【技术实现步骤摘要】
线控转向电机和传感器的故障诊断及容错补偿算法
本专利技术涉及线控四轮转向电动叉车
，尤其是一种线控转向电机和传感器的故障诊断及容错补偿算法。
技术介绍
叉车作为工程车辆，工作环境较为特殊，因此其安全性和操纵性必须得到保证。转向系统是车辆的操控系统的核心，转向系统的动力源是转向电机，也是较易发生故障的部位。转向电机故障主要有电机匝间短路故障和反电动势异常故障等。传感器故障主要有传感器噪声故障、传感器漂移故障和传感器卡死故障等。现有技术未建立转角预测器自诊断模块，错误的预测值影响故障诊断与容错补偿算法的运行；未能建立基于传感器测量数据和数据残差的故障诊断算法，并只对故障进行建模，不能有效准确的判断该部位具体发生哪种故障；对多种故障使用同一种容错补偿算法，不能针对不同的故障建立对应的故障容错补偿算法，导致不能有效准确的进行故障容错补偿。
技术实现思路
本专利技术的目的在于提供一种能够有效地对转向电机和传感器的故障进行故障诊断，并且对故障建模，提取故障特征，判断故障类型，最后进行容错补偿，提高叉车的驾驶安全...
【技术保护点】
1.一种线控转向电机和传感器的故障诊断及容错补偿算法，其特征在于：该算法包括下列顺序的步骤：/n(1)建立转向机构与电动叉车三自由度动力学联合模型，在此模型的基础上，设计无痕卡尔曼滤波算法设计转角预测器；/n(2)建立转向电机模型；/n(3)进行车轮转角预测及预测器自诊断；/n(4)分析传感器故障类型特征并对各类型故障建模；/n(5)设计基于传感器测量数据的故障诊断算法；设计基于传感器数据残差的故障诊断算法；根据传感器故障类型使用相应的故障容错补偿算法；/n(6)设计转向电机的故障诊断方法、故障类型判断方法和容错补偿方法。/n
【技术特征摘要】
1.一种线控转向电机和传感器的故障诊断及容错补偿算法，其特征在于：该算法包括下列顺序的步骤：
(1)建立转向机构与电动叉车三自由度动力学联合模型，在此模型的基础上，设计无痕卡尔曼滤波算法设计转角预测器；
(2)建立转向电机模型；
(3)进行车轮转角预测及预测器自诊断；
(4)分析传感器故障类型特征并对各类型故障建模；
(5)设计基于传感器测量数据的故障诊断算法；设计基于传感器数据残差的故障诊断算法；根据传感器故障类型使用相应的故障容错补偿算法；
(6)设计转向电机的故障诊断方法、故障类型判断方法和容错补偿方法。
2.根据权利要求1所述的线控转向电机和传感器的故障诊断及容错补偿算法，其特征在于：所述步骤(1)中的建立转向机构与电动叉车三自由度动力学联合模型具体包括以下步骤：
(1a)建立转向机构模型：
式中：Aj、Bj、Cj和Dj为含有叉车实车数据的矩阵；Jm为转向电机转动惯量；δm为转向电机转角；Bm为转向电机转轴与其支撑之间的阻尼系数；Ta为转向电机输出转矩；G为减速机构减速比；L为转向执行电机的电机电感；Kt为转向执行电机的电磁转矩常数；R为转向执行电机的电枢电阻；ke为转向执行电机的反电动势系数；Jfm是转向机构与前轮到小齿轮的等效后的转动惯量；Bfm是转向机构与转向轮等效到转向轴的摩擦系数；rp是前轮及转向电机执行机构到小齿轮的力矩放大因素；
(1b)建立电动叉车三自由度动力学模型：
根据叉车动力学原理和线控四轮转向电动叉车转矩平衡方程，得到电动叉车三自由度动力学模型方程：
其中：Ix为悬挂质量绕X轴转动惯量；为横摆角加速度；为侧倾角加速度；Ixz为整车绕X轴与Z轴惯量积；m为车辆质量；为侧向加速度；u为纵向前进速度；ω为横摆角速度；ms为簧载质量；hs为簧载质量质心到侧倾中心轴的垂直距离；Iz为绕Z轴转动惯量；p为侧倾角速度；g为重力加速度；为质心侧偏角速度；kφ为悬架侧倾角刚度；Rf为前轴侧倾转向系数；φ为悬架侧倾角阻尼；δf为叉车的前轮转角；δr为叉车的后轮转角；Rr为后轴侧倾转向系数；kf前轴轮胎的等效侧偏刚度；kr后轴轮胎的等效侧偏刚度；
将横摆角速度ω、质心侧偏角β、悬架侧倾角阻尼φ、侧倾角速度p为状态变量，将方程(2)写为如下状态空间方程形式：
式中：
M3＝[k1k1a00]T，
x(t)＝[ωβφp]T，U＝δf；
其中：A、B、C、M1、M2、M3为含有叉车实车数据的矩阵，Mxi为各力矩在X轴方向的分力矩；FYi为各力矩在Y轴方向的分力矩；Lx为X轴方向作用于悬挂质量的外力矩；m为车辆质量；FY为沿Y轴方向总的外力；Mzi为各力矩在Z轴方向的分力矩；Mz为对Z轴的总的外力矩；FY1为前轴左轮的垂直载荷；FY2为前轴右轮的垂直载荷；FY3为后轴左轮的垂直载荷；FY4为后轴右轮的垂直载荷；a、b分别为叉车质心到前、后轴的距离；cφ为悬架侧倾角阻尼；ψ为车身侧倾角；
(1c)建立转向机构与电动叉车三自由度动力学联合模型：
联立步骤(1a)和步骤(1b)中的方程，得：
其中输入量为x＝[ωr,β,ψ,p,δf]T
C1＝Caf(tp+tm)；
其中：tm是机械拖距；tp是轮胎拖距。
3.根据权利要求1所述的线控转向电机和传感器的故障诊断及容错补偿算法，其特征在于：所述步骤(2)具体是指：
使用永磁无刷直流电机作为建模对象，可得到方程
式中：Ua为电机绕组两端的电压；J为转动惯量；ia电机绕组电流；δm为转向电机转角；KT为电机力矩系数；f为库仑摩擦力；TL为阻力矩；J为系统转动惯量；R为电机线圈内阻；ke为电机反电动系数；L为电机电感；f为库仑摩擦力；
把电机电压、电流和转速作为辨识参数，使用最小二乘法对电机内阻和电机反电动势系数进行辨识，由方程(5)和(6)求出J、R、ke和L。
4.根据权利要求1所述的线控转向电机和传感器的故障诊断及容错补偿算法，其特征在于：所述步骤(3)包括以下步骤：
(3a)采用无迹卡尔曼滤波算法预测车轮转角:
采用无迹卡尔曼滤波算法对车辆前轮转角进行实时预测,选取状态变量为x＝[ωr,β,ψ,p,δf]T，输入变量为[δf]，观测变量为
(3a1)确定迭代初值与初始协方差矩阵P0:
其中：Var代表方差计算，E代表单位矩阵计算；
(3a2)基于模型的预测:
1)利用无迹变换方法获取定性Sigma点集，计算预测点集:
X(i)(k+1|k)＝f[X(i)(k|k)](8)
2)计算预测点集的均值与协方差矩阵:
其中：P为协方差矩阵，n为状态变量的维数；
采样点的权重可由下式确定：
其中：下标m表示均值；c为协方差；λ＝a2(n+κ)-n；a，κ，α，β根据采样点分布状态选取；
(3a3)基于测量的更新
1)根据预测，再次利用无迹变换产生新的Sigma点集，并计算观测点集
Z(i)(k+1|k)＝h[X(i)(k+1|k)](11)
2)观测均值与协方差:
3)卡尔曼增益与测量更新
在已知系统的离散动力学模型后，结合传感器测量结果，对状态变量完成基于UKF的最优估计；
(3b)预测器自诊断：
利用w和的残差阈值作为误差范围，满足公式：
式中，Δω和Δβ为估计器相对于真实值的估计误差；σω，为传感器的测量误差；Cω为横摆角速度残差最大值；为质心侧偏角加速度残差最大值。R...
【专利技术属性】
技术研发人员：肖本贤，孙铮，倪有源，姜卫东，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34
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。