阅读说明：本技术 一种基于栈式自编码的主动悬架系统及其工作方法 (Active suspension system based on stack type self-coding and working method thereof ) 是由 孙玲玲 侯力文 牛宁 于 2018-07-13 设计创作，主要内容包括：本发明涉及一种基于栈式自编码的主动悬架系统及其工作方法。所述基于栈式自编码的主动悬架系统,包括控制单元和分别设置在四个车轮上的信号采集单元；所述信号采集单元包括,车身加速度传感器、车轮加速度传感器、轮速传感器、空气弹簧和磁流变减振器；控制单元与四个信号采集单元连接。本发明所述基于栈式自编码的主动悬架系统,将栈式自编码器用于汽车行驶模式的识别,实现汽车空气弹簧模式的选择和磁流变减震器模式的选择；根据路况寻优出最佳的调节因子,保证车辆的平顺性和操纵稳定性；节约能源的同时实现控制效果最优。(The invention relates to an active suspension system based on stack type self-coding and a working method thereof. The active suspension system based on the stack type self-coding comprises a control unit and signal acquisition units respectively arranged on four wheels; the signal acquisition unit comprises a vehicle body acceleration sensor, a wheel speed sensor, an air spring and a magneto-rheological shock absorber; the control unit is connected with the four signal acquisition units. According to the active suspension system based on the stacked self-coding, the stacked self-coder is used for identifying the automobile running mode, so that the selection of an automobile air spring mode and the selection of a magneto-rheological damper mode are realized; optimizing an optimal adjusting factor according to the road condition to ensure the smoothness and the operation stability of the vehicle; the control effect is optimal while the energy is saved.)

一种基于栈式自编码的主动悬架系统及其工作方法

技术领域

本发明涉及一种基于栈式自编码的主动悬架系统及其工作方法，属于汽车主动悬架系统控制的技术领域。

背景技术

安全、快捷、舒适的行驶是汽车普遍追求的目标，而频繁的交通安全事故以及随之而来的主动安全问题一直是社会所关注的重大难题。乘坐舒适性和操纵稳定性是汽车两大重要性能指标。目前，人们对汽车悬架的研究，主要还是针对乘坐舒适性。而在特殊工况下，悬架成为主动安全，特别是提高侧倾稳定性的重要执行机构。在设计主动悬架时，要考虑抑制簧载质量的振动和车轮跳动，同时要抑制车辆的侧倾运动，以提高汽车的乘坐舒适性和操纵稳定性。现有主动悬架无法实现不同路况下控制模式实时切换控制，浪费能源且无法使性能达到最优。

栈式自编码是深度学习的一种，是一种无监督学习算法，其应用反向传播，将目标值设置为输入。编码器尝试学习身份功能的近似值，以便输出与输入相似。以正向顺序运行每一层的编码步骤，给出堆叠式自动编码器的编码步骤，以相反的顺序运行每个自动编码器的解码堆栈得到解码步骤。这样，可以将最深的隐藏单元的激活值作为分类器的特征，将栈式自编码神经网络应用于重构数据识别分类。

栈式自编码神经网络是由多层稀疏自编码器组成的神经网络模型，即前一个自编码器的输出作为后一个自编码器的输入。

对于深度网络可以采用逐层贪婪的训练方式，则对于栈式自编码神经网络的训练同样可以选择采用逐层贪婪的训练方式，即先利用输入的特征训练栈式自编码神经网络的第一层，即第一个自编码器，得到权重和偏置，然后将第一层的隐含层的激活值，即第一个自编码器的隐含层的输出，作为第二层，即第二个自编码器的输入，训练出第二个自编码器的权重和偏置，依次下去，便可以训练出栈式自编码神经网络中的参数。

发明内容

针对现有技术的不足，本发明提供一种基于栈式自编码的主动悬架系统。

本发明还提供一种上述主动悬架系统的工作方法。

本发明的技术方案为：

一种基于栈式自编码的主动悬架系统，包括控制单元和分别设置在四个车轮上的信号采集单元；所述信号采集单元包括，车身加速度传感器、车轮加速度传感器、轮速传感器、空气弹簧和磁流变减振器；控制单元与四个信号采集单元连接。

车轮加速度传感器测量簧下质量垂向加速度，即悬架下方车轮的垂向加速度；车身加速度传感器测量簧上质量垂向加速度，即悬架上方车身的垂向加速度；轮速传感器测量车轮转速；

根据本发明优选的，所述信号采集单元依次通过电荷放大器和数据采集仪与控制单元连接。

一种上述主动悬架系统的工作方法，包括步骤如下：

1)构建栈式自编码神经网络；

1.1)训练第一隐藏层；在不同路况下，将四个信号采集单元采集的信号作为输入信号，训练栈式自编码器；所述栈式自编码器学习得到输入信号的一阶特征；

1.2)训练第二隐藏层；将输入信号的一阶特征作为输入，训练栈式自编码器得到二阶特征；

1.3)将所述二阶特征作为softmax分类器层的输入，训练得到一个能将所述二阶特征映射到数字标签的模型；

栈式自编码网络用于主动悬架系统模式识别；

2)通过栈式自编码网络进行主动悬架系统的模式识别；主动悬架系统的模式包括舒适模式和安全模式；

3)根据主动悬架系统的模式进行相应的控制；

3.1.1)为实现舒适模式的控制，建立车辆悬架系统七自由度车模型，其中，车身具有垂向、侧倾、俯仰三个自由度，四个车轮分别具有一个垂向运动的自由度；其中，a、b为前、后轴距，前轴距是指车辆质心到前轴的距离，后轴距是指车辆质心到后轴的距离，B为轮距，z_s为车身垂向位移，θ为车身俯仰角，

为车身侧倾角，z_sf1、z_sf2、z_sr1、z_sr2为簧上质量垂向位移、z_tf1、z_tf2、z_tr1、z_tr2为簧下质量垂向位移，k_sf1、k_sf2、k_sr1、k_sr2为空气弹簧的弹簧刚度、c_sf1、c_sf2、c_sr1、c_sr2为磁流变减振器的阻尼系数，k_tf、k_tr为前排轮胎、后排轮胎的刚度，q_f1、q_f2、q_r1、q_r2为路面输入；

3.1.2)为实现安全模式的控制，建立车辆悬架系统四自由度半车模型，其中车身具有垂向、侧倾两个自由度，左右两侧车轮分别具有一个垂向运动的自由度；m_s为车身质量；z_sl、z_sr分别为车身左、右两侧的位移；m_tl、m_tr为左右两侧车轮的质量，左右两侧车轮垂向位移分别为z_tl、z_tr；h_s为簧上质量质心到侧倾轴线的距离，q_l、q_r分别为左、右两侧车轮的路面输入；k_sl、k_sr分别为左、右两侧悬架弹簧的弹簧刚度，c_sl、c_sr分别为左、右两侧减振器的阻尼系数；h为簧上质量质心到地面的距离；

3.2.1)对于空气弹簧，当识别出的模式为舒适模式时，以车身质心处的垂向加速度为评价指标，优化参数为四个空气弹簧的刚度k_sf1、k_sf2、k_sr1、k_sr2，在进行基于差分进化算法的弹簧刚度寻优时，所取的系统适应度函数为：

为优化后簧上质量垂向速度均方根值，为优化后簧上质量垂向加速度均方根值，

为被动悬架系统簧上质量垂向速度均方根值，

为被动悬架系统簧上质量垂向加速度均方根值；簧上质量垂向速度由簧上质量垂向位移求导得到；簧上质量垂向加速度由簧上质量垂向速度求导得到；

约束条件如下：

考虑车轮与路面间轮胎动载荷及车身悬架动挠度；车辆行驶时，要避免轮胎离开地面，轮胎与路面的动载荷小于静载荷，即

其中，f_ktf1、f_ktf2、f_ktr1、f_ktr2为四个轮胎静载荷；根据车辆静态力平衡及力矩平衡方程获得四个轮胎的静载荷为：

其中，g为重力加速度，m_tf为前排的单个轮胎质量，m_tr为后排的单个轮胎质量；

由于悬架机械结构的行程限制，将悬架的动行程z_si-z_ti(i＝f1、f2、r1、r2)限制在一定范围内；避免撞击限位块破坏舒适性；对应的约束条件为：

其中，S_max为允许的车辆悬架工作空间限位；S_max＝0.1m。

最终，得到寻优后的四个空气弹簧刚度，作为舒适模式的弹簧刚度；

3.2.2)对于空气弹簧，当识别出的行驶模式为安全模式时，以车身侧倾角的加速度作为评价指标优化，优化参数为空气弹簧的刚度k_sf1、k_sf2、k_sr1、k_sr2，在进行基于差分进化算法的弹簧刚度寻优时，所取的系统适应度函数为：

为优化后车身侧倾角均方根值，为优化后车身侧倾角的加速度均方根值，

为被动悬架系统车身侧倾角均方根值，

为被动悬架系统车身侧倾角的加速度均方根值；

约束条件包括步骤3.2.1)的约束条件和车辆的侧翻因数LTR；侧翻因数LTR即左右两侧轮胎垂直载荷之差的绝对值与总的轮胎垂直载荷之和的比值；

当左右两侧轮胎载荷相等时，LTR的值为0，车辆处于安全状态；当发生侧倾时，两侧车轮垂直载荷发生转移，当一侧车轮离开地面时LTR＝1；为了预防车辆发生侧翻，必须阻止车轮离开地面。一旦车轮离开轮面，将很难进行稳定控制并保证车辆不发生侧翻；

最终，寻优得到的弹簧刚度为安全模式下的空气弹簧刚度；

3.2.3)对于磁流变减震器，当识别出的行驶模式为舒适模式时，同时考虑车辆的乘坐舒适性和操纵稳定性；

经典的天棚阻尼控制策略以抑制簧载质量的振动、提高汽车乘坐舒适性为目的，混合阻尼控制策略集成了天棚控制和地棚控制的特点，兼顾了平顺性和操纵稳定性。

理想的天棚阻尼力为：

但天棚阻尼是理想的模型，无法适用于本发明；

采用等效的方法使阻尼力在一定范围内实现天棚阻尼控制；

式中，F_si为天棚阻尼力，

为簧上质量垂向速度，

为簧下质量的垂向速度，z_si为簧上质量垂向位移，z_ti为簧下质量垂向位移，F_imax为磁流变减振器最大可调力；β_si为天棚阻尼系数，根据悬架参数优化确定；簧上质量垂向速度由簧上质量加速度传感器测量得到的加速度信号经过积分后得到；簧上质量位移是经过簧上质量加速度传感器测量得到的加速度信号经过二次积分后得到；

为抑制车轮跳动，提高汽车操纵稳定性，有必要在天棚控制基础上引入地棚控制，理想的地棚阻尼力为：

地棚阻尼也是一个理想的模型，同样无法直接适用于本发明；

采用等效的方法使F_MR在一定范围内实现地棚阻尼控制；

地棚控制策略为：

式中：F_gi为地棚阻尼力，β_gi为地棚阻尼系数；

混合阻尼控制策略集成天棚控制和地棚控制的特点，兼顾平顺性和操纵稳定性；综合控制力输出为：

F_h＝αF_s+(1-α)F_g

式中：F_h为磁流变减振器的输出力，α为调节因子；

采用差分进化算法求得最佳调节因子，在进行调节因子的参数寻优时，系统适应度函数设为：

式中，

为寻优控制后簧上质量垂向加速度均方根值与簧下质量垂向加速度均方根值，

为被动悬架系统簧上质量垂向加速度均方根值与簧下质量垂向加速度均方根值；约束条件为步骤3.2.1)的约束条件；得到调节因子后，最终得到磁流变减振器的输出阻尼力；被动悬架系统是指弹簧刚度和阻尼系数不变的悬架系统；

3.2.4)对于磁流变减震器，当识别出的行驶模式为安全模式时，利用滑模变结构控制，通过产生附加力矩实现对车辆侧倾的控制；

对车辆侧倾运动的控制，通过磁流变减振器实现半主动悬架阻尼的连续可调，产生防止车辆侧倾的附加力矩M_R；运动方程为：

I_xx为车辆的侧倾转动惯量，a_y是设定的车架侧向加速度；以侧倾角

为控制目标，假设期望系统输出侧倾角为

则跟踪误差e_rr为：

定义积分滑模面：

式中，

为跟踪误差e_rr的一阶导数；

进一步的：

式中，k₁和k₂为非零正整数，如果期望系统输出侧倾角

则对滑模面s进行求导，可得：

如果滑模控制处于理想状态，则

由此可得

通过调整k₁和k₂的取值，使跟踪误差

趋近于零；

同时，结合式(1)得：

其中，

为保证滑模动态品质，选取指数趋近律作为接近条件：

式中，ε、c均为正的常数；

综合式(3)、(6)和(7)，得：

由此可得，使悬架回到预期侧倾角所需的附加力矩为：

式(9)中所得附加力矩是将簧上质量的侧倾角调整为预期值的理想附加力矩；对于磁流变减振器而言，附加力矩是通过调节左、右阻尼力的大小及差异实现的，附加阻尼力矩受两个因素的限制：一是左、右两侧簧上质量与簧下质量相对运动的速度；二是调节阻尼的励磁电流；在得到期望附加力矩M_R的基础上，首先对各减振器的输出阻尼力进行决策，然后根据磁流变减振器特性得到期望的励磁电流；

对侧倾进行控制，f_MRl与f_MRr分别为左、右侧磁流变减振器的阻尼力，具体决策过程如下：

A)当

且

时，如果右侧磁流变减振器输出附加阻尼力会削弱抗侧倾力矩，因此：

B)当

且

时，如果左右两侧磁流变减振器同时输出附加阻尼力会产生抗侧倾力矩，因此：

C)当且

时，如果左右两侧磁流变减振器输出附加阻尼力会增加侧倾程度，因此：

D)当

且

时，如果左侧磁流变减振器输出附加阻尼力会削弱抗侧倾力矩，因此：

通过上述控制策略，即可得到安全模式下前、后磁流变减振器的输出阻尼力。

根据本发明优选的，所述步骤2)中，舒适模式和安全模式的定义方法为，利用carsim软件进行仿真工况设置；

①车速为10km/h—100km/h的双移线仿真工况，速度间隔为1km/h，≥30km/h时控制模式为安全模式，<30km/h时控制模式为舒适模式；

②车速为10km/h—100km/h的高速公路仿真工况，速度间隔为1km/h，此时控制模式为舒适模式；

③车速为10km/h—100km/h的鱼钩仿真工况，速度间隔为1km/h，≥30km/h时控制模式为安全模式，<30km/h时控制模式为舒适模式；

后续还采用25km/h—35km/h的双移线仿真工况、鱼钩仿真工况和高速公路仿真工况作为测试数据集，测试栈式自编码神经网络的识别分类效果。

将训练、测试好的栈式自编码神经网络应用于车辆状态识别中，可根据行驶状态实时选择控制模式。

本发明的有益效果为：

1.本发明所述基于栈式自编码的主动悬架系统，将栈式自编码器用于汽车行驶模式的识别，实现汽车空气弹簧模式的选择和磁流变减震器模式的选择；根据路况寻优出最佳的调节因子，保证车辆的平顺性和操纵稳定性；节约能源的同时实现控制效果最优；

2.本发明所述基于栈式自编码的主动悬架系统，通过神经网络的模式识别功能设计切换控制器，实现主动悬架控制模式实时切换控制；并通过深度学习预测更加复杂的模型数据，有效克服了浅层神经网络容易收敛到局部最小值的缺陷。

附图说明

图1是本发明所述振动半车模型的结构示意图；

图2为本发明所述侧倾半车模型的结构示意图；

图3为本发明所述栈式自编码网络悬架模式识别网络训练框图；

图4为七自由度整车动力学模型；

图5为四自由度车辆侧倾动力学模型；

图6为双移线工况仿真设置；

图7为鱼钩工况仿真设置；

图8为高速公路工况路面粗糙度设置；

图9为栈式自编码模式识别系统控制流程图；

其中，1、电荷放大器；2、车身加速度传感器；3、空气弹簧；4、车轮加速度传感器；5、空气弹簧；6、磁流变减振器；7、数据采集仪；8、轮速传感器。

具体实施方式

下面结合实施例和说明书附图对本发明做进一步说明，但不限于此。

实施例1

如图1-2所示。

一种基于栈式自编码的主动悬架系统，包括控制单元和分别设置在四个车轮上的信号采集单元；所述信号采集单元包括，车身加速度传感器2、车轮加速度传感器4、轮速传感器8、空气弹簧5和磁流变减振器6；控制单元与四个信号采集单元连接。

车轮加速度传感器测量簧下质量垂向加速度，即悬架下方车轮的垂向加速度；车身加速度传感器测量簧上质量垂向加速度，即悬架上方车身的垂向加速度；轮速传感器测量车轮转速；

所述信号采集单元依次通过电荷放大器1和数据采集仪7与控制单元连接。

所述车身加速度传感器2和车轮加速度传感器4均为北京东方振动和噪声技术研究所通用型压电加速度传感器INV982X；其频率范围宽，精密及灵敏度高，低阻抗输出，抗干扰能力强，噪声低。

数据采集仪为北京东方振动和噪声技术研究所高精度USB采集仪INV3018A，该采集仪各通道独立AD，并行连续大容量不间断数据采集。

轮速传感器8为BOSCH公司轮速传感器，该轮速传感器改善了对外部磁力影响的耐受力，灵活性设计。

空气弹簧3为青岛四方车辆研究所有限公司生产的汽车用空气弹簧，弹簧高度、承载能力和弹簧刚度可调，固有振动频率较低，隔绝高频振动及隔噪音效果好，可利用空气的阻尼作用，使用寿命较长。磁流变减振器6为蒂森克虏伯-倍斯登公司提供的磁流变减振器。

实施例2

如图3、9所示。

一种如实施例1所述主动悬架系统的工作方法，包括步骤如下：

1)构建栈式自编码神经网络；

1.1)训练第一隐藏层；在不同路况下，将四个信号采集单元采集的信号作为输入信号，训练栈式自编码器；所述栈式自编码器学习得到输入信号的一阶特征；

1.2)训练第二隐藏层；将输入信号的一阶特征作为输入，训练栈式自编码器得到二阶特征；

1.3)将所述二阶特征作为softmax分类器层的输入，训练得到一个能将所述二阶特征映射到数字标签的模型；

栈式自编码网络用于主动悬架系统模式识别；

2)通过栈式自编码网络进行主动悬架系统的模式识别；主动悬架系统的模式包括舒适模式和安全模式；

3)根据主动悬架系统的模式进行相应的控制；

3.1.1)为实现舒适模式的控制，建立车辆悬架系统七自由度车模型，如图4所示，其中，车身具有垂向、侧倾、俯仰三个自由度，四个车轮分别具有一个垂向运动的自由度；其中，a、b为前、后轴距，前轴距是指车辆质心到前轴的距离，后轴距是指车辆质心到后轴的距离，B为轮距，z_s为车身垂向位移，θ为车身俯仰角，

为车身侧倾角，z_sf1、z_sf2、z_sr1、z_sr2为簧上质量垂向位移、z_tf1、z_tf2、z_tr1、z_tr2为簧下质量垂向位移，k_sf1、k_sf2、k_sr1、k_sr2为空气弹簧的弹簧刚度、c_sf1、c_sf2、c_sr1、c_sr2为磁流变减振器的阻尼系数，k_tf、k_tr为前排轮胎、后排轮胎的刚度，q_f1、q_f2、q_r1、q_r2为路面输入；

3.1.2)为实现安全模式的控制，建立车辆悬架系统四自由度半车模型，如图5所示，其中车身具有垂向、侧倾两个自由度，左右两侧车轮分别具有一个垂向运动的自由度；m_s为车身质量；z_sl、z_sr分别为车身左、右两侧的位移；m_tl、m_tr为左右两侧车轮的质量，左右两侧车轮垂向位移分别为z_tl、z_tr；h_s为簧上质量质心到侧倾轴线的距离，q_l、q_r分别为左、右两侧车轮的路面输入；k_sl、k_sr分别为左、右两侧悬架弹簧的弹簧刚度，c_sl、c_sr分别为左、右两侧减振器的阻尼系数；h为簧上质量质心到地面的距离；

3.2.1)对于空气弹簧，当识别出的模式为舒适模式时，以车身质心处的垂向加速度为评价指标，优化参数为四个空气弹簧的刚度k_sf1、k_sf2、k_sr1、k_sr2，在进行基于差分进化算法的弹簧刚度寻优时，所取的系统适应度函数为：

为优化后簧上质量垂向速度均方根值，

为优化后簧上质量垂向加速度均方根值，

为被动悬架系统簧上质量垂向速度均方根值，

为被动悬架系统簧上质量垂向加速度均方根值；簧上质量垂向速度由簧上质量垂向位移求导得到；簧上质量垂向加速度由簧上质量垂向速度求导得到；

约束条件如下：

考虑车轮与路面间轮胎动载荷及车身悬架动挠度；车辆行驶时，要避免轮胎离开地面，轮胎与路面的动载荷小于静载荷，即

其中，f_ktf1、f_ktf2、f_ktr1、f_ktr2为四个轮胎静载荷；根据车辆静态力平衡及力矩平衡方程获得四个轮胎的静载荷为：

其中，g为重力加速度，m_tf为前排的单个轮胎质量，m_tr为后排的单个轮胎质量；计算得到f_ktf1＝f_ktf2＝4608.2N；f_ktr1＝f_ktr2＝3950.7N。

由于悬架机械结构的行程限制，将悬架的动行程z_si-z_ti(i＝f1、f2、r1、r2)限制在一定范围内；避免撞击限位块破坏舒适性；对应的约束条件为：

其中，S_max为允许的车辆悬架工作空间限位；S_max＝0.1m。

最终，得到寻优后的四个空气弹簧刚度，作为舒适模式的弹簧刚度；

3.2.2)对于空气弹簧，当识别出的行驶模式为安全模式时，以车身侧倾角的加速度作为评价指标优化，优化参数为空气弹簧的刚度k_sf1、k_sf2、k_sr1、k_sr2，在进行基于差分进化算法的弹簧刚度寻优时，所取的系统适应度函数为：

为优化后车身侧倾角均方根值，

为优化后车身侧倾角的加速度均方根值，

为被动悬架系统车身侧倾角均方根值，

为被动悬架系统车身侧倾角的加速度均方根值；

约束条件包括步骤3.2.1)的约束条件和车辆的侧翻因数LTR；侧翻因数LTR即左右两侧轮胎垂直载荷之差的绝对值与总的轮胎垂直载荷之和的比值；

当左右两侧轮胎载荷相等时，LTR的值为0，车辆处于安全状态；当发生侧倾时，两侧车轮垂直载荷发生转移，当一侧车轮离开地面时LTR＝1；为了预防车辆发生侧翻，必须阻止车轮离开地面。一旦车轮离开轮面，将很难进行稳定控制并保证车辆不发生侧翻；本实施例选取LTR＝0.75。

最终，寻优得到的弹簧刚度为安全模式下的空气弹簧刚度；

3.2.3)对于磁流变减震器，当识别出的行驶模式为舒适模式时，同时考虑车辆的乘坐舒适性和操纵稳定性；

经典的天棚阻尼控制策略以抑制簧载质量的振动、提高汽车乘坐舒适性为目的，混合阻尼控制策略集成了天棚控制和地棚控制的特点，兼顾了平顺性和操纵稳定性。

理想的天棚阻尼力为：

但天棚阻尼是理想的模型，无法适用于本发明；

采用等效的方法使阻尼力在一定范围内实现天棚阻尼控制；

式中，F_si为天棚阻尼力，

为簧上质量垂向速度，

为簧下质量的垂向速度，z_si为簧上质量垂向位移，z_ti为簧下质量垂向位移，F_imax为磁流变减振器最大可调力；β_si为天棚阻尼系数，根据悬架参数优化确定；簧上质量垂向速度由簧上质量加速度传感器测量得到的加速度信号经过积分后得到；簧上质量位移是经过簧上质量加速度传感器测量得到的加速度信号经过二次积分后得到；

为抑制车轮跳动，提高汽车操纵稳定性，有必要在天棚控制基础上引入地棚控制，理想的地棚阻尼力为：

地棚阻尼也是一个理想的模型，同样无法直接适用于本发明；

采用等效的方法使F_MR在一定范围内实现地棚阻尼控制；

地棚控制策略为：

式中：F_gi为地棚阻尼力，β_gi为地棚阻尼系数；

混合阻尼控制策略集成天棚控制和地棚控制的特点，兼顾平顺性和操纵稳定性；综合控制力输出为：

F_h＝αF_s+(1-α)F_g

式中：F_h为磁流变减振器的输出力，α为调节因子；

采用差分进化算法求得最佳调节因子，在进行调节因子的参数寻优时，系统适应度函数设为：

式中，

为寻优控制后簧上质量垂向加速度均方根值与簧下质量垂向加速度均方根值，为被动悬架系统簧上质量垂向加速度均方根值与簧下质量垂向加速度均方根值；约束条件为步骤3.2.1)的约束条件；得到调节因子后，最终得到磁流变减振器的输出阻尼力；被动悬架系统是指弹簧刚度和阻尼系数不变的悬架系统；

3.2.4)对于磁流变减震器，当识别出的行驶模式为安全模式时，利用滑模变结构控制，通过产生附加力矩实现对车辆侧倾的控制；

对车辆侧倾运动的控制，通过磁流变减振器实现半主动悬架阻尼的连续可调，产生防止车辆侧倾的附加力矩M_R；运动方程为：

I_xx为车辆的侧倾转动惯量，a_y是设定的车架侧向加速度；以侧倾角

为控制目标，假设期望系统输出侧倾角为

则跟踪误差e_rr为：

定义积分滑模面：

式中，

为跟踪误差e_rr的一阶导数；

进一步的：

式中，k₁和k₂为非零正整数，如果期望系统输出侧倾角

则对滑模面s进行求导，可得：

如果滑模控制处于理想状态，则

由此可得通过调整k₁和k₂的取值，使跟踪误差趋近于零；

同时，结合式(1)得：

其中，

为保证滑模动态品质，选取指数趋近律作为接近条件：

式中，ε、c均为正的常数；

综合式(3)、(6)和(7)，得：

由此可得，使悬架回到预期侧倾角所需的附加力矩为：

式(9)中所得附加力矩是将簧上质量的侧倾角调整为预期值的理想附加力矩；对于磁流变减振器而言，附加力矩是通过调节左、右阻尼力的大小及差异实现的，附加阻尼力矩受两个因素的限制：一是左、右两侧簧上质量与簧下质量相对运动的速度；二是调节阻尼的励磁电流；在得到期望附加力矩M_R的基础上，首先对各减振器的输出阻尼力进行决策，然后根据磁流变减振器特性得到期望的励磁电流；

对侧倾进行控制，f_MRl与f_MRr分别为左、右侧磁流变减振器的阻尼力，具体决策过程如下：

A)当

且

时，如果右侧磁流变减振器输出附加阻尼力会削弱抗侧倾力矩，因此：

B)当

且

时，如果左右两侧磁流变减振器同时输出附加阻尼力会产生抗侧倾力矩，因此：

C)当

且时，如果左右两侧磁流变减振器输出附加阻尼力会增加侧倾程度，因此：

D)当

且

时，如果左侧磁流变减振器输出附加阻尼力会削弱抗侧倾力矩，因此：

通过上述控制策略，即可得到安全模式下前、后磁流变减振器的输出阻尼力。

实施例3

如实施例2所述主动悬架系统的工作方法，进一步的，所述步骤2)中，舒适模式和安全模式的定义方法为，利用carsim软件进行仿真工况设置；如图6-8所示。

①车速为10km/h—100km/h的双移线仿真工况，速度间隔为1km/h，≥30km/h时控制模式为安全模式，<30km/h时控制模式为舒适模式；

②车速为10km/h—100km/h的高速公路仿真工况，速度间隔为1km/h，此时控制模式为舒适模式；

③车速为10km/h—100km/h的鱼钩仿真工况，速度间隔为1km/h，≥30km/h时控制模式为安全模式，<30km/h时控制模式为舒适模式；

后续还采用25km/h—35km/h的双移线仿真工况、鱼钩仿真工况和高速公路仿真工况作为测试数据集，测试栈式自编码神经网络的识别分类效果。

将训练、测试好的栈式自编码神经网络应用于车辆状态识别中，可根据行驶状态实时选择控制模式。