基于擴(kuò)展卡爾曼的線控轉(zhuǎn)向系統(tǒng)轉(zhuǎn)角傳感器故障診斷

摘 要：車輪轉(zhuǎn)向角度傳感器是汽車動(dòng)力系統(tǒng)中重要的器件之一，其可靠性直接影響車輛的安全。針對(duì)線控轉(zhuǎn)向系統(tǒng)轉(zhuǎn)角傳感器的可靠性問(wèn)題，首先，分析線控轉(zhuǎn)向系統(tǒng)的結(jié)構(gòu)特點(diǎn)，建立三自由度的非線性車輛模型，以及傳感器故障種類模型；其次，基于擴(kuò)展卡爾曼濾波（extended Kalman filter， EKF）算法，利用傳感器輸入的轉(zhuǎn)角信息，通過(guò)車輛模型估計(jì)出汽車狀態(tài)，例如橫擺角速度、質(zhì)心側(cè)偏角等，再與汽車狀態(tài)傳感器測(cè)得的實(shí)際值生成殘差，構(gòu)建故障診斷向量并提出診斷策略來(lái)實(shí)現(xiàn)轉(zhuǎn)角傳感器的故障診斷；最后，搭建Carsim/Simulink仿真平臺(tái)進(jìn)行聯(lián)合仿真。結(jié)果表明該算法可以準(zhǔn)確地識(shí)別出轉(zhuǎn)角傳感器發(fā)生的故障。

關(guān)鍵詞：線控轉(zhuǎn)向；擴(kuò)展卡爾曼濾波（EKF）；故障診斷；傳感器

中圖分類號(hào)：TP277.3；U463.407 DOI：10.16375/j.cnki.cn45-1395/t.2024.01.011

0 引言

線控轉(zhuǎn)向系統(tǒng)（steer-by-wire）使用電子連接來(lái)取代傳統(tǒng)的機(jī)械結(jié)構(gòu)，擺脫了傳統(tǒng)機(jī)械機(jī)構(gòu)的限制，可以根據(jù)不同需要自由設(shè)計(jì)轉(zhuǎn)向特性，是自動(dòng)駕駛技術(shù)發(fā)展的關(guān)鍵部分[1]。相對(duì)于傳統(tǒng)機(jī)械轉(zhuǎn)向系統(tǒng)，線控轉(zhuǎn)向系統(tǒng)使用了更多的傳感器和其他電子器件，這也對(duì)轉(zhuǎn)向系統(tǒng)的安全性和魯棒性提出了更高的要求。系統(tǒng)當(dāng)中的某個(gè)傳感器或執(zhí)行器可能在任意時(shí)刻發(fā)生故障，由于上層轉(zhuǎn)向控制策略都是基于傳感器提供的系統(tǒng)信號(hào)，任何故障都必須及時(shí)得到有效識(shí)別和容錯(cuò)，因此，關(guān)鍵傳感器的診斷和容錯(cuò)技術(shù)是線控轉(zhuǎn)向技術(shù)產(chǎn)業(yè)化的關(guān)鍵之一。

現(xiàn)有的針對(duì)車輛轉(zhuǎn)角傳感器的故障容錯(cuò)控制方法可以分為如下幾種[2]：第一種，硬件冗余法。所謂硬件冗余就是對(duì)關(guān)鍵信息使用多個(gè)獨(dú)立的傳感器同時(shí)進(jìn)行測(cè)量，產(chǎn)生冗余信息，再利用統(tǒng)計(jì)學(xué)特性得出相對(duì)真實(shí)的信號(hào)，但這種方法需要使用3個(gè)以上的傳感器進(jìn)行測(cè)量，空間占用較大，成本較高。第二種，基于解析模型的故障診斷法。將被控對(duì)象的輸入輸出和被控過(guò)程構(gòu)建出相應(yīng)的數(shù)學(xué)模型[3]，通過(guò)濾波器對(duì)狀態(tài)進(jìn)行估計(jì)，得到估計(jì)值后再與系統(tǒng)實(shí)際測(cè)量作比較，構(gòu)成殘差序列，通過(guò)對(duì)殘差的分析可以得到故障信息。文獻(xiàn)[4]設(shè)計(jì)基于自適應(yīng)漸消卡爾曼濾波技術(shù)的狀態(tài)觀測(cè)器，生成殘差和門限閾值，實(shí)現(xiàn)了傳感器的故障診斷。文獻(xiàn)[5]構(gòu)建線性二自由度車輛模型，根據(jù)汽車狀態(tài)參數(shù)和電機(jī)電流信號(hào)設(shè)計(jì)卡爾曼濾波，對(duì)轉(zhuǎn)角傳感器實(shí)現(xiàn)故障診斷，并對(duì)電機(jī)的突變故障通過(guò)實(shí)時(shí)估計(jì)來(lái)完成故障診斷。文獻(xiàn)[6]基于滑?？刂评碚撛O(shè)置多傳感器狀態(tài)觀測(cè)器，實(shí)現(xiàn)對(duì)多個(gè)傳感器的故障診斷。第三種，基于知識(shí)的方法。首先，通過(guò)對(duì)傳感器和控制系統(tǒng)的先驗(yàn)知識(shí)歸納總結(jié)出各種故障的特征向量。其次，運(yùn)用神經(jīng)網(wǎng)絡(luò)算法對(duì)先驗(yàn)知識(shí)進(jìn)行大量學(xué)習(xí)，訓(xùn)練出識(shí)別模型。最后，將訓(xùn)練好的模型與故障傳感器導(dǎo)出的數(shù)據(jù)進(jìn)行對(duì)比，判斷出故障類型，完成故障識(shí)別。文獻(xiàn)[7]利用模糊控制技術(shù)將傳感器的故障類型進(jìn)行了區(qū)分，再使用神經(jīng)網(wǎng)絡(luò)辨識(shí)模型完成傳感器故障種類的識(shí)別。文獻(xiàn)[8]使用BP神經(jīng)網(wǎng)絡(luò)對(duì)凝汽式汽輪機(jī)調(diào)速系統(tǒng)中的轉(zhuǎn)速傳感器進(jìn)行傳感器故障診斷研究?？傮w而言，針對(duì)線控轉(zhuǎn)向系統(tǒng)模型易于得出、狀態(tài)估計(jì)較為方便的特性，使用解析模型的方法來(lái)進(jìn)行故障診斷仍是目前研究的主流。在研究當(dāng)中，對(duì)車輛模型的建立多為二自由度線性模型，所使用算法的求解十分復(fù)雜，同時(shí)加裝多個(gè)觀測(cè)器也提升了車輛成本。

針對(duì)以上問(wèn)題，本文對(duì)車輛建立三自由度非線性數(shù)學(xué)模型，再根據(jù)擴(kuò)展卡爾曼濾波（extended Kalman filter， EKF）算法實(shí)現(xiàn)實(shí)時(shí)估計(jì)汽車當(dāng)前行駛狀態(tài)，可以由轉(zhuǎn)角傳感器觀測(cè)值導(dǎo)入模型得出對(duì)應(yīng)的車輛橫擺角速度和質(zhì)心側(cè)偏角。然后將觀測(cè)值與實(shí)際傳感器測(cè)量值作差，生成殘差信號(hào)，將此作為后續(xù)判斷傳感器是否故障的標(biāo)準(zhǔn)。建立故障判斷策略，可以實(shí)現(xiàn)傳感器故障種類的精準(zhǔn)識(shí)別，并建立Carsim/Simulink聯(lián)合仿真平臺(tái)進(jìn)行試驗(yàn)，驗(yàn)證算法的可靠性。

1 數(shù)學(xué)模型

1.1 線控轉(zhuǎn)向系統(tǒng)數(shù)學(xué)模型

線控轉(zhuǎn)向系統(tǒng)的結(jié)構(gòu)主要有轉(zhuǎn)向盤總成、轉(zhuǎn)向執(zhí)行機(jī)構(gòu)和主控制器，以及車載數(shù)字通信系統(tǒng)、容錯(cuò)系統(tǒng)、電池電源系統(tǒng)等，如圖1所示。工作原理為：當(dāng)有轉(zhuǎn)向信號(hào)輸入時(shí)，轉(zhuǎn)角傳感器和轉(zhuǎn)矩傳感器將電信號(hào)輸入主控制器，由主控制器結(jié)合傳感器數(shù)據(jù)和控制算法計(jì)算得到相應(yīng)電機(jī)控制信號(hào)，并輸出到轉(zhuǎn)向機(jī)構(gòu)和執(zhí)行機(jī)構(gòu)的電機(jī)當(dāng)中，由電機(jī)驅(qū)動(dòng)轉(zhuǎn)向執(zhí)行機(jī)構(gòu)完成轉(zhuǎn)向動(dòng)作；同時(shí)，根據(jù)車輛狀態(tài)以及內(nèi)置的路感策略計(jì)算出適當(dāng)?shù)牧?，輸出到路感?zhí)行機(jī)構(gòu)，再作用于轉(zhuǎn)向盤上形成路感。

汽車在行駛過(guò)程中會(huì)遇到許多復(fù)雜工況，其在執(zhí)行轉(zhuǎn)向動(dòng)作時(shí)可能會(huì)處于非線性系統(tǒng)的狀態(tài)，簡(jiǎn)單理想化的二自由度線性模型[9]不再適合，需要考慮由縱向運(yùn)動(dòng)自由度帶來(lái)的影響。因此，建立橫擺、側(cè)偏和縱向在內(nèi)的狀態(tài)互相耦合的三自由度非線性模型[10]，得到車輛三自由度模型狀態(tài)方程為

4 算法仿真實(shí)驗(yàn)

4.1 實(shí)驗(yàn)平臺(tái)及參數(shù)設(shè)置

Carsim是用于汽車動(dòng)力學(xué)研究的專業(yè)軟件，采用Carsim軟件在計(jì)算機(jī)上進(jìn)行模擬仿真，Carsim仿真軟件頁(yè)面設(shè)置如圖3所示。其內(nèi)置了多種車輛的動(dòng)力學(xué)模型，還可以仿真車輛受駕駛員、空氣動(dòng)力學(xué)、路面參數(shù)、行人參數(shù)等各種場(chǎng)景和多種工況的影響，而且可以自由設(shè)置多種參數(shù)，與多種實(shí)驗(yàn)軟件相互兼容，具有參數(shù)設(shè)置方便、運(yùn)算實(shí)時(shí)性高、仿真速度快、標(biāo)準(zhǔn)化程度高等特點(diǎn)。因此選擇Carsim軟件來(lái)建立實(shí)驗(yàn)所需的整車模型，并設(shè)置車輛參數(shù)和實(shí)驗(yàn)的工況參數(shù)，再將其與Matlab/Simulink搭建的EKF汽車狀態(tài)估計(jì)及故障報(bào)警算法進(jìn)行聯(lián)合仿真。Carsim得出的汽車數(shù)據(jù)通過(guò)IO端口輸出到Simulink模型中，對(duì)算法進(jìn)行仿真驗(yàn)證。

基于EKF的車輛狀態(tài)估計(jì)，可以由轉(zhuǎn)角傳感器的輸出值對(duì)橫擺角速度、質(zhì)心側(cè)偏角、側(cè)向加速度作出實(shí)時(shí)估計(jì)，進(jìn)而可以驗(yàn)證故障報(bào)警算法的準(zhǔn)確性。實(shí)驗(yàn)選用常見(jiàn)C級(jí)車型，具體車輛參數(shù)如表1所示。

4.2 雙移線工況下算法仿真

本文根據(jù)ISO 38888-2—2011進(jìn)行雙移線工況下的轉(zhuǎn)角傳感器故障識(shí)別，設(shè)置條件為：車輛試驗(yàn)速度[Vx]=[60 km/h]，路面附著系數(shù)[μ=0.85]，傳動(dòng)比[i=18]，采樣周期[T=0.001 s]，進(jìn)行雙移線工況實(shí)驗(yàn)。由于在實(shí)驗(yàn)中無(wú)法控制傳感器的故障情況，故根據(jù)上文提到的傳感器故障類型參數(shù)制造相應(yīng)的故障信號(hào)，再疊加噪聲后作為轉(zhuǎn)角傳感器的故障輸入。

4.2.1 模型仿真驗(yàn)證

為模擬日常工作狀態(tài)，在進(jìn)行故障模擬時(shí)均加入均值為0、方差為1×10-5的高斯噪聲，故障實(shí)驗(yàn)中均以此為基礎(chǔ)信號(hào)。輸入轉(zhuǎn)角信號(hào)如圖4所示。

對(duì)本文建立的非線性三自由度車輛模型進(jìn)行仿真，結(jié)果如圖5所示。

系統(tǒng)無(wú)誤差時(shí)故障報(bào)警如圖6所示。

通過(guò)仿真實(shí)驗(yàn)表明，使用EKF算法對(duì)質(zhì)心側(cè)偏角和橫擺角速度的估計(jì)較為準(zhǔn)確，其誤差小于5%，因此設(shè)置誤差閾值為5%。仿真結(jié)果表明，汽車在正常行駛中報(bào)警系統(tǒng)不會(huì)發(fā)生誤報(bào)的情況。

4.2.2 故障仿真識(shí)別

由于轉(zhuǎn)角傳感器出現(xiàn)故障的時(shí)機(jī)不可預(yù)測(cè)，因此通過(guò)人工構(gòu)建故障信號(hào)，再與正常信號(hào)疊加，從而構(gòu)成傳感器故障信號(hào)來(lái)模擬傳感器突發(fā)故障。在Carsim輸出車輛轉(zhuǎn)角信號(hào)8 s時(shí)疊加上文建立的故障仿真信號(hào)，通過(guò)建立的故障報(bào)警裝置來(lái)檢驗(yàn)系統(tǒng)是否可以有效識(shí)別發(fā)生的故障。

1）假設(shè)轉(zhuǎn)角傳感器發(fā)生恒偏差故障，診斷后結(jié)果如圖7所示。

在轉(zhuǎn)角傳感器發(fā)生恒偏差故障時(shí)，報(bào)警系統(tǒng)在偏差為1.2°時(shí)報(bào)警效果較為明顯，但仍存在振蕩現(xiàn)象，主要原因是為了滿足報(bào)警系統(tǒng)在汽車正常行駛時(shí)不會(huì)因傳感器正常工作產(chǎn)生的偏差而產(chǎn)生誤報(bào)警，設(shè)置了報(bào)警閾值，可不識(shí)別過(guò)小的偏差。在故障偏差為1.32°時(shí)，振蕩情況完全消失。

2）假設(shè)轉(zhuǎn)角傳感器發(fā)生卡死故障，此時(shí)示數(shù)保持上一時(shí)刻度數(shù)，不再實(shí)時(shí)更新。傳感器卡死故障信號(hào)與正常信號(hào)對(duì)比以及診斷系統(tǒng)對(duì)故障報(bào)警顯示如圖8所示。

在轉(zhuǎn)角傳感器正常工作時(shí)，模型估計(jì)的質(zhì)心側(cè)偏角以及橫擺角速度與實(shí)際測(cè)量值保持一致，在第8 s時(shí)加入卡死故障信號(hào)，轉(zhuǎn)角傳感器維持第8 s信號(hào)不變，模型預(yù)估值和實(shí)際值產(chǎn)生較大偏差，構(gòu)成殘差信號(hào)，報(bào)警系統(tǒng)可以成功識(shí)別到故障信號(hào)并及時(shí)報(bào)警。

3）當(dāng)轉(zhuǎn)角傳感器發(fā)生恒增益故障時(shí)，對(duì)算法的可靠性進(jìn)行驗(yàn)證。傳感器恒增益故障信號(hào)與正常信號(hào)對(duì)比以及診斷系統(tǒng)對(duì)故障報(bào)警顯示如圖9所示。

同樣是在第8 s時(shí)加入增益幅值為0.5的故障信號(hào)。仿真結(jié)果顯示，報(bào)警系統(tǒng)基本可以完成故障識(shí)別并報(bào)警。

5 結(jié)論

針對(duì)線控轉(zhuǎn)向系統(tǒng)中的轉(zhuǎn)角傳感器的故障識(shí)別和檢測(cè)展開研究。分析線控轉(zhuǎn)向系統(tǒng)的結(jié)構(gòu)組成，建立非線性三自由度汽車模型，再結(jié)合擴(kuò)展卡爾曼濾波算法完成對(duì)橫擺角速度、質(zhì)心側(cè)偏角的狀態(tài)估計(jì)，最后建立故障識(shí)別向量來(lái)完成對(duì)轉(zhuǎn)角傳感器的故障診斷，使用Carsim/Simulink聯(lián)合仿真驗(yàn)證了算法的準(zhǔn)確性。結(jié)果表明，算法可以對(duì)轉(zhuǎn)角傳感器的3種常見(jiàn)故障實(shí)時(shí)識(shí)別，保證轉(zhuǎn)角傳感器正常工作時(shí)不誤報(bào)、出現(xiàn)故障時(shí)及時(shí)報(bào)警，為后續(xù)對(duì)故障進(jìn)行精確分類、故障補(bǔ)償策略的研究創(chuàng)造了條件。在今后的研究中將繼續(xù)提升故障識(shí)別算法的精確性和可靠性。

參考文獻(xiàn)

[1] 趙萬(wàn)忠，張寒，鄒松春，等.線控轉(zhuǎn)向系統(tǒng)控制技術(shù)綜述[J].汽車安全與節(jié)能學(xué)報(bào)，2021，12（1）：18-34.

[2] 張婭玲，陳偉民，章鵬，等.傳感器故障診斷技術(shù)概述[J].傳感器與微系統(tǒng)，2009，28（1）：4-6，12.

[3] BENAN SERARSLAN M，BOOTZ A，SCHRAMM D.Enhancement of steering and safety feeling in a steer-by-wire application[J].IFAC Proceedings Volumes，2010，43（7）：679-684.

[4] 田承偉，宗長(zhǎng)富，王祥，等.線控轉(zhuǎn)向汽車傳感器的容錯(cuò)控制[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版），2010，40（1）：6-12.

[5] 熊璐，付志強(qiáng)，李增良，等.無(wú)人車的線控轉(zhuǎn)向系統(tǒng)故障診斷[J].中國(guó)機(jī)械工程，2017，28（22）：2689-2694，2700.

[6] 孫成功，肖本賢.電動(dòng)叉車穩(wěn)定性控制系統(tǒng)傳感器故障重構(gòu)[J].電子測(cè)量與儀器學(xué)報(bào)，2019，33（1）：120-127.

[7] 姚江云，吳方圓.線控轉(zhuǎn)向系統(tǒng)智能故障診斷方法研究[C]//Proceedings of 2014 2nd International Conference on Economic，Business Management and Education Innovation（EBMEI），2014：93-99.

[8] 曹曦，蘇明，黃善衡.BP神經(jīng)網(wǎng)絡(luò)用于傳感器故障診斷的仿真研究[J].上海鐵道大學(xué)學(xué)報(bào)，2000，21（6）：43-47.

[9] 劉文營(yíng)，劉偉，崔曉川.二自由度車輛動(dòng)力學(xué)模型的擴(kuò)展研究[J].中國(guó)測(cè)試，2016，42（S2）：76-79.

[10] 譚光興，符丹丹，丁穎，等.基于擴(kuò)展卡爾曼濾波的汽車行駛狀態(tài)估計(jì)[J].廣西科技大學(xué)學(xué)報(bào)，2020，31（1）：18-24，44.

[11] 孫錚.線控四輪獨(dú)立轉(zhuǎn)向電動(dòng)叉車控制策略及其容錯(cuò)控制的研究[D].合肥：合肥工業(yè)大學(xué)，2020.

Fault diagnosis of steering angle sensor for steer-by-wire system based on extended Kalman filter

LI Xiaochen， TAN Guangxing*

（School of Automation， Guangxi University of Science and Technology， Liuzhou 545616， China）

Abstract： The wheel steering angle sensor is one of the important components in the automotive power system， and its reliability directly affects the safety of the vehicle. To improve the reliability "of the steering angle sensor for the steer-by-wire system， firstly， the structural characteristics of the steer-by-wire system are analyzed， a three-degree-of-freedom nonlinear vehicle model and a sensor fault type model are established. Secondly， based on the extended Kalman filter（EKF）algorithm， the vehicle state， such as yaw rate and side slip angle， is estimated through the vehicle model using the angle information input by the sensor. Then， the residual is generated with the actual value measured by the vehicle state sensor to construct a fault diagnosis vector and propose a diagnostic strategy to realize the fault diagnosis of the steering angle sensor. Finally， a Carsim/Simulink simulation platform is built for joint simulation. The results show that the algorithm can accurately identify the fault of the steering angle sensor.

Keywords： steer-by-wire; extended Kalman filter（EKF）; fault diagnosis; sensor

（責(zé)任編輯：黎 婭）