基于RBF的主动悬架反演滑模控制策略研究

作者：李雅琦，李伟，陈应鹏，郑柱 日期：2020-07-09/span> 浏览：2135 查看PDF文档

摘要：为了使汽车悬架系统得到更好的动态响应和优化控制，将径向基神经网络(RBF)算法应用到了反演滑模控制策略中。建立了C级随机路面激励与2自由度1/4汽车悬架系统模型之间的关系；建立了主动悬架系统运动状态方程，对车辆垂直加速度、悬架动挠度和轮胎动位移等悬架系统评价指标进行了研究；提出了一种基于径向基神经网络(RBF)算法的反演滑模控制策略；在Matlab/CARSIM联合仿真平台，对2自由度1/4汽车悬架系统模型和RBF反演滑模控制策略进行了仿真试验。研究结果表明：以C级随机路面为激励的条件下，此控制策略使车身加速度降低了34.7%，悬架动挠度降低了28%，轮胎动位移降低了28.7%，提升了悬架的动态性能和控制性能。
关键词：控制策略；反演滑模；径向基神经网络；主动悬架；Matlab/CARSIM
中图分类号：TH113.1；TP273.2；U463.33            文献标识码：A            文章编号：1001-4551(2020)04-0425-04

本文引用格式：
李雅琦，李伟，陈应鹏,等.基于RBF的主动悬架反演滑模控制策略研究［J］.机电工程，2020，37(4)：425-428.
LI Yaqi, LI Wei, CHEN Yingpeng, et al. Active suspension inversion sliding mode control strategy based on RBF［J］.Journal of Mechanical & Electrical Engineering, 2020,37(4):425-428.
《机电工程》杂志：http://www.meem.com.cn