基于AMESim的車輛懸架減震系統優化與仿真

王小龍

(西安工商學院,陜西 西安 710200)

0 引言

車輛懸架作為支撐車輛并進行正常工作的重要結構,其減震系統是車輛能夠平穩運行的重要基礎,而傳統的被動懸架系統因其響應效果差、響應速度慢,己無法滿足使用者的要求[1-2]。因此,如何在保證車輛懸架減震系統原有性能的同時,提高車輛懸架減震系統的穩定性及可靠性,成為值得研究的問題。本文設計了一種提高車輛懸架減震系統運行穩定性與可靠性的自動控制系統。通過PID反饋環節對車輛懸架減震系統中的磁流變阻尼器進行有效控制,提高車輛懸架減震系統在載荷不斷變化等特殊條件下的可靠性和車輛懸架減震系統的使用范圍與效率。

設計目標:

1)進行車輛懸架減震系統模型的建模;

2)進行單神經網絡PID算法的優化;

3)進行車輛懸架減震系統PID控制環節仿真實驗。

1 車輛懸架的結構與參數

1.1 基本結構

本文選取福特汽車的懸架系統,其車輛懸架減震系統的基本結構[3]如圖1所示。

圖1 車輛懸架的結構

1.2 基本參數

本文選取福特汽車的某些參數作為本文數據[4],其基本參數如表1所示。

表1 車輛懸架減震系統的基本參數

2 車輛懸架的數學模型與受力分析

2.1 數學模型

本文以半主動懸架為研究對象,其模型如圖2所示。將懸架系統簡化為剛度元件、阻尼元件,并假設車輛其他部分為質量均勻的質點,且在車輛行進過程中各部分均只產生垂直方向的振動[5-6]。

圖2 車輛懸架的數學模型

圖2中:Z1為簧載質量位移;Z2為非簧載質量位移;Z3為路面激勵位移;f為提供的阻尼力。由牛頓第二運動定律與力平衡關系可得出,1/4車懸架的運動方程如下:

(1)

(2)

為了便于研究,本文進行了如下假設:1)車輪剛度不發生變化,車輪剛度系數為常量;2)道路為理想道路,其激勵位移近似為0;3)因非簧載質量遠小于簧載質量,可忽略不計。

則車輛懸架的數學模型可簡化為

m1C1k1(Z1-Z2)=f

(3)

由式(3)可知,減震系統阻尼力受簧載質量、懸架彈簧剛度、懸架阻尼系數和位移增量的影響。

2.2 受力分析

結合圖1、圖2中車輛懸架減震系統的基本結構,利用AMESim繪制了1/4懸架的仿真模型。如圖3所示。

1—簧載質量;2—阻尼系統;3—懸架擺動軸。圖3 1/4懸架的仿真模型

本文在AMESim仿真環境中,以圖3為基礎進行了仿真實驗,得到了不同外部負載作用下車輛懸架減震系統的位移相對變化量,如表2所示。

表2 位移相對變化量

通過AMESim仿真實驗發現,隨著外部負載的增加,車輛懸架減震系統能夠提供的有效阻尼明顯減少,相對位移變化量明顯增強,說明負載的增加降低了車輛懸架減震系統的響應速度和車輛懸架機構的使用性能及減震效果。

本文在表2的基礎上,構建了比例系數k的數學模型,并利用MATLAB分析[7-8]且得到了比例系數。

(4)

可得k≈0.35。

由式(4)可知,單一的比例控制環節存在一定的局限性,在進行權值選取與確定時會耗費較長時間,進而降低了減震系統的響應速度。而不能忽略的是實際道路的復雜性,其外部負載處于不規律的連續變化中。因此本文以神經網絡算法為基礎,提出了單神經網絡PID算法,并將其應用于車輛懸架減震系統中,以提高其減震性能與效果。

3 單神經網絡PID算法

傳統PID控制策略無法實現參數的在線整定,而將單神經網絡與PID算法結合起來,實現PID控制器參數的實時整定,彌補了單一比例控制策略的不足,使得車輛具有更強的道路適應性[9-10],其控制框圖如圖4所示。

圖4 控制系統流程圖

對期望值為r(k)與實際輸出y(k)進行信號處理并得出單神經元網絡所需的3個狀態變量x1(k)、x2(k)、x3(k)。

(5)

取k=0.35,控制信號為

(6)

式中ωi(k)為xi(k)的加權系數,主要通過加權系數的調整實現PID參數自適應整定。

采用有監督Hebb學習算法,得

ωi(k+1)=(1-c)ωi(k)+η[e(k)u(k)xi(k)]

(7)

式中:(k)為誤差信號;e(k)=r(k)-y(k);c為常數,0≤c≤1,c取0.1。因此權值修正量Δωi(k)可由下式表示:

(8)

控制量u(k)為:

(9)

(10)

ω1(k+1)=ω1(k)+ηPe(k)u(k)x1(k)

(11)

ω2(k+1)=ω2(k)+ηIe(k)u(k)x2(k)

(12)

ω3(k+1)=ω3(k)+ηDe(k)u(k)x3(k)

(13)

式中:比例環節學習速率ηP=0.35;積分環節學習速率ηI=0.2;微分環節學習速率ηD=0.19。

通過PID反饋環節,控制系統成比例釋放阻尼力,進而達到穩定系統壓力、提高車輛減震系統穩定性的目的。

4 車輛懸架減震系統的優化與仿真

本文運用AMESim軟件[11]繪制系統草圖、建立子模型、參數設置、運行仿真4個環節,建立減震系統的仿真模型,并進行了仿真實驗,得到了相應的特性曲線。

4.1 建立仿真模型

結合圖3中1/4懸架的仿真模型,搭建了整個車輛懸架減震的PID控制系統,如圖5所示。

1—簧載質量;2—阻尼系統;3—傳感器;4—傳動裝置;5—傳動電機;6—液壓馬達;7—可調電機;8—PID環節。圖5 車輛懸掛減震系統的優化模型

依據表1、圖5,本文給出了減震系統仿真模型的基本參數[12],為后續的仿真提供依據,如表3所示。

表3 減震系統仿真模型參數

4.2 系統的仿真與分析

1)系統仿真

a)一般減震系統的特性曲線

本文依據4.1中的仿真模型,按照表3中的參數,進行了不含PID環節的設置并進行仿真,得到相應的特性曲線,如圖6所示。

圖6 一般減震系統的特性曲線

b)PID控制減震系統的特性曲線

本文依據4.1中的仿真模型,按照表3中的參數將單一神經網絡的PID環節應用于圖5車輛懸架減震系統并進行仿真,得到相應的特性曲線,如圖7所示。

圖7 PID控制減震系統的特性曲線

由圖6可知,一般減震系統雖然起到了一定的減震效果,但與圖7中的PID自適應懸架減震系統相比較,圖7中的振動明顯進一步減弱。通過實驗結果證明,智能減震系統進一步吸收了外部的振動載荷,起到了較好的輔助減震效果。

2)系統分析

依據4.2節1)中的仿真運行結果,分別對二種減震系統的運行結果進行頻域分析,并對結果進行比較,分別如圖8和圖9所示。

圖8 一般減震系統的頻域曲線

圖9 PID自適應減震系統的頻域曲線

通過頻域分析發現兩種系統在減震開始階段都出現了較大的振幅。隨著時間的推移,一般減震系統逐漸進入穩定工作狀態,這時圖8中A處的振動雖然減弱,但依然較為明顯。而這時,在相同時間與外部振動載荷的作用下,PID自適應減震系統也進入了穩定工作狀態,這時將圖9中B處的振動狀態與圖8中A處相比較,發現振動明顯進一步減弱。通過分析證明,PID自適應控制系統提高了車輛懸架減震系統的減震效果與穩定性。

5 結語

本文首先分析了車輛懸架的結構與工作原理,并建立了對應的車輛懸架減震系統的數學模型與仿真實驗模型。通過分析與仿真發現傳統的控制方式,當外部負載連續無規律變化時,車輛懸架減震系統的響應速度較低,影響了車輛懸架的使用性能和減震效果。其次,針對這一問題,文中以傳感器、PID控制環節為核心設計了一種具有反饋環節的自適應控制系統,通過PID反饋環節的控制提高減震系統響應速度,進而達到提高減震效果與穩定性的目的。最后,以AMESim為手段搭建了PID自適應控制系統的仿真模型,并進行了仿真實驗。通過實驗結果的對比分析,表明PID控制系統提高減震系統的響應速度,保持了車輛懸架減震系統所需阻尼力,提高了車輛懸架減震系統運行的可靠性,同時增強了設備的適用性。因此本設計具有一定的應用價值。