基于遗传算法的LQR主动悬架控制

目录

前言

1.悬架系统

2.LQR控制器设计

2.1性能指标

2.2适应度函数

 2.3算法流程

 3.MATLAB/Simulink仿真分析

3.1simulink模型

 3.2结果分析

---

前言

        LQR悬架的最优性取决于加权矩阵Q、R的设计，然后不通过寻优算法进行设计很困难，完全是靠设计者的经验和试探进行权重设计。本文利用遗传算法的全局搜索能力，以悬架的性能指标为目标函数，利用遗传算法工具箱对LQR悬架进行设计。

这里我想理清一个问题，就是随机路面激励模型的生成方法，法一可以用wgn（m,n,p）函数产生高斯白噪声，其中m为行数、n为列数、p为噪声功率（方差σ^2）；法二可以用simulink的Band-Limited White Noise模块，产生的是均值为0，方差为σ2的信号，其Parametes有3个参数：Noise power指功率谱密度PSD、Sample time指采样时间、Seed指随机数种子，其中功率谱密度、采样时间及功率的关系为功率p = 功率谱密度Noise power/采样时间Sample time，即：

默认状态下的Band-Limited White Noise模块

 即默认状态下，其功率谱密度是0.1，功率为1，能量为10（如果理解错误欢迎指导）。因为每次迭代会运行模型一次，所以需要将扰动序列固定，这样才能在已知的集合里进行寻优，所以直接在simulink中加Band-Limited White%Noise模块报错，所以w为Band-Limited White Noise模块默认状态下产生的一组固定数据。

详细的理解可以参考以下博主链接：

使用Matlab产生白噪声的简单方法 - 知乎

Simulink —— Band-Limited White Noise模块的使用_罗伯特祥的博客-CSDN博客_simulink白噪声

1.悬架系统

 2自由度悬架模型

微分方程：

 取状态变量，有状态空间方程：

2.LQR控制器设计

2.1性能指标

 即

 其中：

2.2适应度函数

由于性能指标单位及数量级不一致，因此除以相应的被动悬架性能指标，得到适应度函数：

 2.3算法流程

 3.MATLAB/Simulink仿真分析

3.1simulink模型

 3.2结果分析

 寻优过程

 C级路面

由于被动悬架没有阻尼所以，系统不会稳定下来，所以这里没有进行对比，本来想加上阻尼重新构造系统，但是仿真报错，可能对算法流程或者GA函数没有理解到位，后续有时间再进行更改。

注：仅为便利自己学习，错误在所难免，如有侵权，请联系删除，有兴趣的学者可以参考学习交流，谢谢！