车辆半主动悬架技术发展现状和趋势

，许多控制方法如天棚阻尼控制、PID控制、最优控制、自适应控制、神经网络控制、滑模变结构控制、模糊控制等在半主动悬架上得到了应用。

天棚阻尼控制

　　天棚阻尼控制方法是最早提出的控制方法。该控制方法是由美国D.KARNOPP教授提出，在早期的半主动悬架上得到了广泛应用，但天棚阻尼控制只解决了悬架系统的舒适性而没有很好解决操纵稳定性问题。因此，目前研究的重点是改进型的天棚阻尼控制方法。

　　最优控制

　　最优控制是一种理论上最成熟、应用最广泛的控制方式，它一般可分为线性最优控制、最优预测控制和H∞最优控制。线性最优控制是；阵LQ(Linear-Quadratic)控制理论应用于车辆悬架系统中，其性能指标函数采用系统的状态响应与输入的加权二次型，在保证受控结构动态稳定性的条件下，把线性二次型调节控制器理论和线性二次高斯型控制理论用于车辆半主动悬架系统中实现最优控制。H∞最优控制是在闭环系统各回路稳定的条件下，相对于噪声干扰的输出取极小值的一种最优控制方式，在车身质量、轮胎刚度、减振阻尼系统、车辆结构等存在不确定变化误差时，采用H∞最优控制可使车辆悬架系统的减振控制具有较强的鲁棒性。

　　自适应控制

　　自适应控制具有参数辨识功能，能适应悬架载荷和元件特性的变化，自动调整控制参数，保持其性能最优。应用于车辆悬架系统自适应控制方法主要有模型参考自适应控制和自校正控制两类，其中自校正控制是目前应用较广的一类。采用自适应控制的车辆悬架阻尼减振系统能改善车辆的行驶特性，在德国大众汽车公司的底盘得到了应用。

　　预测控制

　　车辆悬架系统的预测控制是指通过传感器；阵车辆前方路面信息预先传给悬架装置，使参数的调节与实际需求同步。预测控制可以通过某种方法提前测得前方路况的信息，使得控制系统有足够的时间采取措施。预测控制可以分为两类：一是用前轮悬架的状态信息对后轮悬架进行预测控制；二是测量车辆行驶过程中前方道路的状态信息，以此信息来对前后轮悬架进行预测控制。采用预测控制的关键是要获得具有一定精度、不受干扰和反映路面真实情况的信息。由于车辆参数的时变性和非线性对系统性能的影响，使得具有预测控制性能的半主动悬架研究具有一定困难。

　　神经网络

　　神经网络是近20年来迅速发展起来的一门新兴交叉学科，它是以大量处理单元(神经元)为节点，按某种拓扑结构所构成的高度并行的非线性动力学系统，其特点是具有自学习能力和大规模并行处理的能力，因而在车辆悬架系统减振控制中有着广泛的应用前景。

　　目前，神经网络控制方法越来越多地应用在特定环境以及采用固定描述方式的多种目的的设计中。汽车半主动悬架系统具有非线性特点，常规的控制策略对非线性系统有一定的局限性，神经网络的控制方法在车辆悬架控制系统中有着广泛的应用前景。

滑模变结构控制

　　滑模变结构控制是控制理论的一个重要分支。它适用于线性或非线性系统，方法简单，易于实现，对模型参数的不确定性和外界扰动具有高度的鲁棒性。滑模变结构控制本质上是一类特殊的非线性控制，其非线性表现为控制的不连续性，这种控制策略与其它控制的不同之处在于系统的"结构"并不固定，而是可以在动态过程中根据系统当前的状态(如偏差及其各阶导数等)有目的地不断变化，迫使系统按照预定"滑动模态"的状态轨迹运动，由于滑动模态可以进行设计且与对象参数及扰动无关，这就使得变结构控制具有快速响应、对参数变化及扰动不灵敏、无需系统在线辩识，物理实现简单等优点。

　　模糊控制

　　自20世纪90年代以来，模糊控制被应用到汽车半主动悬架系统的控制中。模糊控制是一种新型智能控制技术，与传统控制相比，其系统的鲁棒性好，尤其适用于非线性、时变和滞后系统。它的最大特点是允许控制对象没有精确的数学模型，使用语言变量代替数字变量，与人的智能行为相似，由于车辆的部分参数经常变化以及在不同道路条件下行驶等特点，模糊控制尤为使用。

　　半主动悬架发展趋势

　　汽车悬架控制系统的研究与开发是车辆动力学与控制领域的国际性前沿课题，开发具有安全、舒适和清洁高效、节能、智能控制的悬架是车辆悬架系统发展的方向。

　　(1)控制策略的研究。半主动悬架系统的控制几乎涉及了所有的现代控制理论和方法，但由于每种控制方法都有其各自的优缺点，因此，综合应用多种控制方法是半主动悬架控制发展的方向。

　　(2)控制器的研究。智能化控制器能够根据路况和汽车振动等信息，自动地调节悬架系统的参数，使汽车具有良好行驶平顺性和稳定性。

(3)可控减振器的研制。研究与开发可靠的电流