為了使汽車懸架系統(tǒng)得到更好的動態(tài)響應(yīng)和優(yōu)化控制,將徑向基神經(jīng)網(wǎng)絡(luò)(RBF)算法應(yīng)用到了反演滑�？刂撇呗灾�。建立了C級隨機路面激勵與2自由度1/4汽車懸架系統(tǒng)模型之間的關(guān)系;建立了主動懸架系統(tǒng)運動狀態(tài)方程,對車輛垂直加速度、懸架動撓度和輪胎動位移等懸架系統(tǒng)評價指標(biāo)進行了研究;提出了一種基于徑向基神經(jīng)網(wǎng)絡(luò)(RBF)算法的反演滑�？刂撇呗�;在Matlab/CARSIM聯(lián)合仿真平臺,對2自由度1/4汽車懸架系統(tǒng)模型和RBF反演滑�？刂撇呗赃M行了仿真試驗。研究結(jié)果表明:以C級隨機路面為激勵的條件下,此控制策略使車身加速度降低了34.7%,懸架動撓度降低了28%,輪胎動位移降低了28.7%,提升了懸架的動態(tài)性能和控制性能。

【文章頁數(shù)】：4 頁

【文章目錄】：
0 引 言
1 主動懸架系統(tǒng)控制模型
    1.1 二自由度主動懸架系統(tǒng)模型
    1.2 主動懸架系統(tǒng)運動狀態(tài)模型
2 RBF控制策略
    2.1 自適應(yīng)反演滑模控制策略
    2.2 基于RBF自適應(yīng)反演滑�？刂撇呗�
    2.3 穩(wěn)定性分析
3 改進型控制策略驗證
    3.1 路面輸入模型
    3.2 仿真結(jié)果
4 結(jié)束語



本文編號：3747544