本发明公开一种车辆底盘系统控制领域中的主动悬架电磁作动器智能控制器的构造方法，将d‑q轴电流解耦控制模块、限流控制模块、磁场定向控制模块、电压2/3变换模块、PWM调节模块、电压源逆变器、交流直线电机依次串接，与电流3/2标变换模块、扰动检测模块作为一个整体组成主动悬架电磁作动器，将支持向量机控制器参数优化模块、支持向量机控制器、优化控制器、鲁棒控制器和鲁棒控制器参数优化模块并联之后与速度给定模块和滤波跟踪误差模型共同构成抗干扰智能控制器，将外部扰动、电磁作动器的参数时变特性等效为电磁作动器的扰动变量，并采用支持向量机回归该控制器的非线性模型，有效提高了智能控制器的鲁棒性和实时性。
1.一种主动悬架电磁作动器智能控制器的构造方法，其特征是包括以下步骤：
1)将d-q轴电流解耦控制模块(11)、限流控制模块(12)、磁场定向控制模块(13)、电压
2/3变换模块(14)、PWM调节模块(15)、电压源逆变器(16)、交流直线电机(17)依次串接，与电流3/2变换模块(18)、扰动检测模块(19)作为一个整体组成主动悬架电磁作动器(1)，电磁作动器(1)以q轴控制电流iq和d轴控制电流id为输入，id＝0，以速度v为输出；建立电磁作动器(1)的机械动力学方程为 A和B分别是速度系数和电流系数，Γ为扰动；
2)将速度给定模块(2)输出的速度信号参考值vr与输出速度v相比较得到速度误差值ev，将速度误差值ev作为滤波跟踪误差模型(5)的输入，滤波跟踪误差模型(5)的输出电流k1和k2分别为滤波跟踪误差模型系数；τ为ev的积分时间间隔；
(62)，将电流r分别作为支持向量机控制器(62)的第一个输入和支持向量机控制器参数优化模块(63)的输入，支持向量机控制器参数优化模块(63)的输出是支持向量机的两个关键优化参数γ、σ，将γ、σ作为支持向量机控制器(62)的第二个输入，支持向量机控制器(62)的输出为电流 采用 来构建优化控制器(61)，电流r作为优化控制器(61)的输入，得到输出为电流 采用G3＝δsign(r)来构建鲁棒控制器(64)，电流r作为鲁棒控制器(64)的第一个输入，采用 来构建输入为鲁棒控制器参数学习率ηδ、输出为鲁棒控制器系数变量δ的一阶导数 的鲁棒控制器参数优化模块(65)，将一阶导数 作为鲁棒控制器(64)的第二个输入，得到鲁棒控制器(64)的输出为电流
4)将支持向量机控制器参数优化模块(63)、支持向量机控制器(62)、优化控制器(61)、鲁棒控制器(64)和鲁棒控制器参数优化模块(65)并联之后与速度给定模块(2)和滤波跟踪误差模型(5)共同构成抗干扰智能控制器(7)，将电流 相结合构成q轴控制电流iq。
2.根据权利要求1所述一种主动悬架电磁作动器智能控制器的构造方法，其特征：步骤
1)中，d-q轴电流解耦控制模块(11)的两个输入分别是电流iq和id，电流iq和id分别与电流
3/2变换模块(18)输出的两个电流 和 相比较，得到d-q轴电流解耦控制模块(11)的两个输出为两个电流值 和 该电流值 和 作为限流控制模块(12)的两个输入，限流控制模块(12)输出为电流值iqs和ids，该电流值iqs和ids作为磁场定向控制模块(13)的两个输入，磁场定向控制模块(13)输出为电压值Vq和Vd，该电压值Vq和Vd经过电压2/3变换模块(14)之后得到电压值Va、Vb和Vc，该三电压值Va、Vb和Vc作为PWM调节模块(15)的输入，PWM调节模块(15)输出为占空比Ta、Tb和Tc，该占空比Ta、Tb和Tc作为电压源逆变器(16)的输入，电压源逆变器(16)输出为三相电流ia、ib和ic，三相电流ia、ib和ic驱动交流直线电机(17)；扰动检测模块(19)检测交流直线电机(17)的扰动Γ，电流3/2变换模块(18)连接电压源逆变器(16)的输出端，将三相电流ia、ib和ic变换为两相电流 和 后输入d-q轴电流解耦控制模块(11)。
3.根据权利要求1所述一种主动悬架电磁作动器智能控制器的构造方法，其特征：步骤
2)中，通过速度检测模块(4)检测得到电磁作动器(1)的输出速度v。
4.根据权利要求1所述一种主动悬架电磁作动器智能控制器的构造方法，其特征：A＝
320.5，B＝225.4，k1＝118.2，k2＝34.8，ηδ＝1.102，γ＝800，σ＝0.85。
一种主动悬架电磁作动器智能控制器的构造方法
技术领域
[0001] 本发明属于车辆底盘系统控制领域，特别涉及底盘系统中主动悬架电磁作动器的控制器的构造方法。
背景技术
[0002] 悬架作为汽车底盘系统中的重要组成部分之一，其性能对汽车的操稳性、平顺性、以及汽车零部件寿命的使用性具有很大的影响。对于传统被动悬架而言，由于操稳性和平顺性无法兼顾，因此被动悬架的控制效果欠佳；半主动悬架由于只能消耗能量，而不能提供主动力，故其在操稳性和平顺性方面远不如主动悬架系统。
[0003] 主动悬架可以克服被动悬架和半主动悬架的不足，并可以有效改善汽车总体性能，然而主动悬架由于存在能耗高的不足之处，使其无法在市场上很好地推广。因此提出了采用直线式电磁作动器作为主动悬架的执行器，很好地解决了主动悬架能耗高的缺点。关于车辆主动悬架直线式电磁制动器的技术改进，主要集中在如何提高能量回收以及降低能耗的技术改进，然而对于直线式电磁制动器本身控制策略方面，仍然采用常规的控制技术。因此，为了从本质上解决主动悬架能耗高的难题，提高直线式电磁制动器的各项控制性能指标，如动态响应速度、鲁棒性和跟踪精度，需采用新的控制策略。
发明内容
[0004] 本发明的目的是针对现有主动悬架能耗较高的缺陷，提供一种主动悬架电磁作动器智能控制器的构造方法，所构造控制器能有效提高主动悬架直线式电磁作动器各项控制性能指标，特别是鲁棒性，从而从本质上降低主动悬架的能耗。
[0005] 本发明采用的技术方案是包括以下步骤：
[0006] 1)将d-q轴电流解耦控制模块、限流控制模块、磁场定向控制模块、电压2/3变换模块、PWM调节模块、电压源逆变器、交流直线电机依次串接，与电流3/2标变换模块、扰动检测模块作为一个整体组成主动悬架电磁作动器，电磁作动器以q轴控制电流iq和d轴控制电流id为输入，id＝0，以速度v为输出；建立电磁作动器的机械动力学方程为 A和B分别是速度系数和电流系数，Γ为扰动；
[0007] 2)将速度给定模块输出的速度信号参考值vr与输出速度v相比较得到速度误差值ev，将速度误差值ev作为滤波跟踪误差模型的输入，滤波跟踪误差模型输出电流k1和k2分别为滤波跟踪误差模型系数；
[0008] 3)采用 构成支持向量机控制器，将电流r分别作为支持向量机控制器的第一个输入和支持向量机控制器参数优化模块的输入，支持向量机控制器参数优化模块的输出是支持向量机的两个关键优化参数γ,σ，将γ,σ作为支持向量机控制器的第二个输入，支持向量机控制器的输出为电流 采用来构建优化控制器，电流r作为优化控制器的输入，得到输出为电流 采用G3＝δsign(r)来构建鲁棒控制器，电流r作为鲁棒控制器的第一个输入，采用 来构建输入为鲁棒控制器参数学习率ηδ、输出为鲁棒控制器系数变量δ的一阶导数 的鲁棒控制器参数优化模块，将一阶导数 作为鲁棒控制器的第二个输入，得到鲁棒控制器的输出为电流
[0009] 4)将支持向量机控制器参数优化模块、支持向量机控制器、优化控制器、鲁棒控制器和鲁棒控制器参数优化模块并联之后与速度给定模块和滤波跟踪误差模型共同构成抗干扰智能控制器，将电流 相结合构成q轴控制电流iq。
[0010] 进一步地，上述步骤3)中，将速度误差值ev作为积分型PD控制模块的输入，积分型PD控制模块输出q轴控制电流iq，对速度误差值ev分别求积分和求导得到∫ev(τ)dτ和 对速度信号参考值vr求一阶和二阶导数得到 和 组成支持向量机的训练样本集离线训练得到支持向量机控制器，并得到支持向量机的实际输出i'q，该输出中包含扰动Γ的实际数值。
[0011] 本发明的有益效果是：
[0012] 1、通过构建优化控制器和支持向量机控制器分别来提高电磁作动器的静态控制性能和抗干扰控制性能，在此基础上，通过构造鲁棒控制器来进一步提高支持向量机控制器的控制精度。三个控制器可以各司其职，有效提高汽车主动悬架用电磁作动器的各方面控制性能。该控制器具有设计简单、实现方便、控制效果优良等优点。
[0013] 2、将汽车主动悬架的外部扰动、以及电磁作动器的参数时变特性等效为电磁作动器的扰动变量，建立其抗干扰智能控制器，并采用支持向量机回归该控制器的非线性模型，有效提高了该控制器的鲁棒性和实时性。
[0014] 3、本发明所构造的控制器所需控制变量和输入变量均为可测、易测变量，且该控制器的控制算法只需通过模块化软件编程实现，并不需要增加额外的仪器设备，在没有增加控制成本的前提下，有效提高了控制器的控制品质，有利于工程实现。
附图说明
[0015] 图1是主动悬架电磁作动器的等效构成图；
[0016] 图2是利用速度给定模块2、滤波跟踪误差模型5、优化控制器61、支持向量机控制器62、支持向量机控制器参数优化模块63、鲁棒控制器64和鲁棒控制器参数优化模块65构成的抗干扰智能控制器7对电磁作动器1进行控制的结构框图；
[0017] 图3是图2中支持向量机控制器62的离线训练原理框图。
[0018] 图中：1.电磁作动器；2.速度给定模块；3.积分型PD控制模块；4.速度检测模块；5.滤波跟踪误差模型；7抗干扰智能控制器；11.d-q轴电流解耦控制模块；12.限流控制模块；13.磁场定向控制模块；14.电压2/3变换模块；15.PWM调节模块；16.电压源逆变器；17.交流直线电机；18.电流3/2标变换模块；19.扰动检测模块；61.优化控制器；62.支持向量机控制器；63.支持向量机控制器参数优化模块；64.鲁棒控制器；65.鲁棒控制器参数优化模块。
具体实施方式
[0019] 如图1所示，将d-q轴电流解耦控制模块11、限流控制模块12、磁场定向控制模块13、电压2/3变换模块14、PWM调节模块15、电压源逆变器16、交流直线电机17依次串接，与电流3/2标变换模块18、扰动检测模块19作为一个整体组成主动悬架电磁作动器1。该主动悬架电磁作动器1以q轴控制电流iq和d轴控制电流id为输入，其中，id＝0，id值设为0，以速度v为输出。其中，d-q轴电流解耦控制模块11的两个参考输入分别是电流iq和id，这两个参考输入电流iq和id分别与电流3/2变换模块18输出的两个电流 和 相比较，从而得到d-q轴电流解耦控制模块11的两个输出为两相坐标系下的两个电流值 和 该电流值 和 作为限流控制模块12的两个输入，限流控制模块12输出为电流值iqs和ids，该电流值iqs和ids作为磁场定向控制模块13的两个输入，磁场定向控制模块13输出为两相坐标系下的电压值Vq和Vd，该电压值Vq和Vd经过电压2/3变换模块14之后得到三相坐标系下电压值Va、Vb和Vc，该三电压值Va、Vb和Vc作为PWM调节模块15的输入，PWM调节模块15输出为占空比Ta、Tb和Tc，该占空比Ta、Tb和Tc作为电压源逆变器16的输入，电压源逆变器16输出为三相电流ia、ib和ic，三相电流ia、ib和ic驱动交流直线电机17。用扰动检测模块19检测交流直线电机17的总的扰动Γ，扰动Γ包括主动悬架参数的时变、负载的突变以及不确定性扰动等，最后得到输出为交流直线电机17的速度v。电流3/2变换模块18连接电压源逆变器16的输出端，将电压源逆变器
16输出的三相电流ia、ib和ic变换为两相电流 和 输入d-q轴电流解耦控制模块11。
[0020] 针对主动悬架电磁作动器1，通过分析、等效与推导，建立电磁作动器1的机械动力学方程为：
[0021]
[0022] 式中，v和iq分别是主动悬架电磁作动器1的速度和q轴控制电流； 分别是速度v的一阶和二阶导数；A和B分别是电磁作动器1的速度系数和电流系数，根据电磁作动器1的实际工作情况，确定A＝320.5，B＝225.4；Γ为不确定性的扰动，其值与电磁作动器1的参数、负载以及扰动有关，将在下述的支持向量机学习得到。
[0023] 如图2，通过速度检测模块4检测得到电磁作动器1的实际输出速度v，将速度给定模块2输出的速度信号参考值vr与实际输出速度v相比较，得到速度误差值ev，将速度误差值ev作为滤波跟踪误差模型5的输入，滤波跟踪误差模型5将输入的速度误差值ev中的明显干扰值滤除，并获得输出电流信号，该输出电流是r，通过分析、等效与推导，得到电流r表达式为：
[0024]
[0025] 其中，k1和k2分别为滤波跟踪误差模型系数，根据电磁作动器1的实际工作情况，确定k1＝118.2，k2＝34.8。
[0026] 将方程(1-1)和(1-2)相结合，并考虑电磁作动器1参数时变、负载突变等不确定性扰动特性，可以得到电磁作动器1的抗干扰智能控制器7的解析表达式G为：
[0027]
[0028] 其中，
[0029]
[0030]
[0031] G3＝δsign(r)(1-6)
[0032] 其中，sign(·)为符号函数，δ为鲁棒控制器系数变量。
[0033] 如图3，采用支持向量机来逼近抗干扰智能控制器7的解析表达式构成支持向量机控制器62。并离线训练得到支持向量机控制器62，具体是：将速度给定模块2输出的速度信号参考值vr与速度检测模块4检测到的实际速度v相比较得到的速度误差值ev，速度误差值ev作为积分型PD控制模块3的输入，积分型PD控制模块3的输出为q轴控制电流iq，将q轴控制电流iq加到电磁作动器1的输入端。对速度误差值ev分别求积分和求导，得到∫ev(τ)dτ和 对速度给定模块2输出的速度信号参考值vr求一阶和二阶导数，得到 和 并对信号做规范化处理，组成支持向量机的训练样本集 最后离线训练支持向量机，得到支
持向量机的实际输出i'q，该输出中包含不确定性的扰动Γ的实际数值，从而离线训练得到支持向量机控制器62。本发肯采用支持向量机来逼近抗干扰控制器的解析表达式G2，有效地解决了不确定性扰动Γ无法精确建模的难题。
[0034] 如图2，将滤波跟踪误差模型5输出的电流r作为支持向量机控制器62的第一个输入，同时将电流r作为支持向量机控制器参数优化模块63的输入，支持向量机控制器参数优化模块63的输出是支持向量机的两个关键优化参数γ,σ，γ＝800，σ＝0.85，将两个关键优化参数γ,σ作为支持向量机控制器62的第二个输入，利用支持向量机控制器参数优化模块63输出的优化参数γ,σ实时优化支持向量机控制器62，得到支持向量机控制器62的输出为电流
[0035] 利用公式(1-4)， 来构建优化控制器61，将滤波跟踪误差模型5输出的电流r作为优化控制器61的输入，得到其输出为电流
[0036] 利用公式(1-6)，G3＝δsign(r)来构建鲁棒控制器64，将滤波跟踪误差模型5输出的电流r作为鲁棒控制器64的第一个输入。
[0037] 利用下面的公式(1-7)， 来构建鲁棒控制器参数优化模块65，其输入为鲁棒控制器参数学习率ηδ，ηδ＝1.102，输出为鲁棒控制器系数变量δ的一阶导数 将一阶导数 作为鲁棒控制器64的第二个输入，鲁棒控制器64的输出为电流
[0038]
[0039] 将优化控制器61的输出电流 支持向量机控制器62的输出电流 以及鲁棒控制器64的输出电流 相结合，构成电磁作动器1输入的q轴控制电流iq，电磁作动器1的输出为速度v。将支持向量机控制器参数优化模块63、支持向量机控制器62、优化控制器61、鲁棒控制器64和鲁棒控制器参数优化模块65并联之后，与速度给定模块2和滤波跟踪误差模型5一起共同构成电磁作动器1的抗干扰智能控制器7，实现对汽车主动悬架用电磁作动器的高性能鲁棒控制。
[0040] 根据以上所述，便可以实现本发明。对本领域的技术人员在不背离本发明的精神和保护范围的情况下做出的其它的变化和修改，仍包括在本发明保护范围之内。
