CN114578795A - 一种针对电动汽车eps的具有暂态性能保证的自适应故障补偿控制方法 - Google Patents
一种针对电动汽车eps的具有暂态性能保证的自适应故障补偿控制方法 Download PDFInfo
- Publication number
- CN114578795A CN114578795A CN202210319867.8A CN202210319867A CN114578795A CN 114578795 A CN114578795 A CN 114578795A CN 202210319867 A CN202210319867 A CN 202210319867A CN 114578795 A CN114578795 A CN 114578795A
- Authority
- CN
- China
- Prior art keywords
- fault
- control
- adaptive
- actuator
- signal
- 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
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000001052 transient effect Effects 0.000 title claims abstract description 24
- 238000013461 design Methods 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 14
- 238000013016 damping Methods 0.000 claims description 10
- 150000001875 compounds Chemical class 0.000 claims description 6
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 101100356682 Caenorhabditis elegans rho-1 gene Proteins 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 238000006073 displacement reaction Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 230000006835 compression Effects 0.000 claims 1
- 238000007906 compression Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 claims 1
- 230000006641 stabilisation Effects 0.000 claims 1
- 238000011105 stabilization Methods 0.000 claims 1
- 238000012546 transfer Methods 0.000 claims 1
- 238000003745 diagnosis Methods 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 5
- 238000002955 isolation Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 101150050759 outI gene Proteins 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
一种针对电动汽车EPS的具有暂态性能保证的自适应故障补偿控制方法,包括:反馈线性化、自适应控制、规定性能界线控制。该方法采用针对电动汽车EPS非线性运动学系统进行反馈线性化,通过适当的非线性反馈控制将电动汽车EPS非线性系统转化为线性系统,利用状态反馈自适应对不确定性的故障进行补偿,在此基础上,加入规定性能界线控制(PPB)对不确定性故障的瞬时超调进行抑制,保证了不确定性故障补偿的暂态性能。
Description
技术领域
本发明属于电动汽车容错控制技术领域,具体涉及一种针对电动汽车EPS的具有暂态性能保证的自适应故障补偿控制方法。
背景技术
为了提高电动汽车的控制精度,减少不必要的经济损失和人员伤亡,增强电动汽车EPS的容错能力至关重要。容错控制表示系统出现故障后仍能运行的能力,是一个复杂的多学科交叉问题,涉及到多个研究领域,包括信号传输、故障诊断与预测、鲁棒控制等。对于集成化的飞行系统,发生故障是无法避免的而且会影响系统的政体性能和稳定性。容错控制系统的作用是在系统存在故障的时候,仍能够通过降低系统的性能来保证闭环结构的稳定性,从而避免坠机等事故和不必要的损失,因此意义重大。
现在电动汽车EPS故障补偿控制问题已经成为电动汽车容错控制领域的研究热点和关键技术之一。目前的容错控制技术主要分为主动容错控制和被动容错控制两类控制方法。主动容错控制(Active Fault Tolerant Control,AFTC)是一种通过故障诊断和隔离(Fault Diagnosis and Isolation,FDI)模块对系统进行在线重组的容错控制方法。故障诊断隔离模块能够得到系统故障的参数信息,然后将其反馈至控制器并进行增益和系数的调节,因此能够处理多种故障信息。与主动容错控制对应的是被动容错控制(PassiveFault Tolerant Control,PFTC),它是在系统发生故障时,通过鲁棒控制技术在不改变控制器结构的同时保证系统稳定性的算法。对于被动容错控制系统,故障参数信息在控制律设计之前作为先验知识考虑在内,因此不包含故障诊断和隔离模块,系统响应速度更快时间更短,同时也有很好的鲁棒性能,传统的方法有极点配置法、定量反馈理论、H∞算法和反步控制算法等。
通过对国内外学者的研究进行总结,两种容错方式都有很广泛的应用,各自都有优缺点。主动容错控制虽然能够处理多种系统故障,但是它对FDI的结果比较敏感,因此,此类方法比较依赖故障诊断与隔离模块的结果。此外,系统从出现故障到故障诊断隔离,再到控制器的调整,这个过程时间的消耗也会造成系统出现更多的差错。而且系统易受噪声的干扰。
发明内容
本发明所要解决的技术问题为:在满足用基于反馈线性化的自适应故障补偿控制的前提下,优化故障的瞬态性能,同时还要保证系统的稳定和渐近跟踪。为了解决上述技术问题,本发明提供了改进的参考自适应控制方法。具体发明内容由如下两部分组成:反馈线性化的故障补偿、加入规定性能界线控制(PPB)。
1.基于反馈线性化的故障补偿控制方法。具体步骤如下:
步骤1:建立电动汽车EPS系统所建立的动态模型为:
方向盘转向柱:
输出轴:
电机:
齿条:
式中,Th为方向盘操纵扭矩;Tm、Ta分别为直流电机电磁转矩和电机输出助力矩;Tl为输出轴反向作用力矩;α为方向盘转角;δ为转向小齿轮(中间轴)xr为转向齿条位移,rp转向小齿轮半径;θ为电机转角;TR为路面随机干扰;Ih为方向盘及转向柱的转动惯量;Ch为转向柱的粘性阴尼系数;N为减速机构的减速比;Tc为扭杆力矩,即扭矩传感器测出值Tc=Ks(α-δ);Im为电机转动惯量;Cm为电机粘性阻尼系数;Ks为扭杆的扭转刚度;Ie为输出轴的转动惯量;Ce为输出轴的粘性阻尼系数;Mr为转向齿条质量;Cr为转向齿条移动粘性阻尼系数;Kr为阻力等效到转向横拉杆弹性系数。
直流驱动电机电磁力矩阵线性模型为:
式中:R为电阻。
电机最终产生的助力为:
Ta=km(θ-Nδ) (6)
式中:km为电机刚性系数。
令x1=α,x2=δ,x3=θ,EPS系统的主要外部输入是驾驶员的操纵力矩Th、路面随机干扰TR和控制电机电压U。系统主要输出的电机辅助力矩TR,扭杆力矩Tc,由式(1)~(6)可建立EPS系统的状态方程:
将电动汽车EPS模型与非线性系统相匹配:
其中n=6是状态向量,u=[u1,u2,...,um]T∈Rm,m=3是系统的输入矢量,其组成部分易受执行器故障的影响,y=[Ta,Tc]∈Rq,q=2是输出矢量。函数f(x)∈Rn,g(x)=[g1(x),g2(x),...,gm(x)]∈Rn×m,H(x)∈Rq采用的是一般形式。
步骤2:搭建执行器故障模型。
为进一步分析,将故障模型(10)表述成压缩形式:
在执行器可能出现故障的情况下(10),系统的实际输入矢量u(t)可以描述为:
式中,v(t)=[v1(t),v2(t),....vm(t)]T是设计的控制输入,是执行器的故障输入。执行器故障模式的对角矩阵为σ(t)=diagσ(t)=diag{σ1(t),σ2(t),....σm(t)},σi(t)=1表示第i个执行器故障,否则σi(t)=0。
执行器u1未失效或失效的情况所对应的故障模式是:
用式(13)可以将系统改写为:
这表明当执行器故障时,控制信号v(t)的执行器不能达到系统动力学的要求来传递控制力。
步骤3:反馈线性化。
李导数的定义。
两个函数的李导数,H(x)∈R,f(x)=[f1(x),f1(x),...,fn(x)]T∈Rn对于x∈Rn,可定义为:
可表述为H(x)沿矢量场f(x)的方向导数。
系统(9)在点x0处的向量相对度ρ,1≤ρ≤n,满足以下两个条件:
(2)q×m的矩阵
其中A(x)在x=x0行满秩。
条件(2)意味着输出yi(t),(1≤i≤q),输出的第ρi次导数可以通过适当选择控制输入u(t)=[u1(t),u2(t),...,um(t)]T来适当分配。
非线性反馈控制律。如果可以选择:
闭环反馈系统将变成:
其中uL是待设计的线性反馈控制律。
部分反馈线性化。因为ρ1+ρ2+…+ρq<n,系统(9)只能用索引{ρ1,ρ2,...,ρq}通过在x0的邻域内定义变量的改变。H(x)=[H1(x),...,Hq(x)]∈Rq,使Tc(x)是定义为的光滑函数:
存在一个光滑的映射
由(20)完成微分同胚映射。
跟踪误差方程ei=yi-ymi:
步骤4:设计执行器故障补偿。
由非线性反馈设计来生成有效的控制信号ωd(t)∈R为:
对于系统(20)有A(x)u(t)=ωd(t),则可以使在没有执行机构故障的情况下,可以通过求解A(x)u(t)=ωd(t)来获得一个期望的控制输入u(t),当m>q满足A(x)u(t)=ωd(t),对于期望ωd(t)非唯一。
需要满足控制信号的方程:
ωd(t)=A(x)u(t) (28)
针对无故障情况进行设计。对于任意t≥0,u(t)=v(t),控制信号(28)是ωd(t)=A(x)v(t),设计的信号v(t)为:
针对u1故障案例进行设计。当时,对于i=2,...,m有ui=vi,A(x)=[A1,A2,...,Am]=[A1,A(2)]∈Rq×m,其中A(2)=[A2,....,Am]∈Rq×(m-1),,其中va(2)=[v2,...,vm]T∈Rm-1控制信号方程ωd(t)=A(x)u(t)可写成:
(12)及(13)中的σ(2)表示当u1失效时,相应的控制信号v1(t)无法到达系统动力学传递控制力。为进一步分析,将信号v1设为v1=0。也可以选择非奇异矩阵函数h22(x)∈R(m -1)×(m-1)来设置
对于非唯一的矩阵函数K22(x)∈R(m-1)×q和向量K221(x)∈R(m-1)注意,这个信号与执行器故障信号有关,在(34)中的也是。然而,(37)中的函数K22和K221通过求解(35)已知,(34)中的函数h22通过预先指定的选择已知。
复合控制律。为了继续,定义了以下故障模式指示器函数:
然后积分一个复合控制律:
同时处理无故障和一个执行器故障的情况。
对反馈控制信号ωd进行控制,满足控制期望。
步骤5:设计自适应执行器故障补偿。
自适应控制器结构。提出以下控制律(39)的自适应版本:
因此,可以表达:
指示φ2=h22K221=[φ2,1,φ2,2,…,φ2,m-1]T,可得:
然后,将控制器结构(41)改写为:
不等于期望的反馈控制信号:
为了设计一个有效的自适应控制器来处理故障不确定性,将对象(19)重写为:
用于跟踪的控制率uL为:
控制误差方程。由(44)-(47),得到:
其中:
输出误差方程:
如果σ=σ(1)=diag{0,0,....,0},根据(53),(54),(55)可改写成:
其中v1=h21K21ωd=[v1,1,v1,2]T,v2=h22K22ωd=[v2,1,v2,2]T。
如果σ=σ(2)=diag{1,0,.....,0},根据(53),(54),(55)可改写成:
式(56)和(57)右边的三项是理想跟踪控制v*(t)和实际跟踪控制v(t)不匹配造成的。
2.设计自适应执行器瞬态优化控制,具体步骤如下:
步骤6:基于递减的光滑函数,通过限定其与跟踪误差的关系,规定性能界限。
满足条件:
步骤7:通过一个平滑递增函数转化误差,并将转化的误差通过性能界限待入至原始非线性系统中,得到输出误差方程,进一步得到状态误差方程;
(i)
(ii)
(iii)
S(0)=0 (61)
其中ζ的定义为:
状态误差方程。重要的是推导误差方程,这将有助于更新规律的设计。
与方程:
可以获得:
其中:
步骤8:获取自适应率。
基于状态误差系统(70),现在设计自适应律来更新控制器参数χ1,i,i=1,2,...,m,χ2,i和θ1(i),i=1,....,m-1。
定义ZP∈R,对应的zTP∈R1×ρ,选择χj,i(t)和θ1(i)(t)自适应定律为:
选定一个n×n的矩阵Q=QT>0。
选择参数投影函数为
χ1,1是有界的,并且
步骤9:系统性能分析
(1)对于第一个时间间隔t∈[T0,T1),T1≤∞,不存在执行机构故障,即σ=σ(1)=diag{0,0,...,0},构造这样一个李雅普诺夫函数:
在区间[T0,T1)对V0求导得到:
通过自适应补偿设计(56)和(74)-(78),有
(2)在时间t=T1(T1是一个有限时间),u1失效并在间隔时间(T1,T2)(T2≤∞)内保持失效,即σ=σ(2)=diag{1,0,...,0}。对于稳定性的证明,选择了以下Lyapunov函数:
在区间[T1,T2)对V1求导得到:
通过自适应补偿设计(57)和(74)-(78),有
通过Lyapunov函数可证明系统的稳定性和渐近跟踪性,以及瞬态性能的优化。
本发明达到的有益效果为:针对电动汽车EPS的非线性系统,在满足用基于反馈线性化的自适应故障补偿控制的前提下,优化了故障的瞬态性能,同时保证系统的稳定和渐近跟踪,使得电动汽车EPS在发生故障的时刻也能满足EPS的工作的最低稳定要求。
附图说明
图1为本发明实施例中的控制方法的原理框图。
图2为本发明实施例中的自适应容错控制的误差信号曲线。
图3为本发明实施例中的具备瞬态性能保证的自适应容错控制的误差信号曲线。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
下面结合一种典型的电动汽车EPS非线性动力学模型对本发明的技术方案做进一步的详细说明:
1、对非线性系统进行反馈线性化。
搭建电动汽车EPS非线性模型:
条件(2)意味着输出yi(t),(1≤i≤q),输出的第ρi次导数可以通过适当选择控制输入u(t)=[u1(t),u2(t),...,um(t)]T来适当分配。
选择合适的非线性反馈控制率:
因为ρ1+ρ2+…+ρq<n则进行部分反馈线性化:
y1=ξ1,1,y2=ξ2,1,....yq=ξq,1
2、在反馈线性化的基础上进行故障补偿设计。
由非线性反馈设计生成的所需的有效控制信号ωd(t)∈R为:
无故障情况下的控制信号:
u1故障情况下的控制信号:
设计的复合控制率为:
控制信号转变为:
3、执行器自适应故障补偿设计。
无故障自适应控制器结构:
u1故障自适应控制器结构:
控制误差方程:
S(0)=0
误差可以表示为:
因此,输出误差可以改写成:
状态误差方程改写成:
获取自适应率:
4、系统的性能分析
(1)对于第一个时间间隔t∈[T0,T1),T1≤∞,不存在执行机构故障,即σ=σ(1)=diag{0,0,...,0},构造这样一个李雅普诺夫函数:
通过自适应补偿得出:
(2)在时间t=T1(T1是一个有限时间),u1失效并在间隔时间(T1,T2)(T2≤∞)内保持失效,即σ=σ(2)=diag{1,0,....,0}。对于稳定性的证明,选择了以下Lyapunov函数:
通过自适应补偿得出:
通过Lyapunov函数可证明系统的稳定性和渐近跟踪性,以及瞬态性能的优化。
仿真结果如图2和图3所示。
以上所述仅为本发明的较佳实施方式,本发明的保护范围并不以上述实施方式为限,但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化,皆应纳入权利要求书中记载的保护范围内。
Claims (10)
1.一种针对电动汽车EPS的具有暂态性能保证的自适应故障补偿控制方法,其特征在于:所述方法包括如下步骤:
步骤1,建立电动汽车EPS系统,搭建其动态模型,包括方向盘转向柱、输出轴、电机和齿条的各项模型方程,建立EPS系统的状态方程,并使其与非线性系统相匹配;
步骤2,搭建执行器故障模型,并进行压缩表述,得到出现故障的情况下的实际输入矢量,更新非线性系统;
步骤3,通过定义非线性系统中函数的李导数以及设定限定条件,基于非线性反馈控制律实现反馈线性化;
步骤4,提出非线性反馈设计来生成所需的有效控制信号,求解获得期望的控制信号,并定义故障模式指示器函数及其复合控制律,完成执行器故障补偿;
步骤5,建立自适应的复合控制律,进行控制信号参数化,更新控制器结构,并建立误差方程,完成自适应执行器故障补偿;
步骤6,基于递减的光滑函数,通过限定其与跟踪误差的关系,规定性能界限;
步骤7,通过一个平滑递增函数转化误差,并将转化的误差通过性能界限待入至原始非线性系统中,得到输出误差方程,进一步得到状态误差方程;
步骤8,根据动态误差,基于自适应律和参数投影函数,更新控制器参数,获取自适应率;
步骤9,基于李雅普诺夫函数,对不存在执行机构故障和存在故障的两段时间内,进行系统性能分析,实现系统的稳定和渐近跟踪,以及瞬态性能的优化。
2.根据权利要求1所述的一种针对分布式驱动的电动汽车的自适应故障补偿进行瞬态优化的控制方法,其特征在于:步骤1中,建立电动汽车EPS系统所建立的动态模型为:
方向盘转向柱:
输出轴:
电机:
齿条:
式中,Th为方向盘操纵扭矩;Tm、Ta分别为直流电机电磁转矩和电机输出助力矩;Tl为输出轴反向作用力矩;α为方向盘转角;δ为转向小齿轮即xr为转向齿条位移,rp转向小齿轮半径;θ为电机转角;TR为路面随机干扰;Ih为方向盘及转向柱的转动惯量;Ch为转向柱的粘性阴尼系数;N为减速机构的减速比;Tc为扭杆力矩,即扭矩传感器测出值Tc=Ks(α-δ);Im为电机转动惯量;Cm为电机粘性阻尼系数;Ks为扭杆的扭转刚度;Ie为输出轴的转动惯量;Ce为输出轴的粘性阻尼系数;Mr为转向齿条质量;Cr为转向齿条移动粘性阻尼系数;Kr为阻力等效到转向横拉杆弹性系数;
直流驱动电机电磁力矩阵线性模型为:
式中R为电阻;
电机最终产生的助力为:
Ta=km(θ-Nδ) (6)
式中km为电机刚性系数;
将电动汽车EPS模型与非线性系统相匹配:
3.根据权利要求1所述的一种针对分布式驱动的电动汽车的自适应故障补偿进行瞬态优化的控制方法,其特征在于:步骤2中,建立的执行器故障模型为:
为进一步分析,将故障模型(4)表述成压缩形式:
在执行器出现故障的情况下,系统的实际输入矢量u(t)描述为:
式中,v(t)=[v1(t),v2(t),....vm(t)]T是设计的控制输入,是执行器的故障输入;执行器故障模式的对角矩阵为σ(t)=diag{σ1(t),σ2(t),....σm(t)},σi(t)=1表示第i个执行器故障,否则σi(t)=0;
执行器u1未失效或失效的情况所对应的故障模式是:
用式(13)将系统改写为:
这表明当执行器故障时,控制信号v(t)的执行器不能达到系统动力学的要求来传递控制力。
4.根据权利要求1所述的一种针对分布式驱动的电动汽车的自适应故障补偿进行瞬态优化的控制方法,其特征在于:步骤3中,定义两个函数的李导数,H(x)∈R,f(x)=[f1(x),f2(x),...,fn(x)]T∈Rn,对于x∈Rn,定义为:
表述为H(x)沿矢量场f(x)的方向导数;
系统(9)在点x0处的向量相对度ρ=m=3,满足以下两个条件:
条件2:q×m的矩阵
其中A(x)在x=x0行满秩;
定义中的条件1和2解释为:条件1表明ρ是最小的整数,且至少有一个输入出现在y(ρ)中,即是:
条件2表示输出yi(t),(1≤i≤q),q=3,输出的第ρi次导数通过选择控制输入u(t)=[u1(t),u2(t),...,um(t)]T来进行分配;
由此,(12)写成:
非线性反馈控制律,选择:
闭环反馈系统变成:
其中uL是待设计的线性反馈控制律。
部分反馈线性化;因为ρ1+ρ2+…+ρq<n,系统(9)只能用索引{ρ1,ρ2,...,ρq}通过在x0的邻域内定义变量的改变;H(x)=[H1(x),...,Hq(x)]∈Rq,Tc(x)定义为光滑函数:
存在一个光滑的映射:
由(20)完成微分同胚映射;
跟踪误差方程ei=yi-ymi:
5.根据权利要求1所述的一种针对分布式驱动的电动汽车的自适应故障补偿进行瞬态优化的控制方法,其特征在于:步骤4中,由非线性反馈设计来生成所需的有效控制信号ωd(t)∈Rq为:
对于系统(20),有A(x)u(t)=ωd(t),则使在没有执行机构故障的情况下,通过求解A(x)u(t)=ωd(t)来获得一个期望的控制输入u(t),当m>q满足A(x)u(t)=ωd(t),对于期望ωd(t)非唯一;
在当前问题中,需要满足控制信号方程:
ωd(t)=A(x)u(t) (28)
针对无故障情况进行设计:对于任意t≥0,u(t)=v(t),控制信号(28)是ωd(t)=A(x)v(t),设计的信号v(t)为:
针对u1故障案例进行设计:当时,对于i=2,...,m有ui=vi,A(x)=[A1,A2,...,Am]=[A1,A(2)]∈Rq×m,其中A(2)=[A2,....,Am]∈Rq×(m-1),其中va(2)=[v2,...,vm]T∈Rm-1控制信号方程ωd(t)=A(x)u(t)写成:
(12)及(13)中的σ(2)表示当u1失效时,相应的控制信号v1(t)无法到达系统动力学传递控制力;为进一步分析,将信号v1设为v1=0,或选择非奇异矩阵函数h22(x)∈R(m-1)×(m-1)来设置:
对于非唯一的矩阵函数K22(x)∈R和向量K221(x)∈R,信号与执行器故障信号有关,在(34)中的同理;(37)中的函数K22和K221通过求解(35)已知,(34)中的函数h22通过预先指定的选择已知;
复合控制律:定义以下故障模式指示器函数:
然后积分一个复合控制律:
同时处理无故障和一个执行器故障的情况;
对反馈控制信号ωd进行控制,满足控制期望。
6.根据权利要求1所述的一种针对分布式驱动的电动汽车的自适应故障补偿进行瞬态优化的控制方法,其特征在于:步骤5中,提出以下控制律(39)的自适应形式:
因此,表达:
指示φ2=h22K221=[φ2,1,φ2,2,…,φ2,m-1]T,得:
然后,将控制器结构(41)改写为:
不等于期望的反馈控制信号:
为了设计自适应控制器来处理故障不确定性,将对象(19)重写为:
用于跟踪的控制率uL为:
控制误差方程:由(44)-(47),得到:
其中:
输出误差方程:
如果σ=σ(1)=diag{0,0,....,0},根据(53),(54),(55)改写成:
其中v1=h21K21ωd=[v1,1,...,v1,m]T,v2=h22K22ωd=[v2,1,...,v2,m-1]T。
如果σ=σ(2)=diag{1,0,.....,0},根据(53),(54),(55)改写成:
式(56)和(57)右边的三项是理想跟踪控制v*(t)和实际跟踪控制v(t)不匹配造成的。
(i)
(ii)
(iii)
S(0)=0 (61)
其中ζ的定义为:
状态误差方程:
与方程:
获得:
其中:
10.根据权利要求1所述的一种针对分布式驱动的电动汽车的自适应故障补偿进行瞬态优化的控制方法,其特征在于:步骤9中,对于第一个时间间隔t∈[T0,T1),T1≤∞,不存在执行机构故障,即σ=σ(1)=diag{0,0,...,0},构造这样一个李雅普诺夫函数:
在区间[T0,T1)对V0求导得到:
通过自适应补偿设计(56)和(74)-(78),有:
在时间t=T1(T1是一个有限时间),u1失效并在间隔时间(T1,T2)(T2≤∞)内保持失效,即σ=σ(2)=diag{1,0,...,0}。对于稳定性的证明,选择了以下Lyapunov函数:
在区间[T1,T2)对V1求导得到:
通过自适应补偿设计(57)和(74)-(78),有
通过Lyapunov函数证明系统的稳定性和渐近跟踪性,以及瞬态性能的优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210319867.8A CN114578795B (zh) | 2022-03-29 | 2022-03-29 | 一种针对电动汽车eps的具有暂态性能保证的自适应故障补偿控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210319867.8A CN114578795B (zh) | 2022-03-29 | 2022-03-29 | 一种针对电动汽车eps的具有暂态性能保证的自适应故障补偿控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114578795A true CN114578795A (zh) | 2022-06-03 |
CN114578795B CN114578795B (zh) | 2024-03-15 |
Family
ID=81781919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210319867.8A Active CN114578795B (zh) | 2022-03-29 | 2022-03-29 | 一种针对电动汽车eps的具有暂态性能保证的自适应故障补偿控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114578795B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4509611A (en) * | 1983-10-13 | 1985-04-09 | General Motors Corporation | Adaptive controller for electric power steering |
JP2002536233A (ja) * | 1999-02-01 | 2002-10-29 | コンティネンタル・テーベス・アクチエンゲゼルシヤフト・ウント・コンパニー・オッフェネ・ハンデルスゲゼルシヤフト | 特に車両用espシステムのためのセンサ監視方法と装置 |
WO2002086630A1 (fr) * | 2001-04-20 | 2002-10-31 | Honda Giken Kogyo Kabushiki Kaisha | Appareil de commande d'equipement |
US20030071594A1 (en) * | 2001-08-17 | 2003-04-17 | Kleinau Julie A. | Feedback parameter estimation for electric machines |
KR20130001049A (ko) * | 2011-06-24 | 2013-01-03 | 엘지이노텍 주식회사 | 적응형 백스테핑 제어기를 이용한 차량의 eps의 유도전동기 제어 시스템 및 방법 |
CN103085864A (zh) * | 2013-01-25 | 2013-05-08 | 株洲易力达机电有限公司 | 一种电动助力转向系统扭矩传感器零点漂移补偿方法 |
US9296474B1 (en) * | 2012-08-06 | 2016-03-29 | The United States of America as represented by the Administrator of the National Aeronautics & Space Administration (NASA) | Control systems with normalized and covariance adaptation by optimal control modification |
EP3050777A1 (en) * | 2015-01-30 | 2016-08-03 | Steering Solutions IP Holding Corporation | Motor control current sensor loss of assist mitigation for electric power steering |
CN106882182A (zh) * | 2017-02-24 | 2017-06-23 | 江苏理工学院 | 一种汽车智能避障系统 |
CN107065539A (zh) * | 2017-03-14 | 2017-08-18 | 南京航空航天大学 | 一种飞翼布局飞行器的操纵面故障自适应容错控制方法 |
CN107272639A (zh) * | 2017-03-09 | 2017-10-20 | 南京邮电大学 | 刚性航天器反作用飞轮故障的检测、估计及其调节方法 |
CN108107719A (zh) * | 2017-11-10 | 2018-06-01 | 大连民族大学 | 非线性系统的自适应滑模控制系统 |
US20190111969A1 (en) * | 2017-10-17 | 2019-04-18 | Steering Solutions Ip Holding Corporation | Driver warning in electric power steering systems |
CN110826143A (zh) * | 2019-07-22 | 2020-02-21 | 江苏理工学院 | 一种基于切换控制的汽车主动悬架系统的容错控制方法 |
CN110851944A (zh) * | 2019-07-22 | 2020-02-28 | 江苏理工学院 | 一种基于自适应融合设计的汽车主动悬架系统的容错控制方法 |
CN111679580A (zh) * | 2020-06-11 | 2020-09-18 | 江苏理工学院 | 基于自适应的飞行器控制系统故障补偿和扰动抑制方法 |
CN113093536A (zh) * | 2021-03-23 | 2021-07-09 | 南京航空航天大学 | 非线性系统执行器故障的自适应增量优化容错控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105244901B (zh) * | 2015-10-16 | 2017-09-12 | 四川大学 | 一种高压直流输电系统的非线性分散控制方法 |
-
2022
- 2022-03-29 CN CN202210319867.8A patent/CN114578795B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4509611A (en) * | 1983-10-13 | 1985-04-09 | General Motors Corporation | Adaptive controller for electric power steering |
JP2002536233A (ja) * | 1999-02-01 | 2002-10-29 | コンティネンタル・テーベス・アクチエンゲゼルシヤフト・ウント・コンパニー・オッフェネ・ハンデルスゲゼルシヤフト | 特に車両用espシステムのためのセンサ監視方法と装置 |
WO2002086630A1 (fr) * | 2001-04-20 | 2002-10-31 | Honda Giken Kogyo Kabushiki Kaisha | Appareil de commande d'equipement |
US20030071594A1 (en) * | 2001-08-17 | 2003-04-17 | Kleinau Julie A. | Feedback parameter estimation for electric machines |
KR20130001049A (ko) * | 2011-06-24 | 2013-01-03 | 엘지이노텍 주식회사 | 적응형 백스테핑 제어기를 이용한 차량의 eps의 유도전동기 제어 시스템 및 방법 |
US9296474B1 (en) * | 2012-08-06 | 2016-03-29 | The United States of America as represented by the Administrator of the National Aeronautics & Space Administration (NASA) | Control systems with normalized and covariance adaptation by optimal control modification |
CN103085864A (zh) * | 2013-01-25 | 2013-05-08 | 株洲易力达机电有限公司 | 一种电动助力转向系统扭矩传感器零点漂移补偿方法 |
EP3050777A1 (en) * | 2015-01-30 | 2016-08-03 | Steering Solutions IP Holding Corporation | Motor control current sensor loss of assist mitigation for electric power steering |
CN106882182A (zh) * | 2017-02-24 | 2017-06-23 | 江苏理工学院 | 一种汽车智能避障系统 |
CN107272639A (zh) * | 2017-03-09 | 2017-10-20 | 南京邮电大学 | 刚性航天器反作用飞轮故障的检测、估计及其调节方法 |
CN107065539A (zh) * | 2017-03-14 | 2017-08-18 | 南京航空航天大学 | 一种飞翼布局飞行器的操纵面故障自适应容错控制方法 |
US20190111969A1 (en) * | 2017-10-17 | 2019-04-18 | Steering Solutions Ip Holding Corporation | Driver warning in electric power steering systems |
DE102018125667A1 (de) * | 2017-10-17 | 2019-04-18 | Steering Solutions Ip Holding Corporation | Fahrerwarnung in elektrischen servolenkungssystemen |
CN108107719A (zh) * | 2017-11-10 | 2018-06-01 | 大连民族大学 | 非线性系统的自适应滑模控制系统 |
CN110826143A (zh) * | 2019-07-22 | 2020-02-21 | 江苏理工学院 | 一种基于切换控制的汽车主动悬架系统的容错控制方法 |
CN110851944A (zh) * | 2019-07-22 | 2020-02-28 | 江苏理工学院 | 一种基于自适应融合设计的汽车主动悬架系统的容错控制方法 |
CN111679580A (zh) * | 2020-06-11 | 2020-09-18 | 江苏理工学院 | 基于自适应的飞行器控制系统故障补偿和扰动抑制方法 |
CN113093536A (zh) * | 2021-03-23 | 2021-07-09 | 南京航空航天大学 | 非线性系统执行器故障的自适应增量优化容错控制方法 |
Non-Patent Citations (8)
Title |
---|
BASLER, B., GREINER, T., & HEIDRICH, P: "Fault-tolerant strategies for double three-phase pmsm used in electronic power steering systems", 《2015 IEEE TRANSPORTATION ELECTRIFICATION CONFERENCE AND EXPO》, pages 1 - 6 * |
GAO, Z., YANG, L., WANG, H., & LI, X.: "Active fault tolerant control of electric power steering system with sensor fault", 《2017 36TH CHINESE CONTROL CONFERENCE》, pages 9630 - 9636 * |
YAO, X., YANG, Y., & LIU, R: "Adaptive actuator failure and disturbance compensation scheme for MIMO feedback linearizable systems", 《2018 37TH CHINESE CONTROL CONFERENCE》, pages 5830 - 5835 * |
YAO, X., YANG, Y., & SU, M.: "A novel adaptive actuator failure compensation scheme based on multi-design integration for half-car active suspension system", 《ADVANCES IN MECHANICAL ENGINEERING》, vol. 11, no. 12, pages 1 - 5 * |
姚雪莲;杨艺: "可反馈线性化系统的鲁棒自适应容错控制设计", 《控制理论与应用》, vol. 37, no. 09, pages 2001 - 2004 * |
姚雪莲等: "汽车驾驶机器人的自适应执行器故障补偿控制设计", 《江苏大学学报》, vol. 42, no. 6, pages 643 - 645 * |
朱燕等: "基于自适应Backstepping 的分布式驱动电动汽车容错控制", 《重庆理工大学学报》, vol. 35, no. 5, pages 43 - 46 * |
殷国栋等: "分布式驱动电动汽车底盘动力学控制研究综述", 《重庆理工大学学报》, vol. 30, no. 8, pages 13 - 19 * |
Also Published As
Publication number | Publication date |
---|---|
CN114578795B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li | Finite time command filtered adaptive fault tolerant control for a class of uncertain nonlinear systems | |
Ye et al. | Robust adaptive integral terminal sliding mode control for steer-by-wire systems based on extreme learning machine | |
CN110239362B (zh) | 一种分布式电驱动车辆多性能优化力矩分配方法 | |
CN113625562B (zh) | 一种基于自适应观测器的非线性系统模糊容错控制方法 | |
Zhang et al. | Command filter-based finite-time adaptive fuzzy control for nonlinear systems with uncertain disturbance | |
CN113525415B (zh) | 基于齿条力观测的自动驾驶汽车分层抗扰路径跟踪系统 | |
CN113359443B (zh) | 一种广义时滞马尔科夫跳变系统的复合抗干扰控制方法 | |
Marouf et al. | Control of electric power assisted steering system using sliding mode control | |
Liu et al. | Adaptive sliding mode control for 4–wheel SBW system with Ackerman geometry | |
CN111679575A (zh) | 一种基于鲁棒模型预测控制的智能汽车轨迹跟踪控制器及其构造方法 | |
Khodaverdian et al. | Fault-tolerant model predictive sliding mode control with fixed-time attitude stabilization and vibration suppression of flexible spacecraft | |
Guo et al. | Neural-fuzzy-based adaptive sliding mode automatic steering control of vision-based unmanned electric vehicles | |
CN111791660A (zh) | 一种基于滑模观测器的主动悬架容错控制方法 | |
Bajcinca et al. | Robust control for steer-by-wire vehicles | |
Zhao et al. | Observer-based discrete-time cascaded control for lateral stabilization of steer-by-wire vehicles with uncertainties and disturbances | |
CN114578795A (zh) | 一种针对电动汽车eps的具有暂态性能保证的自适应故障补偿控制方法 | |
CN110389525B (zh) | 基于极限学习机的混联机构自适应反步控制方法 | |
CN109995278B (zh) | 一种考虑输入受限的电机伺服系统自调节控制方法 | |
CN108828952B (zh) | 基于小脑神经网络的舵机电动加载系统智能控制方法 | |
Tu et al. | Robust sliding mode control for a class of nonlinear systems through dual-layer sliding mode scheme | |
Kazemy et al. | Finite-frequency H∞ control design for t–s fuzzy systems with state/input delay and physical constraints | |
CN114987516A (zh) | 一种针对分布式驱动的电动汽车的自适应故障补偿进行瞬态优化的控制方法 | |
Ye et al. | Extreme-learning-machine-based robust AITSM control for steer-by-wire systems | |
Wu et al. | A smooth angle velocity active return-to-centre control based on single neuron pid control for electric power steering system | |
Li et al. | Enhancement of steering feel of electric power assist steering system using modeling reference control |
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 |