徐家明

教育背景

硕士华南理工大学(985) 机械与汽车工程学院机械工程

2024/09-2027/06

本科海南大学(211) 机电工程学院车辆工程

2020/09-2024/06

2024/12-2025/12

面向主动前轮转向（AFS）、差动制动（DB）与半主动悬架（MR 减振器）的多执行器协调控制，提出基于优先级的分层模型预测控制方法。建立横向-横摆-侧倾耦合的三自由度非线性整车模型，以横摆角速度、后轴侧偏角与横向载荷转移率 LTR 界定稳定边界。
上层 MPC 引入四类松弛变量与优先级缩放因子，把「防侧翻 > 抑制侧偏 > 路径跟踪」的安全优先级实现为事实上的硬约束——安全约束仅允许在极小松弛范围内突破且违反代价极高，目标冲突时优先放开低优先级的跟踪误差。下层按对车速损害由小到大顺序分配：优先用半主动悬架调节垂向载荷转移，其次主动转向，差动制动仅在前两者饱和时作为最后手段介入。
在 CarSim + Simulink + NI PXI 实时平台完成硬件在环验证。低附着路面（μ=0.4）、100 km/h 双移线工况下，相比固定权重的标准 MPC：LTR 峰值 0.5354（标准 MPC 0.6007）、横摆角速度峰值 15.035 deg/s （22.227 deg/s）、横向误差峰值 0.665 m（0.832 m），并显著减少制动介入、更好保持纵向车速。
IEEE Transactions on Vehicular Technology (TVT) 返修中，论文第一作者。

2026/01-2026/03

搭建 1/4 车辆动力学模型与 B/C/D 三级随机路面模型（功率谱与 ISO 理论谱吻合），设计基于双延迟深度确定性策略梯度（TD3）的悬架控制器。状态为簧上加速度、悬架动挠度、相对速度与簧上速度四维，动作为连续阻尼力，区别于 Skyhook/ADD 的两档开关输出。
设计三层结构的多目标奖励：软项按舒适性主导加权（权重 0.7）兼顾悬架行程、轮胎接地性与控制力；硬项对簧上加速度超限做阶梯式重罚；终止惩罚守住悬架行程、力变化率与半主动可行域三条红线—— 其中「动挠度与阻尼力同号」一条对应半主动悬架不能主动做功的物理约束，保证学到的策略可落地。
与被动悬架、Skyhook、ADD、SH-ADD 及 MPC 对比，并在 D 级 10 m/s → C 级 20 m/s → B 级 30 m/s 三段变工况下验证适应性。强化学习算法相对 SH-ADD 将簧上质量加速度降低 52%，同时悬架动挠度与轮胎动载荷保持在约束范围内。

2025/10-2025/12

提出不依赖激励频率信号的 CDC 减振器正逆模型：利用加速度与频率的二次关联、以气滞补偿力刻画惯性效应，仅用位移、速度、加速度与电流即可建模。输出力按压缩/复原行程拆分为阻尼力、摩擦力、磁滞补偿与气滞补偿四个物理分量，参数物理含义明确、便于故障溯源。
参数估计目标函数融合全局相对误差与相邻电流的参数平滑约束，抑制参数随电流突变；分两次完成固定参数辨识与变化参数的电流相关拟合，并对关键参数做归一化灵敏度分析（低电流工况最敏感、基础阻尼影响最大）。逆模型分行程求解：压缩行程转化为一元二次方程解析求根实现毫秒级实时计算，复原行程用牛顿-拉夫逊迭代。
另实现改进的连续时间系统神经网络（NLCSNN）作为数据驱动补充：将非线性特征库从 188 个多项式剪枝到 11 个物理特征，采用 L1 稀疏线性通路加非线性残差通路的双通路结构与耗散衰减项保证长时程滚动稳定。基于 MTS 试验台 138 组数据按物理激励族切分训练，九个验证工况整段滚动预测的 NRMSE 为 2.12%–5.70%。
发明专利 CN121409644B 已授权，学生第一发明人。