基于LQR和人工神经网络的汽车悬架预控制方法及系统

本发明提供了一种基于LQR和人工神经网络的汽车悬架预控制方法及系统，该方法通过双目相机提前获取路面起伏度信息，结合车载传感器所得的车辆姿态参数和运动参数，共同构建悬架系统的动力学模型，并用线性空间方程表达。随后，设计人工神经网络，根据车辆参数和路面高度，计算加权系数矩阵。基于线性二次型调节器(LQR)求解最优悬架参数，实现悬架的预控制。通过精确离散化方法计算悬架变形后的姿态，对人工神经网络进行在线监督训练。该方法能提前计算悬架变形量，有效吸收路面冲击，提高行车安全性和舒适性。相比传统实时反馈控制，本发明具备更强的环境适应性和可靠性。