一种半主动悬架PID与LQR复合控制方法

一种半主动悬架pid与lqr复合控制方法
技术领域
1.本发明属于半主动悬架控制系统技术领域，具体涉及一种半主动悬架pid与lqr复合控制方法。


背景技术：

2.悬架是连接底盘和车身的力缓冲装置，其作用是减少路面激励传递到车身的振动冲击，改善车身内乘员的乘坐体验和驾驶员的驾驶体验，所以悬架对车身的舒适性，行驶的平顺性，车身姿态稳定性和操纵稳定性起着至关重要的作用。
3.不同的悬架类型具有不同的工作性能和减减振效果，刚度和阻尼均可改变的空气悬架和全主动悬架工作性能相比于半主动悬架更加优良，能显著改善车辆的综合性能，但缺点是结构复杂，造价高昂，而且由于空气悬架利用空气作为工作介质，汽车行驶过程中经常需要进行冲放气，使得气阀出现高温，故障率高，使得空气悬架系统使用寿命短，半主动悬架虽然工作性能不如以上两类悬架，但是相比于传统被动悬架，其优势也是显而易见，并且半主动悬架结构简单，成本低，工作可靠、使用寿命长，更适用于一些中低端车型，所以半主动悬架具有很大的市场应用前景，将会逐渐普及，替换传统的被动悬架而成为市场主流，所以对半主动悬架进行深入的研究就显得很有必要。
4.半主动悬架系统的研究主要是从结构上和控制器设计两方面展开，结构上主要是研究半主动悬架的电流变或者磁流变技术，即从改变阻尼系数的方法进行研究，控制器设计主要是研究控制策略，目前学者对半主动悬架控制器提出很多的控制方法，诸如天棚阻尼控制、地棚阻尼控制、最优控制、模糊控制、变结构滑膜控制等，这些控制方法虽然控制理论不同，但是控制效果差别不大，采用一种控制方法控制效果有限，很难同时对整车综合性能指标进行全面优化，若采用多种控制理论对半主动悬架进行控制，各控制方法之间可以互相取长补短，可以最大程度的优化各项评价指标，改善整车性能。
5.利用pid控制理论和lqr控制理论对半主动悬架进行控制器设计时控制系统参数值的确定是本发明的核心工作，控制参数对控制系统的控制效果起着十分重要的作用，控制参数会影响控制系统的稳定性、灵敏度，本发明的控制系统中需要整定的参数值为：p、i和d参数以及各项性能指标最优权值，很多的研究者采用经验试凑的方法调整参数，这种方法具有很大的主观性，人为因素对控制效果干扰很大，很容易被局部最优解所干扰，难以找到全局最优解。
6.因此，为了解决上述问题，本文提出一种半主动悬架pid与lqr复合控制方法。


技术实现要素：

7.为了解决上述技术问题，本发明设计了一种半主动悬架pid与lqr复合控制方法，本发明采用pid控制和lqr控制设计半主动悬架pid-lqr控制器，为了继续提高控制效果，加入带有前轮反馈的预瞄控制策略，提前为后轮提供预瞄信息，控制器提前给后轮发出控制指令，作动器在即将经过前方路面时提前动作，输出预控制力。
8.为了达到上述技术效果，本发明是通过以下技术方案实现的：一种半主动悬架pid与lqr复合控制方法，其特征在于，包括以下步骤：
9.step1、建立7自由度车辆动力学模型和预瞄控制路面模型；
10.step2、设计pid-lqr复合控制器；
11.step3、确定lqr控制各性能指标权重系数，整定p、i、d参数；
12.step4、利用simulink搭建仿真实验模型，设置实验工况，运行仿真。
13.进一步的，所述step1中的具体步骤为：
14.step1.1、根据牛顿运动定律建立7自由度车辆动力学模型；
15.step1.2、根据预瞄控制理论，确定前轮和后轮控制策略，对前轮仅采用反馈控制，对后轮采用带有预瞄信息的前馈加反馈控制；
16.step1.3、根据前后轮控制策略，建立四个车轮处路面输入模型，前轮采用随机路面仿真模型作为输入，后轮采用带有前轮预瞄信息的路面仿真模型作为输入。
17.进一步的，所述step1.1中，以车身垂直加速度、悬架动行程和轮胎动位移作为评价车辆平顺性的性能指标，加入俯仰角加速度、侧倾角加速度两个影响车身姿态稳定性的评价指标；
18.7自由度包括四个车轴处垂直自由度、四个轮胎处垂直自由度、车身质心处绕x轴、y轴旋转的俯仰和侧倾自由度，以及z轴垂直自由度。
19.进一步的，所述step1.1中，根据牛顿力学定律对7个自由度进行受力分析可列出7自由度运动微分方程：
20.车身质心处z轴垂向力平衡方程如式(1)：
[0021][0022]
车身绕y轴旋转力矩平衡方程如式(2)：
[0023][0024]
车身绕x轴旋转力矩平衡方程如式(3)：
[0025][0026]
4个非簧载质量z轴垂向力平衡方程如式(4)：
[0027][0028]
当车身俯仰角和侧倾角变化范围足够小时，四个车轮上方悬挂质量端点的位移可以表示如式(5)：
[0029]zsf1
＝z
s-lrθ-aφ
[0030]zsf2
＝z
s-l
l
θ-aφ
[0031]zsr1
＝z
s-lrθ+bφ
[0032]zsr2
＝zs+l
l
θ+bφ(5)
[0033]
式(1)-式(5)中，zs为车辆质心的垂直位移,为车身绕着y轴方向的转角(俯仰角)，θ为车身绕着x轴方向的转角(侧倾角)；m
wf1
,m
wf2
,m
wr1
,m
wr2
分别表示右前部、左前部、左后部、右后部非簧载质量；k
wf1
,k
wf2
,k
wr1
,k
wr2
分别为四个轮胎刚度系数；k
sf1
,k
sf2
,k
sr1
,k
sr2
分别为四个悬架刚度系数；c
sf1
,c
sf2
,c
sr1
,c
sr2
分别为四个悬架阻尼系数；q
f1
,q
f2
,q
r1
,q
r2
分别为四个车轮路面不平度的位移；z
wf1
,z
wf2
,z
wr1
,z
wr2
分别为四个车轴处垂直位移；z
sf1
,z
sf2
,z
sr1
,z
sr2
分别为四个车轮上方悬挂质量的垂直位移；a,b分别为汽车质心距离前、后轴线的距离；l
l
,lr分别为车辆质心距离左轮和后轮中心线的距离,ms为整车质量，i
sy
为俯仰转动惯量，i
sx
为侧倾转动惯量；g0为路面不平度系数，u为实验车速，f0为下截至频率。
[0034]
进一步的，所述step1.3中，采用滤波白噪声作为前轮仿真路面输入信号，其时域表达式如式为:
[0035][0036]
其中wf(t)为前轮路面输入模型中的高斯白噪声；
[0037]
预瞄时间τ和车速有关，车速的快慢影响着控制效果，预瞄时间τ等于轴距/车速，前后轮的路面输入关系用拉普拉斯传递函数表示如式(7)：
[0038][0039]
为了将频域表达式转换为状态空间表达式，利用pade近似法，寻找一个低阶传递函数(8)代替式(7)
[0040][0041]
取pade二阶近似，以前后轮处传感器获得的路面不平度信息作为状态向量ηf，ηr，其状态方程可表示为式(9)：
[0042][0043]
式(10)中：
[0044]
其中，
[0045]
后轮路面输入模型中的高斯白噪声wr(t)可表示为式(10)：
[0046]
wr(t)＝wf(t-τ)＝ηf(t)+wf(t)(10)
[0047]
采用滤波白噪声作为后轮仿真路面输入信号，其时域表达式如式(11)：
[0048][0049]
联合车辆运动微分方程(1)-(5)，结合路面输入模型得到状态空间表达式(12)：
[0050][0051]
选择车身垂向位移、车身俯仰角、车身侧倾角、4个轮胎动位移、4个路面输入、车身垂向速度、车身俯仰角速度、车身侧倾速度、4个非簧载质量(4个车轴)垂直速度和两个状态变量ηf，ηr共20个变量作为系统的状态变化量，即:
[0052]
选择车身垂向加速度、车身俯仰角加速度、车身侧倾角加速度、4个悬架动行程、4个轮胎动位移共11个量作为系统的输出变量，即:
[0053][0054]
选择4个阻尼调节力f
cuf1
,f
cuf2
,f
cur1
,f
cur2
作为控制向量u的分量，即:u＝(f
cuf1
,f
cuf2
,f
cur1
,f
cur2
)
t
；
[0055]
选择前轮路面输入白噪声wf(t)作为扰动向量w的分量，即:w＝wf(t)。
[0056]
进一步的，所述step2中具体步骤为：
[0057]
step2.1、根据pid控制理论设计pid控制器；
[0058]
step2.2、根据lqr控制理论设计lqr控制器；
[0059]
step2.3、将pid控制器和lqr控制器结合为pid-lqr复合控制器。
[0060]
进一步的，所述step2.1中，pid控制为误差控制，控制对象为车辆质心处车身垂直加速度，以0作为给定期望值；pid控制规律如式(13)：
[0061][0062]
进一步的，所述step2.2中
[0063]ulqr
＝-kx(t)(14)
[0064]
增益k由式(15)求出：
[0065]
k＝r
d-1bt
p(15)
[0066]
p由如下里卡提方程(16)求出：
[0067]at
p+pa-pbr
d-1bt
p+qd＝0(16)
[0068]
给定一个用以评价输出的各项性能指标最优性能指标函数j，当j最小时，计算出控制器最优增益k，输出四个作动器最佳控制力u
lqr
(t)；最优性能指标函数j的数学表达式为各项性能指标加权平方和的积分,矩阵形式如式(17)：
[0069][0070]
式中:qd＝c
t
qc；nd＝c
t
qd；rd＝r+d
t
qd
[0071]
q和r分别表示为：q＝diag(q1,q2,q3,q4,q5,q6,q7,q8,q9,q
10
,q
11
)；r＝diag(r1,r2,r3,r4)
[0072]
其中：q1为七自由度车辆模型车身质心处垂向加速度权值,q2为七自由度车辆模型俯仰角加速度权值，q3为七自由度车辆模型侧倾角加速度权值，q4,q5,q6,q7分别为七自由度车辆模型四个悬架动行程权值，q8,q9,q
10
,q
11
分别为七自由度车辆模型四个车轮动位移权值，r1,r2,r3,r4分别为七自由度车辆模型四个作动器控制力权值。
[0073]
进一步的，所述step3中具体步骤为：
[0074]
step3.1、利用遗传算法确定性能指标最优权重；
[0075]
step3.2、利用matlab/pid tuner整定pid参数。
[0076]
进一步的，所述step3.1中，lqr控制的关键在于选择合适的权值，计算出矩阵q和r,然后计算出最优控制器增益k；
[0077]
遗传算法基本步骤为：确定种群规模、随机赋值给优化变量、计算适应度值、选择交叉变异操作。
[0078]
所述step3.2中，pid三个参数的整定是整个控制器设计的关键，借助matlab的pid tuner工具箱整定pid控制器的参数。
[0079]
本发明的有益效果是：
[0080]
建立的7自由度模型更加接近于实车，对7自由度车辆模型进行性能分析更加全面，本方案提供了一种基于轴距预瞄的半主动悬架复合控制策略对7自由度半主动悬架进行控制，结合pid控制理论和lqr控制理论设计了pid-lqr控制器，优化整车综合性能指标的同时，进一步改善了车身后部的工作性能，虽然代表车身姿态稳定性的俯仰角加速度和侧倾角加速度两个指标稍微恶化，但是整车行驶平顺性却得到了极大的改善。与此同时，提出一种利用matlab/pid tuner整定pid参数的新方法，提高了参数整定效率，且更加可靠方便，也避免了人为主观因素对控制系统的影响。
附图说明
[0081]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0082]
图1为7自由度半主动悬架整车动力学模型；
[0083]
图2为半主动悬架轴距预瞄控制原理图；
[0084]
图3为前轮随机路面输入模型；
[0085]
图4为带有预瞄信息的后轮随机路面输入模型；
[0086]
图5为pid控制模型；
[0087]
图6为lqr控制模型；
[0088]
图7为pid-lqr控制模型；
[0089]
图8为半主动悬架pid控制系统动态响应特性曲线；
[0090]
图9为基于预瞄策略的半主动悬架pid-lqr控制系统适应度曲线和最佳变量值；
[0091]
图10为车身垂直加速度时域曲线；
[0092]
图11为车身俯仰角加速度时域曲线；
[0093]
图12为车身侧倾角加速度时域曲线；
[0094]
图13为右前悬架动行程时域曲线；
[0095]
图14为右后悬架动行程时域曲线；
[0096]
图15为右前轮胎动位移时域曲线；
[0097]
图16为右后轮胎动位移时域曲线；
[0098]
图17为车身垂直加速度功率谱密度曲线；
[0099]
图18为车身俯仰角加速度功率谱密度曲线；
[0100]
图19为右前悬架动行程功率谱密度曲线；
[0101]
图20为右后悬架动行程功率谱密度曲线；
[0102]
图21为右前轮胎动位移功率谱密度曲线；
[0103]
图22为右后轮胎动位移功率谱密度曲线；
[0104]
图23为车辆右前、右后悬架作动器输出力；
[0105]
图24为车辆左前、左后悬架作动器输出力；
[0106]
图25为车辆右前、左前悬架作动器输出力；
[0107]
图26为车辆右后、左后悬架作动器输出力。
具体实施方式
[0108]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0109]
实施例1
[0110]
1.随机路面工况下车辆平顺性分析
[0111]
表1.车辆模型参数值
[0112][0113]
2.预瞄控制原理：位于车辆前部和后部的传感器采集到关于车辆的控制系统状态变量：车身垂直位移、车身俯仰角、四个车轴的垂直位移、四个车轮的路面不平度位移等，然后传感器把这些变量反馈到控制器，控制器给前轮悬架作动器下达指令时仅根据车辆前部
反馈信息进行反馈控制，给后轮作动器下达指令时既考虑后轮传感器送回的状态变量信息，又根据车速及轴距采纳车辆前部反馈信息，进行前馈加反馈控制，如图2所示
[0114]
3.设计pid-lqr控制器，确定前、后轮作动器控制指令，前轮采用反馈控制，后轮采用带有预瞄信息的前馈加反馈控制，pid-lqr控制器设计方案如图3-图5。
[0115]
4.利用matlab/pid tuner整定pid参数，利用matlab/遗传算法工具箱优化性能指标权重系数，初步确定种群规模为100，遗传代数为30代，交叉概率设定为0.4，变异概率设定为0.2，搜索范围设置为[0.11e6]，pid整定结果如图8和表2。
[0116]
表2基于预瞄的半主动悬架pid-lqr控制系统上升时间、调节时间、超调量等参数调定值
[0117]
p0调节时间0.802si3200.0612最大超调量4.78
×
107％d0峰值0.488上升时间1.04
×
10-7
s稳态误差0.0012
[0118]
性能指标权重优化曲线如图9，经过30代迭代寻优，15个性能指标权重和最佳控制器增益k如下：
[0119]
q1＝0.5377,q2＝811580,q3＝681980,q4＝422890,q5＝0.3188,q6＝949310,q7＝648200,q8＝72886,
[0120]
q9＝4.5784,q
10
＝505640,q
11
＝886550，r1＝1.5349,r2＝1.7254,r3＝0.5001,r4＝0.2147
[0121][0122]
5.利用simulink搭建仿真实验模型，并将车辆模型参数值输入到模型中，并加入被动悬架进行对比。设定汽车车速为72km/h，路面类型为支路，该路况下的路面不平度系数取值范围为5
×
10-7
～3
×
10-5
，取均值5
×
10-6
。行驶时会产生来自俯仰和侧倾两个自由度的车身运动，而且汽车四个车轮处路面输入互不相关；仿真步长设置为0.05，仿真时间设置为10s。
[0123]
6.结果分析
[0124]
6.1采用pid-lqr-预瞄复合控制策略后，各项性能指标时域曲线和功率谱密度曲线如图10-图22，所得各项性能指标方均根值如表2
[0125]
表3,72km/h车速下，七自由度模型各性能指标方均根值
[0126]
[0127][0128]
由表3看出采用pid-lqr-预瞄复合控制后，车辆平顺性指标都有了全面的改善，但是车身姿态稳定性指标俯仰角加速度和侧倾角加速度稍微恶化。
[0129]
6.2采用pid-lqr-预瞄复合控制后，四个作动器输出的控制力如图23-图26。四个作动器输出的最大控制力如表3：
[0130]
表4,七自由度整车模型四个悬架控制器控制力最大值
[0131][0132]
由表4和图23-图26可以看出四个作动器输出的控制力不均衡，前后俯仰力矩和左右侧倾力矩不能平衡，所以俯仰角加速度和侧倾角加速度有所恶化，但是也在合理范围内，这也说明了采用主动控制悬架后，平顺性和车身稳定性之间难以同时兼顾。pid-lqr-预瞄复合控制策略稍微牺牲了一定的车身姿态稳定性，却使得车辆的平顺性得到了极大的改善。
[0133]
实施例2
[0134]
由式(7)可知，预瞄时间对系统的控制效果有很大影响，预瞄时间和车速有关，车辆以低速行驶时，后轮有足够多的时间接收来自前轮的预瞄信息，后悬架作动器有足够充分的时间提前做出执行动作，当车辆以高速行驶时，预瞄时间变少，控制器接收到的预瞄信息会有所延迟，接收到的信息量变少，会造成控制效果变差。为验证这一结论，下面改变车速，对输出的整车性能指标进行分析，具体实施为：实施例1中整车模型参数不改变，路面状况对本发明没有太大影响，可不必对其进行验证，因此路面等级不改变，将车速分为低速，中速和高速三档，低速以u＝36km/h进行仿真实验，中速以u＝72km/h进行仿真实验，高速以u＝108km/h进行仿真实验，分别输出实施例1中的整车各项性能指标。
[0135]
表5,36km/h车速下，七自由度模型各性能指标方均根值
[0136][0137]
表6,108km/h车速下，七自由度模型各性能指标方均根值。
[0138][0139]
由表3、表5和表6可知，当车速改变后，整车各项性能指标方均根值都发生了改变，车辆低速行驶时，基于预瞄策略的半主动悬架pid-lqr控制方式使得整车各项性能指标都有所优化，车身俯仰和侧倾运动恶化较小。当车辆以高速行驶时，基于预瞄策略的半主动悬架pid-lqr控制方式下，整车轮胎动位移没有得到优化反而有所恶化，车身俯仰运动恶化较为严重。对比低速、中速和高速行车工况，验证了车速对预瞄控制策略的控制效果有较大影响。基于结论可知，本发明的控制方法在车辆低速行驶工况下控制效果更好，当车辆以高速行驶时，需要解决预瞄信息的延迟问题。

技术特征：
1.一种半主动悬架pid与lqr复合控制方法，其特征在于，包括以下步骤：step1、建立7自由度车辆动力学模型和预瞄控制路面模型；step2、设计pid-lqr复合控制器；step3、确定lqr控制各性能指标权重系数，整定p、i、d参数；step4、利用simulink搭建仿真实验模型，设置实验工况，运行仿真。2.根据权利要求1所述的一种半主动悬架pid与lqr复合控制方法，其特征在于，所述step1中的具体步骤为：step1.1、根据牛顿运动定律建立7自由度车辆动力学模型；step1.2、根据预瞄控制理论，确定前轮和后轮控制策略，对前轮仅采用反馈控制，对后轮采用带有预瞄信息的前馈加反馈控制；step1.3、根据前后轮控制策略，建立四个车轮处路面输入模型，前轮采用随机路面仿真模型作为输入，后轮采用带有前轮预瞄信息的路面仿真模型作为输入。3.根据权利要求2所述的一种半主动悬架pid与lqr复合控制方法，其特征在于：所述step1.1中，以车身垂直加速度、悬架动行程和轮胎动位移作为评价车辆平顺性的性能指标，加入俯仰角加速度、侧倾角加速度两个影响车身姿态稳定性的评价指标；7自由度包括四个车轴处垂直自由度、四个轮胎处垂直自由度、车身质心处绕x轴、y轴旋转的俯仰和侧倾自由度，以及z轴垂直自由度。4.根据权利要求2所述的一种半主动悬架pid与lqr复合控制方法，其特征在于：所述step1.1中，根据牛顿力学定律对7个自由度进行受力分析可列出7自由度运动微分方程：车身质心处z轴垂向力平衡方程如式(1)：车身绕y轴旋转力矩平衡方程如式(2)：车身绕x轴旋转力矩平衡方程如式(3)：4个非簧载质量z轴垂向力平衡方程如式(4)：4个非簧载质量z轴垂向力平衡方程如式(4)：4个非簧载质量z轴垂向力平衡方程如式(4)：4个非簧载质量z轴垂向力平衡方程如式(4)：当车身俯仰角和侧倾角变化范围足够小时，四个车轮上方悬挂质量端点的位移可以表示如式(5)：
z
sf1
＝z
s-l
r
θ-aφz
sf2
＝z
s-l
l
θ-aφz
sr1
＝z
s-l
r
θ+bφz
sr2
＝z
s
+l
l
θ+bφ(5)式(1)-式(5)中，z
s
为车辆质心的垂直位移,为车身绕着y轴方向的转角(俯仰角)，θ为车身绕着x轴方向的转角(侧倾角)；m
wf1
,m
wf2
,m
wr1
,m
wr2
分别表示右前部、左前部、左后部、右后部非簧载质量；k
wf1
,k
wf2
,k
wr1
,k
wr2
分别为四个轮胎刚度系数；k
sf1
,k
sf2
,k
sr1
,k
sr2
分别为四个悬架刚度系数；c
sf1
,c
sf2
,c
sr1
,c
sr2
分别为四个悬架阻尼系数；q
f1
,q
f2
,q
r1
,q
r2
分别为四个车轮路面不平度的位移；z
wf1
,z
wf2
,z
wr1
,z
wr2
分别为四个车轴处垂直位移；z
sf1
,z
sf2
,z
sr1
,z
sr2
分别为四个车轮上方悬挂质量的垂直位移；a,b分别为汽车质心距离前、后轴线的距离；l
l
,l
r
分别为车辆质心距离左轮和后轮中心线的距离,m
s
为整车质量，i
sy
为俯仰转动惯量，i
sx
为侧倾转动惯量；g0为路面不平度系数，u为实验车速，f0为下截至频率。5.根据权利要求1所述的一种半主动悬架pid与lqr复合控制方法，其特征在于：所述step1.3中，采用滤波白噪声作为前轮仿真路面输入信号，其时域表达式如式为:其时域表达式如式为:其中w
f
(t)为前轮路面输入模型中的高斯白噪声；预瞄时间τ和车速有关，车速的快慢影响着控制效果，预瞄时间τ等于轴距/车速，前后轮的路面输入关系用拉普拉斯传递函数表示如式(7)：为了将频域表达式转换为状态空间表达式，利用pade近似法，寻找一个低阶传递函数(8)代替式(7)取pade二阶近似，以前后轮处传感器获得的路面不平度信息作为状态向量η
f
，η
r
，其状态方程可表示为式(9)：式(10)中：其中，后轮路面输入模型中的高斯白噪声w
r
(t)可表示为式(10)：w
r
(t)＝w
f
(t-τ)＝η
f
(t)+w
f
(t)(10)采用滤波白噪声作为后轮仿真路面输入信号，其时域表达式如式(11)：
联合车辆运动微分方程(1)-(5)，结合路面输入模型得到状态空间表达式(12)：y＝cx+du(12)选择车身垂向位移、车身俯仰角、车身侧倾角、4个轮胎动位移、4个路面输入、车身垂向速度、车身俯仰角速度、车身侧倾速度、4个非簧载质量(4个车轴)垂直速度和两个状态变量η
f
，η
r
共20个变量作为系统的状态变化量，即:选择车身垂向加速度、车身俯仰角加速度、车身侧倾角加速度、4个悬架动行程、4个轮胎动位移共11个量作为系统的输出变量，即:选择4个阻尼调节力f
cuf1
,f
cuf2
,f
cur1
,f
cur2
作为控制向量u的分量，即:u＝(f
cuf1
,f
cuf2
,f
cur1
,f
cur2
)
t
；选择前轮路面输入白噪声w
f
(t)作为扰动向量w的分量，即:w＝w
f
(t)。6.根据权利要求1所述的一种半主动悬架pid与lqr复合控制方法，其特征在于，所述step2中具体步骤为：step2.1、根据pid控制理论设计pid控制器；step2.2、根据lqr控制理论设计lqr控制器；step2.3、将pid控制器和lqr控制器结合为pid-lqr复合控制器。7.根据权利要求6所述的一种半主动悬架pid与lqr复合控制方法，其特征在于：所述step2.1中，pid控制为误差控制，控制对象为车辆质心处车身垂直加速度，以0作为给定期望值；pid控制规律如式(13)：8.根据权利要求1所述的一种半主动悬架pid与lqr复合控制方法，其特征在于：所述step2.2中u
lqr
＝-kx(t)(14)增益k由式(15)求出：k＝r
d-1
b
t
p(15)p由如下里卡提方程(16)求出：a
t
p+pa-pbr
d-1
b
t
p+q
d
＝0(16)给定一个用以评价输出的各项性能指标最优性能指标函数j，当j最小时，计算出控制器最优增益k，输出四个作动器最佳控制力u
lqr
(t)；最优性能指标函数j的数学表达式为各项性能指标加权平方和的积分,矩阵形式如式(17)：式中:q
d
＝c
t
qc；n
d
＝c
t
qd；r
d
＝r+d
t
qd
q和r分别表示为：q＝diag(q1,q2,q3,q4,q5,q6,q7,q8,q9,q
10
,q
11
)；r＝diag(r1,r2,r3,r4)其中：q1为七自由度车辆模型车身质心处垂向加速度权值,q2为七自由度车辆模型俯仰角加速度权值，q3为七自由度车辆模型侧倾角加速度权值，q4,q5,q6,q7分别为七自由度车辆模型四个悬架动行程权值，q8,q9,q
10
,q
11
分别为七自由度车辆模型四个车轮动位移权值，r1,r2,r3,r4分别为七自由度车辆模型四个作动器控制力权值。9.根据权利要求1所述的一种半主动悬架pid与lqr复合控制方法，其特征在于，所述step3中具体步骤为：step3.1、利用遗传算法确定性能指标最优权重；step3.2、利用matlab/pid tuner整定pid参数。10.根据权利要求1所述的一种半主动悬架pid与lqr复合控制方法，其特征在于，所述step3.1中，lqr控制的关键在于选择合适的权值，计算出矩阵q和r,然后计算出最优控制器增益k；遗传算法基本步骤为：确定种群规模、随机赋值给优化变量、计算适应度值、选择交叉变异操作。所述step3.2中，pid三个参数的整定是整个控制器设计的关键，借助matlab的pid tuner工具箱整定pid控制器的参数。

技术总结
本发明公开了一种半主动悬架PID与LQR复合控制方法，即采用PID-LQR复合控制策略，对整车行驶平顺性指标和车身姿态稳定性指标：车身垂直加速度、悬架动行程、轮胎动载荷、俯仰角加速度和侧倾角加速度进行优化，根据PID控制、预瞄控制和LQR控制理论，设计PID-LQR控制器，执行器为四个悬架作动器。提出一种整定PID参数值的方法，即利用MATLAB/PIDTuner整定PID参数，同时利用遗传算法寻找系统各项性能指标最优权值。本发明所建立的7自由度模型可以更加全面的分析整车性能，且更加接近实车，通过建立不同等级的路面模型改变实验场景，能获得不同试验工况下车辆各项性能指标，可以更加全面地分析整车性能。地分析整车性能。地分析整车性能。


技术研发人员：高晋 李晖 李芷昕 戚小平 杜明阳
受保护的技术使用者：昆明理工大学
技术研发日：2023.05.23
技术公布日：2023/7/6