基于遗传算法优化的模糊PID主动悬架控制系统及方法

本发明涉及悬架控制技术领域，尤其涉及一种基于遗传算法优化的模糊pid主动悬架控制系统及方法。

背景技术：

在汽车技术的发展过程中，悬架设计一直是一个重点工作，悬架性能作为衡量汽车好坏的重要标准之一。传统的被动悬架，无法满足客户的需求，而主动悬架系统能够改变悬架刚度和阻尼，提高汽车整体的安全性，同时也提高乘客的乘坐舒适性，采用的主动悬架控制方法，比如模糊pid控制、天棚阻尼控制、滑模控制等。

目前，对于模糊pid控制，模糊控制的原理是将输入输出的参数模糊化，然后根据专家经验建立模糊控制规则库，控制器根据控制规则实现控制系统的模糊推理，最后将输出参数解模糊得到具体值。

然而，虽然合理的模糊规则以及隶属度函数能够使系统达到更加理想的控制效果。但是根据设计中的七个模糊状态变量(如负大、负中、负小、零、正小、正中、正大)以及双输入三输出可以得知，仅模糊控制规则就存在7⁵条，对于需要专家经验来确定模糊规则的模糊控制器来说，这是一个非常大的数值范围，那么寻优求解也是既费时又费力的，最终这都不利用对主动悬架的实施控制，从而大大降低行驶平顺性、操作稳定性和乘坐舒适性的驾驶体验。

技术实现要素：

本发明提供一种基于遗传算法优化的模糊pid主动悬架控制系统及方法，主要目的在于通过遗传算法对模糊规则进行优化，最终使得模糊控制器对于pid控制的参数更加合理，最终更加有利于对悬架实施控制，从而确保行驶平顺性、操作稳定性和乘坐舒适性的驾驶体验。

为了达到上述目的，本发明主要提供如下技术方案：

本申请第一方面提供了一种基于遗传算法优化的模糊pid主动悬架控制系统，该系统包括：

信息采集单元，设置在车身上，用于采集路况信息和车身信息，所述车身信息至少包括车身加速度、悬架动行程、车身的俯仰角和侧倾角，利用所述路况信息和所述车身信息生成第一信号；

信息处理单元，与所述信息采集单元连接，用于利用滤波器对所述第一信号执行预处理得到预处理信号，所述预处理信号包含当前路况特征和车身信息特征；

控制器，与所述信息处理单元连接，用于根据所述预处理信号实现控制驱动部件调整悬架本体的工作状态；所述控制器分为上层控制器和下层控制器，所述上层控制器为基于遗传算法模糊pid主动悬架力控制器；所述下层控制器将所述上层控制器输出的期望控制器转化为比例方向电磁阀所需的控制电压，所述比例方向电磁阀通过调节进出悬架流量实现所述上层控制器输出的期望控制力；其中，所述上层控制器通过遗传算法获得模糊规则，根据所述模糊控制规则以及结合所述下层控制器实现对悬架控制。

在本申请第一方面的一些变更实施方式中，所述系统还包括：加速度传感器，用于测量车身加速度；位移传感器，用于测量悬架动行程以及还用于测量位移去计算轮胎动静载比值；陀螺仪，用于测量俯仰角和侧倾角；激光雷达部件，用于测量路况信息并获取路面高程。

在本申请第一方面的一些变更实施方式中，所述轮胎动静载比值表示为

其中，m1、m2分别为簧载质量与簧下质量，xu、xr分别为运动过程中的轮胎位移以及由于地面起伏而产生的对悬架的输入位移，kt为轮胎等效刚度系数，g为重力加速度；

所述轮胎动静载比值为小于1，用于在车辆行驶过程中需要轮胎与地面间始终存在正压力，以保证可靠的轮胎附着力，保证操作稳定性和安全性。

在本申请第一方面的一些变更实施方式中，所述主动悬架分为主动空气悬架或主动油气悬架。

本申请第二方面提供了一种基于遗传算法优化的模糊pid主动悬架控制方法，用于如上第一方面所述的基于遗传算法优化的模糊pid主动悬架控制系统，该方法包括：

采集当前路况信息和车身信息生成第一信号，所述车身信息至少包括车身加速度、悬架动行程、车身的俯仰角和侧倾角；

利用滤波器对所述第一信号执行预处理得到预处理信号，所述预处理信号包含当前路况特征和车身信息特征；

将所述预处理信号作为输入信号输入控制器，所述控制器分为上层控制器和下层控制器；

在所述上层控制器内通过遗传算法获得模糊规则并结合下层控制器实现对悬架的控制。

在本申请第二方面的一些变更实施方式中，若所述主动悬架为主动油气悬架，所述在所述上层控制器内通过遗传算法获得模糊规则并结合下层控制器实现对悬架的控制，包括：

将车辆简化为1/4车辆模型；

通过调节比例电磁阀可切换油气弹簧的充放油过程以及控制油液流量；

根据倾斜角度和轴距、轮距计算得到车身高度的调节量；

根据对车辆悬架控制系统的要求，确定悬架刚度，悬架阻尼的范围；

建立遗传算法的适应度函数，优化目标为在满足约束条件的可行域内使得适应度值最小，当不满足时，终止寻优，输出上一时刻满足得值；

建立初始种群，初始种群为对应的模糊状态变量即分别为负大、负中、负小、零、正小、正中、正大组成，并且各变量采用三角形隶属度函数进行求解，设置好遗传代数后，种群便会重复以上一般优化步骤，并不断迭代产生个体适应度更高的新种群；

经过上述建立初始种群的处理步骤以得到模糊规则，对差值e信号求导后得到ec并一起输入至模糊控制模型，根据预先得到的模糊推理规则，解模糊得到pid控制参数调节量δkp、δki、δkd输入至pid控制器，所述pid控制器在得到初始pid控制参数调节量后与初始pid控制器参数kp、ki、kd相加后得到整定后的pid控制器参数，经过整定后的pid控制器输出相应的控制量u(t)至执行机构，所述执行机构在接收到pid控制器的控制量信号u(t)输入后，调节悬架刚度和阻尼至车辆信号达到期望值后停止，以实现车辆主动悬架控制，所述车辆信号至少包括车身加速度、悬架动行程、俯仰角、侧倾角。

在本申请第二方面的一些变更实施方式中，所述方法还包括：

通过适应度函数执行性能评价；

输出目标模糊规则表。

在本申请第二方面的一些变更实施方式中，若主动悬架为主动油气悬架，所述将车辆简化为1/4车辆模型对应得到的车辆微分方程为：

其中，m1、m2分别为簧载质量与簧下质量；xs、xu、xr分别为运动过程中的车身位移、轮胎位移以及由于地面起伏而产生的对悬架的输入位移；kt为轮胎等效刚度系数；ct为轮胎等效阻尼系数；p1、a1分别表示油腔的压力状态与面积；βe为液压油等效体积弹性模量；cd为流量系数；ak为节流阀孔的有效通流面积；ρ为油液密度；n为气体绝热指数；pg、vg为油气弹簧蓄能器中气体绝对压力和体积状态；qg为流经油缸与储气罐之间节流阀的流量；v10为油缸的初始储油体积；vgo、pgo为油气弹簧蓄能器中初始的体积状态和气体绝对压力；qa为外界油源向油气弹簧输入输出的油液流量。

在本申请第二方面的一些变更实施方式中，所述通过适应度函数执行性能评价，包括：

当以车辆舒适性为第一标准时，则以车身加速度、悬架动行程对应的适应度函数为主要；

当以防止车辆滑移为第一标准时，则以轮胎动载荷对应的适应度函数为主要；

当以安全性，防止车辆侧翻为第一标准时，则以俯仰角、侧倾角对应的适应度函数为主要。

借由上述技术方案，本发明提供的技术方案至少具有下列优点：

本发明提供了一种基于遗传算法优化的模糊pid主动悬架控制系统及方法，本发明的主动悬架控制系统包括信息采集单元、信息处理单元和控制器，基于该系统实现的主动悬架控制方法主要为，控制器接收从信息处理单元传输的预处理信号，经控制器的上层控制器通过遗传算法获得模糊规则，在根据模糊规则以及结合控制器的下层控制器实现对悬架控制。相较于现有技术，解决了建立模糊控制规则库需要专家人为介入且既费时又费力导致最终都不利用对主动悬架的实施控制的技术问题，本发明通过遗传算法对模糊规则进行优化，使得模糊控制器对于pid控制的参数更加合理，最终更加利用对悬架实施控制，从而确保行驶平顺性、操作稳定性和乘坐舒适性的驾驶体验。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明实施例提供的基于遗传算法优化的模糊pid主动悬架控制系统组成框图；

图2为本发明实施例例举的模糊pid控制系统框图；

图3为本发明实施例提供的一种基于遗传算法优化的模糊pid主动悬架控制方法流程图；

图4为本发明实施例例举的基于遗传算法的模糊规则寻优框图；

图5为本发明实施例例举的模糊pid控制规则。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种基于遗传算法优化的模糊pid主动悬架控制系统，结合图1，该系统包括：信息采集单元、信息处理单元和控制器，下面对这两个单元、控制器之间连接关系和工作用途进行详细的解释说明：

信息采集单元100，设置在车身上，用于采集路况信息和车身信息，该车身信息至少包括车身加速度、悬架动行程、车身的俯仰角和侧倾角，利用路况信息和车身信息去生成第一信号。

信息处理单元200，是与信息采集单元100连接的，主要是对该第一信号进行预处理，具体的，是利用滤波器对第一信号执行预处理得到对应的预处理信号，经预处理后，该预处理信号包含了当前路况特征和车身信息特征。

控制器300，与信息处理单元200连接，主要用于根据由信息处理单元200传输而来的预处理信号实现控制驱动部件调整悬架本体的工作状态。控制器300分为上层控制器和下层控制器，上层控制器基于遗传算法模糊pid主动悬架力控制器，下层控制器将上层控制器输出的期望控制力转化为比例方向电磁阀所需的控制电压，而比例方向电磁阀可通过调节进出悬架流量实现上层控制器输出的期望控制力。

示例性的，如图2所示，本发明实施例例举模糊pid控制系统框图，输入信号为预处理信号，是由信息处理单元200传输进入控制器，控制器300分为上层控制器和下层控制器，图2示出了上层控制器为模糊控制器、下层控制器为pid控制器、被控制对象为悬架，最终目的实现为，上层控制器通过遗传算法获得模糊规则，根据模糊控制规则以及结合下层控制器实现对悬架400(被控对象)控制。

示例性的，在本发明实施例中，对于信息采集单元100获取到的路况信息和车身信息的来源的具体实施过程，可以为如下：

本发明实施例的主动悬架控制系统还包括了：加速度传感器，用于测量车身加速度；位移传感器，用于测量悬架动行程以及还用于测量位移去计算轮胎动静载比值；陀螺仪，用于测量俯仰角和侧倾角；激光雷达部件，用于测量路况信息并获取路面高程。继而借助于系统还包括的上述部件，使得信息采集单元100能够高效准确地获取到当前路况信息和车身信息。

进一步的，对于轮胎动静载比值，它可以表示为其中，m1、m2分别为簧载质量与簧下质量，xu、xr分别为运动过程中的轮胎位移以及由于地面起伏而产生的对悬架的输入位移，kt为轮胎等效刚度系数，g为重力加速度。

需要说明的是，为了保证操作稳定性和安全性，行驶过程中轮胎与地面间需要始终存在正压力，以保证可靠的轮胎附着力，那么就要求轮胎动静载比值小于1。

进一步的，本发明实施例提供的主动悬架控制系统，它的被控制对象为主动悬架，该主动悬架分为主动空气悬架和主动油气悬架。

以上，本发明提供了一种基于遗传算法优化的模糊pid主动悬架控制系统及方法，本发明的主动悬架控制系统包括信息采集单元100、信息处理单元200和控制器300，基于该系统实现的主动悬架400控制方法主要为，控制器接收从信息处理单元传输的预处理信号，经控制器的上层控制器通过遗传算法获得模糊规则，在根据模糊规则以及结合控制器的下层控制器实现对悬架控制。相较于现有技术，解决了建立模糊控制规则库需要专家人为介入且既费时又费力导致最终都不利用对主动悬架的实施控制的技术问题，本发明通过遗传算法对模糊规则进行优化，使得模糊控制器对于pid控制的参数更加合理，最终更加利用对悬架实施控制，从而确保行驶平顺性、操作稳定性和乘坐舒适性的驾驶体验。

下面，为了更加详细说明本发明实施例提供的主动悬架控制系统的工作流程，另一方面，如图3所示，本发明实施例还提供了一种基于遗传算法优化的模糊pid主动悬架控制方法，用于上述的主动悬架控制系统，该方法包括：

步骤101、采集当前路况信息和车身信息生成第一信号，车身信息至少包括车身加速度、悬架动行程、车身的俯仰角和侧倾角。

步骤102、利用滤波器对第一信号执行预处理得到预处理信号，预处理信号包含当前路况特征和车身信息特征。

步骤103、将预处理信号作为输入信号输入控制器，控制器分为上层控制器和下层控制器。

步骤104、在上层控制器内通过遗传算法获得模糊规则并结合下层控制器实现对悬架的控制。

在本发明实施例中，主要是对步骤104进行细化陈述，示例性的，结合图4例举的基于遗传算法的模糊规则寻优框图进行陈述，可以包括如下：

步骤一、首先，将车辆简化为1/4车辆模型，需要说明的是，本发明实施例被控对象(主动悬架)可以为主动空气悬架或主动油气悬架，示例性的，若主动悬架为主动油气悬架时，得到车辆微分方程可以如下公式(1)：

其中，m1、m2分别为簧载质量与簧下质量；xs、xu、xr分别为运动过程中的车身位移、轮胎位移以及由于地面起伏而产生的对悬架的输入位移；kt为轮胎等效刚度系数；ct为轮胎等效阻尼系数；p1、a1分别表示油腔的压力状态与面积；βe为液压油等效体积弹性模量；cd为流量系数；ak为节流阀孔的有效通流面积；ρ为油液密度；n为气体绝热指数；pg、vg为油气弹簧蓄能器中气体绝对压力和体积状态；qg为流经油缸与储气罐之间节流阀的流量；v10为油缸的初始储油体积；vgo、pgo为油气弹簧蓄能器中初始的体积状态和气体绝对压力；qa为外界油源向油气弹簧输入输出的油液流量。

其中，需要说明的是，n为气体绝热指数，当振动较为激烈时，弹簧内气体来不及与外界进行热交换，可看作绝热变化过程进行分析，此时n一般取值在1.4左右。

其次，通过调节比例电磁阀可切换油气弹簧的充放油过程以及控制油液流量qa，以此达到控制油气弹簧压力的目的，确定流量qa的公式如下，公式(2)：

其中，ps为供油压力，pr为放油时出口压力，ac为比例电磁阀阀口面积，其与输入给电磁阀的电压成一定关系。当ac>0时，表示油气弹簧充油过程；当ac<0时，表示油气弹簧卸油过程。

再者，根据倾斜角度和轴距、轮距计算得到车身高度的调节量dt，如下公式(3)：

其中，xbij为四个轮的位移，θ、为陀螺仪测得的车身侧倾角和俯仰角，l、bf分别为轴距和轮距。

步骤二、根据对车辆悬架系统的要求，确定悬架刚度，悬架阻尼的范围。

步骤三、建立遗传算法的适应度函数，优化目标为在满足约束条件的可行域内使得适应度值最小，当不满足时，终止寻优，输出上一时刻满足得值。

适应度表示种群进化过程中，个体对于环境的适应能力，生物进化过程中，适应度低的个体存活概率小，适应度高的个体存活概率大，保留适应度高的个体后，经过多次迭代便能产生更优的个体，因此适应度函数为遗传算法寻优的关键函数。

遗传算法选用时间乘绝对误差积分准则(itae)作为优化的性能指标，其适应度函数表示为公式(4)：

其中，e表示为车身加速度、悬架动行程、轮胎动静载比值、俯仰角、侧倾角实际得出的信号值与系统信号期望值进行比较得到差值。

示例性的，适应度表示种群进化过程中，个体对于环境的适应能力，生物进化过程中，适应度低的个体存活概率小，适应度高的个体存活概率大，保留适应度高的个体后，经过多次迭代便能产生更优的个体。

步骤四、建立初始种群，初始种群为对应的模糊状态变量即分别为正大(pb)、正中(pm)、正小(ps)、零(zo)、负小(ns)、负中(nm)、负大(nb)组成。并且各变量均采用三角形隶属度函数进行求解。(1-7)，设置好遗传代数后，种群便会重复以上一般优化步骤，并不断迭代产生个体适应度更高的新种群。“选择”的目的是将种群中的个体经过算子作用后选择出适应度较好的个体直接遗传到下一代。“交叉”过程是随机选取两条染色体，并随机选择染色体的位置进行交换，且两条染色体所选位置长度相同，设置交叉概率。“变异”过程是将染色体中某个位置的值用1～7之间的一个随机数代替，设置变异概率，防止出现未成熟收敛现象，同时使遗传算法具有局部的随机搜索能力，使其加速向最优解收敛。

示例性的，利用遗传算法对模糊控制规则进行优化时，考虑到解的数量以及控制过程运行的时间，因此不进行隶属度函数以及论域范围的优化求解。根据模糊控制输入输出量的设计，共五个变量，每个变量的论域设置七个模糊语言值，因此不同的模糊规则共7⁵条。

根据模糊控制器的设计，将模糊语言值进行数字化编码，以1、2、3、4、5、6、7分别表示pb、pm、ps、zo、ns、nm、nb七个模糊语言值。

因此得到输入变量e(k)和ec(k)的编码为一个49×2的矩阵，其式为如下矩阵(5)

根据设计，输出值δkp、δki、δkd的模糊语言值矩阵为遗传算法求解所需的结果。该输出变量的模糊语言值矩阵用x表示，其为49×3的矩阵。因此得到模糊规则数字化的矩阵为，如下矩阵(6)：

rule＝[in,x]

该矩阵行向量表示的即为模糊控制规则。根据遗传算法编码要求，将三个输出变量的模糊规则重新按顺序排列为一行向量即为种群中个体的染色体长度，且其长度为7×7×3。

步骤五、经过步骤四得到模糊规则。示例性的，再结合附图2例举的模糊pid控制系统框图，再进一步的详细解释说明如下：

对差值e信号求导后得到ec并一起输入至模糊控制模型，根据得到的模糊推理规则，解模糊得到pid控制参数调节量δkp、δki、δkd输入至pid控制器；所述pid控制器在得到初始pid控制参数调节量后与初始pid控制器参数kp、ki、kd相加后得到整定后的pid控制器参数，经过整定后的pid控制器输出相应的控制量u(t)至执行机构(电磁阀)；所述执行机构在接收到pid控制器的控制量信号u(t)输入后，调节悬架刚度和阻尼至车辆信号(车身加速度、悬架动行程、俯仰角、侧倾角)达到期望值后停止，从而实现车辆主动悬架控制，以保证车辆整体安全性的前提下，使车辆达到最佳的行驶平顺性、操作稳定性和乘坐舒适性。

步骤六、通过适应度函数执行性能评价。

当以车辆舒适性为第一标准时，则以车身加速度、悬架动行程对应的适应度函数为主要；当以防止车辆滑移为第一标准时，则以轮胎动载荷对应的适应度函数为主要；当以安全性，防止车辆侧翻为第一标准时，则以俯仰角、侧倾角对应的适应度函数为主要。

步骤七、输出目标模糊规则表，该目标规则表为最优模糊规则表。示例性的，如5图，本发明实施例例举的模糊pid控制规则，在图5中示出了正大(pb)、正中(pm)、正小(ps)、零(zo)、负小(ns)、负中(nm)、负大(nb)，e为图2示出的差值e信号，ec为图2示出的对差值e信号求导后得到的ec。在控制器侧，根据寻优的模糊控制规则以及结合下层控制器进行处理，根据输出的信号实现对被控对象(主动悬架)实施控制，示例性的，通过控制器输出的信号，调节比例方向电磁阀改变悬架进出流量，实现对悬架刚度阻尼的调节。

综上所述，本发明实施例提供了一种基于遗传算法优化的模糊pid主动悬架控制系统及方法，本发明实施例的主动悬架控制系统包括信息采集单元100、信息处理单元200和控制器300，基于该系统实现的主动悬架400控制方法主要为，控制器接收从信息处理单元传输的预处理信号，经控制器的上层控制器通过遗传算法获得模糊规则，在根据模糊规则以及结合控制器的下层控制器实现对悬架控制。相较于现有技术，解决了建立模糊控制规则库需要专家人为介入且既费时又费力导致最终都不利用对主动悬架的实施控制的技术问题，本发明实施例通过遗传算法对模糊规则进行优化，使得模糊控制器对于pid控制的参数更加合理，最终更加利用对悬架实施控制，从而确保行驶平顺性、操作稳定性和乘坐舒适性的驾驶体验。

本发明实施例研发出一种主动悬架控制系统及方法，针对车辆行驶时悬架系统具有非线性、复杂性以及时变性的特点，利用遗传算法对模糊规则进行优化，基于模糊pid控制算法建立了车辆主动悬架控制系统，通过传感器测量车辆当前状态值，发送给电子控制单元后产生相应的控制指令以调整车辆悬架，该控制系统能够很好的适应复杂的工作环境，为开发更加多样化的车辆悬架控制系统提供坚实基础。

需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。