CN107054454B - 一种基于参数估计的线控转向控制系统及控制方法 - Google Patents

一种基于参数估计的线控转向控制系统及控制方法 Download PDF

Info

Publication number
CN107054454B
CN107054454B CN201710327367.8A CN201710327367A CN107054454B CN 107054454 B CN107054454 B CN 107054454B CN 201710327367 A CN201710327367 A CN 201710327367A CN 107054454 B CN107054454 B CN 107054454B
Authority
CN
China
Prior art keywords
steering
sensor
motor
signal
automobile
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710327367.8A
Other languages
English (en)
Other versions
CN107054454A (zh
Inventor
赵万忠
樊密丽
张寒
李艳
高琪
王云琦
邹松春
章雨祺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201710327367.8A priority Critical patent/CN107054454B/zh
Publication of CN107054454A publication Critical patent/CN107054454A/zh
Application granted granted Critical
Publication of CN107054454B publication Critical patent/CN107054454B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D5/00—Power-assisted or power-driven steering
    • B62D5/04—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear
    • B62D5/0421—Electric motor acting on or near steering gear
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D5/00—Power-assisted or power-driven steering
    • B62D5/04—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear
    • B62D5/0457—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear characterised by control features of the drive means as such
    • B62D5/046—Controlling the motor
    • B62D5/0463—Controlling the motor calculating assisting torque from the motor based on driver input
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D6/00—Arrangements for automatically controlling steering depending on driving conditions sensed and responded to, e.g. control circuits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明公开了一种基于参数估计的线控转向控制系统及控制方法。该系统包括方向盘及其连接机构、方向盘转角传感器、方向盘转矩传感器、路感电机、路感电机电流传感器、转向电机、转向电机电流传感器、车速传感器、前轮转角传感器、齿轮齿条转向器、位置传感器、转向电子控制单元、传感器信号整合模块以及电机电流控制模块。本发明运用粒子滤波器对汽车运动的姿态进行滤波预测估计，粒子滤波器通过电子传感器获得信号，进而运用粒子滤波估计算法得到汽车的运动参数。本发明所公开的系统的转向控制器能够在保证转向稳定的前提下，有效地减少外界随机干扰所带来的影响，从而提高汽车行驶的稳定性以及安全性。

Description

一种基于参数估计的线控转向控制系统及控制方法
技术领域
本发明涉及的是汽车线控转向系统的领域，具体描述的是一种基于状态估计的线控转向系统，属于汽车转向系统的控制领域。
背景技术
对于汽车的转向系统，一方面要求具有良好的路感，另一方面要求操纵稳定有效。这就要求转向系统要有一个可靠准确的控制器。特别地，对线控转向系统，不仅仅要求有良好性能的控制器，因为取消了转向系统中的机械间连接，还应特别强调汽车转向系统必要的的“路感”。线控转向系统的运行强烈地依赖于传感器信号，其可靠性较传统转向系统大大降低了。另外，在各种工况下，传感器存在一定的噪声干扰，而且汽车也会受到横风以及路面激励的影响，这些都会影响汽车的转向系统的可靠性。可见，为了提高线控转向系统的可靠性，可从两方面着手：一方面在保证汽车良好路感的情况下，尽可能地减少汽车转向系统中运用到的传感器。另一方面，提高转向系统的抗干扰性能存在一定的必要性。
虽然国内外有诸多研究是面向转向系统的滤波估计方法以及转向控制器，但是大多数研究都是针对转向系统的稳定性能以及易操纵性能的，往往忽略了它的抗干扰性能。即使有少数研究涉及到了动力转向系统的抗干扰性能，但其相对复杂的控制算法也是完全依赖于有限的训练样本，此类训练样本不可能涵盖汽车所行驶的每种工况，这也是不利于转向系统在现实环境中的运用的。另外，广泛运用的滤波估计方法卡尔曼滤波估计是存在一定缺陷的，卡尔曼滤波器仅仅适用于高斯、线性系统或者高斯、非线性系统的滤波问题，对于非高斯、非线性系统的它的算法是远远不够精确的。
因此，对转向系统完全放弃对状态分布所作的高斯假设以及线性假设，采用非参数估计方法进行滤波估计是有必要的，与之协同工作的，应该有一个具有良好抗干扰性能和稳定性能的转向控制器。
发明内容
发明目的：为了克服现有技术中存在的不足，本发明提供一种基于粒子滤波估计器与鲁棒控制器协同工作的线控转向控制系统及控制方法。本发明能够在提供良好路感的前提下，以其转向系统的鲁棒性、抗干扰性为控制目标，控制转向系统中的转向电机，能有效地减少外界随机干扰所带来的影响，从而提高汽车行驶的稳定性以及安全性。
技术方案：为实现上述目的，本发明采用的技术方案为：
一种基于参数估计的线控转向控制系统，包括方向盘(1)及其连接机构Y、方向盘转角传感器(2)、方向盘转矩传感器(3)、路感电机A、路感电机电流传感器(6)、转向电机B、转向电机电流传感器(7)、齿轮齿条转向器(4)、位置传感器(5)、前轮转角传感器(8)、车速传感器(9)、转向电子控制单元ECU、传感器信号整合模块C以及电机电流控制模块D，其中：
所述方向盘(1)通过连接机构Y的转向管柱与路感电机A连接，方向盘转角传感器(2)与方向盘转矩传感器(3)均安装在转向管柱上，所述方向盘转角传感器(2)采集方向盘(1)的转角信号，方向盘转矩传感器(3)采集方向盘(1)上施加的力矩信号，所测得的转角信号和力矩信号输入到传感器信号整合模块C的输入端。
所述路感电机电流传感器(6)与路感电机A安装在一起，所述路感电机电流传感器(6)用于检测输入路感电机A的电流信号，并将检测到的输入路感电机A的电流信号输入到转向电子控制单元ECU。
所述转向电机B与齿轮齿条转向器(4)相连，转向电机电流传感器(7)与转向电机B安装在一起，所述转向电机电流传感器(7)检测输入转向电机B的电流信号，并将检测到的输入转向电机B的电流信号输入到转向电子控制单元ECU。
所述齿轮齿条转向器(4)上安装位置传感器(5)，所述位置传感器(5)用于采集齿轮齿条转向器中齿条的位移信号，并将检测到的位移信号输入到传感器信号整合模块C的输入端。齿轮齿条转向器(4)与前轮相连接。
所述前轮转角传感器(8)以及车速传感器(9)安装在前轮上，所述前轮转角传感器(8)用于检测前轮的转向角的信号，所述车速传感器(9)用于检测汽车的实时的车速信号。测得的转向角的信号和车速输入到传感器信号整合模块C的输入端。
所述传感器信号整合模块C，其输入端接收方向盘转角传感器2、方向盘转矩传感器3、位置传感器5、前轮转角传感器8、车速传感器9，并对接收到的信号进行整合计算，将整合的信号输出，传送至转向电子控制单元ECU。
转向电子控制单元ECU的输入端接收传感器信号整合模块C的输出端的信号、路感电机电流传感器(6)以及转向电机电流传感器(7)输入的电流信号，经计算，输出驱动信号以驱动电机电流控制模块D。
所述电机电流控制模块D的输入端接收转向电子控制单元ECU的电子信号，依据此信号，计算出控制路感电机A和转向电机B的电流信号并输出，以控制路感电机A、转向电机B产生相应的力矩，从而得到准确而稳定的转向反应。
一种基于参数估计的线控转向系统的控制方法，包括以下步骤：
步骤1：方向盘以力矩和转角输入，借助连接机构Y、齿轮齿条转向器(4)将力矩以及转角传递到前轮，以实现转向的操作。
步骤2，方向盘转角传感器(2)采集方向盘(1)转角信号，方向盘转矩传感器(3)采集方向盘(1)上施加的力矩的信号，位置传感器(5)采集齿轮齿条转向器4中齿条的位移信号，前轮转角传感器8采集前轮的转向角的信号，车速传感器9采集到汽车的实时的车速信号，采集到的信号传输到传感器信号整合模块C中，经过该模块的整合计算，将整合后的信号输入到转向电子控制单元ECU中。与此同时，ECU中的粒子滤波估计器估计得到实时的汽车横摆角速度、质心侧偏角，以预测汽车实时的运动姿态。
步骤3，转向电子控制单元ECU依据输入的信号输出驱动信号以驱动电机电流控制模块D。
步骤4，电机电流控制模块D接收转向电子控制单元ECU的驱动信号后，经电机电流控制模块D中控制器计算分析输出控制信号以控制路感电机A和转向电机B的输入电流，从而使得路感电机A和转向电机B以不同的力矩输出来得到不同的适应当前工况的转向角度，进而得到稳定的转向状态。
优选的：所述步骤2中粒子滤波估计器估计得到实时的汽车横摆角速度、质心侧偏角的方法，其具有如下步骤：
步骤2.1：建立整车二自由度的整车模型。
Figure GDA0004052146980000031
其中：β车身质心侧偏角。ωr为汽车横摆角速度。k1为汽车前轮侧偏刚度。k2为汽车后轮侧偏刚度。m为汽车整车质量。u为车速。a为汽车质心到前轴的距离。b为汽车质心到后轴的距离。Iz为汽车转动惯量。δf为汽车前轮转角。
步骤2.2状态初始化，即t＝0时，通过加权随机样本近似表示汽车的状态的后验分布，设π[x(0)]为系统的初始建议分布，即是初始重要性函数。从建议分布中随机抽取N个样本，即i＝1,2,…,N。按照初始重要性函数π[x(0)]选取初始粒子群[xi(0)]i＝1,2,…,N。样本从i＝1,2,…,N，估计初始粒子的重要性权值：
Figure GDA0004052146980000032
将样本归一化处理，获得初始重要性权值：
Figure GDA0004052146980000041
上式中，ω[x(0)]为初始粒子的重要性权值；z(0)为初始时刻所观测的向量；xi(0)为初始时刻的状态向量，p[z(0)|xi(0)]为初始时刻所观测的向量的概率分布；p[xi(0)]为初始时刻的状态向量的概率分布；π[xi(0)|z(0)]为初始时刻重要性函数；ωi(0)为归一化的初始重要性权值；ω[xi(0)]为初始时刻初始粒子群的重要性权值；
步骤2.3，汽车状态估计的时间更新：令t＝k-1，k＞1。样本从i＝1,2,…,N，按照重要性函数
Figure GDA0004052146980000042
选取更新状态后的粒子群[xi(k)]i＝1,2,…,N，且xi(k)＝f[xi(k-1)]。
步骤2.4，汽车状态的观测更新：t＝k。样本从i＝1,2,…,N，在已获得z(k)的情况下，估计重要性权值系数：
Figure GDA0004052146980000043
归一化处理重要性权值：
Figure GDA0004052146980000044
上式中，xi(k)为k时刻的粒子群；ω[xi(k)]为k时刻的粒子群的重要性权值；z(k)为k时刻的观测向量；p[z(k)|xi(k)]为k时刻的观测向量概率分布；p[xi(k)|xi(k-1)]为k-1时刻的概率分布；
Figure GDA0004052146980000045
为k-1时刻的重要性函数；
Figure GDA0004052146980000046
为k时刻的观测向量；步骤2.5系统重采样
样本从i＝1,2,…,N，根据重要性权值ωi(k)，分别复制高权值粒子，舍弃低权值粒子，消除小权值的粒子在粒子滤波中的影响，从而重新产生N个粒子群[xi(k)]i＝1,2,…,N。样本从i＝1,2,…,N，归一化权值
Figure GDA0004052146980000047
步骤2.6输出汽车状态估计结果：
根据上述粒子群及状态后验分布，汽车的状态估计结果可如下表示：
Figure GDA0004052146980000051
上式中，x(k)为k时刻的状态；ωi(k)为归一化的权系数；δ[x(k)-xi(k)为k时刻的Dirac函数。
优选的：所述步骤4中经电机电流控制模块D中控制器计算分析输出控制信号以控制转向电机B的输入电流的方法，包括以下步骤：
步骤4.1建立控制对象的模型
控制器的控制对象是线控系统中的路感电机A和转向电机B，考虑横风以及随机路面激励的干扰，令控制系统的状态变量为
Figure GDA0004052146980000052
控制变量为u＝[ui]，干扰信号向量为ω＝[Fr Fw]T以及输出信号向量为y＝[r β]。建立的控制对象模型如下：
Figure GDA0004052146980000053
Figure GDA0004052146980000061
Figure GDA0004052146980000062
D1＝[0]。D2＝[0]。
式中：θm为转向电机的转角；yr为齿条位移；ia为转向电机的电；β为质心侧偏角；r为横摆角速度；ui为转向电机电压；Fr为路面随机激励产生的力矩；Fw为横风产生的力矩；Ks是转向电机及减速机构总成的刚度系数；Jm是转向电机的转动惯量；N是方向盘到前轮的总的传动比；Bm转向电机的阻尼系数；ig是转向器传动比；rp是小齿轮半径；mr是齿轮齿条转向器的当量质量；d为轮胎拖距；Br齿轮齿条转向器的阻尼系数；Cf是汽车前轮的侧偏刚度；a、b分别是前、后轴到质心的距离；V是汽车的纵向速度；m是整车质量；kb是转向电机转矩系数；L是转向电机电磁感应系数；R是转向电机的电枢电阻；μ是道路轮胎摩擦系数；Cr是汽车后轮的侧偏刚度；Iz是汽车的转动惯量；Iw是横风的作用点到汽车质心的距离。
步骤4.2求取控制器
将此随机控制系统的控制对象定义为：
Figure GDA0004052146980000071
其中：A、B、C均为上述状态空间矩阵。x(t)为状态变量。u(t)、y(t)分别是控制器的输入输出向量。ξ(t)、θ(t)均是汽车所受到的干扰，并且它们的协方差矩阵是E[ξ(t)ξT(t)]＝Ξ≥0和E[θ(t)θT(t)]＝Θ＞0。
所述控制器是以求取控制对象的最小性能指标函数为控制目标：
即是求：
Figure GDA0004052146980000072
其中，z(t)是状态变量x(t)的线性组合，即是z(t)＝Mx(t)，M表示状态变量x(t)的组合系数。Q、R分别是状态变量矩阵的权重函数和输入变量矩阵的权重函数。
优选的：状态变量矩阵的权重函数Q、输入变量矩阵的权重函数R均为对称矩阵。
本发明相比现有技术，具有以下有益效果：
1)借助传感器获得的相关信号，运用粒子滤波器估计得到汽车的实时运动状态，得到相关参数，可减少传感器的数量，从而减少传感器的噪声干扰。
2)所运用的粒子滤波估计方法，对转向系统完全放弃对状态分布所作的高斯假设以及线性假设，采用非参数估计方法进行滤波估计，较其他估计方法能运用于更加准确，使得线控转向系统的路感得到应有的保证。
3)本系统可保证具有良好路感，并且当有横风以及随机路面激励等外界因素干扰时，本发明所公开的控制器能够控制转向系统中的转向电机，有效地减少外界随机干扰所带来的影响，从而提高转向系统的鲁棒性、抗干扰性以及汽车行驶的稳定性和安全性。
附图说明
图1是本发明动力转向系统的结构示意图
图2是本发明所公开的控制器的控制结构框图
图中，1为方向盘、Y表示方向盘连接机构、2为方向盘转角传感器、3为方向盘转矩传感器、A表示路感电机、6为路感电机电流传感器、B表示转向电机、7为转向电机电流传感器、8为前轮转角传感器、9为车速传感器、4为齿轮齿条转向器、5为位置传感器、ECU表示转向电子控制单元、C表示传感器信号整合模块、D表示电机电流控制模块。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
一种基于参数估计的线控转向控制系统，如图1和2所示，包括方向盘(1)及其连接机构Y、方向盘转角传感器(2)、方向盘转矩传感器(3)、路感电机A、路感电机电流传感器(6)、转向电机B、转向电机电流传感器(7)、齿轮齿条转向器(4)、位置传感器(5)、前轮转角传感器(8)、车速传感器(9)、转向电子控制单元ECU、传感器信号整合模块C以及电机电流控制模块D，其中：
所述方向盘(1)通过连接机构Y的转向管柱与路感电机A连接，方向盘转角传感器(2)与方向盘转矩传感器(3)均安装在转向管柱上，所述方向盘转角传感器(2)采集方向盘(1)的转角信号，方向盘转矩传感器(3)采集方向盘(1)上施加的力矩信号，所测得的转角信号和力矩信号输入到传感器信号整合模块C的输入端。
所述路感电机电流传感器(6)与路感电机A安装在一起，所述路感电机电流传感器(6)用于检测输入路感电机A的电流信号，并将检测到的输入路感电机A的电流信号输入到转向电子控制单元ECU。
所述转向电机B与齿轮齿条转向器(4)相连，转向电机电流传感器(7)与转向电机B安装在一起，所述转向电机电流传感器(7)检测输入转向电机B的电流信号，并将检测到的输入转向电机B的电流信号输入到转向电子控制单元ECU。
所述齿轮齿条转向器(4)上安装位置传感器(5)，所述位置传感器(5)用于采集齿轮齿条转向器中齿条的位移信号，并将检测到的位移信号输入到传感器信号整合模块C的输入端。齿轮齿条转向器(4)与前轮相连接。
所述前轮转角传感器(8)以及车速传感器(9)安装在前轮上，所述前轮转角传感器(8)用于检测前轮的转向角的信号，所述车速传感器(9)用于检测汽车的实时的车速信号。测得的转向角的信号和车速输入到传感器信号整合模块C的输入端。
所述传感器信号整合模块C，其输入端接收方向盘转角传感器2、方向盘转矩传感器3、位置传感器5、前轮转角传感器8、车速传感器9，并对接收到的信号进行整合计算，将整合的信号输出，传送至转向电子控制单元ECU。
转向电子控制单元ECU的输入端接收传感器信号整合模块C的输出端的信号、路感电机电流传感器(6)以及转向电机电流传感器(7)输入的电流信号，经计算，输出驱动信号以驱动电机电流控制模块D。
所述电机电流控制模块D的输入端接收转向电子控制单元ECU的电子信号，依据此信号，计算出控制路感电机A和转向电机B的电流信号并输出，以控制路感电机A、转向电机B产生相应的力矩，从而得到准确而稳定的转向反应。
一种基于参数估计的线控转向系统的控制方法，如图1和2所示，包括以下步骤：
步骤1：方向盘以力矩和转角输入，借助连接机构Y、齿轮齿条转向器(4)等机构将力矩以及转角传递到前轮，以实现转向的操作。
步骤2，方向盘转角传感器(2)采集方向盘(1)转角信号，方向盘转矩传感器(3)采集方向盘(1)上施加的力矩的信号，位置传感器(5)采集齿轮齿条转向器4中齿条的位移信号，前轮转角传感器8采集前轮的转向角的信号，车速传感器9采集到汽车的实时的车速信号，采集到的信号传输到传感器信号整合模块C中，经过该模块的整合计算，将整合后的信号输入到转向电子控制单元ECU中。与此同时，ECU中的粒子滤波估计器估计得到实时的汽车横摆角速度、质心侧偏角，以预测汽车实时的运动姿态。
粒子滤波估计器估计得到实时的汽车横摆角速度、质心侧偏角的方法，其具有如下步骤：
步骤2.1：建立整车二自由度的整车模型。
Figure GDA0004052146980000091
其中：β车身质心侧偏角。ωr为汽车横摆角速度。k1为汽车前轮侧偏刚度。k2为汽车后轮侧偏刚度。m为汽车整车质量。u为车速。a为汽车质心到前轴的距离。b为汽车质心到后轴的距离。Iz为汽车转动惯量。δf为汽车前轮转角。
步骤2.2状态初始化，即t＝0时，通过一些加权随机样本近似表示汽车的状态的后验分布，设π[x(0)]为系统的初始建议分布，即是初始重要性函数。从建议分布中随机抽取N个样本，即i＝1,2,…,N。按照初始重要性函数π[x(0)]选取初始粒子群[xi(0)]i＝1,2,…,N。样本从i＝1,2,…,N，估计初始粒子的重要性权值：
Figure GDA0004052146980000101
将样本归一化处理，获得初始重要性权值：
Figure GDA0004052146980000102
上式中，ω[x(0)]为初始粒子的重要性权值；z(0)为初始时刻所观测的向量；xi(0)为初始时刻的状态向量，p[z(0)|xi(0)]为初始时刻所观测的向量的概率分布；p[xi(0)]为初始时刻的状态向量的概率分布；π[xi(0)|z(0)]为初始时刻重要性函数；ωi(0)为归一化的初始重要性权值；ω[xi(0)]为初始时刻初始粒子群的重要性权值；
步骤2.3，汽车状态估计的时间更新：令t＝k-1，k＞1。样本从i＝1,2,…,N，按照重要性函数
Figure GDA0004052146980000103
选取更新状态后的粒子群[xi(k)]i＝1,2,…,N，且xi(k)＝f[xi(k-1)]。
步骤2.4，汽车状态的观测更新：t＝k。样本从i＝1,2,…,N，在已获得z(k)的情况下，估计重要性权值系数：
Figure GDA0004052146980000104
归一化处理重要性权值：
Figure GDA0004052146980000105
上式中，xi(k)为k时刻的粒子群；ω[xi(k)]为k时刻的粒子群的重要性权值；z(k)为k时刻的观测向量；p[z(k)|xi(k)]为k时刻的观测向量概率分布；p[xi(k)|xi(k-1)]为k-1时刻的概率分布；
Figure GDA0004052146980000111
为k-1时刻的重要性函数；
Figure GDA0004052146980000112
为k时刻的观测向量；
步骤2.5系统重采样
为了避免粒子滤波中出现退化的现象，经常采用重采样这一步骤。样本从i＝1,2,…,N，根据重要性权值ωi(k)，分别复制高权值粒子，舍弃低权值粒子，消除小权值的粒子在粒子滤波中的影响，从而重新产生N个粒子群[xi(k)]i＝1,2,,N。样本从i＝1,2,…,N，归一化权值
Figure GDA0004052146980000113
步骤2.6输出汽车状态估计结果：
根据上述粒子群及状态后验分布，汽车的状态估计结果可如下表示：
Figure GDA0004052146980000114
上式中，x(k)为k时刻的状态；ωi(k)为归一化的权系数；δ[x(k)-xi(k)为k时刻的Dirac函数。
步骤3，转向电子控制单元ECU依据输入的信号输出驱动信号以驱动电机电流控制模块D。
步骤4，电机电流控制模块D接收转向电子控制单元ECU的驱动信号后，经电机电流控制模块D中控制器计算分析输出控制信号以控制路感电机A和转向电机B的输入电流，从而使得路感电机A和转向电机B以不同的力矩输出来得到不同的适应当前工况的转向角度，进而得到稳定的转向状态。
所述步骤4中经电机电流控制模块D中控制器计算分析输出控制信号以控制路感电机A和转向电机B的输入电流的方法，其运用LQG/LTR控制方法，包括以下步骤：
步骤4.1建立控制对象的模型
本控制器的控制对象是线控系统中的路感电机A和转向电机B，综合考虑横风以及随机路面激励的干扰，令控制系统的状态变量为
Figure GDA0004052146980000115
控制变量为u＝[ui]，干扰信号向量为ω＝[Fr Fw]T以及输出信号向量为y＝[r β]。建立的控制对象模型如下：
Figure GDA0004052146980000121
Figure GDA0004052146980000131
D1＝[0]。D2＝[0]。
式中：θm为转向电机的转角；yr为齿条位移；ia为转向电机的电；β为质心侧偏角；r为横摆角速度；ui为转向电机电压；Fr为路面随机激励产生的力矩；Fw为横风产生的力矩；Ks是转向电机及减速机构总成的刚度系数；Jm是转向电机的转动惯量；N是方向盘到前轮的总的传动比；Bm转向电机的阻尼系数；ig是转向器传动比；rp是小齿轮半径；mr是齿轮齿条转向器的当量质量；d为轮胎拖距；Br齿轮齿条转向器的阻尼系数；Cf是汽车前轮的侧偏刚度；a、b分别是前、后轴到质心的距离；V是汽车的纵向速度；m是整车质量；kb是转向电机转矩系数；L是转向电机电磁感应系数；R是转向电机的电枢电阻；μ是道路轮胎摩擦系数；Cr是汽车后轮的侧偏刚度；Iz是汽车的转动惯量；Iw是横风的作用点到汽车质心的距离。
步骤4.2求取控制器
将此随机控制系统的控制对象定义为：
Figure GDA0004052146980000132
其中：A、B、C均为上述状态空间矩阵。x(t)为状态变量。u(t)、y(t)分别是控制器的输入输出向量。ξ(t)、θ(t)均是汽车所受到的干扰，并且它们的协方差矩阵是E[ξ(t)ξT(t)]＝Ξ≥0和E[θ(t)θT(t)]＝Θ＞0。
所述控制器是以求取控制对象的最小性能指标函数为控制目标：
即是求：
Figure GDA0004052146980000133
其中，z(t)是状态变量x(t)的某种线性组合，即是z(t)＝Mx(t)，M表示状态变量x(t)的组合系数；Q、R分别是状态变量矩阵的权重函数和输入变量矩阵的权重函数。要求状态变量矩阵的权重函数Q、输入变量矩阵的权重函数R均为对称矩阵。
在求解控制器的过程中，可把随机控制系统的控制器分解成状态估计和确定性反馈控制两部分分别进行设计。先根据卡尔曼滤波器随机观测汽车实时数据，用以估计系统的实时状态，再把估计值看是系统所处的真实状态，然后按照确定性系统最优控制规律对系统进行设计。
本发明运用粒子滤波器对汽车运动的姿态进行滤波预测估计，粒子滤波器从电子传感器获得信号，进而运用粒子算法估计得到汽车的状态变量。当有横风以及随机路面激励干扰时，本发明所公开的系统的转向控制器能够在保证转向稳定的前提下，以其转向系统的鲁棒性、抗干扰性为控制目标，控制转向系统中的转向电机，有效地减少外界随机干扰所带来的影响，从而提高汽车行驶的稳定性以及安全性。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (2)

1.一种基于参数估计的线控转向控制系统的控制方法，其特征在于：包括方向盘(1)及其连接机构Y、方向盘转角传感器(2)、方向盘转矩传感器(3)、路感电机A、路感电机电流传感器(6)、转向电机B、转向电机电流传感器(7)、齿轮齿条转向器(4)、位置传感器(5)、前轮转角传感器(8)、车速传感器(9)、转向电子控制单元ECU、传感器信号整合模块C以及电机电流控制模块D，其中：
所述方向盘(1)通过连接机构Y的转向管柱与路感电机A连接，方向盘转角传感器(2)与方向盘转矩传感器(3)均安装在转向管柱上，所述方向盘转角传感器(2)采集方向盘(1)的转角信号，方向盘转矩传感器(3)采集方向盘(1)上施加的力矩信号，所测得的转角信号和力矩信号输入到传感器信号整合模块C的输入端；
所述路感电机电流传感器(6)与路感电机A安装在一起，所述路感电机电流传感器(6)用于检测输入路感电机A的电流信号，并将检测到的输入路感电机A的电流信号输入到转向电子控制单元ECU；
所述转向电机B与齿轮齿条转向器(4)相连，转向电机电流传感器(7)与转向电机B安装在一起，所述转向电机电流传感器(7)检测输入转向电机B的电流信号，并将检测到的输入转向电机B的电流信号输入到转向电子控制单元ECU；
所述齿轮齿条转向器(4)上安装位置传感器(5)，所述位置传感器(5)用于采集齿轮齿条转向器中齿条的位移信号，并将检测到的位移信号输入到传感器信号整合模块C的输入端；齿轮齿条转向器(4)与前轮相连接；
所述前轮转角传感器(8)以及车速传感器(9)安装在前轮上，所述前轮转角传感器(8)用于检测前轮的转向角的信号，所述车速传感器(9)用于检测汽车的实时的车速信号；测得的转向角的信号和车速输入到传感器信号整合模块C的输入端；
所述传感器信号整合模块C，其输入端接收方向盘转角传感器2、方向盘转矩传感器3、位置传感器5、前轮转角传感器8、车速传感器9，并对接收到的信号进行整合计算，将整合的信号输出，传送至转向电子控制单元ECU；
转向电子控制单元ECU的输入端接收传感器信号整合模块C的输出端的信号、路感电机电流传感器(6)以及转向电机电流传感器(7)输入的电流信号，经计算，输出驱动信号以驱动电机电流控制模块D；
所述电机电流控制模块D的输入端接收转向电子控制单元ECU的电子信号，依据此信号，计算出控制路感电机A和转向电机B的电流信号并输出，以控制路感电机A、转向电机B产生相应的力矩，从而得到准确而稳定的转向反应；
控制方法包括以下步骤：
步骤1：方向盘以力矩和转角输入，借助连接机构Y、齿轮齿条转向器(4)将力矩以及转角传递到前轮，以实现转向的操作；
步骤2，方向盘转角传感器(2)采集方向盘(1)转角信号，方向盘转矩传感器(3)采集方向盘(1)上施加的力矩的信号，位置传感器(5)采集齿轮齿条转向器4中齿条的位移信号，前轮转角传感器8采集前轮的转向角的信号，车速传感器9采集到汽车的实时的车速信号，采集到的信号传输到传感器信号整合模块C中，经过该模块的整合计算，将整合后的信号输入到转向电子控制单元ECU中；与此同时，ECU中的粒子滤波估计器估计实时的汽车横摆角速度、质心侧偏角，以预测汽车实时的运动姿态；
步骤3，转向ECU依据输入的信号输出驱动信号以驱动电机电流控制模块D；
步骤4，电机电流控制模块D接收转向电子控制单元ECU的驱动信号后，经电机电流控制模块D中控制器计算分析输出控制信号以控制路感电机A和转向电机B的输入电流，从而使得路感电机A和转向电机B以不同的力矩输出来得到不同的适应当前工况的转向角度，进而得到稳定的转向状态；
所述步骤2中粒子滤波估计器估计得到实时的汽车横摆角速度、质心侧偏角的方法，其具有如下步骤：
步骤2.1：建立整车二自由度的整车模型；
Figure FDA0004052146960000021
其中：β车身质心侧偏角；ωr为汽车横摆角速度；k1为汽车前轮侧偏刚度；k2为汽车后轮侧偏刚度；m为汽车整车质量；u为车速；a为汽车质心到前轴的距离；b为汽车质心到后轴的距离；Iz为汽车转动惯量；δf为汽车前轮转角；
步骤2.2状态初始化，即t＝0时，通过加权随机样本近似表示汽车的状态的后验分布，设π[x(0)]为系统的初始建议分布，即是初始重要性函数；从建议分布中随机抽取N个样本，即i＝1,2,,N；按照初始重要性函数π[x(0)]选取初始粒子群[xi(0)]i＝1,2,,N；样本从i＝1,2,,N，估计初始粒子的重要性权值：
Figure FDA0004052146960000022
将样本归一化处理，获得初始重要性权值：
Figure FDA0004052146960000031
上式中，ω[x(0)]为初始粒子的重要性权值；z(0)为初始时刻所观测的向量；xi(0)为初始时刻的状态向量，p[z(0)|xi(0)]为初始时刻所观测的向量的概率分布；p[xi(0)]为初始时刻的状态向量的概率分布；π[xi(0)|z(0)]为初始时刻重要性函数；ωi(0)为归一化的初始重要性权值；ω[xi(0)]为初始时刻初始粒子群的重要性权值；
步骤2.3，汽车状态估计的时间更新：令t＝k-1，k＞1；样本从i＝1,2,…,N，按照重要性函数
Figure FDA0004052146960000032
选取更新状态后的粒子群[xi(k)]i＝1,2,…,N，且xi(k)＝f[xi(k-1)]；
步骤2.4，汽车状态的观测更新：t＝k；样本从i＝1,2,…,N，在已获得z(k)的情况下，估计重要性权值系数：
Figure FDA0004052146960000033
归一化处理重要性权值：
Figure FDA0004052146960000034
上式中，xi(k)为k时刻的粒子群；ω[xi(k)]为k时刻的粒子群的重要性权值；z(k)为k时刻的观测向量；p[z(k)|xi(k)]为k时刻的观测向量概率分布；p[xi(k)|xi(k-1)]为k-1时刻的概率分布；
Figure FDA0004052146960000035
为k-1时刻的重要性函数；
Figure FDA0004052146960000036
为k时刻的观测向量；
步骤2.5系统重采样
样本从i＝1,2，…,N，根据重要性权值ωi(k)，分别复制高权值粒子，舍弃低权值粒子，消除小权值的粒子在粒子滤波中的影响，从而重新产生N个粒子群[xi(k)]i＝1,2,…,N；样本从i＝1,2,…,N，归一化权值
Figure FDA0004052146960000037
步骤2.6输出汽车状态估计结果：
根据上述粒子群及状态后验分布，汽车的状态估计结果可如下表示：
Figure FDA0004052146960000041
上式中，x(k)为k时刻的状态；ωi(k)为归一化的权系数；δ[x(k)-xi(k)为k时刻的Dirac函数。
2.根据权利要求1所述基于参数估计的线控转向控制系统的控制方法，其特征在于：所述步骤4中经电机电流控制模块D中控制器计算分析输出控制信号以控制路感电机A和转向电机B的输入电流的方法，包括以下步骤：
步骤4.1建立控制对象的模型
控制器的控制对象是线控系统中的转向电机B，考虑横风以及随机路面激励的干扰，令控制系统的状态变量为
Figure FDA0004052146960000042
控制变量为u＝[ui]，干扰信号向量为ω＝[Fr Fw]T以及输出信号向量为y＝[r β]；建立的控制对象模型如下：
Figure FDA0004052146960000043
Figure FDA0004052146960000051
Figure FDA0004052146960000052
Figure FDA0004052146960000053
D1＝[0]；D2＝[0]；
式中：θm为转向电机的转角；yr为齿条位移；ia为转向电机的电；β为质心侧偏角；r为横摆角速度；ui为转向电机电压；Fr为路面随机激励产生的力矩；Fw为横风产生的力矩；Ks是转向电机及减速机构总成的刚度系数；Jm是转向电机的转动惯量；N是方向盘到前轮的总的传动比；Bm转向电机的阻尼系数；ig是转向器传动比；rp是小齿轮半径；mr是齿轮齿条转向器的当量质量；d为轮胎拖距；Br齿轮齿条转向器的阻尼系数；Cf是汽车前轮的侧偏刚度；a、b分别是前、后轴到质心的距离；V是汽车的纵向速度；m是整车质量；kb是转向电机转矩系数；L是转向电机电磁感应系数；R是转向电机的电枢电阻；μ是道路轮胎摩擦系数；Cr是汽车后轮的侧偏刚度；Iz是汽车的转动惯量；Iw是横风的作用点到汽车质心的距离；
步骤4.2求取控制器
将此随机控制系统的控制对象定义为：
Figure FDA0004052146960000061
其中：A、B、C均为状态空间矩阵；x(t)为状态变量；u(t)、y(t)分别是控制器的输入输出向量；ξ(t)、θ(t)均是汽车所受到的干扰，并且它们的协方差矩阵是E[ξ(t)ξT(t)]＝Ξ≥0和E[θ(t)θT(t)]＝Θ＞0；
所述控制器是以求取控制对象的最小性能指标函数为控制目标：
即是求：
Figure FDA0004052146960000062
其中，z(t)是状态变量x(t)的线性组合，即是z(t)＝Mx(t)，M表示状态变量x(t)的组合系数；Q、R分别是状态变量矩阵的权重函数和输入变量矩阵的权重函数。
CN201710327367.8A 2017-05-10 2017-05-10 一种基于参数估计的线控转向控制系统及控制方法 Active CN107054454B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710327367.8A CN107054454B (zh) 2017-05-10 2017-05-10 一种基于参数估计的线控转向控制系统及控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710327367.8A CN107054454B (zh) 2017-05-10 2017-05-10 一种基于参数估计的线控转向控制系统及控制方法

Publications (2)

Publication Number Publication Date
CN107054454A CN107054454A (zh) 2017-08-18
CN107054454B true CN107054454B (zh) 2023-04-18

Family

ID=59596110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710327367.8A Active CN107054454B (zh) 2017-05-10 2017-05-10 一种基于参数估计的线控转向控制系统及控制方法

Country Status (1)

Country Link
CN (1) CN107054454B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7122160B2 (ja) * 2018-05-29 2022-08-19 株式会社ジェイテクト 操舵制御装置
CN110497915B (zh) * 2019-08-15 2021-03-05 太原科技大学 一种基于加权融合算法的汽车行驶状态估计方法
CN110497916B (zh) * 2019-08-15 2021-03-05 太原科技大学 基于bp神经网络的汽车行驶状态估计方法
CN112414404B (zh) * 2019-08-20 2023-02-03 中国科学院沈阳自动化研究所 农机基于线控转向的自动导航建模与控制方法
CN111814279B (zh) * 2020-09-14 2020-12-11 四川轻化工大学 一种基于sph的齿轮齿条动态啮合及传动过程分析方法
CN114987606B (zh) * 2022-06-07 2023-05-12 南京航空航天大学 一种考虑谐波转矩脉动的线控转向系统路感控制方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120022739A1 (en) * 2010-07-20 2012-01-26 Gm Global Technology Operations, Inc. Robust vehicular lateral control with front and rear cameras
US8571759B2 (en) * 2011-07-25 2013-10-29 GM Global Technology Operations LLC Electric power steering compensation for vehicles
EP2952414B1 (en) * 2013-01-29 2018-03-07 NSK Ltd. Electric power steering device
CN103587576B (zh) * 2013-12-06 2015-09-02 中国石油大学(华东) 一种电动汽车线控转向系统及控制方法
CN105083373B (zh) * 2015-06-15 2017-11-28 南京航空航天大学 一种基于参数估计的线控转向路感装置及其控制方法
CN206871167U (zh) * 2017-05-10 2018-01-12 南京航空航天大学 一种基于参数估计的线控转向控制系统

Also Published As

Publication number Publication date
CN107054454A (zh) 2017-08-18

Similar Documents

Publication Publication Date Title
CN107054454B (zh) 一种基于参数估计的线控转向控制系统及控制方法
CN107140012B (zh) 一种基于可抑制发散的卡尔曼滤波器的线控转向系统及控制方法
CN102009654B (zh) 一种全轮电驱动车辆的纵向车速估计方法
CN108422901B (zh) 一种基于整车综合性能最优的电动轮驱动车辆车轮转矩多目标优化方法
CN105667577B (zh) 带有传感器信号容错功能的线控转向系统及控制方法
Zhang et al. Fault-tolerant control for intelligent electrified vehicles against front wheel steering angle sensor faults during trajectory tracking
US20190217886A1 (en) Hands-on/-off detection in a steer-by-wire system
CN108688719B (zh) 用于估算转向扭矩的系统和方法
CN111422247A (zh) 线控转向电机和传感器的故障诊断及容错补偿算法
CN113830088B (zh) 一种智能半挂牵引车轨迹跟踪预测控制方法与车辆
CN114454950B (zh) 一种双电机线控转向系统及其容错控制方法
Xin et al. Vehicle state estimation using cubature kalman filter
CN110341714B (zh) 一种同时估计车辆质心侧偏角和扰动的方法
CN112298354B (zh) 一种无人驾驶汽车转向系统方向盘与前轮转角的状态估计方法
CN110712676A (zh) 转向系统的齿条力估计
JP2021160540A (ja) 路面μ推定装置
CN206871167U (zh) 一种基于参数估计的线控转向控制系统
CN112270039A (zh) 基于分布式异步融合的线控底盘车辆非线性状态估计方法
Tong An approach for vehicle state estimation using extended Kalman filter
JP4568996B2 (ja) 操舵装置と操舵装置の抗力算出装置
CN111497866A (zh) 一种基于改进马氏距离的转向盘转角传感器故障诊断方法
CN113609586A (zh) 一种侧偏刚度、转动惯量参数联合辨识方法及系统
CN112026749B (zh) 一种线控转向系统稳定性控制方法
CN113734182B (zh) 一种车辆自适应控制方法及其装置
JP2014097685A (ja) 車両操舵装置及びプログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant