为满足车辆动力学控制日趋复杂的控制需求,亟待探索鲁棒性更强的非线性控制算法与之相适应。针对常规模糊控制存在隶属度函数无法随车辆行驶条件的变化而自动修改适应的缺陷,设计了模糊神经网络控制器。其利用神经网络的学习机制,可优化模糊隶属度函数与控制规则。在MATLAB/Simulink中建立了车辆稳定性控制系统模型,并利用联合仿真技术搭建了MATLAB/Simulink与Carsim的虚拟联合仿真平台,验证了控制算法的有效性。仿真结果表明,模糊神经网络控制器具有更强的自适应性与鲁棒性,更能适应复杂多变的车辆动力学控制。

通过对ESP系统的特性进行分析,选取汽车横摆角速度作为控制变量,基于模糊PID控制理论,在MATLAB/Simulink中建立ESP控制器模型。根据控制器计算出的附加横摆力矩,选用单侧双轮制动的控制策略来确定施加在各车轮的制动力矩。利用CarSim软件中的整车动力学模型,搭建CarSim与Simulink的联合仿真软件平台,在不同的工况下进行双移线试验和紧急避让试验。试验结果表明,所设计的控制器可以显著地改善汽车行驶的操纵性和稳定性,为ESP系统的研究提供了有益的参考。

为了提高四驱车辆的整车操纵稳定性,文章以某一现有车型为原型,通过理论建模法,在适当精简的基础上建立了包括横向运动、纵向运动、横摆运动和四个车轮的转动等在内的整车七自由度动力学模型。基于车辆转矩最优控制原理,通过PID控制算法对整车横摆角速度进行控制,使其能够较好的跟随理想横摆角速度变化,优化分配车轮所需转矩,并通过Matlab/Simulink仿真软件验证所优化分配的转矩的合理性、有效性,结果表明所设计的控制器及方法可以有效地改善四驱车辆的操纵稳定性。

为了模拟汽车的操控稳定性,在MATLAB/SIMULINK平台上建立了七自由度车辆动力学仿真模型.嵌入某汽车参数后,对模型进行了前轮转角阶跃输入下的仿真分析.结果表明,搭建的模型可以真实地反映车辆运动特性的变化.