半主动悬架支撑下1/4车的平顺性研究

建立了半主动悬架支撑下1/4车的振动模型,推导了其运动微分方程,运用matlab/simulink工具箱模拟了汽车在40m/s和100m/s两种工况作用下B级路面的随机激励,并编写了1/4车模型在随机激励作用下频域响应求解的仿真框图程序。结果表明,带有PID控制器的半主动悬架与被动悬架相比,明显地降低了车身加速度,即明显改善了汽车平顺性:在时速为40m/s时,车体的振动能量峰值减少了69.8%;在时速为100m/s时,车体的振动能量峰值减少了65.5%;相较于高速工况下,半主动悬架在车速为中低速时,对于平顺性的改善的作用更加明显。

汽车主动悬架的整车控制方法及仿真研究

为了提高车辆主动悬架系统的性能,改善车辆的乘坐舒适性和操纵稳定性,针对汽车主动悬架整车控制方法问题。以1/4车体模型,基于8板块的整车控制算法(Octa-Plate Control Method,OPCM),对汽车主动悬架整车控制方法进行了探讨,并进行了仿真性研究。仿真结果表明:OPCM对车辆的垂直运动和车辆姿态控制都是非常有效的。同时,这种算法仅需要测量每个驱动机构未端的加速度,需要的传感器少,实现非常简单。因此,是一种较为理想的低成本控制算法,从而具有更大的实用价值。

影响悬架性能的参数对车辆平顺性的仿真分析

车辆悬架系统是车辆的重要组成部分,不但能保证车辆具有良好的乘坐舒适性,而且能够保证车辆载荷变化、车辆加速和制动时的合理的车身姿态。因此,在设计车辆时,如何合理的选取影响车辆悬架性能参数尤为重要。本文在建立四分之一车辆三自由度模型的基础上,应用MATLAB软件,分别讨论了在随机路面激励下车辆悬架刚度、车辆悬架阻尼和轮胎刚度变化对车辆平顺性的影响,得出如何最优的选取影响车辆悬架性能的参数的设计原则,为车辆悬架设计提供了理论上的指导。

神经网络模糊PID控制半主动悬架系统

针对半主动悬架系统随路面激励变化产生的振动与冲击,设计一种基于BP(Back Propagation)神经网络模糊PID(Proportional Integral Derivative)控制的半主动悬架控制器,以提升悬架系统的控制精度,改善汽车平顺性。以悬架系统的偏差与偏差变化率为输入参数,利用模糊逻辑规则对输入参数进行模糊化和归一化处理,处理结果作为BP神经网络的输入,通过神经网络在线调整加权系数,实现PID控制参数的优化。为了验证控制效果,对比了BP神经网络模糊PID控制半主动悬架系统、模糊PID控制半主动悬架系统和被动悬架系统的性能,BP神经网络模糊PID控制策略的半主动悬架系统具有更好的控制效果,能够显著改善不同路况下车辆悬架的性能。

汽车被动悬架的建模与仿真

汽车最早应用的是被动悬架,悬架是汽车行驶系的重要组成部分。目前被动悬架应用广泛,通过计算机建模,并建立微分方程,利用现代控制理论的知识,建立二自由度悬架模型的仿真模拟图。分析了悬架在随机输入情况下的悬架动行程、轮胎动位移。仿真出频率函数响应结果曲线。在计算机的模拟与仿真下,对被动悬架有了更深的了解,为进一步工程研究提供了基础。