（光学工程专业论文）车辆半主动悬架模糊神经网络控制方法研究.pdf

摘要 车辆悬架系统的设计必须适应行驶平顺性和操纵稳定性的要求， 传统的被动悬架系统已无法从结构设计上使车辆具有良好的平顺性， 而半主动悬架由于其悬架参数如阻尼、弹簧刚度等具有可调性，使得 它可以很好地满足车辆行驶过程的需要，同时与主动悬架相比，由于 工作中几乎不消耗发动机的功率，结构简单，造价较低，因此受到车 辆工程界的广泛重视。 本文建立了4 自由度1 2 车辆双轴非线性模型，推导出了阻尼可 变形式的系统状态方程，然后提出了一种新的半主动悬架控制方法， 即模糊神经网络控制，它采用b p 神经网络离线训练模糊控制器的规 则，神经网络学习的结果蕴涵了模糊控制规则。采用m a t l a b 软件中 的s i m i l i n k 及其s 函数编程，通过计算机仿真验证了这种控制算法的 有效性，并与被动悬架的性能指标进行了对比，证明采用本文的半主 动悬架的控制算法进行仿真，确实能提高车辆悬架的综合性能。最后 进行了实车试验，验证了本文的仿真程序是正确的。 关键词：半主动悬架，模糊控制，神经网络，阻尼 a b s t r a c t t h ed e s i g no fv e h i c l es u s p e n s i o ns y s t e mm u s tb ea d a p t e dt ot h er e q u i r e m e mo f t h er i d ec o m f o r ta i l dt h ec o m r o l s t a b i l i t y n sd i m c u l tf o rt r a d i t i o n a l p a s s i v e s u s p e n s i o nt oe n h a n c et h er i d ec o m f o n h o w e v e r ，s e m j a c t i v es u s p e n s i o nc a nm e e t t h er i d ec o m f o r tw e l lb e c a u s ei t s s u s p e n s i o np a r 锄e t e r ss u c ha sd a m pc o e m c i e n to r s p r i n gf i r n l n e s sc a f lb ea d j u s t a b l e c o m p a r e dw i t ha c t i v es u s p e n s i o n ，s e m i - a c t i v es u s p e n s i o ni sm o r ei n e x p e n s i v e a i l dh a ss i m p i e rs t m c t u r e m o r e o v e l “h a r d l yc o n s u m e se n g i n e p o w e r w h e ni tw o r k s t h e r e f o r e ，s e m i a c t i v es u s p e n s i o nh a sb e e na t t a c h e dm u c hi m p o r t a l l c e b y t h e a u t o m o b i l ee r 培i n e e r i n gi n d u s t r y t h j sp 印e re s t a b l j s h e sa1 2n o n j j n e a rd o u b 】ea x l e sm o d e jw h j c hc o n s j s f so f4 d e g r e e s ，t h e nd e d u c e si t s s t a t ee q u a t i o nw h e ni t sd a m p i n gc o e m c i e mi sa d j u s t a b l e t h e ni t p u t sf o n v a r dan e ww a y o ff u z z yn e u r a ln e t 、o r k ( 】卟烈) c o n t r o lt oa d 印tt h e d a m po f t h es e m i a c t i v es u s p e n s i o n t h i sc o n t r 0 1m e t h o da p p l i e sb pn e u r a ln e t w o r k t ot r a i nt h em l eo ff n no f rl i n ea n dt h er e s u l t0 ft h eb pn e u r a ln e 七、o r kc o n t a i n st h e 九1 1 eo f f n n t h ea u t h o ru s et b es o n w a r em 砒】a ba n ds i m u l i n ka sw e l la si t ss - 如n c t i o nt o p m 掣a ma f l df i n a l l y v a l i d a t e st h e e m c i e n c y o ft h ec o n t m l 撕t h m e t i c t h r o u g l s i m u l a t i o n c o m p a r e dw i t hp a s s i v e8 u s p e n s i o i l s e 嘶- a c t i v es u s p e n s i o nc a ne n h a n c e t h ei l 】_ c e g r a t ep e r f b r m a l l c eo f t h ev e m d e f i n “l y ，t h e a u t h o rd i dt h ee x p e r i m e n t st ov a l id n et h a tt h ep r o g r 锄o ft h e s i m u l a t i o ni sr i g h t k e yw o r d s ：s e m i - a c t i v es u s p e n s i o n ，f l l z z yc o m m l ，n e u r a ln e t w o r k ，d 啪p 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的 规定，同意学校保留并向国家有关部门或机构送交论文的复印 件和电子版，允许论文被查阅和借阅。本人授权江苏大学可以 将本学位论文的全部内容编入有关数据库进行检索，可以采用 影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密u 本学位论文属于，在年我解密后适用本授权书。 不保密口 学位论文作者签名： 年月日 指导教师签名 年月日 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用的内容以 外，本论文不包含任何其他个人或集体已经发表或撰写过的作品 成果。对本文的研究做出重要贡献的个人和集体，均已在文中以 明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期：年月 日 堡垄：查兰! 塑三兰些堡苎 第1 章绪论 1 1 悬架系统及其发展概述 车辆是国民经济的支柱产业，悬架又是车辆的重要组成部件，悬架对车辆性 能影响重大。悬架作为现代车辆的重要总成之一，它把车轮( 或车轴) 与车架( 或 承载式车身) 弹性地连接起来，其主要任务是传递作用在车轮和车架( 或车身) 之间的一切力和力矩，并且缓和出不平路面传给车架( 或车身) 的冲击载荷，以 保证车辆平顺地行驶。 作为连接车轮与车架的重要总成，悬架性能的优劣直接关系到车辆的平顺 性、安全性、通过性等多种性能，同时它还影响到零部件的使用寿命。其中悬架 传递的垂直力保证了车身的质量最终由地面承担，纵向力保证了车辆的起动、制 动、前进和倒退，侧向力保证了车辆的曲线运动。悬架要缓和由不平路面传给车 身的冲击载荷，衰减由冲击载荷引起的承载系统的振动。在车辆侧倾或俯仰的时 候，悬架要能及时的控制车身姿态，保证此时的舒适性和安全性。同时悬架的变 形不能大，不能超过车辆总体设计所提供的空问。 1 1 1 被动悬架 目前我国车辆主要还是采用被动悬架，其主要特征是悬架特性在车辆行驶过 程中不能进行调节，因此被动悬架已无法满足车辆性能的要求。它的局限性主要 表现在以下两个方面： ( 1 ) 其静念特性和动念特性是固定不变的。因为被动悬架的设计是按照全 面满足各种行驶状况( 路面和对应的车速) 及车体减振的综合要求采用折衷方案 来选择悬架参数的。传统的被动式悬架系统由性能参数不变的弹簧和减振器构 成。为了更有效地减缓路面不平度引起的冲击，减缓车体的振动，提高车辆乘坐 舒适性，悬架需设计得较“软”；而欲减小车辆转弯、制动时车体的侧倾和俯仰， 提高车辆的操纵稳定性( 安全性) ，则又要求悬架较“硬”。因此，被动悬架的设 计，即弹簧和减振器参数的选择，不可能使乘坐舒适性和操纵稳定性同时达到最 优，而只能在这二者之间寻找一最优的折衷方案，并且这种最优的折衷也只能在 江苏大学硕士学位论文 特定的道路和车速下实现。随着车辆车速的不断提高，人们对车辆悬架系统的性 能也提出了越来越高的要求。而传统的被动悬架系统已无法从结构设计上来很好 的满足这些要求。 ( 2 ) 被动悬架的静行程和设计动行程在结构上都有一定的限制。从提高舒 适性看需要降低悬架刚度，但这样就减少了悬架弹簧能够吸收的弹性能，又不利 于缓冲。这两个方面很难兼顾。 1 1 2 主动及半主动悬架 为了克服被动悬架的上述缺陷，人们尝试了很多方法，如采用非线性变刚度 弹簧，虽然取得了一定的效果，但是仍不能从根本上消除上述的缺陷。改善悬架 性能的根本出发点在于改善悬架对车轮和车身的作用力，可以从改变悬架刚度或 阻尼或同时改变两者入手。于是各国从6 0 年代起开始了主动、半主动悬架的设 计研究。 主动悬架的基本原理是用可调刚度的弹簧或可调阻尼的减振器组成悬架系 统，并根据预测的激励和簧载质量的加速度响应等反馈信号按照一定的控制规律 调节可调弹簧或可调阻尼器的参数。半主动悬架系统通常只依赖于簧载质量的响 应作为控制输入。半主动悬架与主动悬架相比，结构较简单，可靠性较高，且技 术上易于实现，而它的性能并不比主动悬架差很多。主动和半主动悬架系统为在 根本上改善汽车悬架系统的性能，提供了一条崭新的途径。 窭“军荤“器： 主圭二“圭“妄 图1 1 被动悬架图1 2 全主动悬架幽1 3 慢主动悬架图1 - 4 半主动悬架 m s 簧载质最m u _ 非簧载质量k s 一簧载弹簧刚度 c 。定值阻尼c 2 可调阻尼 k t - 轮胎刚度a - 作动器 江苏人学硕士学位论文 主动悬架按其工作方式的不同，可分为全主动( f u “ya c t i v e ) 、慢主动( s i o w a c t i v e ) 和半主动( s e m i - a c t i v e ) 三大类【“。其中半主动悬架又可分为阻尼有级可调 ( o n 一0 f d ，阻尼多级可调( m u l t i - s t a g e ) 和阻尼连续可调( c o n t i n u o u s ) 等几种类型。 ( 1 ) 全主动悬架 图1 2 为两自由度系统的全主动悬架系统。该系统是由f e d e r s d i e l l a b m s s e 在1 9 7 5 年发明的。它由一个可控的电液作动器组成。作动器相当于一个力发生 器，可根据车身质量的速度响应等反馈信号，按照一定的控制规律产生作用力。 它可替代被动悬架中弹簧和减振器，任意变更和调整刚度及阻尼系数。全主动悬 架的最大优点是具有高度的自适应性，可很好地满足不同环境的要求f 如不同道 路条件和行驶速度等) 。这种装置所要求的控制目标是实现一个最佳的隔振系统， 而又不需对系统作较大的改变。另外，该悬架系统还能控制车轮的振动频率范围 ( 1 0 1 5 h z ) ，因其响应特性很快，所以浚悬架系统又称为“快”主动系统。此种悬 架系统消耗功率很大，一般达到1 0 k w 左右，另外传感器的需要量也很大( 如行 程传感器，加速度传感器，力传感器及某种情况下的压力传感器等) 叱 ( 2 ) 慢主动悬架 图1 3 为两自由度的慢主动悬架系统。该系统由一响应速度稍慢的作动器与 弹性元件串连而成。这个系统可以认为是一种车高自动调节的自适应系统，在其 控制频率范围内它的性能类似于全主动悬架。此系统的频率范围勉强超过车身频 率范围，所以称为“慢主动”系统。为了避免在较高频率范围内发生卡滞现象， 通常采用一个附加弹簧与作动器串联，用以支撑载荷，以便在系统无效时起作用。 ( 3 ) 半主动悬架 与主动悬架相比。半主动悬架系统没有力发生器，但通过拾取车身运动信号， 经判断处理后，改变悬架系统的刚度或阻尼系数，其最大优点是工作中几乎不消 耗发动机的功率，不向机械振动系统中附加能源，只是应用严格的保守( 弹簧) 或耗能( 减振器) 元件，结构简单，造价较低，因此受到车辆工程界的广泛重视。 半主动悬架的研究始于1 9 7 4 年美国加州大学戴维斯分校k a m o p p 的研究工 作【4 】。它是通过输入少量控制能量调节减振器的液力阻尼，改善悬架的振动特性。 图1 4 为两自由度的半主动悬架系统。该系统主要由弹性元件与可调阻尼减振 一一 生i ：查堂! 堡主堂垡堡兰 器构成a 此可调阻尼器在力的产生方面接近于被动悬架中的减振器，但其阻尼系 数是根据车身质量的垂直加速度，簧载质量与非簧载质量的相对位移等反馈信 号，按照一定的控制规律进行调节的，因此其减振效果接近于全( 或慢) 主动悬架。 半主动悬架作为一个成熟产品已经在轿车上得到应用【3 2 l 。除了对液压半主 动悬架，各国还对其它形式的半主动悬架进行了研究，例如电变流半主动悬架。 由于这种类型的半主动悬架弹簧刚度为一定值，所以它的自适应性能要稍逊于全 主动悬架。 各种悬架系统的性能特点归纳如表1 1 。由表可见，主动悬架的性能明显优 于被动悬架，但因为其结构复杂，造价昂贵，虽然性能优越，目前仅陷于在豪华 轿车和客车上使用，应用范围较小。慢主动悬架因其在3 6 h z 的低频范围内工作， 一般应用于铁路车辆，公共汽车和赛车上。半主动悬架由无源可控的阻尼元件组 成，结构简单。在工作中消耗能量小，控制易于实现，造价低廉，并且性能指标 与全主动悬架相近，在中档轿车中得到广泛应用，越来越受到人们的重视。 表1 1各种悬架系统的评价对比 i j ，主动悬架慢主动全主动 悬架名称被动懋架系统 开荚型连续型悬架系统悬架系统 可调阻尼减可调阻尼液压系统和串液压系统和串 调节元件1 l 孚通减振器 振器减振器联软弹簧联硬弹簧 调节车身与车 阻尼连轮间的作用调节车身与车 作用原理阻尼不变阻尼有级 续可调力，弹簧支持轮阃的作用力 静载荷 控制方法手动或自动电，液自动电敞自动电，液自动 频率范围 一 一)岛也 一 一 喊一肌氍 式 = 达 。 江棼大学硕士学位论文 式( 1 1 ) 中毫表示悬挂质量速度，j ：表示非悬挂质量速度，c 表示阻尼系 数，毫一i ：表示弹簧变形速度。这一控制规则反映出既要对作用在弹簧上，正比 于车身绝对速度i 的振动产生抑制，也要使粘性阻尼力起作用，而它是与弹簧变 形速度成比例的。 另一种称为s m ( s i i d i n gm o d e ) 滑模控制模式，它是模型规范化控制，数学 表达式为： f 岛，蹁o 弘1o 溉玉o ( 1 2 1 自9 0 年代以来，模糊控制方法应用在车辆悬架系统中，其中最具代表性的 是同本德岛大学芳村敏夫( t o s h i oy o s h i m u r a ，u n i v e r s i t yo f t o k u s h i m a ) 教授的研究 工作叫。他建立一个4 自由度车辆动力学模型，在随机激励作用下，按式 f 1 2 1 用语言变量表示滑模控制模式，控制器输入是簧载质量与非簧载质量的相对 位移及变化率。采用模糊推理分别构成半主动悬架4 9 条模糊控制规则，进行计 算机模拟分析来控制车身的垂直振动和俯仰振动 南京建筑工程学院张庙康教授采用模糊控制系统和神经网络相结合的方法 研究车辆半主动悬架控制系统l ”。他把k a m o p p 控制规则和s m 控制规则同时引 入网络，用模糊系统表示规则和知识，对车辆单质量的半主动悬架系统进行分析 以车身垂直振动加速度及其变化率组合的评价函数最小为目标，优化层间权重的 学习算法决策控制量。通过此项研究说明模糊神经网络控制方法用于车辆半主动 悬架控制具有很大的潜力。 近年来许多研究人员和工程师用模糊控制对车辆悬架进行了研究。模糊控制 是建立在人类思维具有的模糊逻辑特性的基础上的。与传统控制相比，它不需要 精确的传递函数，其控制规则往往由对被控过程十分熟悉的专门人员给出的，在 本质上是一种专家控制。由于车辆参数不同，悬架类型不同，运行环境不同，悬 架的模糊控制规则应该是不同的。在模糊控制的实际应用中，被控信号需要通过 信号采集器采集，再通过信号放大器放大，经过数模转换，送到单片机里进行运 算，再进行模数转换，送到执行机构，还要考虑到执行机构的迟滞时间。而整个 控制时间是要求要比较小的，如果时间过长，等控制信号到达车辆时，可能车辆 江苏大学硕士学位论文 早已驶过了该控制的地方了。因此一个良好的悬架模糊规则应该是能够给予下次 输入而不是这次的控制信号，使得下一次的输入得到合适的控制。 车辆悬架的模糊控制规则应该是专家总结的经验，但是由于悬架系统的非线 性和迟滞性以及在不同的路面工况作业，即使经验丰富的工程师也难以总结出全 面合理的控制规则。 模糊控制具有处理模糊语言信息的能力，可以模拟人类智慧进行判断和决 策，但是模糊控制不具有学习功能，人工神经网络下恰恰相反，它具有学习功能， 而不具有处理和描述模糊信息。因此将二者结合起来，利用人工神经网络学习模 糊规则，从而发挥二者的优势，这是模糊神经网络控制的一个出发点。 1 3 本文的研究意义及主要研究内容 国内对于半主动悬架的研究丌始于8 0 年代中期，在半主动悬架方面的研究 仍然停留在仿真计算和模拟试验的阶段，对半主动悬架控制理论的研究已经有相 当长的时间了，应该说取得了一些重要进展。 车辆悬架振动控制系统的研究和丌发是车辆动力学与控制领域的国际性前 沿课题。近年来，随着相关学科和高新技术的迅猛发展，特别是高效价廉微处理 机的普及，使得研究使用的半主动和主动悬架振动控制系统成为现实。半主动悬 架控制系统刚进入实际应用阶段；主动悬架控制系统由于其造价昂贵、需要额外 的控制用功率等原因，至今仍停留在实验室和真车试验阶段。国内的实车控制的 实验很少，与实际应用距离较远，基本上还停留在台架试验阶段。 因此，今后的目标是研究和开发一类控制有效、能耗低、造价合理的车辆悬 架振动控制系统，为此，必须解决一些基础性的理论研究问题和实际应用的技术 问题。 本文拟采用模糊神经网络控制来控制半主动悬架，从上面一节所述可以看 出，研究半主动悬架的文章已经发表的很多了，但是大多数人采用的是1 ，4 车辆 2 自由度模型，因为这种模型比较简单，易于仿真，但反映不出俯仰运动。所以 本文首先建立1 2 车辆4 自由度模型，给出其状态方程，不仅探讨其垂直方向的 振动，还研究其俯仰运动。其次建立一种新型的模糊神经网络控制器，以悬架上 方车身加速度及其变化率作为模糊神经网络的输入，输出的前后轴的可调阻尼值 江苏大学硕i ：学位论文 分别送到各自的执行机构，再送到车辆模型中去。 基于建立的模型，本文设计了b p 神经网络模型用于离线学习模糊规则，并 将结果嵌入模糊控制当中形成模糊神经网络控制器。整个系统仿真过程采用 m a t l a b 以及s i m u j i n k 来进行。 因此总结起来本论文的主要任务是： ( 1 ) 建立1 2 车辆4 自由度模型，写出系统状态方程。 ( 2 ) 建立种模糊神经网络控制器，利用神经网络训练模糊控制规则，进行计 算机仿真，并将结果与被动悬架进行比较，证明控制算法的有效性。 ( 3 ) 进行试验验证，以五叶牌w y l 6 0 5 k 型载客农用运输车为样车进行平顺性 道路试验，用来验证本文的被动悬架的仿真程序。 9 江苏大学硕士学位论文 第2 章模糊控制和神经网络 2 1 模糊逻辑系统概述 控制论的创始人维纳在谈到人胜过最完美的机器时说：“人具有运用模糊概 念的能力”【| ”。人脑的重要特征之一，就是能对模糊事物进行识别和判断。如 何让计算机能够模拟人脑思维的模糊性的特点，使自然语言作为算法语言直接进 入计算机程序，让计算机完成更复杂的任务，这f 是模糊数学产生的直接背景。 l az a d e h 在1 9 6 5 年发表了模糊集合论，提出了用“隶属函数”的概念来 描述现象差异的中问过渡，从而突破了古典集会论中属于和不属于的绝对关系， 在精确的经典数学与充满了模糊性的现实世界架起了一座桥梁。z a d e b 这一开创 性工作标志着模糊数学的诞生。以模糊集合论为基础发展起来的研究模糊命题演 算及推理过程的非布尔逻辑就是模糊逻辑。模糊逻辑是多值逻辑但不同于经典的 多值逻辑，它们问的重要区别是模糊逻辑引入了语言变量、语言真值的概念。因 此模糊逻辑比经典的多值逻辑更加灵活，更加方便使用，更接近人的思维和自然 语言，并提供了个捕捉近似的、不精确的自然真实世界的方法。随着许多学者 对模糊语言变量及其在控制中的应用进行了探索和研究，1 9 7 3 年z a d e h 给出了 模糊逻辑控制器的定义和定理，迎来了模糊控制的诞生。模糊控制的被控对象的 行为不需要严格数学模型，便于控制知识的获取和表示并且系统的鲁棒性强，这 些特点使得模糊控制器以它特有的强大生命力不断向各个方面渗透，在模糊逻辑 芯片、模糊推理机、模糊控制器、工业过程控制、设备控制、机器人控制及家电 等方面都有广泛的应用。但传统的模糊控制是一种基于模糊规则的控制器，这些 模糊规则是人们对受控过程的归纳和总结，其模糊集隶属函数的选择，模糊规则、 模糊量化的设置固定，不适应被控过程的变化，从而严重影响了模糊控制效果。 为了克服这种局限性，众多学者对模糊控制进行了深入的研究，提出了一些改进 的模糊控制方案。一方面将模糊控制与p i d 控制相结合，另一方面在模糊控制中 引入自适应和自学习的能力，使模糊控制规则、隶属函数和模糊化在控制过程中 自动地调整和完善，从而可构成各类自适应模糊控制系统。近年来，一些学者提 出最优模糊控制器。在模糊控制器的设计过程中，按照使模糊目标函数取极 0 江苏人学顺士学位论文 小的最优准则，从模糊模型得到模糊控制规则使模糊逻辑控制器的设计具有系统 性，而不再依赖于经验和技巧。此外，神经网络技术和遗传算法他被引人模糊控 制系统中，用来改善其性能。虽然模糊控制己得到了广泛的应用，但模糊控制理 论研究远未达到相当完善和成熟的地步。特别是对于自适应模糊控制系统的稳定 性、鲁棒性控制精度的提高、控制规则的获取与优化仍然缺乏有效的数学分析手 段等。 2 2 神经网络系统的概述及发展”9 j 近几十年来，计算机技术得到了飞速发展，普通个人电脑运算速度都达到了 每秒数百万次，似乎已经远远超过人脑的处理能力。但实际上，计算机在许多方 面同大脑相比都存在着明显不足。 首先，计算机只能解决预定的问题，对任何设计者预料之外的问题都无能为 力，而大脑都可以通过学习后学会解决新问题的方法：其次，现代计算机是一种 脆弱的系统，其运行步骤中的任何偏差都可能导致整个系统的崩溃，而大脑是鲁 棒性的、容错的。能自动修f 误差，局部损伤不破坏整体结果；另外，大脑在处 理模糊信息、含噪信息、图象信息、声音信息等诸多方面也都远胜于计算机。 现代计算机同脑神经系统有着根本的差别。人工神经网络( 简称a n n ) 研 究的目的就是模仿大脑神经系统的某些结构和功能，克服目前用计算机和其它系 统不能解决或解决得不好的问题。它将继冯诺伊曼计算机后再一次拓展计算概念 的内涵。其进展很可能使包括信息科学在内的许多学科产生重大突破和变革，美 国政府的2 0 1 0 年十大产业的方向中神经网络是其中之一。它已成为2 l 世纪技术 革命的一支主流。 神经网络的研究始于本世纪四十年代，其发展经历了一条曲折的道路，至今 经过了兴起，萧条和兴盛三个时期。 1 9 4 3 年，m c c u l l o c h 和p i n s 首次提出了人工神经元的概念及模型。1 9 4 9 年， h e b b 提出了神经元连接强度的学习规h e b b 规则。据此，r d s e n b l a t t 等人于1 9 5 7 年研究出首台成功的神经计算机m a r k 一号感知机。稍后，w i d r o w 等沿着另 一条路线研究了另一类神经处理单元a d a l i n e ，并找到了一种有力的学习 规则，在6 0 年代初期实际生产出两用神经计算机及神经计算机软件。 江苏人学硕：e 学位论文 6 0 年代中后期由m i n s t y 和p a p e r t 开展了一场旨在贬低神经网络研究同时把 它纳入“人工智能”轨道的运动，他们于1 9 6 9 出版的感知机一书，从数学 上证明感知机不能实现x o r 问题，也不能实现许多其它的谓词函数，宣告神经 网络的研究已经结束，“人工智能”的研究才是人类世界的希望。 标志神经网络研究高潮的到来是美国加州理工学院生物物理学家j h o d f i e l d 教授于1 9 8 2 年和1 9 8 4 年发表的两篇论文。他引入“计算能量函数”的概念，给 出了网络稳定性的判据。并于】9 8 4 年设计和实现了h o 娟e l d 网络的电路，指出： 所有神经元均可用运算放大器实现，所有神经元的连接可用电子线路来模拟，为 神经网络的工程实现指明了方向。他运用这一方案成功地解决了“旅行商销售 ( t s p ) ”这一世界难题而引起轰动。1 9 8 6 年r u m e l h a n 等人在多层神经网络的 基础上提出了反向传播学习算法，解决了多层网络的学习问题，它可以完成许多 学习任务，解决许多实际问题。h e c h t n j e l s e n 神经计算机公司创始人r o b e n h e c h t n i e l s e n 称；“用神经网络实现的图象压缩水平己超过所有目前人工编程的 计算机系统的能力”。 除了在解决实际问题上获得成功，证明了神经网络的计算、应用能力外，还 出现了神经网络研究和许多别的学科、研究领域的新的结合，形成了模糊神经网 络、并行神经网络、随机神经网络、用遗传算法设计神经网络等新的研究方向， 从而在神经网络这一研究领域形成了百花齐放的局面。目前，神经网络的研究已 经引起了欧美、同本、中国等各国政府。科学家和企业家的极大热情。 2 3 模糊神经网络 2 3 1 模糊和神经网络的结合 神经网络具有并行计算，分布式信息存储，容错能力强以及具备自适应学习功 能等一系列优点。但神经网络不适于表达基于规则的知识，因此在对神经网络进 行训练时，由于不能很好地利用已有的经验知识，只能将初始权值取为o 或随机数， 从而增加了网络的训练，时问或者陷入非要求的局部限值。这是神经网络的一个 不足。 模糊逻辑是一种处理不确定性，非线性和其它不适应问题的有力工具。它比较 适合于表达那些模糊或定性的知识，其推理方式比较类似于人的思维模式，但缺乏 2 江苏大学硕l 学位论文 自学习和自适应能力。 模糊系统善于描述和利用经验知识，而神经网络善于直接从数据中进行学习： 模糊系统存储的是结构性知识，而神经网络存储的是非结构性知识；模糊系统的推 理能力强于神经网络，而神经网络的学习能力强于模糊系统；目前模糊系统大多应 用于控制领域，而神经网络则主要应用于模式识别。 模糊系统和神经网络又具有很多共同的优点： ( 1 ) 模糊系统和神经网络都能以任意精度逼近任意的连续实函数，都属于一种 数值化的，非数学模型的函数估计器。由于这种共性，因此我们既可以用模糊系统 产生的数据来训练神经网络，也可以用神经网络产生的数据来训练模糊系统。 ( 2 ) 神经网络和模糊系统对信息的处理均表现出很强的容错能力。模糊系统的 容错能力产生于模糊规则的并发机制和信息处理的模糊性原理，而神经网络的容 错能力和鲁棒性是来源于网络中信息的分布式存储和信息处理的并行机制。 ( 3 )两种都具有并行处理的能力，而不依赖对象的数学模型。 这些共同的特点决定了两者之间存在着必然的关联性，如果能将模糊逻辑系 统和神经网络适当地结合起来，吸取两者的长处，则可组成比单独的神经网络系统 或单个的模糊系统性能更好的系统。模糊神经网络( f n n ) 就是两者结合的产物。 所谓模糊神经网络、就是利用神经网络来实现模糊系统的功能，从结构上说，卧n 是一种神经网络，可采用各种神经网络的学习算法；从本质上说，f n n 是一种模糊 系统，可以处理各种模糊信息。因此，f n n 充分利用二者的优点，弥补彼此的缺点， 从而更好地模仿人的智能，进行智能控制和智能信息处理。 标准的模糊神经网络是一个五层的网络结构。图2 1 中第一层为输入层。 该层的各个节点直接与输入向量的各分量一( f - 1 ，2 ，”) 连接，它起着将输入值传 送到下一层的作用。 第二层为模糊化层。每个节点代表一个语言变量值，如n b ，p b 等。它的作用 是计算各输入分量属于各语言变量值模糊集合的隶属度函数“。其中 ? = ( ( x ) 。f - l ，2 ，n ，= 1 ，2 ，埘，。h 是输入量的维数，竹是x ，的模糊分 割数。 一兰苎查兰塑兰兰竺堡兰 f ：口i 厅l 第一屋 第二层第三层第四屋 第五屡 削2 1 模糊神经网络结构幽 第三层为模糊层。每个节点代表条模糊规则它的作用是用来匹配模糊规则 的前件，计算出每条规则的适用度。即 口，= m i n 缸i ，p ；：，：一j 式中f 1 l ，2 ，卅7 ，f ： 1 ，2 ，7 z ： ，f ， 1 ，2 ，朋。 ，：1 ，2 ，m ，坍； m ，。该 层节点总数为肿。对于给定的输入，只有在输入点附近的那些语言变量值才有较 大的隶属度值、远离输入点的语言变量值的隶属度很小。当隶属度函数很小时可 近似取为0 。因此在这层中只有少量节点输出非o ，而多数节点的输出为0 。 第四层实现的是归一化计算，即 i ：，j ：1 厶卅， 。 第五层时输出层。它所实现的是清晰化计算，即 一= 虿= 1 ，2 ， r 与标准的模糊模型的清晰化计算比较，这里的相当于弘的第j 个语言值隶 属函数的中心值。 构造模糊神经网络的方法有很多种，不管哪种形式的结合，目的都是要利用模 糊逻辑控制和神经网络控制的优点，扬长避短，以求达到最佳的控制效果。 4 江苏大学颂士学位论文 2 3 2 模糊规则的获取 控制规则是设计模糊控制器的关键。通过人工直接总结操作者的经验来设计 模糊规则存在不少困难，从而限制了模糊控制的发展。因此；根据操作者实际操 作的正确数据进行学习，从中自动提取模糊控制规则，就成为人们关心的重要课 题。关于模糊规则的自动生成，有以下几个研究方向： ( 1 ) 直接根据数掘产生规则 这种方法有点类似于模式识别中的k n e a r e s t n e i 曲b o r 方法首先要精心挑 选学习数据，然后对学习数据集中的每个数据形成一条规则。当规则产生后，对 每个输入数据，其与每条规则的匹配程度通过计算它与形成该条规则的数据的相 似程度来获得。这种相似程度可通过将数据定义成以自身为中心的模糊集，然后 计算二者的贴近度来获得。 这种方法的特点是简单。然而它的缺点也是明显的：首先，学习数据集的选 择颇费气力，要保证覆盖每一个细节；其次，由于其简化了模糊集的划分，规则 数直接等于数据数；因而数据量不能过多；第三，容错能力较差。限于上述的缺 点，它只能适用于很简单的问题，即输出值变化平缓且取值有限的问题。这样， 只要为数不多的典型数据就可以勾画出输入输出之间的关系。 ( 2 ) 通过模糊划分产生模糊规则 对于稍微复杂一点的问题，直接由数据产生规则就有点麻烦。人们开始考虑 先对输入空间进行模糊划分，然后从每个模糊分区产生一条规则：规则的输出取 值通过综合分区中的数据得到。这样，既保证了覆盖整个输入论域空间又能将 规则数控制在有限的数目内。 这种方法有两点需要认真考虑：一是模糊分区的划分：二是规则输出的取值。 关于模糊划分，主要有两种做法：一种是将变量论域分成指定的2 n + 1 个模 糊分区。可等分或不均匀划分。这种划分方法简单，对大多数线性控制问题比较 实用；另一种做法是根据f u z z y c m e a l l s 法对变量论域进行模糊聚类，每个聚类 中心对应于一个模糊集。这种划分考虑了数据的分布特性，从而有所侧重，因此 产生的规则控制误差有所减小 关于规则的输出耿值，一种做法是参照与该规则匹配程度最高的学习数据的 输出给出；另一种做法则是对该规则所对应的模糊分区中的全部学习数据的输出 江特大学硕士学位论文 进行加权平均而获得。这两种做法得到的结果都比较粗糙，适合于输出变化比较 平缓的情况。 这种模糊规则自动生成方法的关键不足是没有进一步的调整措旖，因而产生 的规则略显粗糙。 ( 3 ) 采用遗传算法 遗传算法是模仿自然界中物种遗传与进化过程而提出的一种多点搜索组合 优弛算法，其优化过程犹如生物物种优胜劣汰的自然选择过程。遗传算法中个 关键的概念是基因，一个基因代表问题的一种解决方案。算法开始时先随机选择 一定数目的基因。称为父本。接着，父本通过杂交或变异产生后代。然后按某种 择优策略在父本及其后代中选择一定数目的优秀者作为新的父本。而对原父本中 的劣者，则以某概率保留在新父本中，从而保证搜索是多方向的，以避免陷入 局部极小。新父本重复上述过程直至产生出满意的结果。 遗传算法是种颇新鲜的思想，目6 u 有相当多的人致力于这方面的研究，主 要是用于规则和隶属函数的调整：择优策略则是使学习数据的拟合误差最小。 遗传算法的使用目前仍有个少困难：一是初始父本的挑选过程对最终结果有 较大的影响：二是基因的表示仍没有合适的方法，这始终是一个关键的问题；三 是遗传算法不是自调节的，而是将可能的选择列为组合方案，以随机搜索代替直 接的误差调节，这不仅使学习时间大大加长，而且由于调节精度较差，得到的结 果比较粗糙基于以上的原因，遗传算法目前还不足以成为一种实用的模糊规则 自动生成方法。 2 3 3 利用神经网络训练模糊规则 神经网络的发展，给模糊现则自动生成的研究提供了一种崭新的方法。神经 网络具有学习能力，它能根据外界输入进行训练；而无需了解实际的模型。网络 通过调整内部参数以学习输入数据中所包含的内在规律，并将所学的知识分布地 表示于其内部参数中。因为神经网络能自动调节参数，因而它能产生更精确的结 果。同时，神经网络还能根据新数据不断地学习调整，即它具有自适应的能能力。 总之，神经网络的非线性、自适应性及其自组织、自调整、自学习能力，使它非 常适合于模糊控制规则的学习。 6 江苏大学钡士学位论文 用神经网络的学习也存在一个问题，即神经网络的内部结构是个所谓的“黑 匣子”。也就是说，每个神经网络内部参数究竟代表什么意思是弄不清楚的，尽 管学到了控制规则，但是无法表达出来。 模糊逻辑本身虽不具备学习能力，但模糊逻辑充分体现了人类思维的特点， 能方便地表达人类的高层归纳性知识。因此，人们便把神经网络和模糊逻辑相结 合，构成模糊神经网络来学习模糊规则。这样既保留了神经网络的学习能力，又 具备了模糊逻辑的表达能力。 由于车辆悬架系统所具有的不确定性和非线性，而且经常在复杂多变的环境 下进行工作，半主动悬架的模糊控制规则很难由人“总结”出来，即使“总结” 出来也可能是残缺不全的。因此本文运用神经网络对半主动悬架的模糊控制规则 进行训练，所得规则蕴涵在神经网络中。 一一一一些苎盔鲎塑! 兰竺堡兰 第3 章悬架模型 3 1 1 2 车辆四自由度悬架模型的建立 在对悬架迸7 于控制研究之目f 必须建立车辆的悬架模型。由于i 4 车辆的2 自 由度模型不能全面反应车辆的动态性能，而i 2 车辆4 自由度模型既比较接近车 辆实际情况，模型也不算太复杂，还可以反映车辆的俯仰运动，不失为描述车辆 运动的一种理想模型。本章建立了l 2 车辆被动悬架和半主动悬架模型。 31 1 被动悬架模型 嚣 一般车辆被动悬架的力学模型如图3 1 所示。当悬架质量分配系数r j 时 车身质量肌! 根据动力学等效的原则分为前轴上、后轴上及质心上的三个集中质 量m ，、肌：，、! 。，三个质量由无质量的刚性杆连接。由拉格朗日方程可以得 到此模型的动力学微分方程如下 g “，+ 一z ：。6 2 j 2 弦：，+ k ：，0 1 ，一= ，) + g ，g ：，一j ，) + 0 z ：。口6 三2 弦：，= o 慨r 十糍绘尊黠碳2 警您盘：= 篡。0 - ，用i ，三，一k ! ，k ! ，一王，j c 2 ，忙2 ，一主i ，j + 世l ，扛1 ，一g ，j = o ”，。一k ：，( z2 ，一：。) 一c 2 ，( 三：，一l ，) + k ，( z ，一q ，) = o 图3 1 和式( 3 1 ) 中：”、 1 一”研、m 3 ，、 。分别为前轮质量、后轮质 量、车身前轴处分配质量、车身后轴处分配质量及车身质心处分配质量。 z ：，、 钆、z ：，、毛，分别为前轴上方车身位移、前轮位移、后轴上方车身位移和后轮 位移： 、j l f 、j 2 ，、刍，分别为它们对应的速度：磊，、毛、乏，、乏，分剐 为它们对应的加速度；矿= 垒孚为车身俯仰角；为车身俯仰角加速度：墨，、 局，、k ：，、足，分别为前悬架弹簧刚度、前轮