为提升随机路面与局部脉冲激励路面下的悬架平顺性,提出语义分割路面识别的主动悬架显式模型预测控制(Explicit Model Predict Control,EMPC)方法。建立2自由度主动悬架动力学模型;搭建基于空洞空间金字塔池化的DeepLabV3语义分割路面...为提升随机路面与局部脉冲激励路面下的悬架平顺性,提出语义分割路面识别的主动悬架显式模型预测控制(Explicit Model Predict Control,EMPC)方法。建立2自由度主动悬架动力学模型;搭建基于空洞空间金字塔池化的DeepLabV3语义分割路面识别网络,对网络进行训练及验证;设计基于路面识别的主动悬架EMPC控制策略,将悬架动力学模型转化为预测模型,确定代价函数和约束条件,根据路面识别结果匹配代价函数最优加权权重;离线划分系统状态参数区域,求解各状态分区内系统的最优控制律;在随机路面和脉冲路面下,将所设计的控制策略与被动悬架、线性二次高斯控制(Linear-quadratic-gaussian Control,LQG)进行仿真分析对比。相较于LQG控制,基于路面识别的主动悬架EMPC控制策略可在随机路面下改善悬架性能,且在脉冲路面下对悬架的调节时间降低20%以上,悬架的平顺性得到有效提升。展开更多
文摘为提升随机路面与局部脉冲激励路面下的悬架平顺性,提出语义分割路面识别的主动悬架显式模型预测控制(Explicit Model Predict Control,EMPC)方法。建立2自由度主动悬架动力学模型;搭建基于空洞空间金字塔池化的DeepLabV3语义分割路面识别网络,对网络进行训练及验证;设计基于路面识别的主动悬架EMPC控制策略,将悬架动力学模型转化为预测模型,确定代价函数和约束条件,根据路面识别结果匹配代价函数最优加权权重;离线划分系统状态参数区域,求解各状态分区内系统的最优控制律;在随机路面和脉冲路面下,将所设计的控制策略与被动悬架、线性二次高斯控制(Linear-quadratic-gaussian Control,LQG)进行仿真分析对比。相较于LQG控制,基于路面识别的主动悬架EMPC控制策略可在随机路面下改善悬架性能,且在脉冲路面下对悬架的调节时间降低20%以上,悬架的平顺性得到有效提升。
