CN100358739C - 一种基于小波分解的汽车磁流变半主动悬架阻尼控制的方法 - Google Patents

Abstract

本发明涉及一种基于小波分解的汽车半主动悬架阻尼控制方法，它是利用加速度传感器在线提取汽车行驶中车身的振动信号，运用小波变换的方法将振动信号分解为由高到低的若干频段，通过能量统计的方法确定当前振动信号主要分布在哪几个频段，根据阻尼系数与车轴、车身振动响应曲线确定通过可控阻尼减振器调节悬架阻尼系数，从而使汽车获得良好的平顺性和操纵稳定性。本方法运用小波变换对车身振动信号进行多分辨率分析，高频信号部分分辨率低，低频信号分辨率高，符合汽车振动信号的特点。由于算法只测量簧载质量的加速度，不需要预测路面，兼顾悬架低频振动和高频振动，能够方便地应用到汽车半主动悬架上，实现实时控制。

Description

一种基于小波分解的汽车磁流变半主动悬架阻尼控制的方法

技术领域

本发明属于汽车减振控制技术领域，具体涉及一种基于小波分解的汽车磁流变半主动悬架阻尼控制的方法。

背景技术

自1973年美国的D.A.Crosby和D.C.Karnopp提出半主动悬架的概念以来，各国学者陆续开展了基于可控阻尼减振器的半主动悬架控制方法研究，其中在实际车辆上得到运用的是天棚阻尼控制，它设想将减振器设置在簧载质量和惯性坐标-天棚之间，直接控制簧载质量的绝对运动速度。天棚阻尼控制算法简单，研究表明只要合理选择参数，能够很好的抑制簧载质量的垂直振动，提高乘坐舒适性。但是天棚阻尼需要同时测量簧载质量的绝对速度和簧载质量与非簧载质量的相对速度，而簧载质量绝对速度的获取相当困难，天棚阻尼还要求执行机构的时滞较小，否则容易导致“开关”控制的误动作，并且它以牺牲轮胎着地性为代价，在某些工况下是不可接受的。

最优控制、模糊控制、自适应控制、预见控制等控制理论也被应用于汽车半主动减振控制，但是这些方法常常是建立在各种假设的基础之上的，与实际工况有较大的差异；并且大多计算复杂，收敛慢，实时性差，因此主要停留在实验室仿真，很难应用于实车控制。

发明内容

发明目的：本发明提出一种基于小波分解的汽车磁流变半主动悬架阻尼控制的方法，运用小波变换的方法来分解振动信号，其目的是同时降低簧载质量和非簧载质量的垂直加速度，提高汽车的乘座舒适性和操纵稳定性。

本发明的技术解决方案如下：

本发明方法的总体方案是：利用加速度传感器在线提取汽车行驶中车身的振动信号，运用小波变换的方法将振动信号分解为由高到低的若干频段，通过能量统计的方法确定当前振动信号主要分布在哪几个频段，根据阻尼系数与车轴、车身振动响应曲线确定通过可控阻尼减振器调节悬架阻尼系数，从而使汽车获得良好的平顺性和操纵稳定性。

本发明的关键是运用小波变换的方法来分解振动信号，结合图2，其步骤如下：

1、设：x(n)表示滤波器在n时刻的输入，X₀＝[x(n)，x(n-1)，…x(1)]^T表示由x(n)形成的输入向量；DWT表示振动信号的离散小波变换分解；X_j表示信号序列X₀的第j级分解后的低频信号序列；D_j表示信号序列X₀的第j级高频信号序列；σ_j是第j级细节信号序列的均方根值，σ_j+1是第j级逼近信号序列的均方根值，均方根值向量：P＝[σ₁，σ₂，...，σ_j+1]；w_j是第j级细节信号序列对应的输出加权系数，w_j+1是第j级逼近信号序列对应的输出加权系数，输出权向量：W＝[w₁，w₂，…，w_j+1]^T

控制器输出量F的计算：

F＝kPW    (1)

式中k是输出增益。

2、振动信号的小波分解，结合图3：

设：G和H分别为小波低通滤波器和小波高通滤波器，X_j和D_j是第j级分解的逼近信号(低频)和细节信号(高频)变换公式如下：

$X_j\left(m\right)=\underset{k}{\mathrm{\Σ}}h(k-2m)X_{j-1}\left(k\right)---\left(2\right)$

$D_j\left(m\right)=\underset{k}{\mathrm{\Σ}}g(k-2m)X_{j-1}\left(k\right)---\left(3\right)$

其中h(n)和g(n)表示这滤波器H和G的冲击响应序列，并且h(n)和g(n)有如下的关系：

g(n)＝(-1)^1-nh(1-n)    (4)

为了提高算法的实时性，选着具有对称性的小波滤波器h(n)，使h(n)＝h(-n)

设l＝k-2m，k＝2m+l，若冲击响应序列h(n)的长度为2t+1，

-(t-1)/2≤l≤(t-1)/2，所以，式(1)可以写成：

$X_j\left(m\right)=\underset{l=-t}{\overset{t}{\mathrm{\Σ}}}h\left(l\right)X_{j-1}(2m+l)---\left(5\right)$

把式(5)展开成双边的形式：

$X_j\left(m\right)=\underset{l=0}{\overset{t}{\mathrm{\Σ}}}h\left(l\right)X_{j-1}(2m+l)+\underset{l=0}{\overset{t}{\mathrm{\Σ}}}h(-l)X_{j-1}(2m-l)h\left(0\right)X_{j-1}\left(2m\right)---\left(6\right)$

因为h(l)＝h(-l)，所以：

$X_j\left(m\right)=\underset{l=0}{\overset{t}{\mathrm{\Σ}}}h\left(l\right)[X_{j-1}(2m-l)+X_{j-1}(2m+l)]-h\left(0\right)X_{j-1}\left(2m\right)---\left(7\right)$

同理，式(3)写成如下形式

$D_j\left(m\right)=\underset{l=0}{\overset{t}{\mathrm{\Σ}}}{(-1)}^l[X_{j-1}(2m+1-l)+X_{j-1}(2m+1+l)]h\left(l\right)---\left(8\right)$

$-h\left(0\right)X_{j-1}(2m-1)$

因此利用滤波器H和滤波器G的关系以及滤波器H的对称性，可以对信号分解计算公式进行简化，减少部分计算量，提高算法的实时性。

3、输出权向量的调整：

输出权向量经离线整定后，输出权向量W一般不需要调整，当控制效果欠佳时，可以通过输出权向量调节器对进行调整。调整算法如下：

设第m次控制器输出为F_m，相应的输出权向量和均方根值向量为W_m＝[w_m，1，w_m，2，...，w_m，j+1]和P_m＝[P_m，1，P_m，2，...，P_m，j+1]。

构造误差向量：E_m＝P_m-P_m-1＝[e_m，1，e_m，2，...，e_m，j+1]；

输出权重调节向量：ΔW＝[Δw_m，1，Δw_m，2，...，Δw_m，j+1]；

$\mathrm{\&Delta;}{w}_{m,j}=\left\{\begin{array}{cc}{(-1)}^r\frac{e_{m,i}}{e_{m,i-1}}\mathrm{\&Delta;}{w}_{m-1,i}& (e_{m-1,i}>\mathrm{\&epsiv;and}|\frac{e_{m,i}}{e_{m-1,i}}|\&GreaterEqual;R)\\ 0& (e_{m,i}<\mathrm{\&epsiv;})\\ {(-1)}^r\mathrm{R\&Delta;}{w}_{m-1,i}& (e_{m,i}>\mathrm{\&epsiv;and}|\frac{e_{m,i}}{e_{m-1,i}}|<R)\end{array}\right.---\left(9\right)$

式中ε为控制阈值，r根据所在频段取0或1，衰减系数R∈(0，0.618)。

W_m+1＝W_m+ΔW_m    (10)

4.通过小波分解，振动信号就可以分解为由高到低的若干频段，通过能量统计的方法确定当前振动信号主要分布在哪几个频段，具体步骤如下：

(1)对小波分解得到的各级振动信号进行能量统计，对于j级分解后的信号向量D_i＝[d_i(1)，...，d_i(n-1)，d_i(n)]^T，(i＝1，2，...，j，j+1；D_j+1＝X_i)，求各向量的均方根值

${\mathrm{\&sigma;}}_i=\sqrt{\frac{1}{n}\underset{k=1}{\overset{n}{\mathrm{\&Sigma;}}}{d}_i^2\left(k\right)},(i=\mathrm{1,2},...,j,j+1)$

(2)建立均方根值向量：P＝[σ₁，σ₂，...，σ_j+1]中元素排序，选取最大的两个元素σ_m和σ_i

(3)根据小波分解信号与频率的对应关系，确定σ_m和σ_i所在频段的频率范围。如果原始信号的最高频率为f_max，可以计算出7级小波分解后各层所占的具体频带为：

X₇：(0～0.0078125)×f_max

D₇：(0.0078125～0.015625)×f_max

D₆：(0.015625～0.03125)×f_max

D₅：(0.03125～0.0625)×f_max

D₄：(0.0625～0.125)×f_max

D₃：(0.125～0.25)×f_max

D₂：(0.25～0.5)×f_max

D₁：(0.5～1)×f_max

本发明的优点：

本控制方法运用小波变换的方法将振动信号分解为由高到低的若干频段，对车身振动信号进行多分辨率分析，高频信号部分分辨率低，低频信号分辨高，符合汽车振动信号的特点。由于算法只需要利用加速度传感器在线提取汽车行驶中车身的振动信号，无须预测路面，可极大地降低***成本，提高***可靠性。通过能量统计的方法确定当前振动信号主要分布在哪几个频段，根据阻尼系数与车轴、车身振动响应曲线确定通过可控阻尼减振器调节悬架阻尼系数，兼顾悬架低频振动和高频振动，从而使汽车获得良好的平顺性和操纵稳定性。本控制方法实现容易，能够方便地应用到现有汽车悬架上，实现实时控制。

附图说明

图1是采用小波频域控制方法的汽车磁流变半主动悬架***示意图；

图2是小波频域控制算法的流程框图；

图3是信号多级分解的流程图；

图4悬架响应的频段划分，其中图4A是簧载质量加速度传递特性，图4B是轮胎动载荷传递特性；

图5振动信号的多级分解；

图6车厢地板垂直振动控制效果(40km/h)；

图7车轴垂直振动控制效果(40km/h)。

具体实施方式

如图1所示，将加速度传感器1安装于车身质心处，采集车身垂直振动加速度信号，作为小波频域控制器6的输入，控制器对输入信号进行小波分解后，参见图2和图3，通过能量统计的方法确定当前振动信号主要分布在哪几个频段，根据阻尼系数与车轴、车身振动响应曲线确定通过可控阻尼减振器调节悬架阻尼系数，输出控制信号调节可控阻尼的执行器(如电/磁流变阻尼器)2-5的阻尼特性，完成一个控制循环。

图5给出了汽车以40km/h速度行驶时，车厢地板垂直振动的加速度信号的7级分解结果，其中X₀是传感器采集到的原始信号，X₇是第7级逼近信号(低频部分)，D₁~D₇是1～7级细节信号(高频部分)，从图中可以看到，各层小波变换如同带通或低通滤波器，通过小波变换，各个频段的信号被清晰地展现出来。原始信号的最高频率为50Hz，可以计算出各层所占的具体频带为：

X₇：0～0.39Hz

D₇：0.39~0.78Hz

D₆：0.78～1.56Hz

D₅：1.56～3.13Hz

D₄：3.125～6.25Hz

D₃：6.25～12.5Hz

D₂：12.5～25Hz

D₁：25～50Hz

通过信号能量统计，各级振动信号的均方根值为：P＝[σ₁，σ₂，...，σ_j+1]＝[0.002，0.005，0.004，0.01，0.09，0.23，0.16，0.03]。由此可知振动能量集中在D₆：0.78～1.56Hz和D₇：0.39~0.78Hz这两个频段。因此输出阻尼力应该取较小值，设输出增益k＝1000；

根据图4所示的悬架响应的频段划分可知，在[0~1.1Hz]频段应该为低阻尼状态，[1.1~9Hz]频段应该为高阻尼状态，9~100Hz频段应该为中等阻尼状态，因此可以设置输出权向量为W＝[0，0，0.5，1，1，0.8，0.5，0.5]。

输出阻尼力F＝k*P*W＝380N

图6显示了汽车以40km/h速度在B级路面上的行驶时的控制效果。图中黑线为被动悬架的簧载质量-车厢地板垂直加速度功率谱，红线为采用基于小波分解的汽车半主动悬架阻尼力控制方法后测得车厢地板垂直加速度功率谱。比较得知，本专利所采用的控制方法能有效降低人体敏感的4-12.5Hz的垂直加速度，提高汽车乘座舒适性。图7显示了非簧载质量-车轴的垂直加速度功率谱，从图中可以看出，通过控制，车轴的垂直振动也得到了较好抑制，在提高汽车乘坐舒适性的同时也提高了操纵稳定性。

Claims (2)

1、一种基于小波分解的汽车半主动悬架阻尼控制的方法，其步骤如下：

(1)利用加速度传感器在线提取汽车行驶中车身的振动信号；

(2)运用小波变换的方法将振动信号分解为由高到低的若干频段；

(3)通过能量统计的方法确定当前振动信号主要分布在哪几个频段；

(4)根据阻尼系数与车轴、车身振动响应曲线确定通过可控阻尼减振器调节悬架阻尼系数，从而使汽车获得良好的平顺性和操纵稳定性；

其中：运用小波变换的方法分解振动信号的步骤如下：

(1)设：x(n)表示滤波器在n时刻的输入，X₀＝[x(n)，x(n-1)，…x(1)]^T表示由x(n)形成的输入向量；DWT表示振动信号的离散小波变换分解；X_j表示信号序列X₀的第j级分解后的低频信号序列；D_j表示信号序列X₀的第j级高频信号序列；σ_j是第j级高频信号序列的均方根值，σ_j+1是第j级低频信号序列的均方根值，均方根值向量：P＝[σ₁，σ₂，...，σ_j+1]；w_j是第j级细节信号序列对应的输出加权系数，w_j+1是第j级逼近信号序列对应的输出加权系数，输出权向量：W＝[w₁，w₂，…，w_j+1]^T

控制器输出量F的计算：

F＝kPW    (1)

式中k是输出增益；

(2)振动信号的小波分解：

以G和H分别代表小波低通滤波器和小波高通滤波器，X_j和D_j是第j级分解的低频逼近信号和高频细节信号变换公式如下：

$X_j\left(m\right)\text{=}\underset{k}{\mathrm{\&Sigma;}}h(k-2m)X_{j-1}\left(k\right)---\left(2\right)$

$D_j\left(m\right)\text{=}\underset{k}{\mathrm{\&Sigma;}}g(k-2m)X_{j-1}\left(k\right)---\left(3\right)$

其中h(n)和g(n)表示这滤波器H和G的冲击响应序列，并且h(n)和g(n)有如下的关系：

g(n)＝(-1)^1-nh(1-n)    (4)

为了提高算法的实时性，选着具有对称性的小波滤波器h(n)，使h(n)＝h(-n)

设l＝k-2m，k＝2m+l，若冲击响应序列h(n)的长度为2t+1，-(t-1)/2≤l≤(t-1)/2，所以，式(1)可以写成：

$X_j\left(m\right)=\underset{l=-t}{\overset{t}{\mathrm{\&Sigma;}}}h\left(l\right)X_{j-1}(2m+l)---\left(5\right)$

把式(5)展开成双边的形式：

$X_j\left(m\right)=\underset{l=0}{\overset{t}{\mathrm{\&Sigma;}}}h\left(l\right)X_{j-1}(2m+l)+\underset{l=0}{\overset{t}{\mathrm{\&Sigma;}}}h(-l)X_{j-1}(2m-l)-h\left(0\right)X_{j-1}\left(2m\right)---\left(6\right)$

因为h(l)＝h(-l)，所以：

$X_j\left(m\right)=\underset{l=0}{\overset{t}{\mathrm{\&Sigma;}}}h\left(l\right)[X_{j-1}(2m-l)+X_{j-1}(2m+l)]-h\left(0\right)X_{j-1}\left(2m\right)---\left(7\right)$

同理，式(3)写成如下形式

$D_j\left(m\right)=\underset{l=0}{\overset{t}{\mathrm{\&Sigma;}}}{(-1)}^l[X_{j-1}(2m+1-l)+X_{j-1}(2m+1+l)]h\left(l\right)--\left(8\right)$

$-h\left(0\right)X_{j-1}(2m-1)$

(3)输出权向量的调节：

输出权向量经离线整定后，输出权向量W一般不需要调整，当控制效果欠佳时，可以通过输出权向量调节器对其进行调节，调节方法如下：

设第m次控制器输出为F_m，相应的输出权向量和均方根值向量为W_m＝[w_m，1，w_m，2 ，...，w_m，j+1]和P_m＝[P_m，1，P_m，2，...，P_m，j+1]；

构造误差向量：E_m＝P_m-P_m-1＝[e_m，1，e_m，2，...，e_m，j+1]；

输出权重调节向量：ΔW＝[Δw_m，1，Δw_m，2，...，Δw_m，j+1]；

$\mathrm{\&Delta;}{w}_{m,i}=\left\{\begin{array}{cc}{(-1)}^r\frac{e_{m,i}}{e_{m,i-1}}\mathrm{\&Delta;}{w}_{m-1,i}& (e_{m-1,i}>\mathrm{\&epsiv;and}|\frac{e_{m,i}}{e_{m-1,i}}|\&GreaterEqual;R)\\ 0& (e_{m,i}<\mathrm{\&epsiv;})\\ {(-1)}^r\mathrm{R\&Delta;}{w}_{m-1,i}& (e_{m,i}>\mathrm{\&epsiv;and}|\frac{e_{m,i}}{e_{m-1,i}}|<R)\end{array}\right.---\left(9\right)$

式中ε为控制阈值，r根据所在频段取0或1，衰减系数R∈(0，0.618)

W_m+1＝W_m+ΔW_m    (10)；

所述步骤(3)通过能量统计的方法确定当前振动信号主要分布在哪几个频段的具体步骤如下：

A、对于j级分解后的信号向量D_i＝[d_i(1)，…，d_i(n-1)，d_i(n)]^T，(i＝1，2，...，j，j+1；D_j+1＝X_i)，求各向量的均方根值 ${\mathrm{\&sigma;}}_i=\sqrt{\frac{1}{n}\underset{k=1}{\overset{n}{\mathrm{\&Sigma;}}}{d}_i^2\left(k\right)},$ (i＝1，2，...，j，j+1)；

B、均方根值向量：P＝[σ₁，σ₂，...，σ_j+1]中元素排序，选取最大的两个元素σ_m和σ_l；

C、根据小波分解信号与频率的对应关系，确定σ_m和σ_l所在频段的频率范围，如果原信号的最高频率为f_max，计算出7级小波分解后各层所占的具体频带为：

X₇：(0～0.0078125)×f_max

D₇：(0.0078125～0.015625)×f_max

D₆：(0.015625～0.03125)×f_max

D₅：(0.03125～0.0625)×f_max

D₄：(0.0625～0.125)×f_max

D₃：(0.125～0.25)×f_max

D₂：(0.25～0.5)×f_max

D₁：(0.5～1)×f_max。

2.根据权利要求1所述的方法，其特征在于：根据阻尼系数与车轴、车身振动响应曲线确定通过可控阻尼减振器调节悬架阻尼系数具体是，根据不同阻尼系数下簧载质量加速度相对于路面速度输入的传递函数幅频特性曲线的交点和轮胎动载荷对于路面速度输入的传递函数幅频特性曲线的交点，将0.1-100Hz的频率划为由低到高的三个频段A、B、C，在频段A使用大阻尼系数，在频段B使用小阻尼系数，对于频段C，选用中等阻尼系数，使簧载质量加速度和轮胎动载荷的均方根值都保持在一个较低的水平，A、B、C三个频率点的值应结合具体车型测试得到。

Images