高为群

摘要：针对悬架参数的不确定性，提出一种基于径向基函数(RBF)神经网络的滑模控制方法。根据滑模变结构控制理论设计了两自由度半主动悬架系统的滑模控制器，采用极点配置法确定滑模切换面参数，应用比例切换的控制方法和等速趋近率确定控制律，采用RBF神经网络优化算法优化了滑模控制器。运用MATLAB/simulink进行仿真，结果显示，与被动悬架相比，基于RBF神经网络的滑模半主动控制具有良好的控制效果，显著地改善了车辆的行驶平顺性。

关键词：RBF神经网络半主动悬架滑模控制

中图分类号:U463.33 文献标识码：A 文章编号：1007-9416(2012)02-0011-03

汽车悬架系统是车架与车桥之间一切传力连接装置的总称，其性能好坏直接影响汽车的行驶平顺性和操纵稳定性。主动与半主动悬架能够适应路面激励和行驶条件的变化，抑制车身的振动，提高车辆的行驶平顺性和操纵稳定性，解决了传统被动悬架存在的舒适性和稳定性不能兼顾的问题，代表了悬架系统发展的方向。半主动悬架在控制品质上接近于主动悬架，且能耗小、控制较为简单，只需调节悬架的刚度或阻尼系数，即可实现降低车身振动，达到改善乘坐舒适性的目的，是近年来车辆悬架领域研究的热点。由于悬架系统具有非线性、时滞性以及车辆数学模型参数的不确定性等特点，其建模与控制是研究的关键问题。

本文采用等速趋近率法设计了半主动悬架的滑模控制器，采用基于径向基函数(RBF)的神经网络算法优化了滑模控制力的开关项，对悬架的性能指标车身加速度、悬架动行程和车轮动位移等进行了时域和频域上的对比分析。……