目录

前言

1. 1/4悬架模型 

2.仿真分析

2.1仿真模型

2.2仿真结果

2.1 形①

2.2 形②

3. 总结

前言

上两篇博客我们介绍了神经网络补偿+控制律的仿真测试，从仿真结果我们可以得知神经网络具有逼近扰动，并将其补偿的作用。

上两篇文章链接：

基于神经网络(RBF)补偿的双关节机械手臂自适应控制_Mr. 邹的博客-CSDN博客

基于神经网络的滑模鲁棒控制_Mr. 邹的博客-CSDN博客

本篇文章我们将其应用于2自由度悬架

1. 1/4悬架模型 

2.仿真分析

2.1仿真模型

2.2仿真结果

这里我们仍以车身加速、悬架动扰度、车轮动变形为性能指标，并且将控制输入和神经网络逼近扰动值展现如下所示：

这里值得说明的是，对于神经网络自适律参数γ的选取至关重要，这里展示不同γ调节的几组控制效果：

2.1 形①

这里我们将γ调节的很大，仿真结果如下所示：

2.2 形②

这里选取γ适中，仿真结果如下所示：

3. 总结

①可以看到对比两种不同调节参数下的仿真结果，第一种将车身加速度和悬架动扰度改善特别好，而且将扰动估计的很准，但是将车轮动变形恶化，而且控制输入所需要的能耗很大。

②第二种车身加速度、悬架动扰度和车轮动变形都能调节好，但是扰动却没能估计

素材网