电动助力转向系统控制的台架试验研究_王其东

2004134
电动助力转向系统控制的台架试验研究*
王其东1 杨孝剑2 陈无畏1 姜武华1
1
(合肥工业大学机械与汽车工程学院,合肥 230009)
2
(中国汽车技术研究中心,天津 300162)
[摘要] 提出了将基于模糊神经网络的PI D 控制策略用于电动助力转向系统中助力电机的控制。

设计了电动助力转向试验台,并进行了电动助力转向系统的台架试验。

试验结果证明,采用模糊神经网络控制器确定目标电流,并使用P ID 反馈控制器跟踪目标电流的控制策略是十分有效的,能显著提高汽车的转向轻便性和灵敏性。

叙词:电动助力转向,试验台,模糊神经网络,PID 控制
Experimental Study on the Control of Electric Power Steering System
Wang Qidong 1,Yang Xiaojian 2,C hen Wuwei 1&Jiang Wuhua 1
1
College of M ec ha nical and Au tomotiv e E ngineering,H e f ei Univ ersity o f Technology,H e f ei 230009
2
China A utomotiv e Research and Dev elop ment Center ,T ianj in 300162
[Abstract] A PDI control strategy based on fuzzy neural netw ork is applied to the control of motor in elec -tric pow er steering system.T he objective current is determined by fuzzy neural netw ork controller and is tracked
by PID feedback controller.A test bed is set up and experiments are carried out.The results show that the strate -g y is effective in improv ing the performance of power steering system.
Key words:Electric power steering,Test bed,Fuzzy neural network,PID control
*国家自然科学基金(50275045)和安徽省/十五0攻关(01012015)项目资助。

原稿收到日期为2003年7月15日,修改稿收到日期为2003年10月31日。

1 前言
电动助力转向系统(EPS)具有改善汽车的操纵性能和经济性等诸多优点,受到了许多学者和汽车生产厂商的关注,成为现代汽车转向系统研究和开发的热点。

在其设计开发过程中,进行台架试验是十分必要的。

尽管有的试验台难以精确模拟行驶路况,但是可以实现台架上转向负载的变化趋势与路面行驶一致。

因此,通过台架试验研究可以探索电动机的助力规律,检验助力控制程序的运行效果,分析EPS 对汽车转向轻便性的影响。

同时也可以降低直接装车进行路试的危险性和研究成本。

2 助力控制系统
图1所示为EPS 的结构,包括齿轮齿条式转向
机构和电控助力部分。

电控部分由电子控制单元
(ECU )、电动机、车速传感器和转矩传感器等组成。

ECU 根据转向盘转矩信号T s 和车速信号v 确定电动机的目标电流I ,由于电动机输出转矩的大小和I 基本成正比,因此也就确定了助力转矩T a 的大小。

EPS 的助力控制过程如图2所示,在实施控制的过程中,有两个关键问题需要解决:一是确定电动机目标电流I ,二是跟踪目标电流[1]。

2004年(第26卷)第5期
汽 车 工 程
Automotive Engineer ing
2004(Vol.26)No.5
2.1 目标电流的确定
为了兼顾汽车低速行驶转向轻便性以及高速行驶路感的要求,电动机目标电流的大小应根据车速信号和转向盘转矩信号来确定。

电动机目标电流与车速、转向盘转矩间的映射关系被称为电动机的助力特性,助力特性可定性地描述为:高速行驶转向时助力应小些;转向盘转矩较小时不助力或助力较小;低速行驶转向时应助力;原地转向时的助力达到最大值。

助力特性曲线如图3所示。

可以看出,电机的目标电流受到转向盘转矩和汽车行驶工况的影响,并且存在非线性关系。

因此,确定目标电流需要设计一个适于多控制输入的非线性控制器。

本研究中设计了模糊神经网络(FNN)
控制器。

图3 电动机助力特性曲线
模糊神经网络是将模糊推理与神经网络的训练功能相结合,实现控制输入与控制输出间的非线性映射,以及控制对象发生变化后,对控制参数的自适应调整。

前一功能已在台架试验中实现,而后者将在装车后的道路试验中进行,文中不予论述。

作者设计的模糊神经网络控制器结构如图4所示。

模糊化过程中分别采用7条和5条高斯型隶属度函数(式(1))描述控制输入量T s 和v ,对神经网络输出层的解模糊化则采用常见的重心法。

模糊推理规则为Mamdani 型,该规则可表述为:if x is A and y is B then z is K 。

夹在模糊化和解模糊化之间的是BP 神经网络。

对于图4中提取的训练样本(X ,Y ,Z ),结点间的权值w ij 以及隶属度函数的中心参数、宽度参数将被调整,调整原则是使式(2)中的目标函数E 递减至预设的极小值,调整方法采用梯度下降法。

训练后T s 、v 与I 间的映射关系接近图3的助力特性曲线,目标电流被确定。

x i (y i )=e -
(v -c i )
2
2R 2i
(i =1,2,,,7)(1)
式中c i 为第i 条高斯函数的中心点,R i 为高斯函数
的宽度。

E (W )=
1
2
|Z -Z ^|2(2)
式中W 为权值向量,Z ^
为网络的输出。

图4 模糊神经网络控制器结构
2.2 跟踪目标电流
如图2所示,在目标电流由模糊神经网络控制器确定后,为了使电动机的实际工作电流I c 能迅速跟踪目标电流I ,就必需设计一个目标电流跟踪控制器。

PID 控制器是成熟的控制策略之一,算法简单,且易于通过编程实现,大量的工程实践证明了其可靠性,因此采用电流增量式PID 控制器来对目标
电流实施反馈跟踪。

在控制电路中,电动机电流的调节是通过调节电枢电压实现的。

利用脉宽调制(PWM)技术在半导体器件的导通与关断时把电流电压变成电压脉冲阵,并通过调节脉冲宽度达到变压的目的。

由于EPS 系统要求电动机能够正反向运转,因此电动机控制电路中设计了一个H 桥式斩波电路,它由4个晶体管构成,假设每个晶体管在PWM 的控制下,导通与关断时间分别为T 1和T 2,则电动机电枢电压为
U a =
T 1
T 1+T 2U d
=A U d
(3)
式中U d 为电源电压,A 为占空比。

电动机电流增量式PID 控制算法为
$u(k )=Ae(k )-Be(k -1)+Ce(k -2)(4)
e(k )=I (k )-I c (k )
A =K p (1+T /K I +K D /T )
B =K p (1+2K D /T )
C =K p (K
D /T )u (k)=u (k -1)+$u(k )
式中k 为采样序号,k =0,1,2,;K p 为PID 控制器
#554#汽 车 工 程 2004年(第26卷)第5期
的比例参数;K D 为PID 控制器的微分参数;K I 为PID 控制器的积分参数;$u (k )为第k 次采样时刻的电枢电压增量;u (k )为第k 次采样时刻的电枢总电压。

3 试验方案的设计
3.1 试验原理
为检验上文所述控制策略的效果,设计了电动助力转向试验台。

试验台由3部分组成,分别为台架部分、助力电动机的控制系统和信号采样分析系统。

两只螺旋弹簧安装在转向器横拉杆两端,一旦转动转向盘,一侧弹簧被压缩,转向负载随着转向盘转角的变化而变化[2]。

控制软件和相应程序的调试与开发系统内置于I 号PC 机中,信号采样分析系统置于Ò号PC 机内,如图5
所示。

试验开始后信号采样分析系统自行启动,Ò号PC 机监视试验台上各传感器的信号变化。

同时Ò号机通过数据采集卡上8253芯片的计数功能产生模拟车速信号并传送给控制系统,试验台也将转矩信号同步传递给EPS 的电控系统。

随着转向盘转角的增加,转矩信号逐渐增大,当其超过开始助力的门限值时,电控系统指令电动机开始助力,电动机的工作电流的大小由控制程序根据转矩信号和模拟车速信号确定。

当一个转向周期结束后,采样分析系统则绘制出转向盘转矩、转角以及电动机电流变化曲线。

将该曲线与无助力时(即Ñ号PC 机不工作)的试验曲线相比较,即能分析助力控制的效果。

3.2 信号采样分析系统
在电动助力转向试验台中,信号采样分析系统
是重要的后处理部分。

其硬件采用了支持PCI 总线标准的PCI8020过程控制接口卡,能完成各种模拟量、数字量、脉冲量的采集,并能对控制对象输出模拟量、数字量。

软件是根据试验台试验的需要自行开发的,编译过程是在Visual C++6.0平台上进行的,采用了MFC 动态单文档技术。

软件性能稳定,界面友好且兼容性强,可在多种系统平台下使用,具有软件定时、信号过滤、生成报表、显示并保存位图等多项功能。

图6
说明了软件的工作流
程。

在开发过程解决了以下关键问题。

(1)板卡驱动程序[3]。

由于PCI8020采集卡只提供在DOS 环境下对I/O 端口进行直接读写的函数,而在Window s 环境下,用户层应用程序不能对端口直接进行读写,必须借助Windows 驱动程序。

因此编写了PCI REGS.H 文件以获得主机动态分配的地址,并在该驱动程序基础上通过C++语言编制了I/O 端口操作函数PLX9052_Read Word()、PLX9052-Write Byte()等,并在应用中取得良好效果。

(2)采样数据的过滤。

传感器在外部干扰,尤其是电磁干扰的影响下,会出现采样误差,甚至在某个采样点出现无采样值的情况。

为了真实反映试验结果,必须对采样数据进行过滤,具体方法是:在每个采样周期内采集10次信号,将每个信号数据与其前后两次的进行比较,当差值同时大于某预设值时,该信号数据被认为有较大误差,将其滤去;然后,再通过M ax ()、M in()子函数求出剩余数据中的极值,同样滤去;此时,再将剩余数据进行算术平均即得该采样周期内的采样数据。

经过这种方法过滤后,试验曲线变得光滑了,且保证了试验结果的真实性。

(3)数据存储与用户界面。

为便于分析,软件设置了数据的实时存储和永久存储两种功能。

4 试验结果与分析
按照上述试验方案,在电动助力转向试验台上
#
555#2004年(第26卷)第5期 汽 车 工 程
可以进行转向轻便性试验,
观察助力转向时转向盘图7 转向盘转矩的阶跃响应
转矩和电动机电流的变化情况,模拟汽车低速行驶时的双纽线转向试验。

图7~图11为试验结果。

表1 阶跃输入下时域响应的试验结果对比
稳态值
超调量反应时间t r /s 过渡时间t s /s 均方差无助力10.827.8%0.7 1.70.674有助力
6.7
11.9%
0.4
1.1
0.335
转向轻便性是通过考察在转向盘角阶跃输入下,转向盘转矩的响应来研究的。

图7说明:有电控助力后,转向盘转矩响应的稳态值明显降低,这说明转向变得轻便了;同时反应时间也缩短了,说明转向更敏捷[4]。

表1中的试验结果也表明,实施了前文提出的控制方法的EPS 系统,转向盘操舵力更强,反应更灵敏。

图8模拟了不同车速行驶时,转向盘转矩的变化过程。

两曲线的变化趋势基本一致,说明EPS 可以使汽车在高速行驶时获得与低速行驶相同的路
感。

图9则反映了上述2种行驶工况下助力电机电流的变化情况,可以看出:为了在低速行驶时实现转向轻便和高速行驶时保持路感,低速时电动机电流明显大于高速时的电流(符合图3助力特性的要求)。

此外,图9的电流曲线也反映了助力特性的要求,即电流在开始的短暂时间内保持为零,并未随着转向盘转矩的增加而增加,当转向盘转矩增大到一定程度后,助力系统开始工作,电流开始随转向盘转矩增加而变大;一旦转向盘进入回正操作过程,控制程序迅速关断H 桥式斩波电路的4个晶体管,电流迅速减小;随着转向盘回正到中间位置附近,电动机停止助力。

当转向盘再向反方向转动时,EPS 重复上述过程,只是电流向反方向变化。

双纽线转向试验是评价转向轻便性的重要试验,从图10和图11所示的试验结果可以看出电动助力后转向盘转矩幅值明显缩小,说明实施上述控制方法的EPS 在提高汽车低速行驶转向时的轻便性方面有显著作用。

5 结论
(1)用模糊神经网络控制器确定目标电流,再通过PID 控制器跟踪目标电流的控制策略能显著地提高转向轻便性和灵敏性,适合用于EPS 的助力控制。

(2)利用试验台对EPS 系统的助力效果进行检验是十分有效的,它能清楚地反映EPS 的助力规律,以及EPS 对汽车转向轻便性和灵敏性的影响。

参考文献
1 林逸,施国标 等.电动助力转向助力控制策略的研究.汽车技术,2002,8
2 杨孝剑.汽车电动助力转向系统动力学分析与控制研究:[学位论
文].合肥:合肥工业大学,2003
3 陈龙三.8051单片机C 语言控制与应用.北京:清华大学出版社,
1999
4 余志生.汽车理论(第2版).北京:机械工业出版社,1990
#556#汽 车 工 程 2004年(第26卷)第5期。