新型连续阻尼可调悬架系统超视距预瞄控制策略研究.pdf

桂永建，马英照，严天一.新型连续阻尼可调悬架系统超视距预瞄控制策略研究J.机械科学与技术，2023，42（8）：1324-1331新型连续阻尼可调悬架系统超视距预瞄控制策略研究桂永建，马英照，严天一（青岛大学机电工程学院，山东青岛266071）摘要：针对连续阻尼可调悬架系统中存在的典型时滞问题，本文提出一种基于云平台的超视距预瞄控制策略。首先，利用 MATLAB/Simulink 构建七自由度连续阻尼可调悬架系统整车动力学模型；然后利用云服务器搭建超视距预瞄控制策略运行平台，并基于消息队列遥测传输（Messagequeuingtelemetrytransport,MQTT）协议将车载控制单元与云服务器接入物联网平台，实现云端控制策略与车载控制单元的数据通讯；最后利用 CarSim-Simulink 联合仿真模型及车载控制单元进行硬件在环试验。结果表明，所提出的控制策略不仅能改善悬架系统的平顺性，而且将预瞄控制策略部署于云端的方式可有效降低车载电子控制单元负荷。关键词：新型连续阻尼可调悬架系统；超视距预瞄控制；云平台；消息队列遥测传输协议；硬件在环中图分类号：TP391.9；U461.4文献标志码：ADOI：10.13433/ki.1003-8728.20230266文章编号：1003-8728（2023）08-1324-08Research on Over-horizon Preview Control Strategy of a New Type of Continuous Damping Adjustable Suspension SystemGUIYongjian，MAYingzhao，YANTianyi(CollegeofMechanicalandElectricalEngineering,QingdaoUniversity,Qingdao266071,Shandong,China)Abstract：Aimingatthetypicaltimedelayprobleminthecontinuousdampingadjustablesuspensionsystem,acloud-basedover-the-horizonpreviewcontrolstrategyisproposedinthispaper.First,MATLAB/Simulinkisusedtobuildthevehicledynamicsmodelofthe7DOFcontinuousdampingsuspensionsystem;then,thecloudserverisusedtobuildtheover-the-horizonpreviewcontrolstrategyoperationplatform,andtheMQTT(Messagequeuingtelemetrytransport)isusedtoconnectthevehiclecontrolunitandthecloudservertotheIoTplatformtorealizethedatacommunicationbetweenthecloudcontrolstrategyandthevehiclecontrolunit.Finally,theCarsim-Simulinkco-simulationmodelandthevehiclecontrolunitareusedtoconducthardware-in-the-looptests.Theresultsshowthattheproposedcontrolstrategycannotonlyimprovetheridecomfortofthesuspensionsystem,butalsocaneffectivelyreducetheloadofthevehicleelectroniccontrolunitbydeployingthepreviewcontrolstrategyinthecloud.Keywords：continuous dampingcontrollablesuspensionsystem；over-the-horizon preview；cloud platform；message queuingtelemetrytransport；hardware-in-the-loop传统被动悬架系统阻尼系数不可实时调节，难以满足复杂行驶工况下的平顺性需求，设计开发连续阻尼可调悬架系统及其控制策略以提升车辆垂向动力学性能已成为近些年的主要研究热点1。国内外学者已提出多种的控制算法以提高悬架收稿日期：2022-10-10基金项目：国家自然科学基金项目（51475248）与山东省自然科学基金面上项目（ZR2016EEM49）作者简介：桂永建（1997），硕士研究生，研究方向为汽车电子控制技术，通信作者：严天一，教授，硕士生导师，yan_2023 年8 月机械科学与技术August2023第 42 卷第 8 期MechanicalScienceandTechnologyforAerospaceEngineeringVol.42No.8http:/ 等提出了一种基于轴距预瞄的汽车主动悬架多目标控制方法，并通过仿真实验比较了带轴距预瞄与不带预瞄两种控制方式效果的差别2。Ghrle 等提出了一种以车身加速度为评价参数的模型预测控制策略，仿真结果表明，该策略可有效提升车辆平顺性和舒适性3。Theunissen 等提出了一种基于路面高度信息预瞄的主动悬架预测控制策略，并将优化策略以函数求值的方式离线运行。结果表明，该策略可有效减小车身垂向加速度，并且可以缓解运行单元内存紧张的问题4。Li 等设计了一种基于云辅助的半主动悬架的控制策略，通过将路面信息存储到云端数据库，用于车辆行驶状态的估计，并将所有优化问题都在一个具有高计算能力的远程嵌入式代理中解决5-6。Basargan 等提出了一种车辆到云到车（V2C2V）的技术，通过云数据库存储路面信息，实现悬架系统自适应预瞄控制7-9。李克强等提出了一种“人-车-路-云”一体化协同创新发展的智能网联汽车运控系统的概念，并通过仿真与道路实验，验证了将云端计算、感知、决策和控制融合的可行性与先进性10。张洪昌等研究了通过云端服务，将多车辆信息融合校正处理的方法，并进行了实车试验。试验结果指出该方法可以准确的测量车辆前方的路况信息，驾驶员可以提前预知前方路况，可有效提高驾驶安全性，减少事故的发生11。本文利用先进的车载通讯网络，综合考虑悬架阻尼控制中的相关需求，搭建连续阻尼可调悬架系统整车仿真模型，并在云端部署超视距预瞄控制策略，将车辆行驶状况和道路高程信息等上传至云端，云服务器计算最优阻尼力信号下发至车载电子控制单元，控制单元对电磁阀进行直接控制，通过以上进行的硬件在环试验以有效评估新型悬架控制策略的有效性。1 系统模型构建构建新型连续阻尼可调悬架系统模型是研究超视距预瞄控制策略的基础。根据需求，将整车的质心作为原点，构建了简化为 7 个自由度的连续阻尼可调悬架系统的整车动力学模型，由车身的俯仰、垂向和侧倾运动以及车轮的垂向运动组成，如图 1所示。xyzvozsflzuflzrflKflFdflmuflmufrmurlmurrKrlFdrlFdrrzrrlzurlzsrlzsrrzurrzrrrtftrlllr图1七自由度整车行驶动力学模型Fig.1Sevendegreesoffreedomvehicledrivingdynamicsmodel车身俯仰运动为Iy =(Ffl+Ffr)tf(Frl+Frr)tr（1）车身垂向运动为ms zs=FflFfrFflFrr（2）车身侧倾运动为Ix=(Ffr+Frr)lr(Flr+Frl)ll（3）车轮垂向运动为：mufl zufl=Fflktfl(zuflzrfl)（4）mufr zufr=Ffrktfr(zufrzrfr)（5）murl zurl=Frlktrl(zurlzrrl)（6）murr zurr=Frrktrr(zurrzrrr)（7）连续阻尼可调悬架系统产生的垂向作用力为Fi=Fsi+Fdi（8）车身在各车轮处垂向位移为：zsfl=zstf+llzsfr=zstflrzsrl=zs+tr+llzsrr=zs+trlr（9）式中：ms为整车簧上质量；zs为整车质心处车身垂向位移；zsi为车轮上方车身垂向位移，i=fl，fr，rl，rr，下同：为车身侧倾角；为车身俯仰角；Ix、Iy分别为车身侧倾、俯仰转动惯量；tf、tr分别为整车质心到前、后轴的距离；ll、lr分别为前、后轴 1/2 轮距；musi分别为车轮处簧下质量；kti为各车轮垂向刚度；zui分别为各车轮垂向位移；zri分别为车轮处路面输入；Fsi、Fdi分别为车轮上方处螺旋弹簧力与减振器可调阻尼力。综上，分别选取状态变量 x，输出变量 y，控制变量 u 及路面输入 w，建立状态空间表达式为：x=Ax+Buu+Bwwy=Cx+Duu+Dww（10）第8期桂永建，等:新型连续阻尼可调悬架系统超视距预瞄控制策略研究1325http:/ zrrl=zrfl+2vlzrfl2vlzrrl zrrr=zrfr+2vlzrfr2vlzrrr（15）x1 x2=0112v2d26vdx1x2+12vd72v2d2zrfl（16）式中：nc为空间截止频率，nc=0.01m1；v 为车速；n0为标准空间频率，n0=0.1m1；G0为路面不平度系数，m3；（t）为高斯白噪声，均值为 0；d 为轮距，m；l 为车辆轴距，m。2 超视距预瞄控制策略设计超视距预瞄控制策略利用云平台数据库存储的道路属性信息以及云计算的强大算力实现超视距预瞄控制，解决车辆传感器感知距离有限以及车载电子控制单元运行复杂控制策略时算力不足的问题，新型的控制策略如框图 2 所示。面向新型连续阻尼悬架控制系统的云平台具备车辆设备端实时数据上云、云平台数据下发、云服务器设备端数据存储和控制策略计算等功能。为了减小车辆与云平台之间数据包传输的开销，采用消息队列遥测传输（Messagequeuingtelemetrytransport，MQTT）协议，并利用云服务器构建云端计算平台13。Carsim整车动力学模型电磁阀式阻尼可调减振器模型阻尼控制信号车辆状态/位置信息云服务器基于道路预瞄的模型预测控制器道路数据库阻尼控制信号车辆状态数据预瞄路面高程信息车辆位置信息预瞄道路属性信息阻尼预瞄控制模块电子控制单元CANMQTTMQTTCAN通信模块阻尼控制信号车辆状态/位置信息远程通信模块物联网平台路面模型Simulink环境图2超视距预瞄控制策略框图Fig.2Beyondline-of-sightcontrolstrategyblockdiagram在超视距预瞄控制系统中，云服务器需要接收车辆行驶工况数据，并下发控制指令，利用物联网作为数据交换平台，实现车载电子控制单元与远程云服务器的数据通讯。云服务器使用官方提供的 PythonIoTSDK 连接物联网平台，并通过 MQTT 协议远程订阅车辆行驶状态信息，并实时发布道路属性和悬架阻尼信息14。在物联网平台定义相关车辆状态物模型、设计相应的数据报文和制定数据规则引擎的流转规则，以完成物模型属性的读取与设置、云平台的数据流转以及云平台数据下发等功能。车载电子控制单元将接收的车辆状态 CAN 帧数据进行解析，并通过远程通信模块发送到物联网平台；同时车载电子控制单元向物联网平台订阅道路属性信息以及阻尼控制信号，将道路属性信息传输至控制器悬架阻尼预瞄控制模块，将阻尼控制信号封装成CAN 帧发送到联合仿真模型。阻尼预瞄控制采用基于路面预瞄的模型预测控制策略，同时考虑路面高程信息，并显式地处理系统状态、输入与输出变量约束，逐步优化得到预测范围内的阻尼减振器的最优阻尼力。根据控制目标分配权重系数，实现连续阻尼可调悬架系统阻尼控制。本文以簧上质量垂向加速度、侧倾与俯仰角加速度、悬架动行程以及轮胎动位移为优化指标，实现连续阻尼控制15。因为模型预测控制算法运算复杂，故本文将其部署在云平台，以保证阻尼预瞄控制策略的准确性和实时性，阻尼控制策略框图如图 3所示。1326机械科学与技术第42卷http:/ Nc，控制时域为 Np，且 NcNp。根据当前状态变量 x（k）和时变路面输入 w（k+i）（i=0，1，Np），预测时域状态变量为：x(k+1|k)=Adx(k|k)+Bduu(k|k)+Bdww(k|k)x(k+2|k)=Adx(k+1|k)+Bduu(k+1|k)+Bdww(k+1|k)=A2dx(k|k)+AdBduu(k|k)+Bduu(k+1|k)+AdBdww(k|k)+Bdww(k+1|k).x(k+Nc|k)=ANcdx(k|k)+ANc1dBduu(k|k)+Bduu(k+Nc1|k)+ANc1dBdww(k|k)+AdBdww(k+Nc2|k)+Bdww(k+Nc1|k).x(k+Np|k)=ANpdx(k|k)+ANp1dBduu(k|k)+ANpNc+1dBduu(k+Nc2|k)+NpNci=0AidBduu(k+Nc1|k)+ANp1dBdww(k|k)+Bdww(k+Np1|k)（19）预测时域内的被控输出为：y(k+1|k)=Cdx(k+1|k)+Dduu(k+1|k)+Ddww(k+1|k)=CdAdx(k|k)+CdBduu(k|k)+Dduu(k+1|k)+CdBdww(k|k)+Ddww(k+1|k)y(k+2|k)=Cdx(k+2|k)+Dduu(k+2|k)+Ddww(k+2|k)=CdA2dx(k|k)+CdAdBduu(k|k)+CdBduu(k+1|k)+Dduu(k+2|k)+CdAdBdww(k|k)+CdBdww(k+1|k)+Ddww(k+2|k).y(k+Nc|k)=CdAdx(k|k)+CdANc1dBduu(k|k)+CdBduu(k+Nc1|k)+Dduu(k+Nc1|k)+CdANc1dBdww(k|k)+Ddww(k+Nc|k).y(k+Np|k)=CdANpdx(k|k)+CdANp1dBduu(k|k)+(NpNci=0CdAidBdu+Ddu)u(k+Nc1|k)+CdANp1dBdww(k|k)+CdBdww(k+Np1|k)+Ddww(k+Np|k)（20）将预测时域的被控输出写成矩阵形式，即Yp=x(k)+uU+wW（21）其中：Yp=y(k+1|k)y(k+2|k)y(k+Np|k)T（22）第8期桂永建，等:新型连续阻尼可调悬架系统超视距预瞄控制策略研究1327http:/ z,q,q,qsfl,qsfr,qsrl,qsrr,qufl,qufr,qurl,qurr)R=diag(qFfl,qFfr,qFrl,qFrr)（29）q zqq 式中：、分别为车身垂向加速度、侧倾角加速度和俯仰角加速度的加权系数；qsfl、qsfr、qsrl、qsrr分别为各悬架动行程的加权系数 qufl、qufr、qurl、qurr分别为各车轮动位移的加权系数；qFfl、qFfr、qFrl、qFrr分别为各减振器输出阻尼力的加权系数。由于车辆在行驶过程中整个系统存在较强的非线性与不确定性，簧上质量和胎压等参数的变化会影响系统的平顺性。模糊控制自适应能力较强，因此本文采用模糊控制针对簧上质量和胎压的变化去调节各减振器输出阻尼力的权重系数。由于轮胎胎压会影响轮胎刚度，故本文将将模糊控制器的输入量设为车辆的簧上质量 e1和轮胎刚度 e2，输出量为悬架系统的模糊控制作用力权重系数 qM。输入与输出的模糊集均为NB，NS，ZE，PS，PB。考虑到乘 客、货 物 和 油 耗 的 影 响，将 e1论 域 分 别 为150,150。e2论域为 53，53，qM论域为 106,106。隶属度函数均采用三角形隶属度函数，采用重心法对模糊变量解模糊运算，输出得到悬架系统的模糊控制阻尼力权重系数16。模糊规则表如表 1所示。表 1 模糊控制规则表Tab.1Fuzzycontrolruletablee1e2NBNSZEPSPBNBNBNMNSZEZENSNMNSZEZEPSZENSZEZEZEPSPSNSZEPSPMPMPBZEPSPSPMPBR=diag(qFfl+qMfl,qFfr+qMfl,qFrl+qMrl,qFrr+qMrr)将式（21）代入式（28），为得到最小控制变量 U，忽略与控制变量 U 无关的项得：J=YTpQYp+UTRU=(x(k)+uU+wW)TQ(x(k)+uU+wW)T+UTRU=UT(TuQu+R)U+2x(k)TTQu+WTTwQuU（30）电磁阀式阻尼可调减振器受到驱动阻尼力以及悬架动行程等输入约束和输出约束。本文输入阻尼力约束采用恒定线性约束17，即：umin u(k+i)umaxi=0,1,Nc1ymin y(k+j)ymaxj=0,1,Np（31）式中：umin与 umax分别为电磁阀式阻尼可调减振器1328机械科学与技术第42卷http:/ ymax分别为输出约束上下限。将输入约束和输出约束通过矩阵形式来表示，即IeU UbuuU YbmaxYbmin+wwx(k)W（32）式中：Ie=I000I0.00II000I0.000I，Ub=umaxumax.umaxuminumin.umin，Yb,maxYb,min=ymaxymax.ymaxyminymin.ymin（33）基于构建的目标函数式（30）与约束方程式（32）计算最优阻尼力序列 U*，并将 U*的首个元素作为最优控制输入施加至电磁阀式阻尼可调减振器逆模型中，即u(k)=I00U（34）由于构建的模型预测控制器计算的最优阻尼力是主动控制力，应根据以下驱动条件施加控制，确保阻尼可调减振器只在悬架系统中消耗能量：u(k)=u(k)sign(zsi zui)u(k)0u(k)=0sign(zsi zui)u(k)0（35）3 硬件在环试验研究为验证新型连续阻尼可调悬架系统超视距预瞄控制策略的可行性，本文综合利用车载电子控制单元、CarSim-Simulink 联合仿真模型、网络通信模块、KvaserLeafLightV2CAN 总线分析仪等构建了云端硬件在环试验平台，并进行云端在环试验。KvaserLeafLightV2CAN 总线分析仪将构建于上位机的 CarSim-Simulink 联合仿真模型与车载电子控制单元进行连接。将连续阻尼可调悬架系统阻尼控制所需的车辆状态信息，通过 CAN 总线从CarSim-Simulink 联合仿真模型发送至电子控制单元，同时将从云平台接收的阻尼控制信号反馈至联合仿真模型，实现阻尼控制，为符合车辆实际运行状态本文采用了随机路面试验工况。硬件在环试验框图如图 4 所示。基于控制目标分配权重系数，以簧上质量垂向加速度、侧倾与俯仰角加速度，各悬架动行程和各轮胎动位移为优化指标，利用 Python 与基于 Ipopt求解器的 CasADi 框架进行 MPC 控制求解，实现减振器阻尼控制，同时为避免车辆加减速影响，选取连续阻尼可调悬架系统稳定以后 10s 的试验结果进行数据分析。物联网平台云服务器远程通讯模块车载控制单元仿真模型Kvaser图4硬件在环试验框架Fig.4Hardware-in-the-looptestframe试验假定路面为 C 级路面，车速 v=60km/h，预测时域 Np=10，控制时域 Nc=10，控制输出权重矩阵 Q=diag（100，1，1，5105，5105，5105，5105，5104，5104，5104，5104），控制输入权重矩阵 R=diag（105，105，105，105），试验结果如图 5图 9 所示。24681000.51.01.500.51.01.5垂向加速度/(ms2)时间/s无控制预瞄MPC控制图5垂向加速度响应Fig.5Verticalaccelerationresponse第8期桂永建，等:新型连续阻尼可调悬架系统超视距预瞄控制策略研究1329http:/ 0002 0001 50005001 0002 0001 500车轮动载荷/N时间/s无控制预瞄MPC控制图9右后车轮动载荷Fig.9Rightrearwheeldynamicload新型连续阻尼可调悬架系统性能评价指标见表2。表 2 新型连续阻尼可调悬架系统性能评价指标Tab.2Performanceevaluationindexofanewcontinuousdampingadjustablesuspensionsystem评价指标无控制MPC控制控制效果提升垂向加速度峰值1.2311.1308.2%垂向加速度均方根值0.4460.4049.4%侧倾角加速度峰值1.4351.3615.1%侧倾角加速度均方根值0.4980.43313%俯仰角加速度峰值1.8661.7028.7%俯仰角加速度均方根值0.6350.56910.3%左后车轮悬架动行程峰值0.01290.01216.2%左后车轮悬架动行程均方根值 0.00470.004112.7%右后车轮动载荷峰值1790.431503.9815.9%右后车轮动载荷均方根值626.87533.3814.9%由图 5图 9 与表 2 所示，垂向加速度峰值与均方根值分别降低了 8.2%与 9.4%，侧倾角加速度峰值与均方根值分别降低了 5.1%与 13%，俯仰角加速度峰值与均方根值分别降低了 8.7%与 10.3%，左后车轮悬架动行程峰值与均方根值降低了 6.2%与 12.7%，右后车轮动载荷峰值与均方根值分别降低了 15.9%与 14.9%。试验结果表明，本文所设计的控制策略明显降低了车身加速度，满足该控制策略的控制目标，改善了车辆的平顺性。4 结论1）构建了电磁阀式阻尼可调减振器模型的电控空气悬架系统模型，并结合 CarSim 整车动力学模型，建立了电控阻尼可调悬架系统联合仿真模型；同时搭建了路面模型与具有电控阻尼减振器可调悬架系统的七自由度整车动力学模型，为基于模型预测控制的阻尼预瞄控制模块提供精确的预测模型。2）以云服务器等构建了超视距预瞄控制策略运行平台，利用物联网云平台数据库存储道路属性信息以及车辆行驶工况，并进行数据流转通讯。设计了基于路面预瞄的连续阻尼可调悬架系统阻尼模型预测控制策略，并将其部署于云平台。硬件在环试验结果表明，部署在云端的预瞄控制策略可实现减振器阻尼的预瞄控制，可有效解决时滞性问题，在改善平顺性的同时降低车载电子控制单元的运行负荷。参考文献 来飞,胡博.汽车主动悬架技术的研究现状J.南京理工大学学报,2019,43（4）:518-526.11330机械科学与技术第42卷http:/ F,HU B.Research status of automotive activesuspensiontechnologyJ.JournalofNanjingUniversity of Science and Technology,2019,43（4）:518-526.（inChinese）LIPS,LAMJ,CHEUNGKC.Multi-objectivecontrolforactivevehiclesuspensionwithwheelbasepreviewJ.Journal of Sound and Vibration,2014,333（21）:5269-5282.2GHRLE C,WAGNER A,SCHINDLER A,et al.Active suspension controller using MPC based on afull-car model with preview informationC/2012AmericanControlConference(ACC).Montreal:IEEE,2012:497-502.3THEUNISSENJ,SORNIOTTIA,GRUBERP,etal.RegionlessexplicitmodelpredictivecontrolofactivesuspensionsystemswithpreviewJ.IEEETransactions on Industrial Electronics,2020,67（6）:4877-4888.4LIZJ,KOLMANOVSKYI,ATKINSE,etal.Cloudaided semi-active suspension controlC/2014 IEEESymposiumonComputationalIntelligenceinVehiclesandTransportationSystems(CIVTS).Orlando:IEEE,2014:76-83.5LI Z J,KOLMANOVSKY I,ATKINS E,et al.Hfiltering for cloud-aided semi-active suspension withdelayed road informationJ.IFAC-PapersOnLine,2015,48（12）:275-280.6MIHLYA,KISARI,GSPRP,etal.Adaptivesemi-activesuspensiondesignconsideringcloud-basedroadinformationJ.IFAC-PapersOnLine,2019,52（5）:249-254.7MIHLYA,KISARI,GSPRP,etal.Designofadaptive vehicle suspension using cloud-based roaddataC/2017 IEEE International Conference onAdvanced Intelligent Mechatronics(AIM).Munich:IEEE,2017:529-534.8BASARGANH,MIHLYA,KISARI,etal.Vehiclesemi-active suspension control with cloud-based roadinformationJ.Periodica Polytechnica TransportationEngineering,2021,49（3）:242-249.9李克强,常雪阳,李家文,等.智能网联汽车云控系统及其实现J.汽车工程,2020,42（12）:1595-1605.LIKQ,CHANGXY,LIJW,etal.Cloudcontrolsystem for intelligent and connected vehicles and itsapplicationJ.AutomotiveEngineering,2020,42（12）:1595-1605.（inChinese）10张洪昌,郭军,赵伟,等.超视界路况下网联汽车的辅助驾驶方法J.中国机械工程,2020,31（14）:1666-1671.ZHANGHC,GUOJ,ZHAOW,etal.Assisteddrivingmethod of network-connected vehicle in out-of-sightroadsJ.ChinaMechanicalEngineering,2020,31（14）:1666-1671.（inChinese）11张立军,张天侠.车辆四轮相关路面非平稳随机输入通用时频模型J.振动与冲击,2008,27（7）:75-78.ZHANG L J,ZHANG T X.General nonstationaryrandominputmodelofroadsurfacewithfourwheelscorrelatedJ.Journal of Vibration and Shock,2008,27（7）:75-78.（inChinese）12郭翠娟,暴宁,荣锋.基于MQTT的物联网平台研究与设计J.计算机工程与设计,2022,43（8）:2378-2384.GUOCJ,BAON,RONGF.Researchanddesignofinternet of things platform based on MQTTJ.ComputerEngineeringandDesign,2022,43（8）:2378-2384.（inChinese）13陈文艺,梁宁宁,杨辉.基于MQTT的物联网网关双向通信系统设计J.传感器与微系统,2022,41（8）:100-103.CHENWY,LIANGNN,YANGH.Designoftwo-waycommunicationsystemofIoTgatewaybasedonMQTTJ.TransducerandMicrosystemTechnologies,2022,41（8）:100-103.（inChinese）14张亮修,王宇,吴光强,等.汽车阻尼可调半主动悬架混杂模型预测控制J.西安交通大学学报,2017,51（11）:156-164.ZHANGLX,WANGY,WUGQ,etal.Hybridmodelpredictive control of semi-active suspension withvariabledampingshockabsorberJ.JournalofXianJiaotong University,2017,51（11）:156-164.（inChinese）15范健文,高远,蓝会立,等.汽车非线性悬架系统的最优模糊复合控制策略研究J.机械设计与制造,2014（4）:85-88.FAN J W,GAO Y,LAN H L,et al.Control of anonlinear vehicle suspension using hybrid strategy ofoptimalcontrollerandfuzzycontrollerJ.MachineryDesign&Manufacture,2014（4）:85-88.（inChinese）16GHRLE C,SCHINDLER A,WAGNER A,et al.Model predictive control of semi-active and activesuspension systems with available road previewC/2013 European Control Conference(ECC).Zurich:IEEE,2013:1499-1504.17第8期桂永建，等:新型连续阻尼可调悬架系统超视距预瞄控制策略研究1331http:/