1. 项目概述
这个毕设项目源于我在车辆工程专业学习过程中对主动悬架系统的浓厚兴趣。传统被动悬架系统由于参数固定，难以在各种路况下都保持最佳性能。而主动悬架系统通过实时调节悬架力，能够显著提升车辆行驶平顺性和操纵稳定性。
项目核心是在Simulink环境中建立四自由度半车模型，并实现PID和LQG两种控制策略的对比研究。这个模型考虑了车身垂向运动、俯仰运动以及前后车轮垂向运动，能够模拟车辆在匀速直线行驶和加速制动工况下的动态响应。
2. 模型搭建与参数设定
2.1 四自由度模型构建
四自由度半车模型是研究车辆垂向动力学的基础模型。它包含以下四个自由度：
- 车身垂向位移(z)
- 车身俯仰角(θ)
- 前轮垂向位移(z1)
- 后轮垂向位移(z2)
模型建立时需要考虑以下关键参数：
- 簧载质量(m)：1200kg
- 非簧载质量(m1,m2)：各300kg
- 悬架刚度(k1,k2)：15000N/m
- 悬架阻尼(c1,c2)：1000N·s/m
- 轴距(l1+l2)：2.8m
- 车身转动惯量(Iz)：2000kg·m²
这些参数的选择基于典型中型轿车的实际数据，确保模型具有工程参考价值。
2.2 状态空间方程推导
状态空间法是现代控制理论中分析多输入多输出系统的有效工具。对于四自由度半车模型，我们定义状态向量为：
x = [z1 z2 ż1 ż2 z θ ż θ̇]ᵀ
根据牛顿第二定律和转动定律，可以推导出系统的状态方程：
ẋ = Ax + Bu
y = Cx + Du
其中A矩阵包含系统动力学特性，B矩阵表示控制输入的影响，C矩阵决定输出变量，D矩阵通常为零矩阵。
在Matlab中实现时，特别需要注意矩阵维度的匹配问题。例如，A矩阵应为8×8，对应8个状态变量；B矩阵为8×4，对应4个控制输入。
3. 控制策略设计与实现
3.1 PID控制器设计
PID控制因其结构简单、易于实现的特点，在工程实践中广泛应用。在悬架控制中，PID控制器通过调节悬架力来改善车辆动态响应。
关键参数整定过程：
- 比例系数(Kp)：主要影响系统响应速度
- 积分系数(Ki)：消除稳态误差
- 微分系数(Kd)：改善系统阻尼特性
通过试凑法确定的初始参数为：
Kp = 100, Ki = 10, Kd = 1
实际调试中发现，过大的Kp会导致系统振荡，而Ki过大则会引起超调。最终经过多次仿真优化，确定了一组较优参数。
3.2 LQG控制器设计
LQG(线性二次高斯)控制是现代控制理论中的经典方法，它结合了LQR最优控制和Kalman滤波技术。
设计步骤：
- 定义状态权重矩阵Q和控制权重矩阵R
- 求解Riccati方程得到最优反馈增益K
- 设计状态观测器(卡尔曼滤波器)
- 组合成LQG控制器
在悬架控制中，Q矩阵对角元素的选择反映了对不同状态变量的重视程度。例如，给车身垂向加速度分配较大权重，可以优先改善平顺性。
实际应用中需要注意：
- Q矩阵需要正定
- R矩阵通常取较小值以允许较大的控制量
- 需要权衡控制效果与能量消耗
4. 仿真分析与结果对比
4.1 路面激励建模
为了评估控制效果，需要建立典型的路面激励模型：
- 随机路面：采用白噪声通过成形滤波器生成
- 俯仰激励：模拟加速/制动工况下的车身俯仰
随机路面的功率谱密度采用ISO标准：
Gq(n) = Gq(n0)(n/n0)^(-w)
其中n0=0.1cycle/m为参考空间频率，w=2为路面不平度系数。
4.2 性能指标评价
通过以下指标评价悬架性能：
- 车身垂向加速度：直接影响乘员舒适性
- 悬架动挠度：反映悬架工作空间需求
- 轮胎动载荷：影响轮胎接地性和安全性
仿真结果显示：
- PID控制能有效减小车身振动，但参数调节较困难
- LQG控制在综合性能上更优，但计算复杂度较高
- 两种控制策略都能显著改善被动悬架的性能
5. 实现细节与调试经验
5.1 Simulink建模技巧
在Simulink中搭建模型时，有几个实用技巧：
- 使用子系统封装功能模块，提高可读性
- 合理设置求解器参数：固定步长ode4(Runge-Kutta)算法
- 添加Scope模块实时监控关键信号
- 使用Workspace模块保存仿真数据用于后续分析
5.2 常见问题排查
在项目实现过程中遇到的主要问题及解决方法：
- 系统不稳定：
- 检查状态方程推导是否正确
- 验证参数单位是否一致
- 降低控制增益重新调试
- 仿真结果异常：
- 检查初始条件设置
- 确认输入信号范围合理
- 验证采样时间是否足够小
- 控制器性能不佳：
- 重新调整权重矩阵
- 考虑添加积分环节
- 检查传感器噪声设置
6. 扩展与改进方向
基于当前研究成果，还可以进一步探索：
- 考虑非线性因素：
- 悬架刚度非线性
- 阻尼器速度特性
- 轮胎垂向刚度变化
- 先进控制算法：
- 自适应控制
- 模糊PID控制
- 模型预测控制
- 硬件在环测试：
- 搭建实时仿真平台
- 验证控制算法实时性
- 评估执行器动态特性
在实际车辆应用中，还需要考虑作动器带宽限制、能量消耗等问题。这些都是在理论研究中容易被忽视但工程实现时必须面对的挑战。