matlab/simulink半车主动悬架建模：基于ADRC(自抗扰控制)的主动悬架控制。 主体模型为半车主动悬架，采取ADRC控制。 输出为车身加速度，悬架动挠度，轮胎动变形。 默认输入为正弦路面输入。 有与pid控制的效果对比。

在汽车悬架系统的研究中，如何提升车辆行驶的平顺性和安全性一直是热门话题。今天咱们就来聊聊基于 Matlab/Simulink 的半车主动悬架建模，并且重点探讨基于自抗扰控制（ADRC）的主动悬架控制，同时和经典的 PID 控制做个效果对比。

半车主动悬架主体模型

半车主动悬架模型是本次研究的基础架构。它模拟了车辆一半的悬架系统，包括车身、悬架弹簧、减震器以及轮胎等关键部分。在 Simulink 中搭建这个模型，我们可以通过各种模块来精确描述这些部件的动力学特性。比如，车身可以用一个质量块来表示，悬架弹簧和减震器则可以用相应的力学模型模块进行连接。

ADRC 控制闪亮登场

自抗扰控制（ADRC）是一种不依赖精确模型的控制策略，非常适合复杂的悬架系统。它的核心思想是把系统中的未知扰动和未建模动态当作一个“总扰动”，通过扩张状态观测器（ESO）来实时估计并补偿这个总扰动。

matlab/simulink半车主动悬架建模：基于ADRC(自抗扰控制)的主动悬架控制。 主体模型为半车主动悬架，采取ADRC控制。 输出为车身加速度，悬架动挠度，轮胎动变形。 默认输入为正弦路面输入。 有与pid控制的效果对比。

在 Matlab 代码实现 ADRC 时，关键部分如下：

% 定义ADRC参数
beta01 = 100;
beta02 = 1000;
beta1 = 50;
beta2 = 100;
b0 = 1;

% 初始化状态变量
x1 = 0;
x2 = 0;
z1 = 0;
z2 = 0;
z3 = 0;

% 离散时间步长
dt = 0.01;

for k = 1:N
    % 获取系统输出y（这里假设y是悬架动挠度）
    y = get_system_output(); 

    % 扩张状态观测器更新
    e = z1 - y;
    z1 = z1 + dt * (z2 - beta01 * e);
    z2 = z2 + dt * (z3 - beta02 * fal(e, 0.5, 0.01));
    z3 = z3 - dt * beta1 * fal(e, 0.25, 0.01);

    % 非线性状态误差反馈控制律
    u0 = -beta2 * fal(z1 - r, 0.5, 0.01) - z2;
    u = (u0 - z3) / b0;

    % 将控制量u输入到悬架系统模型中
    set_control_input(u); 

    % 更新状态变量
    x1 = x1 + dt * x2;
    x2 = x2 + dt * f(x1, x2); % f 为悬架系统的动力学方程
end

这里 beta01、beta02 等参数是根据系统特性调整的。fal 函数是非线性函数，用于处理不同阶段的误差。z1、z2、z3 是扩张状态观测器的状态变量，通过不断迭代更新来估计系统状态和总扰动。u 就是最终得到的控制量，输入到悬架系统模型中。

正弦路面输入设定

默认情况下，我们使用正弦路面输入来模拟车辆行驶的路况。在 Simulink 中，可以轻松地通过信号发生器模块生成正弦信号。假设正弦路面输入的表达式为 y = A sin(2 pi f t)，其中 A 是振幅，f 是频率，t 是时间。

% 正弦路面输入参数
A = 0.05; % 振幅
f = 2; % 频率
t = 0:0.01:10; % 时间向量
y_road = A * sin(2 * pi * f * t);

这样就生成了一个简单的正弦路面输入信号，它作为悬架系统的激励，来观察悬架在不同时刻的响应。

输出参数：车身加速度、悬架动挠度、轮胎动变形

这些输出参数直接反映了悬架系统的性能。车身加速度影响乘客的舒适性，悬架动挠度决定了悬架的工作范围，轮胎动变形则关乎车辆与地面的接触情况。在 Simulink 模型中，通过相应的传感器模块可以获取这些参数的值。

ADRC 与 PID 控制效果对比

PID 控制作为经典的控制策略，大家肯定不陌生。它通过比例（P）、积分（I）、微分（D）三个环节对系统进行调节。

% PID参数
Kp = 10;
Ki = 0.1;
Kd = 1;

% 初始化误差和积分项
error_prev = 0;
integral = 0;

for k = 1:N
    % 获取系统输出y
    y = get_system_output(); 

    % 计算误差
    error = r - y; 

    % 积分项更新
    integral = integral + error * dt;

    % PID控制律
    u_pid = Kp * error + Ki * integral + Kd * (error - error_prev) / dt;

    % 将控制量u_pid输入到悬架系统模型中
    set_control_input(u_pid); 

    % 更新误差
    error_prev = error;
end

从实际效果来看，ADRC 控制在应对复杂路况时表现出更好的鲁棒性。当路面输入发生突变时，ADRC 能够快速调整控制量，使得车身加速度、悬架动挠度和轮胎动变形都能保持在合理范围内。而 PID 控制对于精确模型的依赖较大，在一些未建模动态和扰动出现时，其控制效果会有所下降。比如在高频正弦路面输入下，PID 控制的车身加速度波动相对较大，乘客舒适性会受到影响，而 ADRC 则能更好地抑制这种波动。

通过这次在 Matlab/Simulink 中的半车主动悬架建模及 ADRC 与 PID 控制效果对比，我们能更清楚地看到不同控制策略在悬架系统中的优劣，为未来悬架系统的优化设计提供了很好的参考。