汽車電動助力轉(zhuǎn)向系統(tǒng)特性及其與整車性能的匹配研究_圖文

1、圖 7仿真加速度和實(shí)際加速度對比曲線能造成危險 。 如何使輸出更為平滑且將跳躍點(diǎn)消 除 , 這還需要對模型做進(jìn)一步的改進(jìn) 。參考文獻(xiàn) :1 Y i K , Hong J , Kwon Y D. A Vehicle Control for Stop -and -go Cruise ControlJ.J. Proc. Instn. Mech. Engrs. ,Part D ,2001,215:10991115. 2 Lee G D , K in S W. A Longitudinal Control System for a Platoon of Vehicles Using a Fuzz -sl

2、iding Mode Algorithm J .J. Mechatronics , 2002, 12 (1 :97118. 3 Henning H ,Stefan G ,Christoph H ,et al. Intelligent Fuzzy Distance and Cruise Control for Passenger CarsJ.Journal of Intelligent and Fuzzy Systems , 1998,6:315327.4 Axel F ,Werner S. Nonlinear ACC in Simulation and Measurement J .J. Ve

3、hicle System Dynamics , 2001,36(2/3 :159177.5 周亮 , 李克強(qiáng) , 連小珉 . “啟 -?！?巡航控制系統(tǒng)縱向 車距控制方法 J.清華大學(xué)學(xué)報 (自然科學(xué)版 , 2004,44(8 :11381141.6 Naranjo J E , G onzales C. ACC +Stop &Go Maneuvers with Throttle and Brake Fuzzy Control J.J. IEEE T ransanction on Intelligent T ransportation Systems , 2006,7(2 :213225

4、. (編輯 蘇衛(wèi)國 作者簡介 :施紹有 , 男 ,1974年生。北京航空航天大學(xué)汽車工程 系博士研究生。 主要研究方向?yàn)?ITS 中先進(jìn)智能車輛的仿真與 控制。 高 峰 , 男 ,1956年生。 北京航空航天大學(xué)汽車工程系教 授 、 博士研究生導(dǎo)師。史 科 , 男 ,1980年生。北京航空航天大 學(xué)汽車工程系碩士研究生。汽車電動助力轉(zhuǎn)向系統(tǒng)特性及其與整車性能的匹配研究 陳 龍 毛建偉 江浩斌 趙景波江蘇大學(xué) , 鎮(zhèn)江 ,212013摘要 :分析了汽車電動助力轉(zhuǎn)向 (EPS 系統(tǒng)的結(jié)構(gòu)及其動力學(xué)特性 , 建立了線性三自由度汽車模型及其與 EPS 系統(tǒng)的集成數(shù)學(xué)模型 ; 采用自適應(yīng)模糊神經(jīng)推理系統(tǒng)

5、確定助力電機(jī)的目標(biāo)電流 , 采用自適應(yīng)單神經(jīng)元 PID 控 制器跟蹤助力電機(jī)的目標(biāo)電流 , 通過臺架試驗(yàn)數(shù)據(jù)來訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò) , 確定不同行駛工況的轉(zhuǎn)向助力值。 通過 仿真計(jì)算 , 研究了 EPS 系統(tǒng)與整車操縱性能的匹配關(guān)系及 EPS 系統(tǒng)主要參數(shù)的設(shè)計(jì)原則 , 為 EPS 系統(tǒng)的結(jié)構(gòu)參 數(shù)和控制參數(shù)的優(yōu)化設(shè)計(jì)提供了依據(jù)。關(guān)鍵詞 :電動助力轉(zhuǎn)向 ; 模糊神經(jīng)網(wǎng)絡(luò) ; 單神經(jīng)元 PID ; 匹配中圖分類號 :U461 文章編號 :1004 132X (06Study on E er C h w ith th e W hole V ehicleJiang Haobin Zhao JingboU

6、niversity ,Zhenjiang , J iangsu ,212013A bstract :and dynamics characteristics of an electric power steering system (EPS was analyzed , and a 3DOFs linear mathematical model of vehicle combined with EPS was set up. The objective current of EPS assisted motor under any driving conditions was determin

7、ed by ANFIS , and tracked by using adaptive single neuron PID controller. The ANFIS was trained by the data collected from the specially designed test bed. On the basis of simulation analysis , the matching relationship between EPS and the whole vehicle was studied ,and the design rules of key param

8、eters of EPS were investigated. The results provide the optimization design foundation on the EPS structure and controller.K ey w ords :EPS ;AN FIS ;single neuron PID ;matching0 引言汽車轉(zhuǎn)向系一直存在著 “ 輕” 與 “ 靈” 的矛盾 ,收稿日期 :2006 08 14 修回日期 :2007 09 26基金項(xiàng)目 :國家自然科學(xué)基金資助項(xiàng)目 (50475121 ; 江蘇省高新 技術(shù)項(xiàng)目 (B G2004025 ; 高等學(xué)

9、校博士學(xué)科點(diǎn)專項(xiàng)科研基金資助 項(xiàng)目 (20050299005 而且轉(zhuǎn)向力與路感也相互制約 。電動助力轉(zhuǎn)向 (elect ric power steering ,EPS 系統(tǒng)由電機(jī)提供助 力 , 其助力的大小由電控單元 (ECU 實(shí)時調(diào)節(jié)與 控制 , 可以較好地解決上述矛盾 1。但是 , EPS 系統(tǒng)作為汽車操縱的一個子系統(tǒng) , 同時也是一個 機(jī)械子系統(tǒng)和電氣子系統(tǒng)相互結(jié)合 、 相互作用的 5 7 4汽車電動助力轉(zhuǎn)向系統(tǒng)特性及其與整車性能的匹配研究 陳 龍 毛建偉 江浩斌等 系統(tǒng) , 要想對 EPS 系統(tǒng)進(jìn)行準(zhǔn)確的控制并獲得優(yōu) 良的轉(zhuǎn)向操縱性能 , 必須對整個系統(tǒng)與整車進(jìn)行 合理的匹配 。本文在

10、建立線性三自由度汽車模型與 EPS 系統(tǒng)集成的數(shù)學(xué)模型的基礎(chǔ)上 , 采用自適應(yīng)模糊 神經(jīng)推理系統(tǒng) (adaptive -network -based f uzzy inference system , AN FIS 確定助力電機(jī)的目標(biāo) 電流 , 并采用自適應(yīng)單神經(jīng)元 PID 控制器跟蹤目 標(biāo)電流 , 實(shí)現(xiàn) EPS 系統(tǒng)的助力控制 , 通過仿真計(jì) 算 , 分析了 EPS 系統(tǒng)的助力電機(jī)轉(zhuǎn)動慣量 、 助力 機(jī)構(gòu)傳動比和扭矩傳感器剛度等主要參數(shù)對整車 系 。 最后 , 效性 。11. 1線性三自由度汽車模型在側(cè)傾轉(zhuǎn)向效應(yīng)較大時 , 線性二自由度的汽車模型就顯得不夠精確 , 這時必須計(jì)入側(cè)傾自由 度對

11、角輸入操縱運(yùn)動的影響 2。以前輪轉(zhuǎn)角 (轉(zhuǎn) 向盤轉(zhuǎn)角 作輸入時 , 整個汽車的運(yùn)動狀態(tài)可以用 三個廣義坐標(biāo)來表示 , 如圖 1和圖 2所示 。圖 1 轉(zhuǎn)向俯視圖 圖 2 轉(zhuǎn)向后視圖根據(jù)達(dá)朗貝爾原理 , 可將三自由度車輛運(yùn)動 微分方程表示為I z r +I xz <¨=N r r +N +N <<+N (1mv (r + -m s h <¨=Y r r +Y +Y <<+Y (2 I x <¨-m s hv ( r +I xz r =L p < +L <<(3 式中 , 為質(zhì)心側(cè)偏角 , (° ;

12、 為前輪轉(zhuǎn)角 , (° ; r 為汽車橫擺角速度 , rad/s ; <為車身側(cè)傾角 , (° ; m 、 m s 分別為整車質(zhì)量和簧載質(zhì)量 , kg ; v 為汽車速度 , m/s ; 其余參數(shù)含義見 文獻(xiàn) 2。1. 2 EPS 系統(tǒng)動力學(xué)模型為便于分析 , 把前輪及轉(zhuǎn)向機(jī)構(gòu)向轉(zhuǎn)向柱簡化 , 得到簡化后的 EPS 系統(tǒng)模型 , 其動力學(xué)方 程 3如下 :T h -T sen =I h ¨h +B h h (4n 1T a +T sen =T r +I r ¨1+B r 1(5 T a =T m -I m ¨m -B m m(6U =L

13、I +RI +k b m(7T sen =k s (h -1式中 , I m 、 I r 分別為電動機(jī)和離合器的轉(zhuǎn)動慣量 , kg m 2;n 1為助力機(jī)構(gòu)傳動比 ; T sen 為扭矩傳感器測量的力矩 ,N m ; k s 為扭矩傳感器剛度 , N m/rad ; 其他參數(shù)的含義見文獻(xiàn) 3。根據(jù)文獻(xiàn) 2提供的輪胎模型 , 轉(zhuǎn)向阻力矩 可以表示為T r =n 2(-vr +E (8, 為下面的 2助力控制系統(tǒng)分析EPS 系統(tǒng)的基本助力控制過程如下 :控制器根據(jù)轉(zhuǎn)向盤扭矩和車速信號并結(jié)合助力特性曲線 確定助力電機(jī)的目標(biāo)電流 , 控制器通過調(diào)節(jié)助力 電機(jī)的電樞電壓來控制助力電機(jī)電流 。 不難看出

14、, EPS 控制要解決兩個問題 , 一是確定助力電機(jī)的 目標(biāo)電流 , 二是跟蹤目標(biāo)電流 4。本文設(shè)計(jì)的 EPS 系統(tǒng)的助力控制過程如圖 3所示 。 在汽車轉(zhuǎn)向過程中 , 由 AN FIS 根據(jù)轉(zhuǎn)矩傳 感器和車速傳感器的輸入信號確定電動機(jī)的目標(biāo) 控制電流 , 電流傳感器實(shí)測電樞電流 , 單神經(jīng)元自 適應(yīng)控制器根據(jù)兩者的偏差構(gòu)成反饋信號進(jìn)行控 制 , 使實(shí)際電流與目標(biāo)電流一致 。圖 3 EPS 系統(tǒng)助力控制過程框圖2. 1助力電機(jī)目標(biāo)電流的確定助力特性曲線反映了不同車速下轉(zhuǎn)向盤扭矩與助力電機(jī)電流的關(guān)系 , 如何得到任意車速下的助力特性曲線是研究 EPS 技術(shù)的重點(diǎn)與難點(diǎn) 5。模糊控制的推理能力強(qiáng)于

15、神經(jīng)網(wǎng)絡(luò)控制的推 理能力 , 而神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能強(qiáng)于模糊控制的 學(xué)習(xí)功能 , 將模糊控制和神經(jīng)網(wǎng)絡(luò)控制相結(jié)合 , 充 分利用兩者的優(yōu)點(diǎn) , 彌補(bǔ)彼此的缺點(diǎn) , 可以實(shí)現(xiàn)較 理想的智能控制 6。本文將模糊控制和神經(jīng)網(wǎng)絡(luò)控制相結(jié)合 , 采 用基于神經(jīng)網(wǎng)絡(luò)的 AN FIS 來確定助力電機(jī)的目 標(biāo)電流 , 神經(jīng)網(wǎng)絡(luò)經(jīng)過訓(xùn)練后 , 可以使網(wǎng)絡(luò)的權(quán)值 以及模糊輸入與模糊輸出的隸屬度函數(shù)都得到相674 中國機(jī)械工程第 19卷第 4期 2008年 2月下半月應(yīng)的調(diào)整 , 對專家經(jīng)驗(yàn)進(jìn)行定量的修訂 , 解決了產(chǎn) 生模糊規(guī)則時對專家先期經(jīng)驗(yàn)的依賴及模糊集的 非自適應(yīng)性等問題 。本文通過臺架試驗(yàn)實(shí)測了某進(jìn)口 EP

16、S 系統(tǒng) , 通過采集一定量的數(shù)據(jù)組樣本 (車速 、 轉(zhuǎn)向盤扭矩 和助力電流 對 AN FIS 進(jìn)行訓(xùn)練 , 應(yīng)用網(wǎng)絡(luò)的泛 化能力實(shí)現(xiàn)輸入到輸出的映射 , 得到任意車速下 的助力值 , 有效地解決了助力特性的非線性特性 及助力盲區(qū)問題 , 獲得了更為合理的助力特性 曲線 。所設(shè)計(jì)的轉(zhuǎn)向試驗(yàn)臺將轉(zhuǎn)向機(jī)構(gòu)與懸架機(jī)構(gòu) 相結(jié)合 , 構(gòu)成簡化的 1/4車輛模型 , 所示 。 傾 、 , , 下具有自動回正的能力 , 以獲得不同車速下轉(zhuǎn)向 機(jī)構(gòu)的轉(zhuǎn)向特性 。 路面對輪胎的隨機(jī)干擾輸入通 過 INSTRON8800型數(shù)控電液伺服試驗(yàn)系統(tǒng)的作 動器產(chǎn)生 , 從而使轉(zhuǎn)向臺架試驗(yàn)臺的運(yùn)行效果接 近于汽車實(shí)際行駛狀

17、態(tài) 。1. 輪胎負(fù)重加載箱 2. 前輪定位均分梁 3. 動力輸入裝置 4. 測扭矩滾動臺 5. 滾動臺限位導(dǎo)向機(jī)構(gòu) 6. 作動器 7. 齒輪齒條轉(zhuǎn)向裝置圖 4電動助力轉(zhuǎn)向試驗(yàn)臺結(jié)構(gòu)示意圖 在電動助力轉(zhuǎn)向試驗(yàn)臺中 , 開發(fā)了信號采樣 分析 系 統(tǒng) , 該 系 統(tǒng) 采 用 支 持 PCI 總 線 標(biāo) 準(zhǔn) 的 PCI8020過程控制接口卡 , 可以完成各種模擬量 與數(shù)字信號 、 脈沖信號的采集 , 并能對控制對象輸 出模 擬 量 與 數(shù) 字 信 號 。編 譯 過 程 在 Visual C +610平臺上進(jìn)行 , 采用了 MFC 動態(tài)單文檔技 術(shù)。 采樣裝置具有軟件定時、 信號過濾、 生成報表、 顯示

18、并保存位圖等多項(xiàng)功能。 在試驗(yàn)中通過驅(qū)動 電機(jī)使車速從 0變化到 70km/h , 在進(jìn)行車速數(shù)據(jù) 采集的同時 , 利用另外兩個通道在對應(yīng)時刻進(jìn)行扭 矩和電流數(shù)據(jù)的采集 , 共采集 1000組數(shù)據(jù)。對采集的數(shù)據(jù)進(jìn)行分類 , 一部分作為訓(xùn)練樣 本 (也稱學(xué)習(xí)樣本 , 另一部分作為測試樣本 , 用于 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測試 。采用類間交叉的方法 , 交叉輸入不同類型的訓(xùn)練樣本 , 以提高網(wǎng)絡(luò)訓(xùn)練的速度 , 對樣本進(jìn)行歸一化處理以縮短網(wǎng)絡(luò)的學(xué) 習(xí)時間和提高網(wǎng)絡(luò)的性能 。網(wǎng)絡(luò)輸入為方向盤扭矩和車速信號 , 輸出為 助力電流 。 對車速和扭矩分別采用 7條和 5條高 斯隸屬度函數(shù)進(jìn)行模糊化 。 采用反向傳

19、播算法和 最小二乘法相結(jié)合的混合算法來調(diào)整前提參數(shù)和 結(jié)論參數(shù) , 并采用加權(quán)平均法解模糊化 。模糊神 經(jīng)系統(tǒng)的學(xué)習(xí)算法見文獻(xiàn) 6。 網(wǎng)絡(luò)經(jīng)過 80次訓(xùn) 練后 , 誤差達(dá)到 010044607, , 5所示 ?？?、 飽 。, 對模糊神經(jīng)系統(tǒng) 進(jìn)行訓(xùn)練 , 得到不同車速下電機(jī)的最大助力電流 , 如圖 6所示 , 可見 , 助力電流曲線過渡平穩(wěn) , 當(dāng)車 速超過 70km/h 時 , 電機(jī)停止助力 , 在助力區(qū)內(nèi)得 到了任意車速下的助力值 , 曲線過渡平滑 , 說明該 網(wǎng)絡(luò)具有較強(qiáng)的泛化能力 。圖 5助力特性曲面圖 圖 6 網(wǎng)絡(luò)泛化能力測試圖2. 2目標(biāo)電流的跟蹤由于常規(guī)的二維模糊控制器是以系統(tǒng)

20、誤差 E 和誤差變化 EC 為輸入語句變量的 , 因此它具有 類似于常規(guī) PD 控制器的作用 , 這種控制器的控 制規(guī)則一旦確定下來就不會再改變 , 自適應(yīng)能力 差 , 同時因模糊量化作用 , 在控制中將會產(chǎn)生一定 寬度的死區(qū) , 引起穩(wěn)態(tài)誤差 , 在工作點(diǎn)附近極易產(chǎn) 生小范圍的振蕩 , 因此難以滿足 EPS 系統(tǒng)對目標(biāo) 電流進(jìn)行精確跟蹤的要求 。本文采用的單神經(jīng)元自適應(yīng) PID 控制器具有 自學(xué)習(xí)和自適應(yīng)能力 , 且結(jié)構(gòu)簡單 、 易于計(jì)算 , 在 一定程度上解決了 PID 控制器參數(shù)在線實(shí)時整定 中存在的問題 , 提高了控制系統(tǒng)的魯棒性和自適 應(yīng)性 , 適用于對實(shí)時性要求很高的 EPS 系統(tǒng)

21、 , 其 原理如圖 7所示 。AN FIS 的輸出電流與電動機(jī)的反饋電流經(jīng) 狀態(tài)變換器轉(zhuǎn)換后成為神經(jīng)元學(xué)習(xí)控制所需的狀 態(tài)量 x 1、 x 2、 x 3, 控制信號 u (k 由神經(jīng)元通過關(guān)聯(lián) 搜索和自學(xué)習(xí)產(chǎn)生 。 這里x 1(k =e (k , x 2(k =e (k 774 汽車電動助力轉(zhuǎn)向系統(tǒng)特性及其與整車性能的匹配研究 陳 龍 毛建偉 江浩斌等圖 7單神經(jīng)元 PID 控制結(jié)構(gòu)圖 x 3(k =2e (k =e (k -2e (k -1 +e (k -2=e (k -e (k -1權(quán)系數(shù)的調(diào)整按有監(jiān)督的 Hebb 學(xué)習(xí)規(guī)則進(jìn) 行 。 通過對加權(quán)系數(shù)在線調(diào)整 , 確保系統(tǒng)的跟蹤誤 差收斂于

22、零 , 以此實(shí)現(xiàn)單神經(jīng)元自適應(yīng)控制器的 自適應(yīng)和自組織功能 。 為保證上述單神經(jīng)元 PID 控制學(xué)習(xí)算法的收斂性與魯棒性 , 行規(guī)范化處理 。 k (k -3i 1w i(i(w i k =w i (k /3i =1|w i (k |w 1(k +1 =w 1(k +I e (k u (k x 1(k w 2(k +1 =w 2(k +P e (k u (k x 2(k w 3(k +1 =w 3(k +D e (k u (k x 3(k 式中 , I 、 P 、 D 為積分 、比例 、 微分的學(xué)習(xí)速率 。 這里對積分 、 比例 、 微分分別采用不同的學(xué)習(xí) 速率 I 、 P 、 D , 以便能

23、根據(jù)需要對它們各自的權(quán) 系數(shù)分別進(jìn)行調(diào)整 。由于單神經(jīng)元自適應(yīng) PID 控制無法直接在 MA TL AB 中進(jìn)行仿真 , 本文通過編寫 S 函數(shù)并封 裝在 Simulink 中進(jìn)行仿真研究 。3 EPS 系統(tǒng)與整車性能的匹配分析EPS 系統(tǒng)匹配設(shè)計(jì)的主要內(nèi)容包括 EPS 系統(tǒng)的助力特性及 EPS 系統(tǒng)的助力電機(jī) 、 轉(zhuǎn)向盤扭矩傳感器等主要部件與整車的匹配 , 其中 , 主要部 件的匹配又分為結(jié)構(gòu)選擇和參數(shù)匹配兩方面 , 本 文主要分析 EPS 系統(tǒng)關(guān)鍵部件的參數(shù)匹配問題 。應(yīng)用 MA TLAB/Simulink 仿真軟件 , 基于建 立的綜合數(shù)學(xué)模型 , 對影響整車動態(tài)性能的 EPS 系統(tǒng)主要

24、參數(shù) (電動機(jī)轉(zhuǎn)動慣量 I m 、 助力機(jī)構(gòu)傳 動比 n 1、 扭矩傳感器剛度 k s 進(jìn)行仿真計(jì)算 , 考察 它們與整車性能之間相互制約 、 相互影響的匹配 關(guān)系 。 設(shè)車速為 10m/s , 輸入為幅值 100°的角階躍 曲線 , 仿真分析結(jié)果如圖 8、 圖 9所示 。 通過建立轉(zhuǎn) 向系統(tǒng)逆輸入模型 , 可考察上述參數(shù)對轉(zhuǎn)向盤把 持力矩的影響 , 如圖 10所示 。 仿真所采用的主要 參數(shù)如表 1所示 。從圖 8a 、 圖 8b 可以看出 , 隨著 I m 、 n 1的增大 , 車輛的橫擺角速度 r 和車身側(cè)傾角速度 <的反應(yīng) 時間 、 調(diào)節(jié)時間和超調(diào)量都變大 , 表明汽車

25、轉(zhuǎn)向運(yùn)表 1仿真所采用的主要參數(shù)整車質(zhì)量 m (kg 1517簧載質(zhì)量 m s (kg 1170電動機(jī)轉(zhuǎn)矩系數(shù) k a (M N/A 0. 02電動機(jī)反電動勢常數(shù) k b (V s/rad 0. 02助力機(jī)構(gòu)傳動比 n 125電動機(jī)電樞電阻 R ( 0. 1電動機(jī)電感 L (H 0. 01方向盤轉(zhuǎn)動慣量 I h (kg m 2 0. 0012方向盤阻尼系數(shù) B h (N m s/rad 0. 261扭矩傳感器剛度 k s (N m/rad 115I m (kg m 2 0. 00047B m (N 0. 00334, I m , r 開始 , 這在高速行駛時 。 隨著 I m 的增大 , 轉(zhuǎn)向

26、盤把持力矩 T sen 的動態(tài)性能變差 , 嚴(yán)重時轉(zhuǎn)向盤會出現(xiàn)抖動 , 如圖 10a 所示 。 傳動比 n 1的選擇比較復(fù)雜 , 雖然隨著 n 1的增大 , 轉(zhuǎn)向盤的把持力矩減小 , 轉(zhuǎn)向更加輕便 , 如圖 10b 所示 , 但 n 1對助力電機(jī)的轉(zhuǎn)動慣量等電 機(jī)參數(shù)起到放大的作用 , 從而間接地影響到系統(tǒng) 的動態(tài)性能 , 如圖 8b 所示 。 隨著 n 1增大 , 車身側(cè)傾 角速度 <的反應(yīng)時間和調(diào)節(jié)時間變長 , 超調(diào)量增 大 , 汽車轉(zhuǎn)向運(yùn)動的動態(tài)反應(yīng)變差了 。 此外 , n 1的 選擇還要滿足轉(zhuǎn)向系統(tǒng)回正能力的要求 , 因此 n 1不能太大 , 但若取得太小 , 在轉(zhuǎn)向阻力矩一定時

27、 , 將不得不選擇功率更大的電動機(jī) , 從而增加了系統(tǒng)的能耗 。圖 8c 表明 , 隨著 k s 的減小 , 車身側(cè)傾角速度<的反應(yīng)時間和進(jìn)入穩(wěn)態(tài)狀態(tài)所經(jīng)歷的時間變長 , 說明汽車轉(zhuǎn)向運(yùn)動的動態(tài)反應(yīng)變差 , 而且 k s 太小對駕駛員的把持力矩 T sen 的動態(tài)性能也會產(chǎn) 生同樣的影響 , 如圖 10c 所示 。 此外 , k s 的降低會 增強(qiáng)整車的不足轉(zhuǎn)向性能 , 如圖 9a 所示 , 在同樣 的轉(zhuǎn)向盤轉(zhuǎn)角輸入下 , 隨著 k s 的減小 , 汽車的前 輪轉(zhuǎn)角變小 , 這在車輛高速行駛時是十分危險 的 2, 所以 k s 應(yīng)盡可能大一些 , 但若取得過大 , 將 使扭矩傳感器的靈敏

28、度降低 。 從圖 9b 、 圖 9d 、 圖 9e 可以看出 , 與沒有裝 EPS 系統(tǒng)的汽車相比 , 在相同的轉(zhuǎn)角輸入情況下 ,裝有 EPS 系統(tǒng)的汽車橫擺角速度 r 、 車身側(cè)傾角 速度 <以及質(zhì)心側(cè)偏角 的反應(yīng)時間 、 調(diào)節(jié)時間和 超調(diào)量都要小 , 這表明裝備 EPS 系統(tǒng)的汽車的轉(zhuǎn) 向動態(tài)性能提高了 , 整車性能有所改善 。 由圖 9b 、 圖 9c 可以看出 , 在相同行駛工況條件下 , 裝備EPS 系統(tǒng)的汽車的橫擺角速度 r 穩(wěn)態(tài)增益明顯 比普通轉(zhuǎn)向系統(tǒng)的汽車的橫擺角速度要小 , 而且 隨著車速的提高 , 這種改變更加顯著 (圖 9c (為874 中國機(jī)械工程第 19卷第 4

29、期 2008年 2月下半月 1. I m =0. 004kg m 2 2. I m =0. 0004kg m 23. I m =0. 009kg m 2 4. I m =0. 0009kg m 21. n 1=25 2. n 1=153. n 1=5 4. n 1=351. k s =115N m/rad 2. k s =35N m/rad . k s =75N m/k s 415N m/rad (a I m 對橫擺角速度的影響 (b n 1s 圖 8 EPS 1. k s =255N m/rad 2. k s =172N m/rad 3. k s =115N m/rad 4. k s =65

30、N m/rad (a k s 對前輪轉(zhuǎn)角的影響 (b EPS 系統(tǒng)對橫擺角速度的影響 (v =10m/s (c EPS 系統(tǒng)對橫擺角速度的影響 (v =20m/s (d EPS 系統(tǒng)對側(cè)傾角速度的影響 (e EPS 系統(tǒng)對質(zhì)心側(cè)偏角的影響 (f 路面隨機(jī)輸入 對橫擺角速度的影響圖 9裝備 EPS 系統(tǒng)前后整車性能的改變1. I m =0. 0001kg m 2 2. I m =0. 0005kg m 23. I m =0. 0009kg m 2 4. I m =0. 002kg m 21. n 1=19 2. n 1=223. n 1=24 4. n 1=271. k s =115N m/ra

31、d 2. k s =35N m/rad 3. k s =65N m/rad 4. k s =285N m/rad (a 電機(jī)轉(zhuǎn)動慣量 (b 助力機(jī)構(gòu)傳動比 (c 扭矩傳感器剛度圖 10各參數(shù)對方向盤把持力矩的影響保證汽車的側(cè)向加速度小于 013g , 取角階躍輸入 的幅值為 60°, 車速 v =20m/s 。 因此裝備 EPS 系 統(tǒng)的汽車和普通轉(zhuǎn)向系統(tǒng)的汽車相比 , 特征車速更低一些 。974 汽車電動助力轉(zhuǎn)向系統(tǒng)特性及其與整車性能的匹配研究 陳 龍 毛建偉 江浩斌等中國機(jī)械工程第 19 卷第 4 期 2008 年 2 月下半月 圖 9f 所示是只有路面隨機(jī)擾動輸入情況下 以橫擺

32、角速度 為輸出的仿真結(jié)果 , 可以看出 , r 裝備 EPS 系統(tǒng)的汽車比普通轉(zhuǎn)向系統(tǒng)的汽車抵 御路面干擾的能力明顯增強(qiáng) 。 訓(xùn)練后的網(wǎng)絡(luò)具有較強(qiáng)的泛化能力 , 能準(zhǔn)確映射 非樣本數(shù)據(jù) ,實(shí)現(xiàn)了轉(zhuǎn)向死區(qū) 、 轉(zhuǎn)向助力區(qū)和轉(zhuǎn)向 飽和區(qū)的平穩(wěn)轉(zhuǎn)換 。 ( 2 用 AN FIS 控制器確定助力電機(jī)的目標(biāo) 電流 ,再通過單神經(jīng)元自適應(yīng) PID 控制器快速 、 精確地跟蹤目標(biāo)電流的控制策略能滿足系統(tǒng)控制 要求 ,控制算法有效 , 為 EPS 系統(tǒng)特性與整車性 能的匹配研究奠定了基礎(chǔ) 。 ( 3 分析了 EPS 系統(tǒng)的電動機(jī)轉(zhuǎn)動慣量 、 助 力機(jī)構(gòu)傳動比 、 扭矩傳感器剛度 3 個主要參數(shù)對 整車動態(tài)性能

33、 、 轉(zhuǎn)向盤把持力矩的影響關(guān)系以及 裝備 EPS 系統(tǒng)后對汽車各性能的改善情況 ,研究 結(jié)果為系統(tǒng)結(jié)構(gòu)參數(shù)和控制參數(shù)優(yōu)化及 EPS 系 統(tǒng)與整車性能的匹配設(shè)計(jì)提供了依據(jù) 。 ( 4 EPS 系統(tǒng)關(guān)鍵部件的主要參數(shù)同系統(tǒng)的 動態(tài)性能及穩(wěn)定性密切相關(guān) ,因此 ,必須在系統(tǒng)初 始設(shè)計(jì)階段就對這些參數(shù)進(jìn)行優(yōu)化設(shè)計(jì) , 以保證 汽車獲得良好的轉(zhuǎn)向操縱性能 。 參考文獻(xiàn) : 1 Liao Y G , Du H I. Modelling and Analysis of Elect ric Power Steering System and It s Effect on Vehicle Dynamic Behavio ur J . International Journal of Vehicle Autonomous Systems ,2003 (2 : 2 郭孔輝 . 汽車操縱動力學(xué) M . 長春 : 吉林科學(xué)技術(shù) 153 166. 4 試驗(yàn)及結(jié)果分析 為了驗(yàn)證所設(shè)計(jì)的控制系統(tǒng)的有效性 , 在上 述試