基于汽车行驶平顺性的悬架系统研究

发布时间：2017-07-07 17:28

  本文关键词：基于汽车行驶平顺性的悬架系统研究

  更多相关文章： 行驶平顺性 参数优化 主动悬架 神经网络 路面试验

【摘要】：行驶平顺性是汽车的六大重要性能之一,而悬架系统直接影响着汽车的行驶平顺性。传统的被动悬架虽然具有结构简单、易加工制造、成本低廉等优点,但悬架系统参数匹配与优化是悬架设计的难题之一,同时被动悬架的性能是固定的,无法使汽车始终保持最佳行驶状态。而主动悬架可以通过控制作动器的输出使悬架系统始终处于最优状态,从而极大地提高汽车的行驶平顺性,但是现有主动悬架成本高、能量消耗大、控制复杂,这也限制了主动悬架在汽车上的普及应用。因此开发出廉价、节能、易控制的新型悬架系统对于主动悬架的推广应用具有重要意义。本文结合吉林省汽车产业发展专项资金项目——“轿车惯性调控主动悬架研制开发”(编号:20112330),基于汽车的行驶平顺性,以汽车悬架系统为研究对象,对被动悬架弹簧、减震器的参数优化和液压式主动悬架系统进行了研究,主要研究内容如下:(1)建立了悬架系统的动力学模型。本文对随机路面和整车模型进行了建模分析研究,建立了随机路面模型和整车七自由度模型,为被动悬架系统的参数优化和主动悬架控制系统的设计及仿真奠定了基础。(2)对汽车被动悬架弹簧刚度和减震器阻尼系数进行了优化。为了保证汽车在被动状态下的行驶平顺性,将粒子群算法和文化算法相融合得到“双演化,双促进”的改进文化粒子群算法,并用其对被动悬架系统的参数进行了优化。对于车身质心垂向加速度均方根值、车身俯仰角加速度均方根值、车身侧倾角加速度均方根值及四个车轮动载荷加速度之和的均方根值,采用优化参数比采用理论计算参数分别降低了18.93%、17.81%、18.36%和15.97%。(3)设计了主动悬架神经网络控制器。对于主动悬架控制系统,本文基于神经网络,设计了主动悬架LM-BP神经网络控制器和改进粒子群神经网络间接自适应控制器,并在整车七自由度模型上进行仿真。结果显示,相比于被动悬架,LM-BP神经网络主动悬架在车身质心垂向加速度均方根值、车身俯仰角加速度均方根值、车身侧倾角加速度均方根值上分别降低了36.06%、33.62%、29.08%;而采用改进粒子群神经网络间接自适应控制主动悬架则分别降低了42.52%、39.60%、40.59%。仿真和实车路面试验表明,采用改进文化粒子群算法优化悬架系统弹簧和减震器参数可以有效提高汽车在被动悬架状态时的行驶平顺性;而对于主动悬架,采用LM-BP神经网络的主动悬架和改进粒子群神经网络间接自适应控制主动悬架的行驶平顺性要优于被动悬架,这也验证了主动悬架控制系统的有效性,保证了汽车在主动悬架状态下行驶的平顺性。
【关键词】：行驶平顺性 参数优化 主动悬架 神经网络 路面试验
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.33
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第1章 绪论11-21
• 1.1 研究背景与意义11-12
• 1.2 汽车悬架系统概述12-16
• 1.2.1 传统的被动悬架12-13
• 1.2.2 半主动悬架与主动悬架13-16
• 1.3 悬架技术的发展状况16-19
• 1.3.1 被动悬架参数优化的发展状况16-17
• 1.3.2 主动悬架的发展状况17-19
• 1.4 本文主要研究内容19-21
• 第2章 悬架系统的动力学模型21-33
• 2.1 引言21
• 2.2 随机路面模型的分析与建立21-25
• 2.2.1 路面的空间功率谱密度21-23
• 2.2.2 路面的时间功率谱密度23-24
• 2.2.3 随机路面模型的建立24-25
• 2.3 七自由度整车模型建模分析25-29
• 2.4 汽车悬架弹簧和减震器参数对行驶平顺性的影响29-32
• 2.4.1 悬架前后弹簧刚度对汽车行驶平顺性的影响29-31
• 2.4.2 悬架前后减震器阻尼系数对汽车行驶平顺性的影响31-32
• 2.5 本章小结32-33
• 第3章 基于改进文化粒子群算法的悬架参数优化33-51
• 3.1 引言33
• 3.2 粒子群算法及文化算法33-39
• 3.2.1 粒子群算法及其改进33-36
• 3.2.2 文化算法及其实现36-39
• 3.3 改进文化粒子群算法39-43
• 3.3.1 改进文化粒子群算法的基本思想39-40
• 3.3.2 交叉操作及小生镜技术的应用40-42
• 3.3.3 改进文化粒子群算法的实现步骤42-43
• 3.4 改进文化粒子群算法在悬架参数优化中的应用43-48
• 3.4.1 汽车悬架系统参数优化模型43-46
• 3.4.2 改进文化粒子群算法在悬架参数优化中的实现46-48
• 3.5 基于改进文化粒子群算法的悬架参数优化仿真分析48-50
• 3.6 本章小结50-51
• 第4章 基于主动悬架的神经网络控制研究51-67
• 4.1 引言51
• 4.2 神经网络算法及其改进51-57
• 4.2.1 基于动量法和可变学习率的改进BP神经网络算法51-54
• 4.2.2 LM-BP神经网络算法54-56
• 4.2.3 基于改进粒子群的神经网络算法56
• 4.2.4 改进神经网络的训练收敛速度对比56-57
• 4.3 主动悬架LM-BP神经网络控制器的设计57-61
• 4.3.1 LM-BP神经网络训练数据的获取57-60
• 4.3.2 主动悬架LM-BP神经网络控制器的实现60-61
• 4.4 主动悬架神经网络间接自适应控制器设计61-64
• 4.4.1 主动悬架改进粒子群神经网络间接自适应控制器原理61-63
• 4.4.2 主动悬架改进粒子群神经网络间接自适应控制器的实现63-64
• 4.5 主动悬架状态下的神经网络控制仿真分析64-66
• 4.6 本章小结66-67
• 第5章 试验样车搭建及路面试验67-83
• 5.1 引言67
• 5.2 试验样车的搭建67-74
• 5.2.1 试验样车的基本结构67-68
• 5.2.2 主/被动可切换悬架的结构设计68-71
• 5.2.3 主/被动可切换悬架的液压系统设计71-72
• 5.2.4 主/被动可切换悬架测控系统的设计72-74
• 5.3 试验样车的路面试验74-81
• 5.3.1 试验样车的路面试验设计74-76
• 5.3.2 试验样车的路面试验结果及分析76-81
• 5.4 本章小结81-83
• 第6章 总结与展望83-85
• 6.1 全文总结83-84
• 6.2 全文展望84-85
• 参考文献85-89
• 致谢89

【参考文献】

中国期刊全文数据库 前10条

1 林国问;马大为;乐贵高;郭亚军;;双气室油气悬架系统车辆道路友好性分析[J];机械设计;2014年02期

2 李伟平;张利轩;马义超;唐伟;;基于不确定性和隔代遗传的矿用车平顺性优化[J];湖南大学学报(自然科学版);2012年06期

3 贝绍轶;袁传义;陈龙;张兰春;;基于轴距预瞄的半主动悬架模糊神经网络控制[J];汽车工程;2010年12期

4 齐仲纪;刘漫丹;;文化算法研究[J];计算机技术与发展;2008年05期

5 易建军;孙英策;季白杨;关懿峰;董金祥;;基于随机线性最优控制理论的车辆主动悬架控制器的设计研究[J];机械研究与应用;2007年06期

6 徐建省;王永骥;季海波;;鲁棒控制方法在导弹控制系统中的应用研究进展与展望[J];航天控制;2007年01期

7 宋永刚;张进秋;魏健;;汽车悬架控制系统发展概述[J];专用汽车;2007年01期

8 张宝菊;贾萍;郝迎英;;用基于小生镜技术的改进遗传算法解决TSP问题[J];天津工业大学学报;2006年03期

9 杜琼;周一届;;新的进化算法——文化算法[J];计算机科学;2005年09期

10 刘少军,黄中华,陈毅章;Automobile active suspension system with fuzzy control[J];Journal of Central South University of Technology(English Edition);2004年02期

中国博士学位论文全文数据库 前3条

1 李天宇;混合动力工程车辆自动变速换挡策略及控制方法研究[D];吉林大学;2014年

2 刘树博;基于新型优化算法的主动悬架鲁棒输出反馈控制研究[D];吉林大学;2010年

3 王俊伟;粒子群优化算法的改进及应用[D];东北大学;2006年

中国硕士学位论文全文数据库 前8条

1 李元鹏;电液伺服控制主动悬架控制策略研究[D];吉林大学;2015年

2 杨超云;前后悬架匹配及动力学仿真分析研究[D];武汉理工大学;2013年

3 张弓;基于预决策粒子群算法的悬架仿真优化[D];浙江大学;2011年

4 程杰;基于悬架控制的车辆平顺性仿真研究[D];浙江大学;2008年

5 蔡连营;特种车辆主动悬架技术仿真研究[D];吉林大学;2008年

6 黄丽;BP神经网络算法改进及应用研究[D];重庆师范大学;2008年

7 杜翔;基于虚拟样机的悬架参数优化及匹配[D];上海交通大学;2007年

8 王莹;新型汽车主动悬架系统及其鲁棒控制研究[D];广东工业大学;2005年

，

本文编号：531177