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。

介绍一种基于MATLAB的汽车行驶平顺性试验数据处理系统,其通过在MATLAB/GUI开发环境下设计汽车平顺性数据处理可视化操作界面,结合GB/T 4970汽车平顺性试验的评价方法,建立用于分析处理汽车平顺性试验测试数据的评价系统。试验人员只需在操作界面中输入平顺性试验的测试数据,即可快速准确评定该工况下的汽车行驶平顺性。同时为了验证该系统的可靠性,对某型号汽车进行随机输入和脉冲输入下的行驶平顺性试验,试验结果表明该数据处理系统运行稳定,分析结果可靠,能满足汽车平顺性试验的评价工作需求。