用于车辆非线性液压悬架的径向基函数神经网络控制优化与仿真

简介

车辆行驶受到路面噪声激励后,导致车辆行驶的稳定性下降。对此,建立车辆液压悬架振动模型简图,根据牛顿定律建立车辆垂直方向非线性控制方程式。采用液压驱动车辆悬架机构,推导出液压流量控制方程式。设计径向基函数(RBF)神经网络控制器,引用改进遗传算法对RBF神经网络结构进行优化和调节,给出了车辆液压悬架神经网络控制结构。采用Matlab软件对车辆性能参数进行仿真,并与优化前进行比较。结果表明车辆液压悬架控制器优化后,轮胎行程最大值、悬架行程最大值和车身加速度最大值分别降低了52.0%,39.2%和44.2%,车辆垂直方向振动幅度较小。采用改进遗传算法优化车辆液压悬架RBF神经网络控制器,能够提高车辆行驶的稳定性和安全性,改善车辆乘坐的舒适度。