[發明專利]一種基于Hammerstein模型的磁流變阻尼器控制系統及方法有效
| 申請號: | 202110048774.1 | 申請日: | 2021-01-14 |
| 公開(公告)號: | CN112904718B | 公開(公告)日: | 2022-10-21 |
| 發明(設計)人: | 于樹友;張松林;徐明生;陳虹 | 申請(專利權)人: | 吉林大學 |
| 主分類號: | G05B13/04 | 分類號: | G05B13/04 |
| 代理公司: | 深圳國聯專利代理事務所(特殊普通合伙) 44465 | 代理人: | 晏達峰 |
| 地址: | 130022 吉林*** | 國省代碼: | 吉林;22 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 hammerstein 模型 流變 阻尼 控制系統 方法 | ||
本發明公開了一種基于Hammerstein模型的磁流變阻尼器控制系統,包括三步法控制器模塊、MRD逆模型模塊、MRD系統模塊。三步法控制器模塊包含類穩態控制模塊、參考動態前饋控制模塊以及誤差反饋控制模塊。MRD逆模型模塊采取BP神經網絡進行訓練。MRD系統模塊采用Hammerstein模型建立,的靜態非線性塊采用BP神經網絡,動態線性塊采用傳遞函數。本發明實現了對MRD有效地跟蹤控制,同時基于三步法設計的控制器結構清晰,不僅具有較快的控制響應,還提高了系統對不確定性的魯棒性,彌補了開環控制無法消除干擾給系統帶來誤差的不足。
技術領域
本發明涉及汽車控制技術領域,具體涉及一種基于Hammerstein模型的磁流變阻尼器控制系統及方法。
背景技術
懸架是車輛行駛系統不可或缺的組成部分,其性能直接決定車輛乘坐舒適性、操縱穩定性和行駛安全性,所以,車輛對性能優越的懸架系統有著迫切的需求。半主動控制因為兼具主動控制優良的控制效果和被動控制簡單易行的優點而具有較大研究價值和應用開發價值,被廣泛應用于車輛懸架系統。
近年來,研究人員開發出多種系數可調的阻尼器。其中,以磁流變液為介質的磁流變阻尼器(Magneto-rheological damper,MRD)因具有結構簡單、阻尼力連續可調、響應迅速(毫秒級)、出力大、能耗小等優點而成為新一代的半主動控制器,應用前景非常廣闊,被廣泛應用于各種振動控制領域,包括民用建筑和橋梁、高速列車的懸掛系統、先進的假肢系統、汽車懸掛系統、商用車座椅等。其工作機理為:隨著外部激勵電流的變化,減振器的導電線圈會產生變化的磁場強度,兩個極板間的磁性顆粒也會改變其排列方式,導致磁流變液粘度改變,從而改變減振器的阻尼系數。相比主動懸架,其消耗的能力可以忽略不計,因而在半主動懸架中被大量采用。
盡管MRD以其優良的減振性能,越來越受到振動控制領域的關注,但是對其系統的建模以及控制卻存在很大問題。因為磁流變阻尼液的流變特性以及MRD很強的非線性、滯回飽和特性,用一般的數學方程很難描述MRD的動態特性。這種復雜的非線性動力學特性也對MRD控制算法的研究帶來了極大難度。
關于MRD建模問題,目前可以分為參數化模型、非參數化模型兩種建模方式。參數化模型從物理角度將MRD等效成若干阻尼元件和彈性元件,常見的類型有Bouc-Wen模型、Bingham模型、現象模型等。雖然參數化模型易于實現,但卻很難全面地描述MRD的非線性和遲滯行為,在實際應用中,計算需要大量時間,產生較低精度解。非參數化模型則不再考慮物理特性,采取數值擬合或算法進行數據訓練,模型準確性依賴實驗數據真實性,常見的類型有神經網絡模型、多項式模型。非參數化模型具有較強魯棒性,能較好地預測MRD的動態響應,但建模體系結構和訓練方法復雜。如上所述,MRD的參數化模型與非參數化模型各有優缺點,參數化模型適合于阻尼器的設計,而非參數化模型則適合于控制系統的應用。
關于MRD的控制器設計,由于MRD的強非線性、遲滯特性,一直是該研究領域的難點。設計精確、可靠的控制方法使得MRD準確輸出預期阻尼力,是保證MRD具有良好減振效果的基礎。相比于MRD設計制造領域的迅速發展,其控制領域的研究相對較少,主要集中在開環控制器設計方面。MRD的開環控制通常采用MRD的逆模型作為控制器對MRD進行控制,常常要由期望的阻尼力和活塞相對位移、速度反求控制電流。這種方法控制效果好,響應速度快,但也存在如下不足:
(1)利用參數化模型求解MRD的逆模型,其控制精度非常依賴模型的精確性。但對于參數化模型,精確性與簡潔性通常難以同時保證:精確性高的模型往往比較復雜,推導逆模型困難,需要對模型進行簡化,而簡化后的模型也就喪失了原有模型的精確性,控制器的精度也就難以保證。
(2)采用非參數化模型求解MRD的逆模型,其控制精度依賴數據的真實性,其所具有的非線性特征和學習能力在解決復雜的非線性、不確定系統與逆系統的辨識問題方面有很大潛力。當磁流變液的溫度、質量分數等參數發生改變時,網絡能夠進行相應自我調整,具有較強的自適應能力,所建模型精確度也相對較高,但建模體系結構和訓練方法復雜。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于吉林大學,未經吉林大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110048774.1/2.html,轉載請聲明來源鉆瓜專利網。
- 遲滯非線性電機辨識與控制方法
- 復雜重尾噪聲影響下多變量Hammerstein模型的辨識方法
- 一種基于夾角的Hammerstein-Wiener系統多模型分解及控制方法
- 鍋爐床溫系統時延非線性模型改進粒子群參數辨識方法
- 集成超限學習機和Hammerstein-Wiener的復雜非線性系統建模方法
- 基于Hammerstein-Wiener模型的CSTR過程非線性控制方法
- 一種重尾噪聲干擾下的多變量Hammerstein模型辨識方法及系統
- 動靜態數據混合驅動的Hammerstein非線性工業系統簡約灰箱子空間辨識方法
- Hammerstein非線性動態系統的建模及其連續攪拌反應器濃度控制
- 基于非線性Hammerstein系統的變遺忘因子遞推最小二乘方法及系統





