CN113562066A - 一种线控转向系统及故障诊断方法 - Google Patents

Abstract

本发明公开了一种线控转向系统及故障诊断方法，包括转向盘模块、转向执行模块、路感反馈模块、ECU控制模块、转向盘转角传感器、车速传感器、横摆角速度传感器。且本方案的故障诊断方法完全基于车辆动力学模型的前轮转角估计算法相比，基于双向长短时记忆网络可以不依赖于精确的动力学模型，可以很好地对高度复杂性、非线性以及强耦合性的系统状态进行估计；相比于分析一次测量值的传感器故障诊断方法，基于双层状态机分别对前轮转角信号的范围、信号差值进行累计诊断可以减小对传感器状态的误判，提高诊断结果的可靠性能。

Description

一种线控转向系统及故障诊断方法

技术领域

本发明涉及汽车线控转向领域，尤其涉及一种线控转向系统及故障诊断方法。

背景技术

为了提高车辆的主动安全性必须对线控转向车辆的传感器进行冗余控制。冗余控制包括硬件冗余和解析冗余。传感器硬件冗余主要通过增加物理传感器的数量，一般来说，车辆状态传感器越多系统的冗余性和鲁棒性就越强。但是某些车辆状态传感器价格昂贵或者受技术制约(可靠性、精确性、稳定性等)无法在在车辆上批量使用。与传感器硬件冗余相比，传感器解析冗余技术可以在不影响系统可靠性的情况下消除物理传感器，这将极大地降低整个系统成本。

但是目前常用的解析冗余都是基于车辆动力学模型来进行状态估计，然而实际中大部分系统都呈现出高度的复杂性、非线性以及耦合性，导致很难建立出精确的系统模型。模型的不精确和观测噪声的随机性可能会导致结果精度降低、滤波发散甚至无法估计等严重问题。此外，基于三工冗余的解析容易方法大都是直接比较三个信号的差值，从而判断传感器的故障状态。然而由于外界瞬时干扰以及量测噪声等的存在将导致这种基于一次判断的方法很容易产生对传感器实际状态的误判。

发明内容

本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷，提供一种线控转向系统及故障诊断方法。

本发明为解决上述技术问题采用以下技术方案：

一种线控转向系统，包括转向盘模块、转向执行模块、路感反馈模块、ECU控制模块、转向盘转角传感器、车速传感器、横摆角速度传感器；

所述转向盘模块包括转向盘和转向柱，所述转向柱上端和转向盘固连；

所述转向执行模块包括转向电机、蜗轮蜗杆减速器、齿轮、齿条、转向横拉杆和车轮；所述转向电机输出轴通过蜗轮蜗杆减速器和齿轮相连，齿轮和齿条啮合，齿条通过转向横拉杆驱动车轮；

所述路感反馈模块包括路感电机和路感电机减速器，所述路感电机的输出轴通过路感电机减速器和转向柱下端相连，用于向转向盘传递路感；

所述转向盘转角传感器安装在转向柱上，用于测量转向盘转角，并将其传递给ECU控制模块；

所述车速传感器安装在车轮上，用于获取汽车的纵向车速，并将其传递给ECU控制模块；

所述横摆角速度传感器均安装在车架质心处，用于获取汽车的横摆角速度，并将其传递给ECU控制模块；

所述ECU控制模块根据接收到的转向盘转角信号、纵向车速信号、横摆角速度信号控制路感电机和转向电机的工作。

本发明还公开了一种线控转向车辆前轮转角传感器故障诊断方法，包括以下步骤：

步骤2.1)，前轮转角传感器测量得到前轮转角信号s1、扩展卡尔曼滤波算法估计得到前轮转角信号s2、双向长短时记忆网络估计得到前轮转角信号s3；

步骤2.2)，角度范围检测模块采用状态机分别对前轮转角信号s1、s2、s3的范围进行累计检测，如果前轮转角信号s1、s2、s3超出设定阈值theta＝40°，则相应的计数器i的值为i＝i+1，否则计数器i为原值；当计数器的值大于设定阈值N＝5时，输出标志flag1＝0、flag2＝0、flag3＝0，否则flag1＝1、flag2＝1、flag3＝1；

步骤2.3)，当flag1＝1、flag2＝1、flag3＝1时，说明各前轮转角信号都在合理范围，角度范围检测模块分别输出前轮转角信号s1’＝s1、s2’＝s2、s3’＝s3；当flag1＝0、flag2＝0、flag3＝0时，说明前轮转角信号超出合理范围，角度范围检测模块分别输出前轮转角信号s1’＝70°、s2’＝80°、s3’＝90°；

步骤2.4)，角度偏差检测模块分别对角度偏差信号s11＝|s1'-s2'|、s22＝|s1'-s3'|、s33＝|s2'-s3'|进行累计检测，如果角度偏差信号超出设定阈值diff＝0.2°，则相应的计数器i的值为i＝i+1，否则计数器i为原值；当计数器的值大于设定阈值N＝5时，输出标志flag11＝0、flag22＝0、flag33＝0，否则flag11＝1、flag22＝1、flag33＝1；

步骤2.5)，故障诊断模块分别对<flag11,flag22>、<flag11,flag33>、<flag22,flag33>进行逻辑或运算，并根据故障诊断表判断各信号的故障情况；

表1故障诊断表

作为本发明一种线控转向车辆前轮转角传感器故障诊断方法，包括上述的所述步骤2.1)扩展卡尔曼滤波算法估计前轮转角信号方法如下：

步骤3.1)，建立车辆三自由度模型，选取前轮转角及其一阶导数、横摆角速度、质心侧偏角、纵向车速为状态变量

输入量为纵向加速度、转向电机电流[a_x,I]，观测向量为侧向加速度[a_y]：

式中，a为汽车质心到前轴的距离；b为汽车质心到后轴的距离；v_x为汽车纵向速度；δ为前轮转角；k₁为前轮侧偏刚度；k₂为后轮侧偏刚度；α_f为前轮侧偏角；α_r为后轮侧偏角；m为整车质量；β为车身质心侧偏角；γ为横摆角速度；a_y为汽车纵向加速度；I_z为汽车绕z轴的转动惯量；t_p为轮胎拖距；t_m为主销内倾；M_r为齿条的质量；B_r为齿条阻尼系数；K_t为转向电机转矩系数；N为转向电机减速器减速比；I为转向系统电机电流；η为电机效率；r_p为小齿轮的半径。

步骤3.2)，对系统非线性状态方程和量测方程进行线性化处理，将状态方程和量测方程进行泰勒级数展开，根据式(1)和式(2)分别求得状态方程和量测方程对应的雅可比矩阵:

步骤3.3)，求解系统的状态状态转移矩阵Φ_k，并根据输入量和观测向量估计前轮转角信号：

Φ_k＝I_5×5+F_k·T_s (5)

式中，I_5x5为单位矩阵；T_s为采样时间。

作为本发明一种线控转向车辆前轮转角传感器故障诊断方法，所述步骤2.1)双向长短时记忆网络估计前轮转角信号方法如下：

步骤4.1)，采集车辆的横摆角速度信号γ、质心侧偏角信号β、转向盘转角信号θ_sw、车速信号v_x，并对其进行归一化处理：

式中，X为需要归一化的数据；X_min为数据的最小值；X_max为数据的最大值；X*为归一化后的数据；

步骤4.2)，设置网络层数为3层、每层神经元数50、激活函数为sigmoid、批次大小400、训练次数2000、优化器为RMSprop的网络模型；

步骤4.3)，将归一化后数据的70％作为训练集，其余数据作为测试集进行模型的训练和测试，并选取均方根误差RMSE作为模型精度的评价指标：

步骤4.4)，如果RMSE大于预设的精度阈值，跳转至步骤4.2)并修改模型参数，否则，将训练好模型直接用于前轮转角估计。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

本发明与完全基于车辆动力学模型的前轮转角估计算法相比，基于双向长短时记忆网络可以不依赖于精确的动力学模型，可以很好地对高度复杂性、非线性以及强耦合性的系统状态进行估计；相比于分析一次测量值的传感器故障诊断方法，基于双层状态机分别对前轮转角信号的范围、信号差值进行累计诊断可以减小对传感器状态的误判，提高诊断结果的可靠性能。

附图说明

图1是本发明线控转向车辆前轮转角传感器故障诊断原理图。

图2是本发明基于状态机的角度范围累计诊断原理图。

图3是本发明基于状态机的角度偏差累计诊断原理图。

具体实施方式

下面结合附图与实施例对本发明作进一步详细描述。

实施例1

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明可以以许多不同的形式实现，而不应当认为限于这里所述的实施例。相反，提供这些实施例以便使本公开透彻且完整，并且将向本领域技术人员充分表达本发明的范围。在附图中，为了清楚起见放大了组件。

本发明公开了一种线控转向系统，包括转向盘模块、转向执行模块、路感反馈模块、ECU控制模块、转向盘转角传感器、车速传感器、横摆角速度传感器；

所述转向盘模块包括转向盘和转向柱，所述转向柱上端和转向盘固连；

所述转向执行模块包括转向电机、蜗轮蜗杆减速器、齿轮、齿条、转向横拉杆和车轮；所述转向电机输出轴通过蜗轮蜗杆减速器和齿轮相连，齿轮和齿条啮合，齿条通过转向横拉杆驱动车轮；

所述路感反馈模块包括路感电机和路感电机减速器，所述路感电机的输出轴通过路感电机减速器和转向柱下端相连，用于向转向盘传递路感；

所述转向盘转角传感器安装在转向柱上，用于测量转向盘转角，并将其传递给ECU控制模块；

所述车速传感器安装在车轮上，用于获取汽车的纵向车速，并将其传递给ECU控制模块；

所述横摆角速度传感器均安装在车架质心处，用于获取汽车的横摆角速度，并将其传递给ECU控制模块；

所述ECU控制模块根据接收到的转向盘转角信号、纵向车速信号、横摆角速度信号控制路感电机和转向电机的工作。

如图1所示，本发明还公开了一种线控转向车辆前轮转角传感器故障诊断方法，包括以下步骤：

步骤2.1)，前轮转角传感器测量得到前轮转角信号s1、扩展卡尔曼滤波算法估计得到前轮转角信号s2、双向长短时记忆网络估计得到前轮转角信号s3；

步骤2.2)，如图2所示，角度范围检测模块采用状态机分别对前轮转角信号s1、s2、s3的范围进行累计检测，如果前轮转角信号s1、s2、s3超出设定阈值theta＝40°，则相应的计数器i的值为i＝i+1，否则计数器i为原值；当计数器的值大于设定阈值N＝5时，输出标志flag1＝0、flag2＝0、flag3＝0，否则flag1＝1、flag2＝1、flag3＝1；

步骤2.3)，当flag1＝1、flag2＝1、flag3＝1时，说明各前轮转角信号都在合理范围，角度范围检测模块分别输出前轮转角信号s1’＝s1、s2’＝s2、s3’＝s3；当flag1＝0、flag2＝0、flag3＝0时，说明前轮转角信号超出合理范围，角度范围检测模块分别输出前轮转角信号s1’＝70°、s2’＝80°、s3’＝90°；

步骤2.4)，如图3所示，角度偏差检测模块分别对角度偏差信号s11＝|s1'-s2'|、s22＝|s1'-s3'|、s33＝|s2'-s3'|进行累计检测，如果角度偏差信号超出设定阈值diff＝0.2°，则相应的计数器i的值为i＝i+1，否则计数器i为原值；当计数器的值大于设定阈值N＝5时，输出标志flag11＝0、flag22＝0、flag33＝0，否则flag11＝1、flag22＝1、flag33＝1；

步骤2.5)，故障诊断模块分别对<flag11,flag22>、<flag11,flag33>、<flag22,flag33>进行逻辑或运算，并根据故障诊断表判断各信号的故障情况；

表1故障诊断表

作为本发明一种线控转向车辆前轮转角传感器故障诊断方法，所述步骤2.1)扩展卡尔曼滤波算法估计前轮转角信号方法如下：

步骤3.1)，建立车辆三自由度模型，选取前轮转角及其一阶导数、横摆角速度、质心侧偏角、纵向车速为状态变量

输入量为纵向加速度、转向电机电流[a_x,I]，观测向量为侧向加速度[a_y]：

式中，a为汽车质心到前轴的距离；b为汽车质心到后轴的距离；v_x为汽车纵向速度；δ为前轮转角；k₁为前轮侧偏刚度；k₂为后轮侧偏刚度；α_f为前轮侧偏角；α_r为后轮侧偏角；m为整车质量；β为车身质心侧偏角；γ为横摆角速度；a_y为汽车纵向加速度；I_z为汽车绕z轴的转动惯量；t_p为轮胎拖距；t_m为主销内倾；M_r为齿条的质量；B_r为齿条阻尼系数；K_t为转向电机转矩系数；N为转向电机减速器减速比；I为转向系统电机电流；η为电机效率；r_p为小齿轮的半径。

步骤3.2)，对系统非线性状态方程和量测方程进行线性化处理，将状态方程和量测方程进行泰勒级数展开，根据式(1)和式(2)分别求得状态方程和量测方程对应的雅可比矩阵:

步骤3.3)，求解系统的状态状态转移矩阵Φ_k，并根据输入量和观测向量估计前轮转角信号：

Φ_k＝I_5×5+F_k·T_s (5)

式中，I_5x5为单位矩阵；T_s为采样时间。

作为本发明一种线控转向车辆前轮转角传感器故障诊断方法，所述步骤2.1)双向长短时记忆网络估计前轮转角信号方法如下：

步骤4.1)，采集车辆的横摆角速度信号γ、质心侧偏角信号β、转向盘转角信号θ_sw、车速信号v_x，并对其进行归一化处理：

式中，X为需要归一化的数据；X_min为数据的最小值；X_max为数据的最大值；X*为归一化后的数据；

步骤4.2)，设置网络层数为3层、每层神经元数50、激活函数为sigmoid、批次大小400、训练次数2000、优化器为RMSprop的网络模型；

步骤4.3)，将归一化后数据的70％作为训练集，其余数据作为测试集进行模型的训练和测试，并选取均方根误差RMSE作为模型精度的评价指标：

步骤4.4)，如果RMSE大于预设的精度阈值，跳转至步骤4.2)并修改模型参数，否则，将训练好模型直接用于前轮转角估计。

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 (7)

1.一种线控转向系统，其特征在于，包括转向盘模块、转向执行模块、路感反馈模块、ECU控制模块、转向盘转角传感器、车速传感器、横摆角速度传感器；

转向执行模块包括转向电机、减速器、齿轮、齿条、转向横拉杆和车轮；所述转向电机输出轴通过蜗轮蜗杆减速器和齿轮相连，齿轮和齿条啮合，齿条通过转向横拉杆驱动车轮；

路感反馈模块包括路感电机和路感电机减速器，所述路感电机的输出轴通过路感电机减速器和转向柱下端相连，用于向转向盘传递路感；

转向盘转角传感器安装在转向柱上，用于测量转向盘转角，并将其传递给ECU控制模块；

车速传感器安装在车轮上，用于获取汽车的纵向车速，并将其传递给ECU控制模块；

横摆角速度传感器均安装在车架质心处，用于获取汽车的横摆角速度，并将其传递给ECU控制模块；

ECU控制模块根据接收到的转向盘转角信号、纵向车速信号、横摆角速度信号控制路感电机和转向电机的工作。

2.一种线控转向车辆前轮转角传感器故障诊断方法，其特征在于，包括权利要求1所述的一种线控转向系统，包括以下步骤：

步骤2.1)，前轮转角传感器测量得到前轮转角信号s1、扩展卡尔曼滤波算法估计得到前轮转角信号s2、双向长短时记忆网络估计得到前轮转角信号s3；

步骤2.2)，角度范围检测模块采用状态机分别对前轮转角信号s1、s2、s3的范围进行累计检测，如果前轮转角信号s1、s2、s3超出设定阈值theta＝40°，则相应的计数器i的值为i＝i+1，否则计数器i为原值；当计数器的值大于设定阈值时，输出标志flag1＝0、flag2＝0、flag3＝0，否则flag1＝1、flag2＝1、flag3＝1；

步骤2.3)，当flag1＝1、flag2＝1、flag3＝1时，说明各前轮转角信号都在合理范围，角度范围检测模块分别输出前轮转角信号s1’＝s1、s2’＝s2、s3’＝s3；当flag1＝0、flag2＝0、flag3＝0时，说明前轮转角信号超出合理范围；

步骤2.4)，角度偏差检测模块分别对角度偏差信号s11＝|s1'-s2'|、s22＝|s1'-s3'|、s33＝|s2'-s3'|进行累计检测，如果角度偏差信号超出设定阈值，则相应的计数器i的值为i＝i+1，否则计数器i为原值；当计数器的值大于设定阈值时，输出标志flag11＝0、flag22＝0、flag33＝0，否则flag11＝1、flag22＝1、flag33＝1；

步骤2.5)，故障诊断模块分别对<flag11,flag22>、<flag11,flag33>、<flag22,flag33>进行逻辑或运算，并根据故障诊断表判断各信号的故障情况。

3.根据权利要求2所述的线控转向车辆前轮转角传感器故障诊断方法，其特征在于，前轮转角信号设定阈值为theta＝40°。

4.根据权利要求2所述的线控转向车辆前轮转角传感器故障诊断方法，其特征在于，角度偏差检测模块设定的角度偏差信号阈值为diff＝0.2°。

5.根据权利要求2所述的线控转向车辆前轮转角传感器故障诊断方法，其特征在于，步骤2.2)和步骤2.4)中的计数器的阈值均为5。

6.根据权利要求2所述的线控转向车辆前轮转角传感器故障诊断方法，其特征在于，所述步骤2.1)扩展卡尔曼滤波算法估计前轮转角信号方法如下：

步骤3.1)，建立车辆三自由度模型，选取前轮转角及其一阶导数、横摆角速度、质心侧偏角、纵向车速为状态变量

输入量为纵向加速度、转向电机电流[a_x,I]，观测向量为侧向加速度[a_y]：

式中，a为汽车质心到前轴的距离；b为汽车质心到后轴的距离；v_x为汽车纵向速度；δ为前轮转角；k₁为前轮侧偏刚度；k₂为后轮侧偏刚度；α_f为前轮侧偏角；α_r为后轮侧偏角；m为整车质量；β为车身质心侧偏角；γ为横摆角速度；a_y为汽车纵向加速度；I_z为汽车绕z轴的转动惯量；t_p为轮胎拖距；t_m为主销内倾；M_r为齿条的质量；B_r为齿条阻尼系数；K_t为转向电机转矩系数；N为转向电机减速器减速比；I为转向系统电机电流；η为电机效率；r_p为小齿轮的半径。

步骤3.2)，对系统非线性状态方程和量测方程进行线性化处理，将状态方程和量测方程进行泰勒级数展开，根据式(1)和式(2)分别求得状态方程和量测方程对应的雅可比矩阵:

步骤3.3)，求解系统的状态状态转移矩阵Φ_k，并根据输入量和观测向量估计前轮转角信号：

Φ_k＝I_5×5+F_k·T_s (5)

式中，I_5x5为单位矩阵；T_s为采样时间。

7.根据权利要求2所述的线控转向车辆前轮转角传感器故障诊断方法，其特征在于，所述步骤2.1)双向长短时记忆网络估计前轮转角信号方法如下：

步骤4.1)，采集车辆的横摆角速度信号γ、质心侧偏角信号β、转向盘转角信号θ_sw、车速信号v_x，并对其进行归一化处理：

式中，X为需要归一化的数据；X_min为数据的最小值；X_max为数据的最大值；X*为归一化后的数据；

步骤4.2)，设置网络层数为3层、每层神经元数50、激活函数为sigmoid、批次大小400、训练次数2000、优化器为RMSprop的网络模型；

步骤4.3)，将归一化后数据的70％作为训练集，其余数据作为测试集进行模型的训练和测试，并选取均方根误差RMSE作为模型精度的评价指标：

步骤4.4)，如果RMSE大于预设的精度阈值，跳转至步骤4.2)并修改模型参数，否则，将训练好模型直接用于前轮转角估计。

Images