1、PDF外文：http:/ 2653 字 外文翻译 外文资料名称： 汽车主动悬架系统的神经网络控 制运算法则的研究 外文资料出处： International Conference on Neural
2、 Networks and Brain, 2005. 附 件： 1.外文资料翻译译文 2.外文原文 &n
3、bsp; 指导教师评语： 签名： &nbs
4、p; 年 月 日 1 汽车 主 动悬架系统的 神经网络 控制运算法则的研究 L.J.Fu, J.G.Cao 重庆 工 学院车辆工程系 中国重庆市杨家坪兴盛路 4号， 400050 C. R. Liao, B. Chen 重庆技术学院车辆工程系 中国重庆市杨家坪兴盛路 4号， 400050 E-mail: 摘要 :为适
5、应不同路面状况和汽车运行状况 ,半可控悬架由从动弹簧和活动减振器组成 。 由于主动悬架结构复杂并且消极悬架无法满足各种路面条件和汽车运行状态的要求 ,因此半可控悬架系统是目前最常用的悬架系统 。 本文将着重介绍 自适应神经 控制的汽车悬架循环 神经网络 模拟控制器 。 悬架系统 神经网络 不同于汽车悬架的动态参数 ,并且还能够为 神经 自动调节控制器提供学习信号 ,为了检验控制结果 ， 在 DSP 微处理系统基础上为中巴安装液压减振 器和多维控制系统 ,并在各种速度和路面上进行实验 .将此控制结果和开环消极悬架系统进行比较 ,结果表明 神经网络 控制运算在减少 微型客车 振动方面表现的非常良好
6、 。 1 概述 汽车悬架系统的主要功用是支撑车身的重量 ,并且使汽车稳定有效的进行转向操纵控制 ,同时有效的分离路面波动对车身的影响 。 不同的需要导致设计的要求不同 ,半自动悬架由从动弹簧和需要克服不同路面状况和汽车运行条件的阻尼离的自动减振器 组成 。 由于 主 动悬架结构复杂而传统的消极式悬架无法满足不同路面状况和汽车运行状况的要求 。 因此 ,半自动悬架是目前最常用的悬架系统 。 半自 动悬架系统的优点是带有液压减振使车身在 低动力 情况下振动降低 。 目前 ,许多控制系统是为半自动悬架系统 而 开发的 。 从 Karnoopp 的 Skyhook 方法开始 。
7、 这个方法主要是使缓冲器承受一定的力的作用 ,而这个力是与汽车全速时悬架上的质量成一定比例的 。 许多调查都是用一维模型 ,它可以推导出模糊的控制点和控制运算法则 。 如 LQG 和活跃控制2,3。 由于汽车悬架固有非线性特性 ,导致这种控制方法不能充分发挥半自动悬架的功用 。 为充分利用悬架系统的非线性功用 。 如模糊逻辑控制 。 神经 网络控制和 模糊神经控制 等智能化控制方法近来都已被科研 人员用于非线性悬架系统控制 4,5。 本文， 一种神经自适应控制控制器被用于控制汽车悬架神经网络和瞬边的 MR 减振器的循环振动 。 控制器的结构设计和控制运算法则将在第 2 部分进行详细
8、叙述。悬架的循环神经网络动态模拟在第 3 部分进行介绍控制系统实验在第 4 部分，第 5 部分 2 是总结。 1. 汽车悬架的多维自调节控制法则 神经模糊 控制系统将在本文进行介绍，由图 1 可知，它是由 模糊神经 网络和 神经网络模型构成的 微型客车 悬架。 神经网络模糊控制 即自适应控制，它有学习和控制的功能。它的循环 神经 网络功用是用来鉴别中巴车悬架的模拟参数。图 1 中的 y(t)和yd(t)分别是系统实际输出和系统理想输出。 xl(t)是系统实际输出和理想输出之间的误差。 x2(t)是系统实际输出和理想输出的误差率 xl(t)和 x2(t)定义如下： &nb
9、sp; xI (t) e(t)= y(t)- Yd (t) (1) X2 (t)= e(t)= e(t + 1)- e(t) (2) 图 1.悬架 神经网络 控制系统的结构 网络 控制系统：整体集的定义分别如下： = - E,E, = - E,E, =-U,U.神经模糊 控制器有四层 神经元 。 第一层和第二层和与模糊法则相一致。第三层与推理相一致，而第四层与模糊法则相一致。 , 和 的集合分别分成 7 个子集， ， ，集的组成分别如下： X1 = NB, NM, NS, ZE, PS, PM, PB X2 = NB, NM, NS, ZE, PS, PM, PB U = NB, NM, NS, ZE, PS, PM, PB 本文，将用高斯函数解决模糊集 , 和模糊集 的组成，其函数的第一如下：
