用於車輛振動控制的自適應控制方法

2023-06-02 15:59:21 1

專利名稱：用於車輛振動控制的自適應控制方法
技術領域：
本發明涉及一種控制方法，尤其涉及一種用於車輛振動控制的自適應控制方法。
背景技術：
汽車振動是影響汽車行駛平順性和操縱穩定性重要因素。汽車減振主要使用懸架系
統， 一般由彈性元件和阻尼元件構成。用以緩衝和吸收因路面不平而產生的激振力，同 時承受汽車轉向時產生的側傾力。而二者在汽車設計中是矛盾的，基於經典隔振理論的
傳統懸架系統難以同時滿足這種要求。
現有技術中，汽車懸架振動控制系統大多由傳感器拾取車身絕對速度、車身對車輪 的相對速度、車身的加速度等信號，經計算機處理並發出指令進行控制。由電液控制闊 或步進電機等執行機構調節減振器的阻尼係數或控制力。
上述現有技術至少存在以下缺點
在實際系統中實現算法需要平方、平均或者微分等運算，計算複雜、效率低。

發明內容
本發明的目的是提供一種簡單、高效的用於車輛振動控制的自適應控制方法。 本發明的目的是通過以下技術方案實現的
本發明的用於車輛振動控制的自適應控制方法，包括採用LMS自適應算法對目標參數
進行控制，通過調整濾波器的權係數使所述目標參數的二次性能指標達到最小。
由上述本發明提供的技術方案可以看出，本發明所述的用於車輛振動控制的自適應
控制方法，由於採用LMS自適應算法對目標參數進行控制，通過調整濾波器的權係數使所 述目標參數的二次性能指標達到最小。用於車輛振動控制時，能簡單、高效的提高汽車 行駛的平順性。


圖1為本發明的具體實施例中LMS自適應線性組合器的原理示意； 圖2為本發明的具體實施例中LMS自適應橫向濾波器的原理示意； 圖3a為本發明的具體實施例中單頻激勵簧上質量加速度時域響應曲線圖；圖3b為本發明的具體實施例中單頻激勵簧上質量加速度頻域響應曲線圖； 圖4a為本發明的具體實施例中單頻激勵車輪動載荷時域響應曲線圖； 圖4b為本發明的具體實施例中單頻激勵車輪動載荷頻域響應曲線圖； 圖5a為本發明的具體實施例中單頻激勵懸架動撓度時域響應曲線圖5b為本發明的具體實施例中單頻激勵懸架動撓度頻域響應曲線圖6為本發明的具體實施例中LMS自適應控制誤差e(n)變化過程曲線圖； 圖7為本發明的具體實施例中LMS自適應控制權值收斂過程曲線圖； 圖8為本發明的具體實施例中路面激勵下簧上質量加速度功率譜密度曲線圖； 圖9為本發明的具體實施例中路面激勵下車輪動載荷功率譜密度曲線圖io為本發明的具體實施例中路面激勵下懸架動撓度功率譜密度曲線圖。
具體實施例方式
本發明的用於車輛振動控制的自適應控制方法，其較佳的具體實施方式
是，包括採
用LMS自適應算法對目標參數進行控制，通過調整濾波器的權係數使所述目標參數的二次
性能指標達到最小。
所述的二次性能指標可以包括以下一項或多項誤差信號均方值、平均功率。
所述濾波器為LMS自適應橫向濾波器或LMS自適應線性組合器。 所述LMS算法可以根據單個誤差信號方差的負梯度來調節所述權係數。
可以取所述單個誤差信號平方的梯度々(")作為均方誤差函數梯度v(")的估計。
通過該方法可以對以下一項或多項目標參數進行評價車身垂直振動加速度、車輪 與路面間的動載、懸架系統的動撓度；並通過對上述目標參數的控制來提高汽車行駛的 平順性。
當通過對多項目標參數的控制來提高汽車行駛的平順性時，車身垂直振動加速度為 重點評價參數。
本發明採用自適應控制技術，通過在控制過程中不斷地在線辨識控制對象的狀態和 參數，及時調整控制器的參數，消除由於未知、時變以及非線性等對控制系統的性能產 生的不利影響，從而使被控系統工作在性能良好的水平下。
自適應濾波技術在系統辯識過程中，系統參數作一定變化時所需輸入數字序列的數
目少，以及所需總計算量(以乘、除、力n、減、平方等運算次數計)少，具有明顯的快速性。
自適應濾波算法有很多種，LMS (Least Means Squares)算法運算簡單。本發明基 於LMS算法的橫向自適應濾波器在信號處理的應用，針對車輛懸架l/4模型，提出LMS自適 應控制的懸架系統。下面通過具體實施例結合附圖對本發明的方案進行詳細的分析
如圖1所示，非遞歸自適應濾波器亦可稱為自適應線性組合器，對於由元素 x。，x"A ，x"組成的信號向量，與之相應的一組可調權為w。，w"A ，Ww。對於一組固
定權值，它的輸出是輸入分量的線性組合。對於單輸入系統，輸入信號可以認為是同一 信號不同時刻的時間序列，如圖2所示，自適應濾波器可由自適應線性組合器和單位延遲 單元實現，從而構成自適應橫向濾波器。
如圖2所示，若設自適應濾波器的線性估計值為y(")，同時系統的真實響應為"")，
則有
一(")=[4")-y(")]2 (1)
為隨時序n而變的平方誤差。定義
￡(")=￡{e2(")} (2)
其中，￡{'}代表{'}內量的期望值，即集平均。由於集平均不是時平均，故^")為時 刻t的函數，定義其為均方誤差(MSE)。 根據橫向自適應濾波器結構，有
= J] w, (w). x(" - /)=『r (").
'=。 (3)
其中，『《")=[%("),八，Wi—!(")] (4) f(")= [x(w),A ,x("-丄+ l)] (5)
由於^")是輸入信號^" —0的線性函數(w'(")為線性方程中的係數)，故由^"一0
得濾波器輸出y(")的過程稱為線性濾波。
自適應信號處理算法一般用來獲得有關的可調參數，使以這些參數為變量的目標函 數在一定的準則下最小，估計誤差的均方值是一種常用的準則。因此，從準則來區分，
自適應信號處理方法可分兩類(1)隨機統計法；(2)精確法。在精確法中，準則包 含了已得到的真實確切的輸入數據，而在隨機統計法中，準則包含了輸入數據的統計特 徵。算法的推導以估計誤差平方的集平均(即均方誤差)為基礎。
針對式(1) 、 (2) 、 (3)，求解『《")，使4")最小。由於^")為各係數w'的函
數，可寫為4『)。由上述公式可知其中，W為W(")的略寫，現研究網絡特性處於平穩狀態時的情況。 由式(6)展開，得
c(『)=￡^2 (w)} — 2『7'￡{d } + W 五r (w)} W (7)
式(7)中右側首項為被控信號"(")的均方功率，第二項表示"(")、4")的互相關 :，表示為Rxd。 Rxd為一時變向量(在穩態時為一常向量)，其各元素由下式表示-
E (")jc(")}
難(")x("-l"及』
AA
A/(丄-i)—
(8)
其中A"(w)為互相關係數，定義為
(附)=五{"(")4" — w)} (9 )
在實際處理過程中，真正的^"一)值常為未知數，需予以估計。 一般採用的佔計方 法為對於平穩各態歷經的隨機信號^ 、 y，其相應的A"")可由下式估計
& _ |附| ^=0
式中k為計算時數據數目， 一般情況取A》H。
(10)
式(7)右側最後一項中的五kwf(""代表^")的自相關陣，記為^
對於平穩信號，^"與n無關，^n可寫為
-1) M
;c(" _丄+1)
則根據式(8) , ^ 可寫為 —A(O) 麼(l) A
A AAA 麼(丄-l)麼(丄-2) A 麼(O)
I =
(11)
a;( _1),A ,x("-丄+ 1)]
(12)
(13)式中^0為第1階互相關係數。 將式(8) 、(12)代入式(7)，得
剩=￡ -2『 +『7X, (14)
由式(14)可見，均方誤差^『)顯然是權值(濾波器係數)W的函數。若取L^2，均 方誤差是權值的二次函數，式(7)成為
f (『)=c(W， ， ^ ) = WlV;r + 2m^ WA (1) + "h^A (0)
-2m^w(0)-2巧7^(1)+￡ [^(")] (15)
利用微分置零法求解，令 3formula see original document page 7
顯然若權值取L階時，可推導為矩陣形式為 =及"
即 『*=及:^^ (19)
由式(19)解得的礦保證是4『)的極值，但是否極小值還應驗證。為此求 32
(formula see original document page 7對於平穩信號4")
即A(0)為4")的均方值，故此值恆正。則由式(20)可見，&(0)在『*處的
恆正。即4『J函數是一個中間向下凹的拋物形曲面，式(19)的解
恆為最小解。精確求此方程，需要知道^^和^"的先驗統計信息，當這些無法預先知道時，則尋求近似解。
LMS自適應算法是通過調整濾波器的權係數使二次性能指標(誤差信號均方值或平均 功率)達到最小，是一種特殊的梯度下降類算法。真正的梯度下降算法要根據均方誤差 的負梯度來調節濾波器權係數，由於在實際工作中均方誤差通常未知，因此LMS算法解決 這一問題的方法是根據單個樣本方差的負梯度來調節權係數。
根據最陡下降法，下一時刻的權係數向量『("+ 1)應等於現時該權係數向量加上一項
比例於負的均方誤差函數的梯度v(")，即
r(" + l)(22)
式中^為控制自適應速度和穩定性的增益常數，稱為收斂係數。
在實際控制過程中，為了減少求解『(")每次迭代所需的計算量，滿足系統的實時
性，取單個誤差樣本平方的梯度々(")作為均方誤差函數梯度v(")的估計，有
&2(")=-2e(w)X(") (23)
由式(1) 、 (3) 、 (22) 、 (23)可總結規納出LMS自適應濾波算法為
>;(")=『rX(") < e(") = "(w)-_y(") 『(w +1)=2—)X(")
在LMS自適應濾波算法的收斂性分析過程中，考慮W是否及如何由起始設定的『(G)迭 代變為『'。由LMS自適應算法的推導可知，LMS算法可視為將期望近似為瞬時值的最陡下 降法，因此LMS自適應算法的一些平均特性仍與最陡下降法的相同，但其過程的特性會出 現波動，這給分析引入了難度。
由於權w的變化和產生z(")的模型系統中參數或環境的變化一般都較z(")的變化
慢，因此可設LMS濾波器的輸入信號^(")與LMS的權值^不相關，可以證明當^在一定的 取值範圍內，與最陡下降法中權的變化過程及收斂情況相同，LMS算法的權向量W的數學
期望值可絕對收斂至最佳權向量『'。但在實際模擬計算過程中表現，這種不相關的假定
並非LMS自適應算法收斂的充分條件，在輸入信號Z(")與LMS算法的權W或輸入信號間有較
大的相關性時，在均方誤差較大的前提下，權向量W也能收斂到最佳權向量『'。
正確處理LMS自適應濾波器的權係數個數L、 LMS算法的超調係數M和收斂係數^三者 間的關係，以保證控制算法的穩定性。LMS算法的超調係數M可表示為式中r一時間常數，與收斂因子^成反比。
由LMS算法可知，^值直接控制自適應收斂過程的快慢，由式(25)又知，過快的收 斂速度會使超調係數增大，形成超調失控。另外，降低權係數的數目有利於系統穩定， 但L過小將導致可利用信息少，影響權向量對被控系統的模擬精度。因此在保證LMS自適 應控制系統穩定的前提下，適當增大權係數的個數L和收斂係數,值，以逐步尋求快速且 穩定的控制過程。
依據LMS自適應濾波算法，針對兩自由度車輛懸架簡化模型，設計LMS自適應控制 器，簧上質量加速度作為被控主要指標，根據優選的濾波器階數及收斂係數，在單頻及 路面兩種信號的輸入激勵下，進行了仿真計算分析。
在仿真中，輸入信號採用幅值為10mm，頻率為2Hz的正弦激勵信號，把控制器輸出到 力執行器之間的環節，如D/A轉換器、低通濾波器、功率放大器等儀器，簡化為一個比例 放大環節。
圖3a、圖3b、圖4a、圖4b、圖5a、圖5b為控制前後簧上質量加速度、車輪動載荷、 懸架動撓度性能比較。
由圖3a、圖3b可見，簧上質量加速度指標在5s內被有效地控制在較低的幅值下，且 隨時間的延長，效果還會更顯著。通過其頻域圖說明在低頻共振帶處，幅值得到顯著降 低，證明車輛的平順性得到較好的改善。
由圖4a、圖4b可見，表徵車輛操縱性能的車輪動載荷指標也得到了很好的控制。
懸架動撓度由圖5a、圖5b可見，幅值降低不明顯，由於算法中對動撓度的控制採取 的是間接控制，由於簧下質量的存在，尤其對於低頻激勵，動撓度的大幅降低將變得十 分困難。
當改變正弦信號的頻率，進行了從2Hz 25Hz的激振控制過程，均收到相似效果。在 控制計算過程中，控制器的輸出都是逐漸收斂的，只是控制效果略有差別，這主要是自 適應LMS算法能夠根據不同的輸入信號自動調整權係數，在統計意義上具有使權值向量向 理論最優值逼近的能力，這進一步證明該算法的穩定性是較高的。
關於模擬計算過程中，LMS自適應濾波誤差變化過程及權值的收斂過程如圖6、圖7所
示，在LMS自適應控制器的調整過程中，開始e(")和『(")變化較大，但有逐漸收斂的趨 勢，在4s前後控制器的輸出誤差與權值基本趨於平穩，LMS濾波控制器基本完成權係數的
9調整，系統輸出接近穩定。
在單頻激振控制取得較好效果的基礎上，對路面模型激勵下的簡化懸架系統性能控 製作了如下分析。在實施模擬控制過程中認為執行器在研究頻段內可以提供良好的力幅 特性，將其設為線性元件，即輸入與輸出成正比且無延時，並且將D/A轉換器、低通濾波 器以及功率放大器等儀器簡化為線性比例放大器，以突出控制算法的基本特性。
在所設計的控制器作用下，控制前後車輛懸架的性能評價指標如圖8 圖10所示，通 過加速度功率譜密度曲線可見，在0 25Hz頻帶內，振動效果得到極大的控制，尤其在 2Hz左右，控制前後幅值相差10倍以上，控制效果顯著，進一步證明該控制器具有對車輛 平順性能改善的能力。
對於車輪動載荷指標，藉助其功率譜密度曲線可見，在12Hz共振峰值處約降低l/3左
右，在以簧上質量加速度信號作為誤差輸入信號的前提下，由隨機路面信號激勵的車輛 懸架動載荷指標控制在這一情況下，原因有二 一是LMS算法經調整輸出穩定後，間接表 明對簧下質量的作用力趨於穩定，因此動載荷控後指標穩定；二是適當選取LMS算法的收 斂係數，放寬其收斂速率，雖然簧上質量加速度指標的被控效果未達最佳，但車輪動載 荷控制效果有效。
懸架動撓度指標控制前後效果如圖10所示，在低頻段懸架動撓度得到顯著改善，與 單頻激振相比，效果趨優。其主要由於在隨機路面激勵下，被動懸架的性能惡化嚴重， 而有自適應能力的LMS算法仍然保持較好的輸出控制能力，因此效果明顯。
本發明中，汽車懸架系統自適應控制方法對兩自由度車輛懸架系統模型，通過自適 應LMS算法的仿真控制，在單頻及路面模擬信號的激勵下，簧上質量加速度、車輪動載荷 及懸架動撓度都得到了一定程度的改善，特別是明顯降低了簧上質量的垂直方向加速 度，對另外兩指標也取得了一定的控制效果，驗證了車輛懸架系統LMS自適應主動控制策 略的可行性。
在實際系統中實現算法不需要平方、平均或者微分運算，具有簡易和高效性。不用 平均，梯度分量肯定包含了一個大的噪聲成分，但是在自適應過程的進行中，實際起到 了一個低通濾波的作用，隨著過程的進行，這個噪聲必會得到衰減，因而其更適合於汽 車懸架系統隨機振動控制。
以上所述，僅為本發明較佳的具體實施方式
，但本發明的保護範圍並不局限於此， 任何熟悉本技術領域的技術人員在本發明揭露的技術範圍內，可輕易想到的變化或替 換，都應涵蓋在本發明的保護範圍之內。
權利要求
1、一種用於車輛振動控制的自適應控制方法，其特徵在於，包括採用LMS自適應算法對目標參數進行控制，通過調整濾波器的權係數使所述目標參數的二次性能指標達到最小。
2、 根據權利要求l所述的用於車輛振動控制的自適應控制方法，其特徵在於，所述的二次性能指標包括以下一項或多項誤差信號均方值、平均功率。
3、 根據權利要求l所述的用於車輛振動控制的自適應控制方法，其特徵在於，所述濾波器為LMS自適應橫向濾波器或LMS自適應線性組合器。
4、 根據權利要求l、 2或3所述的用於車輛振動控制的自適應控制方法，其特徵在於，所述LMS算法根據單個誤差信號方差的負梯度來調節所述權係數。
5、 根據權利要求4所述的用於車輛振動控制的自適應控制方法，其特徵在於，取所述單個誤差信號平方的梯度作為均方誤差函數梯度V(")的估計。
6、 根據權利要求5所述的用於車輛振動控制的自適應控制方法，其特徵在於，通過該方法對以下一項或多項目標參數進行控制車身垂直振動加速度、車輪與路面間的動載、懸架系統的動撓度；並通過對上述目標參數的控制來提高汽車行駛的平順性。
7、 根據權利要求6所述的用於車輛振動控制的自適應控制方法，其特徵在於，當通過對多項目標參數的控制來提高汽車行駛的平順性時，車身垂直振動加速度為重點評價參數。
全文摘要
本發明公開了一種用於車輛振動控制的自適應控制方法，通過調整基於LMS自適應算法的濾波器的權係數使目標參數的二次性能指標達到最小。應用該方法可以對車身垂直振動加速度、車輪與路面間的動載、懸架系統的動撓度等目標參數進行控制，用於對車輛振動進行控制時，能簡單、高效的提高汽車行駛的平順性。
文檔編號B60W30/02GK101580064SQ20091008657
公開日2009年11月18日 申請日期2009年6月9日 優先權日2009年6月9日
發明者孫建民 申請人:北京建築工程學院