角蜥防御策略的优化，以实现车辆主动悬挂系统中鲁棒的FOPID控制

《Scientific Reports》：Horned lizard defense tactics optimization for robust FOPID control in vehicle active suspension systems

　　

摘要

本文介绍了一种基于生物启发的优化算法——角蜥防御策略算法（Horned Lizard Defense Tactics Algorithm，简称HLOA），用于车辆主动悬挂系统中分数阶PID（Fractional-Order PID，简称FOPID）控制器的最优调优。该算法通过一个加权成本函数同时优化所有五个FOPID参数（\({K}_{p}\)、\({K}_{i}\)、\({K}_{d}\)、\(\lambda\)和\(\mu\)），以平衡乘坐舒适性（最小化弹簧质量加速度）和操控稳定性（限制悬挂系统变形）。使用双凸起路面激励模型进行的广泛仿真表明，经过HLOA优化的FOPID控制器相比被动系统、传统PID控制器以及未经优化的FOPID控制器具有更优异的性能。与被动基准系统相比，优化后的HLOA-FOPID系统可将弹簧质量加速度的均方根（RMS）值降低26.6%，悬挂系统变形的RMS值降低72.6%；同时，弹簧质量位移的RMS值和相对悬挂速度的RMS值分别降低了16.2%和73.5%。此外，该控制器在实际参数不确定性面前表现出极高的鲁棒性：在10次独立运行中，弹簧质量加速度的RMS标准偏差仅为0.0011 m/s2；在质量变化范围为±25%时，乘坐舒适性保持在±0.73%以内；在弹簧刚度变化范围为±30%时，乘坐舒适性保持在±2.33%以内。HLOA算法具有出色的收敛特性和解决方案质量，并且计算需求适中。研究结果表明，所提出的方法在智能悬挂控制领域取得了显著进展，为下一代汽车应用提供了更优的性能和实用的鲁棒性。