大陆电子ESP基于模型的故障安全系统.docx
《大陆电子ESP基于模型的故障安全系统.docx》由会员分享,可在线阅读,更多相关《大陆电子ESP基于模型的故障安全系统.docx(15页珍藏版)》请在冰豆网上搜索。
大陆电子ESP基于模型的故障安全系统
大陆电子ESP:
基于模型的故障安全系统
大陆电子ESP:
基于模型的故障安全系统
摘要
电子稳定程序(ESP)是支持驾驶者在危险情况下驾驶汽车的汽车动力控制系统。
一个基本的元件融入ESP系统—在线传感器监控系统,它主要用于尽可能早地探测到传感器中的故障以便阻止错误的控制或系统故障,以这样的目的提出了一个基于模型的ESP传感器监控系统,并进行了开发、实施,而且在大陆电子公司大量生产。
引言
自从70年代末引进了轿车数字控制ABS,电子制动控制系统经历了一个快速动态的发展过程,ESP的引入使这个过程达到暂时的高潮,ESP是以众所周知的和已经被证实了的ABS技术为基础的,ESP从之前发展的系统像电子制动力分配系统(EBD)和发动机牵引力控制系统(TCS)等系统中获得了益处。
除了这个功能,新传感器装置还具有新的加强的功能,支持驾驶者在所有的状况下进行的所以驾驶操作,操作是独立的,无论他是否正在制动。
图1为系统的模块图,这种模块化的概念为故障安全系统分层组织提供了可能性,如果发生故障,这个系统保证了系统可能剩余功能的最大值。
ESP系统可以帮助制动,例如在低摩擦或者摩擦力变化的路面上,汽车就变得不可控制或由于车轮锁死而打滑,或增加驱动轮转动存在的危险。
它也有助于汽车转向过度和转向不足时的操纵。
总的来说,使用ESP的主要目的是提高便利性和车辆的主动安全性[1,2,3]
如图2所示,车辆动力学稳定性控制系统的核心是引入一个内部的反馈控制回路,记为ESP。
ESP的主要任务在于,在极端情况下进行典型驾驶控制工作并确保车辆的稳定性。
传感器作为控制回路的一部分,提供系统的车辆实际状态的动态和行为的信息给控制器,必要时,控制器在这时被激活使汽车在极端情况下保持稳定。
换言之,一个成功的汽车控制强烈依赖于传感器的性能,出于这个原因,一个在线传感器监测和预警系统是构成ESP系统的基本组成部分,这个系统主要用于检测出传感器的故障并尽早地使错误的控制被阻止[4,5]
问题描述
ESP系统的简要说明—图3显示了ESP系统的结构主要包括:
防抱死制动系统(ABS)、牵引力控制系统(TCS)和横摆力矩控制系统(AYC)
对本技术领域的ESP系统当前状态的系统布局示于图4
反馈控制回路采用以下传感器:
横摆角速度传感器、横向加速度传感器、方向盘转角传感器、压力传感器、四轮轮速传感器
诊断的概念—针对上述传感器早期的故障诊断发展了一个由Multi-Level-Check(多层次检查)构成的监测概念,其中电路的检查方案(它检查传感器信号是否在其正常工作范围)和基于模型的故障诊断(它证明信号在整个工作范围)是适用的。
MLC概念可以简单描述如下:
Level1:
通过检查电路来检查供电电压和所有传感器的电缆;
Level2:
一部分安装好的传感器是智能传感器,它们具有自诊断功能,那意味着它们能够诊断自身的故障并能把传感器信号设置到一个特殊的范围—故障带,超出了正常工作的范围。
当一个传感器信号位于故障带时,监测系统使用电路检查,证明传感器信号的在线并设置一个报警信号;
Level3:
由于使用电路检查只能检测出那些造成传感器信号超出正常工作范围的故障,而基于模型的方法可以用来检测传感器信号保持在正常工作范围情况下的故障。
以目前的贡献,我们把注意力集中在基于模型的传感器检测方案的发展上。
问题的描述和基本思路—基于模型的故障诊断方案的基本思路包括:
使用系统解析冗余的设计,或实际上是已知物理定律的数学描述的过程模型,或是通过系统识别技术处理测量数据获得的。
在此基础上,可以产生残差信号。
故障检测遵循一个残差估计和一个逻辑决定。
使用基于模型的故障诊断方案的主要困难在于模型的不确定性,这是众所周知的[7,8,9]
处理ESP系统的传感器故障诊断这个问题变得更加重要,由于汽车驾驶过程强烈地受到未知因素的影响,而且驾驶过程只能部分被建模,甚至在某些情况下不能被数学表达来描述。
大体有两种方法解决这个问题:
1.运用现代鲁棒FDI(故障检测和隔离)理论增加检测系统的鲁棒性,尽管鲁棒FDI理论已经很成熟,但它应用于主导模型不确定的处理还是有限的。
2.利用附加信息,这是个好方法,可以通过如下实现:
a.改进模型,一方面利用附加的离线信息,另一方面进行额外的在线计算;b.运用和处理冗余信息并建立自适应阈值,这是大陆电子使用的方法。
我们的故障诊断方案的基本思路部分源于下面的事实:
1.一个传感器的特性可以根据用途和可输入的信号用不同的物理定律描述,这意味着与广泛使用的基于模型的FDI技术不同,广泛使用的基于模型的FDI技术只用单一模型描述一个组件或子系统或系统的行为。
我们可以用多个模型塑造一个传感器,冗余信息(冗余子系统形式)就可以被用于改善故障诊断系统的性能。
2.我们都知道,自适应阈值是一个解决模型不确定性所造成问题的有效方法,由于ESP系统中有很多可用信号,这些信号可用于识别驾驶状况,可以建立自适应阈值。
基于模型的故障诊断方案说明
在本节中,针对我们的开发目标介绍基于模型故障诊断方案的基本原则,为了便于说明,在本节中,我们只考虑一个传感器的一个故障的诊断问题。
冗余方法—假设一个传感器的特性被描述为
Y代表传感器的输出信号,uij代表不同来源的信号(输入信号)是已知的或者可测的,f1,…fn为数学函数(子模型),
为模型不确定性,PS为过程状态(驾驶状态),
表示该范围内第i个子模型fi有效
在一个信号uij用于构建冗余之前,应先检查其可靠性,一个信号视为可靠的需要满足:
1.该信号可以来自其它部件或者ESP系统单元,并且信号被检查过。
2.该信号来自其他ESP传感器,并且传感器检查无误。
当所有输入信号uij,j=1…m都可靠且有效条件都满足时,称子系统模型fi是有效的。
很显然,各个子模型和模型不确定性的程序都取决于汽车的行驶状态,行驶状态分为两组:
不稳定的行为(USB):
模型不确定性占主导地位,只有少部分子模型有效。
稳定的行为(SB):
大部分子模型有效且模型不确定性适中。
利用
(1)建立如下解析冗余
(2)
显而易见,产生了残差信号(3)
(3)式在某种程度上是故障和模型不确定性的函数。
一方面,为了使残差信号对故障敏感,另一方面使残差信号对模型不确定性具有鲁棒性,生成并估计一个合适的残差信号是必要的。
残差信号的生成与评估—为了加强对故障的敏感和对模型不确定性的鲁棒性,开发了不同的残差生成策略和评价函数,这些方法都取决于车辆的驾驶状况。
1.USB时残差产生策略和评价函数—这个情况下,残差信号通过式子(4)构造和评价
当k远小于n时,我们称这个方案为“最小值”,表示用于故障诊断的评估的残差信号是所有可用的残差信号中的最小者。
该方案“最小值”的中心思想是增强对模型不确定性的鲁棒性,因为在驾驶状况不稳定的情况下,模型不确定性处于主导地位。
选择最小残差信号进行故障诊断提高了检测系统对模型不确定性的鲁棒性,从而保证了较低的误警率,但在另一方面也减少了对故障的敏感性。
2.SB时残差产生策略和评价函数—行驶状况属于稳定(SB),有式(5)
也就是所有(或几乎所有)的子模型都是有效的,这种情况的残差信号使用一下算法计算:
根据“多数原则”残差评价:
Step1计算平均值
Step2计算
并选择,看哪个满足(7)
Step3不失一般性,假设
,那么用于故障诊断的残差信号由式(8)给定
为了解释上述算法背后的思想,我们首先考虑无故障和故障两种情况下残差信号r的特性。
a)无故障
这种情况下为
“最佳状况”:
意味着模型不确定性对残差信号无影响或者
“最坏的状况”
最大的区别是有界:
由于在稳定(SB)状态下,大部分不确定性是一些随机的属性并且可以通过建立平均值被很好的抑制,假设把模型不确定性约束到一个可接受的范围,所造成的差值是合理的
b)发生一个故障
这种情况下,有
“正常状况”
由于故障,传感器信号y会从它的额定值显著偏离,也偏离
因此,二者的差别和r都会变大。
“最坏的状况”
意味着该故障是不可检测的,这种情况在故障引起的变化与模型不确定性引起的变化相似时发生。
通过以上分析我们看到:
1.上述方案对故障比“最小值”方案实现具有更好的灵敏度
2.一个故障能被明确的检测出如果可引起
3.一个故障不能被检测出来如果只是导致
代表汽车稳定状况时传感器信号上模型不确定性的最大影响。
识别驾驶情况及模型有效性—正如前面提及的,用故障诊断方案的一个先决条件是识别驾驶状况和模型的有效性。
为了识别驾驶状况,使用了许多可靠的测量和信号,详细说明将在随后一节给出描述。
该模型有效性的检查,按照下面给出的步骤实现(见子部分冗余方法)
检查模型有效性的算法:
Step1:
检查信号uij,j=1…m的可靠性
Step2:
检查有效性条件(见例表1)
Step3:
当所有输入信号uij,j=1…m可靠且满足有效条件时,第i个子模型fi有效
Step4:
令i=1,…n,重复step1-3
自适应阈值的建立和时间评估—残差信号被生成和评估,它就要与阈值进行比较,故故障检测逻辑为
Jth代表阈值。
需注意残擦估计时间的会影响故障诊断的性能,很明显设置Jth太高和残差估计时间长度太大会减少对故障的敏感度,而设置Jth太低和残差估计时间长度太小会增加故障误警率。
通常,Jth设置使模型不确定性的影响最大,模型不确定性的最大影响通常是通过在实际驾驶条件下由测试确定的。
记住模型不确定性的影响强烈依赖于驾驶的情况。
如果车辆处于不稳定状态,模型不确定性的影响处于主导地位,相反在稳定状态下,不确定性就温和很多。
根据这个事实,发展了自适应阈值的概念,简单描述为:
PS
USB, Jth高且估计时间长;PS
SB,Jth低且估计时间短
软件实现
本节介绍三个重要ESP传感器故障诊断的软件实现:
横摆角速度传感器、横向加速度传感器和方向盘转角传感器。
图5为故障诊断系统结构图,用于构造冗余和生成残差的信号是:
Vfr—右前轮轮速,Vfl—左前轮轮速,Vrr—右后轮轮速,Vrl—左后轮轮速
Vref—汽车参考速度
这些信号和三个ESP传感器的信号来源于ABS部分,信可靠性的检查按如下实施:
1.对于ABS系统中的现有系统已经证明了来自ABS的信号的可靠性这种情况:
-没有故障消息来自ABS监控系统→信号可靠
-有故障消息来自ABS监控系统→信号不可用
2.对于通过传感器故障诊断系统已经证明了来自三个ESP传感器的信号的可靠性的情况:
-没有故障信息→可靠
-有故障信息→系统关机
如图5所示,四个冗余子模型可用来诊断各个传感器中的故障,子模型的数学描述和相应的有效性条件总结在表1中[10,11]。
表中符号定义如下:
这个算法用来检查子部分中描述的模型的有效性。
驾驶状况的识别和模型有效性和残差生成和估计的相应的方案也在子部分中被描述,残差生成和估计按如下实施:
如果有效子模型的数量少于三个,假设汽车处在不稳定状态并且“最小值”被用于残差生成和估计;否则假设汽车稳定,运用“多数原则”来生成残差和估计。
为了识别驾驶状况并判定来自稳定范围的驾驶操作的偏离度,我们用下面的信号(参见图5),如果它们是可靠的:
汽车参考速度
四轮轮速
在ABS中检查的汽车纵向加速度al
模型输出信号
除了被监控的ESP传感器信号
子部分提到的自适应阈值的建立和估计时间,阈值和估计时间的长度由驾驶状况决定,表2给出了实现的综述。
硬件实现
图6显示硬件实现的结构
ESP系统包括用C语言来编程和微处理器系统实现的数字控制器和监控系统。
一些测试结果
为了证明和论证监测与故障诊断系统,进行了大量的驾驶试验。
下面展示两个测试例子。
图7是直线行驶时横摆角速度传感器的测试结果。
该图像的第一部分是横摆角速度传感器信号(黑线),它的四个估计的信号使用子模型(灰线),而该图的第二部分显示的残差信号(黑线)和阈值(灰线)。
该图的第三部分显示的是否有故障信息产生。
我们从图7能清楚看到在这个驾驶情况下横摆角速度信号可以几乎完全被重建而且在0.25秒的时候检测到了故障。
图8展示在一个回转操作时横摆角速度传感器监控的测试结果。
我们可以看到在这种情况下,由于传感器信号与模型信号之间的相位偏移,横摆角速度传感器信号不能精确重建。
因此,在回转动作的开始阶段,阈值设置的较高来避免错误的警报。
结论
通过引入ESP,除了众所周知的ABS轮速传感器外,有许多新的传感器被引进。
这些提供车辆当前动力行驶状态的精确信号的传感器的发展是以新技术为基础的,像横摆角速度传感器,在汽车世界里还不太被人了解。
通过运用基于模型的方法,把已经比较发达的ABS/TCS故障安全系统有效地融入整个故障安全系统是可能办到的。
Thisoffersanoptimumreuseofwellprovenalreadydevelopedsoftwarestructuresincombinationwithahierarchicalorganizedfailsafeconceptformaximumuseoftheremainingfunctionsincaseofcomponentfailures.
由于在ABS的开始阶段,引进冗余用来监控电子元件。
Forsensorsandactuatorsplausibilitycriteriaandelectricalmonitoringwhereused.基于模型的监控将出现一个新的质量因为它现在可能获得与硬件冗余相似的结果,而不用安装。
由于在不久的将来被附加功能驱动的轿车将引进许多新型传感器,基于模型的冗余概念为传感器检测提供了广泛的应用前景。
利用这些信息,可以建立car-wide传感器监控系统,在这个系统里每个新的传感器可以成为其中的一部分,并且容易监控。