用于车辆的可变阻尼半主动悬架系统的控制方法与流程

1.本发明属于车辆振动控制技术领域，特别涉及一种用于车辆的可 变阻尼半主动悬架系统的控制方法。


背景技术：

2.悬架系统是车辆的一个重要子系统，它与车辆的操纵性紧密相关， 并且承担着隔离来自路面不平激励所引起的车辆振动的重要作用。车 辆的半主动悬架系统一般是由弹簧和可控阻尼减振器组成，可控阻尼 减振器可以根据车辆运行条件对阻尼系数进行实时调节，实现与弹性 元件的最优匹配，以改善车辆乘坐的舒适性和操纵稳定性。
3.磁流变减振器在车辆的悬架系统中引起了广泛的关注，并得到了 成功的应用。磁流变减振器以磁流变液作为阻尼介质，其中磁流变液 在磁场作用下具有可控的高屈服应力，通过施加磁场改变减振器内磁 流变液的屈服应力和粘度，从而能够获得阻尼的连续无级调节。其具 有控制力范围大、可连续无极调节、响应速度块、工作温度范围宽、 杂质敏感性低以及电力要求低等优点。同相似性能的全主动悬架相比， 具有性价比高和能耗低的优点。
4.现有技术中有基于线性二次型最优控制理论(lrq)来求解磁流 变悬架系统中最优阻尼力的控制方法。但这种调节方式通常为一次性 调节，其难以根据悬架系统实时随机激励的不同针对性地输出控制力 加以调节。而且，控制算法中的q，r矩阵通常也难以取到最优值，因 此影响了对车辆的控制效果。


技术实现要素：

5.本公开是鉴于上述现有技术的状况而提出的，其目的在于提供一 种能够提升用于车辆的可变阻尼半主动悬架系统控制效果的控制方法。
6.为此，本公开提供了一种用于车辆的可变阻尼半主动悬架系统的 控制方法，其包括以下步骤：测得车辆的簧上质量加速度、簧下质量 加速度、悬架变形、以及轮胎变形四种目标响应信号；以离散型状态 空间方程形式建立可变阻尼半主动悬架的系统模型，基于模型预测控 制算法建立所述系统模型中的关于所述四种目标响应信号的四种控制 方案；基于人工蜂群算法分别获得所述四种控制方案中的参数矩阵的 最优解；求得四种目标响应信号的归一化响应信号，并对四种归一化 响应信号进行比较，以动态选择出所述四种控制方案中的最优控制方 案并对所述车辆施加控制。
7.在本公开中，根据车辆四个部位的目标响应信号的不同，基于模 型预测控制算法能够分别建立针对四种目标响应信号的四种控制方案， 根据人工蜂群算法能够对各个控制方案中的设计参数(也即参数矩阵) 进行寻优，从而获得针对某一目标响应信号的控制方案的最优设计参 数，最后可以通过对归一化响应信号进行比较，以找出当前最大的响 应并动态地切换到其对应的控制方案并对车辆的相应响应部位进行控 制。在这种情况下，通过该控制方法能够动态匹配最优的控制方案并 实时输出最优控制力，根据本公开的控
制方法，能够显著提高对车辆 的控制效果，进而能够提升车辆的乘坐舒适性与驾驶稳定性。
8.另外，在本公开所涉及的控制方法中，可选地，通过安装在汽车 前悬架弹簧座上端或后悬架上部车架的第一加速度传感器测得所述簧 上质量加速度并积分得到簧上质量速度信号和簧上质量位移信号 xs，通过安装在可变阻尼减振器下端的第二加速度传感器测得所述簧下 质量加速度并积分得到簧下质量速度信号和簧下质量位移信号x
t
， 利用所述簧上质量加速度和簧下质量加速度估算得出悬架变形信 号x
s-x
t
和轮胎变形信号x
t-xg；xg为车轮由地面振动激励的位移。由 此，能够方便获得簧上质量加速度、簧下质量加速度、悬架变形信号、 以及轮胎变形信号。
9.另外，在本公开所涉及的控制方法中，可选地，车辆四分之一可 变阻尼半主动悬架的动力学方程为其 中ms为簧上质量，m
t
为簧下质量，ks为悬架刚度，k
t
为轮胎刚度，f
mrd
为可变阻尼减振器产生的控制力。由此，能够方便获得四分之一磁流 变半主动悬架的动力学方程。
10.另外，在本公开所涉及的控制方法中，可选地，设状态变量 根据所述动力学方程获得所述可变阻尼半主动 悬架的状态方程为其中
[0011][0012]
将所述状态方程离散化，并忽略扰动项得所述离散型状态空间 方程为其中xi为i时刻的状态变量，ui为i时刻的控 制力。由此，能够方便得到动力学方程的离散型状态空间方程。
[0013]
另外，在本公开所涉及的控制方法中，可选地，设待确定的所述 参数矩阵包括预测区间n；性能权重矩阵q；成本权重矩阵r；终端权 重矩阵f，其中
[0014]
q1、q2、q3、q4为权重系数。
[0015]
另外，在本公开所涉及的控制方法中，可选地，
[0016]
所述模型预测控制算法包括如下步骤：
[0017]
设定当前时刻为k，则系统状态变量为xk；
[0018]
求解二次规划问题通过满足约束条件 获得未来n个时刻的n个最优控制力
[0019]
根据半主动条件
[0020]
施加当前时刻的最优控制 力f
mrd,k
，接着向前滚动到下一时刻k+1；
[0021]
重复上述步骤，直至结束，
[0022]
其中
[0023][0024][0025]
由此，能够方便根据该模型预测控制算法通过滚动优化获得各个时刻 的最优控制力。
[0026]
另外，在本公开所涉及的控制方法中，可选地，基于所述模型预 测控制算法，通过选取不同的预测区间n和性能权重矩阵q，以减小 四种目标响应信号为目标分别建立所述四种控制方案：
[0027]
以所述簧上质量加速度为控制目标的第一半主动控制方案为 其中
[0028]
以所述悬架变形信号为控制目标的第二半主动控制方案为 其中xb＝[0，xs(t)-x
t
(t)，0，0]
t
；
[0029]
以所述簧下质量加速度为控制目标的第三半主动控制方案为 其中
[0030]
以所述轮胎变形信号为控制目标的第四半主动控制方案为 其中xd＝[0，0，0，x
t
(t)-xg(t)]
t
。
[0031]
在这种情况下，能够方便基于模型预测控制算法建立关于四种目 标响应信号的四种半主动控制方案。
[0032]
另外，在本公开所涉及的控制方法中，可选地，所述人工蜂群算 法包括如下步骤：初始化阶段，随机产生预定数量的蜜源并计算其对 应的花蜜量，其中，雇佣蜂、观察蜂与蜜源的数量相等；雇佣蜂阶段， 每个雇佣蜂在蜜源附近按照levy飞行规则寻找一个邻近的新蜜源，雇 佣蜂评估新蜜源并根据贪心策略选择合适的蜜源；观察蜂阶段，观察 蜂按照轮盘赌策略选择是否跟随蜜源，当观察蜂选择跟随该蜜源后， 则执行雇佣蜂阶段的改进操作；侦查蜂阶段，如果一个蜜源多次更新 没有改进，则放弃该蜜源，侦查蜂按照所述levy飞行规则重新选取新 蜜源；重复上述步骤直至满足终止条件输出最优解。在这种情况下， 能够方便根据人工蜂群算法求得对应最优蜜源的参数矩阵的最优解。
[0033]
另外，在本公开所涉及的控制方法中，可选地，设所述雇佣蜂、 所述观察蜂、以及所述蜜源的所述预定数量皆为100，每个蜜源为一个 解向量s＝[q1,q2,q3,q4,n]，并根据公式s＝lh+(uh-lh)
×
rand(0,1)随机生 成100个蜜源并计算每个蜜源的花蜜量，其中uh、lh为解向量的上下 界，rand(0,1)为0至1之间的一个随机数，第i个花蜜量的计算公式为其中k∈[a,b,c,d]，abs为绝对值符号；
[0034]
新蜜源的计算公式为s＝si+αlevy(β)(s
i-si)，其中 α＝0.1，β＝1.5，u、v为两个服从标准正态分布的随机数， [0035]
观察蜂按照轮盘赌策略依据跟随概率pi选择是否跟随蜜源si，当 观察蜂选择跟随该蜜源si后，则执行雇佣蜂阶段的改进操作，其中由此，能够方便执行人工蜂群算法。
[0036]
另外，在本公开所涉及的控制方法中，可选地，所述簧上质量加 速度的归一化响应信号为所述悬架变形x
s-x
t
的归一化响应信 号为p2|x
s-x
t
|，所述簧下质量加速度的归一化响应信号为p3|x
t
|，所述 轮胎变形x
t-xg的归一化响应信号为p4|x
t-xg|；动态选择方法为：若 则选择所述第一种控制
方案； 若则选择所述第二种控制方 案；若则选择所述第三种控 制方案；若则选择所述第四 种控制方案，其中p1、p2、p3、p4为归一化系数。由此，能够实时对车 辆归一化响应信号进行比较从而找出需要优先控制的最大目标响应， 并选择对应的半主动控制方案予以控制。
[0037]
根据本公开的控制方法，能够显著提高对车辆的控制效果，进而 能够提升车辆的乘坐舒适性与驾驶稳定性。
附图说明
[0038]
现在将通过参考附图的例子进一步详细地解释本公开的实施例， 其中：
[0039]
图1示出了本公开的示例所涉及的可变阻尼半主动悬架系统的控 制方法的流程示意图。
[0040]
图2示出了本公开的示例所涉及的可变阻尼半主动悬架系统的功 能模块示意图。
[0041]
图3示出了本公开的示例所涉及的车辆四分之一二自由度可变阻 尼半主动悬架系统的结构示意图。
[0042]
图4示出了本公开的示例所涉及的可变阻尼半主动悬架系统的应 用场景示意图。
[0043]
图5示出了本公开的示例所涉及的人工蜂群算法计算设计参数最 优解的一个示例的流程示意图。
[0044]
图6示出了本公开的示例所涉及的人工蜂群算法计算输入参数最 优解的另一个示例的流程示意图。
[0045]
图7是示出了本公开所涉及的可变阻尼半主动悬架和被动悬架针 对车身竖向加速度响应的控制效果对比图。
[0046]
图8是示出了本公开所涉及的可变阻尼半主动悬架系统输出控制 力的示意图。
[0047]
附图标记说明：
[0048]1…
可变阻尼半主动悬架系统；2
…
车身；3
…
车轮；11
…
悬架组件； 12
…
可变阻尼减振器；13
…
信号采集与处理单元；14
…
控制单元；15
…ꢀ
存储单元。
具体实施方式
[0049]
本公开引用的所有参考文献全文引入作为参考，如同完全阐述的 那样。除非另有定义，本公开所使用的技术和科学术语具有与本公开 所属领域的普通技术人员通常理解相同的含义。为本领域技术人员提 供了本技术中所使用的许多术语的一般指南。本领域技术人员将认识 到可以用于本公开的实践中的与本公开所描述的那些相似或等同的许 多方法和材料。实际上，本公开决不限于所描述的方法和材料。
[0050]
以下，参考附图，详细地说明本公开的优选实施方式。在下面的 说明中，对于相同部件赋予相同的符号，省略重复说明。另外，附图 只是示意图，部件相互之间尺寸的比例或者部件形状等可与实际不同。
damping control)减振器等。
[0067]
在一些示例中，磁流变减振器可以包括磁流变液、用于改变磁流 变液屈服应力和粘度的电磁线圈和电磁铁芯、活塞头、以及一端连接 活塞头另一端抵接车轮的活塞杆等组件。
[0068]
在一些示例中，信号采集与处理单元13可以用于实时采集与处理 车辆四个部位的目标响应信号。
[0069]
在一些示例中，存储单元15可以用于存储本公开涉及的控制算法。
[0070]
在一些示例中，控制单元14可以根据本公开控制方法得出的最优 设计参数并根据相应的控制方案输出期望控制力控制可变阻尼减振器 12的阻尼状态。
[0071]
在一些示例中，多种目标响应信号可以包括簧上质量加速度、簧 下质量加速度、悬架变形信号、以及轮胎变形信号，其可以对应生成 四种半主动控制方案(稍后详述)。簧上质量可以为车身2的质量，簧 下质量可以为车轮3或车轮3和车桥的质量。在这种情况下，能够方 便获得关于车辆的簧上质量加速度、簧下质量加速度、悬架变形信号、 以及轮胎变形信号四种目标响应信号。
[0072]
在一些示例中，参照图4，可以通过安装在车辆前悬架弹簧座上端 或后悬架上部车架的第一加速度传感器a1测得簧上质量加速度并 可以对簧上质量加速度积分得到簧上质量速度信号和簧上质量位 移信号xs；可以通过安装在可变阻尼减振器下端的第二加速度传感器 a2测得簧下质量加速度并可以对簧下质量加速度积分得到簧下质 量速度信号和簧下质量位移信号x
t
；利用簧上质量加速度和簧下质 量加速度可以进一步估算得出悬架变形信号x
s-x
t
和轮胎变形信号 x
t-xg，其中xg为轮胎由地面振动激励的位移。由此，能够方便获得 簧上质量加速度、簧下质量加速度、悬架变形信号、以及胎变形信号 四种关于车辆不同部位的响应信号。
[0073]
可以理解的是，由于车辆前悬和后悬架的安装结构与安装位置存 在差异，因此第一加速度传感器a1在车辆前悬架和后悬架的安装位置 也存在不同，第一加速度传感器a1用于测量前轮的簧上质量速度信号时可以安装在前悬架弹簧座上端，第一加速度传感器a1用于测量后 轮的簧上质量速度信号时可以安装在后悬架上部车架位置。
[0074]
在一些示例中，四分之一可变阻尼半主动悬架系统的动力学方程 可以为：
[0075][0076]
其中ms为簧上质量，m
t
为簧下质量，ks为悬架刚度，k
t
为轮胎刚度， f
mrd
为可变阻尼减振器产生的控制力。由此，能够方便获得四分之一 可变阻尼半主动悬架系统的动力学方程。
[0077]
在本实施方式中，设状态变量根据动力学 方程获得可变阻尼悬架系统的状态方程为：
[0078][0079]
其中，
[0080][0081]
将状态方程离散化，并忽略扰动项可以得离散型状态空间方程 为：
[0082][0083]
其中xi为i时刻的状态变量，ui为i时刻的控制力。其中， 由此，能够方便得到动力学 方程的离散型状态空间方程。
[0084]
在一些示例中，可以通过零阶保持法获得动力学方程的离散型状 态方程。
[0085]
在一些示例中，设待确定的输入参数包括预测区间n，性能权重 矩阵q，成本权重矩阵r，终端权重矩阵f，其中 q1、q2、q3、q4为权重系数。
[0086]
在一些示例中，模型预测控制算法可以包括如下步骤：
[0087]
设定当前时刻为k，则系统状态变量为xk。
[0088]
求解二次规划(quadratic programming)问题：
[0089][0090]
通过约束条件
[0091]
获得满足约束条件的未来n个时刻的n个最优控制力， 以使得未来n步的目标函数j最小，其中d、deq可以为预先设定的 参数矩阵，在一些示例中，d可以为单位矩阵；lb、ub为ui的上下界；
[0092]
根据半主动条件
[0093]
施加当前时刻的最优控制 力f
mrd,k
，接着向前滚动到下一时刻k+1；
[0094]
不断重复上述步骤直至结束。
[0095]
其中
[0096][0097][0098]
由此，能够方便根据该模型预测控制算法通过滚动优化获得各个时刻 的最优控制力。
[0099]
在一些示例中，成本权重矩阵r和终端权重矩阵f可以为定值。
[0100]
在一些示例中，可以基于模型预测控制算法，通过选取预定数量 的不同的预测区间n和性能权重矩阵q，以建立针对四种车辆响应的 四种半主动控制方案。
[0101]
以簧上质量加速度为控制目标的第一半主动控制方案的目标函数 为：
[0102][0103]
其中
[0104]
以悬架变形信号为控制目标的第二半主动控制方案的目标函数为：
[0105][0106]
其中xa＝[0,xs(t)-x
t
(t),0,0]
t
；
[0107]
以簧下质量加速度为控制目标的第三半主动控制方案的目标函数 为：
[0108][0109]
其中
[0110]
以轮胎变形信号为控制目标的第四半主动控制方案的目标函数为：
[0111][0112]
其中xa＝[0,0,0,x
t
(t)-xg(t)]
t
。在这种情况下，能够方便基于模型预测控 制算法得到针对四种车辆响应的四种半主动控制方案。
[0113]
在一些示例中，可以将上述四种半主动控制模型中的目标函数ja、 jb、jc、jd转换为上述二次规划问题的一般形式，也即公式(4)，然后 分别对其求解二次规划问题。由此，能够方便运算和求解出目标函数 中的最优控制力。
[0114]
图5示出了本公开的示例所涉及的人工蜂群算法计算设计参数最 优解的一个示
例的流程示意图。图6示出了本公开的示例所涉及的人 工蜂群算法计算设计参数最优解的另一个示例的流程示意图，图6也 可以为关于图5的具体的流程图。
[0115]
参照图5，在一些示例中，人工蜂群算法可以包括如下步骤：
[0116]
步骤s400：初始化阶段，可以随机产生预定数量的蜜源并计算其 对应的花蜜量，其中，雇佣蜂、观察蜂与蜜源的数量相等；
[0117]
步骤s500：雇佣蜂阶段，可以使每个雇佣蜂在蜜源附近按照levy 飞行规则寻找一个邻近的新蜜源，雇佣蜂评估新蜜源并根据贪心策略 选择合适的蜜源；
[0118]
步骤s600：观察蜂阶段，观察蜂按照轮盘赌策略选择是否跟随蜜 源，当观察蜂选择跟随该蜜源后，则执行雇佣蜂阶段的改进操作；
[0119]
步骤s700：侦查蜂阶段，如果一个蜜源多次更新没有改进，则放 弃该蜜源，侦查蜂可以按照levy飞行规则重新选取新蜜源；
[0120]
重复上述步骤直至满足终止条件输出最优解。在这种情况下，能 够方便根据人工蜂群算法求得对应最优蜜源的参数矩阵的最优解。
[0121]
在一些示例中，预定数量可以为100，也即雇佣蜂、观察蜂、以及 蜜源的数量可以皆为100，每个蜜源可以为一个解向量 s＝[q1,q2,q3,q4,n]，根据公式：
[0122]
s＝lh+(uh-lh)
×
rand(0,1)
……
公式(9)
[0123]
可以随机生成100个蜜源，其中uh、lh为解向量的上下界，rand(0,1) 为0至1之间的一个随机数，第i个花蜜量的计算公式为
[0124][0125]
其中k∈[a,b,c,d]，abs为绝对值符号。
[0126]
在一些示例中，每个雇佣蜂在蜜源附近按照可以levy飞行规则寻 找一个邻近的新蜜源，新蜜源的计算公式为：
[0127]
s＝si+αlevy(β)(s
i-si)
……
公式(11)
[0128]
其中α＝0.1，β＝1.5，u、v为两个服从标准正态分布的随机 数，
[0129]
观察蜂可以按照轮盘赌策略依据跟随概率pi选择是否跟随蜜源si， 当观察蜂选择跟随该蜜源si后，则执行雇佣蜂阶段的改进操作，其中 由此，能够方便执行人工蜂群算法。
[0130]
参照图6，在步骤s400的初始化阶段，可以随机产生100个初始 蜜源并分别计算100个蜜源的花蜜量。
[0131]
在步骤s500的雇佣蜂阶段，雇佣蜂可以基于levy飞行规则寻找邻 近的新蜜源，并计算和评估新蜜源的花蜜量，并根据贪心策略改进新 蜜源；接着可以判断新蜜源是否有改进，有的话则将新蜜源替换旧蜜 源，没有改进的话，则将改进次数加1并判断改进次数是否超过限制， 没有超过限制则执行步骤s600，超过限制则执行步骤s700。
[0132]
在步骤s600的观察蜂阶段，观察蜂可以根据雇佣蜂提供的信息， 按照轮盘赌策略依据跟随概率pi判断是否进行跟随蜜源si；当观察蜂 选择跟随该蜜源后，可以基于levy飞行规则寻找邻近的新蜜源，评估 其花蜜量并根据贪心策略改进蜜源；接着，可以判断此新蜜源是否有 改进，有的话则将新蜜源替换旧蜜源，没有改进的话，则将改进次数 加1并判断改进次数是否超过限制，没有超过限制则继续寻找新蜜源 并记录，超过限制则执行步骤s700。
[0133]
在步骤s700的侦查蜂阶段，当一个蜜源多次更新没有改进或侦查 蜂判断为改进次数超过限制时，则放弃该枯竭的蜜源，侦查蜂可以继 续按照levy飞行规则重新寻找新的蜜源。
[0134]
重复上述步骤，直至达到迭代的终止条件。
[0135]
在一些示例中，簧上质量加速度的归一化响应信号可以为悬架变形x
s-x
t
的归一化响应信号可以为p2|x
s-x
t
|，簧下质量加速度的 归一化响应信号可以为p3|x
t
|，轮胎变形x
t-xg的归一化响应信号可以为p4|x
t-xg|。
[0136]
在一些示例中，动态选择方法可以为：若 则选择第一种控制方案；若 则选择第二种控制方案；若则选择第三种控制方案；若 则选择第四种控制方案，其 中p1、p2、p3、p4为归一化系数。由此，能够实时对车辆归一化响应信 号进行比较从而找出需要优先控制的目标响应，并选择对应的半主动 控制方案予以控制。
[0137]
在一些示例中，归一化系数可以由车辆在标准路面下各响应的均 方根值的倒数进行确定。
[0138]
图7是示出了本公开所涉及的磁流变悬架和被动悬架针对车身竖 向加速度响应(也即簧上质量加速度或簧下质量加速度响应)的控制 效果对比图，进一步地，浅色脉冲线代表被动悬架，深色脉冲线代表 磁流变半主动悬架，图7中轴向的脉冲线中间密集区域线为磁流变半 主动悬架的关于车身竖向加速度的响应，图7中轴向的脉冲线外围发 散区域线为被动悬架的关于车身竖向加速度的响应。图8是示出了本 公开所涉及的磁流变半主动悬架输出控制力的示意图。
[0139]
参照图7和图8，考虑d级路面，车速50km/h，磁流变半主动悬 架输出阻尼力最大绝对值不超过2500n，对车辆原厂被动悬架以及本 公开的可变阻尼半主动悬架进行控制仿
真。通过比较可以发现，本公 开所涉及的可变阻尼悬架对车辆响应的控制效果好于原厂悬架，且输 出的控制力严格满足设计时的约束范围。由此，根据本公开的用于车 辆可变阻尼半主动悬架系统的控制方法，能够提升可变阻尼悬架系统 的控制效果。
[0140]
本公开可变阻尼半主动悬架系统的工作原理：
[0141]
在本实施方式中，簧上质量速度信号和簧上质量位移信号xs的计 算程序、簧下质量速度信号和簧下质量位移信号x
t
的计算程序、悬架 变形和轮胎变形的计算程序、系统模型、模型预测控制算法、人工蜂 群算法、动态选择方法等算法可以预先存储在存储单元15中，在汽车 具体运行时，安装在车辆前悬架弹簧座上端或后悬架上部车架的第一 加速度传感器a1可以实时测得簧上质量加速度通过安装在可变阻 尼减振器下端的第二加速度传感器a2可以实时测得簧下质量加速度信号采集与处理单元13可以采集汽车的上述信号并处理为控制单元 14可识别的信号(数字信号或模拟信号)以输出至控制单元14，控制 单元14可以进一步调用存储在存储单元15中的计算程序估算出悬架 变形和轮胎变形信号，以此获得四种目标响应信号，四种目标响应信 号可以输入系统模型和模型预测控制算法中以获得四种控制方案，基 于人工蜂群算法可以分别获得四种控制方案中的参数矩阵的最优解， 接着可以根据动态选择方法，以动态选择出四种控制方案中的最优控 制方案并带入获得的最优参数矩阵求出最优控制方案的最优输出控制 力，最后控制单元14可以根据该最优输出控制力实时对车辆的相应部 位施加控制。
[0142]
虽然以上结合附图和实施方式对本公开进行了具体说明，但是可 以理解，上述说明不以任何形式限制本公开。本领域技术人员在不偏 离本公开的实质精神和范围的情况下可以根据需要对本公开进行变形 和变化，这些变形和变化均落入本公开的范围内。

技术特征：
1.一种用于车辆的可变阻尼半主动悬架系统的控制方法，其特征在于，包括以下步骤：测得车辆的簧上质量加速度、簧下质量加速度、悬架变形、以及轮胎变形四种目标响应信号；以离散型状态空间方程形式建立可变阻尼半主动悬架的系统模型，基于模型预测控制算法建立所述系统模型中的关于所述四种目标响应信号的四种控制方案；基于人工蜂群算法分别获得所述四种控制方案中的参数矩阵的最优解；并且求得所述四种目标响应信号的归一化响应信号，并对四种归一化响应信号进行比较，以动态选择出所述四种控制方案中的最优控制方案并对所述车辆施加控制。2.根据权利要求1所述的控制方法，其特征在于，通过安装在前悬架弹簧座上端或者后悬架上部车架的第一加速度传感器测得所述簧上质量加速度并积分得到簧上质量速度信号和簧上质量位移信号x
s
，通过安装在可变阻尼减振器下端的第二加速度传感器测得所述簧下质量加速度并积分得到簧下质量速度信号和簧下质量位移信号x
t
，利用所述簧上质量加速度和簧下质量加速度估算得出悬架变形信号x
s-x
t
和轮胎变形信号x
t-x
g
；x
g
为轮胎由地面振动激励的位移。3.根据权利要求2所述的控制方法，其特征在于，车辆四分之一可变阻尼半主动悬架的动力学方程为其中m
s
为簧上质量，m
t
为簧下质量，k
s
为悬架刚度，k
t
为轮胎刚度，f
mrd
为可变阻尼减振器产生的控制力。4.根据权利要求3所述的控制方法，其特征在于，设状态变量根据所述动力学方程获得所述可变阻尼悬架系统的状态方程为其中将所述状态方程离散化，并忽略扰动项得所述离散型状态方程为其中x
i
为i时刻的状态变量，u
i
为i时刻的控制力。5.根据权利要求4所述的控制方法，其特征在于，待确定的所述参数矩阵包括预测区间n，性能权重矩阵q，成本权重矩阵r，终端权重矩阵f，其中
q1、q2、q3、q4为权重系数。6.根据权利要求5所述的控制方法，其特征在于，所述模型预测控制算法包括如下步骤：设当前时刻为k，则系统状态变量为x
k
；求解二次规划问题通过满足约束条件获得未来n个时刻的n个最优控制力；根据半主动条件施加当前时刻k的最优控制力f
mrd,k
，接着向前滚动到下一时刻k+1；重复上述步骤，直至结束，其中其中其中e＝[0 0 0 0]
t
。7.根据权利要求6所述的控制方法，其特征在于，基于所述模型预测控制算法，通过选取不同的预测区间n和性能权重矩阵q，以减小四种目标响应信号为目标分别建立四种控制方案：以所述簧上质量加速度为控制目标的第一半主动控制方案为其中以所述悬架变形信号为控制目标的第二半主动控制方案为
其中x
b
＝[0，x
s
(t)-x
t
(t)，0，0]
t
；以所述簧下质量加速度为控制目标的第三半主动控制方案为其中以所述轮胎变形信号为控制目标的第四半主动控制方案为其中x
d
＝[0，0，0，x
t
(t)-x
g
(t)]
t
。8.根据权利要求7所述的控制方法，其特征在于，所述人工蜂群算法包括如下步骤：初始化阶段，随机产生预定数量的蜜源并计算其对应的花蜜量，其中，雇佣蜂、观察蜂与蜜源的数量相等；雇佣蜂阶段，每个雇佣蜂在蜜源附近按照levy飞行规则寻找一个邻近的新蜜源，雇佣蜂评估新蜜源并根据贪心策略选择合适的蜜源；观察蜂阶段，观察蜂按照轮盘赌策略选择是否跟随蜜源，当观察蜂选择跟随该蜜源后，则执行雇佣蜂阶段的改进操作；侦查蜂阶段，如果一个蜜源多次更新没有改进，则放弃该蜜源，侦查蜂按照所述levy飞行规则重新选取新蜜源；重复上述步骤直至满足终止条件输出最优解。9.根据权利要求8所述的控制方法，其特征在于，设所述雇佣蜂、所述观察蜂、以及所述蜜源的所述预定数量皆为100，每个蜜源为一个解向量s＝[q1,q2,q3,q4,n]，并根据公式s＝lh+(uh-lh)
×
rand(0,1)随机生成100个蜜源并计算每个蜜源的花蜜量，其中uh、lh为解向量的上下界，rand(0,1)为0至1之间的一个随机数，第i个花蜜量的计算公式为其中k∈[a,b,c,d]，abs为绝对值符号；新蜜源的计算公式为s＝s
i
+αlevy(β)(s
i-s
i
)，其中α＝0.1，β＝1.5，u、v为两个服从标准正态分布的随机数，观察蜂按照轮盘赌策略依据跟随概率p
i
选择是否跟随蜜源s
i
，当观察蜂选择跟随该蜜源s
i
后，则执行雇佣蜂阶段的改进操作，其中10.根据权利要求7或8或9所述的控制方法，其特征在于，
所述簧上质量加速度的归一化响应信号为所述悬架变形x
s-x
t
的归一化响应信号为p2|x
s-x
t
|，所述簧下质量加速度的归一化响应信号为p3|x
t
|，所述轮胎变形x
t-x
g
的归一化响应信号为p4|x
t-x
g
|；动态选择方法为：若则选择所述第一种控制方案，若则选择所述第二种控制方案，若则选择所述第三种控制方案，若则选择所述第四种控制方案，其中p1、p2、p3、p4为归一化系数。

技术总结
本公开描述了一种用于车辆的可变阻尼半主动悬架系统的控制方法，其包括以下步骤：测得车辆的簧上质量加速度、簧下质量加速度、悬架变形、以及轮胎变形四种目标响应信号；以离散型状态空间方程形式建立可变阻尼半主动悬架的系统模型，基于模型预测控制算法建立系统模型中的关于四种目标响应信号的四种控制方案；基于人工蜂群算法分别获得四种控制方案中的参数矩阵的最优解；求得四种目标响应信号的归一化响应信号，并对四种归一化响应信号进行比较，以动态选择出四种控制方案中的最优控制方案并对车辆施加控制。由此，能够显著提升对车辆的控制效果，进而能够提高车辆的乘坐舒适性与驾驶稳定性。性与驾驶稳定性。性与驾驶稳定性。


技术研发人员：许天成 李延成
受保护的技术使用者：深圳市朝上科技有限责任公司
技术研发日：2022.09.26
技术公布日：2023/1/6