摘要： 为改善 ＭＲ阻尼器半主动悬架的减振效果，提出一种基于改进自适应神经模糊推理系统（ＡＮＦＩＳ）的半主动控制方法。首先，针对 ＭＲ阻尼器的逆向动力学模型难以精确确定的问题，采用改进乌鸦搜索算法（ＭＣＳＡ）对 ＡＮＦＩＳ进行优化，即分别用 ＭＣＳＡ和最小二乘法对 ＡＮＦＩＳ的前件参数和后件参数进行寻优，以克服标准 ＡＮＦＩＳ易于陷入局部最优解的缺陷。为了提高标准乌鸦搜索算法（ＣＳＡ）的搜索精度，采用三角概率分布策略选择目标乌鸦，并对更新后的解实施反转变异操作。然后，根据悬架响应设计 ＬＱＲ控制器以计算理想控制力，并与改进逆向模型相结合，实现理想控制力与 ＭＲ阻尼器输入控制信号之间的转化，从而调节阻尼力，实现车辆半主动悬架系统的振动控制。仿真结果表明：相较于 ＧＡＡＮＦＩＳ和 ＰＳＯＡＮＦＩＳ，所提出的 ＭＣＳＡＡＮＦＩＳ逆向建模方法具有更高的预测精度，使 ＭＲ阻尼器的输入信号和阻尼力的预测精度分别提高 １７．４９％和 ３０．６２％；以随机路面信号作为半主动悬架的激励，相较于被动控制和 ＬＱＲＣＯＣ半主动控制，所提出的 ＬＱＲＭＣＳＡＡＮＦＩＳ控制策略能使簧载质量加速度、悬架动行程和轮胎动载荷的均方根值分别下降 １２．３７％、３７．６３％、３０．７０％以及 ６．６４％、１４．８９％、１７．２７％。该半主动控制策略可为 ＭＲ阻尼器悬架系统的减振研究提供参考。

关键词: 汽车悬架；半主动振动控制；自适应神经模糊推理系统；乌鸦搜索算法；ＬＱＲ控制

中图分类号: 

• ＴＨ１１３