Optimal control strategies for active suspensions in an experimental vehicle
2025 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE credits
Student thesisAlternative title
Optimala styrstrategier för aktiva fjädringar i ett experimentellt fordon (Swedish)
Abstract [en]
This thesis investigates control strategies for active suspensions in KTH’sResearch Concept Vehicle-Dynamic (RCV-D) using the Matlab/Simulinkenvironment.The primary objective is to evaluate various control methods for actuators,aiming to enhance ride comfort by minimizing the vertical motion of thesprung mass, the pitch and roll movements, as well as trying to minimize theenergy consumption of the actuators, making the active suspension systemmore sustainable.Active suspension systems are fundamental in isolating the vehicle’s upperbody from external disturbances, thereby improving ride comfort or enhancingvehicle performance. To achieve realistic simulation outcomes, multiplevehicle models with varying degrees of complexity are examined.Active suspensions make use of actuators to control the motion of the vehicle’scomponents, employing various control strategies for different purposes.Unlike passive suspensions, which consist of non-adjustable springs anddampers that provide a fixed response to external excitations and semi-activesuspensions, which employ adjustable dampers, active suspensions can adaptin real-time. Semi-active suspensions optimize the vehicle response to varyingconditions but their capability is limited since they do not add energy to thesystem. In contrast, active suspensions actively add energy to the system andhave the highest adaptability to external excitations, maximizing the vehicle’sperformance within their physical limits. These systems are highly adaptable,offering superior ride comfort and handling compared to passive and semiactivesuspensions.Various control strategies for active suspensions are analyzed, including HinfinityControl, Proportional - Integral - Derivative (PID) Control, SkyhookControl, Model Predictive Control (MPC), and Reinforcement Learning (RL)-based Control. The aim is to identify the solution that guarantees the best ridecomfort while minimizing energy consumption.
Abstract [sv]
Denna avhandling undersöker styrstrategier för aktiva fjädringssystem iKTH:s Research Concept Vehicle-Dynamic (RCV-D) med hjälp av Matlab/Simulinkmiljön.Huvudsyftet är att utvärdera olika styrmetoder för aktuatorer, med måletatt förbättra åkkomforten genom att minimera den vertikala rörelsen hosden fjädrade massan, samt krängnings- och girrörelser, och samtidigtförsöka minimera aktuatorernas energiförbrukning för att göra det aktivafjädringssystemet mer hållbart.Aktiva fjädringssystem är grundläggande för att isolera fordonets överdelfrån externa störningar, vilket förbättrar åkkomforten eller ökar fordonetsprestanda. För att uppnå realistiska simuleringsresultat undersöks flerafordonsmodeller med varierande komplexitetsnivåer.Aktiva fjädringssystem använder aktuatorer för att kontrollera rörelsen hosfordonets komponenter och använder olika styrstrategier för olika ändamål.Till skillnad från passiva fjädringssystem, som består av icke-justerbara fjädraroch dämpare som ger en fast respons på externa excitationer, och semi-aktivafjädringssystem, som använder justerbara dämpare, kan aktiva fjädringssystemanpassa sig i realtid. Semi-aktiva fjädringssystem optimerar fordonetsrespons på varierande förhållanden, men deras kapacitet är begränsad eftersomde inte tillför energi till systemet. Däremot tillför aktiva fjädringssystemaktivt energi till systemet och har den högsta anpassningsförmågan till externaexcitationer, vilket maximerar fordonets prestanda inom deras fysiska gränser.Dessa system är mycket anpassningsbara och erbjuder överlägsen åkkomfortoch hantering jämfört med passiva och semi-aktiva fjädringssystem.Olika styrstrategier för aktiva fjädringssystem analyseras, inklusive H-∞-styrning, Proportionell-Integrerad-Deriverad (PID)-styrning, Skyhookstyrning,MPC och förstärkningsinlärningsbaserad styrning. Syftet är attidentifiera den lösning som garanterar bästa åkkomfort samtidigt somenergiförbrukningen minimeras.
Place, publisher, year, edition, pages
2025.
Series
TRITA-SCI-GRU
Keywords [en]
Quarter Car, Full car, Model Predictive Control (MPC), Reinforcement Learning (RL), Proportional-Integral-Derivative Control (PID), H∞, Skyhook, Active Suspension, Sprung mass, Roll, Pitch, Actuator
Keywords [sv]
Kvartsbil, Fullbil, Modellprediktiv styrning, Förstärkningsinlärning, PID reglering, H∞, Skyhook, Aktiv fjädrin, Fjädrad massa, ställdon
National Category
Vehicle and Aerospace Engineering
Identifiers
URN: urn:nbn:se:kth:diva-362064OAI: oai:DiVA.org:kth-362064DiVA, id: diva2:1949831
Subject / course
Vehicle Engineering
Educational program
Master of Science - Vehicle Engineering
Supervisors
Examiners
2025-04-032025-04-032025-04-03Bibliographically approved