科学家创建时滞人工神经网络 提高减震器性能

　　据外媒报道，来自南乌拉尔州国立大学（Scientists at South Ural State University）的科学家为自适应减振器开发了基于时滞人工神经网络的有效底层控制器。Yuri Rozhdestvensky DSc及其研究团队在论文中介绍了基于人工神经网络的主动减震器控制算法的使用。

　　越来越多的驾车者倾向选择可调悬架，以适应各种路面。南乌拉尔州国立大学的科学家们试图利用人工神经网络，提高可调汽车悬架自适应减震器的性能。

　　此种自适应减震器可以显著提高平坦性、舒适性、操控性和稳定性，并有助于改善交通安全。自适应减震器有一个能量源，能完全消除不必要的垂直运动。

　　Yuri Rozhdestvensky解释称，“主动减振器是一种复杂的技术系统，具有本质上的非线性性能特征，对变化的条件具有迟滞特性和延迟响应。控制主动减震器的困难在于要求不同性质的执行器达到相同的力。因此我们考虑的减振器采用电磁阀和液压泵，具有响应时间长等特点，但液压泵的控制误差已比电磁阀低得多。”

　　目前的自适应减振器控制系统的设计都是基于理想化数学模型的简化控制算法。而科学家们提出的主动减震器控制算法是基于人工神经网络的。根据选用的网络架构，神经网络可以精确地接近任意多变量的连续函数，并且经过训练后可广泛用于包括控制系统在内的各个领域。

　　研究小组成员Alexander Alyukov称，“神经网络的训练使用了大量的实验数据，包括各种模式的减振器操作。选用具有时滞神经网络的架构，能够记住输入信号的序列，从而考虑了迟滞特性。我们的算法结合了神经网络与比例-积分-微分调节器，并采用现代进化算法进行优化。在执行减震器，以及集成自适应悬架控制系统部分的典型和极端工作模式时，结果显示了该算法的有效性。”

　　主动减震器能耗高，因此研究人员认为其在电动汽车和混合动力汽车悬架中的应用似乎最具前景。目前，科学家们继续与世界领先研究实验室和美国、德国和西班牙大学的同事合作，研发自适应车辆悬架。