采用免疫算法优化设计汽车主动悬架的模糊控制器

1、采用免疫算法优化设计汽车主动悬架的模糊控制器第l8卷第9期2006年9月系统仿真JournalofSystemSimulationSept.,2006采用免疫算法优化设计汽车主动悬架的模糊控制器宋晓琳,于德介,殷智宏(湖南大学汽车车身先进设计制造国家重点实验室,湖南长沙410082)摘要:基于免疫算法,提出了一种模糊控制器的优化设计方法,优化模糊控制器的论域和模糊子集的隶属函数参数,并将其用于1/4汽车主动悬架的模糊控制器的设计中.仿真结果表明:使用该方法优化设计的模糊控制器控制汽车的主动悬架系统,汽车的平顺性和操纵稳定性均有明显改善.关键词:免疫算法;模糊控制器;主动悬架;仿真中图分类号:U

2、461.1文献标识码:A文章编号:1004731X(2006)09-263404OptimizationofFuzzyControllerforAutomobileActive-suspensionwithImmuneAlgorithmSONGXiaolin,YUDejie,YINZhihong(StateKeyLaboratoryofAdvancedDesignandManufactureforVehicleBody,HunanUniversity,Changsha410082,China)Abstract:Basedonimmunealgorithm,anoptimaldesignmeth

3、odoffuzzycontrollerwasproposedtooptimizetheuniversesofdiscourseandtheparametersofmembershipfunctions.Thecontrollerwasusedtocontrolaquarter-carsuspension.Simulationresultsshowthatthecontrollerdesignedbyimmunebasedalgorithmcaneffectivelyimprovetheridecomfortandmaneuverability.Keywords:immunealgorithm;

4、fuzzycontroller;activesuspension;simulation引言一辆汽车的悬架系统应该能缓和路面冲击即降低车身的垂直加速度,提高汽车的乘坐舒适性;提供合适的悬架变形以保持车轮具有良好的接地性;减少车轮动载,从而保证汽车的安全性1】.传统的被动悬架只能根据技术要求和某一使用条件优化设计悬架系统,即是在某种条件下的最优.一来涌现出了许多汽车主动悬架的控制方法,其中基于模糊,神经网络,遗传等理论的智能控制已经成为研究热点.由于模糊控制具有不需要精确数学模型,善于处理模糊性和不确定性的特点,它适合非线性较强,时滞较大强干扰制器(FLC)的设计主要包括指导决策过程的推理规则(R

5、ules)和各语言变量的隶属度函数(membershipfunction).影响FLC性能的因素很多,如:规则的完整性,模糊子集的定义,隶属度函数的确定,模糊推理机制等等.这些都依赖专家的经验,在很多情况下,专家经验是不完备的,并不总是有效的,有时是相互矛盾,甚至根本没有专家的经验可以利用,从而导致模糊控制器难以设计.因此,许多专家致力于模糊控制器自动设计的研究,基于优化思想如作者简介一束晓1Nt(1965.),女,湖南常德人,博士生,副教授,研究方向为汽车性能动态仿真与控制;于鲁介(1957.),湖南常德人,博士,教授,究方向为汽车性能动态仿真与控制.用神经网络】,遗传算法等方法设计模糊控制

6、器的文献最优;遗传算法虽然具有全局搜索能力,但局部搜索能力不是很有效,且在处理复杂,混淆和多任务问题时不够灵活,进化后期收敛速度缓慢1】等缺点,优化效果欠佳,从而影响能,它具有对抗原的多样性识别能力;具有自我调节功能,能根据抗体间的亲和度调节抗体浓度,避免陷入局部最优解:免疫系统的记忆功能等特点1.因此,本文利用免疫算法的以上优点,优化设计模糊控制器.目前,FLC的优化对象为控制器参数,模糊规则表和模糊子集隶属函数的参数,其中控制器参数指各输入和输出变量的论域.其优化设计常采用多阶段的学习方法,如:模糊规则不变,学习模糊子集的隶属函数:模糊子集的隶属函数不变,学习模糊规则:分步学习模糊规则和模

7、糊子集的隶属函数(首先,模糊子集的隶属函数不变,学习得到好的模糊规则,然后模糊规则不变,精调模糊子集的隶属函数);同步学习模糊规则和模糊子集的隶属函数12,13等等.由于输入和输出变量的论域对被控系统的控制效果也有着明显的影响,因此,针对Mamdani型模糊系统,提出在模糊规则确定的情况下,学习论域和模糊子集的隶属函数,用于模糊控制器的有效性,本文利用Matlab的SimulinkSE具箱,建立汽车主动悬架的仿真模型,并与用模糊控制工具箱手工?2634?第18卷第9期2006年9月宋晓琳,等:采用免疫算法优化设计汽车主动悬架的模糊控制器Sept.,2006验证,采用免疫算法优化设计的汽车主动悬

8、架系统模糊控制器,方法可行,效果良好.1汽车悬架系统模型动力学方程如下:帆艺l=七l(z0_z1)+七2(z1)+c2(之2一之1)一"(1)Inh=k2(zlZ2)+c2(乏l一22)+U式中,"为可控力部分,簧载质量和非簧载质量m1和m2分别代表了车身和车轮.Zo,z,z2分别表示路面输入位移,非簧载质量位移和簧载质量位移;k2,C2为悬架的刚度和阻尼系数;k为轮胎的刚度.图11/4汽车主动悬架模型将以上动力学方程写为状态方程形式,取状态变量X=l,X2,X4)=Zl,Z2,2l,22)输入为U=z0,"lr,输出为Y=(艺2,之2,z2一z1,z1)则状态方

9、程和输出方程分别为:XAX+f21Y=CX+D以上1/4汽车主动悬架系统参数如表1衰1114汽车悬架模型j_致2基于免疫算法优化设计模糊控制器免疫算法是多点并行搜索,克服了从单点出发的弊端及搜索的盲目性,避免提前陷入局部最优,具有良好的寻优特I生.它具有操作方便,速度快的优点,不需复杂的规则,只需简单化汽车主动悬架的模糊控制器参数的流程如图2所示.一般情况下一维模糊控制器的动态控制性能不佳,而高于三维的模糊控制器使得模糊规则过于复杂,控制算法的实图2采用免疫算法优化汽车主动悬架的模糊控制器参数流程图模糊控制器以车身垂直速度v和车身垂直加速度a作为输入,以控制力u作为输出.输入,输出变量的取fB

10、,NM,NS,Z,PS,PM,PB七个子集,每个子集的隶属函数选择钟形函数gbellmf,其表达式为:1(s)其中a,b,C,集合唯一确定语言变量所对应的隶属函控制器的控制规则后,再优化输入输出变量的论域和模糊子集的隶属函数参数.由于悬架系统运动的对称性,输入,输出变量的子集作对称处理,这样可减少优化参数个数.其中输入,输出变量的子集PS,PM,PBl共3X3=9个参数,子集z参数为2个,因此对应的隶属函数参数:3X11=33个;加上输入,输出变量的论域3个,则FLC待优化的参数共计36个.考虑到同时优化FLC的36个参数,搜索空间太大,为降低问题的复杂度,采取分阶段对FLC的输入输出和变量映

11、函数参数优化优化过程分成两步:1)先给定FLC的隶属函数不变,按经验给定适当的输入,输出变量论域值,用免疫算法优化论域值;2)在己经得到的模糊论域的基础上,搜索合适的隶属度函数参数,对隶属度函数形状进行精细调整.数对应的基因拼接在一起,即构成抗体个体如图3,通过这种方式可将解空间中的一些可能解构成抗体种群,然后将它们置于问题的环境中,根据生物免疫系统的机理进行遗传操作,以实现进化.假设系统的目标函数为I,它是悬架系统性能评价指标?2635?第18卷第9期2006年9月系统仿真Sept.,2006车身垂直加速度,悬架动行程和轮胎动载的函数.,越小则控制系统性能越好,则抗体个体的评价值,为:,1(

12、4)e=0.01以保证分母不为零.输入1:vI输入2:aI输出:"l输入,输出变量17MF24IMF27输入输出子集论域l输入1的子集隶属l输入2的子集隶属l输出的子集隶属l.(3个)l函数参数(11个)l函数参数(11个)l函数参数(11个玩恽L-Y_J第一步第二步图3抗体的组成为了保持种群抗体的多样性,通过遗传算法的进化算子:选择,交叉和变异操作实现,这样比随机产生抗体更有效.同时为了保护最优个体,采取了最优个体保护策略.若当代的最优个体劣于上一代的最优个体,则从记忆库中取出保留的最优个体加入到新一代种群中,从而可加快收敛速如表2.衰2输入,输出变量的论域和采属函数参数3仿真试验

13、与分析本文利用文献【14】模拟的路面如式(5).对简化的1,4汽车主动悬架进行仿真研究.Z0=O.04xsin(27rxO.97t)+O.02Xsin(27rXO.54t)(5)悬架性能的主要评价指标:车身垂直加速度,悬架变形项指标的均方根值及其与被动悬架的对比如表3.漤球图4车身垂直加速度变化曲线时间,s图5悬架变形变化曲线乱;nf蹲班醯U髓ljW.iftI矿l0时间,图6车轮动载变化曲线表3悬架性能的主要评价指标均方根值0由图46可以看出,利用免疫算法优化模糊控制器输入,输出变量的论域和各子集的隶属函数参数,用优化得到的模糊控制器对l,4汽车主动悬架系统进行控制,其控制效果明显.从表3可知

14、,描述悬架性能的三项评价指标:车身垂直加速度的均方根值由2.0906m/s下降至O.79232m/s,%;车轮动载则由746.1N减少到262.61N,减幅达64.8%.为了验证基于免疫算法优化设计的模糊控制器的控制?2636?第18卷第9期2006年9月宋晓琳,等:采用免疫算法优化设计汽车主动悬架的模糊控制器Sept.,2006结果的可靠性和方法的可行性,本文利用目前工程仿真中应用较为广泛的平台Matlab/Simulink工具箱,建立汽车主动悬架的仿真模型如图7,并与用模糊控制工具箱手工调试得项评价指标的均方根值可知,虽然在模糊规则确定的情况下,手工调试得到的模糊控制器的控制效果稍优于优化

15、设计的模糊控制器的控制效果,但两种设计其控制效果具有较好的一致性.图7模糊控制汽车主动悬架的Simulink模型4结论模糊控制具有不需要精确数学模型,善于处理模糊性和不确定性的特点,它适合非线性较强,时滞较大强干扰又无法确定精确数学模型的系统,但模糊控制器设计时依赖与专家经验,要设计一个控制效果好的模糊控制器,调试难度大.因此,本文提出了在模糊控制规则确定的条件下,用免疫算法优化模糊控制器的输入,输出变量的论域和各子集的隶属函数参数,并将优化设计的模糊控制器用于控制1/4汽车主制器仿真比较研究,结果表明:(1)采用免疫算法优化设计模糊控制器,避免了繁琐的试错调试设计模糊控制器,实现了模糊控制器

16、的智能化设计,方法可行;(2)与Matlab/Simulink环境下手动设计的模糊控制器的控制效果具有良好的一致性;(3)在今后的研究中,需要进一步用实验验证其可靠性.参考文献:1O11121314】vehicleactivesuspensionsystemsJ】.FuzzySetsandSystems,(S0165一O114),1997,85(1),ll一2l诸静.模糊控制原理与应用M】.北京:机械工业出版社,1998.controlsystemJ】.FuzzySetsandSystems(S0165一Ol14),1995,7l,(3),345357.T.Pa1.,N.R.Pa1.Onrul

17、epruningusingfuzzyneuralnetworksJ.FuzzySetsandSystems(S0165一Ol14),1999,106(3):335347.丁科,侯朝赖,罗莉.车辆主动悬架的神经网络模糊控制J】.汽车工程,2001,23,(5):340343.fuzzylogiccontrollerJ】_FuzzySetsandSystems(S0165一O114),1998,97(1):1-7.membershipfunctionsusinggeneticalgorithmsJ】.FuzzySetsandSystems(S01650114),20o】,】18(2):297306

18、.algorithm-basedmethodfortuningfuzzylogiccontrollersJ】.FuzzySetsandSystems(S0165-0114),1999,108(1):39.47.controlrulesusinggeneticalgorithmsJ】.FuzzySetsandSystems(S0165Ol14),1998,100(13):143158.algorithmstothedesignoptimizationofanactivevehiclesuspensionsystemJ】.ComputermethodsinappliedmechanicsandEn

19、gineering(S0o457825),l998,163(1-4):8794.GeneticAlgorithmsJ.InternationalJournalofIntelligentSystems(S0884-8173),20o3,18(5):569592.ChingHungWang,TzungPeiHong,Shian-ShyongTseng.IntegratingmembershipfunctionsandfuzzyrulesetsfrommultipleknowledgesourcesJ】.FuzzySetsandSystems(S0165-O114),2000,1l2(1):141?

20、154.Jang-SungChun,Hyun-KyoJtmg,SongCompadsonofOptimizationPerfermancesBetweenImmuneAlgorithmandotherHeuristicAlgorithmsJ】.IEEETransactionsonMagnetics(S00189464),1998,34(5):29722975.ControllerofNonlinearActivesuspensionSystemD.TheDissertationfortheDegreeofDoctorofEngineeringinUniversityofDetroitMercy,1999.一一÷-0-÷一一一÷一÷一一一÷一一÷一÷一一÷一一