基于神经模糊PID的ABS控制策略研究

ABS系统中主缸压力和轮缸压力具有强非线性关系,且传统的控制算法中控制参数不能根据路面的变化及时进行调整,很难在多变的路面工况下取得较好的控制效果。为提高ABS的控制效果,提出一种神经网络模糊PID控制策略。将理想滑移率与实际滑移率之差作为系统输入,经模糊化和归一化后输入神经网络,应用神经网络的自学习和误差反向传播,采用遗传算法优化网络的初始权重,利用BP算法完成网络训练实现模糊规则,使模糊规则的生成转变为加权系数初值的确定和调节,从而表示出模糊规则,寻找一个最佳的PID非线性组合控制率,调整车轮制动力矩,以适应多变的路面。仿真结果表明:该控制策略兼备了神经网络、模糊控制、PID控制的优点,能适应复杂多变的路面。