基于对角递归神经网络的汽车主动悬架控制

为了提高电动汽车行驶平顺性及操纵稳定性,针对电动汽车悬架进行振动分析,建立了七自由度汽车电动主动悬架模型,设计四轮全驱电动汽车电动主动悬架结构及其控制系统.重点针对电动汽车主动悬架特点设计对角递归神经网络(DRNN)控制器,选取车身垂向加速度、悬架动行程和轮胎动行程作为神经网络控制器输入,采用梯度下降法对神经网络权值进行在线调整.仿真结果表明,具有DRNN控制器的电动主动悬架控制效果较PID控制主动悬架和被动悬架有显著提高,有效改善了汽车行驶平顺性及操纵稳定性,也说明所设计的控制策略在电动汽车电动主动悬架控制方面的有效性.

基于自适应虚拟补偿的多电机动态协同控制

针对四轮全驱电动汽车电机独立驱动的特点,提出一种基于自适应虚拟补偿的多电机动态协同控制系统,以解决牵引电机动态偏差所引起的操纵准确性下降的问题。通过一个虚拟闭环进行自适应补偿,将任一牵引电机过大的动态扰动平均到四轮电机驱动系统,避免车辆行驶轨迹大幅偏离驾驶指令;针对系统较强的非线性及不确定性,采用H∞鲁棒控制理论设计了虚拟控制器,四轮永磁同步牵引电机则采用直接转矩控制,提高系统的动态响应速度,降低系统对电机参数的依赖性。仿真结果表明该协同控制方案动态平衡了四轮转速误差,鲁棒性强,大幅提高了车辆对行驶指令的跟踪能力。