CN111497866B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN111497866B
CN111497866B CN202010247989.1A CN202010247989A CN111497866B CN 111497866 B CN111497866 B CN 111497866B CN 202010247989 A CN202010247989 A CN 202010247989A CN 111497866 B CN111497866 B CN 111497866B
Authority
CN
China
Prior art keywords
steering wheel
wheel angle
vehicle
angle sensor
kalman filter
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
CN202010247989.1A
Other languages
English (en)
Other versions
CN111497866A (zh
Inventor
章波
赵万忠
刘畅
王春燕
刘津强
高犇
周长志
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 CN202010247989.1A priority Critical patent/CN111497866B/zh
Publication of CN111497866A publication Critical patent/CN111497866A/zh
Application granted granted Critical
Publication of CN111497866B publication Critical patent/CN111497866B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0028—Mathematical models, e.g. for simulation
    • B60W2050/0037—Mathematical models of vehicle sub-units

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明公开了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，包括步骤如下：1）获取车辆的横向速度、纵向速度、横摆角速度的信息；2）建立扩展卡尔曼滤波器模型求解车辆的转向盘转角估计值，以车载转向盘转角传感器的测量值作为扩展卡尔曼滤波器模型的观测量；3）以改进的马氏距离作为诊断依据，基于扩展卡尔曼滤波器模型的计算过程量，建立转向盘转角传感器故障诊断模型，实现对转向盘转角传感器完好性的检测，同时检测转向盘转角传感器测量精度是否满足当前车速的要求。本发明解决了现有的车辆行驶过程中对于转向盘转角传感器的实时诊断技术缺失的问题。

Description

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
技术领域
本发明属于线控转向技术领域，尤其涉及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。
背景技术
随着智能车的发展，线控转向系统取代传统机械连接式转向系统，成为智能车不可缺少的一部分。线控转向系统通过转向盘转角传感器采集驾驶员转动转向盘的角度信号，结合车辆当前行驶速度、横摆角速度等信息，计算车辆前轮转角，进而控制转向电机驱动转向轮转动，实施转向动作。
然而，转向盘转角传感器作为线控转向系统转向角度大小的计算依据，其工作的可靠性与精确性，对于车辆行驶的安全性至关重要。当转向盘转角传感器发生故障或传感器测量精度较低时，必然会导致线控转向系统不能按照驾驶员的驾驶意图实施转向动作，这很容易引起安全事故，因此，实时检测转向盘转角传感器的完好性及精确性，将大大提高线控转向系统工作的可靠性和鲁棒性。
目前针对转向盘转角传感器的检测方法多为停机检测，车辆行驶过程中也只能针对转向盘转角传感器是否可以输出转向盘转角信号进行检测，无法针对转向盘转角传感器的测量精度进行检测。
发明内容
针对于上述现有技术的不足，本发明的目的在于提供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，以解决现有的车辆行驶过程中对于转向盘转角传感器的实时诊断技术缺失的问题。
为达到上述目的，本发明采用的技术方案如下：
本发明的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，包括步骤如下：
1)获取车辆的横向速度v、纵向速度u、横摆角速度wr的信息；
2)建立扩展卡尔曼滤波器模型求解车辆的转向盘转角估计值δf(k)，以车载转向盘转角传感器的测量值δfm(k)作为扩展卡尔曼滤波器模型的观测量；
3)以改进的马氏距离作为诊断依据，基于扩展卡尔曼滤波器模型的计算过程量δfm(k),δf(k,k-1),P(k,k-1),R(k)，建立转向盘转角传感器故障诊断模型，实现对转向盘转角传感器完好性的检测，同时检测转向盘转角传感器测量精度是否满足当前车速V的要求。
进一步的，所述步骤2)中建立扩展卡尔曼滤波器模型具体如下：
21)选取k时刻的扩展卡尔曼滤波器模型的状态变量为：
Figure GDA0003676710210000021
式中：δf(k)表示k时刻的转向盘转角，ν(k)表示k时刻的车辆横向速度；
k时刻的扩展卡尔曼滤波器模型的输入变量为：
Figure GDA0003676710210000024
式中：wr(k)表示k时刻的车辆横摆角速度，wr(k-1)表示k-1时刻的车辆横摆角速度，u(k)表示k时刻的车辆纵向速度；
22)k时刻的扩展卡尔曼滤波器模型的状态方程表示为：
X(k)＝f(X(k-1),U(k-1),Wv(k-1),γv(k-1)) (3)
式中：Wv(k-1表示过程误差矩阵，γv(k-1)表示输入误差矩阵，且满足:Wv～N(0,Qv),γv～N(0,Tv)，其中，Qv表示过程方差矩阵，Tv表示输入方差矩阵；
根据车辆二自由度模型，扩展卡尔曼滤波器模型的状态方程表示为：
Figure GDA0003676710210000022
Figure GDA0003676710210000023
式中：Ts表示扩展卡尔曼滤波器模型计算步长，k1表示车辆前轴侧偏刚度，k2表示车辆后轴侧偏刚度，a表示车辆质心到前轴的距离，b表示车辆质心到后轴的距离，Iz表示车辆转动惯量，m表示整车质量，i表示转向盘转角与前轮转角之间的传动比；
23)根据转向盘转角传感器的测量值，建立扩展卡尔曼滤波器模型的观测方程：
δfm(k)＝δfr(k)+n (6)
式中：δfm(k)表示k时刻车载转向盘转角传感器测得的转向盘转角测量值，δfr(k)表示k时刻车辆转向盘转角的真实值，n表示转向盘转角传感器的测量误差，并且测量误差n的统计特征满足：
n～N(0,R)；
24)根据扩展卡尔曼滤波器模型的状态方程和观测方程建立扩展卡尔曼滤波器模型。
进一步的，所述步骤24)具体包括如下步骤：
241)根据k-1时刻的状态变量X(k-1)及输入变量U(k-1)预测k时刻的状态变量X(k,k-1)及协方差矩阵P(k,k-1)：
Figure GDA0003676710210000031
Figure GDA0003676710210000032
P(k,k-1)＝A(k,k-1)*P(k-1)*AT(k,k-1)+B(k,k-1)*Tv(k-1)*BT(k,k-1)+Qv(k-1) (9)
式中：δf(k,k-1)和v(k,k-1)分别表示根据k-1时刻的状态变量X(k-1)及输入量U(k-1)得到的k时刻的转向盘转角及车辆横向速度的预测值,A(k,k-1)和B(k,k-1)均为雅克比矩阵，由下式求得：
Figure GDA0003676710210000033
Figure GDA0003676710210000034
242)根据观测方程对步骤241)中求得状态变量预测量X(k,k-1)及协方差矩阵P(k,k-1)进行更新：
求解卡尔曼增益矩阵：
K(k)＝P(k,k-1)*HT*[H*P(k,k-1)*HT+R(k)]-1 (12)
式中：H＝[1 0]；
更新状态变量：
X(k)＝X(k,k-1)+K(k)*[δfm(k)-H*X(k,k-1)] (13)
式中：
Figure GDA0003676710210000041
由此得到k时刻的转向盘转角及横向速度的估计值：
Figure GDA0003676710210000042
更新协方差矩阵：
P(k)＝[I-K(k)*H]*P(k,k-1) (16)
式中：I为二阶单位矩阵。
进一步的，所述步骤3)中所述建立转向盘转角传感器故障诊断模型，包括如下步骤：
31)求解k时刻观测量与状态估计量之间的差值：
r(k)＝δfm(k)-δf(k,k-1) (17)
当转向盘转角传感器未发生故障时，r(k)的平均值是0，且其方差是：
T(k)＝H*P(k,k-1)*HT+R(k) (18)
当转向盘转角传感器发生故障时，转向盘转角的测量值δfm(k)的统计特征将发生变化，通过求解改进的马氏距离γ(k)来描述转向盘转角传感器测量值δfm(k)的统计特征的变化：
γ(k)＝n1*r(k)*T-1(k)*r(k) (19)；
32)根据转向盘转角传感器的精度要求，从卡方分布表中选择阈值：Th，诊断转向盘转角传感器是否发生故障：
当γ(k)＜Th时，转向盘转角传感器是完好的；
当γ(k)＞Th时，转向盘转角传感器发生故障。
进一步地，所述改进的马氏距离算法为在传统的马氏距离算法的基础上增加了一个安全系数n1，安全系数n1是一个与车速V相关的变量，且满足：
n1＝kc*V (20)
式中：kc为相关系数，是常数，车速V越高时，安全系数越大，此时对转向盘转角传感器测量精度的要求就越高；车速V越低时，安全系数越小，此时对转向盘转角传感器测量精度打的要求越低。
本发明的有益效果：
本发明提供的基于改进马氏距离的转向盘转角传感器故障诊断方法，利用车辆普遍装载的GPS惯性导航仪，在不增加成本的情况下，实现行车过程中对转向盘转角传感器的实时故障诊断，此外相对于传统马氏距离算法，本发明提出的改进马氏距离算法，可以适用不同车速下对转向盘转角传感器的精度要求，提高转向系统鲁棒性。
附图说明
图1为车辆二自由度模型示意图；
图2为本发明的总体框图。
具体实施方式
为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。
参照图2所示，本发明的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，包括步骤如下：
1)使用GPS惯性导航仪获取车辆的横向速度v、纵向速度u、横摆角速度wr信息；
2)建立扩展卡尔曼滤波器模型求解车辆的转向盘转角估计值δf(k)，以车载转向盘转角传感器的测量值δfm(k)作为扩展卡尔曼滤波器模型的观测量；
其中，建立扩展卡尔曼滤波器模型具体如下：
21)选取k时刻的扩展卡尔曼滤波器模型的状态变量为：
Figure GDA0003676710210000051
式中：δf(k)表示k时刻的转向盘转角，ν(k)表示k时刻的车辆横向速度；
k时刻的扩展卡尔曼滤波器模型的输入变量为：
Figure GDA0003676710210000052
式中：wr(k)表示k时刻的车辆横摆角速度，wr(k-1)表示k-1时刻的车辆横摆角速度，u(k)表示k时刻的车辆纵向速度；
22)k时刻的扩展卡尔曼滤波器模型的状态方程表示为：
X(k)＝f(X(k-1),U(k-1),Wv(k-1),γv(k-1)) (3)
式中：Wv(k-1表示过程误差矩阵，γv(k-1)表示输入误差矩阵，且满足:Wv～N(0,Qv),γv～N(0,Tv)，其中，Qv表示过程方差矩阵，Tv表示输入方差矩阵；
参照图1所示，根据车辆二自由度模型，扩展卡尔曼滤波器模型的状态方程表示为：
Figure GDA0003676710210000061
Figure GDA0003676710210000062
式中：Ts表示扩展卡尔曼滤波器模型计算步长，k1表示车辆前轴侧偏刚度，k2表示车辆后轴侧偏刚度，a表示车辆质心到前轴的距离，b表示车辆质心到后轴的距离，Iz表示车辆转动惯量，m表示整车质量，i表示转向盘转角与前轮转角之间的传动比；
23)根据转向盘转角传感器的测量值，建立扩展卡尔曼滤波器模型的观测方程：
δfm(k)＝δfr(k)+n (6)
式中：δfm(k)表示k时刻车载转向盘转角传感器测得的转向盘转角测量值，δfr(k)表示k时刻车辆转向盘转角的真实值，n表示转向盘转角传感器的测量误差，并且测量误差n的统计特征满足：
n～N(0,R)；
24)根据扩展卡尔曼滤波器模型的状态方程和观测方程建立扩展卡尔曼滤波器模型，具体如下：
241)根据k-1时刻的状态变量X(k-1)及输入变量U(k-1)预测k时刻的状态变量X(k,k-1)及协方差矩阵P(k,k-1)：
Figure GDA0003676710210000071
Figure GDA0003676710210000072
P(k,k-1)＝A(k,k-1)*P(k-1)*AT(k,k-1)+B(k,k-1)*Tv(k-1)*BT(k,k-1)+Qv(k-1) (9)
式中：δf(k,k-1)和v(k,k-1)分别表示根据k-1时刻的状态变量X(k-1)及输入量U(k-1)得到的k时刻的转向盘转角及车辆横向速度的预测值,A(k,k-1)和B(k,k-1)均为雅克比矩阵，由下式求得：
Figure GDA0003676710210000073
Figure GDA0003676710210000074
242)根据观测方程对步骤241)中求得状态变量预测量X(k,k-1)及协方差矩阵P(k,k-1)进行更新：
求解卡尔曼增益矩阵：
K(k)＝P(k,k-1)*HT*[H*P(k,k-1)*HT+R(k)]-1 (12)
式中：H＝[1 0]；
更新状态变量：
X(k)＝X(k,k-1)+K(k)*[δfm(k)-H*X(k,k-1)] (13)
式中：
Figure GDA0003676710210000081
由此得到k时刻的转向盘转角及横向速度的估计值：
Figure GDA0003676710210000082
更新协方差矩阵：
P(k)＝[I-K(k)*H]*P(k,k-1) (16)
式中：I为二阶单位矩阵。
3)以改进的马氏距离作为诊断依据，基于扩展卡尔曼滤波器模型的计算过程量δfm(k),δf(k,k-1),P(k,k-1),R(k)，建立转向盘转角传感器故障诊断模型，实现对转向盘转角传感器完好性的检测，同时检测转向盘转角传感器测量精度是否满足当前车速V的要求；
所述建立转向盘转角传感器故障诊断模型，包括如下步骤：
31)求解k时刻观测量与状态估计量之间的差值：
r(k)＝δfm(k)-δf(k,k-1) (17)
当转向盘转角传感器未发生故障时，r(k)的平均值是0，且其方差是：
T(k)＝H*P(k,k-1)*HT+R(k) (18)
当转向盘转角传感器发生故障时，转向盘转角的测量值δfm(k)的统计特征将发生变化，通过求解改进的马氏距离γ(k)来描述转向盘转角传感器测量值δfm(k)的统计特征的变化：
γ(k)＝n1*r(k)*T-1(k)*r(k) (19)；
改进的马氏距离算法为在传统的马氏距离算法的基础上增加了一个安全系数n1，安全系数n1是一个与车速V相关的变量，且满足：
n1＝kc*V (20)
式中：kc为相关系数，是常数，车速V越高时，安全系数越大，此时对转向盘转角传感器测量精度的要求就越高；车速V越低时，安全系数越小，此时对转向盘转角传感器测量精度打的要求越低。
32)根据转向盘转角传感器的精度要求，从卡方分布表中选择阈值：Th，诊断转向盘转角传感器是否发生故障：
当γ(k)＜Th时，转向盘转角传感器是完好的；
当γ(k)＞Th时，转向盘转角传感器发生故障。
本发明具体应用途径很多，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，还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (3)

1.一种基于改进马氏距离的转向盘转角传感器故障诊断方法，其特征在于，包括步骤如下：
1)获取车辆的横向速度v、纵向速度u、横摆角速度wr的信息；
2)建立扩展卡尔曼滤波器模型求解车辆的转向盘转角估计值δf(k)，以车载转向盘转角传感器的测量值δfm(k)作为扩展卡尔曼滤波器模型的观测量；
3)以改进的马氏距离作为诊断依据，基于扩展卡尔曼滤波器模型的计算过程量δfm(k),δf(k,k-1),P(k,k-1),R(k)，建立转向盘转角传感器故障诊断模型，实现对转向盘转角传感器完好性的检测，同时检测转向盘转角传感器测量精度是否满足当前车速V的要求；
所述步骤2)中建立扩展卡尔曼滤波器模型具体如下：
21)选取k时刻的扩展卡尔曼滤波器模型的状态变量为：
Figure FDA0003676710200000011
式中：δf(k)表示k时刻的转向盘转角，ν(k)表示k时刻的车辆横向速度；
k时刻的扩展卡尔曼滤波器模型的输入变量为：
Figure FDA0003676710200000012
式中：wr(k)表示k时刻的车辆横摆角速度，wr(k-1)表示k-1时刻的车辆横摆角速度，u(k)表示k时刻的车辆纵向速度；
22)k时刻的扩展卡尔曼滤波器模型的状态方程表示为：
X(k)＝f(X(k-1),U(k-1),Wv(k-1),γv(k-1)) (3)
式中：Wv(k-1)表示过程误差矩阵，γv(k-1)表示输入误差矩阵，且满足:Wv～N(0,Qv),γv～N(0,Tv)，其中，Qv表示过程方差矩阵，Tv表示输入方差矩阵；
根据车辆二自由度模型，扩展卡尔曼滤波器模型的状态方程表示为：
Figure FDA0003676710200000013
Figure FDA0003676710200000021
式中：Ts表示扩展卡尔曼滤波器模型计算步长，k1表示车辆前轴侧偏刚度，k2表示车辆后轴侧偏刚度，a表示车辆质心到前轴的距离，b表示车辆质心到后轴的距离，Iz表示车辆转动惯量，m表示整车质量，i表示转向盘转角与前轮转角之间的传动比；
23)根据转向盘转角传感器的测量值，建立扩展卡尔曼滤波器模型的观测方程：
δfm(k)＝δfr(k)+n (6)
式中：δfm(k)表示k时刻车载转向盘转角传感器测得的转向盘转角测量值，δfr(k)表示k时刻车辆转向盘转角的真实值，n表示转向盘转角传感器的测量误差，并且测量误差n的统计特征满足：
n～N(0,R)；
24)根据扩展卡尔曼滤波器模型的状态方程和观测方程建立扩展卡尔曼滤波器模型；
所述步骤24)具体包括如下步骤：
241)根据k-1时刻的状态变量X(k-1)及输入变量U(k-1)预测k时刻的状态变量X(k,k-1)及协方差矩阵P(k,k-1)：
Figure FDA0003676710200000022
Figure FDA0003676710200000023
P(k,k-1)＝A(k,k-1)*P(k-1)*AT(k,k-1)+B(k,k-1)*Tv(k-1)*BT(k,k-1)+Qv(k-1)
(9)
式中：δf(k,k-1)和v(k,k-1)分别表示根据k-1时刻的状态变量X(k-1)及输入量U(k-1)得到的k时刻的转向盘转角及车辆横向速度的预测值,A(k,k-1)和B(k,k-1)均为雅克比矩阵，由下式求得：
Figure FDA0003676710200000031
Figure FDA0003676710200000032
242)根据观测方程对步骤241)中求得状态变量预测量X(k,k-1)及协方差矩阵P(k,k-1)进行更新：
求解卡尔曼增益矩阵：
K(k)＝P(k,k-1)*HT*[H*P(k,k-1)*HT+R(k)]-1 (12)
式中：H＝[1 0]；
更新状态变量：
X(k)＝X(k,k-1)+K(k)*[δfm(k)-H*X(k,k-1)] (13)
式中：
Figure FDA0003676710200000033
由此得到k时刻的转向盘转角及横向速度的估计值：
Figure FDA0003676710200000034
更新协方差矩阵：
P(k)＝[I-K(k)*H]*P(k,k-1) (16)
式中：I为二阶单位矩阵。
2.根据权利要求1所述的基于改进马氏距离的转向盘转角传感器故障诊断方法，其特征在于，所述步骤3)中所述建立转向盘转角传感器故障诊断模型，包括如下步骤：
31)求解k时刻观测量与状态估计量之间的差值：
r(k)＝δfm(k)-δf(k,k-1) (17)
当转向盘转角传感器未发生故障时，r(k)的平均值是0，且其方差是：
T(k)＝H*P(k,k-1)*HT+R(k) (18)
当转向盘转角传感器发生故障时，转向盘转角的测量值δfm(k)的统计特征将发生变化，通过求解改进的马氏距离γ(k)来描述转向盘转角传感器测量值δfm(k)的统计特征的变化：
γ(k)＝n1*r(k)*T-1(k)*r(k) (19)
式中，n1为安全系数；
32)根据转向盘转角传感器的精度要求，从卡方分布表中选择阈值：Th，诊断转向盘转角传感器是否发生故障：
当γ(k)＜Th时，转向盘转角传感器是完好的；
当γ(k)＞Th时，转向盘转角传感器发生故障。
3.根据权利要求2所述的基于改进马氏距离的转向盘转角传感器故障诊断方法，其特征在于，所述改进的马氏距离算法为在传统的马氏距离算法的基础上增加了一个安全系数n1，安全系数n1是一个与车速V相关的变量，且满足：
n1＝kc*V (20)
式中：kc为相关系数，是常数，车速V越高时，安全系数越大，此时对转向盘转角传感器测量精度的要求就越高；车速V越低时，安全系数越小，此时对转向盘转角传感器测量精度打的要求越低。
CN202010247989.1A 2020-04-01 2020-04-01 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 Active CN111497866B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010247989.1A CN111497866B (zh) 2020-04-01 2020-04-01 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010247989.1A CN111497866B (zh) 2020-04-01 2020-04-01 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

Publications (2)

Publication Number Publication Date
CN111497866A CN111497866A (zh) 2020-08-07
CN111497866B true CN111497866B (zh) 2022-08-05

Family

ID=71848498

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010247989.1A Active CN111497866B (zh) 2020-04-01 2020-04-01 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

Country Status (1)

Country Link
CN (1) CN111497866B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112950812B (zh) * 2021-02-04 2022-07-26 南京航空航天大学 一种基于长短时记忆神经网络的车辆状态容错估计方法
CN114312814B (zh) * 2022-03-09 2022-06-21 所托(杭州)汽车智能设备有限公司 车辆传感器故障诊断方法和车辆控制方法
CN115500829A (zh) * 2022-11-24 2022-12-23 广东美赛尔细胞生物科技有限公司 一种应用于神经内科的抑郁症检测分析系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007118823A (ja) * 2005-10-28 2007-05-17 Nsk Ltd 電動パワーステアリング制御装置
US20130006474A1 (en) * 2011-06-28 2013-01-03 Mando Corporation Steering angle sensor failure detection system
US20150314803A1 (en) * 2013-01-10 2015-11-05 Toyota Jidosha Kabushiki Kaisha Vehicle control device
CN109774791A (zh) * 2019-01-22 2019-05-21 南京航空航天大学 一种线控四轮主动转向电动轮系统及其转向容错控制方法
CN109885876A (zh) * 2019-01-15 2019-06-14 江苏大学 一种用于电动助力转向系统故障诊断的滑模观测器实时建模方法
CN110525513A (zh) * 2019-09-30 2019-12-03 厦门理工学院 一种线控转向系统的故障监测方法和故障监测系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007118823A (ja) * 2005-10-28 2007-05-17 Nsk Ltd 電動パワーステアリング制御装置
US20130006474A1 (en) * 2011-06-28 2013-01-03 Mando Corporation Steering angle sensor failure detection system
US20150314803A1 (en) * 2013-01-10 2015-11-05 Toyota Jidosha Kabushiki Kaisha Vehicle control device
CN109885876A (zh) * 2019-01-15 2019-06-14 江苏大学 一种用于电动助力转向系统故障诊断的滑模观测器实时建模方法
CN109774791A (zh) * 2019-01-22 2019-05-21 南京航空航天大学 一种线控四轮主动转向电动轮系统及其转向容错控制方法
CN110525513A (zh) * 2019-09-30 2019-12-03 厦门理工学院 一种线控转向系统的故障监测方法和故障监测系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"基于马氏距离的空压机健康状态评估方法研究";夏霜;《中国优秀硕士学位论文全文数据库（电子期刊）工程科技II辑》;20181115;C029-143 *
"智能车辆线控转向系统传感器故障诊断与容错控制研究";王杰;《中国优秀硕士学位论文全文数据库（电子期刊）工程科技第II辑》;20190615;C035-67 *

Also Published As

Publication number Publication date
CN111497866A (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
CN111497866B (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
US11731611B2 (en) Vehicle stability control method and device
CN109911004B (zh) 一种电动助力转向装置的回正控制方法及装置
US8457832B2 (en) Vehicle body speed estimating device
JP4019813B2 (ja) 物理量推定装置、路面摩擦状態推定装置、操舵角中立点推定装置、及び空気圧低下推定装置
JP3060863B2 (ja) 車両の挙動推定装置
CN110550024B (zh) 一种基于自动驾驶的车辆运行控制方法和装置
EP1832881A2 (en) Acceleration estimation device and vehicle with such a device
US20090177346A1 (en) Dynamic estimation of vehicle inertial parameters and tire forces from tire sensors
CN108688719B (zh) 用于估算转向扭矩的系统和方法
WO2023284787A1 (zh) 爬行控制方法、装置、车辆及存储介质
US6745112B2 (en) Method of estimating quantities that represent state of vehicle
CN108819950B (zh) 汽车稳定性控制系统的车速估计方法及系统
EP1832882A1 (en) Acceleration estimation device and vehicle
CN110341714B (zh) 一种同时估计车辆质心侧偏角和扰动的方法
CN111845755B (zh) 一种车辆纵向车速估计方法
CN103754218A (zh) 一种汽车轮胎侧偏工况下的路面附着系数估计方法
US10538269B2 (en) Steering system handwheel angle determination
CN110203281B (zh) 车辆转向扭矩控制方法及装置
JP3619388B2 (ja) 車両の重心高さの推定演算装置
US6853886B2 (en) Method of estimating quantities that represent state of vehicle
JPH10267685A (ja) 車両の横滑り角推定方法
CN111006884A (zh) 基于傅立叶变换的车轮车轴侧偏角与侧偏刚度的测量方法
US7580784B2 (en) Method for estimating the longitudinal inclination of a roadway
JPH06221968A (ja) 路面摩擦係数検出装置

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