[发明专利]基于智能控制的电动助力转向系统

权利要求书

1.基于智能控制的电动助力转向系统，由方向盘的转向输入、扭矩传感器、车速和转速输入、智能电子控制器和电动转向机构组成，其中：

所述的智能电子控制器由控制算法微控制器(MCU)模块、PWM电机驱动模块、电源模块组成；

控制计算微控制器(MCU)上面嵌入有控制算法软件，综合神经网络算法和模糊控制推理技术，形成专用的转向控制策略，并将转向控制策略转化为控制芯片中的软件，通过模拟试验和路况试验获取数据，采用离线建模方式优化控制参数，再加载应用到控制算法微控制器(MCU)模块；其输入变量至少包括方向盘的转向扭矩、车速和转速、驱动电机反馈的驱动电流数据；

PWM电机驱动模块为脉宽调制开关控制模块，其控制输入端连接控制算法微控制器(MCU)模块输出的控制信号输出端，电机驱动模块的输出端连接电动转向机构的驱动电机，以驱动电流方式控制驱动电机形成相应的转向助力；同时把驱动电机的驱动电流数据反馈给控制算法微控制器(MCU)模块；

T_W为作用于方向盘产生的扭矩，V为车速，以扭矩和车速作为神经网络模糊控制器的输入，经控制算法计算出助力电流I，通过PWM控制方式驱动电机输出助力扭矩T_I。

2.根据权利要求1所述的基于智能控制的电动助力转向系统，其特征在于控制算法微控制器(MCU)模块为神经网络模糊控制器，神经网络模糊控制器采用Sugeno型模糊推理方法，结合BP神经网络建立控制模型，经过离线建模即建立决策库，以及在线控制两个过程，实现电动助力转向的智能控制；其拓扑结构及构成步骤如下：

(1)先在计算机上建立一个模糊集数据库，该模糊集数据库中设置有模糊集A和模糊集B；

(2)按照一个非模糊值的模糊化是根据输入语言变量的定义来确定相应于每个语言值的隶属度，而模糊推理主体根据语言变量的定义相对输入量建立语言控制规则的方法，将参数扭矩T_W和车速V模糊化输入，分别映射到模糊集A和模糊集B，扭矩T_W的变化范围为-10～10，车速V的变化范围为0～80，为满足控制精度的需要，扭矩T_W选取的等级值数据有20个至少不小于6个，车速V选取的等级值数据有80个至少不小于10个。扭矩T_W与车速V模糊化后得到对应的输入语言变量X_m和Y_m。输入不同扭矩T_W与车速V值，依次建立模糊控制集规则库；

(3)采用Sugeno型模糊推理算法，其模型为单元素输出隶属函数，其模糊蕴含即是简单的乘法，模糊合成即是各单元属输出隶属函数的简单包含，解模糊化处理采用加权平均法，计算简单，极大地提高模糊化过程的效率，

隶属度函数形状可取三角形、梯形、钟形或正态分布形：

三角形隶属度函数表达式为：

f ( x , a , b , c ) = 0 , x ≤ a x - a b - a , a ≤ x ≤ b c - x c - b , b ≤ x ≤ c 0 , c ≤ x - - - ( 1 ) ]]>

式中a、c是三角形的底边的两个端点，c为三角形的顶点，x是输入变量；

钟型隶属度函数表达式为：

x = 1 1 + | v - c a | 2 b - - - ( 2 ) ]]>

式中a，b确定钟型函数的形状，c决定函数的中心位置，v为输入变量；

高斯型隶属度函数表达式为：

x = e ( t - d ) 2 2 δ 2 - - - ( 3 ) ]]>

式中d决定函数的中心点，δ决定函数的宽度，t为输入变量；

(4)控制模型构造完成后，运用数学优化算法来调整上述函数中的参数以减小它与理想系统的误差，即使误差函数E值最小：

E = 1 2 Σ i = 1 n ( t i - y i ) 2 - - - ( 4 ) ]]>

式中t_i是理想值，y_i是模型输出值，n为输出参数总量，i为输入输出组号；

在上述控制器拓扑结构中，第二层、第三层、第四层分别是BP网络的输入层、隐层和输出层。隐层第k节点的输出为：

y ( 3 ) k = f ( Σ j = 1 n w j , k y ( 2 ) j ) - - - ( 5 ) ]]>

式中w_j，k为连接输入层节点j与隐层节点k的权值，y⁽²⁾_j为输入层节点j的输出，输出层第k节点的输出为：

y ( 4 ) k = f ( Σ i = 1 n w i , k ′ y ( 3 ) k ) - - - ( 6 ) ]]>

式中w_i，k′为连接输出层节点k与隐层节点i的权值；

解模糊化采用加权平均法，所有的模糊规则的权重都为1，其解模糊化输出值电流值x^*为：

x * = Σ i x i μ ( x i ) Σ i μ ( x i ) - - - ( 7 ) ]]>

式中x_i为第I个节点隶属度值，μ(x_i)为目标函数；

本发明采用一阶梯度寻优法来调整隶属度函数参数和连接权值，使得误差值E达到期望值：

w j , k ( l + 1 ) = w j , k ( l ) - β ∂ E w j , k ( l ) - - - ( 8 ) ]]>

式中β为训练步长，w_j，k(l)为连接输出层节点k与隐层节点j的权值；

(5)通过上述学习和训练的模糊推理过程，建立控制决策，形成决策库；

(6)系统在实时控制过程中，以扭矩和车速的实际输入值和当前车速值，依据上述控制决策，计算相应的控制电流，以PWM方式驱动电机产生转向助力；

T_W为作用于方向盘产生的扭矩，V为车速，以扭矩和车速作为神经网络模糊控制器的输入，经控制算法计算出助力电流I，通过PWM控制方式驱动电机输出助力扭矩T_I。