[发明专利]基于智能控制的电动助力转向系统

说明书

技术领域

本发明属于机动车电动控制技术领域，涉及一种电动助力转向设备，尤其涉及一种基于智能控制的电动助力转向系统。

背景技术

电动助力转向系统(EPS)是现代汽车转向系统的发展方向，是高新科技产业之一。我国汽车2003年汽车产量达到400万辆，2006年已突破640万辆，正以每年20％的速度递增，目前绝大部分汽车采用机械转向或液压助力转向，仅有少数高级轿车采用电动助力转向器。今后汽车工业的发展趋势，大部分微型车和轿车都将采用电动助力转向器，因此，电动助力转向控制系统的市场前景十分广阔。

EPS系统代表着转向装置的发展方向，它是在机械转向系统的基础上，根据作用在方向盘上的转矩信号和车速信号，通过电子控制装置使电机产生相应大小和方向的辅助力，协助驾驶员进行转向操作，并获得最佳转向特性的伺服系统。已有技术的EPS系统的组成如图1所示，一般由转向机构(包括机械转向器、减速器、驱动电机和整车转向轮)、方向盘转向输入(包括转矩传感器)、车速转速输入、电子控制器(包括控制单元和驱动单元)以及畜电池电源等组成。已有技术的EPS系统为多变量、非线性输入，采用线性控制算法的直接扭矩控制系统存在较大的脉动扭矩，存在转向控制不平稳，导致驾车的舒适性和可操控性较差，具体的表现就是转向时手感比较差。

发明内容

本发明的目的是克服现有技术上述的助力转向扭矩脉动较大，驾车的舒适性和可操控性较差等缺陷，公开一种基于智能控制的电动助力转向系统，将智能控制引入到电动转向的电机扭矩控制，它不依赖于被控对象的精确模型，但建立的模糊策略能有效克服电机的非线性、强耦合等缺点，同时利用神经网络控制的良好自学习、自调整能力，弥补模糊控制规则的有限性影响控制精度，以及参数控制自适应调节能力低的欠缺，提高了系统的自适应和控制能力。

本发明的上述目的是通过以下的技术方案来实现的，即一种基于智能控制的电动助力转向系统，本发明的核心部件是神经网络模糊控制器，它由控制算法微处理器MCU、PWM驱动模块和电源模块组成，以扭矩、车速和驱动电机反馈电流为输入语言变量，经离线建模，形成控制决策以及在线控制两个过程，实现电动助力转向的智能控制。

本发明基于智能控制的电动助力转向系统的基本结构原理框图如1所示。其中的智能电子控制器由三个相对独立的微控制器(MCU)模块41、PWM电机驱动模块42、电源模块43组成，其组成原理框图如图2所示。

本发明的微控制器(MCU)嵌入的控制算法软件，综合神经网络算法和模糊控制技术，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。本发明控制系统组成示意框图如图3所示，其中TW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方式控制电机输出助力扭矩TI。

本发明的神经网络模糊控制器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。

本发明采用Sugeno型模糊推理方法，结合BP神经网络建立控制模型，其拓扑结构图如下：

(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：