核心内容摘要
开题报告 springboot和vue--城市垃圾分类宣传网站
基于simulink的悬架模型 一个LQR主动悬架控制模型有对应文档资料。
一个五自由度模糊PID控制的主动悬架有对应的公式。
框架如图。
主动悬架控制一直是汽车工程的热门领域。
今天咱们就扒开Simulink模型看看LQR和模糊PID这两种经典算法是怎么在五自由度悬架模型里较劲的。
先说个真实场景——当你开车碾过减速带时车身跳动和轮胎抓地力之间的博弈就是这些控制算法的主战场。
先看LQR这哥们典型的学院派选手。
核心代码里权重矩阵的设置是灵魂所在Q diag([1000 1 500 1 200]); % 状态权重 R
01; % 控制输入权重 [K,S,e] lqr(A,B,Q,R);这里Q矩阵的五个分量对应簧载质量位移、速度非簧载质量位移、速度还有轮胎变形量。
重点在于位移权重要比速度大一个数量级毕竟乘客最敏感的是颠簸幅度而不是振动速度。
但别被表面参数骗了实际调参时得开着仿真边跑边调——就像老司机说的参数是试出来的不是算出来的。
基于simulink的悬架模型 一个LQR主动悬架控制模型有对应文档资料。
一个五自由度模糊PID控制的主动悬架有对应的公式。
框架如图。
转到模糊PID这边画风突变。
看看这魔性的隶属度函数设置addvar(fis,input,error,[-1 1]); addmf(fis,input,1,NB,zmf,[-1 -
8]); addmf(fis,input,1,NM,trimf,[-1 -
5 0]); ... addrule(fis,[1 1 1 1 1],
; % 误差大时强修正 addrule(fis,[3 3 2 2 2],
; //接近稳态时微调这个规则库就像老中医开方子七分经验三分玄学。
不过实测中发现轮胎刚度突变时比如压过井盖模糊控制的适应性确实比固定参数的LQR更抗造。
但代价是调试周期长——光这49条规则就够喝一壶的。
模型架构上两者都用了分层设计上层决策LQR的增益调度/模糊推理下层执行作动器力计算。
但有个魔鬼细节——作动器延迟。
在Simulink里得专门加个Transport Delay模块参数设成
02秒对应50Hz控制器否则仿真结果和实车能差出姥姥家。
最后给个硬核建议做联合仿真时把悬架液压模型和控制器分开编译。
这样既能在MATLAB里调参又能用SimCoder生成C代码烧录到硬件。
记住在模型配置里勾选Generate makefile不然等着被编译错误虐到怀疑人生吧。