基於智能控制的電動助力轉向系統的製作方法
2023-05-01 17:46:36
專利名稱：基於智能控制的電動助力轉向系統的製作方法
技術領域：
本發明屬於機動車電動控制技術領域，涉及一種電動助力轉向設備，尤其涉及一種基於智能控制的電動助力轉向系統。
背景技術：
電動助力轉向系統(EPS)是現代汽車轉向系統的發展方向，是高新科技產業之一。我國汽車2003年汽車產量達到400萬輛，2006年已突破640萬輛，正以每年20％的速度遞增，目前絕大部分汽車採用機械轉向或液壓助力轉向，僅有少數高級轎車採用電動助力轉向器。今後汽車工業的發展趨勢，大部分微型車和轎車都將採用電動助力轉向器，因此，電動助力轉向控制系統的市場前景十分廣闊。
EPS系統代表著轉向裝置的發展方向，它是在機械轉向系統的基礎上，根據作用在方向盤上的轉矩信號和車速信號，通過電子控制裝置使電機產生相應大小和方向的輔助力，協助駕駛員進行轉向操作，並獲得最佳轉向特性的伺服系統。已有技術的EPS系統的組成如圖1所示，一般由轉向機構(包括機械轉向器、減速器、驅動電機和整車轉向輪)、方向盤轉向輸入(包括轉矩傳感器)、車速轉速輸入、電子控制器(包括控制單元和驅動單元)以及畜電池電源等組成。已有技術的EPS系統為多變量、非線性輸入，採用線性控制算法的直接扭矩控制系統存在較大的脈動扭矩，存在轉向控制不平穩，導致駕車的舒適性和可操控性較差，具體的表現就是轉向時手感比較差。
發明內容
本發明的目的是克服現有技術上述的助力轉向扭矩脈動較大，駕車的舒適性和可操控性較差等缺陷，公開一種基於智能控制的電動助力轉向系統，將智能控制引入到電動轉向的電機扭矩控制，它不依賴於被控對象的精確模型，但建立的模糊策略能有效克服電機的非線性、強耦合等缺點，同時利用神經網絡控制的良好自學習、自調整能力，彌補模糊控制規則的有限性影響控制精度，以及參數控制自適應調節能力低的欠缺，提高了系統的自適應和控制能力。
本發明的上述目的是通過以下的技術方案來實現的，即一種基於智能控制的電動助力轉向系統，本發明的核心部件是神經網絡模糊控制器，它由控制算法微處理器MCU、PWM驅動模塊和電源模塊組成，以扭矩、車速和驅動電機反饋電流為輸入語言變量，經離線建模，形成控制決策以及在線控制兩個過程，實現電動助力轉向的智能控制。
本發明基於智能控制的電動助力轉向系統的基本結構原理框圖如1所示。其中的智能電子控制器由三個相對獨立的微控制器(MCU)模塊41、PWM電機驅動模塊42、電源模塊43組成，其組成原理框圖如圖2所示。
本發明的微控制器(MCU)嵌入的控制算法軟體，綜合神經網絡算法和模糊控制技術，形成專用的轉向控制策略，並將轉向控制策略轉化為控制晶片中的軟體，通過模擬試驗和路況試驗獲取數據，採用離線建模方式優化控制參數。本發明控制系統組成示意框圖如圖3所示，其中TW為作用於方向盤產生的扭矩，V為車速，以扭矩和車速作為神經網絡模糊控制器的輸入，經控制算法計算出助力電流I，通過PWM方式控制電機輸出助力扭矩TI。
本發明的神經網絡模糊控制器經過離線建模即建立決策庫，以及在線控制兩個過程，實現電動助力轉向的智能控制。
本發明採用Sugeno型模糊推理方法，結合BP神經網絡建立控制模型，其拓撲結構圖如下(1)先在計算機上建立一個模糊集資料庫，該模糊集資料庫中設置有模糊集A和模糊集B；
(2)按照一個非模糊值的模糊化是根據輸入語言變量的定義來確定相應於每個語言值的隸屬度，而模糊推理主體根據語言變量的定義相對輸入量建立語言控制規則的方法，將參數扭矩TW和車速V模糊化輸入，分別映射到模糊集A和模糊集B，扭矩TW的變化範圍為-10～10，車速V的變化範圍為0～80，為滿足控制精度的需要，扭矩TW選取的等級值數據有20個至少不小於6個，車速V選取的等級值數據有80個至少不小於10個。扭矩TW與車速V模糊化後得到對應的輸入語言變量Xm和Ym。輸入不同扭矩TW與車速V值，依次建立模糊控制集規則庫。
(3)採用Sugeno型模糊推理算法，其模型為單元素輸出隸屬函數，其模糊蘊含即是簡單的乘法，模糊合成即是各單元屬輸出隸屬函數的簡單包含，解模糊化處理採用加權平均法，計算簡單，極大地提高模糊化過程的效率。
隸屬度函數形狀可取三角形、梯形、鐘形或正態分布形三角形隸屬度函數表達式為f(x,a,b,c)=0,xax-ab-a,axbc-xc-b,bxc0,cx---(1)]]>式中a、c是三角形的底邊的兩個端點，c為三角形的頂點，x是輸入變量。
鍾型隸屬度函數表達式為x=11+|v-ca|2b---(2)]]>式中a，b確定鍾型函數的形狀，c決定函數的中心位置，v為輸入變量。
高斯型隸屬度函數表達式為x=e(t-d)222---(3)]]>式中d決定函數的中心點，δ決定函數的寬度，t為輸入變量。
(4)控制模型構造完成後，運用數學優化算法來調整上述函數中的參數以減小它與理想系統的誤差，即使誤差函數E值最小E=12i=1n(ti-yi)2---(4)]]>式中ti理想值，yi是模型輸出值，n為輸出參數總量，i為輸入輸出組號；在上述控制器拓撲結構中，第二層、第三層、第四層分別是BP網絡的輸入層、隱層和輸出層。隱層第k節點的輸出為y(3)k=f(j=1nwj,ky(2)j)---(5)]]>式中wj，k為連接輸入層節點j與隱層節點k的權值，y(2)j為輸入層節點j的輸出，輸出層第k節點的輸出為y(4)k=f(i=1nwi,ky(3)k)---(6)]]>式中wi，k′為連接輸出層節點k與隱層節點i的權值。
解模糊化採用加權平均法，所有的模糊規則的權重都為1，其解模糊化輸出值電流值x*為x*=ixi(xi)i(xi)---(7)]]>式中xi為第I個節點隸屬度值，μ(xi)為目標函數。
本發明採用一階梯度尋優法來調整隸屬度函數參數和連接權值，使得誤差值E達到期望值。
wj,k(l+1)=wj,k(l)-Ewj,k(l)---(8)]]>式中β為訓練步長，wj，k(l)為連接輸出層節點k與隱層節點j的權值。
(5)通過上述學習和訓練的模糊推理過程，建立控制決策，形成決策庫。
(6)系統在實時控制過程中，以扭矩和車速的實際輸入值和當前車速值，依據上述控制決策，計算相應的控制電流，以PWM方式驅動電機產生轉向助力。
電動助力轉向系統神經網絡模糊推理控制流程圖如圖5S101初始化系統參數，給寄存器、變量等賦予初始值；S102判斷系統參數要訓練，若不要訓練，轉S104；S104對輸入扭矩TW和車速V取樣，通過A/D取樣並經濾波算法，獲得TW和V的即時值；S105對輸入扭矩TW和車速V模糊化；S106按公式(5)、(6)計算PB網絡輸入層、隱層和輸出層的值；S107解模糊化，按公式(7)計算輸出電流值；S108以脈衝寬度調製方式控制電機輸出；電機輸出值反饋到S104作為輸入變量參加實時取樣；S102判斷系統參數若要訓練，則轉S103；S103調用訓練函數子程序，進入離線訓練程序，可在本控制器之外的計算機上進行；S201選定訓練步長值，步長的大小與精度和訓練速度有關；S202按公式(8)計算隸屬度函數參數和連接權值；S203計算理想輸出與網絡輸出值的誤差E；S204判斷誤差E是否小於期望值，若大於期望值，轉S202，繼續訓練；S204判斷誤差E若小於期望值，轉S205；S205返回主程序。
所述的神經網絡模糊控制器為相對獨立的整件，它由控制算法微控制器(MCU)模塊、電機驅動模塊、電源模塊以及一套固定安裝架結構件組成；智能電子控制器的一套固定安裝架結構件包括外殼、散熱片，控制算法微控制器(MCU)模塊、電機驅動模塊、電源模塊通過連接件連接。智能電子控制器結構緊湊、散熱良好、堅固耐用、維修方便。
所述的智能電子控制器還配置一個通信功能口電路，控制計算微控制器有一個數據通信接口連接通信功能口電路，它使智能控制的電動助力轉向系統具有了可監控和故障檢測的通道。通過該數據通信接口和通信功能口電路，系統與系統外設備交換信息，完成對電動助力轉向系統的監測和離線故障診斷。
本發明的實質性效果是系統實時採集扭矩傳感器輸出的轉向輸入矩矩信號、車速或轉速信號以及驅動電機反饋信號，由神經網絡算法和模糊控制器輸出優化的控制信號，控制PWM驅動模塊驅動電機，通過傳動機構提供轉向助力，具有自學習、自適應的智能化控制能力，克服了脈動扭矩的影響，轉向靈敏輕便，提高駕車的舒適性和可操控性。本發明的具有可應用於乘用轎車、燃料汽車、電動汽車，經濟效益十分顯著。
圖1本發明的基於智能控制的電動助力轉向系統的基本結構原理框圖。
圖2本發明的智能電子控制器的組成原理框圖。
圖3本發明的基於智能控制的電動助力轉向系統實施例構成示意圖。
圖4本發明的基於智能控制的神經網絡模糊推理控制模型拓撲結構圖。
圖5本發明實施例的基於智能控制的神經網絡模糊推理控制流程圖。
圖3中TW-作用於方向盤產生的扭矩信號、V-車速信號、If-驅動電機的反饋信號、IC-神經網絡模糊控制器輸出的助力電流、Ti-PWM電機驅動輸出的助力扭矩。
具體實施例方式
本發明基於智能控制的電動助力轉向系統的基本結構原理框圖如1所示。它由轉向輸入1及其扭矩傳感器2、車速和轉速輸入3、智能電子控制器4、包括轉向器和減速器51及驅動電機52的轉向機構5、整車轉向輪6組成。方向盤的轉向輸入1通過機械方式連接扭矩傳感器2和轉向機構5的轉向器和減速器51，扭矩傳感器2以及車速和轉速輸入3連接智能電子控制器4的輸入數據接口智能電子控制器4的控制數據經其輸出控制接口連接驅動電機52的電流控制端，驅動電機52通過機械連接的轉向器和減速器51，轉向機構5連接整車轉向輪6，驅動電機52的反饋電流信號輸出端連接智能電子控制器4的反饋信號輸入接口，形成一個智能的、閉環控制的電動助力轉向系統。
本發明的智能電子控制器組成原理框圖如圖2所示。智能電子控制器4由三個相對獨立的控制算法微控制器模塊41、PWM電機驅動模塊42、電源模塊43組成。控制算法微控制器模塊41的數據輸入端連接扭矩傳感器2、車速和轉速輸入3以及驅動電機52反饋驅動電流輸出端，實時接收由方向盤轉向經扭矩傳感器2採集的扭矩數據，同時實時接收由車速和轉速輸入3經轉速傳感器採集的車速數據，以及實時接收由驅動電機52反饋的驅動電流數據，經控制算法微控制器模塊41處理，快速形成轉向助力控制信號，控制算法微控制器模塊41的控制數據輸出端連接PWM電機驅動模塊42的控制信號輸入端，PWM電機驅動模塊42的控制輸出端連接驅動電機52驅動電流輸入端，控制算法微控制器模塊41按照轉向時刻的輸入變量的實時數據，經智能處理形成控制數據，控制PWM電機驅動模塊42生成控制轉向驅動電流，轉向驅動電流信號控制驅動電機52輸出轉向助力力矩。
下面結合本發明由附圖給出的實施例做進一步的說明。
參見圖3、圖4和圖5本發明的基於智能控制的電動助力轉向系統實施例組成框圖、神經網絡模糊推理控制模型拓撲結構圖和神經網絡模糊推理控制流程圖。由控制算法微控制器41、PWM電機驅動模塊42、電源模塊43組成的智能電子控制器4是一個神經網絡模糊控制器，它的控制算法微控制器接收經方向盤轉向-扭矩傳感器送來的扭矩信號Tw、由車速傳感器送來的車速信號V以及由轉向機構5驅動電機送出的反饋電流信號If。它綜合運用神經網絡算法和模糊控制技術的過程是在系統外的PC機上建立建立一個設置有模糊集A和模糊集B的模糊集資料庫，以扭矩信號Tw、車速信號V、反饋電流信號If為三個輸入語言變量作非模糊值的模糊化處理，按照的定義確定應於每個語言值的隸屬度建立語言控制規則。
開機後進入S101，對系統參數進行初始化設置，將參數扭矩TW和車速V模糊化輸入，分別映射到模糊集A和模糊集B。輸入等級值數據，定義數位化參數扭矩TW的變化範圍為-10～10，車速V的變化範圍為0～80。設立語言控制規則，包括訓練步長等，如訓練步長為2，扭矩TW的等級值數據優選為10個，車速V的等級值數據優選為40個。扭矩TW與車速V模糊化後得到對應的輸入語言變量值Xm和Ym，並設置模糊化控制數據輸出誤差的期望值。
在轉入S102，選擇系統參數要訓練，轉訓練函數子程序S103，先進入S201選定訓練步長扭矩TW的等級值數據優選為10個，扭矩TW的訓練步長為2，車速V的等級值數據優選為40個，車速V的訓練步長也為2；其次S202，對不同扭矩TW與車速V值輸入，按公式(8)計算隸屬度參數和連接權值，然後到S203，計算理想輸出與網絡輸出值的誤差E，在S204判斷誤差E是否小於期望值，如若誤差E大於期望值，轉回S202繼續訓練，直到在S204判斷結論是誤差E小於期望值，則停止訓練，轉到S104，進入正常運行控制狀態。
通過模擬試驗和路況試驗獲取數據，依試驗獲取的扭矩TW和車速V以及驅動電機反饋電流If的數據，同樣採用離線建模方式，優化系統的控制參數。這樣依次建立模糊控制集規則庫，形成專用的轉向控制策略。
實車運行時，系統啟動開機，S101初始化系統參數，在S102判定系統參數不訓練，轉入S104，神經網絡模糊控制器將實時採集的扭矩TW與車速V值以及驅動電機反饋電流If的數據，將扭矩TW和車速V以及驅動電機反饋電流If變量語言值數據分別映射到模糊集A和模糊集Bo，轉入S105，將扭矩TW、車速V值以及驅動電機反饋電流If模糊化，將扭矩TW和車速V以及驅動電機反饋電流If變量語言值數據分別映射到模糊集A和模糊集B後，送S106，按式(5)、(6)計算PB網絡輸入層、隱層、輸出層的值後，轉入S107，解模糊化，從模糊控制集規則庫和模糊集資料庫取出相應的數據進行模糊推理，並將推理輸出送決策庫，從決策庫選取匹配的決策信息，神經網絡模糊控制器的電機驅動模塊將決策信息轉換成控制電流Ic，送到驅動電機，驅動電機輸出轉向電動助力扭矩TI，助力扭矩TI經傳動機構加到轉向機構，完成整車轉向輪的電動助力轉向。
系統由智能電子控制器中的MCU通過內置的神經網絡算法和模糊推理軟體算法，電子控制部件檢測車速、轉速、輸入扭矩及電機反饋，通過以驅動模塊採用PWM方式控制輸出功率，輸出優化的驅動電流驅動轉向助力電機，通過傳動機構提供轉向助力，在低車速下大助力，中車速下小助力，高車速下帶阻尼，實現低車速下轉向輕靈，高車速下轉向平穩，提高了駕車的舒適性和可操控性。
本發明的智能控制電動助力轉向系統應用於乘用轎車、燃料汽車、電動汽車，可以大大提高汽車操控的穩定性、轉向的靈敏性和輕便性。
權利要求
1.基於智能控制的電動助力轉向系統，由方向盤的轉向輸入、扭矩傳感器、車速和轉速輸入、智能電子控制器和電動轉向機構組成，其中所述的智能電子控制器由控制算法微控制器(MCU)模塊、PWM電機驅動模塊、電源模塊組成；控制計算微控制器(MCU)上面嵌入有控制算法軟體，綜合神經網絡算法和模糊控制推理技術，形成專用的轉向控制策略，並將轉向控制策略轉化為控制晶片中的軟體，通過模擬試驗和路況試驗獲取數據，採用離線建模方式優化控制參數，再加載應用到控制算法微控制器(MCU)模塊；其輸入變量至少包括方向盤的轉向扭矩、車速和轉速、驅動電機反饋的驅動電流數據；PWM電機驅動模塊為脈寬調製開關控制模塊，其控制輸入端連接控制算法微控制器(MCU)模塊輸出的控制信號輸出端，電機驅動模塊的輸出端連接電動轉向機構的驅動電機，以驅動電流方式控制驅動電機形成相應的轉向助力；同時把驅動電機的驅動電流數據反饋給控制算法微控制器(MCU)模塊；TW為作用於方向盤產生的扭矩，V為車速，以扭矩和車速作為神經網絡模糊控制器的輸入，經控制算法計算出助力電流I，通過PWM控制方式驅動電機輸出助力扭矩TI。
2.根據權利要求1所述的基於智能控制的電動助力轉向系統，其特徵在於控制算法微控制器(MCU)模塊為神經網絡模糊控制器，神經網絡模糊控制器採用Sugeno型模糊推理方法，結合BP神經網絡建立控制模型，經過離線建模即建立決策庫，以及在線控制兩個過程，實現電動助力轉向的智能控制；其拓撲結構及構成步驟如下(1)先在計算機上建立一個模糊集資料庫，該模糊集資料庫中設置有模糊集A和模糊集B；(2)按照一個非模糊值的模糊化是根據輸入語言變量的定義來確定相應於每個語言值的隸屬度，而模糊推理主體根據語言變量的定義相對輸入量建立語言控制規則的方法，將參數扭矩TW和車速V模糊化輸入，分別映射到模糊集A和模糊集B，扭矩TW的變化範圍為-10～10，車速V的變化範圍為0～80，為滿足控制精度的需要，扭矩TW選取的等級值數據有20個至少不小於6個，車速V選取的等級值數據有80個至少不小於10個。扭矩TW與車速V模糊化後得到對應的輸入語言變量Xm和Ym。輸入不同扭矩TW與車速V值，依次建立模糊控制集規則庫；(3)採用Sugeno型模糊推理算法，其模型為單元素輸出隸屬函數，其模糊蘊含即是簡單的乘法，模糊合成即是各單元屬輸出隸屬函數的簡單包含，解模糊化處理採用加權平均法，計算簡單，極大地提高模糊化過程的效率，隸屬度函數形狀可取三角形、梯形、鐘形或正態分布形三角形隸屬度函數表達式為f(x,a,b,c)=0,xax-ab-a,axbc-xc-b,bxc0,cx---(1)]]>式中a、c是三角形的底邊的兩個端點，c為三角形的頂點，x是輸入變量；鍾型隸屬度函數表達式為x=11+|v-ca|2b---(2)]]>式中a，b確定鍾型函數的形狀，c決定函數的中心位置，v為輸入變量；高斯型隸屬度函數表達式為x=e(t-d)222---(3)]]>式中d決定函數的中心點，δ決定函數的寬度，t為輸入變量；(4)控制模型構造完成後，運用數學優化算法來調整上述函數中的參數以減小它與理想系統的誤差，即使誤差函數E值最小E=12i=1n(ti-yi)2---(4)]]>式中ti是理想值，yi是模型輸出值，n為輸出參數總量，i為輸入輸出組號；在上述控制器拓撲結構中，第二層、第三層、第四層分別是BP網絡的輸入層、隱層和輸出層。隱層第k節點的輸出為y(3)k=f(j=1nwj,ky(2)j)---(5)]]>式中wj，k為連接輸入層節點j與隱層節點k的權值，y(2)j為輸入層節點j的輸出，輸出層第k節點的輸出為y(4)k=f(i=1nwi,ky(3)k)---(6)]]>式中wi，k′為連接輸出層節點k與隱層節點i的權值；解模糊化採用加權平均法，所有的模糊規則的權重都為1，其解模糊化輸出值電流值x*為x*=ixi(xi)i(xi)---(7)]]>式中xi為第I個節點隸屬度值，μ(xi)為目標函數；本發明採用一階梯度尋優法來調整隸屬度函數參數和連接權值，使得誤差值E達到期望值wj,k(l+1)=wj,k(l)-Ewj,k(l)---(8)]]>式中β為訓練步長，wj，k(l)為連接輸出層節點k與隱層節點j的權值；(5)通過上述學習和訓練的模糊推理過程，建立控制決策，形成決策庫；(6)系統在實時控制過程中，以扭矩和車速的實際輸入值和當前車速值，依據上述控制決策，計算相應的控制電流，以PWM方式驅動電機產生轉向助力；TW為作用於方向盤產生的扭矩，V為車速，以扭矩和車速作為神經網絡模糊控制器的輸入，經控制算法計算出助力電流I，通過PWM控制方式驅動電機輸出助力扭矩TI。
3.根據權利要求1或2所述的基於智能控制的電動助力轉向系統，其特徵在於所述的模糊化輸入參數扭矩TW和車速V，分別映射到模糊集A和模糊集B，扭矩TW的變化範圍為-10～10，車速V的變化範圍為0～80，為滿足控制精度的需要，扭矩TW選取的等級值數據有20個至少不小於6個，車速V選取的等級值數據有80個至少不小於10個。
4.根據權利要求1或2所述的基於智能控制的電動助力轉向系統，其特徵在於電動助力轉向系統神經網絡模糊推理控制流程至少包括下列步驟S101初始化系統參數；S102判斷系統參數要訓練，若不要訓練，轉S104；S104對輸入扭矩TW和車速V取樣；S105對輸入扭矩TW和車速V模糊化；S106按公式(5)、(6)計算PB網絡輸入層、隱層和輸出層的值；S107解模糊化，按公式(7)計算輸出電流值；S108以脈衝寬度調製方式控制電機輸出；電機輸出值反饋到S104作為輸入變量參加實時取樣；S102判斷系統參數若要訓練，則轉S103調用訓練函數子程序S201選定訓練步長值；S202按公式(8)計算隸屬度函數參數和連接權值；S203計算理想輸出與網絡輸出值的誤差E；S204判斷誤差E是否小於期望值，若大於期望值，轉S202，繼續訓練；S204判斷誤差E若小於期望值，轉S205；S205返回主程序。
5.根據權利要求1所述的基於智能控制的電動助力轉向系統，其特徵在於所述的智能電子控制器為相對獨立的整件，它由控制算法微控制器(MCU)模塊、電機驅動模塊、電源模塊以及一套固定安裝架結構件組成；智能電子控制器的一套固定安裝架結構件包括外殼、散熱片，控制算法微控制器(MCU)模塊、電機驅動模塊、電源模塊通過連接件連接。
6.根據權利要求1或5所述的基於智能控制的電動助力轉向系統，其特徵在於所述的智能電子控制器還配置一個通信功能口電路，控制計算微控制器有一個數據通信接口連接通信功能口電路，它使智能控制的電動助力轉向系統具有可監控和故障檢測的通道。
全文摘要
為了克服已有技術的直接扭矩控制系統存在較大的脈動扭矩問題，本發明公開一種基於智能控制的電動助力轉向系統，將神經網絡模糊控制引入到電動轉向的電機扭矩控制，它不依賴於被控對象的精確模型，建立的模糊策略能有效克服電機的非線性、強耦合等缺點，其良好的自學習以及參數控制自動調節能力，提高了系統的自適應和控制能力。本發明的神經網絡模糊控制器由控制算法微處理器MCU、PWM驅動模塊和電源模塊組成，以扭矩、車速和驅動電機反饋電流為輸入語言變量，經離線建模，形成控制決策以及在線控制兩個過程，實現電動助力轉向的智能控制。本發明應用於乘用轎車、燃料汽車、電動汽車，使轉向靈敏輕便，大大提高汽車操控的舒適性和穩定性。
文檔編號G05B19/04GK101058319SQ20071006887
公開日2007年10月24日 申請日期2007年5月21日 優先權日2007年5月21日
發明者林士雲 申請人:林士雲