近年来,在我国高速铁路飞速发展的背景下,不仅高速列车的运行速度有了极大提升,还在许多严峻的地段修建了铁路,对列车的悬挂系统带来了极大的挑战,尤其是对横向振动的抑制。被动悬挂系统的局限性愈发明显,而主动悬挂控制是改善列车横向平稳性的有力手段,因此提出高效、可实践性强的主动悬挂控制策略控制列车悬挂系统,具有深远的现实意义。首先,简要介绍了主动悬挂控制策略的发展概况,并引出本文所采用的重复学习控制(Repetitive Learning Control,RLC)策略,介绍其控制基础和研究现状。不同于现存的控制策略无法利用横向动力学周期性抑制列车横向振动这一点,RLC可以针对未知周期扰动或具有周期特性的未知系统动态,将列车的横向振动抑制问题转化为跟踪问题。这一部分是后文进行控制器设计的控制基础和理论依据。其次,分别采用3自由度横向主动悬挂模型进行控制器设计和17自由度横向主动悬挂模型进行仿真。将系统输入,即横向不平顺,分为两类:确定性周期横向不平顺和随机性横向不平顺,并进行了数值模拟。在不同输入条件下,提出确定重复学习周期的原则,前者由于周期确定则将其设置为1 s;后者利用频谱分析得出悬挂系统主要对抗的是0.5 Hz处的横向不平顺,主要改善的是0.5 Hz处的横向振动这一重要结论,因此设置重复学习周期为2 s。在重复学习控制器的设计中纳入了可不断学习并改进车体横向振动的周期性重复学习项,并以Lyapunov稳定性理论证明了整个闭环系统的学习收敛性。引入矢量合成横向振动指标,将所设计的控制器转换应用到17自由度横向主动悬挂模型,设计基于RLC的整车横向主动悬挂系统。利用减振性能评判指标,采用多目标优化交叉熵算法对重复学习控制器参数进行优化选取。最后,将基于RLC的横向主动悬挂系统与基于动态矩阵控制(Dynamic Matrix Control,DMC)的横向主动悬挂系统、被动悬挂系统进行仿真对比,结果表明基于RLC横向主动悬挂系统在两种横向不平顺激扰下的横向减振性能都更为优越,特别是频率范围为(7),]0 3 Hz的低频振动,这也是人体对横向振动最为敏感的频段。进一步在不同速度条件下的仿真表明重复学习控制器无需在线实时调节控制参数和学习周期,也能保持优秀的减振性能,具有一定的鲁棒性。