CN102730055A - 用于电动力转向系统的基于摩擦力的健康状态指示器 - Google Patents

Abstract

一种用于确定车辆中的电动力转向(EPS)系统的健康状态(SOH)值的方法包括使用论坛动力学模型估计第一自回正扭矩(SAT)，其包括在作用在车辆轮胎上的侧向力的线性区域中的模拟的动力学。该方法还包括使用扩张状态观察器和EPS系统的名义参数估计第二SAT值，和计算第一和第二SAT值之间的差值。控制器使用控制器监视计算的差值在校准时间间隔上的进展，以由此确定SOH值，和使用SOH值自动执行控制动作。车辆的EPS系统包括方向盘，扭矩和角度传感器，齿条和小齿轮组件，转向马达和控制器。还公开具有该相同控制器的车辆。

Description

用于电动力转向系统的基于摩擦力的健康状态指示器

技术领域

本公开涉及用于确定电动力转向系统的健康状态的系统和方法。

背景技术

电动力转向(EPS)是液压动力转向的直接替代，但是在操作过程中显著地消耗更少的能量。液压动力转向使用机械扭矩传感器来测量由驾驶员施加至方向盘的扭矩。扭矩传感器被联接至阀，而该阀引导液压流体以放大被施加的扭矩。EPS以类似的方式工作，但是电子扭矩传感器被用于测量方向盘扭矩，且电马达被用于施加附加扭矩给转向齿条。任一系统的故障可使得车辆相对难于转向。

当用于具有内燃发动机和一个或多个电牵引马达的混合动力车辆上时，EPS能力可特别具有吸引力。混合动力车辆通常以电动车辆模式(EV)运行至阈值车辆速度。发动机在EV模式(一个或多个)下关闭。由此，通常由发动机扭矩提供的机械动力被中断，其排除了使用发动机驱动流体泵的传统液压动力转向系统的使用。

发明内容

这里公开了一种用于确定具有轮胎和控制器的车辆中的转向柱安装式电动力转向(EPS)系统的健康状态(SOH)的方法。使用车载控制器执行本方法，通过使用轮胎动力学模型估计第一自回正扭矩(SAT)值最终确定EPS系统的SOH值。轮胎动力学模型包括在转向操作过程中作用在车辆的轮胎上的侧向力的线性区域中的模拟动力学。该方法包括使用控制器的扩张状态观察器和EPS系统的名义参数估计第二SAT值，然后计算第一和第二SAT值之间的差值。计算的差值的趋势或进展在校准时间间隔上被利用控制器监视以由此确定SOH值。该方法包括利用SOH值自动执行适当的控制动作。

用于车辆的EPS系统包括方向盘、扭矩传感器、角度传感器、齿条和小齿轮组件、转向马达和具有扩张状态观察器的控制器，该转向马达以一扭矩水平传递可变马达辅助扭矩给齿条和小齿轮组件，该扭矩水平部分地基于分别来自转向角度和扭矩传感器的转向角度和转向扭矩。控制器被配置为转向上述方法。

当结合附图时，从下面的用于执行如所附权利要求限定的本发明的一些最佳方式和其它实施例的具体描述可容易地明白本发明的上述特征和优点，以及其它特征和优点。

附图说明

图1是车辆的示意图，其具有转向柱安装式电动力转向(EPS)系统和配置为用于确定EPS系统的健康状态(SOH)值的控制器。

图2是模拟的转向柱安装式EPS系统的示意图。

图3是可由本控制器使用的示例性轮胎动力学模型的示意图。

图4是用于控制器的示例性扩张状态观察器部分的示意性流程图；以及

图5是描述用于确定图1和2中所示的EPS系统的SOH值的本方法的实施例的流程图。

具体实施方式

参考附图，其中相同的参考标号对应于多个附图中相同或类似的部件，以图1开始，车辆10包括转向柱安装式电动力转向(EPS)系统20和控制器50。控制器50被示意性地示出为单个单元，但是控制器50的各个元件可被分布于多个特定用途控制器或电控制单元(ECUs)，例如马达控制单元、转向控制单元等。

本控制器50被配置用于确定EPS系统20的健康状态(SOH)值。如这里使用的，术语“SOH”值表示描述EPS系统20的相对于校准的、正常运转的标准的相对健康性的数值。控制器50还被配置用于执行控制动作，该控制动作对于确定的SOH值是适当的，例如通过记录诊断码和/或经由显示器17(例如显示屏、指示器灯、图标等)显示信息给车辆10的驾驶员。

车辆10包括方向盘12。方向盘12响应于驾驶员转向输入而旋转，其在图1中由双箭头19共同表示。方向盘12被操作地连接至转向柱14，而该转向柱被连接至转向机构16。在一个实施例中，转向机构16是齿条和小齿轮组件，尽管其他转向组件可被根据设计使用。例如通过移动一组前桥(未示出)上的轮胎拉杆18，转向组件16最终将前轮胎25相对于路面27取向，且其为本领域技术人员熟知。

扭矩传感器23和可选的转向角度传感器21可被相对于转向柱14定位。扭矩传感器23测量和传输扭矩传感器信号(箭头123)至控制器50。类似地，转向角度传感器21测量和传输转向角度信号(箭头121)至控制器50。控制器50处理信号121、123以及附加车辆运行数据(箭头11)，例如车速、质量等，和确定转向马达32执行本转向操作所需的转向辅助量。控制器50经由马达控制信号(箭头13)与转向马达32通信。通过产生和经由减速齿轮组33(见图2)传送马达扭矩(箭头15)且传送至转向机构16，转向马达32响应该马达控制信号(箭头13)。

仍参考图1，控制器50可利用控制器局域网(CAN)、串行总线、数据路由器(一个或多个)和/或其他适当的网络连接来传输马达控制信号(箭头13)至转向马达32。控制器50的硬件部件可包括一个或多个数字计算机，其每个都具有微处理器或中央处理单元(CPU)、只读存储器(ROM)、随机访问存储器(RAM)、电可编程只读存储器(EPROM)、高速时钟、模拟至数字(A/D)和数字至模拟(D/A)电路、和输入/输出电路和设备(I/O)，以及适当的信号调制和缓冲电路。

驻留在控制器50中的或可由控制器容易地访问和执行的每组算法或计算机可执行指令(包括执行如下参考图2解释的本方法100所需的算法或计算机指令)可被储存在有形的、非易失性计算机可读储存器54上，且由控制器50的相关联硬件部分按需执行以提供公开的功能。扩张状态观察器52(还参见图4)被包括为控制器50的软件功能的部分，状态观察器52施加状态空间反馈控制法则，如本领域技术人员熟知的。控制器50还被编程有或可访问轮胎动力学模型56和EPS系统模型58。

EPS系统模型58考虑EPS系统20的摩擦力以及转向机构16(例如齿条和小齿轮组件)和转向马达32的等效惯量和阻尼，下面使用的例子是示意性目的。任意EPS系统中的高摩擦特性是不受欢迎的，因为它们可不利地影响性能。由于由转向马达32提供的扭矩辅助的高水平，摩擦力的增加可不被驾驶员注意到。但是，在扭矩辅助丧失事件中，车辆10将变得难于转向。

EPS系统20中的摩擦力可通过测量马达电流和角速度以及通过确定自回正扭矩(SAT)而被估计。由于SAT不能被直接测量，本方法替代地监视SAT值的偏差，其从轮胎侧向力的线性区域中的轮胎动力学模型56(如下参考图3所述)以及使用状态观察器52且假定转向机构16的标称参数从组合的马达32和转向机构16的动力学得到的SAT估计值获得的。这些不同地确定的SAT值中的偏差的进展则被用于指示EPS系统20中的摩擦力从标称值的偏差。

参考图2，本方法100提供用于转向柱型EPS系统(例如图1的EPS系统20)的基于故障的模型。在这种系统中，转向马达32被连接至转向组件26，该两者都被示意性地示出。转向组件26通过减速齿轮箱33包括图1的转向轴14、图1的用于接收力矩(J_hw)的方向盘12、以及传感器21和23(见图1)。辅助扭矩(其在图2中被表示为T_a)被通过减速器(未示出)施加至图1的转向轴14。辅助扭矩(T_a)是马达扭矩和齿轮箱33的齿轮比(n)的乘积，且该扭矩辅助驾驶员转动方向盘12。驾驶员扭矩(T_d)和辅助扭矩(T_a)的总和克服来自轮胎25的自回正扭矩(SAT)(在图2中由T_sa表示)以及EPS系统20中的任意摩擦力而旋转转向轴14。

图1和2的EPS系统20的操作可由下面的方程表达：

$J_{\mathrm{sw}}{\stackrel{\·\·}{\mathrm{\θ}}}_{\mathrm{sw}}=T_d-T_{\mathrm{ts}}-K_{\mathrm{sw}}{\mathrm{\θ}}_{\mathrm{sw}}-B_{\mathrm{sw}}{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{sw}}-T_{\mathrm{fr},c}$

其中J_sw、B_sw和K_sw分别是方向盘12的惯量、阻尼和刚度分量，T_ts是来自扭矩传感器23的输出，T_d是方向盘12上的驾驶员扭矩，θ_sw是由图1的传感器21感测的转向角度，以及T_fr，c是转向柱摩擦力(通常可忽略)。扭矩传感器23在这里被模拟为具有线性弹簧和阻尼效应的扭杆，即：

$T_{\mathrm{ts}}=B_{\mathrm{ts}}{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{ts}}+K_{\mathrm{ts}}{\mathrm{\θ}}_{\mathrm{ts}}$

其中θ_ts是扭矩传感器23的扭杆变形且等于：

θ_ts＝θ_sw-θ_p

其中θ_p是小齿轮角度，且其与被转向车轮的角度成比例，即存在于车辆10的纵向轴线的投影和车轮平面与路面27的交线之间的角度。

转向马达32的运动方程可被表达为：

$J_m{\stackrel{\·\·}{\mathrm{\θ}}}_m+B_m{\stackrel{\·}{\mathrm{\θ}}}_m=T_m$

T_m＝K_ti

$L_a\frac{\mathrm{di}}{\mathrm{dt}}+R_{a}i=v-K_e{\stackrel{\·}{\mathrm{\θ}}}_m$

其中J_m和B_m是转向马达32的相应惯量和阻尼系数，T_m是如上所述的马达扭矩，R_a和L_a是转向马达32的相应电阻和电感，i是电枢电流，v是电压，且K_t和K_e是相应的扭矩常数和反向EMF，所有数值都属于转向马达32的特性。

图1的控制器50可包括马达控制单元，其使用比例积分(PI)控制功能，如本领域所知道的。马达控制单元使用控制器50的任意转向控制单元部分的输出作为所需扭矩的参考电流，即：

$G\left(s\right)=\frac{K_{p}s+K_i}{s}$

其中K_p和K_i分别是比例和积分增益。转向机构16的运动可被描述为完整刚体。因此，转向机构16的动力学可被模拟为：

$J_{\mathrm{eq}}{\stackrel{\·\·}{\mathrm{\θ}}}_p+B_{\mathrm{eq}}{\stackrel{\·}{\mathrm{\θ}}}_p+C_{\mathrm{fr}}\mathrm{sgn}\left({\stackrel{\·}{\mathrm{\θ}}}_p\right)=T_{\mathrm{ts}}+T_a-M_z$

J_eq＝J_rp+n²J_m，B_eq＝B_rp+n²B_m.

其中J_rp是转向机构16(例如齿条和小齿轮组件)的惯量。类似地，B_rp是阻尼系数，n是减速齿轮箱33(见图1)的齿轮比，C_fr是作用在转向组件26的转向齿条上的库仑摩擦力，T_a是辅助扭矩(即nT_m)，且M_z是SAT。

当转向车辆10时，由车辆10的驾驶员施加的扭矩，即T_d，以及来自EPS系统20的辅助扭矩T_a，应克服两个反作用扭矩：(1)SAT M_z，其由轮胎25和路面27产生，和(2)由库仑摩擦力以及EPS系统20自身的粘滞摩擦力产生的扭矩。

参考图3，包含在轮胎动力学模型56中的信息的实例被示意性地示出。垂直轴线61表示大小，且水平轴线63表示图1中的车辆10的行进方向。作用在给定轮胎25上的侧向力由箭头64表示，轮胎接触宽度(箭头76)由以虚线示出的轨迹71和73之间的区域表示。图4中示出的附加量包括轮胎滑移区(箭头60)，其位于点70和72之间，轮胎附着区域(箭头62)，其位于点72和74之间，轮胎拖距(箭头65)，其为以侧向力(箭头64)开始且在点77处结束的区域，车辆航向(箭头68)，以及轮胎接触长度(箭头78)。箭头75表示自回正扭矩(T_sa)。前轮胎25的滑移角度(α)位于行进方向(箭头63)和航向(箭头68)(即轮胎25的取向)之间。轮胎动力学模型56的线性区域由箭头80总体指示。

SAT特性被基于轮胎接触区(tire contact patch)的侧向力分布进行解释，该轮胎接触区是轮胎25与路面27接触的部分，该部分由双箭头78表示。侧向力(箭头64)在该接触面中增加至点72，在该点处胎面剪切力克服可用摩擦力。这为双箭头62指示的附着区域。当图1和2的轮胎25以滑移角度(α)旋转时，滑移则发生于滑移区域(双箭头60)中。

不对称的力分布形成导致侧向力(箭头64)的作用点被朝向接触面的后部定位一轮胎拖距(双箭头65)。如本领域中已知的，术语轮胎拖距指从轮胎25的中心至侧向力形成处的点的距离。换句话说，由附着/滑移状况导致的非对称侧向力分布影响轮胎拖距(双箭头65)。因此，SAT变化指示轮胎接触区中的附着/滑移状况，因为SAT等于侧向力(箭头64)乘以轮胎拖距(双箭头65)。

为了正确地估计道路扭矩，对准分量首先必须被估计。由于本方法100在轮胎25处于轮胎侧向力F_y的线性区域(箭头80)中时运行，滑移角度α与道路扭矩M_z的低频对准分量成比例。由此：

M_z1＝-L_pF_xf，F_xf＝C_fα_f

其中L_p是轮胎拖距(图4的箭头65)，C_f是前轮胎25的侧偏刚度，F_xf是前轮胎侧向力，且α_f是前轮胎滑移角度。后一值可被如下计算：

${\mathrm{\α}}_f=-\mathrm{\δ}+\frac{v_y+\stackrel{\·}{\mathrm{\ψ}}a}{v_x}$

其中δ是前车轮的转向角度，v_y是车辆重心处的横向速度，v_x是重心的纵向速度，是车辆10的偏航率，a是从车辆10的重心至其前桥的距离。

由于故障检测将在线性区域(图3的箭头80)中是激活的，横向速度

可被如下计算：

${\stackrel{\·}{v}}_y=-\frac{C_f+C_r}{{\mathrm{mv}}_x}{v}_y+(\frac{{\mathrm{aC}}_f-{\mathrm{bC}}_r}{{\mathrm{mv}}_x}-v_x)\stackrel{\·}{\mathrm{\ψ}}+\frac{{\mathrm{aC}}_f}{I_z}\mathrm{\δ}+g\sin \left(\mathrm{\γ}\right)$

其中b是从车辆10的重心至后桥的距离，C_r是后桥(未示出)的两个轮胎的侧偏刚度，g是重力加速度，I_z是整个车辆10关于车辆10的偏航轴线的惯性矩，m是总的车辆质量，且γ是道路坡度，即图2的路面27的倾斜度，其可由例如横向加速度和偏航率的信息估计。

从上面的方程，控制器50可计算横向速度v_y和由此计算M_z1如下：

$v_y=\frac{m}{C_f+C_r}(a_y-\frac{{\mathrm{aC}}_f-{\mathrm{bC}}_r}{v_x}\stackrel{\·}{\mathrm{\ψ}}-\frac{C_f}{m}\mathrm{\δ})v_x$

$M_{z1}=-K_1\mathrm{\δ}+K_2{a}_y-\frac{K_3}{v_x}\stackrel{\·}{\mathrm{\ψ}}$

其中 $K_1=L_p{C}_f(1+\frac{C_f}{m}),$ $K_2=\frac{L_p{C}_f}{C_f+C_r}m,$ 和 $K_3=\frac{L_p{C}_f}{C_f+C_r}m({\mathrm{aC}}_f-{\mathrm{bC}}_r)$

参考图4，框图被示出用于状态观察器52的一个可能实施例。状态观察器52模拟EPS系统20以估计其内状态。给定一组控制输入(u)和控制输出(y)，状态估计被执行。由此，系统的状态(x)可被模拟为：

x(k+1)＝Ax(k)+Bu(k)

y(k)＝Cx(k)+Du(k)

其中(k)表示时间，且A、B、C和D是校准值。状态观察器模型则可被推导为：

$\hat{x}(k+1)=A\hat{x}\left(k\right)=L[y\left(k\right)-\hat{y}\left(k\right)]+\mathrm{Bu}\left(k\right)$

$\hat{x}\left(k\right)=C\hat{x}\left(k\right)+\mathrm{Du}\left(k\right)$

其中该方程中的L是估计器增益矩阵。上述状态方程应为本领域技术人员容易地理解。

控制器50由此使用EPS系统模型58(例如上述马达/齿条和小齿轮动力学)和使用扩张状态观察器52来估计第二SAT值(M_z2)。SAT估计器功能是基于图2中所示且如上讨论的转向机构16的模型，且可被数学地表示如下：

${\stackrel{\·\·}{\mathrm{\θ}}}_p=g({\mathrm{\θ}}_p,{\stackrel{\·}{\mathrm{\θ}}}_p,t)+w+\mathrm{bu}$

其中 $g({\mathrm{\θ}}_p,{\stackrel{\·}{\mathrm{\θ}}}_p,t)=-\frac{B_{\mathrm{eq}}}{J_{\mathrm{eq}}}{\stackrel{\·}{\mathrm{\θ}}}_p-\frac{C_{\mathrm{fr}}}{J_{\mathrm{eq}}}\mathrm{sgn}\left({\stackrel{\·}{\mathrm{\θ}}}_p\right),$ $w=\frac{T_{\mathrm{ts}}-M_z}{J_{\mathrm{eq}}},$ $b=\frac{K_{t}n}{J_{\mathrm{eq}}},$ 且u＝i.

在这些方程中，w表示外部干扰，例如扭矩载荷，即由图1和2的转向扭矩传感器23测量的扭矩值(图1的箭头123)和道路扭矩(T_r)之间的差。将内动力学

与外部干扰w合并，人们可形成概括的干扰

上面的方程则被重写为：

${\stackrel{\·\·}{\mathrm{\θ}}}_p=f({\mathrm{\θ}}_p,{\stackrel{\·}{\mathrm{\θ}}}_p,w,t)+\mathrm{bu}.$

控制器50则可推导增强规范(augmented canonical)的状态空间模型如下，参考图3：

$\stackrel{\·}{x}=\mathrm{Ax}+\mathrm{Bu}+E\stackrel{\·}{f}$

y＝Cx+Du

$A=\left[\begin{array}{ccc}0& 1& 0\\ 0& 0& 1\\ 0& 0& 0\end{array}\right],$ $B=\left[\begin{array}{c}0\\ b\\ 0\end{array}\right],$ $E=\left[\begin{array}{c}0\\ 0\\ 1\end{array}\right]$

C＝[1 0 0]，D＝[0]

其中

包括要被估计的干扰。

接下来，来自状态观察器52的状况空间模型通过施加零阶约束而被离散。

x(k+1)＝Φx(k)+Γu(k)

y(k)＝Hx(k)+Ju(k)

使用状态观察器52，得到下面：

$\hat{x}(k+1)=\mathrm{\Φ}\hat{x}\left(k\right)+\mathrm{\Γu}\left(k\right)+L(y\left(k\right)-\hat{y}\left(k\right))$

$\hat{y}\left(k\right)=H\hat{x}\left(k\right)+\mathrm{Ju}\left(k\right)$

通过限定L＝ФL_c，估计减至：

$\hat{x}(k+1)=\mathrm{\Φ}\stackrel{\‾}{x}\left(k\right)+\mathrm{\Γu}\left(k\right)$

其中新状态，即离散估计器，由下面给定：

$\stackrel{\‾}{x}\left(k\right)=\hat{x}\left(k\right)+L_c(y\left(k\right)-y\left(k\right))$

SAT估计器增益向量L_c则通过如下布置离散特征方程λ(z)的极轴(β)而被确定：

λ(z)＝|zI-(Φ-ΦLH)|＝(z-β)³，β＝e^-ωT

再次施加零阶保持：

$\mathrm{\Φ}=\left[\begin{array}{ccc}1& T& \frac{T^2}{2}\\ 0& 1& T\\ 0& 0& 1\end{array}\right],$ $\mathrm{\Γ}=\left[\begin{array}{c}\frac{{\mathrm{bT}}^2}{2}\\ \mathrm{bT}\\ 0\end{array}\right],$ H＝[1 0 0]，J＝0，以及

$L=\left[\begin{array}{c}1-{\mathrm{\β}}^3\\ (1-{\mathrm{\β}}^2)(1+\mathrm{\β})\frac{3}{2T}\\ {(1-\mathrm{\β})}^3\frac{1}{T^2}\end{array}\right]$

其中T是离散取样时间。由此：

$M_{z2}\left(k\right)=T_{\mathrm{ts}}-(J_{\mathrm{eq}}\hat{f}({\widehat{\mathrm{\θ}}}_p,{\stackrel{\begin{array}{c}^\\ \·\end{array}}{\mathrm{\θ}}}_p,w,t)+B_{\mathrm{eq}}{\stackrel{\begin{array}{c}^\\ \·\end{array}}{\mathrm{\θ}}}_p+C_{\mathrm{fr}}\mathrm{sign}\left({\stackrel{\begin{array}{c}^\\ \·\end{array}}{\mathrm{\θ}}}_p\right))$

参考图5，本方法100提供了利用EPS系统20的电和机械部分来检测图1中所示的柱安装EPS系统20的故障检测策略。使用如上所述的参数估计技术，转向马达32的电参数(即电阻和反向EMF)被确定。估计的参数则被与“健康”系统的先前估计参数比较，以检测故障。转向马达32的机械参数被基于第一从处于轮胎侧向力的线性区域中的轮胎动力学估计的和第二从马达/齿条和小齿轮参数估计的SAT而被诊断。经由两个途径获得的SAT的差的变化指示机械参数从其标称值的偏差。

方法100的实施开始于步骤102处，其中第一SAT值(M_z1)是利用轮胎动力学模型56估计的，其包括在作用在轮胎25上的侧向力的线性区域中的模拟的动力学，如图3所示。

步骤104包括使用扩张状态观测器52和EPS系统20的标称参数估计第二SAT值(M_z2)。

步骤106包括计算第一SAT值(M_z1)和第二SAT值(M_z2)之间的差值(ΔM_z)。步骤102-106可被在循环中重复，从而该差值的趋势或进展可随后被控制器50监视，其在足够数量的样本已被记录后执行步骤108以确定偏差的进展。

步骤108包括在校准时间间隔上使用控制器50监视被计算的差值的进展，和使用该进展确定EPS系统20的SOH值。

步骤110包括利用SOH值自动执行控制动作。在步骤108处，控制器50确定差值(ΔM_z)的故障范围。控制器50可使用在步骤106处确定的偏差的进展来计算EPS系统20的健康状态(SOH)值。例如，在可能的SOH预测中，下面的方程可被控制器50应用：

$\mathrm{SOH}=1-k\left|\frac{{\mathrm{\ΔM}}_z\left(k\right)}{M_z\left(k\right)}\right|$

其中该方程中的k是可调增益，且其中0＜k＜1。由此，为1的SOH值可对应于正确地工作的EPS系统20，而为0的SOH可对应于EPS系统20的即将来临的故障。

在步骤110处，控制器50可基于在步骤108处记录的SOH值执行适当的控制动作。步骤110的一个可能的实施例包括将一数值范围的SOH值划分为不同区段，例如“好”、“降级”、“磨损”和“即将故障”。每个区段可被赋予特定范围的SOH值，例如1至0.75用于“好”，等等。诊断码可被设定用于各个区段，该码被记录以供维修技师参考，或被自动地远程检测和报告(如果车辆10装备有远程信息处理单元)。

车辆10可装备有显示器17，如上所述。对于即将来临的故障，用户可被控制器50使用显示器17(例如通过显示消息或图标)给予警告。在一简化实施例中，显示器17可为简单的仪表板警告灯，可能伴随有足以警告用户即将来临的故障的声音信号。落入“好”和“即将故障”的极限之间的结果可被经由显示器17呈现或被记录为诊断码，或二者，这依赖于SOH值的严重性和偏差的进展。

虽然用于执行本发明的最佳方式已经被详细描述，与本发明相关的本领域技术人员应认识到在所附的权利要求的范围内的执行本发明的各种替换设计和实施例。

Claims (7)

1.一种用于车辆的电动力转向(EPS)系统，包括：

方向盘，其配置为接收一组驾驶员转向输入，包括转向扭矩和转向角度；

扭矩传感器，其配置为测量转向扭矩；

角度传感器，其配置为测量转向角度；

齿条和小齿轮组件；

转向马达，其可操作用于以一扭矩水平传递可变马达辅助扭矩给齿条和小齿轮组件，该扭矩水平部分地依赖于转向角度和转向扭矩；和

控制器，其具有扩张状态观察器；

其中该控制器被配置用于：

使用轮胎动力学模型估计第一自回正扭矩(SAT)值，其中轮胎动力学模型包括在作用在轮胎上的侧向力的线性区域中的模拟的动力学；

使用扩张状态观测器和EPS系统的标称参数估计第二SAT值；

计算第一SAT值和第二SAT值之间的差值；

利用控制器监视计算的差值在校准时间间隔上的进展以由此确定SOH值；和

利用SOH值自动执行控制动作。

2.如权利要求1所述的EPS系统，其中所述控制器可操作用于利用可调增益计算SOH值为0和1之间的数值。

3.如权利要求2所述的EPS系统，其中自动执行控制动作包括以下至少之一：记录诊断码和在车辆内显示图标或消息。

4.一种车辆，包括：

方向盘；

轮胎，其能响应由方向盘接收的驾驶员输入而转向；

电动力转向(EPS)系统，其具有齿轮组和转向马达，其中EPS系统被配置为提供马达辅助扭矩给齿轮组以由此辅助轮胎的转向；和

控制器，其配置为执行来自有形/非暂时性储存器的一组指令，包括：

使用轮胎动力学模型估计第一自回正扭矩(SAT)值，其中该轮胎动力学模型包括在作用在轮胎上的侧向力的线性区域中的模拟的动力学；

使用扩张状态观测器和EPS系统的标称参数估计第二SAT值；

计算第一SAT值和第二SAT值之间的差值；

利用控制器监视计算的差值在校准时间间隔上的进展以由此确定SOH值；和

用SOH值自动执行控制动作。

5.如权利要求4所述的车辆，其中所述齿轮组是齿条和小齿轮组件。

6.如权利要求4所述的车辆，其中所述控制器配置为利用可调增益计算SOH值为0和1之间的数值。

7.如权利要求4所述的车辆，其中所述控制器通过以下至少之一自动执行控制动作：记录诊断码和在车辆内显示图标或消息。

Images