0 AASRI Procedia 4 ( 2013 ) 160 – 16602212-6716 © 2013 The Authors. Published by Elsevier B.V.under responsibility of American Applied Science Research Institute doi:10.1016/j.aasri.2013.10.0250ScienceDirect0O0Abs0Thesusweilogiordconalgresrelavel© 2Sel0*0ptimiza0Abroon Ja0a Dep0tract0paper involvesension is betterght and operatc based systemr to determineroller. The perfrithms (includilts clearly manion to all othercity as the input0words: semi-activ0Corresponding 0E-mail address: a02013 AA0tion of 0S0mal Qazi a, *,0artment of Mecha0b Na0modeling of qthan the passonal cost. Fuzzs can handle n0the optimized0formance of reng passive systnifest suprema0systems. The rparameters re0e suspension; fu0author. Tel.: +92broon_qazi@hot0SRI Confer0emi-Actwarm O0 Umar A.0nical Engineeringional University o0quarter car mosive and activelogic controlln-linearities thd scaling factosulting optimiztem). The modcy of fuzzy logresearch presesulting in no o0zzy logic controlle03455420132. mail.com.0ence on Int0tive Suptimiza0Farooqui b ,Mazhar b ,0g, University of Eof Science and T0dels of passivee suspensions lers are incorprough heuristicrs keeping thezed system is cdels are compagic based partints an innovativershoot of the0er; heuristic rules0elligent Sys0pensiontion Alg0h0Ali Fiaz a0Engineering andechnology, Islam0and various sebased on optiorated in the rules. Particlenormalized raompared withred for attribuicle swarm opapproach ofsuspension di0s; particle swarm0tems and C0System orithm0an a , M. Ta0Technology, Pesabad, Pakistan0mi-active sus0mum performesign scheme swarm optimizanges of inputdifferent systees of road hantimized semi-autilizing relativplacement.0optimization0ontrol0Using 0hir Khan a , 0hawar, Pakistan0ension systemce within the csemi-active mzation techniqs and output oms based on vdling and rideactive suspensve displaceme0 Institute0Particle0Farrukh0Available online at www.sciencedirect.com0© 2013年作者。由Elsevier B.V.出版。由美国应用0Open access under CC BY-NC-ND license.0根据CC BY-NC-ND许可进行开放访问 0161 Abroon Jamal Qazi et al. / AASRI Procedia 4 ( 2013 ) 160 – 16601. 引言0悬架系统的主要功能是在汽车中提供减震。除了承载车辆的重量外，它还试图最小化或消除由多种原因引起的振动，包括路面不平整、空气动力学力和轮胎/轮毂组件的不均匀性等[1]。电流流变（ER）流体和磁流变（MR）流体的开发实现了可控减震器的制造。由于被动悬架系统无法满足矛盾的要求，因此使用主动和半主动悬架的情况越来越多[2]。在过去的几十年中，模糊逻辑得到了快速发展，自模糊集理论的第一篇论文以来，模糊逻辑已经被广泛应用。这篇论文被认为是该领域的开创性论文，是由Zadeh撰写的[3]，他被认为是该领域的奠基人。Mamdani[4]对Zadeh的工作进行了发展，并展示了模糊逻辑控制（FLC）在小型模型蒸汽机上的应用。通过手动程序很难控制模糊逻辑控制系统的参数。因此，重要的缩放因子通过适当的优化技术进行调整。粒子群优化（PSO）方法在收敛性和计算时间方面表现更好。这种技术在工程问题中被广泛应用[5]。本文介绍了在Simulink中建模的四分之一车辆无源和半主动悬架系统。优化的模糊逻辑控制器的输入和输出被归一化，并且增益因子被纳入系统中。增益因子通过使用PSO技术进行离线调整方法进行评估。基于优化的参数，选择阻尼器的最大输出。基于各种控制算法设计了各种模型。所有模型都进行了道路操控和乘坐舒适性的比较。第2节描述了系统的建模以及PSO技术的实施。第3节讨论了仿真结果，而第4节介绍了结论。02. 系统建模0本节介绍了系统的建模。PSO调整的模糊逻辑控制系统的框图如图1所示。0图1. PSO调整的模糊逻辑控制系统框图0缩放因子0缩放因子0缩放因子0控制器0归一化0A0B0C F 0162 Abroon Jamal Qazi et al. / AASRI Procedia 4 ( 2013 ) 160 – 16602.1. 车辆四分之一模型参数和路面剖面0四分之一车辆模型具有两个自由度。为了模拟系统，四分之一车辆参数取自参考数据[6]。用于比较无源和基于模糊逻辑的悬架系统的路面扰动剖面由脉冲建模，如图2所示。0图2. 路面扰动剖面02.2. 优化的模糊逻辑控制器0对于半主动悬架模型，阻尼系数需要变化。为了将阻尼系数的调制纳入设计方案，模糊逻辑控制器被纳入其中。模糊逻辑系统的主要组成部分包括模糊化接口、模糊规则库、决策逻辑和去模糊化接口。模糊化将清晰的值转化为模糊变量，然后由模糊规则库和决策过程进一步操作。去模糊化将模糊变量转化回清晰的值，然后再次输入到系统中。在当前研究中，提出的模糊逻辑控制器有两个输入：相对位移和相对速度，而控制器的输出是期望的阻尼系数。每个输入变量包括三个隶属函数：N（三角形）、Z（单点）和P（三角形），而输出变量由三个隶属函数组成：S（三角形）、M（高斯）和L（三角形）。基于每个输入变量的三个隶属函数，共有九条规则被制定。所有输入和输出变量都已经归一化，其范围分别为[-1,1]和[0,1]。采用Mamdani推理系统，使用质心去模糊化方法。02.3.粒子群优化（PSO）00163 Abroon Jamal Qazi等 / AASRI Procedia 2013年4月 160-1660PSO是一种基于鸟群和鱼群行为的生物启发技术。该算法通过搜索n维问题以优化目标函数。0( ) ( ) )1 ( v k p k k p i i i (2)0其中c1和c2分别表示局部最佳和全局最佳位置的认知和社会加速度，w是惯性权重常数，r1（k）和r2（k）表示在[0,1]的均匀分布域中生成的随机数。03. 模拟结果和讨论0本节描述了模拟结果，并进行了详细讨论。模糊逻辑控制器设计在Matlab模糊工具箱中，模拟在Simulink中执行。PSO算法是在Matlab中编程并执行以确定三个优化增益因子。PSO算法使用的参数在表1中描述。0表1. PSO算法参数0参数 符号0群体规模 300迭代次数 300未知变量 30认知加速度 1.50社会加速度 1.80惯性权重 0.60通过PSO算法获得的优化缩放因子为A=24.39，B=15.46和C=3954.3。03.1 基于不同控制算法的系统0为了评估基于模糊逻辑的半主动悬架系统的性能，开发并模拟了基于模糊天线、地面挂钩和混合系统的模糊系统。天线系统基于最小化悬架振动的策略，地面挂钩系统控制轮胎的振动，混合系统设计为两个系统的组合策略。图3和图4展示了基于控制算法的各种系统对脉冲道路干扰的性能结果。轮胎位移是道路操纵的良好指标，而悬挂位移是舒适性的度量。 0164 Abroon Jamal Qazi等 / AASRI Procedia 2013年4月 160-1660图3 各种控制算法的轮胎位移0图4 各种控制算法的悬挂位移0各种控制算法的重要性能参数值已在表2中与脉冲道路干扰相关联。阴影值表示百分比超调，非阴影值表示稳定时间（以秒为单位）。此外，每个格子中的前两个值与初始干扰有关，底部值与干扰的第二部分相对应。20 0.25 40 - 20 0.5 16.7 0.4 21.3 0.3 -2.9 1.75 -6.4 - -4 1.8 -2.5 2 -3 1.8 0 0.25 60 - 0 1.25 28 1.25 13.3 1 0 1.75 -10 - 0 2.75 -4.3 2.75 -0.4 1.8 0165 Abroon Jamal Qazi等 / AASRI Procedia 2013年4月 160-1660表2. 脉冲道路剖面的各种控制技术的性能比较0参数0控制算法0优化模糊、被动、模糊天线、模糊地面挂钩、模糊混合0轮胎0位移0悬挂0位移0阴影单元格表示百分比超调，非阴影单元格表示稳定时间（以秒为单位）。在悬挂位移领域，优化模糊系统优于所有其他系统。没有超调，并且与其他系统相比，该系统迅速稳定。因此，优化的模糊系统在所有控制算法中提供最佳的乘坐舒适性。在悬挂位移方面，被动系统根本无法稳定。模糊混合结合了天线和地面挂钩控制算法的策略。在轮胎位移方面，最佳稳定时间段由优化的模糊逻辑系统表示，而地面挂钩提供最小的百分比超调。然而，在车辆操纵方面，优化的模糊系统仍与地面挂钩系统相当。04. 结论0本文成功应用了混合人工智能技术设计半主动悬架系统。在Simulink中建模了被动和半主动悬架系统。优化模糊系统的输入和输出隶属函数已经归一化，因为引入了缩放因子。在道路操纵和乘坐舒适性方面，优化的模糊逻辑控制系统的性能要比被动系统和其他控制方案好得多。0参考文献0[1] Anil Shirahatt、Pravin Panzade和Kulkarni M M. Optimal design of passenger car suspension for rideand road holding. Journal of Brazilian Society of Mechanical Science & Engineering, 2008, 30(1): 66-76.[2] Martins I、Esteves M、Pina da Silva F、Verdelho P. Electromagnetic hybrid active-passive vehiclesuspension system. 49th IEEE Vehicular Technology Conference, Houston, USA, 1999, 3: 2273-2277. [3]Zadeh L A. Fuzzy sets. Information and Control, 1965, 8(3): 338-353. [4] Mamdani E和Assilian S. Anexperiment in linguistic synthesis with a fuzzy logic controller. International Journal of Man-MachineStudies, 1975, 7(1): 1-13. [5] Rini D P、Shamsuddin S M和Yuhaniz S S. Particle swarm optimization:Technique, system and challenges. International Journal of Computer Applications, 2011, 14(1): 19-26.0166 Abroon Jamal Qazi等 / AASRI Procedia 2013年4月 160-1660[6] Abu-Khudhair A、Muresan R和Yang S X. Fuzzy control of semi-active automotive suspensions. IEEEInternational Conference on Mechatronics and Automation, Changchun, China, Aug 2009, 2118-2122.
我的内容管理
展开
