[论文解读] Hybrid control strategy for a semi active suspension system using fuzzy logic and bio-inspired chaotic fruit fly algorithm

Vikram Bhattacharjee, Debanjan Chatterjee+1 more|arXiv (Cornell University)|Mar 23, 2017

Leaf Properties and Growth Measurement参考文献 15被引用 5

一句话总结

本文提出了一种混合控制策略，用于半主动悬架系统，结合模糊逻辑与一种受生物启发的混沌萤火虫优化算法，以优化PID参数。与主动悬架系统相比，该方法将峰值加速度降低了83.3%，悬架行程减少了28.57%，在振动抑制和乘坐舒适性方面优于传统的优化技术（如GA、PSO和BFO）。

ABSTRACT

This study proposes a control strategy for the efficient semi active suspension systems utilizing a novel hybrid PID-fuzzy logic control scheme .In the control architecture, we employ the Chaotic Fruit Fly Algorithm for PID tuning since it can avoid local minima by chaotic search. A novel linguistic rule based fuzzy logic controller is developed to aid the PID.A quarter car model with a non-linear spring system is used to test the performance of the proposed control approach. A road terrain is chosen where the comfort and handling parameters are tested specifically in the regions of abrupt changes. The results suggest that the suspension systems controlled by the hybrid strategy has the potential to offer more comfort and handling by reducing the peak acceleration and suspension distortion by 83.3 % and 28.57% respectively when compared to the active suspension systems. Also, compared to the performance of similar suspension control strategies optimized by stochastic algorithms such as Genetic Algorithms (GA), Particle Swarm Optimization (PSO) and Bacterial Foraging Optimization (BFO), reductions in peak acceleration and suspension distortion are found to be 25%, 32.3%, 54.6% and 23.35 %, 22.5%, 5.4 % respectively.The details of the solution methodology have been presented in the paper.

研究动机与目标

• 开发一种混合控制策略，以提升半主动悬架系统的乘坐舒适性与操控性能。
• 通过混沌搜索机制避免局部极小值，解决传统PID参数调优方法的局限性。
• 将新型模糊逻辑控制器与优化后的PID参数相结合，以提升动态响应性能。
• 利用非线性四分之一车辆模型，在突发道路扰动条件下评估系统性能。
• 将所提方法的性能与现有随机优化技术（如GA、PSO和BFO）进行对比。

提出的方法

• 设计了一种混合PID-模糊逻辑控制架构，其中模糊逻辑控制器根据道路与车辆动力学状态调节悬架阻尼力。
• 采用混沌萤火虫优化算法（CFFOA）对PID控制器参数进行调优，利用混沌局部搜索机制以跳出局部极小值。
• CFFOA利用混沌序列比标准元启发式方法更有效地探索参数空间。
• 采用具有非线性弹簧系统的非线性四分之一车辆模型，以模拟真实世界的悬架行为。
• 道路输入选择包含突变情况，以测试在严苛条件下的性能表现。
• 通过峰值悬架加速度和悬架行程等指标评估系统性能。

实验结果

研究问题

• RQ1 混沌萤火虫优化算法能否有效调优半主动悬架系统的PID参数，同时避免陷入局部极小值？
• RQ2 所提出的混合模糊-PID控制策略在乘坐舒适性与操控性能方面，与主动悬架系统相比表现如何？
• RQ3 该混合策略在减少悬架振动方面，相较于其他随机优化方法（GA、PSO、BFO）的优越程度如何？
• RQ4 在非线性悬架环境中，模糊逻辑控制器对突发道路扰动的适应能力如何？
• RQ5 采用所提出的混合控制方法后，峰值加速度与悬架行程的改善程度如何？

主要发现

• 所提出的混合控制策略相比主动悬架系统，将峰值悬架加速度降低了83.3%。
• 相比主动悬架系统，悬架行程减少了28.57%，表明乘坐舒适性与稳定性得到提升。
• 与遗传算法优化系统相比，峰值加速度降低25%，悬架行程降低32.3%。
• 与粒子群优化相比，所提方法在峰值加速度和悬架行程上分别实现23.35%和22.5%的降低。
• 与细菌觅食优化相比，混沌萤火虫算法使峰值加速度降低54.6%，悬架行程降低5.4%。
• 将模糊逻辑与CFFOA调优的PID控制器相结合，可在突发道路输入下实现更优的振动抑制与动态响应性能。