一种电动助力转向系统的控制方法技术方案

本发明专利技术公开了一种电动助力转向系统的控制方法，包括：(1)初始化RBF神经网络参数；(2)获取当前时刻的汽车速度、转向盘输出扭矩及助力电机的实际电流值；(3)利用助力特性曲线计算当前时刻助力电机目标电流值；(4)将当前时刻助力电机的实际电流值与助力电机目标电流值之差作为RBF神经网络的输入，利用BP学习算法更新RBF神经网络的参数，基于更新参数的RBF神经网络得到下一时刻的助力电机实际电流值；(5)向助力电机输入电流值等于所述助力电机下一时刻的助力电机实际电流值的电流；(6)到达下一时刻后，返回执行步骤(2)。本发明专利技术通过参数不断更新的RBF神经网络快速调整助力电机输出，保证了转向控制系统具有较高自适应性和控制精度。

【技术实现步骤摘要】
一种电动助力转向系统的控制方法
本专利技术涉及汽车转向系统控制领域，尤其涉及一种电动助力转向系统的控制方法。
技术介绍
随着人们对于汽车行驶安全要求的不断提高，人们对汽车的平顺性和操纵稳定性也提出了越来越高的要求，这是因为人们希望在汽车的频繁使用过程中能够减轻疲劳，操纵轻便灵活，容易驾驶。通过合理设计车轮定位参数可以使得汽车具有一定的回正能力，从而提高汽车的操纵稳定性，但却增加了汽车转向阻力，特别是在低速行驶时，这容易造成驾驶员的疲劳，不利于驾驶时的舒适性。因此，系统通过借助外力来提高转向能力，这对提高汽车操纵稳定性有十分积极的意义，则出现了汽车助力转向系统。随着汽车技术与电子技术的不断发展与进步，汽车转向系统发展到电动助力转向。其具有节能、环保、减轻自重、可移植性好、结构简单、布置灵活等诸多优点，紧扣未来汽车的“安全、节能、环保”发展主题，使其成为当今汽车助力系统最广泛采用、最主流的技术，成为世界汽车技术发展的研究特点之一。电动助力转向系统是一套复杂的机电一体化系统，主要包括控制器、转向盘转矩传感器、车速传感器、电流传感器、助力电机以及减速机构、机械式转向器、电源等部分。电动助力转向系统控制的关键问题根据汽车的运行状态确定助力电机输出力矩，并设计电机控制器实现助力电机力矩的跟踪。针对该问题，研究人员从电动助力转向系统助力力矩是转向盘阻力矩与驾驶员理想转向盘力矩的差值这一本质入手，详细阐述了低速与高速行驶工况下电动助力转向系统助力特性曲线的设计机理，并对电动助力转向系统助力特性曲线的相关几何特征进行了探讨。还有研究人员以驾驶员理想转向盘力矩为依据，设计了电动汽车的助力特性曲线，对电动汽车电动助力转向系统助力曲线进行了设计与评价。在现有的电动助力转向系统控制技术中，研究者们提出了各种不同的控制方法，然而在电动助力转向系统本身存在许多非线性问题，并且电动助力转向系统在运行过程中还会受到路面的不确定因素的干扰，多数现有的方法并未将这些问题考虑进去，当出现突发情况时，不能及时调整助力电机输出的转矩。因此，如何提供一种可以在突发情况发生时，快速调整助力电机输出的转矩的技术方案成为了本领域技术人员急需解决的问题。
技术实现思路
针对现有技术中存在的上述不足，本专利技术公开了一种电动助力转向系统的控制方法，通过参数不断更新的RBF神经网络快速调整助力电机输出，保证了转向控制系统具有较高自适应性和控制精度。为解决上述技术问题，本专利技术采用了如下的技术方案：一种电动助力转向系统的控制方法，包括如下步骤：(1)电动助力转向功能开启后，初始化RBF神经网络参数；(2)获取当前时刻的汽车速度、转向盘输出扭矩及助力电机的实际电流值；(3)基于当前时刻的汽车速度及转向盘输出扭矩利用助力特性曲线计算当前时刻助力电机目标电流值；(4)将当前时刻助力电机的实际电流值与助力电机目标电流值之差作为RBF神经网络的输入，利用BP学习算法更新RBF神经网络的参数，基于更新参数的RBF神经网络得到下一时刻的助力电机实际电流值；(5)向助力电机输入电流值等于所述助力电机下一时刻的助力电机实际电流值的电流；(6)到达下一时刻后，返回执行步骤(2)。优选地，所述RBF神经网络表示为：其中，I’为下一时刻的助力电机实际电流值，Ie＝I-Im为当前时刻助力电机的实际电流值与目标电流值的之差，Z＝Ie为RBF神经网络输入，S(Z)＝[s1(Z),…sn(Z)]T，si(·)是第i个神经节点的径向基函数，1≤i≤n，n为神经网络节点数且n＞1，W为权值向量，W＝[w1,…,wn]T∈Rn，Rn为n维实数空间，wi为第i个神经节点的权值。优选地，mi为第i个神经节点的高斯函数中心点，σi为第i个神经节点的高斯函数方差。优选地，步骤(4)中，wi(n+1)-wi(n)＝-η(I-Im)si(Z)式中σi(n)和σi(n+1)为更新前后的σi值，mi(n)和mi(n+1)为更新前后的mi值，wi(n)和wi(n+1)为更新前后得到的wi值，为平方误差函数，η为学习率。优选地，助力电机的目标电流值其中K(Vj)为第j个速度范围的助力增益系数，Ijmax为第j个速度范围的助力电机最大工作电流，Td为转向盘输出扭矩，Td0为开始助力时转向盘输出扭矩，Tdmax为助力电机最大工作电流对应的转向盘输出扭矩。优选地，存在多个不同的速度范围，每个速度范围均有一个为常数的助力增益系数，若第j个速度范围和第k个速度范围为任意两个不相同的速度范围，且第j个速度范围的最低速度大于或等于第k个速度范围的最高速度，则第j个速度范围的助力增益系数小于第k个速度范围的助力增益系数。综上所述，本专利技术公开了一种电动助力转向系统的控制方法，包括：(1)初始化RBF神经网络参数；(2)获取当前时刻的汽车速度、转向盘输出扭矩及助力电机的实际电流值；(3)利用助力特性曲线计算当前时刻助力电机目标电流值；(4)将当前时刻助力电机的实际电流值与助力电机目标电流值之差作为RBF神经网络的输入，利用BP学习算法更新RBF神经网络的参数，基于更新参数的RBF神经网络得到下一时刻的助力电机实际电流值；(5)向助力电机输入电流值等于所述助力电机下一时刻的助力电机实际电流值的电流；(6)到达下一时刻后，返回执行步骤(2)。本专利技术通过参数不断更新的RBF神经网络快速调整助力电机输出，保证了转向控制系统具有较高自适应性和控制精度。附图说明图1为本专利技术公开的一种电动助力转向系统的控制方法的流程图；图2为本专利技术中直线型助力特性曲线的示意图；图3为本专利技术中仿真实验的低速助力曲线图；图4为本专利技术中仿真实验的中速助力曲线图；图5为本专利技术中仿真实验的高速助力曲线图。具体实施方式下面结合附图对本专利技术作进一步的详细说明。如图1所示，本专利技术公开了一种电动助力转向系统的控制方法，包括如下步骤：S101、电动助力转向功能开启后，初始化RBF神经网络参数；S102、获取当前时刻的汽车速度、转向盘输出扭矩及助力电机的实际电流值；S103、基于当前时刻的汽车速度及转向盘输出扭矩利用助力特性曲线计算当前时刻助力电机目标电流值；S104、将当前时刻助力电机的实际电流值与助力电机目标电流值之差作为RBF神经网络的输入，利用BP学习算法更新RBF神经网络的参数，基于更新参数的RBF神经网络得到下一时刻的助力电机实际电流值；S105、向助力电机输入电流值等于所述助力电机下一时刻的助力电机实际电流值的电流；S106、到达下一时刻后，返回执行步骤S102。本专利技术的方法可以适用于具有电动助力转向系统的汽车、摩托车及电动车等交通工具。以汽车为例，转向盘即为汽车的方向盘。电机转矩可以通过控制电压和电流两种方式控制，其中控制电压是开环控制方式，而控制电流通过电流传感器测得电枢电流信号构成反馈通道形成闭环控制方式。开环控制结构简单，但控制精度不高，闭环控制则控制精度高，抗干扰能力强。本专利技术采用控制电流的闭环控制方式。向RBF神经网络输入实际电流值与目标电流值之差，利用BP学习算法更新神经网络的参数，更新参数后的神经网络为电流的控制量(即助力电机下一时刻的助力电机实际电流值)，向助力电机输出等于助力电机下一时刻的助力电机实际电流值的电流，实现助力电机的实际电流跟踪目标电流，且控本文档来自技高网...

【技术保护点】
1.一种电动助力转向系统的控制方法，其特征在于，包括如下步骤：(1)电动助力转向功能开启后，初始化RBF神经网络参数；(2)获取当前时刻的汽车速度、转向盘输出扭矩及助力电机的实际电流值；(3)基于当前时刻的汽车速度及转向盘输出扭矩利用助力特性曲线计算当前时刻助力电机目标电流值；(4)将当前时刻助力电机的实际电流值与助力电机目标电流值之差作为RBF神经网络的输入，利用BP学习算法更新RBF神经网络的参数，基于更新参数的RBF神经网络得到下一时刻的助力电机实际电流值；(5)向助力电机输入电流值等于所述助力电机下一时刻的助力电机实际电流值的电流；(6)到达下一时刻后，返回执行步骤(2)。

【技术特征摘要】
1.一种电动助力转向系统的控制方法，其特征在于，包括如下步骤：(1)电动助力转向功能开启后，初始化RBF神经网络参数；(2)获取当前时刻的汽车速度、转向盘输出扭矩及助力电机的实际电流值；(3)基于当前时刻的汽车速度及转向盘输出扭矩利用助力特性曲线计算当前时刻助力电机目标电流值；(4)将当前时刻助力电机的实际电流值与助力电机目标电流值之差作为RBF神经网络的输入，利用BP学习算法更新RBF神经网络的参数，基于更新参数的RBF神经网络得到下一时刻的助力电机实际电流值；(5)向助力电机输入电流值等于所述助力电机下一时刻的助力电机实际电流值的电流；(6)到达下一时刻后，返回执行步骤(2)。2.如权利要求1所述的电动助力转向系统的控制方法，其特征在于，所述RBF神经网络表示为：其中，I’为下一时刻的助力电机实际电流值，Ie＝I-Im为当前时刻助力电机的实际电流值与目标电流值的之差，Z＝Ie为RBF神经网络输入，S(Z)＝[s1(Z),…sn(Z)]T，si(·)是第i个神经节点的径向基函数，1≤i≤n，n为神经网络节点数且n＞1，W为权值向量，W＝[w1,…,wn]T∈Rn，Rn为n维实数空间，wi为第i个神经节点的权值。3.如...

【专利技术属性】
技术研发人员：彭滔，周鹏，胡桃川，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：重庆,50