汽车电动助力转向系统特性及其与整车性能的匹配研究.docx
《汽车电动助力转向系统特性及其与整车性能的匹配研究.docx》由会员分享,可在线阅读,更多相关《汽车电动助力转向系统特性及其与整车性能的匹配研究.docx(17页珍藏版)》请在冰点文库上搜索。
汽车电动助力转向系统特性及其与整车性能的匹配研究
图7仿真加速度和实际加速度对比曲线
能造成危险。
如何使输出更为平滑且将跳跃点消除,这还需要对模型做进一步的改进。
参考文献:
[1] YiK,HongJ,KwonYD.AVehicleControlforStop-and-goCruiseControl[J].J.Proc.Instn.Mech.Engrs.,PartD,2001,215:
1099Ο1115.[2] LeeGD,KinSW.ALongitudinalControlSystemforaPlatoonofVehiclesUsingaFuzz-slidingModeAlgorithm[J].J.Mechatronics,2002,12(1:
97Ο118.[3] HenningH,StefanG,ChristophH,etal.IntelligentFuzzyDistanceandCruiseControlforPassengerCars[J].JournalofIntelligentandFuzzySystems,1998,6:
315Ο327.
[4] AxelF,WernerS.NonlinearACCinSimulationandMeasurement[J].J.VehicleSystemDynamics,2001,36(2/3:
159Ο177.
[5] 周亮,李克强,连小珉.“启-停”巡航控制系统纵向车距控制方法[J].清华大学学报(自然科学版,2004,44(8:
1138Ο1141.
[6] NaranjoJE,GonzalesC.ACC+Stop&GoManeuverswithThrottleandBrakeFuzzyControl[J].J.IEEETransanctiononIntelligentTransportationSystems,2006,7(2:
213Ο225.(编辑 苏卫国
作者简介:
施绍有,男,1974年生。
北京航空航天大学汽车工程系博士研究生。
主要研究方向为ITS中先进智能车辆的仿真与控制。
高 峰,男,1956年生。
北京航空航天大学汽车工程系教授、博士研究生导师。
史 科,男,1980年生。
北京航空航天大学汽车工程系硕士研究生。
汽车电动助力转向系统特性及其与整车性能的匹配研究陈 龙毛建伟江浩斌赵景波
江苏大学,镇江,212013
摘要:
分析了汽车电动助力转向(EPS系统的结构及其动力学特性,建立了线性三自由度汽车模型及其与EPS系统的集成数学模型;采用自适应模糊神经推理系统确定助力电机的目标电流,采用自适应单神经元PID控制器跟踪助力电机的目标电流,通过台架试验数据来训练模糊神经网络,确定不同行驶工况的转向助力值。
通过仿真计算,研究了EPS系统与整车操纵性能的匹配关系及EPS系统主要参数的设计原则,为EPS系统的结构参数和控制参数的优化设计提供了依据。
关键词:
电动助力转向;模糊神经网络;单神经元PID;匹配
中图分类号:
U461 文章编号:
1004—132X(06
StudyonEerChwiththeWholeVehicle
JiangHaobinZhaoJingbo
University,Zhenjiang,Jiangsu,212013
Abstract:
anddynamicscharacteristicsofanelectricpowersteeringsystem(EPSwasanalyzed,anda3DOFslinearmathematicalmodelofvehiclecombinedwithEPSwassetup.TheobjectivecurrentofEPSassistedmotorunderanydrivingconditionswasdeterminedbyANFIS,andtrackedbyusingadaptivesingleneuronPIDcontroller.TheANFISwastrainedbythedatacollectedfromthespeciallydesignedtestbed.Onthebasisofsimulationanalysis,thematchingrelationshipbetweenEPSandthewholevehiclewasstudied,andthedesignrulesofkeyparametersofEPSwereinvestigated.TheresultsprovidetheoptimizationdesignfoundationontheEPSstructureandcontroller.
Keywords:
EPS;ANFIS;singleneuronPID;matching
0 引言
汽车转向系一直存在着“轻”与“灵”的矛盾,
收稿日期:
2006—08—14 修回日期:
2007—09—26
基金项目:
国家自然科学基金资助项目(50475121;江苏省高新技术项目(BG2004025;高等学校博士学科点专项科研基金资助项目(20050299005而且转向力与路感也相互制约。
电动助力转向(electricpowersteering,EPS系统由电机提供助力,其助力的大小由电控单元(ECU实时调节与控制,可以较好地解决上述矛盾[1]。
但是,EPS系统作为汽车操纵的一个子系统,同时也是一个机械子系统和电气子系统相互结合、相互作用的
・574・
汽车电动助力转向系统特性及其与整车性能的匹配研究———陈 龙毛建伟
江浩斌等
系统,要想对EPS
系统进行准确的控制并获得优良的转向操纵性能,必须对整个系统与整车进行合理的匹配。
本文在建立线性三自由度汽车模型与EPS系统集成的数学模型的基础上,采用自适应模糊神经推理系统(adaptive-network-basedfuzzyinferencesystem,ANFIS确定助力电机的目标电流,并采用自适应单神经元PID控制器跟踪目标电流,实现EPS系统的助力控制,
通过仿真计算,分析了EPS系统的助力电机转动惯量、助力机构传动比和扭矩传感器刚度等主要参数对整车系。
最后,效性。
1
1.1
线性三自由度汽车模型
在侧倾转向效应较大时,线性二自由度的汽
车模型就显得不够精确,这时必须计入侧倾自由度对角输入操纵运动的影响[2]。
以前轮转角(转向盘转角作输入时,整个汽车的运动状态可以用三个广义坐标来表示,如图1和图2所示。
图1 转向俯视图图2 转向后视图
根据达朗贝尔原理,可将三自由度车辆运动微分方程表示为
Izω・
r+I
xz<¨
=Nrωr+Nβ
β+N<<+Nδδ(1
mv(ωr+β・-msh<¨=Yrωr+Yβ
β+Y<<+Yδδ(2Ix<¨-mshv(ω
r+β
・
+Ixzω・r=Lp<・+L<<(3式中,β为质心侧偏角,(°;δ为前轮转角,(°;ωr为汽车横
摆角速度,rad/s;<为车身侧倾角,(°;m、ms分别为整车
质量和簧载质量,kg;v为汽车速度,m/s;其余参数含义见文献[2]。
1.2 EPS系统动力学模型
为便于分析,把前轮及转向机构向转向柱简
化,得到简化后的EPS系统模型,其动力学方程[3]如下:
Th-Tsen=Ihθ¨
h+Bhθ・
h(4
n1Ta+Tsen=Tr+Irδ¨
1+Brδ・
1
(5Ta=Tm-Imθ¨
m-Bmθ・
m
(6
U=LI・+RI+kbθ・
m
(7
Tsen=ks(θh-δ1
式中,Im、Ir分别为电动机和离合器的转动惯量,kg・m2;
n1为助力机构传动比;Tsen为扭矩传感器测量的力矩,
N・m;ks为扭矩传感器刚度,N・m/rad;其他参数的含义
见文献[3]。
根据文献[2]提供的轮胎模型,转向阻力矩可以表示为
Tr=
n2
(-β-
v
r+Eδ(8
为下面的2助力控制系统分析
EPS系统的基本助力控制过程如下:
控制器
根据转向盘扭矩和车速信号并结合助力特性曲线确定助力电机的目标电流,控制器通过调节助力电机的电枢电压来控制助力电机电流。
不难看出,EPS控制要解决两个问题,一是确定助力电机的目标电流,二是跟踪目标电流[4]。
本文设计的EPS系统的助力控制过程如图3所示。
在汽车转向过程中,由ANFIS根据转矩传感器和车速传感器的输入信号确定电动机的目标控制电流,电流传感器实测电枢电流,单神经元自适应控制器根据两者的偏差构成反馈信号进行控制,使实际电流与目标电流一致。
图3 EPS系统助力控制过程框图
2.1
助力电机目标电流的确定
助力特性曲线反映了不同车速下转向盘扭矩
与助力电机电流的关系,如何得到任意车速下的
助力特性曲线是研究EPS技术的重点与难点[5]。
模糊控制的推理能力强于神经网络控制的推理能力,而神经网络的学习功能强于模糊控制的学习功能,将模糊控制和神经网络控制相结合,充分利用两者的优点,弥补彼此的缺点,可以实现较理想的智能控制[6]。
本文将模糊控制和神经网络控制相结合,采用基于神经网络的ANFIS来确定助力电机的目标电流,神经网络经过训练后,可以使网络的权值以及模糊输入与模糊输出的隶属度函数都得到相
・
674・中国机械工程第19卷第4期2008年2月下半月
应的调整,对专家经验进行定量的修订,解决了产生模糊规则时对专家先期经验的依赖及模糊集的非自适应性等问题。
本文通过台架试验实测了某进口EPS系统,通过采集一定量的数据组样本(车速、转向盘扭矩和助力电流对ANFIS进行训练,应用网络的泛化能力实现输入到输出的映射,得到任意车速下的助力值,有效地解决了助力特性的非线性特性及助力盲区问题,获得了更为合理的助力特性曲线。
所设计的转向试验台将转向机构与悬架机构相结合,构成简化的1/4车辆模型,所示。
倾、,,下具有自动回正的能力,以获得不同车速下转向机构的转向特性。
路面对轮胎的随机干扰输入通过INSTRON8800型数控电液伺服试验系统的作动器产生,从而使转向台架试验台的运行效果接近于汽车实际行驶状态
。
1.轮胎负重加载箱 2.前轮定位均分梁3.动力输入装置 4.测扭矩滚动台 5.滚动台限位
导向机构 6.作动器 7.齿轮齿条转向装置
图4电动助力转向试验台结构示意图
在电动助力转向试验台中,开发了信号采样分析系统,该系统采用支持PCI总线标准的PCI8020过程控制接口卡,可以完成各种模拟量与数字信号、脉冲信号的采集,并能对控制对象输出模拟量与数字信号。
编译过程在VisualC++610平台上进行,采用了MFC动态单文档技术。
采样装置具有软件定时、信号过滤、生成报表、显示并保存位图等多项功能。
在试验中通过驱动电机使车速从0变化到70km/h,在进行车速数据采集的同时,利用另外两个通道在对应时刻进行扭矩和电流数据的采集,共采集1000组数据。
对采集的数据进行分类,一部分作为训练样本(也称学习样本,另一部分作为测试样本,用于神经网络的训练和测试。
采用类间交叉的方法,交叉输入不同类型的训练样本,以提高网络训练
的速度,对样本进行归一化处理以缩短网络的学习时间和提高网络的性能。
网络输入为方向盘扭矩和车速信号,输出为助力电流。
对车速和扭矩分别采用7条和5条高斯隶属度函数进行模糊化。
采用反向传播算法和最小二乘法相结合的混合算法来调整前提参数和结论参数,并采用加权平均法解模糊化。
模糊神经系统的学习算法见文献[6]。
网络经过80次训练后,误差达到010044607,,5所示。
可、饱。
对模糊神经系统进行训练,得到不同车速下电机的最大助力电流,如图6所示,可见,助力电流曲线过渡平稳,当车速超过70km/h时,电机停止助力,在助力区内得到了任意车速下的助力值,曲线过渡平滑,说明该网络具有较强的泛化能力
。
图5助力特性曲面图图6 网络泛化能力测试图
2.2
目标电流的跟踪
由于常规的二维模糊控制器是以系统误差E和误差变化EC为输入语句变量的,因此它具有类似于常规PD控制器的作用,这种控制器的控制规则一旦确定下来就不会再改变,自适应能力差,同时因模糊量化作用,在控制中将会产生一定宽度的死区,引起稳态误差,在工作点附近极易产生小范围的振荡,因此难以满足EPS系统对目标电流进行精确跟踪的要求。
本文采用的单神经元自适应PID控制器具有自学习和自适应能力,且结构简单、易于计算,在一定程度上解决了PID控制器参数在线实时整定中存在的问题,提高了控制系统的鲁棒性和自适应性,适用于对实时性要求很高的EPS系统,其原理如图7所示。
ANFIS的输出电流与电动机的反馈电流经状态变换器转换后成为神经元学习控制所需的状态量x1、x2、x3,控制信号u(k由神经元通过关联搜索和自学习产生。
这里
x1(k=e(k,x2(k=Δe(k
・
774・汽车电动助力转向系统特性及其与整车性能的匹配研究———陈 龙毛建伟
江浩斌等
图7单神经元PID控制结构图x3(k=Δ2
e(k=e(k-2e(k-1+e(k-2
Δ=e(k-e(k-1
权系数的调整按有监督的Hebb学习规则进行。
通过对加权系数在线调整,确保系统的跟踪误差收敛于零,以此实现单神经元自适应控制器的自适应和自组织功能。
为保证上述单神经元PID控制学习算法的收敛性与鲁棒性,行规范化处理。
[]
k(k-3
i1
w′
i
(i
(wik=wi(k/
∑
3i=1
|wi(k|
w1(k+1=w1(k+ηIe(ku(kx1(kw2(k+1=w2(k+ηPe(ku(kx2(kw3(k+1=w3(k+ηDe(ku(kx3(k
式中,ηI、ηP、ηD为积分、
比例、微分的学习速率。
这里对积分、比例、微分分别采用不同的学习速率ηI、ηP、ηD,以便能根据需要对它们各自的权系数分别进行调整。
由于单神经元自适应PID控制无法直接在MATLAB中进行仿真,本文通过编写S函数并封装在Simulink中进行仿真研究。
3 EPS系统与整车性能的匹配分析
EPS系统匹配设计的主要内容包括EPS系
统的助力特性及EPS系统的助力电机、转向盘扭
矩传感器等主要部件与整车的匹配,其中,主要部件的匹配又分为结构选择和参数匹配两方面,本文主要分析
EPS系统关键部件的参数匹配问题。
应用MATLAB/Simulink仿真软件,基于建立的综合数学模型,对影响整车动态性能的EPS系统主要参数(电动机转动惯量Im、助力机构传动比n1、扭矩传感器刚度ks进行仿真计算,考察它们与整车性能之间相互制约、相互影响的匹配关系。
设车速为10m/s,输入为幅值100°的角阶跃曲线,仿真分析结果如图8、图9所示。
通过建立转向系统逆输入模型,可考察上述参数对转向盘把持力矩的影响,如图10所示。
仿真所采用的主要参数如表1所示。
从图8a、图8b可以看出,随着Im、n1的增大,车辆的横摆角速度ωr和车身侧倾角速度<・
的反应时间、调节时间和超调量都变大,表明汽车转向运
表1 仿真所采用的主要参数
整车质量m(kg1517簧载质量ms(kg
1170电动机转矩系数ka(M・N/A0.02电动机反电动势常数kb(V・s/rad0.02助力机构传动比n1
25电动机电枢电阻R(Ω0.1电动机电感L(H
0.01方向盘转动惯量Ih(kg・m20.0012方向盘阻尼系数Bh(N・m・s/rad0.261扭矩传感器刚度ks(N・m/rad115Im(kg・m20.00047Bm(N0.00334
Im,ωr开始,这在高速行驶时。
随着Im的增大,转向盘把持力矩Tsen的动态性能变差,严重时转向盘会出现抖动,如图10a所示。
传动比n1的选择比较复杂,虽然随着n1
的增大,转向盘的把持力矩减小,转向更加轻便,如图10b所示,但n1对助力电机的转动惯量等电机参数起到放大的作用,从而间接地影响到系统的动态性能,如图8b所示。
随着n1增大,车身侧倾角速度<・
的反应时间和调节时间变长,超调量增大,汽车转向运动的动态反应变差了。
此外,n1的选择还要满足转向系统回正能力的要求,因此n1不能太大,但若取得太小,在转向阻力矩一定时,将不得不选择功率更大的电动机,从而增加了系
统的能耗。
图8c表明,随着ks的减小,车身侧倾角速度
<・
的反应时间和进入稳态状态所经历的时间变
长,说明汽车转向运动的动态反应变差,而且ks太小对驾驶员的把持力矩Tsen的动态性能也会产生同样的影响,如图10c所示。
此外,ks的降低会增强整车的不足转向性能,如图9a所示,在同样的转向盘转角输入下,随着ks的减小,汽车的前轮转角变小,这在车辆高速行驶时是十分危险的[2],所以ks应尽可能大一些,但若取得过大,将使扭矩传感器的灵敏度降低。
从图9b、图9d、图9e可以看出,与没有装EPS系统的汽车相比,在相同的转角输入情况下,
装有EPS系统的汽车横摆角速度ωr、车身侧倾角速度<・
以及质心侧偏角β的反应时间、调节时间和超调量都要小,这表明装备EPS系统的汽车的转向动态性能提高了,整车性能有所改善。
由图9b、图9c可以看出,在相同行驶工况条件下,装备
EPS系统的汽车的横摆角速度ωr稳态增益明显比普通转向系统的汽车的横摆角速度要小,而且随着车速的提高,这种改变更加显著(图9c(为
・
874・中国机械工程第19卷第4期2008年2月下半月
1.Im=0.004kg・m2 2.Im=0.0004kg・m23.Im=0.009kg・m2 4.Im=0.0009kg・m2
1.n1=25 2.n1=153.n1=5 4.n1=35
1.ks=115N・m/rad 2.ks=35N・m/rad.ks=75N・m/ks415N・m/rad
(aIm对横摆角速度的影响(bn1s图8
EPS1.ks=255N・m/rad 2.ks=172N・m/rad3.ks=115N・m/rad 4.ks=65N・m/rad
(aks对前轮转角的影响
(bEPS系统对
横摆角速度的影响(v=10m/s
(cEPS系统对
横摆角速度的影响
(v=20m/s
(dEPS系统对侧倾角速度的影响 (eEPS系统对质心侧偏角的影响(f路面随机输入
对横摆角速度的影响
图9 装备EPS系统前后整车性能的改变
1.Im=0.0001kg・m2 2.Im=0.0005kg・m23.Im=0.0009kg・m2 4.Im=0.002kg・m2
1.n1=19 2.n1=223.n1=24 4.n1=27
1.ks=115N・m/rad 2.ks=35N・m/rad3.ks=65N・m/rad 4.ks=285N・m/rad
(a电机转动惯量(b助力机构传动比(c扭矩传感器刚度
图10 各参数对方向盘把持力矩的影响
保证汽车的侧向加速度小于013g,取角阶跃输入的幅值为60°,车速v=20m/s。
因此装备EPS系统的汽车和普通转向系统的汽车相比,特征车速
更低一些。
・
974・汽车电动助力转向系统特性及其与整车性能的匹配研究——
—陈 龙毛建伟江浩斌等
中国机械工程第19卷第4期2008年2月下半月图9f所示是只有路面随机扰动输入情况下以横摆角速度ω为输出的仿真结果,可以看出,r装备EPS系统的汽车比普通转向系