汽车ass和eps集成系统神经网络逆控制器及构造方法
【专利摘要】本发明公开了一种汽车ASS和EPS集成系统神经网络逆控制器及构造方法，将ASS与EPS作为一个整体组成整车非线性系统，将神经网络逆置于整车非线性系统之前，神经网络逆与整车非线性系统串联复合成伪线性系统，在此基础上，对伪线性系统设计线性闭环调节器，将神经网络逆和线性闭环调节器相串联构成汽车ASS和EPS集成系统神经网络逆控制器。采用该控制器可以实现汽车垂直加速度、侧倾角、悬架动扰度、整车横摆角速度和质心偏置角之间非线性解耦控制，可以显著提高汽车ASS和EPS集成系统的控制性能。
【专利说明】汽车ASS和EPS集成系统神经网络逆控制器及构造方法
【技术领域】
[0001] 本发明属于车辆工程设备的【技术领域】，涉及一种基于神经网络逆的汽车ASS和 EPS集成系统控制器及其控制方法，适用于汽车整车非线性系统的高性能集成控制。
【背景技术】
[0002] 随着科技水平的不断发展，人们对汽车的操纵性、平顺性、舒适性和行驶安全性等 的性能要求越来越高。主动悬架系统（Active suspension system, ASS)可以有效地降低 各种工况下路面不规则激励对车辆造成的过大加速度，从而可以提高行驶舒适性，改善车 辆的操纵稳定性和平顺性，已成为国内外广大学者的研究热点之一。电动助力转向系统 (Electric power steering system, EPS)作为一种新型转向系统，所需的零件数目小于传 统液压助力转向系统所需零件数目，而且不需要添加任何外围硬件电路即可改变系统的助 力特性，具有优良的操纵轻便性，已经成为汽车助力转向系统的主流技术。在汽车正常行驶 过程中，ASS与EPS之间存在着非线性耦合关系、两者必然会相互干扰、相互影响。因此，为 了消除或降低汽车ASS与EPS之间的非线性耦合影响，有必要对ASS与EPS集成系统进行 非线性解耦控制。目前对ASS与EPS集成系统的控制方法主要是基于微分几何理论的解耦 控制方法。然而该方法需要建立ASS与EPS集成系统的精确数学模型，由于较难获得系统 精确的数学模型，故该控制方法的控制效果欠佳。
【发明内容】
[0003] 本发明的目的是为了克服现有汽车ASS与EPS集成系统解耦控制技术的不足，提 供一种提高行驶舒适性，改善车辆的操纵稳定性和平顺性，并消除汽车垂直加速度、侧倾 角、悬架动扰度、整车横摆角速度和质心偏置角之间非线性耦合的神经网络逆控制器。
[0004] 本发明的另一目的是提供汽车ASS与EPS集成系统神经网络逆控制器的构造方 法。
[0005] 本发明汽车ASS与EPS集成系统神经网络逆控制器采用的技术方案是：包括神经 网络逆和线性闭环调节器，将神经网络逆和线性闭环调节器相串联构成汽车ASS和EPS集 成系统神经网络逆控制器，其中神经网络逆采用静态神经网络加5个积分器组成，线性闭 环调节器包括垂直加速度调节器、侧倾角调节器、悬架动扰度调节器、整车横摆角速度调节 器和质心偏置角调节器，线性闭环调节器对伪线性系统进行闭环控制；伪线性系统由垂直 加速度子系统、侧倾角子系统、悬架动扰度子系统、整车横摆角速度子系统和质心偏置角子 系统组成，神经网络逆与由ASS和EPS作为一个整体构成的整车非线性系统共同复合构成 等效的伪线性系统。
[0006] 本发明汽车ASS与EPS集成系统神经网络逆控制器的构造方法采用的技术方案 是：依次包括以下步骤：1)将ASS与EPS作为一个整体组成整车非线性系统；2)确定整车 非线性系统的逆系统的输入输出变量；3)采用离线训练好的静态神经网络加5个积分器构 成神经网络逆；4)将主动悬架力Fp F2、F3、F4和电动助力转矩Tm的阶跃激励信号加到整车 非线性系统的输入端，采集垂直加速度az、侧倾角Φ、悬架动扰度fd、整车横摆角速度γ和 质心偏置角β，并离线分别求其一阶导数，并对信号做规范化处理，组成神经网络的训练样 本集，对静态神经网络进行训练，从而确定静态神经网络的各个权系数；5)将神经网络逆 置于整车非线性系统之前，神经网络逆与整车非线性系统串联复合成伪线性系统；形成垂 直加速度的一阶伪线性子系统、侧倾角的一阶伪线性子系统、悬架动扰度的一阶伪线性子 系统、整车横摆角速度的一阶伪线性子系统和质心偏置角的一阶伪线性子系统；6)对得到 的5个所述一阶伪线性子系统分别设计垂直加速度调节器、侧倾角调节器、悬架动扰度调 节器、整车横摆角速度调节器和质心偏置角调节器，并由所述的5个调节器构成线性闭环 调节器，将神经网络逆与线性闭环调节器共同组成汽车ASS和EPS集成系统神经网络逆控 制器。
[0007] 本发明的有益效果是：
[0008] 1、本发明利用神经网络逆控制方法，静态模糊神经网络采用3层MLN网络，隐层神 经元激活函数使用S型函数，输出层的神经元采用纯线性函数，能够有效改善训练时神经 网络的泛化能力、收敛精度以及缩短训练所需用的时间；
[0009] 2、通过选用二次型指标最优方法进一步合理设计线性闭环调节器，实现了汽车 ASS与EPS集成系统的高性能协调控制；
[0010] 3、本发明采用的控制方法与传统ASS与EPS集成系统的控制方法相比，不需要增 加任何硬件设施，控制算法由软件编程，成本低，实现简便，具有广阔的应用前景；
[0011] 4、本构造方法的控制器可以有效改善汽车行驶安全性、乘坐舒适性、操纵性和平 顺性。
【专利附图】
【附图说明】
[0012] 图1是由ASS与EPS组成整车非线性系统的示意图及其等效图；
[0013] 图2是整车非线性系统的神经网络逆构成框图；
[0014] 图3是神经网络逆与整车非线性系统复合构成的伪线性系统的示意图及其等效 图；
[0015] 图4是由线性闭环调节器与伪线性系统组成的闭环控制系统结构图；
[0016] 图5是采用汽车ASS和EPS集成系统神经网络逆控制器对整车非线性系统进行控 制原理框图。
[0017] 图6是本发明神经网络逆控制器7使用IPG(Car Maker)试验平台进行控制系统实 施的原理框图；
[0018] 图7是IPG (Car Maker)试验平台的系统软件框图。
【具体实施方式】
[0019] 下面结合附图对本发明的【具体实施方式】进一步说明。
[0020] 如图1和图5所示，本发明汽车ASS和EPS集成系统神经网络逆控制器，包括神经 网络逆4和线性闭环调节器6,将神经网络逆4和线性闭环调节器6相串联构成汽车ASS和 EPS集成系统神经网络逆控制器7,其中神经网络逆4采用静态神经网络41加5个积分器组 成，线性闭环调节器6包括垂直加速度调节器64、侧倾角调节器62、悬架动扰度调节器63、 整车横摆角速度调节器64和质心偏置角调节器65,线性闭环调节器6对伪线性系统5进行 闭环控制；伪线性系统5由垂直加速度子系统51、侧倾角子系统52、悬架动扰度子系统53、 整车横摆角速度子系统54和质心偏置角子系统55组成，神经网络逆4与整车非线性系统 3共同复合构成等效的伪线性系统5 ;其中，整车非线性系统3由ASS1和EPS2作为一个整 体构成，静态神经网络41具有10个输入节点和5个输出节点，其中静态神经网络41的第 一个输入为神经网络逆4的第一个输入，神经网络逆4的第一个输入经过第一个积分器和 静态神经网络41的第二个输入相连接，静态神经网络41的第三个输入为神经网络逆4的 第二个输入，神经网络逆4的第二个输入经过第二个积分器和静态神经网络41的第四个输 入相连接，静态神经网络41的第五个输入为神经网络逆4的第三个输入，神经网络逆4的 第三个输入经过第三个积分器和静态神经网络41的第六个输入相连接，静态神经网络41 的第七个输入为神经网络逆4的第四个输入，神经网络逆4的第四个输入经过第四个积分 器和静态神经网络41的第八个输入相连接，静态神经网络41的第九个输入为神经网络逆 4的第五个输入，神经网络逆4的第五个输入经过第五个积分器和静态神经网络41的第十 个输入相连接，静态神经网络41的输出就是神经网络逆4的输出。
[0021] 本发明具体的实施分以下8步：
[0022] 1、构成整车非线性系统3。如图1所示，将ASS1与EPS2作为一个整体组成整车非 线性系统3,整车非线性系统3以主动悬架力Fp F2、F3、F4和电动助力转矩Tm为输入，以垂 直加速度^、侧倾角Φ、悬架动扰度f d、整车横摆角速度γ和质心偏置角β为输出。
[0023] 2、通过分析、等效与推导，为神经网络逆的构造与学习训练提供方法上的根据。首 先建立整车非线性系统3的数学模型，即静止坐标系下5阶微分方程，其向量相对阶为{1， 1，1，1，1}。经推导可以证明该5阶微分方程可逆，即5逆系统存在，并可确定整车非线性系 统3的逆系统的输入变量为垂直加速度az的一阶导数之、侧倾角φ的一阶导数一、悬架动 扰度fd的一阶导数/',、整车横摆角速度Y的一阶导数^和质心偏置角β的一阶导数 输 出变量为整车非线性系统3的输入？1、&、&、？4和1'111。从而可以构造出神经网络逆（4)，为 学习训练提供了方法上的根据，如图2所示。
[0024] 3、构造神经网络逆4。如图2所示，采用静态神经网络41和5个积分器来构成 动态神经网络，并用动态神经网络逼近逆系统。其中静态神经网络采用3层MLN网络，输 入节点数为10,隐含节点数为18,输出层节点数为5,隐层神经元激活函数使用S型函数
【权利要求】
1. 一种汽车ASS和EPS集成系统神经网络逆控制器，其特征在于：包括神经网络逆（4) 和线性闭环调节器（6)，将神经网络逆（4)和线性闭环调节器（6)相串联构成汽车主动悬架 系统ASS(l)和电动助力转向系统EPS (2)集成系统神经网络逆控制器（7)，其中神经网络 逆⑷采用静态神经网络（41)加5个积分器组成，线性闭环调节器（6)包括垂直加速度调 节器（61)、侧倾角调节器（62)、悬架动扰度调节器（63)、整车横摆角速度调节器（64)和质 心偏置角调节器（65)，线性闭环调节器（6)用于对伪线性系统（5)进行闭环控制；伪线性 系统（5)由垂直加速度子系统（51)、侧倾角子系统（52)、悬架动扰度子系统（53)、整车横 摆角速度子系统（54)和质心偏置角子系统（55)组成，神经网络逆（4)与整车非线性系统 (3) 共同复合构成等效的伪线性系统（5); 所述整车非线性系统（3)由主动悬架系统ASS(l)与电动助力转向系统EPS(2)作为一 个整体构成，所述的静态神经网络（41)具有10个输入节点和5个输出节点，其中静态神经 网络（41)的第一个输入为神经网络逆（4)的第一个输入，神经网络逆（4)的第一个输入经 过第一个积分器和静态神经网络（41)的第二个输入相连接，静态神经网络（41)的第三个 输入为神经网络逆（4)的第二个输入，神经网络逆（4)的第二个输入经过第二个积分器和 静态神经网络（41)的第四个输入相连接，静态神经网络（41)的第五个输入为神经网络逆 (4) 的第三个输入，神经网络逆（4)的第三个输入经过第三个积分器和静态神经网络（41) 的第六个输入相连接，静态神经网络（41)的第七个输入为神经网络逆（4)的第四个输入， 神经网络逆（4)的第四个输入经过第四个积分器和静态神经网络（41)的第八个输入相连 接，静态神经网络（41)的第九个输入为神经网络逆（4)的第五个输入，神经网络逆（4)的 第五个输入经过第五个积分器和静态神经网络（41)的第十个输入相连接，静态神经网络 (41)的输出就是神经网络逆（4)的输出。
2. -种汽车ASS和EPS集成系统神经网络逆控制器的构造方法，其特征在于，包括以下 步骤： 1) 将主动悬架系统ASS(l)与电动助力转向系统EPS(2)作为一个整体组成整车非线性 系统（3)，整车非线性系统（3)以主动悬架力Fp F2、F3、F4和电动助力转矩Tm为输入，以垂 直加速度^、侧倾角Φ、悬架动扰度f d、整车横摆角速度γ和质心偏置角β为输出； 2) 确定整车非线性系统（3)的逆系统的输入变量为垂直加速度az的一阶导数4、侧倾 角Φ的一阶导数￥、悬架动扰度fd的一阶导数:/,、整车横摆角速度Y的一阶导数，和质心 偏置角β的一阶导数A输出变量为整车非线性系统⑶的输入？1、&、&、？1和1'"1; 3) 采用离线训练好的静态神经网络（41)加5个积分器构成神经网络逆（4)，第一个积 分器的输入与逆系统的第一个输入变量么相连，第一个积分器的输入输出与静态神经网络 (41)的第二个输入相连；第二个积分器的输入与逆系统的第二个输入变量#相连，第二个 积分器的输出与静态神经网络（41)的第四个输入相连；第三个积分器的输入与逆系统的 第三个输入变量相连，第三个积分器的输出与静态神经网络（41)的第六个输入相连；第 四个积分器的输入与逆系统的第四个输入变量^相连，第四个积分器的输出与静态神经网 络（41)的第八个输入相连；第五个积分器的输入与逆系统的第五个输入变量0相连，第五 个积分器的输出与静态神经网络（41)的第十个输入相连；静态神经网络（41)的输出就是 神经网络逆（4)的输出； 4) 将主动悬架力Fi、F2、F3、F4和电动助力转矩Tm的阶跃激励信号加到整车非线性系统 (3)的输入端，采集垂直加速度a z、侧倾角Φ、悬架动扰度fd、整车横摆角速度γ和质心偏 置角β，并离线分别求其一阶导数，并对信号做规范化处理，组成神经网络的训练样本集， 对静态神经网络（41)进行训练，从而确定静态神经网络（41)的各个权系数； 5) 将神经网络逆（4)置于整车非线性系统（3)之前，神经网络逆（4)与整车非线性系 统（3)串联复合成伪线性系统（5);形成垂直加速度的一阶伪线性子系统（51)、侧倾角的一 阶伪线性子系统（52)、悬架动扰度的一阶伪线性子系统（53)、整车横摆角速度的一阶伪线 性子系统（54)和质心偏置角的一阶伪线性子系统（55); 6) 对得到的5个所述一阶伪线性子系统分别设计垂直加速度调节器￠1)、侧倾角调节 器（62)、悬架动扰度调节器（63)、整车横摆角速度调节器（64)和质心偏置角调节器（65)， 并由所述的5个调节器构成线性闭环调节器（6)，将神经网络逆（4)与线性闭环调节器（6) 共同组成汽车ASS和EPS集成系统神经网络逆控制器（7)。
3. 根据权利要求2所述的汽车ASS和EPS集成系统神经网络逆控制器的构造方法，其 特征在于：所述步骤3)中的静态模糊神经网络（41)采用3层MLN网络，输入节点数为10， 隐含节点数为18,输出层节点数为5,隐层神经元激活函数使用S型函数/(x) = ^^，输 e +e 出层的神经元采用纯线性函数f(x) = X，X为神经元的输入。
4. 根据权利要求2所述的汽车ASS和EPS集成系统神经网络逆控制器的构造方法，其 特征在于：所述步骤4)采用带动量项和变学习率的误差反传 BP算法对静态神经网络（41) 进行训练，经过1000次训练，神经网络输出均方误差小于〇. 01。
5. 根据权利要求2所述的汽车ASS和EPS集成系统神经网络逆控制器的构造方法，其 特征在于：所述步骤6)中的5个调节器均选用二次型指标最优方法进行设计，并由所述的 5个调节器构成线性闭环调节器（6)。
6. 根据权利要求2所述的汽车ASS和EPS集成系统神经网络逆控制器的构造方法，其 特征在于：所述步骤6)中的神经网络逆控制器（7)采用IPG(Car Maker)实现来控制汽车 ASS(l)和EPS(2)集成系统。
【文档编号】G05B13/04GK104049535SQ201410244188
【公开日】2014年9月17日 申请日期:2014年6月4日 优先权日:2014年6月4日
【发明者】陈龙, 孙晓东, 黄晨, 江浩斌, 汪少华, 殷春芳, 李可 申请人:江苏大学