一种用于主动悬架LQG控制器设计权重优化的改进遗传算法

如何实现在不同行驶条件下汽车两大性能的最佳协调(即乘坐舒适性和操作稳定性)是主动悬架设计的关键。在LQG控制器设计中,性能指标的加权系数决定了汽车在当前条件下的各性能间的最佳平衡。而实际中需要考虑的因素来自多个方面,如不同路面的不平度、车辆行驶速度、车载质量、甚至还可能包括不同驾驶员偏好等,因而使得控制器设计中对权重系数的选取较难处理。针对这一难题,提出了一种改进的遗传算法优化方案。根据驾驶人(或乘员)对不同方面的性能需求,建立包含不同权值系数的适应度函数,针对适应度函数设计了典型的优化模式,并通过对惩罚函数值的适当选取来实现对性能指标加权系数的优化。通过不同工况及要求下的仿真,分析了该算法的可行性和有效性。研究结果表明,所提出的权值适应度函数优化方法简单、可行、有效。所设计的改进遗传算法能够高效地优化性能指标的加权系数以实现汽车在当前条件下的不同性能的最佳平衡,从而为主动悬架LQG控制器的设计提供一个有效的方法。

基于遗传算法和LQG控制的汽车半主动悬架结构和控制参数的集成优化研究

传统半主动悬架的设计是先设计其结构参数后设计其控制器参数,这样易造成系统失去全局最优性能。针对这一问题,本文提出一种基于遗传算法和LQG控制的集成优化半主动悬架结构参数和控制参数的方法,通过理论分析和仿真结果表明此方法与传统优化方法相比,对改善汽车行驶平顺性和提高汽车行驶安全性具有较优的效果。

基于路面等级自适应的主动悬架LQG控制

为了解决车辆在混合等级路面时平顺性与操纵稳定性差的问题,提出了一种基于路面等级自适应的主动悬架LQG控制策略。根据路面功率谱密度与国际平整度指数的关系识别路面等级;以不同路面等级为阈值,确定三种控制目标;计算每次迭代后平均味道浓度判定值的方差确定迭代步长,解决了果蝇算法过早收敛和迭代次数过长的问题;在不同控制目标下设立了相应的适应度函数,并利用改进后的果蝇算法优化不同适应度函数下LQG控制的加权系数,以此提高混合等级路面下的控制性能。仿真分析了在不同等级路面下的悬架动态性能,并进行了道路实车试验。仿真结果表明:相比传统LQG控制,基于路面等级自适应LQG控制的悬架系统在A级路面下簧载质量加速度均方根值减小16.34%,在D路面下轮胎动载荷均方根值减小6.51%,在B级和C级路面下,簧载质量加速度和轮胎动载荷的均方根值分别减小9.59%、7.54%和11.32%、9.4%;试验结果与仿真结果基本一致。

车辆主动悬架的遗传粒子群LQG控制方法

针对LQG最优控制算法中权重系数依靠经验确定的不足,综合遗传算法和粒子群算法优点,将粒子群算法中粒子速度和位置的更新和遗传算法的选择、交叉与变异操作相结合,提出遗传粒子群LQG控制算法,以优化性能指标权重系数。建立2自由度1/4主动悬架车辆模型,利用Matlab/Simulink软件,对车辆悬架的遗传粒子群LQG控制进行仿真,并与传统LQG控制结果进行对比。结果表明,所提出的遗传粒子群LQG控制方法能同时改善汽车的平顺性和操纵稳定性。

车辆主动悬架的引力搜索LQG控制方法

为了解决LQG控制器性能指标函数各权重不易确定的问题,以悬架性能指标为目标函数,运用了LQG最优控制算法对半主动悬架施加控制,采用了引力搜索算法对性能指标函数权重进行寻优,完成了优化控制器的搭建,最终提出了一种采用引力搜索算法的寻优方法。同时,建立了2自由度1/4主动悬架车辆模型,对其引力搜索LQG控制进行了仿真,并与传统LQG控制结果进行了对比。结果表明:提出的引力搜索LQG控制方法能同时改善汽车的平顺性和操纵稳定性。

车辆磁流变半主动悬架GSA-LQG控制研究

针对传统的线性二次型高斯(Linear Quadratic Gaussian,LQG)控制器存在各加权矩阵系数不易确定等问题,对于车辆磁流变半主动悬架设计了基于引力搜索算法(Gravity Search Algorithm,GSA)的线性二次型高斯(GSA-LQG)控制。以悬架各性能指标为目标函数,采用引力搜索算法对加权矩阵系数进行寻优。选用磁流变阻尼器(Magnetorheological Damper,MRD)作为悬架的半主动部件,同时建立二自由度的1/4车辆磁流变半主动悬架系统模型。以随机路面激励作为输入,在MATLAB/Simulink软件中分别对被动悬架控制、基于LQG控制的车辆磁流变半主动悬架和基于GSA-LQG控制的车辆磁流变半主动悬架进行仿真分析,结果表明,基于GSA-LQG控制的车辆磁流变半主动悬架具有更好的舒适性能和安全性能。

主动悬架LQG控制加权系数果蝇优化方法

在汽车主动悬架LQG控制器的设计中,以悬架性能指标作为目标函数的加权系数通常为定值,为使系统性能达到更优,提出利用果蝇算法的参数少、易调节、计算量小、寻优精度高的特性,对其进行优化,提高LQG控制器的设计效率和性能。仿真结果表明,与传统的LQG控制结果进行对比,所采用的LQG控制果蝇优化权值系数方法更能改善汽车的主动悬架的性能。

基于多种群遗传算法的主动座椅LQG控制器优化

针对LQG控制器权重系数依靠经验选取的不足,提出基于多种群遗传算法的主动座椅悬架LQG控制器权重系数的多目标优化设计方法。在建立6自由度主动座椅悬架模型的基础上,利用最优控制理论设计LQG控制器;以LQG控制器权重系数为变量,以各性能指标为优化目标,建立基于权重系数的多目标优化函数;利用MPGA算法的全局搜索能力,对LQG控制器权重系数进行寻优,实现对主动座椅悬架最优控制器的优化。仿真结果表明:经MPGA算法优化权重系数后,适应度函数值比GA算法优化时降低0.9左右,验证了此优化方法的有效性。

基于遗传算法的汽车主动悬架LQG控制器的设计

采用合适种群规模遗传算法,寻求在一定范围内满足车身垂向加速度、轮胎垂向变形量、悬架动挠度均方根值相对于被动悬架都降低的最优加权系数,设计了基于遗传算法的汽车主动悬架线性LQG控制器。Matlab/Simulink仿真实验表明:采用合适种群规模遗传算法选取最优加权系数的用时数只需常规编程的1.17%;采用最优加权系数的LQG控制器的汽车主动悬架,可以在不影响汽车操纵稳定性和悬架行程的前提下,很好地提高汽车的行驶平顺性。

基于帝国竞争算法和LQG的磁流变阻尼器-建筑结构系统的振动控制

目前,磁流变阻尼器(Magnetorheological Damper,MRD)已经成为一种重要的智能半主动控制装置。为实现MRD对建筑结构的减震控制,首先,通过引入一种帝国竞争算法(Imperialist Competitive Algorithm,ICA)和线性二次型高斯(Linear Quadratic Gaussian,LQG)控制相结合的智能控制方法(ICA-LQG)计算出理想的控制力。针对LQG控制器的加权矩阵难以整定这一问题,根据优化目标和阻尼力的限制条件,利用ICA对其参数进行优选。然后,通过对一款商用的MRD进行性能测试,获得其基于Bouc-Wen模型的动力学特性。最后,利用剪枝最优控制(Clipped-Optimal Control,COC)方法将ICA-LQG计算的理想控制力转化为MRD的控制电流。为检验这种集成了ICA-LQG和COC的半主动控制(ICALQG-COC)方法的有效性,以一个三层的框架结构为工程背景,分别对无控制、两种被动控制、未经优化的LQG-COC(LQG-COC)半主动控制以及ICA-LQG-COC半主动控制下的减震结果进行比较分析。三种地震波激励下的数值结果都表明:在所比较的控制方法中,ICA-LQG-COC方法展现出最优越的综合控制性能并且能够最大限度地减小结构的最大位移和加速度响应。

基于LQG-I的风力发电机组优化控制策略研究

文章针对风电系统的随机性、不确定性和未建模动态等特征,提出了LQG-I优化控制策略。首先,运用机理分析的方法建立了风力发电系统数学模型。在此基础上,设计了LQG-I控制策略,既保留了LQG在克服随机扰动方面的优势,又利用了积分控制在解决系统的不确定性和未建模动态方面的优势。为了进一步改善对系统的控制性能,采用粒子群优化算法对加权矩阵Q,Qe,R的参数进行整定。最后,以高风速区功率和发电机转矩优化控制问题为例,在matlab/simulink平台下仿真验证了所提优化控制策略的可行性和有效性。仿真结果表明:所提出的LQG-I优化控制策略能够实时跟踪风速的变化,保证发电机角速度、转矩和输出功率的稳定;在同等条件下,该控制策略比传统LQG控制器性能更优越。

基于遗传算法的LQG/LTR航空发动机性能优化

针对飞行控制系统控制器的设计中存在建模误差以及飞行过程中外界干扰的影响,采用LQG/LTR鲁棒控制方法完成某型战斗燃油机控制系统控制器的设计。为了提高战斗机控制精度,解决LQG/LTR鲁棒控制方法中存在的权矩阵Q和R选择困难的局限性,加入遗传算法,进行在线寻优。同时针对不同飞行条件下系统以及系统建模过程中造成的参数不确定性问题分别进行仿真,并与传统PID以及控制效果较好的基于遗传算法的PID控制进行对比仿真。理论研究和系统仿真结果表明,基于遗传算法的LQG/LTR控制系统与基于遗传算法的PID控制相比,不但具有良好的鲁棒性,而且响应快速,控制精度高,满足了战斗机飞行控制的要求。

基于LQG与LMS的电磁轴承系统振动控制研究

电磁轴承传统的PID控制器鲁棒性不足,对不平衡振动难以有效抑制,针对这一问题,开展了基于线性二次型高斯(LQG)控制与最小均方(LMS)算法的电磁轴承转子系统振动控制研究。首先,基于有限元方法建立了转子系统模型,并对模型进行了降阶;随后,考虑传感器与功率放大器模型及参数的影响,与转子系统模型耦合,建立了系统的综合模型,并基于线性二次型的方法设计了状态观测器及状态反馈控制器,构建了LQG控制器;最后,在模型中添加了LMS算法,建立了综合LQG控制与LMS算法的电磁轴承转子系统振动抑制模型,并且对模型进行了求解。研究结果表明:所建立的状态观测器能够有效跟随系统位移变化,在0.1 s内实现跟随系统的位移输出;不考虑LMS算法时,增加矩阵Q的位移项元素数值,可使系统振动幅值降低16.6%;考虑LMS算法后,转子系统不平衡振动得到有效抑制,当Q矩阵位移项元素为10^(6)时,在一阶弯曲临界转速工况下,振幅在1.8 s内降低90%。

采用AHP-KCA的主动悬架LQG控制器设计

为提高汽车用户的乘坐舒适性,进行基于层次分析法(AHP)和K均值聚类算法(KCA)的主动悬架控制研究.首先建立2自由度主动悬架模型,设计以悬架性能指标为目标函数的线性二次高斯(LQG)控制器;然后,利用AHP求得一组性能指标权值,并根据这组权值在MATLAB软件中得到225组新的权值;最后,在MATLAB/Simulink软件中进行主、被动悬架性能的仿真,通过KCA对权值分类分级.仿真结果表明:与被动悬架相比,采用AHP-KCA结合算法得到的主动悬架性能有所提高,尤其是车辆乘坐舒适性;与仅利用AHP相比,AHP-KCA结合算法进一步提升车辆悬架的性能,证明了其优越性.

电磁混合主动悬架多模式协调切换控制

针对直线电机主动悬架输出力相对较小而影响减振性能的问题,设计了电磁混合主动悬架结构和多模式协调切换控制策略。首先,动态调整引力常数提升引力搜索算法的全局搜索能力和局部开发能力,解决了引力搜索算法易早熟收敛、陷入局部最优的问题;其次,根据不同控制目标设立相应的适应度函数,利用改进后的引力搜索算法优化对应目标函数下线性二次型最优(linear quadratic gaussian,简称LQG)控制的加权系数;最后,分析并确定了电磁混合主动悬架在不同车速下的电磁阀最优控制电流,设计电磁混合主动悬架的电流切换控制器,仿真分析悬架的减振性能,并开展台架试验。仿真与试验结果表明:相比LQG控制,多模式协调切换控制的悬架系统低速时簧载质量加速度均方根值减小31.09%,高速时轮胎动载荷均方根值减小32.20%,中速时簧载质量加速度均方根值和轮胎动载荷均方根值分别减小25.28%和23.56%;多模式协调切换控制策略能有效提升车辆的平顺性和操纵稳定性。

Truetime的网络控制系统仿真研究

介绍了网络控制系统,Truetime工具箱以及安装过程。结合使用Jitterbug工具箱用LQG算法对3个倒立摆网络控制模型进行了仿真实验,运用EDF算法和RM算法进行仿真对比。从结果可以看出,3个倒立摆都得到了很好的控制,EDF的总体控制性能要优于RM控制算法。从丢包率和网络传输速度两方面研究了网络服务质量(QoS)对控制性能的影响。采用PID算法控制单回路的直流电机模型,丢包率较小,传输速率较快,控制性能较好。

基准频标与守时频标联合的频率驾驭算法研究

基准频标中铯喷泉钟实现了最佳的"秒"定义,光钟比铯喷泉钟在精度和稳定性方面高出一个量级以上,因此将基准频标与守时型频标联合,可以产生一个更加准确、稳定的时间尺度。设计了基准频标与守时型频标联合的频率驾驭算法,采用卡尔曼加权算法计算联合时间尺度,基准频标预测守时型频标的频率和频漂,并采用最优二次型高斯控制算法,实现最优的频率驾驭量生成。通过对各类频标数据的模拟,对一台氢钟进行为期100 d的频率驾驭,当铯喷泉钟参与时间保持,驾驭后信号保持在1 ns以内,稳定度为1.8×10-16/10 d。如果光钟可用率达到50%参与时间保持,驾驭后信号保持在0.3 ns内,稳定度为3.3×10-17/10 d。最终试验表明,利用该算法可以显著提高驾驭后信号性能。

预估补偿器柔性机械臂振动时滞控制

为解决影响柔性机械臂振动主动控制系统稳定性和控制效果的时滞问题,在线性二次型高斯(liner quadratic Gauss,LQG)最优控制的基础上,提出应用Smith预估器进行时滞补偿,设计出针对LQG算法控制的时滞问题补偿策略,并根据Lyapunov方法进行新策略的稳定性证明,最后搭建柔性机械臂的振动主动控制系统,通过李沙育图形辨识出时滞常数,分别进行添加时滞补偿前后的LQG控制的对比实验。实验结果表明:时滞补偿后前机械臂前两阶模态振动抑制效果分别达到9.5 d B和8.1 d B,优于时滞补偿前LQG算法的控制效果。

汽车半主动悬架集成优化仿真研究

针对传统半主动悬架先设计其结构参数后设计其控制器参数 ,易造成系统失去全局最优性能的特点 ,文章提出一种基于遗传算法和 LQ G控制的集成优化半主动悬架结构参数和控制参数的方法 ,理论分析和仿真计算结果表明 ,此方法与传统优化方法相比 ,对提高汽车行驶平顺性和安全性具有较优的效果。

基于混合遗传算法的主动悬架集成优化研究

作者提出的主动悬架的集成优化方法是以主动悬架的结构参数与LQG控制器为优化对象,以主动悬架系统输出的车身垂直加速度、悬架动位移、轮胎动位移和主动控制力的加权和为优化性能指标。同时提出了一种混合优化算法,它利用梯度算法每次迭代得到的结果来改进遗传算法的群体,而用遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的初始点。运用该混合遗传算法进行主动悬架系统的集成优化控制能有效地提高汽车行驶平顺性和安全性。