CN112906133B - 一种地棚控制动惯性悬架的垂向振动负效应抑制方法 - Google Patents

一种地棚控制动惯性悬架的垂向振动负效应抑制方法 Download PDF

Info

Publication number
CN112906133B
CN112906133B CN202110207194.2A CN202110207194A CN112906133B CN 112906133 B CN112906133 B CN 112906133B CN 202110207194 A CN202110207194 A CN 202110207194A CN 112906133 B CN112906133 B CN 112906133B
Authority
CN
China
Prior art keywords
suspension
inertial
dynamic
vertical
particles
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110207194.2A
Other languages
English (en)
Other versions
CN112906133A (zh
Inventor
杨晓峰
宋航
任洁雨
沈钰杰
刘雁玲
何涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University
Original Assignee
Jiangsu University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN202110207194.2A priority Critical patent/CN112906133B/zh
Publication of CN112906133A publication Critical patent/CN112906133A/zh
Application granted granted Critical
Publication of CN112906133B publication Critical patent/CN112906133B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Vehicle Body Suspensions (AREA)

Abstract

本发明公开了一种地棚控制动惯性悬架的垂向振动负效应抑制方法，该方法通过将地棚控制算法和包含弹簧、阻尼器和惯容器元件的动惯性悬架结合而成。通过串并联组合弹簧、阻尼器和惯容器形成动惯性悬架，施加地棚控制，粒子群参数优化求解最佳悬架参数而成。本发明提供了一种新的轮毂电机驱动汽车垂向振动负效应抑制方法，能够有效抑制轮毂驱动汽车的垂向振动负效应，提升其舒适性和道路友好性。

Description

一种地棚控制动惯性悬架的垂向振动负效应抑制方法
技术领域
本发明属于车辆悬架***建模领域，尤其是对于应用惯容器装置的车辆动惯性悬架***。本发明涉及一种轮毂电机驱动车辆动惯性悬架的垂向振动负效应抑制方法，特指一种结合地棚控制的动惯性悬架抑制方法。
背景技术
面对日益严峻的能源供给和环境污染问题，轮毂电机驱动汽车成为未来电动汽车的理想构型。轮毂电机驱动汽车簧下质量显著增大导致的垂向振动负效应直接影响车辆平顺性和操稳性，降低了车辆的乘坐舒适性和道路友好性，成为理论研究和产业发展亟待解决的技术瓶颈。
中国专利CN109080401A提出将轮毂电机作为动力吸振器吸振子，使电机定子与车轴通过动力吸振部件连接设计，取得良好的抑制效果，但是轮毂电机作为吸振子会加剧电机定转子间隙波动。
轮毂电机驱动汽车的垂向振动负效应抑制问题属于车辆悬架***，可以划归为簧下质量增大所导致的垂向运动惯性不稳定问题，但传统悬架“弹簧-阻尼器”结构中缺失有效的“惯性元件”，制约悬架整体性提升。将惯容器引入车辆悬架，构成“惯容器-弹簧-阻尼器”动惯性悬架结构体系。它在垂向振动过程中，形成“簧上质量-惯容器-簧下质量”耦合振动体系，增加了悬架***的垂向运动惯性(即“虚质量”)和稳定性，而不增加***的自重，故称之为动惯性悬架。着眼于轮毂电机驱动汽车的垂向振动负效应抑制问题，可以划归为簧下质量增大所导致的垂向运动惯性不稳定问题，正切合了动惯性悬架垂向惯性调节的研究特征。
发明内容
基于上述原因，本发明提供了一种地棚控制动惯性悬架的垂向振动负效应抑制方法，利用可以调节垂向惯性的动惯性悬架和可以提高道路友好性的地棚控制，来抑制轮毂电机驱动汽车的垂向振动负效应，提升其舒适性和道路友好性。
为了实现上述抑制效果，本发明所采用的技术方案为：一种地棚控制动惯性悬架的垂向振动负效应抑制方法，其特征在于，包括：
步骤(1)：建立包含轮毂驱动电机的四分之一动惯性悬架模型：
其中，m2为簧载质量，m1为非簧载质量，m3为轮毂电机质量，K为悬架的支撑弹簧刚度，kt为轮胎等效弹簧刚度，x2为簧载质量的垂向位移，为簧载质量的垂向速度，/>为簧载质量的垂向加速度，x1为非簧载质量的垂向位移，/>为非簧载质量的垂向速度，/>为非簧载质量的垂向加速度，k为悬架副弹簧系数，b为惯容器的惯质系数，c为阻尼系数，xb为惯容器的垂向位移，/>为惯容器的垂向加速度，xr为路面不平度的垂向输入位移；
步骤(2)：设置地棚控制策略：
其中，cgrd为地棚控制的半主动阻尼系数，cmax、cmin分别为设定的最大阻尼系数和最小阻尼系数，且满足下式：
cmax＞0，cmin＞0，cmax＞cmin。
步骤(3)：选取路面不平度的位移输入模型xr；
步骤(4)：通过优化算法求解模型参数，得到基于地棚控制的车辆动惯性悬架参数。
进一步地，所述步骤(4)中的优化算法采用粒子群优化算法。
进一步地，所述步骤(4)中的粒子群优化算法包括：
步骤(4.1)：确定待优化参数P＝[cmax、cmin、k、b]，初始化粒子；
步骤(4.2)：将车身加速度均方根值、悬架动行程均方根值和轮胎动载荷均方根值作为优化目标，建立与传统被动悬架性能指标相对应的比值目标函数作为粒子群算法的适应度函数，计算粒子的适应度值，得到动惯性悬架目标函数J及其约束条件s.t.：
其中，BA(P)、SWS(P)和DTL(P)分别表示基于地棚控制的动惯性悬架的车身加速度均方根值、悬架动行程均方根值和轮胎动载荷均方根值；w1、w2和w3分别表示其加权系数；BApass，SWSpass和DTLpass分别表示传统被动悬架三个性能指标的均方根值；LB和UB分别表示参数的上限和下限；
步骤(4.3)：计算得到个体极值与群体极值：其中，个体极值为粒子在最优位置所得到的目标函数J的值，全局极值为所有粒子的个体极值中的最优值；
步骤(4.4)：粒子速度和位置属性的进化规律为：
Xn+1＝Xn+Vn+1
其中，λ表示惯性权重；d1和d2表示学习因子或加速度常数；r1和r2表示[0，1]内的随机数；n表示迭代次数；表示个体极值；/>表示群体极值；Vn表示n时刻粒子的速度；Vn+1表示n+1时刻粒子的速度；Xn表示n时刻粒子的位置；Xn+1表示n+1时刻粒子的位置；
步骤(4.5)：边界处理：当粒子运动到空间边界时，强制该粒子停止运动，当前速度置为0，粒子的适应度用当前所处的边界位置计算。
进一步地，其中所述步骤(5)中选取路面不平度的位移输入模型xr具体为：
其中，u表示行驶车速，Gq(n0)表示路面不平度系数，w(t)表示均值为零的高斯白噪声，xr为路面垂向输入位移，为路面垂向输入速度。
本发明的有益效果是：本发明利用动惯性悬架能够调节垂向运动惯性的特性，来改善轮毂驱动汽车垂向运动惯性的有效分配，抑制垂向振动负效应对车身的影响，提升乘坐舒适性。进一步的结合地棚控制有效改善轮毂电机负效应对路面的影响，地棚控制的实现效果是将包含轮毂电机重量的轮胎通过阻尼器与理想地面相连接，通过调节阻尼的大小来抑制轮毂电机质量引起的垂向振动负效应，所以结合地棚控制来有效降低被垂向振动负效应恶化的轮胎动载荷，提升车辆的道路友好性，得到一种新型的高校且有效抑制轮毂电机驱动汽车的垂向振动负效用的方法。除此之外，利用粒子群算法局部收敛速度快、求解效率高、适合实值型优化处理的特点，求得基于地棚控制的动惯性悬架结构最优参数，为可控动惯性悬架的主动控制打下基础。
附图说明
图1为包含轮毂电机质量的车辆动惯性悬架四分之一模型示意图；
图2为基于地棚控制的车辆动惯性悬架的示意图；
图3为粒子群算法的整体流程图；
图4为该动惯性悬架性能时域指标图，其中(a)为车身加速度响应图，(b)为悬架动行程响应图，(c)为轮胎动载荷响应图。
图5为该动惯性悬架性能频域指标图，其中(a)为车身加速度响应图，(b)为悬架动行程响应图，(c)为轮胎动载荷响应图。
具体实施方式
下面结合附图对本发明作进一步地说明，但本发明的保护范围不限于此。
图1为包含轮毂电机质量的车辆动惯性悬架四分之一模型示意图，对其施加地棚控制，得到图2所示的基于地棚控制的车辆动惯性悬架的示意图。
本发明的一种地棚控制动惯性悬架的垂向振动负效应抑制方法包括：步骤1)：建立包含轮毂电机质量的动惯性悬架四分之一模型；步骤2)：施加地棚控制；步骤3)：选取路面不平度的位移输入模型；步骤4)：确定粒子群优化算法，求解基于地棚控制的车辆动惯性悬架最佳参数。
其中步骤1)具体为：根据图1所示的动惯性悬架四分之一模型，建立动力学方程：
其中，m2为簧载质量，m1为非簧载质量，m3为轮毂电机质量，K为悬架的支撑弹簧刚度，kt为轮胎等效弹簧刚度，x2为簧载质量的垂向位移，为簧载质量的垂向速度，/>为簧载质量的垂向加速度，x1为非簧载质量的垂向位移，/>为非簧载质量的垂向速度，/>为非簧载质量的垂向加速度，k为悬架副弹簧系数，b为惯容器的惯质系数，c为阻尼系数，xb为惯容器的垂向位移，/>为惯容器的垂向加速度，xr为路面不平度的垂向输入位移；
进一步地，(x2-x1)、kt(x2-x1)分别为簧载质量的垂向加速度，悬架动行程和轮胎动载荷，是悬架***的三个动态性能指标；
其中，步骤2)具体为：如图2所示，添加地棚控制算法；
进一步地，地棚阻尼控制是将可调的阻尼器装置安装在簧下质量和虚构的刚性墙之间。地棚阻尼系数会随簧下质量的相对速度方向变化而变化，当地棚阻尼系数增大时，车身加速度的幅值会在整个频域范围内增大，特别是中、高频增大明显，影响了车辆的行驶平顺性。而对于悬架动行程和轮胎动载荷，地棚阻尼系数的增大会抑制高频共振峰，提高了车辆的操纵稳定性。
进一步地，其控制策略为：当悬挂质量的垂直绝对速度与悬挂质量和非悬挂质量的相对速度的乘积大于等于零时，阻尼系数为最大值；当悬挂质量的垂直绝对速度与悬挂质量和非悬挂质量的相对速度的乘积小于零时，阻尼系数为最小值；
进一步地，地棚控制可以提高车辆的道路友好性，同时考虑控制的实时性，降低轮毂电机驱动汽车簧下质量增加引起的负效应对路面造成的各种损伤，其阻尼系数cgrd需满足下式：。
其中，cmax、cmin分别为设定的最大阻尼系数和最小阻尼系数；
进一步地，步骤2)中的阻尼系数cgrd且满足下式：
cmax＞0，cmin＞0，cmax＞cmin
其中，步骤3)具体为：选取路面不平度的位移输入模型：
其中，u表示行驶车速，Gq(n0)表示路面不平度系数，w(t)表示均值为零的高斯白噪声，xr是路面的不平度的垂向输入位移，是路面的不平度的垂向输入速度。
其中，步骤3)具体为：采用粒子群优化算法求解基于地棚控制的动惯性悬架最佳参数。
参数的数值决定着悬架的性能指标即车身加速度均方根值BA(P)、悬架动行程均方根值SWS(P)和轮胎动载荷均方根值DTL(P)；
进一步地，粒子群优化算法主要包括粒子初始化、计算粒子的适应度值、计算个体极值与群体极值、粒子速度和位置的进化以及边界处理五步如图3所示；
进一步地，确定待优化参数P＝[cmax、cmin、k、b]，初始化粒子；
进一步地，将车身加速度均方根值、悬架动行程均方根值和轮胎动载荷均方根值作为优化目标，建立与传统被动悬架性能指标相对应的比值目标函数作为粒子群算法的适应度函数，计算粒子的适应度值，得到动惯性悬架目标函数J：
BA(P)、SWS(P)和DTL(P)分别表示基于地棚控制的动惯性悬架车身加速度均方根值、悬架动行程均方根值和轮胎动载荷均方根值；w1、w2和w3分别表示其加权系数；BApass，SWSpass和DTLpass分别表示传统被动悬架三个性能指标的均方根值；
进一步地，目标函数的约束条件s.t.为：
其中，LB和UB分别表示参数的上限和下限；
进一步地，BApass，SWSpass和DTLpass一般为固定值，因此，目标函数J的大小受车身加速度均方根值BA(P)、悬架动行程均方根值SWS(P)和轮胎动载荷均方根值DTL(P)的影响；
进一步地，计算得到个体极值与群体极值，其中，个体极值为粒子在最优位置所得到的目标函数J的值，全局极值为所有粒子的个体极值中的最优值。
进一步地，粒子速度和位置属性的进化是在求全局最优值中的一个更新过程，是粒子群最主要的求解行为，其具体算法为：
Xn+1＝Xn+Vn+1
其中，λ表示惯性权重；d1和d2表示学习因子或加速度常数；r1和r2表示[0，1]内的随机数；n表示迭代次数；表示个体极值；/>表示群体极值；Vn表示n时刻粒子的速度；Vn+1表示n+1时刻粒子的速度；Xn表示n时刻粒子的位置；Xn+1表示n+1时刻粒子的位置。
进一步地，进行边界处理。当粒子运动到空间边界时，强制该粒子停止运动，当前速度置为0，粒子的适应度用当前所处的边界位置计算。
进一步地，其中所述优化过程经多次迭代计算后输出最优解。
进一步地，表1为参数优化的结果：
下面进行仿真验证：
通过MATLAB/Simulink搭建分别搭建了传统被动悬架与基于地棚控制的动惯性悬架的四分之一模型，以车身加速度、悬架动行程、轮胎动载荷三性能指标作为悬架性能优劣的评价指标。选取的随机路面输入为C级路面，不平度系数为2.56×10-4 m3，假设车辆以40m/s的速度行驶。
图4为该基于地棚控制的动惯性悬架性能时域指标图，其中(a)为车身加速度响应图，(b)为悬架动行程响应图，(c)为轮胎动载荷响应图。
图5为该基于地棚控制的动惯性悬架性能频域指标图，其中(a)为车身加速度响应图，(b)为悬架动行程响应图，(c)为轮胎动载荷响应图。
表3为悬架均方根值对比表：
以上结果表明，本发明的基于地棚控制的动惯性悬架的方法可以有效抑制轮毂电机驱动汽车的负效应，提升其乘坐舒适性和道路友好性。
所述实施例为本发明的优选实施方式，但本发明并不限于此实施方式，在不背离本发明实质内容的情况下，本领域技术人员进行的修改、变形和替换均属于本发明的保护范围。

Claims (4)

1.一种地棚控制动惯性悬架的垂向振动负效应抑制方法，其特征在于，包括:
步骤(1)：建立包含轮毂驱动电机的四分之一动惯性悬架模型：
其中，m2为簧载质量，m1为非簧载质量，m3为轮毂电机质量，K为悬架的支撑弹簧刚度，kt为轮胎等效弹簧刚度，x2为簧载质量的垂向位移，为簧载质量的垂向速度，/>为簧载质量的垂向加速度，x1为非簧载质量的垂向位移，/>为非簧载质量的垂向速度，/>为非簧载质量的垂向加速度，k为悬架副弹簧系数，b为惯容器的惯质系数，c为阻尼系数，xb为惯容器的垂向位移，/>为惯容器的垂向加速度，xr为路面不平度的垂向输入位移；
步骤(2)：设置地棚控制策略：
其中，cgrd为地棚控制的半主动阻尼系数，cmax、cmin分别为设定的最大阻尼系数和最小阻尼系数，且满足下式：
cmax＞0,cmin＞0,cmax＞cmin，
步骤(3)：选取路面不平度的位移输入模型xr；
步骤(4)：通过优化算法求解模型参数，得到基于地棚控制的车辆动惯性悬架参数。
2.根据权利要求1所述的一种地棚控制动惯性悬架的垂向振动负效应抑制方法，其特征在于，所述步骤(4)中的优化算法采用粒子群优化算法。
3.根据权利要求2所述的一种地棚控制动惯性悬架的垂向振动负效应抑制方法，其特征在于，所述步骤(4)中的粒子群优化算法包括：
步骤(4.1)：确定待优化参数P＝[cmax、cmin、k、b]，初始化粒子；
步骤(4.2)：将车身加速度均方根值、悬架动行程均方根值和轮胎动载荷均方根值作为优化目标，建立与传统被动悬架性能指标相对应的比值目标函数作为粒子群算法的适应度函数，计算粒子的适应度值，得到动惯性悬架目标函数J及其约束条件s.t.：
其中，BA(P)、SWS(P)和DTL(P)分别表示基于地棚控制的动惯性悬架的车身加速度均方根值、悬架动行程均方根值和轮胎动载荷均方根值；w1、w2和w3分别表示其加权系数；BApass，SWSpass和DTLpass分别表示传统被动悬架三个性能指标的均方根值；LB和UB分别表示参数的上限和下限；
步骤(4.3)：计算得到个体极值与群体极值：其中，个体极值为粒子在最优位置所得到的目标函数J的值，全局极值为所有粒子的个体极值中的最优值；
步骤(4.4)：粒子速度和位置属性的进化规律为：
Xn+1＝Xn+Vn+1，
其中，λ表示惯性权重；d1和d2表示学习因子或加速度常数；r1和r2表示[0，1]内的随机数n表示迭代次数；表示个体极值；/>表示群体极值；Vn表示n时刻粒子的速度；Vn+1表示n+1时刻粒子的速度；Xn表示n时刻粒子的位置；Xn+1表示n+1时刻粒子的位置；
步骤(4.5)：边界处理：当粒子运动到空间边界时,强制该粒子停止运动,当前速度置为0,粒子的适应度用当前所处的边界位置计算。
4.根据权利要求1-3中任一项所述的一种地棚控制动惯性悬架的垂向振动负效应抑制方法，其特征在于，其中所述步骤(3)中选取路面不平度的位移输入模型xr具体为：
其中，u表示行驶车速，Gq(n0)表示路面不平度系数，w(t)表示均值为零的高斯白噪声，xr为路面垂向输入位移，为路面垂向输入速度。
CN202110207194.2A 2021-02-24 2021-02-24 一种地棚控制动惯性悬架的垂向振动负效应抑制方法 Active CN112906133B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110207194.2A CN112906133B (zh) 2021-02-24 2021-02-24 一种地棚控制动惯性悬架的垂向振动负效应抑制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110207194.2A CN112906133B (zh) 2021-02-24 2021-02-24 一种地棚控制动惯性悬架的垂向振动负效应抑制方法

Publications (2)

Publication Number Publication Date
CN112906133A CN112906133A (zh) 2021-06-04
CN112906133B true CN112906133B (zh) 2024-03-19

Family

ID=76106923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110207194.2A Active CN112906133B (zh) 2021-02-24 2021-02-24 一种地棚控制动惯性悬架的垂向振动负效应抑制方法

Country Status (1)

Country Link
CN (1) CN112906133B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114654957A (zh) * 2022-04-08 2022-06-24 成都明然智能科技有限公司 悬架的控制方法及车辆
CN115871398A (zh) * 2022-10-11 2023-03-31 厦门大学 一种车辆半主动悬架减振控制方法及车辆半主动悬架

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110341414A (zh) * 2019-06-25 2019-10-18 江苏大学 一种连续线性天棚控制下悬架自适应最优控制***及方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110341414A (zh) * 2019-06-25 2019-10-18 江苏大学 一种连续线性天棚控制下悬架自适应最优控制***及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
被动地棚阻尼悬架***设计及特性分析;张孝良等;《机械设计与研究》(第6期);第170-173页 *

Also Published As

Publication number Publication date
CN112906133A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
CN112906133B (zh) 一种地棚控制动惯性悬架的垂向振动负效应抑制方法
CN102729760A (zh) 汽车半主动悬架***实时最佳阻尼控制算法
CN102582389B (zh) 一种基于虚拟阻尼的车辆悬架控制方法
CN110597063B (zh) 基于非线性扩张状态观测器的主动悬挂输出反馈控制方法
Xu et al. Semi-active vibration control for in-wheel switched reluctance motor driven electric vehicle with dynamic vibration absorbing structures: Concept and validation
Katsuyama et al. Improvement of ride comfort by unsprung negative skyhook damper control using in-wheel motors
CN110001337B (zh) 一种基于add正实网络优化的车辆isd悬架二阶理想模型的建立方法
CN112848832B (zh) 车辆集成控制方法和车辆集成控制***
Koulocheris et al. A comparison of optimal semi-active suspension systems regarding vehicle ride comfort
CN102189909A (zh) 一种车辆半主动悬架天棚阻尼频率滤波控制策略
CN105539046A (zh) 车辆主动惯容式动力吸振悬架
CN112052513A (zh) 一种电动轮汽车底盘集成***分层控制器设计方法
Onat et al. LPV gain-scheduling controller design for a non-linear quarter-vehicle active suspension system
CN114590090A (zh) 基于自适应lqr轮毂直驱半主动悬架控制***构造方法
Zhao et al. PID control of vehicle active suspension based on particle Swarm optimization
CN110001336B (zh) 一种基于add正实网络优化的车辆isd悬架一阶理想模型
CN110341414B (zh) 一种连续线性天棚控制下悬架自适应最优控制***及方法
CN111439086B (zh) 一种基于粒子群优化的车辆isd悬架pdd控制理想模型
CN110901326A (zh) 一种具有状态约束与死区输入的主动悬架***的控制方法
CN111137096A (zh) 用于可变阻尼力阻尼器的控制***
CN113761768A (zh) 面向整车振动抑制的磁流变阻尼器一体化优化设计方法
CN114559938A (zh) 一种协同控制模块、自适应巡航***及其控制方法、交通工具
CN115630442A (zh) 一种基于功率驱动阻尼的车辆isd悬架拓扑优化设计方法
Xu et al. Damping characteristics of a hydraulic electric rectifier shock absorber and its effect on vehicle dynamics
CN111338208B (zh) 一种车辆侧倾和平顺性协调控制方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant