[发明专利]一种基于TS模型的汽车半主动悬架系统的智能控制方法

权利要求书

1.一种基于TS模型的汽车半主动悬架系统的智能控制方法，其特征在于，包括如下步骤：

步骤一、首先，针对汽车悬架系统自身特点，明确悬架性能评价指标，建立在时域中由功率谱密度描述的随机滤波白噪声路面输入仿真模型及模拟结果；构建四自由度半车被动悬架和半主动悬架的动力学模型；

步骤二、然后，在Simulink中根据汽车配置参数和悬架受振数学模型分别建立被动悬架系统与模糊控制下的半主动悬架系统的方框图仿真模型；

步骤三、对模糊控制器进行改进；把TS模型自适应神经模糊推理系统作为半主动悬架的核心控制器；首先设计出基于TS模型的神经模糊推理系统算法，建立初始神经模糊推理系统，该算法调用模糊逻辑工具箱中的自适应神经模糊推理系统ANFIS实现；然后根据基于模糊控制的半主动悬架系统在Simulink环境下和相同试验条件下进行仿真试验所得到的相关数据预处理后训练初始ANFIS，再将训练完成后的控制器导入到半主动悬架系统模型中，最后建立基于TS模型的模糊神经网络控制的半主动悬架系统仿真模型；

步骤四、将被动悬架系统和基于模糊控制及基于TS模型的模糊神经网络控制半主动悬架系统统一在Simulink环境下和相同试验条件下进行仿真试验，得到仿真结果；并以悬架性能评价指标即车身垂直加速度、悬架动行程以及轮胎动载荷相应的均方根值为仿真模块的输出，将在不同控制方式下得到的仿真结果进行对比分析，综合评价出这些智能控制方法的控制优劣效果。

2.根据权利要求1所述的一种基于TS模型的汽车半主动悬架系统的智能控制方法，其特征在于，所述的步骤三具体包括如下：

步骤301、自适应神经模糊推理系统的引入，利用MATLAB软件的TS模型下的自适应神经模糊推理系统及其GUI构建模块；对模糊控制器进行改进；把TS模型自适应神经模糊推理系统作为半主动悬架的核心控制器；首先设计出基于TS模型的神经模糊推理系统算法，建立初始神经模糊推理系统，该算法调用模糊逻辑工具箱中的自适应神经模糊推理系统ANFIS实现；

步骤302、ANFIS建立过程中的加载数据；

加载用于训练学习的输入/输出数据源自于基于模糊控制的半主动悬架系统的仿真数据，经预处理后，直接在MATLAB的工作区间导入；

步骤303、ANFIS建立过程中的生成初始神经模糊推理系统；

选取网格分割法构建初始系统，设定每个语言变量对应的语言值子集划分个数，选择语言值子集相应的隶属函数类型与输出精确函数描述类型；

步骤304、ANFIS建立过程中的训练初始系统；训练方法为BP反传学习规则；

步骤305、ANFIS建立过程中的生成IF-THEN规则集合；

训练完毕后，ANFIS的IF-THEN规则集合业已生成，至此，设计好的ANFIS模型即可导入到半主动悬架系统的核心控制器FNN_TS中进行后续的仿真试验。