一种馈能悬架自适应离线神经网络逆控制系统及方法
【专利摘要】本发明公开了一种馈能悬架自适应离线神经网络逆控制系统及方法，该系统具有4个输入端口和1个输出端口，包括离线神经网络逆控制器、自适应控制器、自适应算法、脉宽调制器、加法器、比较器和时延模块。其中：4个输入端口的输入信号分别为储能元件的端电压Us，电磁阻尼器的实际输出电流ireal和工作速度v，以及电磁阻尼器的给定电流iref，输出端口的输出信号为控制DC-DC变换器的脉冲信号。本发明采用离线神经网络逆提供馈能悬架所需的稳态控制输入，由系统参数摄动和外界不确定性扰动引起的干扰则由自适应控制器进行补偿，提高了控制系统的鲁棒性和系统的抗干扰能力，加速了电磁阻尼器的绕组实际电流对理想给定电流的跟踪。
【专利说明】一种馈能悬架自适应离线神经网络逆控制系统及方法
【技术领域】
[0001] 本发明涉及一种馈能悬架自适应离线神经网络逆控制方法，属于车辆悬架系统智 能控制【技术领域】。
【背景技术】
[0002] 馈能悬架能够回收悬架系统由于路面激励而产生的振动能量，减少了悬架系统 的能耗，具有较好的应用前景。目前，馈能悬架的研究重心集中在如何进行低馈能电压的 存储、协调悬架馈能性能与隔振性能等方面，因此，馈能悬架系统中馈能回路的设计至关重 要。
[0003] DC-DC变换器由于能够实现功率变换、调节输出电压等优点，可以有效地应用到馈 能回路的设计中。当馈能悬架无外接动力源时，可以通过控制DC-DC变换器使馈能悬架工 作在半主动模式，从而提高馈能悬架的舒适性和安全性。然而，由于车身、轮胎等本身是复 杂的非线性元件，馈能悬架中的电磁阻尼器以及DC-DC变换器也存在很强的非线性和时变 性，系统参数往往是不精确和变化的，如输入电压的非线性衰减以及波动干扰，电容电感寄 存电阻的忽略，负载的不确定性容易造成控制器参数和实际参数不匹配，从而导致系统性 能的恶化；同时，馈能悬架系统的输入受到路面随机激励的影响，其工作过程受到外界的干 扰，本身结构参数因会存在着不同程度的摄动，所以对DC-DC变换器进行实时控制时，对控 制系统的动态响应特性和抗干扰能力要求尤为严格，控制系统必须能精确、快速反应，能根 据输入电压和负载的变化自适应调整控制器，才能保证系统具有良好的动态响应性能和鲁 棒性。
[0004] 传统的DC-DC变换器控制方法依赖于对其数学模型的显式描述，如滑模控制、自 校正控制、鲁棒控制等，而DC-DC变换器是一个高阶、强非线性、时变或断续的离散电路，因 而很难用精确的数学模型对其进行解析分析。智能控制包括专家系统、模糊逻辑和神经网 络，为解决这类问题提供了新的、强有力的工具，为馈能悬架用DC-DC变换器的控制方法设 计提供了新的思路。
【发明内容】
[0005] 本发明的目的是提供一种能够提高馈能悬架系统在参数摄动和外界扰动下对给 定电磁阻尼力的快速跟踪能力及抗干扰能力的控制方法。
[0006] 本发明解决该技术问题所采用的技术方案是：将馈能悬架用DC-DC变换器的实际 控制输入分解成产生稳态分量的稳态控制输入和补偿系统参数变化和不确定扰动项的补 偿控制输入，构建自适应离线神经网络逆控制系统，由经过训练的离线神经网络逆控制器 产生DC-DC变换器的稳态控制输入，由自适应控制器产生补偿控制输入，将两部分输入经 过加法器，得到DC-DC变换器的实际控制输入。
[0007] 自适应离线神经网络逆控制系统的被控对象为馈能悬架用DC-DC变换器，馈能 悬架由弹簧和电磁阻尼器构成，电磁阻尼器可以为直线电机或旋转电机，且无外部动力源 提供动力，电磁阻尼器仅工作在发电状态，产生的交流电流经过整流器被转换成直流输入 DC-DC变换器，并存储到储能元件中，储能元件可以为超级电容或者蓄电池，自适应离线神 经网络逆控制系统通过控制DC-DC变换器中的功率开关管，调节电磁阻尼器的绕组电流， 以实现电磁阻尼器阻尼力实时可控。
[0008] 构建的自适应离线神经网络逆控制系统具有4个输入端口和1个输出端口，包括 离线神经网络逆控制器、自适应控制器、自适应算法、脉宽调制器、加法器、比较器和时延模 块，其中：4个输入端口的输入信号分别为储能兀件的端电压i/ s、电磁阻尼器的实际输出电 流iMal和工作速度^以及电磁阻尼器的给定理想电流iMf，输出端口的输出信号为控制 DC-DC变换器的脉冲信号，脉冲信号的维数由DC-DC变换器中被控功率开关管的个数决定； 电磁阻尼器的绕组实际电流信号iMf与给定理想电流iMal为比较器的输入，比较器的 输出端接自适应控制算法的输入端，自适应控制算法的输出端接入自适应控制器，调整自 适应控制器的权值，给定理想电流iMf经过时延模块形成的时延信号序列构成自适应控制 器的输入，离线神经网络逆控制器的输入为储能元件端电压?4、电磁阻尼器的工作速度^ 和给定理想电流i Mf，离线神经网络逆控制器和自适应控制器的输出端均接加法器的输入 端，加法器的输出端为占空比信号，且接入脉宽调制器的输入端，脉宽调制器的输出端接入 DC-DC变换器的输入端，脉宽调制器的输出端也即为自适应离线神经网络逆控制系统的输 出端。
[0009] 其中，离线神经网络逆控制器采用BP神经网络，训练样本根据DC-DC变换器的稳 态模型得到，确定DC-DC变换器在不同储能元件端电压、电磁阻尼器工作速度以及占空比 下的稳态电流，并将对应的储能元件端电压、电磁阻尼器工作速度和其稳态电流作为离线 神经网络逆控制器的输入，占空比作为输出，对离线神经网络逆控制器进行训练；自适应控 制器采用自适应FIR滤波器，自适应算法采用归一化LMS算法。
[0010] 该馈能悬架自适应离线神经网络逆控制方法包括如下内容： (1) 确定被控对象DC-DC变换器的输入变量、输出变量以及状态变量，并建立DC-DC变 换器的稳态模型和动态小信号模型，模型的输入包括控制DC-DC变换器内部功率开关管的 脉冲信号和电磁阻尼器的绕组反电势，输出变量和状态变量根据控制要求选取； (2) 根据DC-DC变换器的稳态模型，确定离线神经网络逆控制器的样本集，训练离线 神经网络逆控制器的样本输入集为储能元件端电压、电磁阻尼器工作速度及其绕组稳态电 流，占空比为样本输出集，采用输入、输出样本集对BP神经网络进行训练，确定神经网络的 各个权系数，构建离线神经网络逆控制器； (3) 离线神经网络逆控制器根据采集到的储能元件端电压K、电磁阻尼器的工作速度r 和给定理想电流iMf信号，提供DC-DC变换器的稳态控制输入； (4) 初始化自适应控制器的权值系数，自适应控制器根据时延模块传输的输入信号产 生DC-DC变换器的初始补偿控制输入； (5) 离线神经网络逆控制器的稳态控制输入和自适应控制器的初始补偿控制输入经过 加法器产生占空比信号，该占空比信号经过脉宽调制器被转换成相应的PWM脉冲信号控制 DC-DC变换器中各个功率开关管； (6) 在对DC-DC变换器的控制下，电磁阻尼器的绕组实际电流iMal改变，该电流与给定 理想电流iMf经过比较器产生自适应算法的输入信号，经过相应的处理计算，自适应算法对 自适应控制器的权值系数进行更新； (7)权值系数经过更新后的自适应控制器根据时延模块传输的输入信号产生新的补偿 控制输入，该补偿输入与离线神经网络逆控制器（501)的稳态控制输入控制DC-DC变换器 (30)，使电磁阻尼器（102)的绕组实际电流厶 eal改变，从而对自适应控制器（502)的权值系 数进行再修正，使绕组实际电流iMal逼近给定理想电流值i Mf。 toon] 本发明的有益效果是：本发明采用离线神经网络逆提供馈能悬架所需的稳态控制 输入，由系统参数摄动和外界不确定性扰动引起的干扰则由自适应控制器进行补偿，提高 了控制系统的鲁棒性和系统的抗干扰能力，增加离线神经网络逆控制器的学习样本，可以 增强神经网络的泛化能力，加速电磁阻尼器的绕组实际电流对理想给定电流的跟踪。
【专利附图】
【附图说明】
[0012] 图1是馈能悬架系统结构示意图。
[0013] 图2是自适应离线神经网络逆控制系统。
[0014] 图3是选定的DC-DC变换器结构示意图。
[0015] 图4是馈能悬架系统的等效电路模型。
[0016] 图中：10、馈能悬架，20、整流器，30、DC-DC变换器，40、储能元件，50、自适应离线 神经网络逆控制系统，101、弹簧，102、电磁阻尼器，301、升压电感，302、功率开关管，501、离 线神经网络逆控制器，502、自适应控制器，503、自适应算法，504、脉宽调制器，505、加法器， 506、比较器，507、时延模块。
【具体实施方式】
[0017] 下面结合附图和具体实施例对本发明的技术方案作进一步说明。
[0018] 首先，构建如图2所示的自适应离线神经网络逆控制系统50,其包含4个输入端口 和1个输出端口，由离线神经网络逆控制器501、自适应控制器502、自适应算法503、脉宽调 制器504、加法器505、比较器506和时延模块507组成。其中：4个输入端口的输入信号分 别为储能元件40的端电压K，电磁阻尼器102的实际输出电流i Mal和工作速度^以及电 磁阻尼器102的给定理想电流i,ef，输出端口的输出信号为控制DC-DC变换器30的脉冲信 号，脉冲信号的维数由DC-DC变换器30中被控功率开关管的个数决定。
[0019] 电流信号厶ef与厶eal为比较器506的输入，比较器506的输出端接自适应控制算法 503的输入端，自适应控制算法503的输出端接入自适应控制器502,给定理想电流i, ef经过 时延模块507形成的时延信号序列构成自适应控制器502的输入，离线神经网络逆控制器 501的输入为储能元件40端电压i/ s、电磁阻尼器102的工作速度r和给定理想电流iief，离 线神经网络逆控制器501的输出端和自适应控制器502的输出端均接入加法器505的输入 端，加法器505的输出端为占空比信号，且接入脉宽调制器504的输入端，占空比信号经过 脉宽调制器504被转化为相应的脉冲信号，脉宽调制器504的输出端接入DC-DC变换器30 的输入端，脉宽调制器504的输出端即为自适应离线神经网络逆控制系统50的输出端。
[0020] 本发明中馈能悬架系统的结构如图1所示。
[0021] 为了详细阐述本发明实施例的具体步骤内容，选定电磁阻尼器102为直线电机， DC-DC变换器如图3所示，储能元件40定为超级电容。
[0022] 具体步骤内容如下： (1) 建立馈能悬架系统的等效电路模型，如图4所示。图中，7?和Z分别为直线电机的 内阻和电感，i为电机绕组电流，^为升压电感，\为电机绕组的感应电动势，经过整流器 20后，\变为直流电压，且满足\=九7 (九为直线电机反电势系数^为直线电机工作速度的 大小），SC为超级电容。假设电路中各元件均为理想元件，选定DC-DC变换器30工作在电 流连续模式下，功率开关管302的工作周期为/；，占空比为汄则
【权利要求】
1. 一种馈能悬架自适应离线神经网络逆控制系统，其特征在于，所述馈能悬架自适应 离线神经网络逆控制系统（50)具有4个输入端口和1个输出端口，包括离线神经网络逆控 制器（501)、自适应控制器（502)、自适应算法（503)、脉宽调制器（504)、加法器（505)、比较 器（506)和时延模块（507)，其中：4个输入端口的输入信号分别为储能兀件（40)的端电压 t电磁阻尼器（102)的实际输出电流iMal和工作速度以及电磁阻尼器（102)的给定理 想电流i Mf，输出端口的输出信号为控制DC-DC变换器（30)的脉冲信号，脉冲信号的维数由 DC-DC变换器（30)中被控功率开关管的个数决定； 电流信号Aef与厶eal为比较器（506)的输入，比较器（506)的输出端接自适应控制算 法（503)的输入端，自适应控制算法（503)的输出端接入自适应控制器（502)，以调整自适 应控制器（502)的权值，给定理想电流i, ef经过时延模块（507)形成的时延信号序列构成自 适应控制器（502)的输入，离线神经网络逆控制器（501)的输入为储能元件（40)端电压K、 电磁阻尼器（102)的工作速度r和给定理想电流i Mf，离线神经网络逆控制器（501)的输出 端和自适应控制器（502)的输出端均接加法器（505)的输入端，加法器（505)的输出端为占 空比信号，且接入脉宽调制器（504)的输入端，占空比信号经过脉宽调制器（504)被转化为 相应的脉冲信号，脉宽调制器（504)的输出端接入DC-DC变换器（30)的输入端，脉宽调制器 (504)的输出端即为自适应离线神经网络逆控制系统（50)的输出端。
2. 根据权利要求1所述的馈能悬架自适应离线神经网络逆控制系统，其特征在于，所 述馈能悬架自适应离线神经网络逆控制系统（50)的被控对象为馈能悬架（10)用DC-DC变 换器（30)，其中，馈能悬架（10)由弹簧（101)和电磁阻尼器（102)构成，电磁阻尼器（102) 无外部动力源提供动力，仅仅工作在发电状态，电磁阻尼器（102)产生的交流电流经过整流 器（20 )被转换成直流输入DC-DC变换器（30 )，并存储到储能元件（40 )中，馈能悬架自适应 离线神经网络逆控制系统（50)通过控制DC-DC变换器（30)中的功率开关管，调节电磁阻尼 器（102)的绕组电流，以实现电磁阻尼器（102)阻尼力实时可控。
3. 根据权利要求1所述的馈能悬架自适应离线神经网络逆控制系统，其特征在于，所 述离线神经网络逆控制器（501)采用BP神经网络，训练样本根据DC-DC变换器（30)的稳态 模型得到，确定DC-DC变换器（30)在不同储能元件（40)端电压、电磁阻尼器（102)工作速 度以及占空比下的稳态电流，并将对应的储能元件（40)端电压、电磁阻尼器（102)工作速 度和其稳态电流作为离线神经网络逆控制器（501)的输入，占空比作为输出，对离线神经网 络逆控制器（501)进行训练。
4. 根据权利要求1所述的馈能悬架自适应离线神经网络逆控制系统，其特征在于，所 述自适应控制器（502 )采用自适应FIR滤波器，自适应算法（503 )采用归一化LMS算法。
5. 根据权利要求2所述的馈能悬架自适应离线神经网络逆控制系统，其特征在于，所 述电磁阻尼器（102)为直线电机或旋转电机，所述储能元件（40)为超级电容或者蓄电池。
6. -种馈能悬架自适应离线神经网络逆控制方法，包括如下步骤： (1) 确定被控对象DC-DC变换器（30)的输入变量、输出变量以及状态变量，并建立 DC-DC变换器（30 )的稳态模型和动态小信号模型，模型的输入包括控制DC-DC变换器（30 ) 内部功率开关管的脉冲信号和电磁阻尼器（102)的绕组反电势，输出变量和状态变量根据 控制要求选取； (2) 根据DC-DC变换器（30)的稳态模型，确定离线神经网络逆控制器（501)的样本 集，训练离线神经网络逆控制器（501)的样本输入集为储能元件（40)端电压、电磁阻尼器 (102)工作速度及其绕组稳态电流，占空比为样本输出集，采用输入、输出样本集对BP神经 网络进行训练，确定神经网络的各个权系数，构建离线神经网络逆控制器（501); (3) 离线神经网络逆控制器（501)根据采集到的储能元件（40)端电压K、电磁阻尼器 (102 )的工作速度r和给定理想电流iMf信号，提供DC-DC变换器（30 )的稳态控制输入； (4) 初始化自适应控制器（502)的权值系数，自适应控制器（502)根据时延模块（507) 传输的输入信号产生DC-DC变换器（30)的初始补偿控制输入； (5) 离线神经网络逆控制器（501)的稳态控制输入和自适应控制器（502)的初始补偿 控制输入经过加法器（505)产生占空比信号，该占空比信号经过脉宽调制器（40)被转换成 相应的PWM脉冲信号控制DC-DC变换器（30)中各个功率开关管； (6) 在对DC-DC变换器（30)的控制下，电磁阻尼器（102)的绕组实际电流厶eal改变，该 电流与给定理想电流i, ef经过比较器（506)产生自适应算法（503)的输入信号，经过相应的 处理计算，自适应算法（503)对自适应控制器（502)的权值系数进行更新； (7) 经过更新后的自适应控制器（502)根据时延模块（507)传输的输入信号产生新的 补偿控制输入，该补偿输入与离线神经网络逆控制器（501)的稳态控制输入控制DC-DC变 换器（30)，使电磁阻尼器（102)的绕组实际电流厶 eal改变，从而对自适应控制器（502)的权 值系数进行再修正，使绕组实际电流iMal不断逼近给定理想电流值i Mf。
【文档编号】B60G17/015GK104085265SQ201410257624
【公开日】2014年10月8日 申请日期:2014年6月12日 优先权日:2014年6月12日
【发明者】施德华, 陈龙, 汪若尘, 钱金刚, 沈钰杰 申请人:江苏大学