度、車身垂向加速度這三個評價指標。得到數(shù)據(jù)如圖11-圖13所示。

6 總結(jié)

本文通過對二自由度半主動懸架系統(tǒng)為研究對象，搭建PID控制模型和Fuzzy-PID控制兩種控制策略，與被動懸架相比，PID控制下優(yōu)化了13.96%，3.6%，15.2%，F(xiàn)uzzy-PID控制使懸架三項性能指標分別優(yōu)21.8%，9.1%，27.4%。兩種控制方法對懸架性能均有改善，并且Fuzzy-PID控制在非線性條件時具有良好的自適應(yīng)能力，優(yōu)化效果要好于PID控制，為今后的半主動懸架系統(tǒng)研究提供了參考。

參考文獻

[1] 楊惠.基于模糊PID的車輛半主動懸架系統(tǒng)研究[J].現(xiàn)代信息科技，2019（7）;2096-4706.

[2] 湯建新，張騰，牛塞塞.半主動空氣懸架的PID優(yōu)化控制和聯(lián)合仿?? 真[J].汽車實用技術(shù)，2018（1）;1671-7988.

[3] 王大勇，王慧.基于變論域模糊控制的車輛半主動懸架控制方法[J].中國機械工程， 2017， 28（3）：366-372.

[4] 袁海英，高遠，王雨濤，等.車輛主動懸架系統(tǒng)的舒適性優(yōu)化控制[J].? 計算機仿真， 2018， 35（1）：141-146.

[5] 韓豫萍.智能控制在汽車半主動懸架中的應(yīng)用[D].山東：山東輕工業(yè)學(xué)院，2019.

[6] 孫士雷.電子控制主動式空氣懸架充放氣特性控制策略的研究 [D].山西：山西太原理工大學(xué)，2019.

[7] 劉會森，張玉蓮，董全林.模糊PID在智能調(diào)節(jié)閥控制系統(tǒng)中的應(yīng)用[J].機床與液壓，2018，46（1）：91-96.

[8] 劉潛，王天利.汽車半主動懸架的模糊PID控制仿真研究[J].農(nóng)業(yè)裝備與車輛工程，2017（7）：21-24.