專利名稱：基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明屬于機(jī)動(dòng)車電動(dòng)控制技術(shù)領(lǐng)域，涉及一種電動(dòng)助力轉(zhuǎn)向設(shè)備，尤其涉及一種基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)。
背景技術(shù)：
電動(dòng)助力轉(zhuǎn)向系統(tǒng)(EPS)是現(xiàn)代汽車轉(zhuǎn)向系統(tǒng)的發(fā)展方向，是高新科技產(chǎn)業(yè)之一。我國汽車2003年汽車產(chǎn)量達(dá)到400萬輛，2006年已突破640萬輛，正以每年20％的速度遞增，目前絕大部分汽車采用機(jī)械轉(zhuǎn)向或液壓助力轉(zhuǎn)向，僅有少數(shù)高級(jí)轎車采用電動(dòng)助力轉(zhuǎn)向器。今后汽車工業(yè)的發(fā)展趨勢(shì)，大部分微型車和轎車都將采用電動(dòng)助力轉(zhuǎn)向器，因此，電動(dòng)助力轉(zhuǎn)向控制系統(tǒng)的市場(chǎng)前景十分廣闊。
EPS系統(tǒng)代表著轉(zhuǎn)向裝置的發(fā)展方向，它是在機(jī)械轉(zhuǎn)向系統(tǒng)的基礎(chǔ)上，根據(jù)作用在方向盤上的轉(zhuǎn)矩信號(hào)和車速信號(hào)，通過電子控制裝置使電機(jī)產(chǎn)生相應(yīng)大小和方向的輔助力，協(xié)助駕駛員進(jìn)行轉(zhuǎn)向操作，并獲得最佳轉(zhuǎn)向特性的伺服系統(tǒng)。已有技術(shù)的EPS系統(tǒng)的組成如圖1所示，一般由轉(zhuǎn)向機(jī)構(gòu)(包括機(jī)械轉(zhuǎn)向器、減速器、驅(qū)動(dòng)電機(jī)和整車轉(zhuǎn)向輪)、方向盤轉(zhuǎn)向輸入(包括轉(zhuǎn)矩傳感器)、車速轉(zhuǎn)速輸入、電子控制器(包括控制單元和驅(qū)動(dòng)單元)以及畜電池電源等組成。已有技術(shù)的EPS系統(tǒng)為多變量、非線性輸入，采用線性控制算法的直接扭矩控制系統(tǒng)存在較大的脈動(dòng)扭矩，存在轉(zhuǎn)向控制不平穩(wěn)，導(dǎo)致駕車的舒適性和可操控性較差，具體的表現(xiàn)就是轉(zhuǎn)向時(shí)手感比較差。
發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有技術(shù)上述的助力轉(zhuǎn)向扭矩脈動(dòng)較大，駕車的舒適性和可操控性較差等缺陷，公開一種基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)，將智能控制引入到電動(dòng)轉(zhuǎn)向的電機(jī)扭矩控制，它不依賴于被控對(duì)象的精確模型，但建立的模糊策略能有效克服電機(jī)的非線性、強(qiáng)耦合等缺點(diǎn)，同時(shí)利用神經(jīng)網(wǎng)絡(luò)控制的良好自學(xué)習(xí)、自調(diào)整能力，彌補(bǔ)模糊控制規(guī)則的有限性影響控制精度，以及參數(shù)控制自適應(yīng)調(diào)節(jié)能力低的欠缺，提高了系統(tǒng)的自適應(yīng)和控制能力。
本發(fā)明的上述目的是通過以下的技術(shù)方案來實(shí)現(xiàn)的，即一種基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)，本發(fā)明的核心部件是神經(jīng)網(wǎng)絡(luò)模糊控制器，它由控制算法微處理器MCU、PWM驅(qū)動(dòng)模塊和電源模塊組成，以扭矩、車速和驅(qū)動(dòng)電機(jī)反饋電流為輸入語言變量，經(jīng)離線建模，形成控制決策以及在線控制兩個(gè)過程，實(shí)現(xiàn)電動(dòng)助力轉(zhuǎn)向的智能控制。
本發(fā)明基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)的基本結(jié)構(gòu)原理框圖如1所示。其中的智能電子控制器由三個(gè)相對(duì)獨(dú)立的微控制器(MCU)模塊41、PWM電機(jī)驅(qū)動(dòng)模塊42、電源模塊43組成，其組成原理框圖如圖2所示。
本發(fā)明的微控制器(MCU)嵌入的控制算法軟件，綜合神經(jīng)網(wǎng)絡(luò)算法和模糊控制技術(shù)，形成專用的轉(zhuǎn)向控制策略，并將轉(zhuǎn)向控制策略轉(zhuǎn)化為控制芯片中的軟件，通過模擬試驗(yàn)和路況試驗(yàn)獲取數(shù)據(jù)，采用離線建模方式優(yōu)化控制參數(shù)。本發(fā)明控制系統(tǒng)組成示意框圖如圖3所示，其中TW為作用于方向盤產(chǎn)生的扭矩，V為車速，以扭矩和車速作為神經(jīng)網(wǎng)絡(luò)模糊控制器的輸入，經(jīng)控制算法計(jì)算出助力電流I，通過PWM方式控制電機(jī)輸出助力扭矩TI。
本發(fā)明的神經(jīng)網(wǎng)絡(luò)模糊控制器經(jīng)過離線建模即建立決策庫，以及在線控制兩個(gè)過程，實(shí)現(xiàn)電動(dòng)助力轉(zhuǎn)向的智能控制。
本發(fā)明采用Sugeno型模糊推理方法，結(jié)合BP神經(jīng)網(wǎng)絡(luò)建立控制模型，其拓?fù)浣Y(jié)構(gòu)圖如下(1)先在計(jì)算機(jī)上建立一個(gè)模糊集數(shù)據(jù)庫，該模糊集數(shù)據(jù)庫中設(shè)置有模糊集A和模糊集B；
(2)按照一個(gè)非模糊值的模糊化是根據(jù)輸入語言變量的定義來確定相應(yīng)于每個(gè)語言值的隸屬度，而模糊推理主體根據(jù)語言變量的定義相對(duì)輸入量建立語言控制規(guī)則的方法，將參數(shù)扭矩TW和車速V模糊化輸入，分別映射到模糊集A和模糊集B，扭矩TW的變化范圍為-10～10，車速V的變化范圍為0～80，為滿足控制精度的需要，扭矩TW選取的等級(jí)值數(shù)據(jù)有20個(gè)至少不小于6個(gè)，車速V選取的等級(jí)值數(shù)據(jù)有80個(gè)至少不小于10個(gè)。扭矩TW與車速V模糊化后得到對(duì)應(yīng)的輸入語言變量Xm和Ym。輸入不同扭矩TW與車速V值，依次建立模糊控制集規(guī)則庫。
(3)采用Sugeno型模糊推理算法，其模型為單元素輸出隸屬函數(shù)，其模糊蘊(yùn)含即是簡(jiǎn)單的乘法，模糊合成即是各單元屬輸出隸屬函數(shù)的簡(jiǎn)單包含，解模糊化處理采用加權(quán)平均法，計(jì)算簡(jiǎn)單，極大地提高模糊化過程的效率。
隸屬度函數(shù)形狀可取三角形、梯形、鐘形或正態(tài)分布形三角形隸屬度函數(shù)表達(dá)式為f(x,a,b,c)=0,x≤ax-ab-a,a≤x≤bc-xc-b,b≤x≤c0,c≤x---(1)]]>式中a、c是三角形的底邊的兩個(gè)端點(diǎn)，c為三角形的頂點(diǎn)，x是輸入變量。
鐘型隸屬度函數(shù)表達(dá)式為x=11+|v-ca|2b---(2)]]>式中a，b確定鐘型函數(shù)的形狀，c決定函數(shù)的中心位置，v為輸入變量。
高斯型隸屬度函數(shù)表達(dá)式為x=e(t-d)22δ2---(3)]]>式中d決定函數(shù)的中心點(diǎn)，δ決定函數(shù)的寬度，t為輸入變量。
(4)控制模型構(gòu)造完成后，運(yùn)用數(shù)學(xué)優(yōu)化算法來調(diào)整上述函數(shù)中的參數(shù)以減小它與理想系統(tǒng)的誤差，即使誤差函數(shù)E值最小E=12Σi=1n(ti-yi)2---(4)]]>式中ti理想值，yi是模型輸出值，n為輸出參數(shù)總量，i為輸入輸出組號(hào)；在上述控制器拓?fù)浣Y(jié)構(gòu)中，第二層、第三層、第四層分別是BP網(wǎng)絡(luò)的輸入層、隱層和輸出層。隱層第k節(jié)點(diǎn)的輸出為y(3)k=f(Σj=1nwj,ky(2)j)---(5)]]>式中wj，k為連接輸入層節(jié)點(diǎn)j與隱層節(jié)點(diǎn)k的權(quán)值，y(2)j為輸入層節(jié)點(diǎn)j的輸出，輸出層第k節(jié)點(diǎn)的輸出為y(4)k=f(Σi=1nwi,k′y(3)k)---(6)]]>式中wi，k′為連接輸出層節(jié)點(diǎn)k與隱層節(jié)點(diǎn)i的權(quán)值。
解模糊化采用加權(quán)平均法，所有的模糊規(guī)則的權(quán)重都為1，其解模糊化輸出值電流值x*為x*=Σixiμ(xi)Σiμ(xi)---(7)]]>式中xi為第I個(gè)節(jié)點(diǎn)隸屬度值，μ(xi)為目標(biāo)函數(shù)。
本發(fā)明采用一階梯度尋優(yōu)法來調(diào)整隸屬度函數(shù)參數(shù)和連接權(quán)值，使得誤差值E達(dá)到期望值。
wj,k(l+1)=wj,k(l)-β∂Ewj,k(l)---(8)]]>式中β為訓(xùn)練步長，wj，k(l)為連接輸出層節(jié)點(diǎn)k與隱層節(jié)點(diǎn)j的權(quán)值。
(5)通過上述學(xué)習(xí)和訓(xùn)練的模糊推理過程，建立控制決策，形成決策庫。
(6)系統(tǒng)在實(shí)時(shí)控制過程中，以扭矩和車速的實(shí)際輸入值和當(dāng)前車速值，依據(jù)上述控制決策，計(jì)算相應(yīng)的控制電流，以PWM方式驅(qū)動(dòng)電機(jī)產(chǎn)生轉(zhuǎn)向助力。
電動(dòng)助力轉(zhuǎn)向系統(tǒng)神經(jīng)網(wǎng)絡(luò)模糊推理控制流程圖如圖5S101初始化系統(tǒng)參數(shù)，給寄存器、變量等賦予初始值；S102判斷系統(tǒng)參數(shù)要訓(xùn)練，若不要訓(xùn)練，轉(zhuǎn)S104；S104對(duì)輸入扭矩TW和車速V取樣，通過A/D取樣并經(jīng)濾波算法，獲得TW和V的即時(shí)值；S105對(duì)輸入扭矩TW和車速V模糊化；S106按公式(5)、(6)計(jì)算PB網(wǎng)絡(luò)輸入層、隱層和輸出層的值；S107解模糊化，按公式(7)計(jì)算輸出電流值；S108以脈沖寬度調(diào)制方式控制電機(jī)輸出；電機(jī)輸出值反饋到S104作為輸入變量參加實(shí)時(shí)取樣；S102判斷系統(tǒng)參數(shù)若要訓(xùn)練，則轉(zhuǎn)S103；S103調(diào)用訓(xùn)練函數(shù)子程序，進(jìn)入離線訓(xùn)練程序，可在本控制器之外的計(jì)算機(jī)上進(jìn)行；S201選定訓(xùn)練步長值，步長的大小與精度和訓(xùn)練速度有關(guān)；S202按公式(8)計(jì)算隸屬度函數(shù)參數(shù)和連接權(quán)值；S203計(jì)算理想輸出與網(wǎng)絡(luò)輸出值的誤差E；S204判斷誤差E是否小于期望值，若大于期望值，轉(zhuǎn)S202，繼續(xù)訓(xùn)練；S204判斷誤差E若小于期望值，轉(zhuǎn)S205；S205返回主程序。
所述的神經(jīng)網(wǎng)絡(luò)模糊控制器為相對(duì)獨(dú)立的整件，它由控制算法微控制器(MCU)模塊、電機(jī)驅(qū)動(dòng)模塊、電源模塊以及一套固定安裝架結(jié)構(gòu)件組成；智能電子控制器的一套固定安裝架結(jié)構(gòu)件包括外殼、散熱片，控制算法微控制器(MCU)模塊、電機(jī)驅(qū)動(dòng)模塊、電源模塊通過連接件連接。智能電子控制器結(jié)構(gòu)緊湊、散熱良好、堅(jiān)固耐用、維修方便。
所述的智能電子控制器還配置一個(gè)通信功能口電路，控制計(jì)算微控制器有一個(gè)數(shù)據(jù)通信接口連接通信功能口電路，它使智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)具有了可監(jiān)控和故障檢測(cè)的通道。通過該數(shù)據(jù)通信接口和通信功能口電路，系統(tǒng)與系統(tǒng)外設(shè)備交換信息，完成對(duì)電動(dòng)助力轉(zhuǎn)向系統(tǒng)的監(jiān)測(cè)和離線故障診斷。
本發(fā)明的實(shí)質(zhì)性效果是系統(tǒng)實(shí)時(shí)采集扭矩傳感器輸出的轉(zhuǎn)向輸入矩矩信號(hào)、車速或轉(zhuǎn)速信號(hào)以及驅(qū)動(dòng)電機(jī)反饋信號(hào)，由神經(jīng)網(wǎng)絡(luò)算法和模糊控制器輸出優(yōu)化的控制信號(hào)，控制PWM驅(qū)動(dòng)模塊驅(qū)動(dòng)電機(jī)，通過傳動(dòng)機(jī)構(gòu)提供轉(zhuǎn)向助力，具有自學(xué)習(xí)、自適應(yīng)的智能化控制能力，克服了脈動(dòng)扭矩的影響，轉(zhuǎn)向靈敏輕便，提高駕車的舒適性和可操控性。本發(fā)明的具有可應(yīng)用于乘用轎車、燃料汽車、電動(dòng)汽車，經(jīng)濟(jì)效益十分顯著。
圖1本發(fā)明的基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)的基本結(jié)構(gòu)原理框圖。
圖2本發(fā)明的智能電子控制器的組成原理框圖。
圖3本發(fā)明的基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)實(shí)施例構(gòu)成示意圖。
圖4本發(fā)明的基于智能控制的神經(jīng)網(wǎng)絡(luò)模糊推理控制模型拓?fù)浣Y(jié)構(gòu)圖。
圖5本發(fā)明實(shí)施例的基于智能控制的神經(jīng)網(wǎng)絡(luò)模糊推理控制流程圖。
圖3中TW-作用于方向盤產(chǎn)生的扭矩信號(hào)、V-車速信號(hào)、If-驅(qū)動(dòng)電機(jī)的反饋信號(hào)、IC-神經(jīng)網(wǎng)絡(luò)模糊控制器輸出的助力電流、Ti-PWM電機(jī)驅(qū)動(dòng)輸出的助力扭矩。
具體實(shí)施例方式
本發(fā)明基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)的基本結(jié)構(gòu)原理框圖如1所示。它由轉(zhuǎn)向輸入1及其扭矩傳感器2、車速和轉(zhuǎn)速輸入3、智能電子控制器4、包括轉(zhuǎn)向器和減速器51及驅(qū)動(dòng)電機(jī)52的轉(zhuǎn)向機(jī)構(gòu)5、整車轉(zhuǎn)向輪6組成。方向盤的轉(zhuǎn)向輸入1通過機(jī)械方式連接扭矩傳感器2和轉(zhuǎn)向機(jī)構(gòu)5的轉(zhuǎn)向器和減速器51，扭矩傳感器2以及車速和轉(zhuǎn)速輸入3連接智能電子控制器4的輸入數(shù)據(jù)接口智能電子控制器4的控制數(shù)據(jù)經(jīng)其輸出控制接口連接驅(qū)動(dòng)電機(jī)52的電流控制端，驅(qū)動(dòng)電機(jī)52通過機(jī)械連接的轉(zhuǎn)向器和減速器51，轉(zhuǎn)向機(jī)構(gòu)5連接整車轉(zhuǎn)向輪6，驅(qū)動(dòng)電機(jī)52的反饋電流信號(hào)輸出端連接智能電子控制器4的反饋信號(hào)輸入接口，形成一個(gè)智能的、閉環(huán)控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)。
本發(fā)明的智能電子控制器組成原理框圖如圖2所示。智能電子控制器4由三個(gè)相對(duì)獨(dú)立的控制算法微控制器模塊41、PWM電機(jī)驅(qū)動(dòng)模塊42、電源模塊43組成?？刂扑惴ㄎ⒖刂破髂K41的數(shù)據(jù)輸入端連接扭矩傳感器2、車速和轉(zhuǎn)速輸入3以及驅(qū)動(dòng)電機(jī)52反饋驅(qū)動(dòng)電流輸出端，實(shí)時(shí)接收由方向盤轉(zhuǎn)向經(jīng)扭矩傳感器2采集的扭矩?cái)?shù)據(jù)，同時(shí)實(shí)時(shí)接收由車速和轉(zhuǎn)速輸入3經(jīng)轉(zhuǎn)速傳感器采集的車速數(shù)據(jù)，以及實(shí)時(shí)接收由驅(qū)動(dòng)電機(jī)52反饋的驅(qū)動(dòng)電流數(shù)據(jù)，經(jīng)控制算法微控制器模塊41處理，快速形成轉(zhuǎn)向助力控制信號(hào)，控制算法微控制器模塊41的控制數(shù)據(jù)輸出端連接PWM電機(jī)驅(qū)動(dòng)模塊42的控制信號(hào)輸入端，PWM電機(jī)驅(qū)動(dòng)模塊42的控制輸出端連接驅(qū)動(dòng)電機(jī)52驅(qū)動(dòng)電流輸入端，控制算法微控制器模塊41按照轉(zhuǎn)向時(shí)刻的輸入變量的實(shí)時(shí)數(shù)據(jù)，經(jīng)智能處理形成控制數(shù)據(jù)，控制PWM電機(jī)驅(qū)動(dòng)模塊42生成控制轉(zhuǎn)向驅(qū)動(dòng)電流，轉(zhuǎn)向驅(qū)動(dòng)電流信號(hào)控制驅(qū)動(dòng)電機(jī)52輸出轉(zhuǎn)向助力力矩。
下面結(jié)合本發(fā)明由附圖給出的實(shí)施例做進(jìn)一步的說明。
參見圖3、圖4和圖5本發(fā)明的基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)實(shí)施例組成框圖、神經(jīng)網(wǎng)絡(luò)模糊推理控制模型拓?fù)浣Y(jié)構(gòu)圖和神經(jīng)網(wǎng)絡(luò)模糊推理控制流程圖。由控制算法微控制器41、PWM電機(jī)驅(qū)動(dòng)模塊42、電源模塊43組成的智能電子控制器4是一個(gè)神經(jīng)網(wǎng)絡(luò)模糊控制器，它的控制算法微控制器接收經(jīng)方向盤轉(zhuǎn)向-扭矩傳感器送來的扭矩信號(hào)Tw、由車速傳感器送來的車速信號(hào)V以及由轉(zhuǎn)向機(jī)構(gòu)5驅(qū)動(dòng)電機(jī)送出的反饋電流信號(hào)If。它綜合運(yùn)用神經(jīng)網(wǎng)絡(luò)算法和模糊控制技術(shù)的過程是在系統(tǒng)外的PC機(jī)上建立建立一個(gè)設(shè)置有模糊集A和模糊集B的模糊集數(shù)據(jù)庫，以扭矩信號(hào)Tw、車速信號(hào)V、反饋電流信號(hào)If為三個(gè)輸入語言變量作非模糊值的模糊化處理，按照的定義確定應(yīng)于每個(gè)語言值的隸屬度建立語言控制規(guī)則。
開機(jī)后進(jìn)入S101，對(duì)系統(tǒng)參數(shù)進(jìn)行初始化設(shè)置，將參數(shù)扭矩TW和車速V模糊化輸入，分別映射到模糊集A和模糊集B。輸入等級(jí)值數(shù)據(jù)，定義數(shù)字化參數(shù)扭矩TW的變化范圍為-10～10，車速V的變化范圍為0～80。設(shè)立語言控制規(guī)則，包括訓(xùn)練步長等，如訓(xùn)練步長為2，扭矩TW的等級(jí)值數(shù)據(jù)優(yōu)選為10個(gè)，車速V的等級(jí)值數(shù)據(jù)優(yōu)選為40個(gè)。扭矩TW與車速V模糊化后得到對(duì)應(yīng)的輸入語言變量值Xm和Ym，并設(shè)置模糊化控制數(shù)據(jù)輸出誤差的期望值。
在轉(zhuǎn)入S102，選擇系統(tǒng)參數(shù)要訓(xùn)練，轉(zhuǎn)訓(xùn)練函數(shù)子程序S103，先進(jìn)入S201選定訓(xùn)練步長扭矩TW的等級(jí)值數(shù)據(jù)優(yōu)選為10個(gè)，扭矩TW的訓(xùn)練步長為2，車速V的等級(jí)值數(shù)據(jù)優(yōu)選為40個(gè)，車速V的訓(xùn)練步長也為2；其次S202，對(duì)不同扭矩TW與車速V值輸入，按公式(8)計(jì)算隸屬度參數(shù)和連接權(quán)值，然后到S203，計(jì)算理想輸出與網(wǎng)絡(luò)輸出值的誤差E，在S204判斷誤差E是否小于期望值，如若誤差E大于期望值，轉(zhuǎn)回S202繼續(xù)訓(xùn)練，直到在S204判斷結(jié)論是誤差E小于期望值，則停止訓(xùn)練，轉(zhuǎn)到S104，進(jìn)入正常運(yùn)行控制狀態(tài)。
通過模擬試驗(yàn)和路況試驗(yàn)獲取數(shù)據(jù)，依試驗(yàn)獲取的扭矩TW和車速V以及驅(qū)動(dòng)電機(jī)反饋電流If的數(shù)據(jù)，同樣采用離線建模方式，優(yōu)化系統(tǒng)的控制參數(shù)。這樣依次建立模糊控制集規(guī)則庫，形成專用的轉(zhuǎn)向控制策略。
實(shí)車運(yùn)行時(shí)，系統(tǒng)啟動(dòng)開機(jī)，S101初始化系統(tǒng)參數(shù)，在S102判定系統(tǒng)參數(shù)不訓(xùn)練，轉(zhuǎn)入S104，神經(jīng)網(wǎng)絡(luò)模糊控制器將實(shí)時(shí)采集的扭矩TW與車速V值以及驅(qū)動(dòng)電機(jī)反饋電流If的數(shù)據(jù)，將扭矩TW和車速V以及驅(qū)動(dòng)電機(jī)反饋電流If變量語言值數(shù)據(jù)分別映射到模糊集A和模糊集Bo，轉(zhuǎn)入S105，將扭矩TW、車速V值以及驅(qū)動(dòng)電機(jī)反饋電流If模糊化，將扭矩TW和車速V以及驅(qū)動(dòng)電機(jī)反饋電流If變量語言值數(shù)據(jù)分別映射到模糊集A和模糊集B后，送S106，按式(5)、(6)計(jì)算PB網(wǎng)絡(luò)輸入層、隱層、輸出層的值后，轉(zhuǎn)入S107，解模糊化，從模糊控制集規(guī)則庫和模糊集數(shù)據(jù)庫取出相應(yīng)的數(shù)據(jù)進(jìn)行模糊推理，并將推理輸出送決策庫，從決策庫選取匹配的決策信息，神經(jīng)網(wǎng)絡(luò)模糊控制器的電機(jī)驅(qū)動(dòng)模塊將決策信息轉(zhuǎn)換成控制電流Ic，送到驅(qū)動(dòng)電機(jī)，驅(qū)動(dòng)電機(jī)輸出轉(zhuǎn)向電動(dòng)助力扭矩TI，助力扭矩TI經(jīng)傳動(dòng)機(jī)構(gòu)加到轉(zhuǎn)向機(jī)構(gòu)，完成整車轉(zhuǎn)向輪的電動(dòng)助力轉(zhuǎn)向。
系統(tǒng)由智能電子控制器中的MCU通過內(nèi)置的神經(jīng)網(wǎng)絡(luò)算法和模糊推理軟件算法，電子控制部件檢測(cè)車速、轉(zhuǎn)速、輸入扭矩及電機(jī)反饋，通過以驅(qū)動(dòng)模塊采用PWM方式控制輸出功率，輸出優(yōu)化的驅(qū)動(dòng)電流驅(qū)動(dòng)轉(zhuǎn)向助力電機(jī)，通過傳動(dòng)機(jī)構(gòu)提供轉(zhuǎn)向助力，在低車速下大助力，中車速下小助力，高車速下帶阻尼，實(shí)現(xiàn)低車速下轉(zhuǎn)向輕靈，高車速下轉(zhuǎn)向平穩(wěn)，提高了駕車的舒適性和可操控性。
本發(fā)明的智能控制電動(dòng)助力轉(zhuǎn)向系統(tǒng)應(yīng)用于乘用轎車、燃料汽車、電動(dòng)汽車，可以大大提高汽車操控的穩(wěn)定性、轉(zhuǎn)向的靈敏性和輕便性。
權(quán)利要求
1.基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)，由方向盤的轉(zhuǎn)向輸入、扭矩傳感器、車速和轉(zhuǎn)速輸入、智能電子控制器和電動(dòng)轉(zhuǎn)向機(jī)構(gòu)組成，其中所述的智能電子控制器由控制算法微控制器(MCU)模塊、PWM電機(jī)驅(qū)動(dòng)模塊、電源模塊組成；控制計(jì)算微控制器(MCU)上面嵌入有控制算法軟件，綜合神經(jīng)網(wǎng)絡(luò)算法和模糊控制推理技術(shù)，形成專用的轉(zhuǎn)向控制策略，并將轉(zhuǎn)向控制策略轉(zhuǎn)化為控制芯片中的軟件，通過模擬試驗(yàn)和路況試驗(yàn)獲取數(shù)據(jù)，采用離線建模方式優(yōu)化控制參數(shù)，再加載應(yīng)用到控制算法微控制器(MCU)模塊；其輸入變量至少包括方向盤的轉(zhuǎn)向扭矩、車速和轉(zhuǎn)速、驅(qū)動(dòng)電機(jī)反饋的驅(qū)動(dòng)電流數(shù)據(jù)；PWM電機(jī)驅(qū)動(dòng)模塊為脈寬調(diào)制開關(guān)控制模塊，其控制輸入端連接控制算法微控制器(MCU)模塊輸出的控制信號(hào)輸出端，電機(jī)驅(qū)動(dòng)模塊的輸出端連接電動(dòng)轉(zhuǎn)向機(jī)構(gòu)的驅(qū)動(dòng)電機(jī)，以驅(qū)動(dòng)電流方式控制驅(qū)動(dòng)電機(jī)形成相應(yīng)的轉(zhuǎn)向助力；同時(shí)把驅(qū)動(dòng)電機(jī)的驅(qū)動(dòng)電流數(shù)據(jù)反饋給控制算法微控制器(MCU)模塊；TW為作用于方向盤產(chǎn)生的扭矩，V為車速，以扭矩和車速作為神經(jīng)網(wǎng)絡(luò)模糊控制器的輸入，經(jīng)控制算法計(jì)算出助力電流I，通過PWM控制方式驅(qū)動(dòng)電機(jī)輸出助力扭矩TI。
2.根據(jù)權(quán)利要求1所述的基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)，其特征在于控制算法微控制器(MCU)模塊為神經(jīng)網(wǎng)絡(luò)模糊控制器，神經(jīng)網(wǎng)絡(luò)模糊控制器采用Sugeno型模糊推理方法，結(jié)合BP神經(jīng)網(wǎng)絡(luò)建立控制模型，經(jīng)過離線建模即建立決策庫，以及在線控制兩個(gè)過程，實(shí)現(xiàn)電動(dòng)助力轉(zhuǎn)向的智能控制；其拓?fù)浣Y(jié)構(gòu)及構(gòu)成步驟如下(1)先在計(jì)算機(jī)上建立一個(gè)模糊集數(shù)據(jù)庫，該模糊集數(shù)據(jù)庫中設(shè)置有模糊集A和模糊集B；(2)按照一個(gè)非模糊值的模糊化是根據(jù)輸入語言變量的定義來確定相應(yīng)于每個(gè)語言值的隸屬度，而模糊推理主體根據(jù)語言變量的定義相對(duì)輸入量建立語言控制規(guī)則的方法，將參數(shù)扭矩TW和車速V模糊化輸入，分別映射到模糊集A和模糊集B，扭矩TW的變化范圍為-10～10，車速V的變化范圍為0～80，為滿足控制精度的需要，扭矩TW選取的等級(jí)值數(shù)據(jù)有20個(gè)至少不小于6個(gè)，車速V選取的等級(jí)值數(shù)據(jù)有80個(gè)至少不小于10個(gè)。扭矩TW與車速V模糊化后得到對(duì)應(yīng)的輸入語言變量Xm和Ym。輸入不同扭矩TW與車速V值，依次建立模糊控制集規(guī)則庫；(3)采用Sugeno型模糊推理算法，其模型為單元素輸出隸屬函數(shù)，其模糊蘊(yùn)含即是簡(jiǎn)單的乘法，模糊合成即是各單元屬輸出隸屬函數(shù)的簡(jiǎn)單包含，解模糊化處理采用加權(quán)平均法，計(jì)算簡(jiǎn)單，極大地提高模糊化過程的效率，隸屬度函數(shù)形狀可取三角形、梯形、鐘形或正態(tài)分布形三角形隸屬度函數(shù)表達(dá)式為f(x,a,b,c)=0,x≤ax-ab-a,a≤x≤bc-xc-b,b≤x≤c0,c≤x---(1)]]>式中a、c是三角形的底邊的兩個(gè)端點(diǎn)，c為三角形的頂點(diǎn)，x是輸入變量；鐘型隸屬度函數(shù)表達(dá)式為x=11+|v-ca|2b---(2)]]>式中a，b確定鐘型函數(shù)的形狀，c決定函數(shù)的中心位置，v為輸入變量；高斯型隸屬度函數(shù)表達(dá)式為x=e(t-d)22δ2---(3)]]>式中d決定函數(shù)的中心點(diǎn)，δ決定函數(shù)的寬度，t為輸入變量；(4)控制模型構(gòu)造完成后，運(yùn)用數(shù)學(xué)優(yōu)化算法來調(diào)整上述函數(shù)中的參數(shù)以減小它與理想系統(tǒng)的誤差，即使誤差函數(shù)E值最小E=12Σi=1n(ti-yi)2---(4)]]>式中ti是理想值，yi是模型輸出值，n為輸出參數(shù)總量，i為輸入輸出組號(hào)；在上述控制器拓?fù)浣Y(jié)構(gòu)中，第二層、第三層、第四層分別是BP網(wǎng)絡(luò)的輸入層、隱層和輸出層。隱層第k節(jié)點(diǎn)的輸出為y(3)k=f(Σj=1nwj,ky(2)j)---(5)]]>式中wj，k為連接輸入層節(jié)點(diǎn)j與隱層節(jié)點(diǎn)k的權(quán)值，y(2)j為輸入層節(jié)點(diǎn)j的輸出，輸出層第k節(jié)點(diǎn)的輸出為y(4)k=f(Σi=1nwi,k′y(3)k)---(6)]]>式中wi，k′為連接輸出層節(jié)點(diǎn)k與隱層節(jié)點(diǎn)i的權(quán)值；解模糊化采用加權(quán)平均法，所有的模糊規(guī)則的權(quán)重都為1，其解模糊化輸出值電流值x*為x*=Σixiμ(xi)Σiμ(xi)---(7)]]>式中xi為第I個(gè)節(jié)點(diǎn)隸屬度值，μ(xi)為目標(biāo)函數(shù)；本發(fā)明采用一階梯度尋優(yōu)法來調(diào)整隸屬度函數(shù)參數(shù)和連接權(quán)值，使得誤差值E達(dá)到期望值wj,k(l+1)=wj,k(l)-β∂Ewj,k(l)---(8)]]>式中β為訓(xùn)練步長，wj，k(l)為連接輸出層節(jié)點(diǎn)k與隱層節(jié)點(diǎn)j的權(quán)值；(5)通過上述學(xué)習(xí)和訓(xùn)練的模糊推理過程，建立控制決策，形成決策庫；(6)系統(tǒng)在實(shí)時(shí)控制過程中，以扭矩和車速的實(shí)際輸入值和當(dāng)前車速值，依據(jù)上述控制決策，計(jì)算相應(yīng)的控制電流，以PWM方式驅(qū)動(dòng)電機(jī)產(chǎn)生轉(zhuǎn)向助力；TW為作用于方向盤產(chǎn)生的扭矩，V為車速，以扭矩和車速作為神經(jīng)網(wǎng)絡(luò)模糊控制器的輸入，經(jīng)控制算法計(jì)算出助力電流I，通過PWM控制方式驅(qū)動(dòng)電機(jī)輸出助力扭矩TI。
3.根據(jù)權(quán)利要求1或2所述的基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)，其特征在于所述的模糊化輸入?yún)?shù)扭矩TW和車速V，分別映射到模糊集A和模糊集B，扭矩TW的變化范圍為-10～10，車速V的變化范圍為0～80，為滿足控制精度的需要，扭矩TW選取的等級(jí)值數(shù)據(jù)有20個(gè)至少不小于6個(gè)，車速V選取的等級(jí)值數(shù)據(jù)有80個(gè)至少不小于10個(gè)。
4.根據(jù)權(quán)利要求1或2所述的基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)，其特征在于電動(dòng)助力轉(zhuǎn)向系統(tǒng)神經(jīng)網(wǎng)絡(luò)模糊推理控制流程至少包括下列步驟S101初始化系統(tǒng)參數(shù)；S102判斷系統(tǒng)參數(shù)要訓(xùn)練，若不要訓(xùn)練，轉(zhuǎn)S104；S104對(duì)輸入扭矩TW和車速V取樣；S105對(duì)輸入扭矩TW和車速V模糊化；S106按公式(5)、(6)計(jì)算PB網(wǎng)絡(luò)輸入層、隱層和輸出層的值；S107解模糊化，按公式(7)計(jì)算輸出電流值；S108以脈沖寬度調(diào)制方式控制電機(jī)輸出；電機(jī)輸出值反饋到S104作為輸入變量參加實(shí)時(shí)取樣；S102判斷系統(tǒng)參數(shù)若要訓(xùn)練，則轉(zhuǎn)S103調(diào)用訓(xùn)練函數(shù)子程序S201選定訓(xùn)練步長值；S202按公式(8)計(jì)算隸屬度函數(shù)參數(shù)和連接權(quán)值；S203計(jì)算理想輸出與網(wǎng)絡(luò)輸出值的誤差E；S204判斷誤差E是否小于期望值，若大于期望值，轉(zhuǎn)S202，繼續(xù)訓(xùn)練；S204判斷誤差E若小于期望值，轉(zhuǎn)S205；S205返回主程序。
5.根據(jù)權(quán)利要求1所述的基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)，其特征在于所述的智能電子控制器為相對(duì)獨(dú)立的整件，它由控制算法微控制器(MCU)模塊、電機(jī)驅(qū)動(dòng)模塊、電源模塊以及一套固定安裝架結(jié)構(gòu)件組成；智能電子控制器的一套固定安裝架結(jié)構(gòu)件包括外殼、散熱片，控制算法微控制器(MCU)模塊、電機(jī)驅(qū)動(dòng)模塊、電源模塊通過連接件連接。
6.根據(jù)權(quán)利要求1或5所述的基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)，其特征在于所述的智能電子控制器還配置一個(gè)通信功能口電路，控制計(jì)算微控制器有一個(gè)數(shù)據(jù)通信接口連接通信功能口電路，它使智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)具有可監(jiān)控和故障檢測(cè)的通道。
全文摘要
為了克服已有技術(shù)的直接扭矩控制系統(tǒng)存在較大的脈動(dòng)扭矩問題，本發(fā)明公開一種基于智能控制的電動(dòng)助力轉(zhuǎn)向系統(tǒng)，將神經(jīng)網(wǎng)絡(luò)模糊控制引入到電動(dòng)轉(zhuǎn)向的電機(jī)扭矩控制，它不依賴于被控對(duì)象的精確模型，建立的模糊策略能有效克服電機(jī)的非線性、強(qiáng)耦合等缺點(diǎn)，其良好的自學(xué)習(xí)以及參數(shù)控制自動(dòng)調(diào)節(jié)能力，提高了系統(tǒng)的自適應(yīng)和控制能力。本發(fā)明的神經(jīng)網(wǎng)絡(luò)模糊控制器由控制算法微處理器MCU、PWM驅(qū)動(dòng)模塊和電源模塊組成，以扭矩、車速和驅(qū)動(dòng)電機(jī)反饋電流為輸入語言變量，經(jīng)離線建模，形成控制決策以及在線控制兩個(gè)過程，實(shí)現(xiàn)電動(dòng)助力轉(zhuǎn)向的智能控制。本發(fā)明應(yīng)用于乘用轎車、燃料汽車、電動(dòng)汽車，使轉(zhuǎn)向靈敏輕便，大大提高汽車操控的舒適性和穩(wěn)定性。
文檔編號(hào)G05B19/04GK101058319SQ20071006887
公開日2007年10月24日 申請(qǐng)日期2007年5月21日 優(yōu)先權(quán)日2007年5月21日
發(fā)明者林士云 申請(qǐng)人:林士云