基于模糊神经网络的列车垂向悬挂控制器研究

目前列车悬挂控制器参数大多基于专家经验知识提出,人为主观因素强,悬挂系统不能很好地根据实际情况自适应调整。为抑制列车振动提高其运行平稳性,结合模糊神经网络的自学习能力和自整定功能,设计基于Takagi-Sugeno模型的模糊神经网络控制器,将控制器模型与悬挂模型结合实现悬挂系统自适应调整。以德国轨道谱为轮对外部激励,仿真生成加速度时域曲线与功率谱密度曲线,分析结果表明:相比于被动悬挂系统与模糊天棚控制系统,运用模糊神经网络控制可明显抑制车体垂向振动,提高运行平稳性,对控制器设计具有参考价值。

电动轮汽车双磁流变减振器的悬架半主动控制研究

为解决电动轮汽车与传统悬架匹配中底盘占用空间大而主动悬架能耗高的问题,提出了在电动轮内集成对置布置的双磁流变减振器悬架结构。根据该悬架的结构特点,建立了1/4车辆模型,确定了磁流变阻尼器、路面激励等参数,对该悬架在天棚、天棚模糊半主动控制及无控制电流时的性能分别进行了时域与频域仿真分析。结果表明:天棚模糊控制较天棚控制具有更好的减振性能;在时域内,天棚模糊半主动控制下该悬架的车身加速度、悬架动行程及轮胎动载荷等参数分别下降了25.3%、27.7%、34.0%;在大于10rad/s的频域内,天棚模糊控制对悬架性能指标幅值抑制效果较好;且该悬架在无控制电流时,其性能相对传统悬架要好。