半主动空气悬架自适应小波消噪与试验*

2015-06-09汪若尘钱金刚李娇娇

振动、测试与诊断 2015年3期

关键词：半主动适应控制悬架

汪若尘，陈欣，钱金刚，李娇娇，陈龙

(江苏大学汽车与交通工程学院镇江，212013)

半主动空气悬架自适应小波消噪与试验*

汪若尘，陈欣，钱金刚，李娇娇，陈龙

(江苏大学汽车与交通工程学院镇江，212013)

为了消除半主动空气悬架系统因非线性、参数时变性及模型的不确定性带来的噪声干扰，研究了半主动空气悬架小波消噪的工作机理，设计了半主动空气悬架的小波消噪神经元自适应控制器，建立了基于小波降噪的半主动空气悬架的动力学模型。在仿真的基础上，进行了台架试验研究，分析了小波降噪的有效性。结果表明，基于小波消噪的神经元自适应控制的半主动空气悬架，改善了车辆质心加速度及俯仰角加速度，提高了整车综合性能。

半主动空气悬架；自适应控制；小波降噪；台架试验

引言

半主动空气悬架系统本身具有非线性、参数时变性及模型不确定性，在实际运行中不仅存在自身部件运动的相互干涉，同时也受到车辆的其他部件的影响[1-5]；因此，其测量信号可能包括许多尖峰或突变部分。若直接把测量所得的带噪信号作为控制器的输入，会对控制器的参数整定造成干扰，进而影响控制器的控制效果。对这种信号进行分析，首先需要作信号的预处理，经过消噪过程，将信号的噪声部分去除，提取有效信号。

传统的消噪方法是将被噪声污染的信号通过一个滤波器，滤掉噪声频率成分。但对于瞬态信号、宽带噪声信号、非平稳信号等，采用传统的滤波方法具有一定的局限性。小波变换已被广泛应用在信号处理领域。通过小波变换，可以把信号的特性分配到各个不同尺度的小波变换系数上，通过对小波变换系数的分析与处理，就可以对信号进行压缩、奇异性检测以及消除噪声。小波降噪具有广泛的函数适应性和最优的自适应降噪能力[6]。

笔者建立了半主动空气悬架的动力学模型，设计了基于小波降噪的半主动空气悬架神经元自适应控制器，通过仿真分析与试验，研究了半主动空气悬架神经元自适应控制的小波降噪的效果。

1 半主动空气悬架模型

客车前悬架采用的是非独立悬架，由空气弹簧、减振器、推力杆系、横向稳定杆、转向横拉杆等组成。为简化图形，以右侧前悬架为例，基于SIMPACK软件，画出拓扑结构如图1所示。

图1 前悬架拓扑图Fig.1 The topological graph of front suspension

后悬架也为非独立悬架，由空气弹簧、减振器、导向机构、横向稳定杆等组成，其右侧基于拓扑结构如图2所示。

图2 后悬架拓扑图Fig.2 The topological graph of rear suspension

将以上两个子系统模型组合在一起，定义车身与系统坐标系的铰接为6自由度汽车铰接，建立整车模型，半主动空气悬架参数参考文献[7]。

2 小波消噪的神经元自适应控制

假设用小波进行多分辨率小波分解所需要的最小数据数量为m，其中m∈N,m≥1。那么，实时小波降噪的过程如下：当kn时，滑动窗口保持为最新的n个数据，降噪后也只输出最后一个值。

在空气悬架大客车运行过程中主要存在两种噪声源，一种是由传感器测量过程中引起的干扰，另一种是系统各部件之间的互相干扰，两者均为零均值的高斯分布白噪声。随着试验仪器的改进，传感器精度提高，测量噪声的标准差在数量级上得到大幅度减小。笔者主要考虑系统干扰噪声对车辆控制性能的影响。半主动空气悬架神经元自适应控制器的设计参考文献[7]。

由于系统噪声是高斯分布的白噪声，故仿真时在系统输出中混入一定强度的高斯白噪声，模拟实际半主动空气悬架系统的输出信号。采用前面提到的小波实时消噪的方法，利用Matlab编写小波实时消噪的S函数，控制系统的框图如图3所示。

图3 基于小波消噪的控制系统框图Fig.3 Control system block diagram based on wavelet denoising

3 仿真分析

建立基于小波消噪的单神经元自适应控制系统，在B级路面下以车速为40，50，60 km/h的系统状态为分析对象，在测量的加速度输出中加入白噪声干扰，进行噪声干扰下的神经元自适应控制联合仿真。笔者主要考虑对垂向振动的消噪效果，仿真结果如图4及表1所示。

由图4，5，6及表1可知，半主动空气悬架系统输出含噪的加速度信号，得到的系统信号稍有毛刺及尖峰，通过小波消噪对其进行预处理，有效过滤了噪声信号。带有小波消噪的控制器，改善了车辆动态性能，提高了整车综合性能。

图4 车速为40 km/h时仿真结果Fig.4 Simulation result at the speed of 40 km/h

图5 车速为50 km/h时仿真结果Fig.5 Simulation result at the speed of 50 km/h

图6 车速为60 km/h时仿真结果Fig.6 Simulation result at the speed of 60 km/h

4 试验研究

为了进一步验证含小波消噪的自适应控制策略的有效性，建立了半主动空气悬架台架试验系统。半主动空气悬架试验台架主要包括簧载质量、非簧载质量、空气弹簧、减振器，另外还包括激振系统、传感器、充放气系统、夹具、导向机构等辅助设备以及数据采集系统，如图7所示。

表1 悬架性能对比

图7 半主动空气悬架试验台架Fig.7 The bench test of semi-active air suspension

为了更全面地验证控制策略的有效性，试验中模拟B，D级路面激励，车速为50，80 km/h时半主动空气悬架的动态性能，结果如图8及表2所示。

由图8及表2可知，含小波降噪的自适应控制半主动空气悬架改善了车辆动态性能，提高了整车综合性能。

5 结论

1) 建立的基于小波降噪的半主动空气悬架动力学模型正确，可满足仿真分析的要求。

图8 B级路面试验结果对比图(50 km/h)Fig.8 The comparison of experiment result on B level road (50 km/h)

表2 台架试验结果

Tab.2 Experiment result of the bench test

车速/(km·h-1)路面等级车身加速度/(m·s-2)控制前控制后性能改善/%悬架动行程/m控制前控制后性能改善/%轮胎动载荷/kN控制前控制后性能改善/%50B级0．90850．756016．70．00970．008611．303145．43389．2-7．19D级1．14720．953516．80．01100．009513．604032．14235．7-4．8180B级1．30491．106315．20．01450．012712．405048．35222．5-3．45D级1．50471．238117．70．02350．020214．046073．56251．9-2．94

2) 进行小波降噪的半主动空气悬架系统车身质心加速度与俯仰角加速度衰减明显，改善了车辆行驶平顺性，提高了整车综合性能。

[1] 黄俊明，周孔亢，徐兴，等. 电子控制空气悬架高度调节过程非线性模型[J]. 机械工程学报，2009，45(6)：278-283.

Huang Junming, Zhou Kongkang, Xu Xing, et al. The non-linear model of electronically controlled air suspension height adjustment process[J].Jounal of Mechanical Engineering, 2009,45(6):278-283. (in Chinese)

[2] 宋宇. 空气悬架车辆ADAMS与MATLAB联合仿真研究[J]. 汽车技术,2008(10): 40-43.

Song Yu.The ADAMS and MATLAB co-simulation of vehicle air suspension[J]. Automotive Technology, 2008(10): 40-43. (in Chinese)

[3] 郭二生. 空气悬架大客车操纵稳定性和行驶平顺性仿真与试验研究[D].吉林:吉林大学, 2004.

[4] Mahmoudian P, Kashani R. Active stiffness and damping control of air mounted/suspended systems[C]∥ASME International Mechanical Engineering Congress and Exposition. Boston: MA, 2009: 531-544.

[5] Stone E J, Cebon D. An experimental semi-active anti-roll system[J]. Journal of Automobile Engineering, 2008, 222 (12): 2415-2433.

[6] Nieto A J, Morales A L, Chicharro J M, et al. Unbalanced machinery vibration isolation with a semi-active pneumatic suspension[J]. Journal of Sound and Vibration, 2010, 329(1): 3-12.

[7] 李娇娇.基于SIMPACK的空气悬架大客车建模与仿真研究[D].镇江:江苏大学，2011.