根据7.4.1 的模糊PID 控制原理来设计全地形车悬架模糊控制策略。 为获得较好的控制效果,将模糊控制器的输出设定为ΔP、ΔI 和ΔD,则PID 控制器的输入为P+aΔP、I+bΔI 和D+cΔD,其中P、I 和D 为初始值,a、b 和c 为模糊控制器的输出量化因子。
由模糊PID 的原理可知,模糊PID 控制的关键是模糊规则表的制作。 一般情况下,PID 参数的整定规则为:当|e|比较大时,为使系统具有较好的快速跟踪性能,应取较大的Kp 与较小的Kd,同时为避免响应出现较大的超调,应对积分加以限制;当|e |处于中等大小时,为使系统响应具有较小的超调,Kp 应取得小些,Ki 和Kd 的大小要适中,以保证系统的响应速度;当|e|较小时,为使系统具有较好的稳态性能,Kp 和Ki 均应取得大些,同时为避免系统振荡,并考虑系统的抗干扰性能,当|ec |比较小时,Kp 值要取大些,反之,应取小些。
按此调整规律,先确定初始值Kp、Ki 和Kd,然后结合调试过程中的经验来确定的模糊规则表。 表7.2、表7.3、表7.4 分别为ΔKp、ΔKi、ΔKd 的控制规则表。
表7.2 ΔKp 控制规则
表7.3 ΔKi 控制规则
表7.4 ΔKd 控制规则
(www.daowen.com)
对PID 控制器中的参数Kp+aΔKp、Ki+bΔKi 和Kd+cΔKd 则可通过模糊控制器的输出量ΔKp、ΔKi、ΔKd 来实时在线自整定,则可实现模糊PID 控制。 模糊控制器的输入变量为簧上质量加速度 z··2 与期望的簧上质量加速度 z··opt之间的误差及其误差变化率作为输入变量,这里设期望的簧上质量加速度为0。
将误差的论域定义为[-3,3],语言变量分为5 个子项{负大(NB),负小(NS),零(ZE),正小(PS),正大(PB)}。 模糊子集的隶属函数采用灵敏度较高的三角形函数。
将误差变化率的论域定义为[-6,6],语言变量分为5 个子项{负大(NB),负小(NS),零(ZE),正小(PS),正大(PB)}。 模糊子集的隶属函数同样采用灵敏度较高的三角形函数。
3 个模糊控制器的输出分别为ΔKp、ΔKi、ΔKd。 其中ΔKp 论域定义为[0,3],其论域上有3 个语言变量值{零(ZE),正小(PS),正大(PB)};ΔKi 的论域定义为[-3,3],其论域上有5 个语言变量值{负大(NB),负小(NS),零(ZE),正小(PS),正大(PB)};ΔKd 的论域定义为[-1,1],其论域上有5 个语言变量值{负大(NB),负小(NS),零(ZE),正小(PS),正大(PB)}。 图7.9 为ΔKp 的模糊推理决策结果。
图7.9 ΔKp 的模糊推理决策结果
与模糊控制一样,对后左悬架和后右悬架进行单独控制。 联合仿真模型中ADAMS子模块包含2 个输入和6 个输出,2 个输入为后左悬架及后右悬架的控制力,6 个输出分别为后左悬架、后右悬架上方位置的振动加速度及上下方位置的振动速度。 模糊控制器偏差e、变化率ΔKp、ΔKi 和ΔKd 量化因子分别为3、0.04、20、1、0.1,模糊PID 控制器中Kp、Ki 和Kd 的初始值为120、7、0.1。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。