基于非线性自回归模型的汽车悬架特征提取及状态辨识方法研究

There are limitations to indicate the automobile suspension state by traditional modeling method to some extent because of the uncertainty of the suspension's input and internal interaction mode. Hence, the general expression for nonlinear autoregressive model (GNAR model) will be adopted for suspension system feature extraction, state identification and development trend prediction. First, the model approximation characteristics are studied from the time and frequency domain both in theory and data experiments to prove its applicability for the linear and nonlinear systems. Then according to the structural characteristics, the model structure identification and parameter estimation methods are developed to improve modeling speed and identification and prediction accuracy and a set of GNAR model theory is formed which is suitable for engineering applications. Finally, GNAR model is applied to analyze the automobile suspension vibration output signals. The system qualities in different operating conditions are distinguished by identifying and comparing the model feature vectors. The modeling methods are optimized to meet the engineering requirements for precision and real-time target and a reliable method is developed to monitor the technical conditions of automobile mechanical assemblies.

汽车悬架作为非线性复杂系统，具有不确定性输入，更无法确知其内部相互作用方式，因而经简化处理的汽车振动系统在一定程度上不能完全反映悬架状态，因此采用非线性自回归模型对悬架系统建模，提取状态特征，实现系统状态辨识及发展趋势预测。 首先从时、频域理论方面研究该模型的逼近机理，并辅以数据实验，证明模型对汽车悬架等非线性系统的适用性；然后针对模型的结构特点，改进结构辨识和参数估计方法，提高建模速度、模型辨识和预测精度，形成一套适合于工程实际的非线性自回归模型建模理论体系；最后以汽车悬架振动输出信号为对象，建立非线性自回归模型，通过模型特征量，辨识、比较、诊断系统各种完备或故障状态，区分系统在不同运行工况时的品质信息，并以满足工程应用的精度和实时性要求为目标，优化建模理论，为车辆机械技术状况智能监测提供一种稳定可靠的方法。

汽车的悬架隔振性能对行驶平顺性和舒适性有重要作用，提出了一种基于非线性自回归(GNAR)模型的悬架隔振性能快速辨识的方法。. 首先，从函数逼近和系统辨识两个方面推导了GNAR模型的物理结构，通过公式推导及仿真数据研究GNAR模型与确定性实函数、经典时序模型和混沌序列的关系，明确GNAR模型对系统逼近的机理；以一维空间伯恩斯坦多项式的逼近度为基础，拓展计算m维空间简单形上的伯恩斯坦多项式的逼近度，给予GNAR模型对系统逼近的数学证明，进行了GNAR模型对现代经典时序数据、混沌系统和振动系统输出的跟踪实验。采用GNAR模型建模时无需对系统的先验知识，简化了建模过程。数据实验证明，该模型能高精度地逼近线性\非线性时序数据及混沌序列，计算速度快，因而适用于系统的状态识别、数据跟踪和预测预报等。. 其次，提出基于多元逐步回归的定阶方法，将非线性模型定阶问题转化为多元线性回归方程的变量选择。采用偏自相关函数确定模型的线性项记忆步长，将其设定为初始模型，然后逐步引入非线性项，选用统计量对新引进的和已经引进的变量进行考察，对比统计量的改善情况给予模型变量保留或剔除，通过度量模型对数据的拟合效果或进行显著性检验实现最优模型的确定。仿真数据和经典时序数据实验的结果表明，该定阶方法简单、可靠，能够应用于工程实际。. 然后，针对线性和弱非线性振动系统进行了研究，提出采用GNAR模型进行系统频率辨识和判断系统性或非线性基本特征的方法。根据单自由度线性振动微分方程的解，推导出GNAR模型系数与振动系统的固有频率之间的解析关系；根据摄动法或L-P法求解非线性微分方程的原理，推导出GNAR模型系数与非线性振动系统的非线性频率和阻尼系数之间的解析关系；数值算例、仿真实验和实物样机测试分析表明，通过GNAR模型能够准确地辨识出振动系统的线性和非线性特征及其振动特性参数。. 最后，结合悬架系统振动检测基本方法和GNAR模型理论，将悬架系统简化为非线性单质量振动系统，求得GNAR模型系数与汽车悬架隔振性能参数（固有频率、阻尼比、悬架效率）之间的解析式；设计实车实验，给予被测车辆悬架拟脉冲激励，根据悬架振动输出信号，建立GNAR模型，根据模型系数辨识出悬架的隔振性能指标，实验结果表明基于GNAR模型的方法无需掌握车辆的具体结构，能实现对在用车辆隔振性能快速、准确的辨识和评