CN109334757A - 一种电动助力转向系统的控制方法 - Google Patents

一种电动助力转向系统的控制方法 Download PDF

Info

Publication number
CN109334757A
CN109334757A CN201811196441.8A CN201811196441A CN109334757A CN 109334757 A CN109334757 A CN 109334757A CN 201811196441 A CN201811196441 A CN 201811196441A CN 109334757 A CN109334757 A CN 109334757A
Authority
CN
China
Prior art keywords
assist motor
current value
rbf neural
power
velocity interval
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.)
Granted
Application number
CN201811196441.8A
Other languages
English (en)
Other versions
CN109334757B (zh
Inventor
彭滔
周鹏
胡桃川
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.)
Chongqing University of Technology
Original Assignee
Chongqing University of Technology
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 Chongqing University of Technology filed Critical Chongqing University of Technology
Priority to CN201811196441.8A priority Critical patent/CN109334757B/zh
Publication of CN109334757A publication Critical patent/CN109334757A/zh
Application granted granted Critical
Publication of CN109334757B publication Critical patent/CN109334757B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)
  • Power Steering Mechanism (AREA)

Abstract

本发明公开了一种电动助力转向系统的控制方法，包括：(1)初始化RBF神经网络参数；(2)获取当前时刻的汽车速度、转向盘输出扭矩及助力电机的实际电流值；(3)利用助力特性曲线计算当前时刻助力电机目标电流值；(4)将当前时刻助力电机的实际电流值与助力电机目标电流值之差作为RBF神经网络的输入，利用BP学习算法更新RBF神经网络的参数，基于更新参数的RBF神经网络得到下一时刻的助力电机实际电流值；(5)向助力电机输入电流值等于所述助力电机下一时刻的助力电机实际电流值的电流；(6)到达下一时刻后，返回执行步骤(2)。本发明通过参数不断更新的RBF神经网络快速调整助力电机输出，保证了转向控制系统具有较高自适应性和控制精度。

Description

一种电动助力转向系统的控制方法
技术领域
本发明涉及汽车转向系统控制领域，尤其涉及一种电动助力转向系统的控制方法。
背景技术
随着人们对于汽车行驶安全要求的不断提高，人们对汽车的平顺性和操纵稳定性也提出了越来越高的要求，这是因为人们希望在汽车的频繁使用过程中能够减轻疲劳，操纵轻便灵活，容易驾驶。通过合理设计车轮定位参数可以使得汽车具有一定的回正能力，从而提高汽车的操纵稳定性，但却增加了汽车转向阻力，特别是在低速行驶时，这容易造成驾驶员的疲劳，不利于驾驶时的舒适性。因此，系统通过借助外力来提高转向能力，这对提高汽车操纵稳定性有十分积极的意义，则出现了汽车助力转向系统。随着汽车技术与电子技术的不断发展与进步，汽车转向系统发展到电动助力转向。其具有节能、环保、减轻自重、可移植性好、结构简单、布置灵活等诸多优点，紧扣未来汽车的“安全、节能、环保”发展主题，使其成为当今汽车助力系统最广泛采用、最主流的技术，成为世界汽车技术发展的研究特点之一。电动助力转向系统是一套复杂的机电一体化系统，主要包括控制器、转向盘转矩传感器、车速传感器、电流传感器、助力电机以及减速机构、机械式转向器、电源等部分。电动助力转向系统控制的关键问题根据汽车的运行状态确定助力电机输出力矩，并设计电机控制器实现助力电机力矩的跟踪。针对该问题，研究人员从电动助力转向系统助力力矩是转向盘阻力矩与驾驶员理想转向盘力矩的差值这一本质入手，详细阐述了低速与高速行驶工况下电动助力转向系统助力特性曲线的设计机理，并对电动助力转向系统助力特性曲线的相关几何特征进行了探讨。还有研究人员以驾驶员理想转向盘力矩为依据，设计了电动汽车的助力特性曲线，对电动汽车电动助力转向系统助力曲线进行了设计与评价。
在现有的电动助力转向系统控制技术中，研究者们提出了各种不同的控制方法，然而在电动助力转向系统本身存在许多非线性问题，并且电动助力转向系统在运行过程中还会受到路面的不确定因素的干扰，多数现有的方法并未将这些问题考虑进去，当出现突发情况时，不能及时调整助力电机输出的转矩。
因此，如何提供一种可以在突发情况发生时，快速调整助力电机输出的转矩的技术方案成为了本领域技术人员急需解决的问题。
发明内容
针对现有技术中存在的上述不足，本发明公开了一种电动助力转向系统的控制方法，通过参数不断更新的RBF神经网络快速调整助力电机输出，保证了转向控制系统具有较高自适应性和控制精度。
为解决上述技术问题，本发明采用了如下的技术方案：
一种电动助力转向系统的控制方法，包括如下步骤：
(1)电动助力转向功能开启后，初始化RBF神经网络参数；
(2)获取当前时刻的汽车速度、转向盘输出扭矩及助力电机的实际电流值；
(3)基于当前时刻的汽车速度及转向盘输出扭矩利用助力特性曲线计算当前时刻助力电机目标电流值；
(4)将当前时刻助力电机的实际电流值与助力电机目标电流值之差作为RBF神经网络的输入，利用BP学习算法更新RBF神经网络的参数，基于更新参数的RBF神经网络得到下一时刻的助力电机实际电流值；
(5)向助力电机输入电流值等于所述助力电机下一时刻的助力电机实际电流值的电流；
(6)到达下一时刻后，返回执行步骤(2)。
优选地，所述RBF神经网络表示为：
其中，I’为下一时刻的助力电机实际电流值，Ie＝I-Im为当前时刻助力电机的实际电流值与目标电流值的之差，Z＝Ie为RBF神经网络输入，S(Z)＝[s1(Z),…sn(Z)]T，si(·)是第i个神经节点的径向基函数，1≤i≤n，n为神经网络节点数且n＞1，W为权值向量，W＝[w1,…,wn]T∈Rn，Rn为n维实数空间，wi为第i个神经节点的权值。
优选地，mi为第i个神经节点的高斯函数中心点，σi为第i个神经节点的高斯函数方差。
优选地，步骤(4)中，
wi(n+1)-wi(n)＝-η(I-Im)si(Z)
式中σi(n)和σi(n+1)为更新前后的σi值，mi(n)和mi(n+1)为更新前后的mi值，wi(n)和wi(n+1)为更新前后得到的wi值，为平方误差函数，η为学习率。
优选地，助力电机的目标电流值其中K(Vj)为第j个速度范围的助力增益系数，Ijmax为第j个速度范围的助力电机最大工作电流，Td为转向盘输出扭矩，Td0为开始助力时转向盘输出扭矩，Tdmax为助力电机最大工作电流对应的转向盘输出扭矩。
优选地，存在多个不同的速度范围，每个速度范围均有一个为常数的助力增益系数，若第j个速度范围和第k个速度范围为任意两个不相同的速度范围，且第j个速度范围的最低速度大于或等于第k个速度范围的最高速度，则第j个速度范围的助力增益系数小于第k个速度范围的助力增益系数。
综上所述，本发明公开了一种电动助力转向系统的控制方法，包括：(1)初始化RBF神经网络参数；(2)获取当前时刻的汽车速度、转向盘输出扭矩及助力电机的实际电流值；(3)利用助力特性曲线计算当前时刻助力电机目标电流值；(4)将当前时刻助力电机的实际电流值与助力电机目标电流值之差作为RBF神经网络的输入，利用BP学习算法更新RBF神经网络的参数，基于更新参数的RBF神经网络得到下一时刻的助力电机实际电流值；(5)向助力电机输入电流值等于所述助力电机下一时刻的助力电机实际电流值的电流；(6)到达下一时刻后，返回执行步骤(2)。本发明通过参数不断更新的RBF神经网络快速调整助力电机输出，保证了转向控制系统具有较高自适应性和控制精度。
附图说明
图1为本发明公开的一种电动助力转向系统的控制方法的流程图；
图2为本发明中直线型助力特性曲线的示意图；
图3为本发明中仿真实验的低速助力曲线图；
图4为本发明中仿真实验的中速助力曲线图；
图5为本发明中仿真实验的高速助力曲线图。
具体实施方式
下面结合附图对本发明作进一步的详细说明。
如图1所示，本发明公开了一种电动助力转向系统的控制方法，包括如下步骤：
S101、电动助力转向功能开启后，初始化RBF神经网络参数；
S102、获取当前时刻的汽车速度、转向盘输出扭矩及助力电机的实际电流值；
S103、基于当前时刻的汽车速度及转向盘输出扭矩利用助力特性曲线计算当前时刻助力电机目标电流值；
S104、将当前时刻助力电机的实际电流值与助力电机目标电流值之差作为RBF神经网络的输入，利用BP学习算法更新RBF神经网络的参数，基于更新参数的RBF神经网络得到下一时刻的助力电机实际电流值；
S105、向助力电机输入电流值等于所述助力电机下一时刻的助力电机实际电流值的电流；
S106、到达下一时刻后，返回执行步骤S102。
本发明的方法可以适用于具有电动助力转向系统的汽车、摩托车及电动车等交通工具。以汽车为例，转向盘即为汽车的方向盘。
电机转矩可以通过控制电压和电流两种方式控制，其中控制电压是开环控制方式，而控制电流通过电流传感器测得电枢电流信号构成反馈通道形成闭环控制方式。开环控制结构简单，但控制精度不高，闭环控制则控制精度高，抗干扰能力强。本发明采用控制电流的闭环控制方式。向RBF神经网络输入实际电流值与目标电流值之差，利用BP学习算法更新神经网络的参数，更新参数后的神经网络为电流的控制量(即助力电机下一时刻的助力电机实际电流值)，向助力电机输出等于助力电机下一时刻的助力电机实际电流值的电流，实现助力电机的实际电流跟踪目标电流，且控制偏差在一个较小的范围内，保证了转向控制系统具有较高自适应性和控制精度。
电动助力转向系统需要稳定性、响应迅速和准确性，但电机中存在强非线性和不确定性是控制器设计中存在的难点。由于神经网络具有以任意精度逼近函数的能力,具有自组织、自适应、自学习、高度非线性映射性、泛化性、容错性强的优点，能弥补控制系统中的非线性、不确定和未知信息等因素，提高鲁棒性和自适应能力，因此，与现有技术相比，本发明根据电流偏差不断更新神经网络的参数，因此在遭受到电机中存在强非线性和不确定性因素(例如路况因素的干扰或其他突发情况)时，可快速调整实现助力电机的实际电流跟踪目标电流，且控制偏差在一个较小的范围内，保证驾驶员驾驶过程中的舒适度。
具体实施时，所述RBF神经网络表示为：
其中，I’为下一时刻的助力电机实际电流值，Ie＝I-Im为当前时刻助力电机的实际电流值与目标电流值的之差，Z＝Ie为RBF神经网络输入，S(Z)＝[s1(Z),…sn(Z)]T，si(·)是第i个神经节点的径向基函数，1≤i≤n，n为神经网络节点数且n＞1，W为权值向量，W＝[w1,…,wn]T∈Rn，Rn为n维实数空间，wi为第i个神经节点的权值。
本发明采用的RBF神经网络输入为电流偏差，输出为电流的控制量，实现对助力电机转矩控制。RBF神经网络属于一类线性化参数的神经网络。由于助力转向电机控制中，只有电流误差信号Ie＝I-Im一个状态输入，RBF神经网络的输入层只需要一个神经元，因此本发明中的神经网络具有计算速度快，可快速实现助力电机的实际电流跟踪目标电流。
具体实施时，mi为第i个神经节点的高斯函数中心点，σi为第i个神经节点的高斯函数方差。
本发明中采用BP算法实现RBF神经网络的参数调整。
具体实施时，步骤S104中，
wi(n+1)-wi(n)＝-η(I-Im)si(Z)
式中σi(n)和σi(n+1)为更新前后的σi值，mi(n)和mi(n+1)为更新前后的mi值，wi(n)和wi(n+1)为更新前后得到的wi值，为平方误差函数，η为学习率。
具体实施时，助力电机的目标电流值其中K(Vj)为第j个速度范围的助力增益系数，Ijmax为第j个速度范围的助力电机最大工作电流，Td为转向盘输出扭矩，Td0为开始助力时转向盘输出扭矩，Tdmax为助力电机最大工作电流对应的转向盘输出扭矩。
如图2所示，本发明选用简单方便的直线型助力特性曲线来计算目标电流，在助力区转向力矩和助力电流成线性关系，在不同车速范围内采用不同助力增益系数。
理想的助力特性应能充分协调好转向轻便性与路感的关系，并提供给驾驶员与手动转向尽可能一致的、可控的转向特性。在满足转向轻便性的条件下，如果路感强度在整个助力特性区域内不变，则驾驶员就容易判定汽车行驶状况的变化，预测出所需要的转向操纵力矩的大小。助力增益系数为常数，即助力矩与转向装置力矩成比例变化，则路感强度也为恒值。因此，当驾驶员施加在转向装置上的转矩在死区范围内，即转向装置位于中间位置附近时，电机助力转矩为0；当转向装置转矩越过死区，电机根据转向装置偏离方向线性地施加助力转矩。
具体实施时，存在多个不同的速度范围，每个速度范围均有一个为常数的助力增益系数，若第j个速度范围和第k个速度范围为任意两个不相同的速度范围，且第j个速度范围的最低速度大于或等于第k个速度范围的最高速度，则第j个速度范围的助力增益系数小于第k个速度范围的助力增益系数。
车速越高，助力转矩与转向盘转矩之间的增益越小，以此保证该系统在低车速时发挥较大的助力转向作用，在高车速时明显减少助力转向效果，从而使在转向时获得较好的路感。
为了验证本发明所提方法的正确性和有效性，采用电动助力转向系统实验台架在速度值分别为23.11km/h，73.41km/h和152.4km/h产生的三组数据，利用Matlab平台进行了仿真研究。
仿真研究中，选取神经网络参数初值为n＝100，mi＝0，wi＝0，σi＝1，学习率η＝0.8。直线型助力特性曲线为
其中Td0＝0.5，Imax＝8。
仿真效果由如图3至5所示，由图中曲线可以看出助力电机根据方向盘测量到的力矩信号和速度信号，根据速度值对应的特性曲线中的函数关系计算出相应的助力电机目标电流Im,RBF神经网络控制器在线调整RBF神经网络的中心点、方差和权值，使得助力电机的实际输出电流达到目标电流值，实现对转向系统的助力。
从图3至5可以看出，低速时的助力电流大，高速时助力电流小，这一点吻合助力转向时保证驾驶员路感的要求。从目标电流、实际电流和电流误差三条曲线，可以看出。在系统开始运行时，由于RBF神经网络参数值未调整到较合适的值时，目标电流与实际电流之间存在一个较大误差，但是RBF神经网络能迅速的调整参数值，使得实际电流能快速的跟上目标电流，并且在能保持在一个很小的误差内。
上述仅是本发明优选的实施方式，需指出是，对于本领域技术人员在不脱离本技术方案的前提下，还可以作出若干变形和改进，上述变形和改进的技术方案应同样视为落入本发明要求保护的范围。

Claims (6)

1.一种电动助力转向系统的控制方法，其特征在于，包括如下步骤：
(1)电动助力转向功能开启后，初始化RBF神经网络参数；
(2)获取当前时刻的汽车速度、转向盘输出扭矩及助力电机的实际电流值；
(3)基于当前时刻的汽车速度及转向盘输出扭矩利用助力特性曲线计算当前时刻助力电机目标电流值；
(4)将当前时刻助力电机的实际电流值与助力电机目标电流值之差作为RBF神经网络的输入，利用BP学习算法更新RBF神经网络的参数，基于更新参数的RBF神经网络得到下一时刻的助力电机实际电流值；
(5)向助力电机输入电流值等于所述助力电机下一时刻的助力电机实际电流值的电流；
(6)到达下一时刻后，返回执行步骤(2)。
2.如权利要求1所述的电动助力转向系统的控制方法，其特征在于，所述RBF神经网络表示为：
其中，I’为下一时刻的助力电机实际电流值，Ie＝I-Im为当前时刻助力电机的实际电流值与目标电流值的之差，Z＝Ie为RBF神经网络输入，S(Z)＝[s1(Z),…sn(Z)]T，si(·)是第i个神经节点的径向基函数，1≤i≤n，n为神经网络节点数且n＞1，W为权值向量，W＝[w1,…,wn]T∈Rn，Rn为n维实数空间，wi为第i个神经节点的权值。
3.如权利要求2所述的电动助力转向系统的控制方法，其特征在于，mi为第i个神经节点的高斯函数中心点，σi为第i个神经节点的高斯函数方差。
4.如权利要求1所述的电动助力转向系统的控制方法，其特征在于，步骤(4)中，
wi(n+1)-wi(n)＝-η(I-Im)si(Z)
式中σi(n)和σi(n+1)为更新前后的σi值，mi(n)和mi(n+1)为更新前后的mi值，wi(n)和wi(n+1)为更新前后得到的wi值，为平方误差函数，η为学习率。
5.如权利要求1所述的电动助力转向系统的控制方法，其特征在于，助力电机的目标电流值其中K(Vj)为第j个速度范围的助力增益系数，Ijmax为第j个速度范围的助力电机最大工作电流，Td为转向盘输出扭矩，Td0为开始助力时转向盘输出扭矩，Tdmax为助力电机最大工作电流对应的转向盘输出扭矩。
6.如权利要求5所述电动助力转向系统的控制方法，其特征在于，存在多个不同的速度范围，每个速度范围均有一个为常数的助力增益系数，若第j个速度范围和第k个速度范围为任意两个不相同的速度范围，且第j个速度范围的最低速度大于或等于第k个速度范围的最高速度，则第j个速度范围的助力增益系数小于第k个速度范围的助力增益系数。
CN201811196441.8A 2018-10-15 2018-10-15 一种电动助力转向系统的控制方法 Expired - Fee Related CN109334757B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811196441.8A CN109334757B (zh) 2018-10-15 2018-10-15 一种电动助力转向系统的控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811196441.8A CN109334757B (zh) 2018-10-15 2018-10-15 一种电动助力转向系统的控制方法

Publications (2)

Publication Number Publication Date
CN109334757A true CN109334757A (zh) 2019-02-15
CN109334757B CN109334757B (zh) 2019-12-27

Family

ID=65310141

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811196441.8A Expired - Fee Related CN109334757B (zh) 2018-10-15 2018-10-15 一种电动助力转向系统的控制方法

Country Status (1)

Country Link
CN (1) CN109334757B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110104063A (zh) * 2019-05-28 2019-08-09 爱驰汽车有限公司 汽车助力转向控制方法、系统、设备及存储介质
CN112896291A (zh) * 2021-04-01 2021-06-04 南京航空航天大学 一种新型复合齿轮齿条式主动转向系统及其控制方法
CN114750823A (zh) * 2022-04-18 2022-07-15 中汽创智科技有限公司 一种转向助力特性曲线的确定方法、装置和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5487439A (en) * 1992-04-28 1996-01-30 Kayaba Industry Co., Ltd. Rear wheel steering device
CN101058319A (zh) * 2007-05-21 2007-10-24 林士云 基于智能控制的电动助力转向系统
CN102609765A (zh) * 2012-03-22 2012-07-25 北京工业大学 基于多项式及rbf神经网络的智能车辆换道路径规划方法
CN103587576A (zh) * 2013-12-06 2014-02-19 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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5487439A (en) * 1992-04-28 1996-01-30 Kayaba Industry Co., Ltd. Rear wheel steering device
CN101058319A (zh) * 2007-05-21 2007-10-24 林士云 基于智能控制的电动助力转向系统
CN102609765A (zh) * 2012-03-22 2012-07-25 北京工业大学 基于多项式及rbf神经网络的智能车辆换道路径规划方法
CN103587576A (zh) * 2013-12-06 2014-02-19 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
石沛林,高士香,刘昭度,邹广德: "《基于BP网络的EPS系统仿真与PID整定研究》", 《微计算机信息》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110104063A (zh) * 2019-05-28 2019-08-09 爱驰汽车有限公司 汽车助力转向控制方法、系统、设备及存储介质
CN112896291A (zh) * 2021-04-01 2021-06-04 南京航空航天大学 一种新型复合齿轮齿条式主动转向系统及其控制方法
CN112896291B (zh) * 2021-04-01 2022-06-10 南京航空航天大学 一种复合齿轮齿条式主动转向系统及其控制方法
CN114750823A (zh) * 2022-04-18 2022-07-15 中汽创智科技有限公司 一种转向助力特性曲线的确定方法、装置和存储介质
CN114750823B (zh) * 2022-04-18 2023-03-14 中汽创智科技有限公司 一种转向助力特性曲线的确定方法、装置和存储介质

Also Published As

Publication number Publication date
CN109334757B (zh) 2019-12-27

Similar Documents

Publication Publication Date Title
CN107298103B (zh) 一种智能电动汽车自动换道分层控制系统及方法
CN109334757A (zh) 一种电动助力转向系统的控制方法
Wang et al. Coordination control of differential drive assist steering and vehicle stability control for four-wheel-independent-drive EV
CN109969180B (zh) 一种车道偏离辅助系统的人机协调控制系统
CN106184199B (zh) 分布式控制电动汽车稳定性的集成控制方法
CN108227491B (zh) 一种基于滑模神经网络的智能车轨迹跟踪控制方法
CN103770832A (zh) 一种电动助力转向系统助力控制方法
CN112918550B (zh) 一种无人驾驶汽车主动转向系统的控制方法及控制系统
US6795763B2 (en) Expert-type vehicle steering control system and method
CN108594639B (zh) 一种基于强化学习的全垫升气垫船航迹跟踪控制方法
CN108919837B (zh) 一种基于视觉动力学的自动驾驶车辆二阶滑模控制方法
US20230078812A1 (en) Iterative learning control method for multi-particle vehicle platoon driving system
CN108334086A (zh) 一种基于软约束二次规划mpc的无人驾驶车辆路径跟踪控制方法
CN108001447A (zh) 一种智能车辆路径跟踪前轮转角补偿控制方法
CN109933021A (zh) 考虑车辆动力学参数不确定性的车辆队列稳定性控制方法
CN103926839A (zh) 一种轮式移动机器人的运动分段控制方法
CN107272419A (zh) 一种基于改进pso的驾驶员自适应方向控制方法
CN106708044A (zh) 基于灰色预测混合遗传算法‑pid全垫升气垫船航向控制方法
CN111661140A (zh) 一种电动助力转向系统助力特性表计算方法
CN113085963B (zh) 列车控制级位的动态调控方法及其动态调控装置
CN109712424A (zh) 一种基于物联网的车辆导航方法
CN112477880A (zh) 一种无人驾驶汽车纵向控制方法
CN108197392A (zh) 基于soc的汽车电动助力转向系统的助力特性曲线设计方法
CN115320405A (zh) 一种输入和状态饱和的电动车速度控制方法
CN113325720A (zh) 具有运动速度决策的康复训练机器人自适应跟踪控制方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20191227

Termination date: 20201015

CF01 Termination of patent right due to non-payment of annual fee