CN114312814A - 车辆传感器故障诊断方法和车辆控制方法 - Google Patents
车辆传感器故障诊断方法和车辆控制方法 Download PDFInfo
- Publication number
- CN114312814A CN114312814A CN202210221027.8A CN202210221027A CN114312814A CN 114312814 A CN114312814 A CN 114312814A CN 202210221027 A CN202210221027 A CN 202210221027A CN 114312814 A CN114312814 A CN 114312814A
- Authority
- CN
- China
- Prior art keywords
- fault
- sensor
- value
- target sensor
- ayc
- 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
Links
Images
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请提供一种车辆传感器故障诊断方法和车辆控制方法,其中,车辆传感器故障诊断方法包括:获取车辆上至少一个目标传感器的测量值;采用观测器对至少一个所述目标传感器的测量值进行观测,得到对应的估计值;计算至少一个所述目标传感器的测量值的序列标准差;以及,计算至少一个所述目标传感器的估计值与对应测量值之间的第一残差序列;根据所述目标传感器对应的序列标准差和第一残差序列,对对应的目标传感器进行故障诊断,得到故障程度。本发明实施例可以对车辆传感器的故障程度进行诊断。
Description
技术领域
本申请的实施例涉及车辆安全技术领域,尤其涉及一种车辆传感器故障诊断方法和车辆控制方法。
背景技术
AYC(主动横摆控制系统)和RSC(侧倾稳定控制系统)是车辆主动安全控制系统的关键技术,基于多类传感器对各类变量的测量,通过车辆状态的估计和稳定性的判断,实现对车辆进行稳定性的控制;在传感器发生故障时,现有技术仅可以给出传感器故障标志,既无法通过对故障信号的容错来实现故障信号的重构与补偿,也无法在传感器故障时,令AYC和RSC对车辆执行降级控制,导致AYC和RSC在传感器故障时丧失对车辆的安全控制功能。
基于此,需要一种能够实现对传感器的故障准确诊断,并基于故障诊断对传感器的故障信号进行重构与补偿,并令AYC和RSC在传感器故障时,依然保持对车辆的控制的方案。
发明内容
有鉴于此,本申请提供了提出一种车辆传感器故障诊断方法,包括:
获取车辆上至少一个目标传感器的测量值;
采用观测器对至少一个所述目标传感器的测量值进行观测,得到对应的估计值;
计算至少一个所述目标传感器的测量值的序列标准差;以及,计算至少一个所述目标传感器的估计值与对应测量值之间的第一残差序列;
根据所述目标传感器对应的序列标准差和第一残差序列,对对应的目标传感器进行故障诊断,得到故障程度。
基于同一发明构思,本申请还提供了一种车辆控制方法,包括:
根据车辆上多个目标传感器的故障程度,统计不同故障程度的传感器的个数;其中,故障程度根据任一实施例所述的方法获取;
根据不同故障程度的传感器的个数,确定主动横摆控制系统AYC和侧倾稳定控制系统RSC是否进行控制,以及所述AYC和RSC进行控制的部分;
其中,所述AYC包括主动扭矩调节部分和主动制动控制部分,所述RSC包括主动扭矩调节部分和主动制动控制部分。
基于同一发明构思,本申请还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上任意一项所述的车辆传感器故障诊断方法和车辆控制方法。
基于同一发明构思,本申请还提供了一种非暂态计算机可读存储介质,其中,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上述的车辆传感器故障诊断方法和车辆控制方法。
从上面所述可以看出,本申请提供的车辆传感器故障诊断方法和车辆控制方法,实现了对传感器的故障程度的判断;基于对传感器故障的诊断,并整体考虑了不同的故障数量和故障程度,实现了车辆安全控制系统在传感器故障时,对车辆进行降级控制,提高了车辆的安全稳定性,避免了因传感器故障而导致的安全控制系统错误介入,有效减小了传感器故障时的安全威胁。
附图说明
为了更清楚地说明本申请或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例的车辆传感器故障诊断方法的流程图;
图2为本申请实施例的车辆控制方法的流程图;
图3为本申请实施例的车辆动力学模型的底盘部分示意图;
图4为本申请实施例的车辆动力学模型的簧载部分示意图;
图5为本申请实施例的电子设备结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本申请进一步详细说明。
需要说明的是,除非另外定义,本申请的实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请的实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。
如背景技术部分所述,现有的车辆传感器故障诊断方法和车辆控制方法还难以满足车辆实际运行时安全稳定性的需要。相关的车辆传感器故障诊断方法和车辆控制方法存在的主要问题在于:在传感器发生故障时,现有技术仅可以给出传感器故障标志,诸多传感器信号仍难以采用故障诊断算法实现重构与补充,尤其是侧倾角速度信号。
进一步地,由于传感器的故障,车辆的安全控制系统,例如:AYC和RSC往往会接收传感器的故障信号,进而对车辆实行错误的控制,既严重影响了车辆的稳定性,也对驾驶员的安全形成严重威胁,而现有技术也无法在传感器故障时,令AYC和RSC对车辆执行降级控制,导致AYC和RSC在传感器故障时丧失对车辆的安全控制功能。
以下,通过具体的实施例,并具体结合图1示出的车辆传感器故障诊断方法的流程图,来详细说明本申请的技术方法。
参考图1,本申请一个实施例的车辆传感器故障诊断与容错方法,包括以下步骤:
步骤S101、获取车辆上至少一个目标传感器的测量值。
在本申请的实施例中,车辆具备ECU(电子控制单元)和传感器,其中,ECU中构建有观测器,并进一步地,可以控制传感器的响应和运行,并利用传感器的输出和观测器的输出,判断车辆状态以及传感器和观测器的工作状态是否正常;ECU还可以进一步根据传感器的故障情况,调用AYC(主动横摆控制系统)和RSC(侧倾稳定控制系统),以对车辆进行安全性的主动控制。
在本实施例中,关键变量为观测车辆状态时所使用的变量,并且可以根据不同需求和构思,变换不同的变量以对车辆状态进行观测;例如,为了估计整车质量而对车辆状态进行的观测,可以在观测时,将车辆的纵向制动力,制动轮缸压力等作为关键变量。
进一步地,对于需要进行故障诊断的传感器,也可以将其所采集的变量作为关键变量,并根据所采集的关键变量采取不同的构思,构建不同车辆状态观测方式。
进一步地,将获取该关键变量的传感器定义为目标传感器,将该目标传感器所测量的关键变量的测量值作为第一类测量值,并且目标传感器为本实施例中待进行故障诊断的传感器。
进一步地,在本实施例中,由ECU控制横摆角速度传感器获取横摆角速度信号,并由横摆角速度信号得到横摆角速度测量值;
控制侧倾角速度传感器获取侧倾角速度信号,并由侧倾角速度信号得到横摆角速度测量值;
控制侧向加速度传感器获取侧向加速度信号,并由侧向加速度信号得到侧向加速度测量值;
以及控制纵向加速度传感器获取纵向加速度信号,并由纵向加速度信号得到纵向加速度测量值。
需要说明的是,在本申请中的方法中,所涉及到的其他传感器,均不与上述关键信号的目标传感器同时发生故障。
步骤S102、采用观测器对至少一个所述目标传感器的测量值进行观测,得到对应的估计值。
在本申请的实施例中,观测器的设计利用SC-EKF(串联扩展卡尔曼滤波器),并采取两级串联的形式,具体的,将SC-EKF分为两级,在每级SC-EKF中均设置有状态方程和观测方程,并将上述的第一类测量值作为两级状态方程中的状态变量。
在本实施例中,观测器可以利用状态方程,并结合下述的观测方程,计算关键变量的估计值,并进行输出。
在本申请的实施例中,对于观测器第一级的观测方程中观测变量的选取,需要能够保证该变量的信号准确且无故障,因此选择纵向速度与前轮转角作为第一级的观测变量;在观测器的第二级,遵循相同的观测变量选取原则,因此仍选取纵向速度与前轮转角作为第二级的观测变量。
进一步地,将获取该观测变量的传感器定义为观测传感器,该观测传感器所测量的观测变量的测量值作为第二类测量值。
进一步地,观测传感器还包括:在观测车辆状态时,所涉及到的获取其他变量的传感器;其中该所述其他变量中不包括上述的关键变量,也即,本实施例中,观测传感器是不作为故障诊断对象的传感器。
在本申请的实施例中,观测器利用观测方程,结合状态方程,计算观测变量的观测值,并进行输出。
具体地,在观测器的第一级,利用第一状态变量,建立如下所示的关于推算状态变量估计值的第一状态方程:
进一步地,在上述A1矩阵和B1矩阵中,各个参数分别为:
进一步地,在上述公式中涉及的N1,N2,N3,N4和,N’5利用如下公式进行计算:
并且,其中的W满足:
参照图3和图4所示,I x 为整车绕图3中x轴转动惯量,I z 为整车绕图4中z轴转动惯量,I xz 为整车绕图3中x轴z轴的转动惯性积,hs为图4中所示的高度距离,根据图3示出的,a为车辆质心距前轴的距离,b为车辆质心距后轴的距离。
进一步地,采用如下公式所示的加权融合方法进行观测:
进一步地,针对第一状态变量,得到第一级的观测方程如下所示:
其中,第一观测方程的第一观测矩阵如下所示:
基于上述的第一级观测矩阵,得到针对第一状态变量的第一观测值。
进一步地,在观测器的第二级,利用第二状态变量,建立如下所示的关于推算状态变量估计值的第二状态方程:
其中,关于状态变量侧向速度vy,横摆角速度wz的第一观测值均由观测器的第一级提供。
进一步地,在第二级中,基于上述的观测方程和观测变量,建立如下所示的与第一观测方程相似的第二观测方程:
其中,第二观测方程中的第二观测矩阵如下所示:
进一步地,基于上述的第一状态方程和第二状态方程,以及第一观测方程和第二观测方程,对观测器关于状态变量的估计值进行推算。
具体的,在第一状态方程添中加预测过程噪声w1,k,并得到如下所示的状态向量的第一1步预测值:
进一步地,根据协方差传递方程得到第一1步预测值的第一协方差矩阵:
进一步地,利用第一协方差矩阵,更新如下的卡尔曼增益矩阵:
进一步地,将第二观测方程化为如下所示的离散形式:
进一步地,在离散形式的第二观测方程中添加测量过程噪声s2,k,得到观测变量的观测值,也即第二类测量值的观测值:
进一步地,如下公式所示,将第一1步预测值和第一卡尔曼增益矩阵融合,并结合上述的观测值,得到第一级中的第一估计值:
进一步地,在第二级状态方程添中加预测过程噪声w1,k,并得到如下所示的状态向量的第二1步预测值:
进一步地,根据协方差传递方程得到第二1步预测值的第二协方差矩阵:
进一步地,利用第二协方差矩阵,更新如下的卡尔曼增益矩阵:
进一步地,如下公式所示,将第二1步预测值和第二卡尔曼增益矩阵融合,并结合上述的观测值,得到第二级中的第二估计值:
并将该第二估计值作为观测器的估计值。
进一步地,根据如下所示的协方差矩阵更新公式,更新第一协方差矩阵:
以及,更新第二协方差矩阵:
进一步的,在观测器可以利用更新后的第二卡尔曼增益矩阵和第二协方差矩阵计算下一时刻的估计值。
步骤S103、计算至少一个所述目标传感器的测量值的序列标准差;以及,计算至少一个所述目标传感器的估计值与对应测量值之间的第一残差序列。
在本申请的实施例中,基于上述方式获得的观测器估计值在一些情况下,会出现较大的观测误差,例如在处于较大侧向加速度的转向过程中。
因此,为了防止由于观测误差较大而导致的误报传感器故障,可以采取适应性的自修正措施,即利用目标传感器的第一类测量值对观测器的估计值进行修正。
具体的,在未出现传感器故障时,基于不同侧向加速度的情况下,目标传感器的第一类测量值对观测器的估计值执行如下所示的自修正算法:
根据侧向加速度小于等于0.4倍的重力加速度,大于0.8倍的重力加速度,以及大于0.4倍的重力加速度小于等于0.8倍的重力加速度的不同情况,生成相对应的修正参数,以对观测器的估计值形成不同的修正量,在本实施例中也可称为修正系数。
在本申请的实施例中,在观测器工况正常的情况下,纵向速度与前轮转角应均在一定的误差范围内,基于此,可以利用观测器中每个观测变量的观测值与测量该观测变量的传感器的第二类测量值之间的残差序列,来对观测器工作状态是否异常进行自诊断。
需要说明的是,该传感器的自诊断操作,可以基于观测器的内部设置,由观测器自发进进行的周期性的自诊断;也可以由相关的外部设备启动传感器的自诊断,例如由车辆的电子控制单元等启动传感器的自诊断。
进一步地,采取如下表所示的自诊断策略,并结合上述的第二残差序列与第三残差序列,对观测器进行自诊断。
具体的,在第二残差序列的绝对值小于等于第二残差阈值时,则认为第二残差序列的取值正常,记为0,大于第二残差阈值时,则认为第二残差序列的取值异常,记为1;在第三残差序列的绝对值小于等于第三残差阈值时,则认为第三残差序列的取值正常,记为0,大于第三残差阈值时,则认为第三残差序列的取值异常,记为1。
其中,第二残差序列与第二残差阈值相比较,以及,第三残差序列与第三残差阈值相比较时,可以对相应残差序列中的均值取绝对值,并且,在下述中的第二残差值和第三残差值,均可以视为在该周期内获取的相应残差序列的均值。
表1观测器自诊断策略表
如表1所示,第一列代表对第二残差相对于第二残差阈值的判定,第一行代表对第三残差相对于第三残差阈值的判定;
进一步地,当第二残差值与第三残差值均正常,则判定观测器的工况正常;当第二残差值和第三残差值中任一存在异常,或均异常,则判定观测器的工况异常。
在本申请的实施例中,基于上述对于观测器工况的判断,在观测器工作状态异常时,ECU执行关闭观测器的操作,以避免对于传感器的故障误判断。
进一步地,基于上述对观测器的自修正和自诊断,可以对目标传感器计算其测量值的序列标准差,并计算其估计值与对应测量值之间的第一残差序列,以对目标传感器进行下述的故障诊断。
具体地,根据下述的相应公式,对序列标准差和第一残差序列进行计算。
步骤S104、根据所述目标传感器对应的序列标准差和第一残差序列,对对应的目标传感器进行故障诊断,得到故障程度。
在本实施例中,当观测器对其工作状态的上述自诊断结果为正常状态时,ECU启动对传感器是否故障进行判断,在传感器故障时,进一步判断传感器故障的类别和程度。
在本实施例中,所诊断的传感器为目标传感器,也即测量关键变量的传感器,因此所涉及的测量值为第一类测量值。
具体的,在本申请中,将传感器的故障类型定义为4中:卡死故障、噪声故障、漂移故障和噪声漂移复合故障。
进一步地,在传感器发生卡死故障时,传感器将长时间输出一个恒定的第一类测量值,因此,根据代表传感器信号的测量值的序列标准差进行卡死故障的判断;具体的,利用如下标准差公式,计算并判断相应关键变量的传感器信号序列的标准差:
其中, Ns为信号S的连续测量周期,C0,S为卡死故障阈值;在测量值的序列标准差Std(S)小于等于预设的卡死故障阈值C0,S,并且该状态的持续时间小于预设的周期阈值,则判定该传感器发生轻度卡死故障。
进一步地,当传感器长时间输出恒定值的状态持续的时间较长,其持续时间超过预设的周期阈值时,则判定该传感器发生严重卡死故障。
需要说明的是,卡死故障阈值与周期阈值可以根据经验以及实际标准的需求设定不同的数值。
在本申请的实施例中,当传感器发生噪声故障时,传感器的信号将出现高频高幅噪声,因此,根据代表传感器信号的测量值的标准差进行噪声故障的判断。
具体的,根据经验以及实际标准的需求设定轻度噪声故障阈值C1,S;
进一步计算该关键变量的第一类测量值与所述估计值之间的第一残差序列RS,并根据经验以及实际标准的需求设定轻度漂移故障阈值C1,R。
进一步地,当上述计算出的第一类测量值的序列标准差Std(S)大于预设的噪声故障阈值C1,S,则判定该传感器发生轻度噪声故障,并进一步确定第一残差序列RS小于等于轻度漂移故障阈值C1,R,以保证未发生漂移故障。
具体的,如下公式所示:
进一步地,根据经验以及实际标准的需求设定严重噪声故障阈C’1,S值;在判定轻度噪声故障的基础上,当上述计算的第一残差序列RS大于预设的严重噪声故障阈值C’1,S,则判定该传感器发生严重噪声故障。
在本申请的实施例中,对于传感器发生漂移故障的判定,依据如下公式进行:
具体的,当上述计算的第一残差序列RS大于预设的轻度漂移故障阈值C1,R,则判定该传感器发生轻度噪声故障,并进一步确定上述计算出的第一类测量值的序列标准差Std(S)小于等于预设的噪声故障阈值C1,S,以保证未发生噪声故障。
进一步地,根据经验以及实际标准的需求设定严重漂移故障阈C’1,R值;在判定轻度漂移故障的基础上,当上述计算的第一残差序列RS大于预设的严重漂移故障阈值C’1,R,则判定该传感器发生严重漂移故障。
在本申请的实施例中,对于噪声漂移复合故障的判定,可依据如下公式进行:
具体的,当上述计算的第一残差序列RS大于预设的轻度漂移故障阈值C1,R,并且,同时上述计算出的第一类测量值的序列标准差Std(S)大于预设的噪声故障阈值C1,S,则判定该传感器发生轻度噪声漂移复合故障。
进一步地,当上述计算的第一残差序列RS大于预设的轻度漂移故障阈值C’1,R,并且,同时上述计算出的第一类测量值的序列标准差Std(S)大于预设的噪声故障阈值C’1,S,则判定该传感器发生严重噪声漂移复合故障。
可见,本申请的实施例的车辆传感器故障诊断方法,基于车辆的安全性控制技术的原理,综合考虑了关键变量的传感器的测量值和观测器的估计值,并利用了自修正算法和自诊断算法来进行故障信号的重构与补偿,从而实现了对传感器的故障类型和故障程度进行判断和容错,提高了车辆在传感器故障时的稳定性。
需要说明的是,本申请的实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本申请的实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本申请的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思,与上述任意实施例方法相对应的,本申请的实施例还提供了一种车辆控制方法。
参考图2,所述车辆控制方法,包括:
步骤S201、基于如上任意一实施例所述的车辆传感器故障诊断方法,对车辆上多个目标传感器的故障程度进行诊断,并统计不同故障程度的传感器的个数。。
在本申请的实施例中,基于上述车辆传感器故障诊断方法,对车辆传感器的故障程度分为:无故障、轻度故障和严重故障。
进一步地,基于上述车辆传感器故障诊断方法,车辆ECU对横摆角速度传感器、侧倾角速度传感器、侧向加速度传感器和纵向加速度传感器进行故障诊断,以确定每个传感器的故障程度。
步骤S202、根据不同故障程度的传感器的个数,确定主动横摆控制系统AYC和侧倾稳定控制系统RSC是否进行控制,以及所述AYC和RSC进行控制的部分。
在本申请的实施例中,基于车辆ECU对于横摆角速度传感器、侧倾角速度传感器、侧向加速度传感器和纵向加速度传感器故障的诊断,启动车辆内设的AYC和RSC对车辆进行安全性控制。
进一步地,由于AYC和RSC的错误介入可直接影响驾驶员对车辆的控制权,并直接影响车辆的动力学状态,因此通过对AYC和RSC的控制进行细分化限制,以减小错误介入对车辆造成的不良影响。
具体的,车辆ECU可以将车辆内设的AYC(主动横摆控制系统)划分为:AYC_E(主动横摆控制系统主动扭矩调节)和AYC_B(主动横摆控制系统主动制动控制);以及,将RSC(侧倾稳定控制系统)划分为:RSC_E(侧倾稳定控制系统主动扭矩调节)和RSC_B(侧倾稳定控制系统主动制动控制)。
进一步地,根据如下的降级控制策略表,依据传感器故障个数以及故障程度,对AYC_E、AYC_B、RSC_E和RSC_B进行限制。
表2降级控制策略表:
其中,在传感器一列中,以4个传感器状态矢量分别表示横摆角速度传感器、侧倾角速度传感器、侧向加速度传感器和纵向加速度传感器的故障状态;具体的,以0、1和2表示:取0表示传感器无故障,取1表示传感器存在轻度故障,取2则表示取0表示传感器无故障存在严重故障;其中*表示通配符,也即表示该传感器状态可以为任意故障状态。
进一步地,在AYC_E、AYC_B、RSC_E和RSC_B四列中,以1表示控制系统中的该部分对车辆执行正常控制,取0则表示关断该部分对车辆的控制。
具体的,在四个传感器中,均无故障时,ECU维持AYC_E、AYC_B、RSC_E和RSC_B均可对车辆进行正常控制;
进一步地,在四个传感器中,仅存在1个轻度故障的传感器,其余传感器均无故障时,ECU同样维持AYC_E、AYC_B、RSC_E和RSC_B均可对车辆进行正常控制;
进一步地,在四个传感器中,仅1个传感器无故障,其余传感器均存在轻度故障时,ECU维持AYC_E和RSC_E可对车辆进行正常控制,且关断AYC_B和RSC_B对车辆的控制;
进一步地,在四个传感器中,均存在轻度故障时,ECU将关断AYC_E、AYC_B、RSC_E和RSC_B对车辆的控制;
进一步地,在四个传感器中,仅存在1个严重故障的传感器,其余传感器为轻度故障或无故障时,ECU维持AYC_E和RSC_E可对车辆进行正常控制,且关断AYC_B和RSC_B对车辆的控制;
进一步地,在四个传感器中,仅存在2个严重故障的传感器,其余传感器为轻度故障或无故障时,ECU同样维持AYC_E和RSC_E可对车辆进行正常控制,且关断AYC_B和RSC_B对车辆的控制;
进一步地,在四个传感器中,存在3个严重故障的传感器,其余传感器为轻度故障或无故障时,ECU将关断AYC_E、AYC_B、RSC_E和RSC_B对车辆的控制;
进一步地,在四个传感器中,均存在严重故障时,ECU同样将关断AYC_E、AYC_B、RSC_E和RSC_B对车辆的控制。
在本实施例中,执行上述的降级控制策略时,当目标传感器的故障程度为轻度,并且未关断相应控制时,可以通过对相应传感器的轻度故障进行容错,以令AYC_E、AYC_B、RSC_E和RSC_B对车辆实施控制。
在本申请的实施例中,当相应的传感器发生轻度卡死故障时,ECU可以令车辆的控制系统直接采用由观测器得到的关键变量的估计值代替该传感器的测量值,以实现对轻度卡死故障的容错。
在本申请的实施例中,当传感器发生轻度噪声故障时,可以采取低通滤波的方法,对该传感器的第一类测量值的信号进行滤波,以完成对传感器故障的容错;并采取上述的自修正算法,利用观测器的估计值对滤波后的传感器的第一类测量值进行修正,用以降低低通滤波操作导致的信号滞后。
在本申请的实施例中,当传感器发生轻度漂移故障时,对传感器故障信号的容错方式为:采用估计值代替第一类测量值进行输出的方式。
具体的,ECU将令车辆的相关控制系统接收估计值,以对车辆进行安全性的控制;进一步地,当出现使得第一类测量值的绝对值偏小的轻度漂移故障时,可以添加一个惯性过渡环节,使传感器的输出信号由第一类测量值缓慢过渡到估计值,以避免由观测误差导致的相关控制系统的错误介入。
具体的,过渡环节使用如下所示的公式:
其中,s为拉普拉斯算子,T为时间常数,So为得到的过渡值,SI为第一类测量值。
进一步地,当出现使得第一类测量值的绝对值偏大的轻度漂移故障时,则可直接采用估计值。
在本实施例中,对第一类测量值的绝对值所划分的偏大和偏小,可以根据具体实际需求制定。
在本申请的实施例中,当传感器发生轻度噪声漂移复合故障时,对此时故障信号的容错方式为:可以首先根据单一的轻度早生故障的容错方式,得到进行滤波后的传感器信号;
进一步地,采用单一的轻度漂移故障的容错方式,将传感器的第一类测量值过渡到估计值。
上述实施例的车辆控制方法基于前述任一实施例中相应的车辆传感器故障诊断方法,基于对传感器故障的诊断,并整体考虑了不同的故障数量和故障程度,实现了车辆安全控制系统在传感器故障时,对车辆进行降级控制,提高了车辆的安全稳定性,避免了因传感器故障而导致的安全控制系统错误介入,有效减小了传感器故障时的安全威胁。
基于同一发明构思,与上述任意实施例方法相对应的,本申请的实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上任意一实施例所述的车辆传感器故障诊断方法和车辆控制方法。
图5示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线 1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本申请实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本申请实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的装置用于实现前述任一实施例中相应的车辆传感器故障诊断方法和车辆控制方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任一实施例所述的车辆传感器故障诊断方法和车辆控制方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的车辆传感器故障诊断方法和车辆控制方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本申请的范围(包括权利要求)被限于这些例子;在本申请的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本申请的实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本申请的实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本申请的实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请的实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本申请的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请的实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本申请的具体实施例对本申请进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本申请的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本申请的实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (11)
1.一种车辆传感器故障诊断方法,其特征在于,包括:
获取车辆上至少一个目标传感器的测量值;
采用观测器对至少一个所述目标传感器的测量值进行观测,得到对应的估计值;
计算至少一个所述目标传感器的测量值的序列标准差;以及,计算至少一个所述目标传感器的估计值与对应测量值之间的第一残差序列;
根据所述目标传感器对应的序列标准差和第一残差序列,对对应的目标传感器进行故障诊断,得到故障程度。
2.根据权利要求1所述的方法,其特征在于,所述至少一个目标传感器包括:横摆角速度传感器、侧倾角速度传感器、侧向加速度传感器和纵向加速度传感器;
所述采用观测器对至少一个所述目标传感器的测量值进行观测,得到对应的估计值,包括:
以纵向车速与前轮转角作为观测值,采用串联扩展卡尔曼滤波器的第一级观测器估计横摆角速度和侧倾角速度;
以所述纵向车速与前轮转角作为观测值,采用串联扩展卡尔曼滤波器的第二级观测器估计侧向加速度和纵向加速度。
3.根据权利要求2所述的方法,其特征在于,在所述计算至少一个所述目标传感器的测量值的序列标准差之前,还包括:
计算纵向车速的测量值与观测值之间的第二残差序列;以及,计算前轮转角的测量值与观测值之间的第三残差序列;
如果所述第二残差序列的绝对值和所述第三残差序列的绝对值均不大于对应的阈值,所述观测器工作状态正常;
其中,所述第二残差序列对应的阈值根据纵向车速的测量值与观测值的误差最大值和轮速传感器的测量误差计算得到,所述第三残差序列对应的阈值根据前轮转角的测量值与观测值的误差最大值和方向盘转角传感器的测量误差计算得到。
4.根据权利要求1所述的方法,其特征在于,所述故障程度包括无故障、轻度和严重;
所述根据所述目标传感器对应的序列标准差和第一残差序列,对对应的目标传感器进行故障诊断,得到故障程度,包括以下至少一项:
若一目标传感器对应的序列标准差小于或等于预设的卡死故障阈值,且持续时间小于预设的周期阈值,则确定所述目标传感器发生轻度卡死故障;若所述轻度卡死故障持续时间超过预设的周期阈值,则确定所述目标传感器发生严重卡死故障;
若一目标传感器对应的序列标准差大于预设的轻度噪声故障阈值,且对应的第一残差序列的绝对值均小于或等于预设的轻度漂移故障阈值,则确定所述目标传感器发生轻度噪声故障;若一目标传感器对应的序列标准差大于预设的严重噪声故障阈值,且对应的第一残差序列的绝对值均小于或等于预设的漂移故障阈值,则确定所述目标传感器发生严重噪声故障;其中,轻度噪声故障阈值小于严重噪声故障阈值;
若一目标传感器对应的第一残差序列的绝对值均大于预设的所述轻度漂移故障阈值,且对应的所述序列标准差小于或等于预设的所述轻度噪声故障阈值,则确定所述目标传感器发生轻度漂移故障;若一目标传感器对应的第一残差序列的绝对值均大于预设的所述严重漂移故障阈值,且对应的所述序列标准差小于或等于预设的轻度噪声故障阈值,则确定所述目标传感器发生严重漂移故障;其中,轻度漂移故障阈值小于严重漂移故障阈值;
若一目标传感器对应的序列标准差大于预设的轻度噪声故障阈值,且对应的第一残差序列的绝对值均大于预设的轻度漂移故障阈值,则确定所述目标传感器发生轻度噪声漂移复合故障;若一目标传感器对应的序列标准差大于预设的严重噪声故障阈值,且对应的第一残差序列的绝对值均大于预设的严重漂移故障阈值,则确定所述目标传感器发生严重噪声漂移复合故障。
5.根据权利要求1所述的方法,其特征在于,在所述计算至少一个所述目标传感器的测量值的序列标准差;以及,计算至少一个所述目标传感器的估计值与对应测量值之间的第一残差序列之前,还包括:
响应于确定所述目标传感器的工作状态正常,根据所述车辆的侧向加速度计算修正系数;
根据所述修正系数和所述目标传感器的测量值对所述估计值进行修正。
6.一种车辆控制方法,其特征在于,包括:
根据车辆上多个目标传感器的故障程度,统计不同故障程度的传感器的个数;其中,故障程度根据权利要求1-5任一项所述的方法获取;
根据不同故障程度的传感器的个数,确定主动横摆控制系统AYC和侧倾稳定控制系统RSC是否进行控制,以及所述AYC和RSC进行控制的部分;
其中,所述AYC包括主动扭矩调节部分和主动制动控制部分,所述RSC包括主动扭矩调节部分和主动制动控制部分。
7.根据权利要求6所述的方法,其特征在于,所述故障程度包括无故障、轻度和严重;
所述根据不同故障程度的传感器的个数,确定主动横摆控制系统AYC和侧倾稳定控制系统RSC是否进行控制,以及所述AYC和RSC进行控制的部分,包括:
如果轻度和严重故障的传感器的个数为0,所述AYC和RSC的全部进行控制;
如果轻度故障的传感器的个数小于等于所述传感器总数量的一半,且严重故障的传感器的个数为0,所述AYC和RSC的全部进行控制;
如果轻度故障的传感器的个数大于所述传感器总数量的一半小于传感器总数,且严重故障的传感器的个数为0,所述AYC的主动扭矩调节部分和RSC的主动扭矩调节部分进行控制;
如果轻度故障的传感器的个数等于传感器总数,所述AYC和RSC的全部不进行控制;
如果重度故障的传感器的个数小于等于所述传感器总数量的一半,所述AYC的主动扭矩调节部分和RSC的主动扭矩调节部分进行控制;
如果重度故障的传感器的个数大于所述传感器总数量的一半,所述AYC和RSC的全部不进行控制。
8.根据权利要求6所述的方法,其特征在于,在所述根据不同故障程度的传感器的个数,确定主动横摆控制系统AYC和侧倾稳定控制系统RSC是否进行控制,以及所述AYC和RSC进行控制的部分之前,还包括:
如果一目标传感器的故障类型为轻度卡死,获取对所述目标传感器的测量值进行观测得到的估计值,并将所述估计值提供至所述AYC和所述RSC;
如果一目标传感器的故障类型为轻度噪声,对所述目标传感器的测量值进行滤波,并将滤波后的测量值与对应的估计值进行融合,将融合后的值提供至所述AYC和所述RSC;
如果一目标传感器的故障类型为轻度漂移,获取对所述目标传感器的测量值进行观测得到的估计值,并将所述估计值提供至所述AYC和所述RSC;
如果一目标传感器的故障类型为轻度噪声漂移复合,获取对所述目标传感器的测量值进行观测得到的估计值,并将所述估计值提供至所述AYC和所述RSC。
9.根据权利要求8所述的方法,其特征在于,所述如果一目标传感器的故障类型为漂移,获取对所述目标传感器的测量值进行观测得到的估计值,并将所述估计值提供至所述AYC和所述RSC,包括:
如果一目标传感器的故障类型为使测量值偏小的漂移,获取对所述目标传感器的测量值进行观测得到的估计值,并将从所述测量值过渡到所述估计值的序列提供至所述AYC和所述RSC;
如果一目标传感器的故障类型为使测量值偏大的漂移,获取对所述目标传感器的测量值进行观测得到的估计值,并直接将所述估计值提供至所述AYC和所述RSC;
所述如果一目标传感器的故障类型为噪声漂移复合,获取对所述目标传感器的测量值进行观测得到的估计值,并将所述估计值提供至所述AYC和所述RSC,包括:
如果一目标传感器的故障类型为噪声漂移复合,对所述目标传感器的测量值进行滤波,并将滤波后的测量值与对应的估计值进行融合,获取对所述目标传感器的测量值进行观测得到的估计值;
如果噪声漂移复合故障使测量值偏小,将从融合后的值过渡到所述估计值的序列提供至所述AYC和所述RSC;
如果噪声漂移复合故障使测量值偏大,直接将所述估计值提供至所述AYC和所述RSC。
10.一种电子设备,包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至9中任意一项所述的方法。
11.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行根据权利要求1至9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210221027.8A CN114312814B (zh) | 2022-03-09 | 2022-03-09 | 车辆传感器故障诊断方法和车辆控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210221027.8A CN114312814B (zh) | 2022-03-09 | 2022-03-09 | 车辆传感器故障诊断方法和车辆控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114312814A true CN114312814A (zh) | 2022-04-12 |
CN114312814B CN114312814B (zh) | 2022-06-21 |
Family
ID=81033316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210221027.8A Active CN114312814B (zh) | 2022-03-09 | 2022-03-09 | 车辆传感器故障诊断方法和车辆控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114312814B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150039966A (ko) * | 2013-10-04 | 2015-04-14 | 현대모비스 주식회사 | 횡가속도와 조향각을 변수로 휠속 센서의 고장을 진단하는 방법 |
CN105034988A (zh) * | 2015-08-21 | 2015-11-11 | 清华大学 | 汽车电子稳定控制系统传感器故障诊断和容错控制方法 |
CN105539054A (zh) * | 2015-12-28 | 2016-05-04 | 辽宁工业大学 | 一种阻尼可调半主动悬架系统传感器故障诊断方法 |
US20180025558A1 (en) * | 2016-07-19 | 2018-01-25 | GM Global Technology Operations LLC | Detection and reconstruction of sensor faults |
CN110501169A (zh) * | 2019-08-27 | 2019-11-26 | 北理慧动(常熟)车辆科技有限公司 | 车辆故障的诊断方法、装置及电子设备 |
CN111422247A (zh) * | 2020-03-20 | 2020-07-17 | 合肥工业大学 | 线控转向电机和传感器的故障诊断及容错补偿算法 |
CN111497866A (zh) * | 2020-04-01 | 2020-08-07 | 南京航空航天大学 | 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 |
CN113071509A (zh) * | 2021-03-22 | 2021-07-06 | 南京航空航天大学 | 一种智能车车轮转角传感器故障检测方法 |
-
2022
- 2022-03-09 CN CN202210221027.8A patent/CN114312814B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150039966A (ko) * | 2013-10-04 | 2015-04-14 | 현대모비스 주식회사 | 횡가속도와 조향각을 변수로 휠속 센서의 고장을 진단하는 방법 |
CN105034988A (zh) * | 2015-08-21 | 2015-11-11 | 清华大学 | 汽车电子稳定控制系统传感器故障诊断和容错控制方法 |
CN105539054A (zh) * | 2015-12-28 | 2016-05-04 | 辽宁工业大学 | 一种阻尼可调半主动悬架系统传感器故障诊断方法 |
US20180025558A1 (en) * | 2016-07-19 | 2018-01-25 | GM Global Technology Operations LLC | Detection and reconstruction of sensor faults |
CN110501169A (zh) * | 2019-08-27 | 2019-11-26 | 北理慧动(常熟)车辆科技有限公司 | 车辆故障的诊断方法、装置及电子设备 |
CN111422247A (zh) * | 2020-03-20 | 2020-07-17 | 合肥工业大学 | 线控转向电机和传感器的故障诊断及容错补偿算法 |
CN111497866A (zh) * | 2020-04-01 | 2020-08-07 | 南京航空航天大学 | 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 |
CN113071509A (zh) * | 2021-03-22 | 2021-07-06 | 南京航空航天大学 | 一种智能车车轮转角传感器故障检测方法 |
Non-Patent Citations (1)
Title |
---|
余卓平等: "汽车稳定性控制系统关键传感器故障诊断", 《同济大学学报(自然科学版)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114312814B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Van Eykeren et al. | Sensor fault detection and isolation for aircraft control systems by kinematic relations | |
CN107300395B (zh) | 俯仰率传感器故障的检测和重建 | |
EP2187223B1 (en) | System and method for compensating vehicle sensor signals | |
US8521468B2 (en) | Diagnostic method for use with a vehicle dynamic control system (VDCS) | |
EP2221698B1 (en) | Method for computing the relative likelihood of failures | |
Fischer et al. | Fault detection for lateral and vertical vehicle dynamics | |
WO2010117762A2 (en) | Land vehicles and systems with controllable suspension systems | |
JP2000035441A (ja) | 自動車におけるセンサ欠陥の検出及び位置確認方法 | |
JP2016502954A (ja) | 物理的な計測値を表示する測定信号を出力するための装置 | |
US6687585B1 (en) | Fault detection and isolation system and method | |
US20170122770A1 (en) | Method and system for providing dynamic error values of dynamic measured values in real time | |
CN114312814B (zh) | 车辆传感器故障诊断方法和车辆控制方法 | |
KR102253268B1 (ko) | 래크 힘을 결정하기 위한 방법과 시스템, 작업 장치를 위한 작동 보조 방법, 작동 보조 장치 및 작업 장치 | |
CN115244407B (zh) | 使用mems陀螺仪补偿加速度计的应力引起的误差 | |
GB2368400A (en) | Acceleration sensor fault detector | |
JP2010531773A (ja) | 自動車の垂直慣性モーメント及びコーナリング剛性を同定する方法 | |
JP6067238B2 (ja) | 油圧式ブースト補償システムのための車両の真空センサにおけるエラー状態の高速検出 | |
CN110525513B (zh) | 一种线控转向系统的故障监测方法和故障监测系统 | |
US20130125651A1 (en) | Fail safe test for a bandwidth check on inertial sensing components | |
JP2001264132A (ja) | センサ異常検出方法及びセンサ異常検出装置及び車両制御装置 | |
CN109927732A (zh) | 用于故障容限底盘架构系统的故障诊断 | |
JP5554684B2 (ja) | 物理量検出装置、ネットワークシステム | |
JP2955458B2 (ja) | 動的システムの診断装置およびこれを用いたタイヤ空気圧診断装置、車体重量変動検出装置、内部外乱分離装置 | |
Schuller | CHASSIS ARCHITECTURES–Electronic chassis platform–highly integrated ECU for chassis control functions | |
JP2009008412A (ja) | 物理量センサの故障検出方法 |
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 |