本发明专利技术涉及一种电动助力转向系统的多学科优化设计方法，具体步骤是：1.车辆系统建模，建立二自由度车辆模型,并对EPS模型的各部件进行受力分析，得到各自的运动方程；2.优化目标的建立，采用横摆角速度与转向角之比 来表示转向灵敏度；3.EPS参数优化：（1）目标函数的确定，（2）优化算法：采用遗传算法和改进的粒子群算法，（3）优化步骤。本发明专利技术结合多学科协同优化对EPS系统机械系统和控制系统的参数进行集成优化设计，在此基础上，以操纵路感和转向灵敏度为优化性能指标，分别运用遗传算法和粒子群算法两种优化方法进行优化，最终使EPS系统得以全局优化，达到提高整车操纵稳定性的目的，实现了多科学多目标优化设计。
【技术实现步骤摘要】
本专利技术涉及一种电动助力转向系统该系统，尤其是一种用于提高转向的轻便性和 灵敏性，为驾驶者提供合适的路感的动助力转向系统该系统的优化设计方法。
技术介绍
车辆操纵稳定性是汽车研究的一个重要方面。其中，转向系统对驾驶员的力反馈 对车辆操纵稳定性影响明显。由于电动助力转向系统是复杂的机电耦合子系统，其设计、参 数优化以及与整车的匹配受到众多机械与控制参数的影响和制约，在EPS系统的初始设计 时，通常将机械结构参数和控制器性能参数单独设计。这样优化出的设计参数往往不能使 转向系统性能达到全局最优，从而影响车辆操稳性和行驶安全性。由于近年来，众多品牌的 乘用车都出现了各种各样的EPS系统问题，若能从系统工程分析的角度对EPS进行全局优 化设计，势必可以极大的降低故障发生的概率，而针对EPS系统参数的优化设计选取必须 通过综合考虑机械、控制参数的多学科全局优化方法得到，并通过整车操稳性的主客观评 价方法进行匹配验证。 在传统的电动助力转向系统设计中，先是通过理论来设计EPS的机械结构参数， 然后采用相应的控制策略来设计控制器。这种设计方法把一个机电系统的设计一分为二， 虽然在前后两步设计过程中都使用了优化设计思想，但机械结构和电机控制器之间存在错 综复杂的相互关系，使得机械结构与控制结构之间存在耦合，因此在设计之初就需要考虑 这两者之间的关系，以得到全局最优参数。另一方面，由于被控对象与控制器之间又是相互 联系的。因此对两个系统同时优化设计，比单独设计更合理，也期望得到更佳的结果。EPS 是一个高度协调的机电一体系统，为了能够更加提高转向系统性能并且减少能源消耗。
技术实现思路
本专利技术提出一种，结合多学科协同优化 对EPS系统机械系统和控制系统的参数进行集成优化设计，在此基础上，以操纵路感和转 向灵敏度为优化性能指标，分别运用遗传算法和粒子群算法两种优化方法进行优化，最终 使EPS系统得以全局优化，达到提高整车操纵稳定性的目的，实现了多科学多目标优化设 计。这种通过机械参数和控制参数的多目标集成优化，为EPS系统的优化提供一种新的解 决方案，这是提出该策略的诱因。 本专利技术的技术方案是：一种，包括以下 具体步骤： 1.车辆系统建模 建立二自由度车辆模型，并对EPS模型的各部件进行受力分析，得到各自的运动 方程：转向柱：/,A + CA + ?： = ?； + ./;风4,) ⑴助力电机：(?)输出轴：：?齿条： CN 105137758 A 说明书 2/10 页 其中 由扭矩传感器测量的车速和转向柱力矩为输入量，通过试验得出助力脉谱特性， 由助力电流计算出助力扭矩； 2.优化目标的建立 采用横摆角速度与转向角之比r (S)/0h(s)来表示转向灵敏度，即车辆方向盘转 角到车辆横摆角速度响应的传递函数表示：(?) 由公式1和EPS模型公式得转向灵敏度评价传递函数： 式中：m为整车质量；V为车速；Qf分别为前后轮胎侧偏刚度；β为质心侧偏角； γ为横摆角速度；a为前轮到质心的距离；b为后轮到质心的距离；I = a+b ;ΙΖ为车身横摆 转动惯量；Ν2为齿轮齿条转向器传动比；Kv为助力增益；K t为电动机的电磁转矩常数。 求出操纵路感评价函数： 根据劳斯判据判断稳定性，获得系统的特征方程和各项系数，并将系统特征方程 的系数排成Routh表，并得出系统稳定的必要条件； 3. EPS参数优化 (1)目标函数的确定：多目标优化问题的基本模型 min F (x) = Cf1 (x), f2(x),.....,f3(x))T (13) L x U x = (X1, x2, ... xn) 式中F(x)为目标函数，g (X)为不等式约束函数，h (X)为等式约束函数，x为决策 矢量，L、U为X的上下界。 建立以操纵路感和转向灵敏度为目标函数的优化模型，操纵路感的频域能量：(14): 转向灵敏度频域能量：(15) 由于优化算法中进行优化时是使目标函数最小化，所以取优化目标函数为： 目标函数 I imin-A (Ks，Ini, N1, Kp，K1, Kd) 目标函数 2 :min_f2 (Ks，Ini, N1, Kp，K1, Kd) 约束条件的确定，开始优化前根据分析确定参数的上下界：40 < Ks< 180 5 ^ N1^ 30 0. 0001 ^ I 0. 001 0 ^ K 20 0 ^ K ^ 10 0 ^ K 10 (2)优化算法： 采用遗传算法和改进的粒子群算法，来寻找全局最优值，更新各粒子速度和位置 的公式为： (16) 其中：w表示惯性权重；Cl、C2为学习因子；r i、r2为介于0到1之间均匀分布的随 机函数自动生成；t表示第t次迭代，d代表决策变量的维数，average (pg/)代表对"记忆 体"中当前最优Pareto解两两相互比较所得的较优粒子； (3)优化步骤： 首先通过Simulink模型，求得一组名义系统参数，即Ks，NI, 1"，Kp，K1, Kd的初始值， 设定系统在2秒内稳定，横摆角速度峰值在0. 3左右，且增益幅度不超过20%的条件下，确 定一组名义模型参数： 1)建立以操纵路感和转向灵敏度为目标函数的模型，将控制器参数取名义定值， 利用两优化算法分别进行优化机械系统参数K s、Nl、Ini; 2)根据EPS控制和优化的需要，设计PID控制器控制策略，将机械结构参数取名义 定值，优化控制器参数K p、Kp Kd; 3)将机械结构参数和控制系统参数同时设为自变量，利用两种算法进行协同优 化。代入simulink模型进行验证并比较最终优化效果。 本专利技术的有益效果是：本专利技术结合多学科协同优化对EPS系统机械系统和控制系 统的参数进行集成优化设计，在此基础上，以操纵路感和转向灵敏度为优化性能指标，分别 运用遗传算法和粒子群算法两种优化方法进行优化，最终使EPS系统得以全局优化，达到 提高整车操纵稳定性的目的，实现了多科学多目标优化设计。【附图说明】 图1是本专利技术集成优化框图； 图2a是EPS折线型助力特性图； 图2b是EPS助力特性试验Map图； 图3是机械参数多目标优化图； 图4是控制参数多目标优化图； 图5是多目标参数集成优化图； 图6是机械参数多目标粒子群优化结果图； 图7是控制参数多目标粒子群优化结果图； 图8是多目标集成多目标粒子群优化结果图； 图9是采用遗传算法的横摆角速度优化结果图； 图10是采用改进的粒子群算法的横摆角速度优化结果图； 图11是采用遗传算法的质心侧偏角优化结果图； 图12是采用改进的粒子群算法的质心侧偏角优化结果图； 图13是优化前后的转向灵敏度对比曲线图； 图14是优化前后的转向路感对比曲线图。【具体实施方式】 下面结合附图与实施例对本专利技术作进一步说明。 如图1所示，本专利技术的，包括以下具体 步骤： 1.车辆系统建模 建立二自由度车辆模型，并对EPS模型的各部件进行受力分析，得到各自的运动 方程：转向柱：/A+d I； = I；+人(M6) ⑴助力电机： 其中 CN 105137758 A 1冗 P月卞> 6/10 页 合理的转向助力特性曲线不仅可保持汽车低速行驶时转向轻便灵活，而且可保持 中高速行驶时的路感和操纵稳定性。该车初始本文档来自技高网...
【技术保护点】
一种电动助力转向系统的多学科优化设计方法，其特征在于，包括以下具体步骤：一.车辆系统建模建立二自由度车辆模型,并对EPS模型的各部件进行受力分析，得到各自的运动方程：转向柱：Ihθ··h+Chθ·h+Tc=Th+fh(θh,θ·h)---(1)]]>助力电机：Imθ··m+Cmθ·m=Tm-Ta+fm(θm,θ·m)---(2)]]>输出轴：Ieθ··e+Ceθ·e=Tc+N1Ta-T1+fe(θe,θ·e)---(3)]]>齿条:Mrx··r+Crx·r+Krxr+TR=T1r+fr(xr,x·r)---(4)]]>Tc＝Ks(θh‑θe) T1＝K1δ Tm＝KaiaTm=KaR(U-Kbθ·m)]]>Ta=Km(θm-N1δ)---(5)]]>其中由扭矩传感器测量的车速和转向柱力矩为输入量，通过试验得出助力脉谱特性，由助力电流计算出助力扭矩；二.优化目标的建立采用横摆角速度与转向角之比r(s)/θh(s)来表示转向灵敏度，即车辆方向盘转角到车辆横摆角速度响应的传递函数表示：r(s)θh(s)=r(s)δ(s)δ(s)θe(s)θe(s)θh(s)---(6)]]>由公式1和EPS模型公式得转向灵敏度评价传递函数：r(s)θh(s)=Xo2(s)Xi(s)1N2Uo(s)Ui(s)---(7)]]>Xi(s)=mIzVs2+[m(a2Cf+b2Cr)+Iz(Cf+Cr)]s+CfCrl2V-mV(aCf-bCr)---(8)]]>Ui(s)=[(N12Im+Ie)s2+(N12Cm+Ce+N12KbKaLs+R)s+Ks+KvN1KaKbLs+R](Ls+R)+P(s)Q(s)(Ls+R)---(9)]]>Uo(s)＝Ks(Ls+R+KvN1Kt) (10)其中：Xo2(s)＝Cf(amVs+lCr)式中：m为整车质量；V为车速；Cr,f分别为前后轮胎侧偏刚度；β为质心侧偏角；γ为横摆角速度；a为前轮到质心的距离；b为后轮到质心的距离；l＝a+b；Iz为车身横摆转动惯量；N2为齿轮齿条转向器传动比；Kv为助力增益；Kt为电动机的电磁转矩常数。求出操纵路感评价函数：E=Th(s)T1(s)=-KsL(s)]]>其中：L(s)=(N12Im+Ie)s2+(N12Cm+Ce+N12KbKaLs+R)s+Ks+KsKvN1KaLs+R---(11)]]>Th≈Ts＝Ks(θh‑θe)＝‑Ksθe (12)根据劳斯判据判断稳定性，获得系统的特征方程和各项系数，并将系统特征方程的系数排成Routh表，并得出系统稳定的必要条件；三.EPS参数优化(1)目标函数的确定：多目标优化问题的基本模型minF(x)＝(f1(x),f2(x),.....,f3(x))T (13)s.t.gi(x)<0i=1,2,....,mhj(x)=0j=1,2,....,n]]>L≤x≤U x＝(x1,x2,...xn)式中F(x)为目标函数，g(x)为不等式约束函数，h(x)为等式约束函数，x为决策矢量，L、U为x的上下界。建立以操纵路感和转向灵敏度为目标函数的优化模型，操纵路感的频域能量：max:f1(Ks,Im,N1,Kp,Ki,Kd)=12πω∫0ω0|Th(s)T1(s)|2s=jωdω,ω∈[0,ω0]---(14)]]>转向灵敏度频域能量：max:f2(Ks,Im,N1,Kp,Ki,Kd)=12πω∫0ω0|γ(s)θh(s)|2s=jωdω,ω∈[0,ω0]---(15)]]>由于优化算法中进行优化时是使目标函数最小化，所以取优化目标函数为：目标函数1：min‑f1(Ks,Im,N1,Kp,Ki,Kd)目标函数2：mi...
【技术特征摘要】
【专利技术属性】
技术研发人员：孙涛，都培培，孙跃东，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。