基于小脑模型的EPS神经网络控制

基于小脑模型的EPS神经网络控制*【摘要】建立了车辆电动助力转向系统（EPS）数学模型，针对EPS控制的响应速度及实时性的要求，基于小脑模型，设计了EPS神经网络控制策略，分析了电动助力转向系统的动态响应，开发了基于单片机ARM为内核的EPS控制器，在仿真的基础上，进行了实车道路试验。结果表明，基于小脑模型的神经网络控制的电动助力转向系统较好地协调了车辆转向时轻与灵的矛盾，改善了车辆的操纵稳定性，提高了整车综合性能。关键词：电动助力转向系统小脑模型神经网络控制试验引言电动助力转向系统（ElectricPowerSteeringSystem,简称EPS）与传统液压助力转向系统相比，具有节能、环保、结构紧凑及性能优良等优点，成为国内外学者、生产厂家的研究热点[1-4]。近年来，许多学者在系统建模、助力特性规则、EPS控制原理、控制方法、试验手段等方面进行一系列的研究，取得了一定的研究成果，但现有的产品还存在一定的缺陷，EPS助力时，抖动严重，控制效果不理想，仍需要对EPS的一些关键技术进行攻关，特别是EPS的控制策略。基于小脑模型的神经网络控制（CerebellarModelArticulationControl，简称CMAC）是近年发展起来的的一种新兴智能控制方法，它能较好地把信息存储在局部结构上，使每次修正的权系数很少，在保证函数非线性逼近性能的前提下，学习速度快，实时性好，泛化能力强。文章建立EPS动态数学模型，基于小脑模型，设计EPS神经网络集成控制策略，开发集成控制器，在仿真的基础上，进行实车道路试验。1EPS动态数学模型参考文献[5]，EPS动态数学模型为：XAXBuYCXDu(1)(2)式中，[]TssrrmmXxx[]ThmuTTF[,,,,]TsenasmrYTTxA、B、C、D为常系数矩阵[5]。2EPS控制系统设计采用CMAC的前馈控制，同时控制系统中并行一个PID控制器，对网络进行指导学习。CMAC实现前馈控制，实现被动对象的逆动态模型，PID控制器实现反馈控制，保证系统的稳定性。其结构如图1。图1CMAC控制原理图Fig.1FlowchartofCMACEPS系统电机端电压其控制规律为:()()[()]DpTdetutKetdt(3)CMAC的学习算法为：1()cciiiukwa(4)()()()scpukukuk(5)式中，ia为二进制选择向量，iw为CMAC网络的权值，c为CMAC网络的泛化参数。CMAC的权值修正算法为：21()[()()]/2scEkukukc(6)()()()()psciiukukukEwkaawcc(7)()(1)()[()(1)]wnwnwnwnwn(8)式中，为网络学习速率，(0,1)；为惯性量，(0,1)。CMAC控制器虽然由PD控制器的输出训练的，但是并不是PD控制器的简单复制。加入PD2控制器的目的是为了评判CMAC控制器的性能，增强系统的稳定性。当采用PD控制器单独控制时，控制器的控制参数dK和pK值在很大程度上决定着控制效果，因此参数值的整定一直是控制器的难点。而采用PD算法指导的CMAC控制时，控制效果不依赖于dK和pK的精确值，二者只需在一个合理的范围即可。本文在系统运行时，设定dK=0.05，pK=0.01,选取CMAC网络泛化参数c=5，学习速率=0.2，网格基数N=200。3EPS动态响应在Matlab/Simulink环境下进行数值仿真，EPS系统结构参数参考文献[6]，进行转向轻便性仿真、力矩阶跃输入下电机电流响应仿真及路面干扰对转向盘把持力矩影响仿真，结果如图2及表1。a）汽车转向轻便性仿真b）力矩阶跃输入下电机电流的响应c）力矩阶跃输入下电机电流的响应图2EPS动态响应Fig.2FlowchartofEPS表1EPS仿真结果Tab.1ThesimulationresultofEPSa)转向轻便性对比无助力时转向盘转矩峰值及平均值(N.m)有助力时转向盘转矩峰值及平均值(N.m)轻便性效能指标s原地转向25.5808.6148.6032.8972.973V=10Km/h12.1704.0015.5321.8192.199b)力矩阶跃输入下电机电流的响应对比分析5Nm力矩阶跃输入10Nm力矩阶跃输入车速状态稳定值(A)最大超调量稳态时间(s)稳定值(A)最大超调量稳态时间(s)原地转向19.959.2％0.1129.937.8％0.13V=10Km/h10.4416.1％0.1316.0217.7％0.14c)随机干扰对转向盘力矩的影响分析无控制神经网络控制车速状态峰值(N.m)方差(N.m)峰值(N.m)方差(N.m)V=10Km/h0.24280.082580.12220.03636V=20Km/h0.16990.057740.087680.02677由图2及表1可以看可知，在有助力的情况下，转向力矩分别为无助力时的33.6％和45.5％，电动机电流的稳定时间在0.10-0.12s之间，电流超调量迅速消失，电动机响应迅速，工作稳定，符合助力特性要求，且采用模糊神经控制的EPS系统，对路面干扰输入有很好的抑制效果。4试验研究4.1EPS控制器EPS控制器采用ARM芯片为内核元件，其结构原理如图3所示。图3EPS系统硬件结构图Fig.3StructureofEPS软件系统主要应用C语言进行设计编程，并采3用模块化结构，按功能建立子程序。控制子系统软件中主要包括初始化、A/D转换、神经网络控制处理等模块。主程序流程图如图4。图4控制器主程序流程图Fig.4Flowchartofthecontrolprogramme4.2实车道路试验为了进一步验证EPS的动态性能，将开发的EPS系统装入某微型轿车进行实车道路试验。试验参数如前文所述，试验系统原理如图5，结果如图6。图5EPS整车试验原理图Fig.5Blockofthetesta)原地转向时转矩随转向盘转角的变化曲线b)原地转向时电流随转向盘转角的变化曲线c)车速为5Km/h时转矩随转向盘转角的变化曲线d)车速为5Km/h时电流随转向盘转角的变化曲线图6试验曲线Fig.6Testcurve表2转向轻便性试验结果Tab.2Thesimulationresultofsteeringportability无助力时转向盘转矩峰值及平均值(N.m)有助力时转向盘转矩峰值及平均值(N.m)轻便性效能指标s原地转向26.4214.119.6584.3083.275V=10Km/h19.118.7137.83.8062.289由图6及表4可知，所设计的EPS能获得较好的转向轻便性，转向盘转矩能够随转向盘转角平稳变化，助力电机的电流波动较小，在助力控制下，转向盘的输入转矩明显降低，在原地和车速为5km/h的工况下，转向轻便性分别提高了69.5%和56.3%。随着车速升高，EPS的助力效能降低，试验数据的变化趋势验证了轻便性的仿真结果，符合EPS的助力特性要求。5结论4(1)基于小脑模型的EPS神经网络控制，大大提高了EPS的控制效果，改善了汽车操纵稳定性。(2)计算和试验结果基本吻合，EPS数学模型、模糊神经网络控制器模型合理、可行。(3)EPS整车道路试验获得了丰富的试验数据，为EPS产业化奠定了基础。参考文献1黄李琴，季学武，陈奎元.汽车电动助力转向控制系统的初步研究[J].汽车技术，2003，(6)2台晓虹，申荣卫。汽车EPS转向系统与SBW[J]。汽车与配件，2006（16）3KimJH,SongJB.Controllogicforanelectricpowersteeringsystemusingassistmotor[J].Mechatronics,2002,12(3):447-4594JiHoonKim,JaeBokSong.Controllogicforanelectricpowersteeringsystemusingassistmotor[J].Mechatronics,2002,12:47-459.5陈龙，毛建伟,江浩斌，等.汽车电动助力转向系统特性及其与整车性能的匹配研究[J].中国机械工程，2008，19(4)：475-480.6林安.汽车半主动悬架和电动助力转向系统FNN/CMAC集成控制研究[D].镇江：江苏大学，2007.