CN113212546A - 一种商用车电液复合转向系统及其分段能量管理方法 - Google Patents

Abstract

本发明公开了一种商用车电液复合转向系统及其分段能量管理方法，系统包括：机械传动模块、电动助力模块、液压助力模块和控制模块；本发明采用分段式的能量管理方法，将助力区间分为低助力区间和高助力区间，在不同的助力区间采用不同的能量管理策略，最大限度地提高转向系统的经济性。

Description

一种商用车电液复合转向系统及其分段能量管理方法

技术领域

本发明属于车辆转向技术领域，具体指代一种商用车电液复合转向系统及其分段能量管理方法。

背景技术

近年来，我国商用车总保有量约以每年约35-400万辆的增量稳步增长，预计到2025年我国商用车总保有量将达到0.6亿辆。随着商用车占有的市场不断扩大，用户对驾驶体验的需求也在不断提高，因此商用车的操控性能的研究渐渐引起关注。由于大中型商用车具有质心高、前轴质量重、转向阻力大的特点，相比乘用车而言更难满足转向系统操纵稳定性以及转向轻便性的要求。

目前，大型商用车普遍采用的转向系统为液压助力转向(Hydraulic powersteering，HPS)系统，相比传统的纯机械转向系统，HPS系统具有技术成熟可靠、成本低、助力大以及路感响应特性好等优点。HPS系统的工作原理是通过发动机来驱动转向泵运转，从而为液压缸中的油液加压，但是由于助力泵是与发动机直接相连，导致助力泵的转速无法进行直接控制，因此无法根据车辆实时转向工况对液压泵输出流量和压力进行调整，难以适应全工况的助力要求。此外，当车辆在直线行驶时，此时不需要输出转向助力，但是助力泵仍会跟随发动机运转而工作造成能源浪费，因此现有HPS系统普遍存在高车速时转向稳定性较差、原地掉头等低车速时转向感觉沉重等问题。

针对这些问题，目前有研究提出了一种新型的电液复合转向系统(Electronichydraulic hybrid power steering，E-HHPS)，该系统融合电动助力和电液助力子系统为一体，利用电动助力和液压助力各自的优点去弥补现有HPS系统中存在的一系列问题，提高车辆的转向稳定性，降低转向系统的能耗。对于电液复合转向系统主要是根据车辆转向盘转角与转矩信号、车速信号、车辆侧向加速度信号得到驾驶员理想转向盘转矩，利用电动助力响应准确且快速的特点，由电动助力模块提供额外的补偿力矩进行助力转矩跟踪控制。

但是现有的工作方式存在两个问题，首先是以液压助力为主电动助力仅进行响应补偿不仅没有最大化利用电机的节能特性，而且由于液压助力的时滞特点要求液压泵必须在所有工况下都要处于伺服状态，造成不必要的怠速损耗。其次，由于系统中存在两套执行机构，如果两套执行机构的工作状态没有经过很好的协调，也会导致系统不能工作在最经济的状态，因此有必要对系统进行有效的能量管理，优化转向系统转矩分配特性，提高转向系统的经济性。

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商用车电液复合转向系统及其分段能量管理方法，以解决现有技术中存在的电液复合转向系统中电动助力子系统利用率差、液压怠速损耗严重以及转矩分配不合理等导致的系统经济性难以进一步提高的问题；本发明采用分段式的能量管理方法，将助力区间分为低助力区间和高助力区间，在不同的助力区间采用不同的能量管理策略，最大限度地提高转向系统的经济性。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种商用车电液复合转向系统，包括：机械传动模块、电动助力模块、液压助力模块和控制模块；

所述机械传动模块包括：方向盘、转向轴、循环球转向器、转向摇臂、转向直拉杆、转向横拉杆、转向节臂、左梯形臂、右梯形臂、左转向节、右转向节、左车轮和右车轮；

转向轴上端与方向盘相连，下端与循环球转向器的输入端连接；

转向摇臂的输入端与所述循环球转向器的输出端连接，输出端通过所述转向直拉杆与所述转向节臂相连；

左转向节与所述左车轮相连，其上固定有所述转向节臂和左梯形臂；

转向横拉杆的两端分别与所述左梯形臂和右梯形臂相连；

右转向节与所述右车轮相连，其上固定有所述右梯形臂；

所述电动助力模块包括：助力电机和减速机构，所述减速机构的输入端与所述助力电机的输出端相连，输出端作用在所述转向轴上；

所述液压助力模块包括：液压缸、电磁阀、油罐、液压泵和液压电机；

液压缸为所述循环球转向器的内部空间，其通过液压管路与所述电磁阀相连；

液压泵的输入端与所述液压电机的输出端相连，输出端通过液压管路与所述电磁阀相连；

油罐与所述液压泵通过液压管路相连，用于存储液压油；

所述控制模块包括：电子控制单元、转矩传感器、车速传感器、方向盘转角传感器；

电子控制单元的输入端与所述转矩传感器、车速传感器、方向盘转角传感器相连，其输出端与所述助力电机、液压电机和电磁阀电气连接，转向时根据从各传感器得到的车辆参数，进行助力控制；

转矩传感器安装在转向轴上，获取转矩信号，并将转矩信号传递给所述电子控制单元；

车速传感器安装在车辆上，用于将获得的车速信号传递到所述电子控制单元；

方向盘转角传感器安装在方向盘上，用于获得车辆转向时的方向盘转角信号，并将方向盘转角信号传递到所述电子控制单元。

本发明还提供了一种电液复合转向系统的分段能量管理方法，基于上述系统，包含以下步骤：

(1)设计电液复合转向系统的基本助力特性曲线，并将助力区间划分为高助力区和低助力区，对助力启动点和高低助力区临界点进行能效优化设计，得到最优助力启动点和最优高低助力区临界点；

(2)转向时，各传感器采集车辆状态信息并传输给电子控制单元，电子控制单元根据采集到的车辆状态信息和步骤(1)中设计的助力特性曲线计算出所需的助力转矩，并与步骤(1)中的最优高低助力区临界点进行对比，判断当前的助力所处状态区间；

(3)若处于低助力区间，则电子控制单元根据转矩需求控制电动助力模块进行助力，并对电液复合转向系统运行状态进行预测，对液压助力模块进行伺服启停控制；

(4)若处于高助力区间，则电子控制单元对系统所需的助力转矩进行优化分配，根据分配后的各模块需要输出的助力转矩进行电动助力模块和液压助力模块的单独控制。

进一步地，所述步骤(1)中基础助力特性曲线表达式为：

K(V)＝e^aV+b (2)

式中，T_n为助力转矩；T_w为转向盘输入力矩；T_p为助力启动点；T_max为最大助力转矩；K(V)为助力特性曲线的梯度；V为车速；e、a和b均为常数。

进一步地，所述步骤(1)中的最优助力启动点T_po和最优高低助力区临界点T_co优化方法为：

(11)采集助力电机的运行数据，绘制助力电机的转矩-转速-效率曲线；

(12)根据步骤(11)得到的助力电机的转矩-转速-效率曲线，确定助力电机的高效稳定工作区域，即高低助力区临界点T_c的约束区间；

(13)以助力过程中转向路感、转向能耗和转向灵敏度为优化目标，采用遗传算法进行求解，优化得到最优助力启动点T_po和最优高低助力区临界点T_co，即纯电动助力模式启动点和结束点。

进一步地，所述步骤(2)中各传感器采集的车辆状态信息包含：车速信息、方向盘转矩信息和方向盘转角信息，所述助力区间划分方式为：T_n≤T_co时为低助力区间，否则为高助力区间。

进一步地，所述步骤(3)中的液压助力模块伺服启停控制步骤如下：

(31)当转矩上升时，进行液压助力模块的伺服启动控制，具体步骤为：

(311)根据液压助力模块的实际运行数据，确定液压助力模块需要的建压时间t₀；

(312)根据采集到的历史车速信息V_j和历史转矩信息T_dj(j＝k-n,…,k-1)，预测出车辆未来时刻的车速序列V_i和转矩序列T_di(i＝k+1,k+2…,k+n)；

(313)根据预测得到的车辆未来的车速及转矩序列，计算出未来所需的助力转矩序列T_ni，并与最优高低助力区临界点T_co比较；

(314)若助力转矩序列T_ni中部分时刻的转矩值大于T_co，则输出助力转矩序列T_ni中第一个大于T_co的转矩所对应的时间t_f；若T_ni均小于T_co，则输出t_f为空；

(315)根据步骤(34)中得到的t_f值，判断液压伺服控制启动点，若tf为空，则继续采用纯电动助力模式，液压助力模块仍处于停机状态；若t_f不为空，则在t_f-t₀秒后控制液压助力模块启动；

(32)当转矩下降时，进行液压助力模块的伺服停机控制，具体步骤为：

(321)根据实时采集到的车速及转矩信号计算出所需的助力转矩T_n，并根据采样时间T计算助力转矩变化率

(322)当

时，控制液压助力模块停机，否则，保持液压助力模式处于运行状态。

进一步地，所述步骤(312)中未来时刻的车速序列和转矩序列预测采用NAR神经网络，具体步骤如下：

(3121)采集车辆正常行驶时的车速和转矩信息，并采用最大最小法进行归一化处理：

式中，

为车速V归一化后得到的数据；V为需要归一化的车速；V_min为车速序列中的最小值；V_max为车速序列中的最大值；

为车速T归一化后得到的数据；T为需要归一化的转矩；T_min为转矩序列中的最小值；T_max为转矩序列中的最大值；

(3122)将步骤(3121)中处理后的数据按照70％、15％和15％分为训练数据、验证数据和测试数据，以车速和转矩当前时刻之前的n个数据为网络输入，下一时刻的数据为输出，对NAR神经网络进行训练，具体模型为：

其中，输入层到隐藏层的连接由权值和阈值两个参数构成，两者间数据传输的计算方式如下：

式中，f为激活函数，h为输入层维数，a_j为隐藏层阈值，W_ij为输入层与隐藏层之间的连接权值；

其中，网络隐藏层到输出层的连接也由权值和阈值两个参数构成，两者间的数据传输计算方式如下：

式中，l为隐藏层维数，W_j为隐藏层与输出层之间的权值，b表示输出层阈值；

(3123)实际预测时，将车辆行驶过程中采集到的历史车速和转矩信息V_j和T_dj输入到训练好的NAR神经网络模型中，输出结果即为单步预测结果，将上一次或几次迭代的输出作为下一次迭代的输入，进行滚动预测即可实现多步预测，最终输出的结果即为预测得到的车速和转矩序列V_i和T_di。

进一步地，所述步骤(4)中的转矩优化分配的步骤为：

(41)选取优化变量，建立动态优化模型，具体如下：

优化变量：选取电动助力模块的转矩分配系数q为优化变量，则液压助力模块的转矩分配系数为1-q；

约束条件：对转矩分配系数进行约束，即q∈[0,1]；对电动助力模块的输出转矩进行约束，即T_n*q≤T_e，其中T_n为需求的助力转矩，T_e为电机的额定转矩；

优化目标：以系统总能耗最低为目标J₁进行转矩分配，即J₁＝P_e+P_h；以助力转矩连续性最优为目标J₂平衡路感，即J₂＝|T_n(k)-T_n(k-1)|²；总目标J表示为J＝w₁J₁+w₂J₂；

优化模型表示为：

(42)采用动态模拟退火算法对所述步骤(41)中的优化模型进行求解，求解得到的使总目标J最小的解，即为转矩分配系数的最终值，具体步骤为：

421)初始化参数：初始温度T₀、降温系数α、终止温度T_t和马尔可夫链长度L；

422)判断当前优化是否执行完成，当mod(t,t_ok)＝0时开始一次新的优化循环，其中t_ok为优化保持时间，否则认为一次优化循环未结束，不输入新的外界参数，仍输出上一时刻的转矩分配系数q₀；

423)令当前温度T＝T₀，任取初始解q_int∈[0,1]，并计算优化目标值J_int；

424)对当前解q＝q_int随机扰动后产生一个新解q_new∈[0,1]，并计算新的优化目标值J_new；

425)计算q_new的增量ΔJ＝J(q_new)-J(q_int)；

426)若ΔJ<0，则接受q_new作为新的当前解；否则计算q_new的接受概率exp(-ΔJ/T)，然后产生一个在(0,1)区间上均匀分布的随机数rand，若exp(-ΔJ/T)>rand，也接受q_new作为新的当前解，否则保留当前解q_int；

427)若满足终止条件T≤T_t，则输出当前解q为最优解，结束；否则进行温度衰减T＝T*α后返回到步骤(424)。

本发明的有益效果：

本发明采用分段式的能量管理方法对电液复合转向系统进行控制，一方面在低助力时采用纯电动助力模式，并进行了液压伺服控制，降低了系统低助力时的系统怠速损耗的同时保证了系统的响应速度；另一方面在高助力时，从整体上对系统的转矩进行了优化分配，提高了系统整体的运行效率，进一步降低了系统的能耗。通过分段式的能量管理方法，实现了在各种助力特性下的系统最大限度的经济运行。

附图说明

图1为本发明的电液复合转向系统示意图；

图2为本发明的分段能量管理方法流程图；

图3为本发明转矩分配系数求解流程图；

图中，1-方向盘，2-方向盘转角传感器，3-转向轴，4-转矩传感器，5-减速机构，6-助力电机，7-转向摇臂，8-转向直拉杆，9-转向节臂，10-左转向节，11-左车轮，12-左梯形臂，13-循环球转向器，14-油罐，15-液压缸，16-电磁阀，17-液压泵，18-液压电机，19-电子控制单元，20-车速传感器，21-右车轮，22-右转向节，23-右梯形臂，24-转向横拉杆。

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1所示，本发明的一种商用车电液复合转向系统，包括：机械传动模块、电动助力模块、液压助力模块和控制模块；

所述机械传动模块包括：方向盘1、转向轴3、循环球转向器13、转向摇臂7、转向直拉杆8、转向横拉杆24、转向节臂9、左梯形臂12、右梯形臂23、左转向节10、右转向节22、左车轮11和右车轮21；

转向轴3上端与方向盘1相连，下端与循环球转向器13的输入端连接；

转向摇臂7的输入端与所述循环球转向器13的输出端连接，输出端通过所述转向直拉杆8与所述转向节臂9相连；

左转向节10与所述左车轮11相连，其上固定有所述转向节臂9和左梯形臂12；

转向横拉杆24的两端分别与所述左梯形臂12和右梯形臂23相连；

右转向节与所述右车轮21相连，其上固定有所述右梯形臂23；

所述电动助力模块包括：助力电机6和减速机构5，所述减速机构5的输入端与所述助力电机6的输出端相连，输出端作用在所述转向轴3上；

所述液压助力模块包括：液压缸15、电磁阀16、油罐14、液压泵17和液压电机18；

液压缸15为所述循环球转向器13的内部空间，其通过液压管路与所述电磁阀16相连；

液压泵17的输入端与所述液压电机18的输出端相连，输出端通过液压管路与所述电磁阀16相连；

油罐14与所述液压泵17通过液压管路相连，用于存储液压油；

所述控制模块包括：电子控制单元(ECU)19、转矩传感器4、车速传感器20、方向盘转角传感器2；

电子控制单元19的输入端与所述转矩传感器4、车速传感器20、方向盘转角传感器2相连，其输出端与所述助力电机6、液压电机18和电磁阀16电气连接，转向时根据从各传感器得到的车辆参数，进行助力控制；

转矩传感器4安装在转向轴3上，获取转矩信号，并将转矩信号传递给所述电子控制单元19；

车速传感器20安装在车辆上，用于将获得的车速信号传递到所述电子控制单元19；

方向盘转角传感器2安装在方向盘1上，用于获得车辆转向时的方向盘转角信号，并将方向盘转角信号传递到所述电子控制单元19。

驾驶员操纵方向盘转向时，方向盘带动转向轴转动，经循环球转向器、转向摇臂、转向直拉杆、左转向节臂将动力传输到左车轮，左车轮转动一定的角度，同时左车轮经左梯形臂、转向横拉杆和右梯形臂带动右车轮同步转动，完成转向；在此过程中，电动助力模块和液压助力根据需要的助力大小进行协调助力，需要电动助力时，电动助力模块中助力电机旋通过经减速机构将转矩作用在转向轴上，实现助力；需要液压助力时，液压助力模块中液压电机旋转驱动液压泵给油罐中的油液加压，加压后的油液经电磁阀控制流入液压缸，在液压缸两侧形成压力差，实现助力。

参照图2所示，本发明还提供了一种电液复合转向系统的分段能量管理方法，基于上述系统，包含以下步骤：

(1)设计电液复合转向系统的基本助力特性曲线，并将助力区间划分为高助力区和低助力区，对助力启动点和高低助力区临界点进行能效优化设计，得到最优助力启动点和最优高低助力区临界点；

所述步骤(1)中基础助力特性曲线表达式为：

K(V)＝e^aV+b (2)

式中，T_n为助力转矩；T_w为转向盘输入力矩；T_p为助力启动点；T_max为最大助力转矩；K(V)为助力特性曲线的梯度；V为车速；e、a和b均为常数。

所述步骤(1)中的最优助力启动点T_po和最优高低助力区临界点T_co优化方法为：

(11)采集助力电机的运行数据，绘制助力电机的转矩-转速-效率曲线；

(12)根据步骤(11)得到的助力电机的转矩-转速-效率曲线，确定助力电机的高效稳定工作区域，即高低助力区临界点T_c的约束区间；

(13)以助力过程中转向路感、转向能耗和转向灵敏度为优化目标，采用遗传算法进行求解，优化得到最优助力启动点T_po和最优高低助力区临界点T_co，即纯电动助力模式启动点和结束点。

(2)转向时，各传感器采集车辆状态信息并传输给电子控制单元，电子控制单元根据采集到的车辆状态信息和步骤(1)中设计的助力特性曲线计算出所需的助力转矩，并与步骤(1)中的最优高低助力区临界点进行对比，判断当前的助力所处状态区间；

所述步骤(2)中各传感器采集的车辆状态信息包含：车速信息、方向盘转矩信息和方向盘转角信息，所述助力区间划分方式为：T_n≤T_co时为低助力区间，否则为高助力区间。

(3)若处于低助力区间，则电子控制单元根据转矩需求控制电动助力模块进行助力，并对电液复合转向系统运行状态进行预测，对液压助力模块进行伺服启停控制；

所述步骤(3)中的液压助力模块伺服启停控制步骤如下：

(31)当转矩上升时，进行液压助力模块的伺服启动控制，具体步骤为：

(311)根据液压助力模块的实际运行数据，确定液压助力模块需要的建压时间t₀；

(312)根据采集到的历史车速信息V_j和历史转矩信息T_dj(j＝k-n,…,k-1)，预测出车辆未来时刻的车速序列V_i和转矩序列T_di(i＝k+1,k+2…,k+n)；

(313)根据预测得到的车辆未来的车速及转矩序列，计算出未来所需的助力转矩序列T_ni，并与最优高低助力区临界点T_co比较；

(314)若助力转矩序列T_ni中部分时刻的转矩值大于T_co，则输出助力转矩序列T_ni中第一个大于T_co的转矩所对应的时间t_f；若T_ni均小于T_co，则输出t_f为空；

(315)根据步骤(34)中得到的t_f值，判断液压伺服控制启动点，若tf为空，则继续采用纯电动助力模式，液压助力模块仍处于停机状态；若t_f不为空，则在t_f-t₀秒后控制液压助力模块启动；

(32)当转矩下降时，进行液压助力模块的伺服停机控制，具体步骤为：

(321)根据实时采集到的车速及转矩信号计算出所需的助力转矩T_n，并根据采样时间T计算助力转矩变化率

(322)当

时，控制液压助力模块停机，否则，保持液压助力模式处于运行状态；

其中，所述步骤(312)中未来时刻的车速序列和转矩序列预测采用NAR神经网络，具体步骤如下：

(3121)采集车辆正常行驶时的车速和转矩信息，并采用最大最小法进行归一化处理：

式中，

为车速V归一化后得到的数据；V为需要归一化的车速；V_min为车速序列中的最小值；V_max为车速序列中的最大值；

为车速T归一化后得到的数据；T为需要归一化的转矩；T_min为转矩序列中的最小值；T_max为转矩序列中的最大值；

(3122)将步骤(3121)中处理后的数据按照70％、15％和15％分为训练数据、验证数据和测试数据，以车速和转矩当前时刻之前的n个数据为网络输入，下一时刻的数据为输出，对NAR神经网络进行训练，具体模型为：

其中，输入层到隐藏层的连接由权值和阈值两个参数构成，两者间数据传输的计算方式如下：

式中，f为激活函数，h为输入层维数，a_j为隐藏层阈值，W_ij为输入层与隐藏层之间的连接权值；

其中，网络隐藏层到输出层的连接也由权值和阈值两个参数构成，两者间的数据传输计算方式如下：

式中，l为隐藏层维数，W_j为隐藏层与输出层之间的权值，b表示输出层阈值；

(3123)实际预测时，将车辆行驶过程中采集到的历史车速和转矩信息V_j和T_dj输入到训练好的NAR神经网络模型中，输出结果即为单步预测结果，将上一次或几次迭代的输出作为下一次迭代的输入，进行滚动预测即可实现多步预测，最终输出的结果即为预测得到的车速和转矩序列V_i和T_di。

(4)若处于高助力区间，则电子控制单元对系统所需的助力转矩进行优化分配，根据分配后的各模块需要输出的助力转矩进行电动助力模块和液压助力模块的单独控制；参照图3所示；

所述步骤(4)中的转矩优化分配的步骤为：

(41)选取优化变量，建立动态优化模型，具体如下：

优化变量：选取电动助力模块的转矩分配系数q为优化变量，则液压助力模块的转矩分配系数为1-q；

约束条件：对转矩分配系数进行约束，即q∈[0,1]；对电动助力模块的输出转矩进行约束，即T_n*q≤T_e，其中T_n为需求的助力转矩，T_e为电机的额定转矩；

优化目标：以系统总能耗最低为目标J₁进行转矩分配，即J₁＝P_e+P_h；以助力转矩连续性最优为目标J₂平衡路感，即J₂＝|T_n(k)-T_n(k-1)|²；总目标J表示为J＝w₁J₁+w₂J₂；

优化模型表示为：

(42)采用动态模拟退火算法对所述步骤(41)中的优化模型进行求解，求解得到的使总目标J最小的解，即为转矩分配系数的最终值，具体步骤为：

421)初始化参数：初始温度T₀、降温系数α、终止温度T_t和马尔可夫链长度L；

422)判断当前优化是否执行完成，当mod(t,t_ok)＝0时开始一次新的优化循环，其中t_ok为优化保持时间，否则认为一次优化循环未结束，不输入新的外界参数，仍输出上一时刻的转矩分配系数q₀；

423)令当前温度T＝T₀，任取初始解q_int∈[0,1]，并计算优化目标值J_int；

424)对当前解q＝q_int随机扰动后产生一个新解q_new∈[0,1]，并计算新的优化目标值J_new；

425)计算q_new的增量ΔJ＝J(q_new)-J(q_int)；

426)若ΔJ<0，则接受q_new作为新的当前解；否则计算q_new的接受概率exp(-ΔJ/T)，然后产生一个在(0,1)区间上均匀分布的随机数rand，若exp(-ΔJ/T)>rand，也接受q_new作为新的当前解，否则保留当前解q_int；

427)若满足终止条件T≤T_t，则输出当前解q为最优解，结束；否则进行温度衰减T＝T*α后返回到步骤(424)。

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 (8)

1.一种商用车电液复合转向系统，其特征在于，包括：机械传动模块、电动助力模块、液压助力模块和控制模块；

所述机械传动模块包括：方向盘、转向轴、循环球转向器、转向摇臂、转向直拉杆、转向横拉杆、转向节臂、左梯形臂、右梯形臂、左转向节、右转向节、左车轮和右车轮；

转向轴上端与方向盘相连，下端与循环球转向器的输入端连接；

转向摇臂的输入端与所述循环球转向器的输出端连接，输出端通过所述转向直拉杆与所述转向节臂相连；

左转向节与所述左车轮相连，其上固定有所述转向节臂和左梯形臂；

转向横拉杆的两端分别与所述左梯形臂和右梯形臂相连；

右转向节与所述右车轮相连，其上固定有所述右梯形臂；

所述电动助力模块包括：助力电机和减速机构，所述减速机构的输入端与所述助力电机的输出端相连，输出端作用在所述转向轴上；

所述液压助力模块包括：液压缸、电磁阀、油罐、液压泵和液压电机；

液压缸为所述循环球转向器的内部空间，其通过液压管路与所述电磁阀相连；

液压泵的输入端与所述液压电机的输出端相连，输出端通过液压管路与所述电磁阀相连；

油罐与所述液压泵通过液压管路相连，用于存储液压油；

所述控制模块包括：电子控制单元、转矩传感器、车速传感器、方向盘转角传感器；

电子控制单元的输入端与所述转矩传感器、车速传感器、方向盘转角传感器相连，其输出端与所述助力电机、液压电机和电磁阀电气连接，转向时根据从各传感器得到的车辆参数，进行助力控制；

转矩传感器安装在转向轴上，获取转矩信号，并将转矩信号传递给所述电子控制单元；

车速传感器安装在车辆上，用于将获得的车速信号传递到所述电子控制单元；

方向盘转角传感器安装在方向盘上，用于获得车辆转向时的方向盘转角信号，并将方向盘转角信号传递到所述电子控制单元。

2.一种电液复合转向系统的分段能量管理方法，基于权利要求1所述的系统，其特征在于，包含以下步骤：

(1)设计电液复合转向系统的基本助力特性曲线，并将助力区间划分为高助力区和低助力区，对助力启动点和高低助力区临界点进行能效优化设计，得到最优助力启动点和最优高低助力区临界点；

(2)转向时，各传感器采集车辆状态信息并传输给电子控制单元，电子控制单元根据采集到的车辆状态信息和步骤(1)中设计的助力特性曲线计算出所需的助力转矩，并与步骤(1)中的最优高低助力区临界点进行对比，判断当前的助力所处状态区间；

(3)若处于低助力区间，则电子控制单元根据转矩需求控制电动助力模块进行助力，并对电液复合转向系统运行状态进行预测，对液压助力模块进行伺服启停控制；

(4)若处于高助力区间，则电子控制单元对系统所需的助力转矩进行优化分配，根据分配后的各模块需要输出的助力转矩进行电动助力模块和液压助力模块的单独控制。

3.根据权利要求2所述的电液复合转向系统的分段能量管理方法，其特征在于，所述步骤(1)中基础助力特性曲线表达式为：

K(V)＝e^aV+b (2)

式中，T_n为助力转矩；T_w为转向盘输入力矩；T_p为助力启动点；T_max为最大助力转矩；K(V)为助力特性曲线的梯度；V为车速；e、a和b均为常数。

4.根据权利要求3所述的电液复合转向系统的分段能量管理方法，其特征在于，所述步骤(1)中的最优助力启动点T_po和最优高低助力区临界点T_co优化方法为：

(11)采集助力电机的运行数据，绘制助力电机的转矩-转速-效率曲线；

(12)根据步骤(11)得到的助力电机的转矩-转速-效率曲线，确定助力电机的高效稳定工作区域，即高低助力区临界点T_c的约束区间；

(13)以助力过程中转向路感、转向能耗和转向灵敏度为优化目标，采用遗传算法进行求解，优化得到最优助力启动点T_po和最优高低助力区临界点T_co，即纯电动助力模式启动点和结束点。

5.根据权利要求4所述的电液复合转向系统的分段能量管理方法，其特征在于，所述步骤(2)中各传感器采集的车辆状态信息包含：车速信息、方向盘转矩信息和方向盘转角信息，所述助力区间划分方式为：T_n≤T_co时为低助力区间，否则为高助力区间。

6.根据权利要求5所述的电液复合转向系统的分段能量管理方法，其特征在于，所述步骤(3)中的液压助力模块伺服启停控制步骤如下：

(31)当转矩上升时，进行液压助力模块的伺服启动控制，具体步骤为：

(311)根据液压助力模块的实际运行数据，确定液压助力模块需要的建压时间t₀；

(312)根据采集到的历史车速信息V_j和历史转矩信息T_dj，j＝k-n,…,k-1，预测出车辆未来时刻的车速序列V_i和转矩序列T_di，i＝k+1,k+2…,k+n；

(313)根据预测得到的车辆未来的车速及转矩序列，计算出未来所需的助力转矩序列T_ni，并与最优高低助力区临界点T_co比较；

(314)若助力转矩序列T_ni中部分时刻的转矩值大于T_co，则输出助力转矩序列T_ni中第一个大于T_co的转矩所对应的时间t_f；若T_ni均小于T_co，则输出t_f为空；

(315)根据步骤(34)中得到的t_f值，判断液压伺服控制启动点，若tf为空，则继续采用纯电动助力模式，液压助力模块仍处于停机状态；若t_f不为空，则在t_f-t₀秒后控制液压助力模块启动；

(32)当转矩下降时，进行液压助力模块的伺服停机控制，具体步骤为：

(321)根据实时采集到的车速及转矩信号计算出所需的助力转矩T_n，并根据采样时间T计算助力转矩变化率

(322)当

时，控制液压助力模块停机，否则，保持液压助力模式处于运行状态。

7.根据权利要求6所述的电液复合转向系统的分段能量管理方法，其特征在于，所述步骤(312)中未来时刻的车速序列和转矩序列预测采用NAR神经网络，具体步骤如下：

(3121)采集车辆正常行驶时的车速和转矩信息，并采用最大最小法进行归一化处理：

式中，

为车速V归一化后得到的数据；V为需要归一化的车速；V_min为车速序列中的最小值；V_max为车速序列中的最大值；

为车速T归一化后得到的数据；T为需要归一化的转矩；T_min为转矩序列中的最小值；T_max为转矩序列中的最大值；

(3122)将步骤(3121)中处理后的数据按照70％、15％和15％分为训练数据、验证数据和测试数据，以车速和转矩当前时刻之前的n个数据为网络输入，下一时刻的数据为输出，对NAR神经网络进行训练，具体模型为：

其中，输入层到隐藏层的连接由权值和阈值两个参数构成，两者间数据传输的计算方式如下：

式中，f为激活函数，h为输入层维数，a_j为隐藏层阈值，W_ij为输入层与隐藏层之间的连接权值；

其中，网络隐藏层到输出层的连接也由权值和阈值两个参数构成，两者间的数据传输计算方式如下：

式中，l为隐藏层维数，W_j为隐藏层与输出层之间的权值，b表示输出层阈值；

(3123)实际预测时，将车辆行驶过程中采集到的历史车速和转矩信息V_j和T_dj输入到训练好的NAR神经网络模型中，输出结果即为单步预测结果，将上一次或几次迭代的输出作为下一次迭代的输入，进行滚动预测即可实现多步预测，最终输出的结果即为预测得到的车速和转矩序列V_i和T_di。

8.根据权利要求7所述的电液复合转向系统的分段能量管理方法，其特征在于，所述步骤(4)中的转矩优化分配的步骤为：

(41)选取优化变量，建立动态优化模型，具体如下：

优化变量：选取电动助力模块的转矩分配系数q为优化变量，则液压助力模块的转矩分配系数为1-q；

约束条件：对转矩分配系数进行约束，即q∈[0,1]；对电动助力模块的输出转矩进行约束，即T_n*q≤T_e，其中T_n为需求的助力转矩，T_e为电机的额定转矩；

优化目标：以系统总能耗最低为目标J₁进行转矩分配，即J₁＝P_e+P_h；以助力转矩连续性最优为目标J₂平衡路感，即J₂＝|T_n(k)-T_n(k-1)|²；总目标J表示为J＝w₁J₁+w₂J₂；

优化模型表示为：

(42)采用动态模拟退火算法对所述步骤(41)中的优化模型进行求解，求解得到的使总目标J最小的解，即为转矩分配系数的最终值，具体步骤为：

421)初始化参数：初始温度T₀、降温系数α、终止温度T_t和马尔可夫链长度L；

422)判断当前优化是否执行完成，当mod(t,t_ok)＝0时开始一次新的优化循环，其中t_ok为优化保持时间，否则认为一次优化循环未结束，不输入新的外界参数，仍输出上一时刻的转矩分配系数q₀；

423)令当前温度T＝T₀，任取初始解q_int∈[0,1]，并计算优化目标值J_int；

424)对当前解q＝q_int随机扰动后产生一个新解q_new∈[0,1]，并计算新的优化目标值J_new；

425)计算q_new的增量ΔJ＝J(q_new)-J(q_int)；

426)若ΔJ<0，则接受q_new作为新的当前解；否则计算q_new的接受概率exp(-ΔJ/T)，然后产生一个在(0,1)区间上均匀分布的随机数rand，若exp(-ΔJ/T)>rand，也接受q_new作为新的当前解，否则保留当前解q_int；

427)若满足终止条件T≤T_t，则输出当前解q为最优解，结束；否则进行温度衰减T＝T*α后返回到步骤(424)。

Images