基于小脑模型EPS 神经网络控制1.docVIP

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）电动助力转向系统（Electric Power Steering System ,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（Cerebellar Model Articulation Control，简称CMAC） 式中， 、、、为常系数矩阵[5]。 2 EPS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1 CMAC控制原理图 Fig.1 Flow chart of CMAC EPS系统电机端电压其控制规律为: (3) CMAC的学习算法为： (4) (5) 式中，为二进制选择向量，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： (6) (7) (8) 式中，为网络学习速率，；为惯性量，。 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PD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，控制器的控制参数和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，控制效果不依赖于和的精确值，二者只需在一个合理的范围即可。本文在系统运行时，设定=0.05，=0.01CMAC网络泛化参数c=5，学习速率=0.2，网格基数N=200。 3 EPS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2 EPS动态响应 Fig.2 Flow chart of EPS 表1 EPS仿真结果 Tab.1 The simulation result of EPS a) 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 原地转向 25.580 8. 614 8.603 2.897 2.973 V=10Km/h 12.170 4.001 5.532 1.819 2.199 b) 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 19.95 9.2％ 0.11 29.93 7.8％ 0.13 V=10Km/h 10.44 16.1％ 0.13 16.02 17.7％ 0.14 c) 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/h 0.2428 0.08258 0.1222 0.03636 V=20Km/h 0.1699 0.05774 0.08768 0.02677 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％5.5％ 图3 EPS系统硬件结构图 Fig.3 Structure of EPS 软件系统主要应用C语言进行设计编程，并采用模块化结构，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.4 Flow chart of the control programme 4.2 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5 EPS整车试验原理图 Fig.5 Block of the test a) 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