要了解被控对象的数学模型只要根据经验进行调节器参数在线调整即可取得满意的结果不足的是对被控对象参数变化比较敏感。研究查表法变参数pid控制和模糊pid控制方法在半主动悬架控制系统中应用有一定的实际的意义。
f3最优控制方法。线性最优控制方法在系统建模时忽略了高阶动态环节如车架、轮胎的高阶模态以及减振器、传感器的动态特性等所得到的控制参数是根据确定的系统参数计算出来的仅对理想的数学模型保证预期的性能。当系统参数变化到一定程度时会使系统变得不稳定控制参数不再使性能指标最优有时甚至会使悬架性能恶化。实际的悬架系统是含有许多不确定因素的非线性、时变、高阶动力系统难以用定常反馈系统达到预定的性能要求。所以最优控制方法在半主动悬架控制系统中应用很少。
4自适应控制方法。自适应控制方法应用于汽车悬架控制系统有自校正控制和模型参考自适应控制两类控制策略。自校正控制是一种将受控对象参数在线识别与控制器参数整定相结合的控制方法。模型参考自适应控制是在外界激励条件和车辆自身参数状态发生变化时被控车辆的振动输出仍能跟踪所选定的理想参考模型。采用自适应控制的车辆悬架阻尼减振系统改善车辆的行驶特性在德国大众汽车公司的底盘上得到了应用。
5模糊控制方法。自90年代以来模糊控制被应用在汽车悬架控制系统中。在控制过程中首先要把由各传感器测出的精确量转化成为适于模糊运算的模糊量然后将这些量在模糊控制器中加以运算最后再将运算结果中的模糊量转化为精确量以便对各执行器进行具体的操作控制。其过程如图13所示日本德芳大学芳村敏夫教授把模糊控制理论应用于汽车悬架半主动和主动控制系统采用模糊推理分别构成半主动和主动控制规则通过进行计算机模
f拟分析来控制车身的的垂直振动和俯仰振动其结果证实了采用模糊控制的有效性。模糊控制方法在半主动悬架系统中的应用效果比常规控制方法有效但模糊控制器的稳定性只通过一些模拟过程测试判断其稳定性的标准还不存在控制器只适用于一定的汽车参数改变轮胎性能会使控制结果明显变坏路面性质对控制效果影响较大。因此模糊控制方法在半主动悬架控制系统中应用从理论上无法判定只能通过系统实测才能确定。
6神经网络控制方法。神经网络是一个由大量处理单元所组成的高度并行的非线性动力系统其特点是可学习性和并行性故在汽车悬架振动控制中有广泛的应用前景。但神经网络不适于表达基于规则的知识需要较r