基于遗传算法和粒子群算法的2、4、7自由度悬架PID控制仿真分析

目录

前言

1. 2自由度悬架

1.1 基于GA的2自由度悬架PID主动控制

1.2 基于PSO的2自由度悬架PID主动控制

2. 4自由度悬架

2.1 基于GA的4自由度悬架PID主动控制

2.2 基于PSO的4自由度悬架PID主动控制

3. 2自由度悬架

3.1 基于GA的7自由度悬架PID主动控制

3.2 基于PSO的7自由度悬架PID主动控制

4.总结

---

前言

前面我们用人为调参的方法对2、4、7自由度悬架进行PID主动控制，那么对于有经验调参的人来说固然没有什么麻烦，但是对于每个模型PID参数的调节大小是不一样的，或者说“习惯性”参数不一样，那么这时候可能就需要利用优化算法来调节参数了，本章介绍遗传算法和粒子群算法自适应调节PID参数。

然后为什么本篇文章要介绍两种优化算法优化相同的控制器参数呢？

因为其实优化算法都有共性，就是寻找极值，这样我可以使用遗传算法和粒子群算法寻优仿真的结果做对比，也算是验证优化的可靠性吧！

由于时间问题，这里每次的迭代次数均为10次。

而且为了更加准确证明所有话结果的有效性，这里均选用苛刻的随机路面激励，好了看下面的仿真结果(真的跑了好久，因为模型太多了)。

对于悬架模型可以看往期文章：

半车(前后、左右)、整车悬架详细推导建模和simulink仿真分析_侧倾 半车运动模型_Mr. 邹的博客-CSDN博客

这里有个