汽車穩(wěn)定性控制系統(tǒng)關(guān)鍵傳感器故障診斷

余卓平， 王竑博， 熊　璐， 陳　晨

(1.同濟大學(xué) 汽車學(xué)院，上海 201804；2.同濟大學(xué) 新能源汽車工程中心，上海 201804)

?

汽車穩(wěn)定性控制系統(tǒng)關(guān)鍵傳感器故障診斷

余卓平1,2， 王竑博1,2， 熊璐1,2， 陳晨1,2

(1.同濟大學(xué) 汽車學(xué)院，上海 201804；2.同濟大學(xué) 新能源汽車工程中心，上海 201804)

摘要：設(shè)計了基于解析模型的故障診斷算法實現(xiàn)傳感器信號的自診斷功能，首先建立關(guān)鍵傳感器的故障診斷算法基本框架，然后利用不同的故障診斷模型分別設(shè)計了基于等價方程與基于觀測器兩種故障診斷算法.等價方程算法利用車輛線性單軌模型及車輛運動學(xué)方程，將車輛操縱穩(wěn)定性控制需求的傳感器聯(lián)系起來，并用于彼此的相互診斷.觀測器方法利用車輛非線性單軌模型，通過建立龍貝格觀測器提取傳感器故障信息.從靈敏度與誤報率兩方面出發(fā)，提出了將兩種算法有效融合的算法改進措施，重新制定診斷規(guī)則.實車試驗的結(jié)果表明融合算法能夠準確快速地診斷出微小故障，并給出故障等級.

關(guān)鍵詞：解析模型； 等價方程； 觀測器； 融合算法； 實車試驗

隨著人們對汽車行駛的安全性和穩(wěn)定性要求不斷提高，世界各大汽車生產(chǎn)商都相繼推出了很多輔助駕駛員操作的穩(wěn)定性控制系統(tǒng)[1].橫擺角速度，側(cè)向加速度，方向盤轉(zhuǎn)角，輪速是車輛穩(wěn)定性控制中最為關(guān)鍵的傳感器信息.其中橫擺角速度、側(cè)向加速度及輪速表征當(dāng)前整車狀態(tài)，一般用于跟蹤與控制.而方向盤轉(zhuǎn)角作為駕駛員輸入，反映了駕駛員的操作意圖.這4個傳感器信息作為整個控制系統(tǒng)的原始輸入，其信號的準確性將直接影響到系統(tǒng)的控制效果，傳感器信息的偏差有可能導(dǎo)致操縱穩(wěn)定性控制系統(tǒng)誤觸發(fā)或誤操作，甚至造成重大交通安全事故，因此傳感器的故障診斷非常重要.本文將重點研究以上4種傳感器的故障診斷方法，使得當(dāng)車輛運行時對傳感器輸出信號進行檢測，若信號出現(xiàn)故障時，及時警告駕駛員采取相應(yīng)措施，避免危險的發(fā)生.這四大傳感器結(jié)構(gòu)布置框圖如圖1所示，其中控制系統(tǒng)為車輛穩(wěn)定性控制系統(tǒng)(VSC).

故障診斷技術(shù)，從診斷利用的冗余信息上劃分，可分為硬件冗余方法和軟件冗余方法.對于十分關(guān)鍵又難以通過軟件層面分析診斷故障的部件，通常通過硬件冗余保證其可靠，如控制器，線控系統(tǒng)(線控轉(zhuǎn)向，線控制動).然而硬件冗余會增加結(jié)構(gòu)成本，通過軟件方法來實現(xiàn)故障診斷則具有很大的工程意義.軟件冗余的故障診斷方法通常分為[2]：基于解析模型的方法，基于信號處理的方法，與基于知識的方法.

圖1　穩(wěn)定性控制系統(tǒng)傳感器結(jié)構(gòu)框圖

文獻[3-4]建立了轉(zhuǎn)向執(zhí)行模塊與整車的聯(lián)合估計模型，可以估計出小齒輪軸轉(zhuǎn)角(可轉(zhuǎn)換為前輪轉(zhuǎn)角)，車輛橫擺角速度與質(zhì)心側(cè)偏角.并分別以橫擺角速度與側(cè)向加速度測量值對觀測值進行修正，建立兩個并行的自適應(yīng)卡爾曼濾波觀測器.通過設(shè)定自適應(yīng)閾值建立診斷邏輯表.文獻[5]提出了基于全維狀態(tài)觀測器的線控轉(zhuǎn)向系統(tǒng)傳感器故障診斷方法.文獻[6]通過建立整車模型，懸架模型，以及俯仰和側(cè)傾的車輛平面模型，實現(xiàn)對車輛垂向加速度，側(cè)傾角，俯仰角的估計.并通過構(gòu)造殘差，根據(jù)工況設(shè)定自適應(yīng)的閾值，判斷傳感器是否故障.文獻[7-9]利用小波分析對方向盤轉(zhuǎn)角信號及輪速信號進行去除噪聲處理與信號重構(gòu).基于信號處理的故障診斷方法，不需要對象的準確數(shù)學(xué)模型，對噪聲抑制能力強，有較高的靈敏度，運算量也不大，是一種很有前途的方法.文獻[10]將反向傳播(BP)神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到制動防抱死系統(tǒng)(ABS)故障診斷中.文獻[11]將信息融合技術(shù)應(yīng)用在汽車ABS系統(tǒng)的故障診斷中，此方法依賴于多傳感器信息，成本比較高，而且需要大量的故障信息特征的積累.文獻[12]介紹了基于故障樹分析的故障診斷方法，實現(xiàn)了氣動制動系統(tǒng)的故障診斷，該方法的缺陷是，診斷結(jié)果嚴重依賴故障樹信息的正確性和完整性，不能診斷不可預(yù)知的故障.

目前針對車輛穩(wěn)定性控制關(guān)鍵傳感器故障診斷的相關(guān)研究，大部分研究僅從理論上分析診斷的原理，并沒有考慮實際應(yīng)用中存在的問題，即使部分算法提出了實際應(yīng)用的改善措施，但是并未結(jié)合實車試驗對算法進行全面的分析和驗證.因此，本文借鑒國內(nèi)外的理論研究成果，從實際情況出發(fā)，設(shè)計了一套穩(wěn)定性控制系統(tǒng)關(guān)鍵傳感器的融合故障診斷算法，并通過多種工況、多種故障形式進行實車試驗對算法進行分析和驗證，形成一套適合應(yīng)用的操縱穩(wěn)定性控制系統(tǒng)傳感器故障診斷算法.

1試驗平臺介紹

試驗平臺采用與某公司合作開發(fā)的分布式驅(qū)動電動汽車(圖2)，平臺車采用蓄電池為動力源，具有“零”排放、高效率、低噪音等優(yōu)點.前懸架采用麥弗遜式懸架，后懸架采用扭轉(zhuǎn)梁懸架，前輪采用輪邊電機驅(qū)動(裝備輪邊減速器，減速比6.2)，輪盤式制動器，后輪采用輪轂電機驅(qū)動，股式制動器.整車參數(shù)如表1示，電機參數(shù)見表2.

圖2　分布式驅(qū)動電動汽車試驗平臺

參數(shù)值參數(shù)值整車質(zhì)量/kg1380橫擺轉(zhuǎn)動慣量/(kg·m2)1833.8軸距/m2.305前輪距/m1.325前軸到質(zhì)心距離/m1.116后輪距/m1.390后軸到質(zhì)心距離/m1.187前軸側(cè)偏剛度/(kN·rad-1)-71.219整車質(zhì)心高度/m0.525后軸側(cè)偏剛度/(kN·rad-1)-108.230轉(zhuǎn)向傳動比16.68車輪滾動半徑/m0.29

表2　試驗平臺驅(qū)動電機參數(shù)列表

2測試系統(tǒng)故障診斷算法

本文故障診斷算法的設(shè)計目標為：針對橫擺角速度信息、側(cè)向加速度信息、方向盤轉(zhuǎn)角信息、輪速信息，考慮突變故障，緩變故障，間隙性故障情況，在傳感器發(fā)生故障后，及時給出傳感器的故障位置信息，及故障程度信息.算法在設(shè)計時，僅考慮同一時刻只有一種傳感器發(fā)生故障情況.故障類型如圖3所示，故障程度分為三個等級，見表3.

a突變故障b緩變故障c間隙性故障

圖3　傳感器故障模擬

2.1故障診斷算法

文中設(shè)計了基于等價方程與觀測器相融合的故障診斷算法.基于等價方程的故障診斷算法，冗余模型較多，限制條件較多，所以誤報率低.但是當(dāng)輪胎處于線性區(qū)域時可以較好地工作，進入非線性區(qū)域后則會存在漏報的現(xiàn)象，靈敏度較差.基于觀測器算法對閾值設(shè)定的要求較高，閾值設(shè)定的不合理可能造成誤報.但該算法對傳感器信息的估計較為精確，可容許設(shè)定的閾值更小，不容易漏報，可以識別更小的故障，診斷靈敏度較高，且受工況影響更小.根據(jù)設(shè)計的兩種故障診斷算法的特點，采取合適的故障診斷規(guī)則及故障統(tǒng)計方法將兩種算法相融合，發(fā)揮兩種算法的優(yōu)勢，以期得到更好的故障診斷結(jié)果.下面就對該融合算法做一個詳細的介紹.

2.1.1基于等價方程故障診斷算法

基于等價方程的故障診斷算法通過不同傳感器輸出信號之間常規(guī)工況下的運動學(xué)關(guān)系相互校驗，實現(xiàn)相互的故障診斷.算法可診斷的傳感器包括：橫擺角速度傳感器，側(cè)向加速度傳感器，方向盤轉(zhuǎn)角傳感器，輪速傳感器.

(1) 故障診斷模型推導(dǎo)

線性二自由度車輛模型的運動方程如下：

(1)

設(shè)isw為轉(zhuǎn)向傳動比，則前輪轉(zhuǎn)角與方向盤轉(zhuǎn)角的關(guān)系表示為

(2)

式中，δsw為方向盤轉(zhuǎn)角.

由線性二自由度車輛模型可得橫擺角速度穩(wěn)態(tài)響應(yīng)增益，表達式如下：

(3)

橫擺角速度與方向盤轉(zhuǎn)角可以由式(4)近似估計：

(4a)

(4b)

① 運動學(xué)模型

忽略輪胎打滑，橫擺角速度與輪速的關(guān)系可以表示為

(5a)

vi=ωi·R,i=fl,fr,rl,rr

(5b)

式中：ωi為各車輪轉(zhuǎn)速；R為車輛滾動半徑；vi為各車輪輪心速度；fl,fr,rl,rr分別表示前左輪、前右輪、后左輪、后右輪；bf，br分別為前、后輪距.

(6)

式中，ay為整車側(cè)向加速度.

質(zhì)心側(cè)偏角變化較慢時式(6)可以近似為

(7)

② 輪速差異模型

由于式(5)只能得到某一軸的輪速故障信息，并不能從中分離出左、右輪的輪速故障信息，為能夠診斷出某一車輪的輪速故障，這里引入式(8)—(10)對輪速進行平均，并構(gòu)造輪速殘差Δvi(i=fl,fr,rl,rr)反映某一個輪速與其他輪速的差異.由于等價方程中需要車速信息，車速估計值用輪速平均值替代.

(8)

(9)

(10)

將式(1)—(10)結(jié)合可推出表4冗余模型.

(11)

式中，i=1,2,3,4為橫擺角速度殘差，i=5,6,7,8為側(cè)向加速度殘差，i=9,10,11,12為方向盤轉(zhuǎn)角殘差，i=13,14,15,16為輪速殘差.

(2) 殘差特征提取

利用故障診斷冗余模型得到的16個殘差信號經(jīng)過特征提取模塊輸出16個0或1的數(shù)值.式(12)為殘差特征函數(shù).當(dāng)不同的傳感器出現(xiàn)故障時，殘差序列會表現(xiàn)出不同的0或1的殘差特征，通過制定合適的診斷規(guī)則，即可確定傳感器的故障位置.

(12)

閾值的設(shè)定要求在傳感器不發(fā)生故障時，殘差在閾值范圍之內(nèi).而當(dāng)傳感器發(fā)生故障時，殘差要超過閾值.將車輛行駛工況分為三種：直線行駛工況，常規(guī)工況(轉(zhuǎn)向)，及非常規(guī)轉(zhuǎn)向工況，針對不同的工況設(shè)定不同的閾值.由于當(dāng)輪胎進入非線性工作區(qū)后，很難確定殘差的范圍，本文通過故障診斷規(guī)則限制算法僅在常規(guī)工況下工作，即側(cè)向加速度小于4 m·s-2的工況下.直線工況的判斷準則如下：

表4　等價方程模型及其適用條件列表

利用上述閾值設(shè)定方法，將工況分為直線與轉(zhuǎn)向兩種工況設(shè)定閾值，根據(jù)等價方程在各種工況下的殘差幅值大小初步來確定閾值，經(jīng)過離線仿真實驗最終確定的閾值如表5所示.

表5　等價方程算法殘差閾值

2.1.2基于觀測器的故障診斷算法

基于觀測器的故障診斷算法：基于車輛非線性單軌模型建立龍貝格觀測器估計傳感器信息，利用可以測量的橫擺角速度，側(cè)向加速度信號作為反饋信息，可以分別建立兩個龍貝格觀測器.雙觀測器提供了信息的冗余，可以從殘差的特征中分離出不同傳感器的故障信息.觀測器采用非線性的輪胎模型，在車輛處于極限工況時可以較好地估計傳感器狀態(tài)，進而提高算法在極限工況時的診斷效果.算法診斷目標：橫擺角速度傳感器，側(cè)向加速度傳感器，方向盤轉(zhuǎn)角傳感器.

(1) 龍貝格觀測器建立

采用反正切輪胎模型的二自由度車輛模型如式(14)所示：

(13)

(14)

式(14)中：cf1，cf2，cr1，cr2為輪胎模型參數(shù).經(jīng)擬合得：cf1=4270.7 N·rad-1，cf2=19.8 N·rad-1，cr1=4597.3 N·rad-1，cr2=24.9 N·rad-1.

分別以橫擺角速度信息與側(cè)向加速度信息做反饋可以建立兩個龍貝格觀測器，如下所示：

(15a)

(15b)

(16a)

(16b)

(2) 反饋信息融合

融合函數(shù)將某一觀測器對傳感器信號的估計值與傳感器信號的測量值進行融合，并將融合后的信號作為另一個觀測器的反饋信息，融合后的信號值yfi如式(17)所示.

(17)

將兩個觀測器的殘差值取平均(式(18))作為故障估計值，并用于判斷故障等級，同時用殘差平均值控制切換函數(shù)的權(quán)重系數(shù)的調(diào)整(式(19)).

(18)

(19)

權(quán)重調(diào)整模塊參照常見的隸屬函數(shù)選取(式(20)，參數(shù)a，b控制用于控制權(quán)重由0至1的切換速度，參數(shù)c為切換的閾值，殘差值大于閾值c時，則權(quán)重系數(shù)開始由0至1切換.式中a=3 000，b=2.切換閾值c根據(jù)實際情況確定.

(20)

加入融合模塊的觀測器方程為

(21a)

(21b)

(22a)

(22b)

最終確定的切換閾值如表6所示.

表6　融合函數(shù)切換閾值c

2.2融合算法故障診斷規(guī)則

從實際應(yīng)用角度出發(fā)，提取等價方程算法中估計效果較好的方程，結(jié)合觀測算法，制定診斷規(guī)則，融合的故障診斷算法可以提高對橫擺角速度傳感器，側(cè)向加速度傳感器，方向盤轉(zhuǎn)角傳感器的診斷效果.對于輪速傳感器的診斷，由于觀測算法無法實現(xiàn)，診斷算法仍沿用等價方程算法.診斷規(guī)則如表7所示.表中，Δ為故障值.

表7　融合算法診斷規(guī)則

注：0表示殘差未超過閾值，1表示殘差超過閾值.

2.3融合算法故障計數(shù)統(tǒng)計

對于在線故障診斷系統(tǒng)而言，需要保證故障診斷信息的可靠性，因此必須對初級診斷報錯的結(jié)果進行后處理，將處理后更加可靠的結(jié)果作為最終的故障信息.本文采用計數(shù)統(tǒng)計的方法對初級診斷結(jié)果進行后處理，在線對一段時間內(nèi)報故障的時間占該時間的比率進行計算，通過對在線計算的故障統(tǒng)計結(jié)果設(shè)定閾值作為最終的診斷結(jié)果.

統(tǒng)計時間的長短會影響故障診斷的實時性及可靠性.因此可以建立不同時間長度的故障統(tǒng)計處理模塊，用于檢測不同的故障，對于突變故障以及緩變故障，可以用較短統(tǒng)計時間的故障統(tǒng)計?？欤瑐鞲衅餍盘柶x正常值之后可以及時識別故障.對于間隙性故障，通常由接觸不良，零配件老化造成，故障可以較長時間持續(xù)存在，對診斷的及時性要求可以適當(dāng)降低，用較長時間長度的故障統(tǒng)計模塊，以更加準確地識別故障的存在.本文對短時故障統(tǒng)計時間設(shè)置為1 s，長時故障統(tǒng)計時間設(shè)置為20 s，對故障統(tǒng)計結(jié)果設(shè)定的閾值為30%.

3故障診斷算法實車試驗

本節(jié)通過一組合工況對融合故障診斷算法進行驗證.該組合工況包含車輛正常直線行駛工況，轉(zhuǎn)彎行駛工況，以及方向盤轉(zhuǎn)角正弦輸入與階躍輸入等劇烈側(cè)向工況.圖4—5為組合工況方向盤轉(zhuǎn)角與車速信息，方框中放大部分圖像為方向盤角階躍工況與正弦工況輸入時刻.故障模擬方式如表8所示.

圖4　組合工況方向盤轉(zhuǎn)角信息

圖5　組合工況車速信息

1所有傳感器(不同時段)偏移模擬突變故障2所有傳感器(不同時段)斜坡模擬緩變故障3橫擺角速度傳感器正弦模擬間隙性故障

3.1突變故障

故障模擬：橫擺角速度傳感器6°·s-1突變故障(加載時間：10～100 s)；側(cè)向加速度傳感器1 m·s-2突變故障(加載時間：1 105～200 s)；加載方向盤轉(zhuǎn)角25°突變故障(加載時間：210～300 s)；輪速傳感器1 m·s-1故障突變量(加載時間：310～400 s).

由圖6，突變故障模擬實驗結(jié)果如下：

在10～100 s，算法給出了準確的橫擺角速度故障位置信息，在故障等級估計過程中，雖抖動較為劇烈，但依然給出了準確的故障等級信息.在其他沒有故障的情況下，算法沒有誤報；

在110～200 s，算法給出了準確的側(cè)向加速度故障位置信息，在故障等級估計過程中，雖抖動較為劇烈，但依然給出了準確的故障等級信息.在其他沒有故障的情況下，算法沒有誤報；

在210～300 s，由于車輛處于極限工況，方向盤轉(zhuǎn)角故障診斷結(jié)果出現(xiàn)短暫的漏報，在故障等級估計過程中，雖抖動較為劇烈，但依然給出了較為準確的故障等級信息.在其他沒有故障的情況下，算法沒有誤報；

在310～400 s，由于車輛處于極限工況，輪速故障診斷結(jié)果出現(xiàn)短暫的漏報，在故障等級估計過程中，雖抖動較為劇烈，但依然給出了較為準確的故障等級信息.在其他沒有故障的情況下，算法沒有誤報.

3.2緩變故障

故障模擬：從第10 s至100 s加載橫擺角速度故障，故障從2°·s-1勻速增加至32°·s-1；110～200 s加載側(cè)向加速度故障，故障從0.5 m·s-2勻速增加至6.5 m·s-2；第210～300 s加載方向盤轉(zhuǎn)角故障，故障從5°勻速增加至85°；310～400 s加載輪速故障，故障從0.5 m·s-1勻速增加至6.5 m·s-1.

a 橫擺角速度故障位置診斷結(jié)果

b 橫擺角速度故障程度診斷結(jié)果

c 側(cè)向加速度故障位置診斷結(jié)果

d 側(cè)向加速度故障程度診斷結(jié)果

e 方向盤轉(zhuǎn)角故障位置診斷結(jié)果

f 方向盤轉(zhuǎn)角故障程度診斷結(jié)果

g 輪速故障位置診斷結(jié)果

h 輪速故障程度診斷結(jié)果

圖6各傳感器突變故障診斷結(jié)果

Fig.6Each sensor step change fault diagnosis results

由圖7，緩變故障模擬實驗結(jié)果如下：

在10～100 s，因為橫擺角速度故障開始比較小，算法無法識別，當(dāng)故障逐漸增加到算法靈敏度允許范圍之后，則及時給出了故障信息，且故障等級判斷準確，可隨故障程度的變化及時更新.在其他沒有故障的情況下，算法沒有誤報；

在110～200 s，當(dāng)側(cè)向加速度出現(xiàn)故障時，及時給出了故障信息，且故障等級判斷準確，可隨故障程度的變化及時更新.在其他沒有故障的情況下，算法沒有誤報；

在210～300 s，當(dāng)方向盤轉(zhuǎn)角出現(xiàn)故障時，及時給出了故障信息，且故障等級判斷準確，可隨故障程度的變化及時更新.在其他沒有故障的情況下，算法沒有誤報；

a 橫擺角速度故障位置診斷結(jié)果

b 橫擺角速度故障程度診斷結(jié)果

c 側(cè)向加速度故障位置診斷結(jié)果

d 側(cè)向加速度故障程度診斷結(jié)果

e 方向盤轉(zhuǎn)角故障位置診斷結(jié)果

f 方向盤轉(zhuǎn)角故障程度診斷結(jié)果

g 輪速故障位置診斷結(jié)果

h 輪速故障程度診斷結(jié)果

圖7各傳感器緩變故障診斷結(jié)果

Fig.7Each sensor ramp change fault diagnosis results

在310～400 s，當(dāng)輪速信號出現(xiàn)故障時，起初故障信息有短暫的延時，當(dāng)故障逐漸增加到算法靈敏度允許范圍之后，則及時給出了故障信息，且故障等級判斷準確，可隨故障程度的變化及時更新.在其他沒有故障的情況下，算法沒有誤報.

3.3間隙性故障

故障模擬：橫擺角速度傳感器信號疊加正弦信號，正弦幅值6°·s-1，周期8 s.

傳感器發(fā)生間隙性故障表現(xiàn)為，故障時有時無，正常信號疊加正弦信號后即表現(xiàn)為時而在正常范圍，時而超出正常范圍.因此在圖8—9中，初級診斷結(jié)果會出現(xiàn)不連續(xù)的現(xiàn)象，通過故障統(tǒng)計之后，算法可以給出準確沒有漏報的故障信息.這說明故障統(tǒng)計模塊可以較好地處理間隙性故障情況.由于故障統(tǒng)計時間較長，算法報故障延時了10 s，但考慮到間隙性故障在實際中通常持續(xù)時間較長，且對算法診斷的實時性要求不高，因此算法可以滿足應(yīng)用要求.

圖8故障位置診斷結(jié)果

Fig.8Fault position diagnosis results

圖9故障程度診斷結(jié)果

Fig.9Fault degree diagnosis results

4總結(jié)

本文設(shè)計了一套針對操縱穩(wěn)定性控制系統(tǒng)關(guān)鍵傳感器的故障診斷算法.算法的診斷目標包括：橫擺角速度傳感器，側(cè)向加速度傳感器，方向盤轉(zhuǎn)角傳感器，及輪速傳感器.論文從故障診斷的靈敏度與誤報情況兩方面考慮，將等價方程算法與觀測器算法相融合.同時對故障計數(shù)統(tǒng)計方法進行分析，提出了通過短時故障統(tǒng)計對突變故障，緩變故障進行診斷，長時故障統(tǒng)計對間隙性故障進行診斷的策略.論文最后采用綜合工況對算法的有效性進行了實車試驗.結(jié)果證明，算法在常規(guī)工況下，對本文考慮的各種傳感器，各種故障下都能準確快速地診斷出微小故障，并且準確估計出故障大小，給出故障等級信息.在非常規(guī)工況下，算法對橫擺角速度傳感器，側(cè)向加速度傳感器可以準確快速地診斷出微小故障，對于方向盤轉(zhuǎn)角傳感器與輪速傳感器的微小故障，算法會出現(xiàn)漏報現(xiàn)象.算法的故障估計值會受到工況影響，但是仍然可以比較準確地判斷出故障等級，可以滿足應(yīng)用要求.

參考文獻:

[1]張武學(xué),熊璐,余卓平,等. 質(zhì)心側(cè)偏角估計誤差對車輛穩(wěn)定性控制的影響[J]. 汽車工程, 2013, 35(10): 857.

ZHANG Wuxue, XIONG Lu, YU Zhuoping,etal. The effects of sideslip angle estimation error on vehicle stability control[J]. Automotive Engineering, 2013, 35(10): 857.

[2]周東華，葉銀忠. 現(xiàn)代故障診斷與容錯控制[J]. 北京: 清華大學(xué)出版社, 2000.

ZHOU Donghua, YE Yinzhong. Modern fault diagnosis and fault-tolerant control[J]. Beijing: Tsinghua University Press, 2000.

[3]田承偉,宗長富,姜國彬,等. 基于雙自適應(yīng)Kalman濾波的線控轉(zhuǎn)向汽車傳感器故障診斷[J]. 中國公路學(xué)報,2009,22(4):115.

TIAN Chengwei, ZONG Changfu, JIANG Guobin,etal. Sensor fault diagnosis for steer-by-wire car based on dual adaptive kalman filter[J]. China Journal of Highway and Transport, 2009,22(4): 115.

[4]姜國彬. 汽車線控轉(zhuǎn)向系統(tǒng)故障診斷方法研究[D]. 長春: 吉林大學(xué), 2009.

JIANG Guobin. Research of diagnosis method for vehicle steer-by-wire system[D]. Changchun: Jilin University, 2009.

[5]Anwar S, Chen L. An analytical redundancy-based fault detection and isolation algorithm for a road-wheel control subsystem in a steer-by-wire system[J]. Vehicular Technology, IEEE Transactions on, 2007, 56(5): 2859.

[6]Kim J, Lee H. Sensor fault detection and isolation algorithm for a continuous damping control system. Proceedings of the Institution of Mechanical Engineers[J]. Part D: Journal of Automobile Engineering, 2011, 225(10): 1347.

[7]許健雄,趙又群,劉英杰.汽車方向盤轉(zhuǎn)角試驗數(shù)據(jù)去噪的小波基選擇[J].機械科學(xué)與技術(shù), 2013, 32(6): 809.

XU Jianxiong, ZHAO Youqun, LIU Yingjie. Wavelet Basis selection for denoising experimental data of steering wheel angle[J]. Mechanical Science and Technology for Aerospace Engineering, 2013, 32(6): 809.

[8]王輝,孫駿.汽車輪速傳感器工作穩(wěn)定性研究[J].汽車技術(shù),2011(5):30.

WANG Hui, SUN Jun. Study on the operating stability of wheel-speed sensor[J]. Automobile Technology, 2011(5): 30.

[9]蔣克榮,王治森,孫駿.基于小波變換的汽車輪速信號去噪[J].農(nóng)業(yè)機械學(xué)報,2007,38(11):1.

JIANG Kerong, WANG Zhisen, SUN Jun. Automobile anti-braking system wheel speed signal denoising based on wavelet transform[J]. Transactions of the Chinese Society for Agricultural Machinery, 2007, 38(11): 1.

[10]李洪東. 基于BP神經(jīng)網(wǎng)絡(luò)的汽車ABS系統(tǒng)故障診斷[D]. 長春: 吉林大學(xué), 2008.

LI Hongdong. Fault diagnosis for automobile ABS system based on BP neural network[D]. Changchun: Jilin University, 2008.

[11]陳宗好,張代勝.信息融合技術(shù)在汽車ABS系統(tǒng)故障診斷中的應(yīng)用[J].汽車科技,2006,85(4):13.

CHEN Zonghao, ZHANG Daisheng. The application of information fusion technology in automobile ABS system fault diagnosis[J]. Automobile Science Technology, 2006,85(4):13.

[12]柳衛(wèi)東. 汽車制動系統(tǒng)FTA法的故障診斷研究[D]. 西安: 西北工業(yè)大學(xué), 2007.

LIU Weidong. Fault diagnosis study for automobile braking system based on FTA[D]. Xi'an: Northwestern Polytechnical University, 2007.

Fault Diagnosis of Vehicle Stability Control System Key Sensors

YU Zhuoping1,2, WANG Hongbo1,2, XIONG Lu1,2, CHEN Chen1,2

(1. School of Automotive Studies, Tongji University, Shanghai 201804, China; 2. Clean Energy Automotive Engineering Center, Tongji University, Shanghai 201804, China)

Abstract：The article designed a fault diagnosis algorithm based on analytic model to achieve the self-diagnosis function of sensors signals. Firstly the article established the fundamental frame, Then two fault diagnosis algorithms were designed based on parity equations and observer. Parity equation algorithm was designed by linear vehicle model and kinematic equations which show the relations among the different key sensors signals of vehicle stability control system, and was used for them to diagnose each other. Observer algorithm was designed by nonlinear vehicle model to obtain fault information by Dragon Berger observer. Considering sensitivity and false warning rate, the fusion of the two algorithms were proposed to improve diagnosis effect, and the diagnosis rules were also reset. Finally, the fault diagnosis algorithm was testified through several kinds of on-road tests with different working conditions. The results showed that the algorithm can provide accurate different types fault information of different sensors as well as the fault degree.

Key words：analytic model; parity equations; observer; fusion algorithm; on-road tests

文獻標志碼：A

中圖分類號：U461.91

通訊作者：熊璐(1978—)，男，工學(xué)博士，副教授，博士生導(dǎo)師，主要研究方向為汽車系統(tǒng)動力學(xué)與控制.

基金項目：國家“九七三”重點基礎(chǔ)研究發(fā)展計劃(2011CB711200)，國家自然科學(xué)基金(51475333)

收稿日期：2015-05-04

第一作者： 余卓平(1960—)，男，工學(xué)博士，教授，博士生導(dǎo)師，主要研究方向為車輛工程.E-mail: yuzhuoping@#edu.cn

E-mail: xionglu.gm@gmail.com