本申請屬于汽車半主動懸架系統(tǒng)的控制領域，涉及一種車輛減振技術，具體地說是一種基于非線性神經(jīng)模糊控制器的電磁閥式減振器控制方法。
背景技術：
目前，汽車的懸架系統(tǒng)主要分為被動式懸架系統(tǒng)和半主動懸架系統(tǒng)。其中，被動式懸架系統(tǒng)因其懸架剛度和阻尼力大小不能隨汽車行駛速度、路面狀況等行駛條件的變化而自動調(diào)節(jié)，其平順性、道路友好性等綜合性很難提高。而半主動懸架系統(tǒng)的懸架彈性元件剛度和阻尼力均可根據(jù)需要進行自動調(diào)節(jié)，因此能較好的滿足汽車行駛的要求。電磁閥式減振器是實現(xiàn)半主動懸架系統(tǒng)的一種阻尼器，是車輛懸架中最重要的核心部件，在減小車輛垂直和水平方向振動并且使車輛保持良好的操縱性和穩(wěn)定性方面具有非常重要的作用。因此，汽車的電磁閥減振器的研究必將成為汽車各系統(tǒng)研究的主要方向之一。
目前，智能控制已廣泛應用于電池閥式減振器的控制中。模糊系統(tǒng)善于表述結構性、模糊性的知識，對知識的抽取和表達尤為方便。但模糊控制沒有自學習和自適應的能力，所以要設計和實現(xiàn)模糊系統(tǒng)的自適應控制有一定的難度。神經(jīng)網(wǎng)絡控制則具有并行計算、分布式信息存儲、容錯性好及自學習能力強等優(yōu)點，然而它并不善于表述模糊性、結構性的語言，因此神經(jīng)網(wǎng)絡在學習訓練時，一般需要設定一個隨機初始權值，這導致網(wǎng)絡學習時間大大加長，極易使網(wǎng)絡學習陷入局部極值。電磁閥式減振器主要具有復雜的遲滯性和非線性特性，因其不易建立精確的數(shù)學模型，所以常規(guī)控制已很難達到良好的控制效果。因此，考慮將模糊系統(tǒng)和神經(jīng)網(wǎng)絡控制進行結合，利用神經(jīng)網(wǎng)絡訓練模糊規(guī)則，建立模糊神經(jīng)系統(tǒng)來對電磁閥式減振器進行控制。
技術實現(xiàn)要素：
有鑒于此，本申請針對電磁閥式減振器的遲滯性和非線性的問題，提供了一種基于非線性神經(jīng)模糊控制器的電磁閥式減振器控制方法，該方法提取出模糊控制和神經(jīng)網(wǎng)絡各自的優(yōu)點，設計一種利用模糊系統(tǒng)對神經(jīng)網(wǎng)絡進行初始化，同樣神經(jīng)網(wǎng)絡可以得到模糊推理，從而極大的提高了神經(jīng)網(wǎng)絡的學習效率。
為了解決上述技術問題，本申請公開了一種基于非線性神經(jīng)模糊控制器的電磁閥式減振器控制方法，包括以下步驟：
(1)建立減振器實驗測試平臺，利用數(shù)據(jù)采集裝置對力傳感器和加速度傳感器的信號進行采集，其中，采集的數(shù)據(jù)包括：初始阻尼力和振動平臺垂直振動加速度，生成非線性神經(jīng)模糊控制器的輸入信號；
(2)利用模糊控制對步驟(1)中所述的阻尼力和振動平臺垂直振動加速度輸入信號進行模糊化處理，形成輸入模糊變量，然后將其傳送至模糊控制器，得到輸出模糊變量；
(3)建立電磁閥式減振器非線性神經(jīng)模糊控制器的模糊控制規(guī)則庫；利用(1)中所述的阻尼力和振動平臺垂直振動加速度數(shù)據(jù)輸入模糊變量集合的隸屬度函數(shù)，并結合輸出模糊變量，對隸屬度函數(shù)中心、寬度及權值進行訓練，利用一階梯度尋優(yōu)算法來對各參數(shù)進行調(diào)節(jié)；即利用神經(jīng)網(wǎng)絡自學習能力來自動生成模糊規(guī)則；
(4)利用重心解模糊化方法對非線性神經(jīng)模糊控制器的輸出模糊變量進行解模糊化處理，得到模糊控制器的阻尼力輸出，將得到的模糊控制器的阻尼力除以初始阻尼力，記為閾值h，根據(jù)閾值h的大小來判斷電磁閥式減振器是否有故障，需要檢修，達到對電磁閥式減振器實時在線調(diào)控的目的。
進一步地，步驟(1)中的建立減振器實驗測試平臺，利用數(shù)據(jù)采集裝置對力傳感器和加速度傳感器的信號進行采集具體為：采用LABVIEW軟件搭建數(shù)據(jù)采集系統(tǒng)，通過NI采集卡將力傳感器和加速度傳感器的信號采集到LABVIE中，保存為txt文件，作為非線性神經(jīng)模糊控制器的輸入信號；其中，采集的數(shù)據(jù)包括：初始阻尼力和振動平臺垂直振動加速度。
進一步地，步驟(2)中的利用模糊控制對步驟(1)中所述的輸入信號進行模糊化處理，形成輸入模糊變量，然后將其傳送至模糊控制器，得到輸出模糊變量具體為：根據(jù)力傳感器和加速度傳感器采集得到的阻尼力和振動平臺垂直振動加速度數(shù)據(jù)，確定論域；將阻尼力和振動平臺垂直振動加速度數(shù)據(jù)模糊化，確定模糊化的等級，即模糊化的論域；通過論域變換將阻尼力和振動平臺垂直振動加速度數(shù)據(jù)變換到模糊化的論域中；定義語言變量，具體為{NB NS ZO PS PB}，其中，NB NS ZO PS PB的值根據(jù)定義的隸屬度函數(shù)決定，選擇隸屬度大的模糊集作為輸出。
進一步地，步驟(3)中的建立電磁閥式減振器非線性神經(jīng)模糊控制器的模糊控制規(guī)則庫；利用(1)中所述的數(shù)據(jù)輸入模糊變量集合的隸屬度函數(shù)，并結合輸出模糊變量，對隸屬度函數(shù)中心、寬度及權值進行訓練，利用一階梯度尋優(yōu)算法來對各參數(shù)進行調(diào)節(jié)；即利用神經(jīng)網(wǎng)絡自學習能力來自動生成模糊規(guī)則具體為：
根據(jù)(2)模糊化形成的輸入模糊變量集合到隸屬度函數(shù)中，為模糊子集選擇適當?shù)碾`屬度函數(shù)，隸屬函數(shù)采用高斯隸屬函數(shù)，其表達式為：
式中，ai為輸入向量的各分量，i＝1,2,…,n，j＝1,2,...,mi，n為輸入量的維數(shù)，mi為ai的模糊分割數(shù)，cij表示隸屬度函數(shù)的中心，σij表示隸屬度函數(shù)的寬度；
通過matlab試驗，利用誤差反傳算法分別對隸屬度函數(shù)的權值ωij、中心cij、寬度σij求導，計算得出然后利用一階梯度尋優(yōu)算法來調(diào)節(jié)隸屬度函數(shù)的中心cij、隸屬度函數(shù)的寬度σij、權值ωij。
進一步地，步驟(4)中的利用重心解模糊化方法對非線性神經(jīng)模糊控制器的輸出模糊變量進行解模糊化處理，得到模糊控制器的阻尼力輸出，來對電磁閥式減振器實時在線調(diào)控具體為：
R1：如果x是A1，y是B1，則z是C1；
也R2：如果x是A2，y是B2，則z是C2；
……
也Rn：如果x是An，y是Bn，則z是Cn；
其中，R1、R2……Rn分別代表規(guī)則1、規(guī)則2……規(guī)則n，x，y和z代表系統(tǒng)狀態(tài)和控制量的語言變量，x和y是輸入量，z是控制量；Ai、Bi、Ci，i＝1,2,3,…,n分別代表語言變量x，y，z在其論域X，Y，Z上語言變量值，這些規(guī)則加起來則構成規(guī)則庫；根據(jù)上述規(guī)則進行模糊推理，則得到輸出量的模糊值z為：
式中：∧代表取??；為輸出量z的隸屬度函數(shù)，為輸入量x的隸屬度函數(shù)，為輸入量y的隸屬度函數(shù)；控制器將綜合所有推理結論C1',C'2,…,C'n計算出最終的輸出模糊值，即為模糊控制器的阻尼力，即
式中：∨代表取大，C1',C'2,…,C'n分別代表各輸出分量的隸屬度函數(shù)；模糊集合C'是由下式計算得到的：
式中，Z0為模糊集合C'的重心值，μC'(zi)為第i個控制量的隸屬度函數(shù)，zi為第i個控制量。
與現(xiàn)有技術相比，本申請可以獲得包括以下技術效果：
1)本發(fā)明通過非線性神經(jīng)網(wǎng)絡方法對電磁閥式減振器的輸入、輸出模糊變量的各個隸屬度函數(shù)進行深度優(yōu)化，并通過所述控制內(nèi)核對電磁閥式減振器進行實時控制。
2)本發(fā)明很好的解決了磁流變液減振器的非線性問題，在兼顧乘坐舒適性和操作穩(wěn)定性的同時，可以提減振效果、改善機動車的行駛性能，延長機動車的使用壽命。
當然，實施本申請的任一產(chǎn)品必不一定需要同時達到以上所述的所有技術效果。
附圖說明
此處所說明的附圖用來提供對本申請的進一步理解，構成本申請的一部分，本申請的示意性實施例及其說明用于解釋本申請，并不構成對本申請的不當限定。在附圖中：
圖1是本申請實現(xiàn)模糊控制的組成原理示意框圖。
具體實施方式
以下將配合附圖及實施例來詳細說明本申請的實施方式，藉此對本申請如何應用技術手段來解決技術問題并達成技術功效的實現(xiàn)過程能充分理解并據(jù)以實施。
本發(fā)明還公開了一種基于非線性神經(jīng)模糊控制器的電磁閥式減振器控制方法，本發(fā)明實現(xiàn)模糊控制的組成原理如圖1所示，包括以下步驟：
(1)建立減振器實驗測試平臺，利用數(shù)據(jù)采集裝置對安裝在阻尼器上的力傳感器和加速度傳感器的信號進行采集，生成非線性神經(jīng)模糊控制器的輸入信號；其中，采集的數(shù)據(jù)包括：初始阻尼力和振動平臺垂直振動加速度；
具體為：采用LABVIEW軟件搭建數(shù)據(jù)采集系統(tǒng)，通過NI采集卡將力傳感器和加速度傳感器的信號采集到LABVIE中，保存為txt文件，作為非線性神經(jīng)模糊控制器的輸入信號。
(2)利用模糊控制對步驟(1)中所述的阻尼力、垂直振動加速度和垂直振動速度輸入信號進行模糊化處理，形成輸入模糊變量，然后將其傳送至非線性神經(jīng)模糊控制器，得到輸出模糊變量；
具體為：根據(jù)力傳感器和加速度傳感器采集得到的阻尼力和垂直振動加速度數(shù)據(jù)，確定論域；將力傳感器和加速度傳感器采集得到的阻尼力和振動平臺垂直振動加速度數(shù)據(jù)模糊化，確定模糊化的等級，即模糊化的論域；通過論域變換將力傳感器和加速度傳感器采集得到的阻尼力和垂直振動加速度數(shù)據(jù)變換到模糊化的論域中；定義語言變量，如{NB NS ZO PS PB}，其中，NB NS ZO PS PB的值根據(jù)定義的隸屬度函數(shù)決定，選擇隸屬度大的模糊集作為輸出。
(3)建立電磁閥式減振器非線性神經(jīng)模糊控制器的模糊控制規(guī)則庫；利用(1)中所述的阻尼力、振動平臺垂直振動加速度和垂直振動速度輸入模糊變量集合的隸屬度函數(shù)，并結合輸出模糊變量，對隸屬度函數(shù)中心、寬度及權值進行訓練，利用一階梯度尋優(yōu)算法來對各參數(shù)進行調(diào)節(jié)。即利用神經(jīng)網(wǎng)絡自學習能力來自動生成模糊規(guī)則，具體為：
根據(jù)(2)模糊化形成的輸入模糊變量集合到隸屬度函數(shù)中，為模糊子集選擇適當?shù)碾`屬度函數(shù)，也是一項非常重要且關鍵的一項工作。本發(fā)明控制器設計中，隸屬函數(shù)采用高斯隸屬函數(shù)，其表達式為：
式中，ai為輸入向量的各分量，i＝1,2,…,n，j＝1,2,...,mi，n為輸入量的維數(shù)，mi為ai的模糊分割數(shù)，cij表示隸屬度函數(shù)的中心，σij表示隸屬度函數(shù)的寬度；
通過matlab試驗，利用誤差反傳算法分別對隸屬度函數(shù)的中心cij、寬度σij、權值ωij求導，計算得出然后利用一階梯度尋優(yōu)算法來調(diào)節(jié)隸屬度函數(shù)的中心cij、隸屬度函數(shù)的寬度σij、權值ωij。
(4)利用重心解模糊化方法對非線性神經(jīng)模糊控制器的輸出模糊變量進行解模糊化處理，得到模糊控制器的阻尼力輸出，來對電磁閥式減振器實時在線調(diào)控；將得到的模糊控制器的阻尼力除以初始阻尼力，記為閾值h，根據(jù)閾值h的大小來判斷電磁閥式減振器是否有故障，需要檢修，達到對電磁閥式減振器實時在線調(diào)控的目的。
不同車輛的閾值h的大小不同，閾值h的大小根據(jù)不同車輛具體確定，例如：一般車輛的閾值h選擇70％，當閾值h小于70％時，則判斷電磁閥式減振器有故障，需要處理；當?shù)玫降哪：刂破鞯淖枘崃Υ笥诨虻扔?0％的初始阻尼力時，則判斷電磁閥式減振器正常，可以繼續(xù)運行。
步驟4)的操作具體為：
模糊控制器經(jīng)模糊推理后，需要對輸出的模糊量進行解模糊操作，得到模糊控制器的阻尼力輸出，重心解模糊化方法過程如下：
R1：如果x是A1，y是B1，則z是C1；
也R2：如果x是A2，y是B2，則z是C2；
……
也Rn：如果x是An，y是Bn，則z是Cn；
其中，x，y和z代表系統(tǒng)狀態(tài)和控制量的語言變量，x和y是輸入量，z是控制量；Ai、Bi、Ci(i＝1,2,3,…,n)分別代表語言變量x，y，z在其論域X，Y，Z上語言變量值，這些規(guī)則加起來則構成規(guī)則庫。根據(jù)上述規(guī)則進行模糊推理，則可得到輸出量的模糊值z為：
式中：∧代表取小；為輸出量z的隸屬度函數(shù)，為輸入量x的隸屬度函數(shù)，為輸入量y的隸屬度函數(shù)；控制器將綜合所有推理結論C1',C'2,…,C'n計算出最終的輸出模糊值，即為模糊控制器的阻尼力，即
式中：∨代表取大，C1',C'2,…,C'n分別代表各輸出分量的隸屬度函數(shù)；模糊集合C，是C1',C'2,…,C'n這些向量集合，即C1',C'2,…,C'n是n×1的矩陣，則C，為n×n的矩陣。模糊集合C'是由下式計算得到的：
式中，Z0為模糊集合C'的重心值，μC'(zi)為第i個控制量的隸屬度函數(shù)，zi為第i個控制量。
本發(fā)明通過利用神經(jīng)網(wǎng)絡的自適應學習功能及模糊系統(tǒng)的推理能力，根據(jù)傳感器測得的振動平臺垂直振動加速度和阻尼力數(shù)據(jù)，實時調(diào)整模糊控制器的控制規(guī)則和隸屬度函數(shù)，輸出控制信號，經(jīng)驅動放大后實現(xiàn)對電磁閥式減振器的控制。
上述說明示出并描述了發(fā)明的若干優(yōu)選實施例，但如前所述，應當理解發(fā)明并非局限于本文所披露的形式，不應看作是對其他實施例的排除，而可用于各種其他組合、修改和環(huán)境，并能夠在本文所述發(fā)明構想范圍內(nèi)，通過上述教導或相關領域的技術或知識進行改動。而本領域人員所進行的改動和變化不脫離發(fā)明的精神和范圍，則都應在發(fā)明所附權利要求的保護范圍內(nèi)。