李 芳 蘇笑然 廖承林 王麗芳

（中國(guó)科學(xué)院電力電子與電氣驅(qū)動(dòng)重點(diǎn)實(shí)驗(yàn)室 中國(guó)科學(xué)院電工研究所 北京 100190）

1 引言

隨著現(xiàn)代電子技術(shù)的不斷發(fā)展，汽車電子正向智能化控制的方向發(fā)展，并采用總線將各種汽車電子控制模塊連接成為車載網(wǎng)絡(luò)，可以不需要傳統(tǒng)的機(jī)械機(jī)構(gòu)傳遞控制信號(hào)，而是利用電子手段來(lái)駕駛汽車，這一電子手段就是線控技術(shù)[1]。線控技術(shù)的不斷應(yīng)用為汽車內(nèi)部通信帶來(lái)便利與智能化的同時(shí)，也給汽車電子的發(fā)展帶來(lái)了新的挑戰(zhàn)[2]。由于直接關(guān)系到汽車的安全性，它對(duì)于所包含的每個(gè)部件的可靠性都要求極高，尤其包括起到關(guān)鍵傳輸作用的總線通信技術(shù)[3]。線控系統(tǒng)一般采取時(shí)間觸發(fā)的通信協(xié)議[4]。典型的時(shí)間觸發(fā)的包括 TTP/C，TTCAN，F(xiàn)lexray[5]。由于 Flexray在物理上通過(guò)兩條分開(kāi)的總線通信，每一條的數(shù)據(jù)速率是10Mbps，總數(shù)據(jù)速率可達(dá)到20Mbps，而且Flexray具備的冗余通信能力，可實(shí)現(xiàn)通過(guò)硬件完全復(fù)制網(wǎng)絡(luò)配置，并進(jìn)行進(jìn)度監(jiān)測(cè)，具有高速、可靠及安全的特點(diǎn)，所以一般的線控系統(tǒng)都選擇Flexray總線進(jìn)行通信[6]。傳統(tǒng)的在線診斷系統(tǒng)中，只有一些非常明顯的故障會(huì)被檢測(cè)出來(lái)，比如說(shuō)一些物理故障短路斷路的情況[7]。這就可能出現(xiàn)一個(gè)問(wèn)題，即使總線上有錯(cuò)誤存在，但是只要這些錯(cuò)誤不影響正常的通信，錯(cuò)誤數(shù)量就是在可接受范圍內(nèi)，在線診斷系統(tǒng)就無(wú)法發(fā)現(xiàn)這些隱含的故障，這些問(wèn)題逐步累積，很有可能引發(fā)系統(tǒng)無(wú)法正常通信[8]。所以說(shuō)，對(duì)于線控系統(tǒng)網(wǎng)絡(luò)來(lái)說(shuō)，一個(gè)合理的在線診斷策略對(duì)于保持線控系統(tǒng)正常的通信過(guò)程，系統(tǒng)的可靠性和安全性都是很有必要的。

目前國(guó)內(nèi)外對(duì)于網(wǎng)絡(luò)的在線診斷研究主要就是利用網(wǎng)絡(luò)管理[9]。目前已經(jīng)應(yīng)用比較廣泛且成熟的是符合OSEK規(guī)范的網(wǎng)絡(luò)管理系統(tǒng)。OSEK網(wǎng)絡(luò)管理系統(tǒng)分為直接網(wǎng)絡(luò)管理和間接網(wǎng)絡(luò)管理兩種模式。其中直接網(wǎng)絡(luò)管理使用特定的網(wǎng)絡(luò)管理報(bào)文，利用令牌環(huán)機(jī)制監(jiān)控網(wǎng)絡(luò)。網(wǎng)絡(luò)中所有節(jié)點(diǎn)構(gòu)成一個(gè)邏輯環(huán)，節(jié)點(diǎn)通過(guò)發(fā)送NMPDU進(jìn)行網(wǎng)絡(luò)管理。間接網(wǎng)絡(luò)管理不需要 NMPDU，而是通過(guò)監(jiān)控節(jié)點(diǎn)的周期性應(yīng)用報(bào)文，實(shí)現(xiàn)網(wǎng)絡(luò)的監(jiān)控。節(jié)點(diǎn)發(fā)送的周期性應(yīng)用報(bào)文被成功接收即被認(rèn)為在線，在預(yù)定時(shí)間內(nèi)沒(méi)有被成功接收即被認(rèn)為離線[10]。OSEK網(wǎng)絡(luò)管理雖然沒(méi)有指定總線類型，但是其特性決定了其只適合于事件觸發(fā)的總線協(xié)議（如 CAN總線）而不能用于時(shí)間觸發(fā)類協(xié)議，因?yàn)楣?jié)點(diǎn)網(wǎng)絡(luò)管理狀態(tài)的轉(zhuǎn)換和執(zhí)行基于定時(shí)器的超時(shí)，無(wú)法與時(shí)間觸發(fā)類總線的通信周期同步[11]。

本文針對(duì)線控系統(tǒng)的 Flexray總線開(kāi)展研究，以提高線控系統(tǒng)網(wǎng)絡(luò)通信技術(shù)的可靠性與實(shí)時(shí)性為目標(biāo)，研究線控系統(tǒng)網(wǎng)絡(luò)通信的建模方法，同時(shí)引入網(wǎng)絡(luò)健康度這個(gè)概念[12]，代表線控系統(tǒng)網(wǎng)絡(luò)的運(yùn)行情況，提出一種自適應(yīng)神經(jīng)模糊理論的線控系統(tǒng)網(wǎng)絡(luò)健康度預(yù)測(cè)的方法，基于通信過(guò)程中的網(wǎng)絡(luò)參數(shù)，對(duì)網(wǎng)絡(luò)的健康度進(jìn)行合理的判斷。在以后的研究工作中，可以進(jìn)一步參考網(wǎng)絡(luò)管理系統(tǒng)，設(shè)計(jì)適用于線控系統(tǒng)時(shí)間觸發(fā)類總線的在線診斷策略，更進(jìn)一步提高線控系統(tǒng)網(wǎng)絡(luò)系統(tǒng)的可靠性。

2 自適應(yīng)神經(jīng)模糊推理系統(tǒng)

模糊推理系統(tǒng)（FIS）通過(guò)使用隸屬度函數(shù)，把精確的數(shù)值映射為容易理解的語(yǔ)言表達(dá)，如“優(yōu)”，“良”，“差”。FIS不依賴精確數(shù)學(xué)分析，從人類專家的經(jīng)驗(yàn)知識(shí)和推理過(guò)程中提出 If-Then規(guī)則建立起模糊模型，以此為基礎(chǔ)設(shè)計(jì)模糊控制系統(tǒng)[13]。然而，僅僅依靠人類知識(shí)，很難選擇出適當(dāng)?shù)碾`屬度函數(shù)的形狀和個(gè)數(shù)。如果利用自適應(yīng)神經(jīng)模糊推理系統(tǒng)（ANFIS），把已知的通信故障的數(shù)據(jù)進(jìn)行離線的訓(xùn)練，然后把訓(xùn)練得到的模糊控制規(guī)則和隸屬度函數(shù)嵌入到模糊控制模塊中，就能夠最大限度的減少訓(xùn)練誤差，提高系統(tǒng)的精確度和可靠性[14]。

ANFIS使用 Sugeno算法，算法包含五層[15]。圖1就為雙輸入單輸出的一階Sugeno的算法模型。

圖1 ANFIS系統(tǒng)算法示意圖Fig.1 The structure diagram of ANFIS algorithm

對(duì)應(yīng)五層模型，每一層的算法分別如下：

第一層：

第二層：

第三層：

第四層：

第五層：

其中，第一層負(fù)責(zé)輸入信號(hào)的模糊化，其中輸入信號(hào)分別為x和y，Ai和Bi為對(duì)應(yīng)的模糊集，輸出就是對(duì)應(yīng)的隸屬度函數(shù)，選擇為鐘形函數(shù)

這里的 ai,bi,ci為前提參數(shù)，隸屬度函數(shù)的形狀就由前提參數(shù)來(lái)確定；第二層輸出的隸屬度函數(shù)相乘，計(jì)算各條規(guī)則的可信度M；在第三層得到歸一化的可信度N；第四層進(jìn)行去模糊化，其中 pi,qi,ri；最后一層來(lái)計(jì)算系統(tǒng)的總輸出 f，只要給定了前提參數(shù)，ANFIS的輸出就可以表示為結(jié)論參數(shù)的線性組合。

混合學(xué)習(xí)算法可分為兩個(gè)步驟：

（1）確定前提參數(shù)的初始值，用最小二乘法計(jì)算結(jié)論參數(shù)。式（5）進(jìn)行變形可得到若已有P組輸入輸出數(shù)據(jù)對(duì)，且給定前提參數(shù)，則矩陣 A，X，f的位數(shù)為 P×6，6×1和 P×1。一般的，樣本數(shù)據(jù)個(gè)數(shù)遠(yuǎn)大于未知參數(shù)的個(gè)數(shù)（P>>6），使用最小二乘法可以得到均方誤差最小(min||AX-f||)

意義下的結(jié)論向量的最佳估計(jì) X*

（2）根據(jù)上一步驟計(jì)算得到的結(jié)論參數(shù)進(jìn)行誤差計(jì)算，采用前饋神經(jīng)網(wǎng)絡(luò)中的 BP算法，將誤差由輸出端反向傳到輸入端，用梯度下降法更新前提參數(shù)從而改變隸屬函數(shù)的形狀。

3 線控系統(tǒng)網(wǎng)絡(luò)建模健康度仿真研究

3.1 線控系統(tǒng)的自適應(yīng)神經(jīng)模糊推理系統(tǒng)建模

ANFIS系統(tǒng)最大的好處就是不需要人為定制模糊控制規(guī)則，而是可以根據(jù)得到的數(shù)據(jù)選擇不同形狀和數(shù)量的隸屬度函數(shù)進(jìn)行訓(xùn)練，再根據(jù)訓(xùn)練的結(jié)果選擇出合適的模糊控制規(guī)則。

選擇自適應(yīng)模糊推理系統(tǒng)選擇為三輸入單輸出系統(tǒng)，如圖2所示，其中輸入選取網(wǎng)絡(luò)運(yùn)行過(guò)程中的信號(hào)周期，丟包和通信錯(cuò)誤三個(gè)指標(biāo)，輸出就為網(wǎng)絡(luò)的健康度。

圖2 線控系統(tǒng)的三輸入單輸出的ANFIS模型結(jié)構(gòu)Fig.2 Structure of three-input-ANFIS model for x-by-wire system

網(wǎng)絡(luò)運(yùn)行過(guò)程中得到的數(shù)據(jù)輸入到Matlab的anfisedit中，選擇輸入的隸屬度函數(shù)5個(gè)，而且是高斯形狀，BP算法循環(huán)400個(gè)epoch，就可以得到圖3所示的訓(xùn)練誤差圖，可以看到，訓(xùn)練的誤差基本為0，這種情況下得到的模糊控制規(guī)則是可用的。

圖3 ANFIS系統(tǒng)數(shù)據(jù)訓(xùn)練誤差Fig.3 Data training error of ANFIS

3.2 線控系統(tǒng)網(wǎng)絡(luò)建模

TrueTime是基于Matlab/Simulink的工具箱，包含網(wǎng)絡(luò)模塊和內(nèi)核節(jié)點(diǎn)，其中網(wǎng)絡(luò)模塊選擇需要的Flexray或者TDMA，內(nèi)核模塊則根據(jù)需要選擇不同的數(shù)量，分別作為網(wǎng)絡(luò)中的傳感器，執(zhí)行器和控制器，通過(guò)編寫(xiě)的代碼，嵌入內(nèi)核模塊中，從而執(zhí)行所需要的數(shù)據(jù)計(jì)算和信號(hào)傳遞。最終建立如圖4所示的線控系統(tǒng)網(wǎng)絡(luò)健康度監(jiān)測(cè)的 TrueTime仿真模型。

圖4 線控系統(tǒng)的TrueTime仿真模型Fig.4 The TrueTime model for x-by-wire system

3.3 線控系統(tǒng)網(wǎng)絡(luò)健康度預(yù)測(cè)仿真結(jié)果

把3.1訓(xùn)練好的模糊控制規(guī)則嵌入到3.2中搭建的Fuzzy Logic Controller模塊中，可以對(duì)線控系統(tǒng)的網(wǎng)絡(luò)健康度進(jìn)行實(shí)時(shí)的預(yù)測(cè)，進(jìn)行判斷當(dāng)前網(wǎng)絡(luò)是否適合于通信。

在線控系統(tǒng)網(wǎng)絡(luò)健康度監(jiān)控仿真模型中，可以通過(guò)改變系統(tǒng)的丟包率或者加入干擾節(jié)點(diǎn)來(lái)實(shí)現(xiàn)。配置兩種處于不同條件的網(wǎng)絡(luò)，第一個(gè)網(wǎng)絡(luò)不加任何干擾因素，第二個(gè)則改變網(wǎng)絡(luò)的丟包率，加入隨機(jī)的延時(shí)和干擾。這樣在模擬的 Flexray的通信過(guò)程中，信號(hào)的周期，丟包的個(gè)數(shù)和錯(cuò)誤的情況就會(huì)出現(xiàn)，網(wǎng)絡(luò)的健康度也會(huì)發(fā)生變化。

所以，當(dāng)線控系統(tǒng)網(wǎng)絡(luò)是健康的，模糊控制器的輸出為1，如圖5a。網(wǎng)絡(luò)條件改變時(shí)，健康度也發(fā)生變化，如圖5b所示。

圖5 線控系統(tǒng)仿網(wǎng)絡(luò)兩種狀態(tài)下的健康度仿真Fig.5 Network health degree simulation when x-by-wire system in two different conditions

仿真的結(jié)果表明，ANFIS算法確實(shí)能夠有效的對(duì)網(wǎng)絡(luò)的健康度進(jìn)行實(shí)時(shí)的預(yù)測(cè)和監(jiān)控。但是更有力的驗(yàn)證還需要在實(shí)驗(yàn)中完成。

4 線控系統(tǒng)網(wǎng)絡(luò)健康度預(yù)測(cè)實(shí)驗(yàn)驗(yàn)證

圖6 基于XF512單片機(jī)的Flexray網(wǎng)絡(luò)硬件電路Fig.6 The hardware circuit of Flexray Network based on MCU XF512

實(shí)驗(yàn)過(guò)程利用Flexray通信的飛思卡爾的16位單片機(jī)MC9S12XF512搭建硬件電路，如圖6所示。通過(guò)對(duì)兩個(gè)節(jié)點(diǎn)進(jìn)行配置，完成正常的信號(hào)傳輸。然后通過(guò)錯(cuò)誤注入和總線干擾等相關(guān)的設(shè)備設(shè)計(jì)實(shí)驗(yàn)條件制造總線上的傳輸錯(cuò)誤，通過(guò)對(duì)輸出的網(wǎng)絡(luò)健康度的監(jiān)控，驗(yàn)證自適應(yīng)模糊神經(jīng)算法的可行性，進(jìn)一步完善線控轉(zhuǎn)向系統(tǒng)網(wǎng)絡(luò)在線故障診斷策略。

4.1 Flexray兩個(gè)節(jié)點(diǎn)配置過(guò)程

首先需要進(jìn)行的是對(duì)兩個(gè)Flexray節(jié)點(diǎn)的配置。這就包含了每個(gè)節(jié)點(diǎn)時(shí)間參數(shù)相關(guān)的配置和兩個(gè)節(jié)點(diǎn)相應(yīng)通信過(guò)程的配置。

Flexray通信周期選擇為 1.25Mbps，對(duì)應(yīng)的通信周期為40ms。其中節(jié)點(diǎn)一植入源碼公開(kāi)的操作系統(tǒng)μC/OS-II，第三部分中生成的模糊控制系統(tǒng)通過(guò)Matlab的code generation工具，生成適合于S12(X)系列單片機(jī)的代碼，加入到操作系統(tǒng)定義的某一項(xiàng)任務(wù)里面，通過(guò)自通過(guò)切換不同的任務(wù)計(jì)算得到網(wǎng)絡(luò)健康度。

節(jié)點(diǎn)二則進(jìn)行網(wǎng)絡(luò)中信號(hào)的提取和采集，加入FreeMaster作為監(jiān)測(cè)工具，可以實(shí)時(shí)觀察開(kāi)發(fā)板輸出信號(hào)的波形。Flexray時(shí)槽狀態(tài)需要通過(guò)讀取時(shí)槽狀態(tài)寄存器SSR來(lái)得到。SSR為16位寄存器，前八位和通道B相關(guān)，后八位和通道A相關(guān)，表1所示的就是和通道A相關(guān)的4種不同的錯(cuò)誤類型和其他的標(biāo)志位。

表1 時(shí)槽狀態(tài)寄存器的內(nèi)容Tab.1 The content in slot status register

實(shí)驗(yàn)的過(guò)程采用A通道單獨(dú)通訊，通過(guò)調(diào)用兩個(gè)函數(shù)：

Fr_get_slot_status_reg_value

Fr_get_channel_status_error_counter_value

狀態(tài)寄存器和錯(cuò)誤計(jì)數(shù)器的數(shù)值就可以經(jīng)由節(jié)點(diǎn)二時(shí)槽直接發(fā)送到節(jié)點(diǎn)一中。節(jié)點(diǎn)一經(jīng)過(guò)模糊算法就得到網(wǎng)絡(luò)健康度，傳遞到節(jié)點(diǎn)二中，可以由FreeMaster動(dòng)態(tài)讀取。

4.2 實(shí)驗(yàn)結(jié)果

在網(wǎng)絡(luò)不加任何干擾信號(hào)的情況下，系統(tǒng)通信正常，通過(guò)FreeMaster觀測(cè)的線控系統(tǒng)網(wǎng)絡(luò)健康度保持為100，如圖7所示。

圖7 Flexray總線上不加任何干擾時(shí)的網(wǎng)絡(luò)健康度Fig.7 The network health degree when no inference is added on Flexray bus

然后通過(guò)信號(hào)發(fā)生器，在總線上面加入隨機(jī)噪聲干擾。觀察對(duì)應(yīng)的時(shí)槽狀態(tài)寄存器，各種錯(cuò)誤標(biāo)志位都開(kāi)始出現(xiàn)為1的情況。時(shí)槽狀態(tài)寄存器的數(shù)值也由正常時(shí)的 0xF0F0發(fā)生變化，表 2就列舉了在總線加入干擾之后出現(xiàn)的一部分錯(cuò)誤。

表2 加入隨機(jī)干擾以后的時(shí)槽狀態(tài)Tab.2 The slot status when in random inference

另外，對(duì)于單片機(jī)中定義了與AB兩個(gè)通道相關(guān)的錯(cuò)誤計(jì)數(shù)器 CASERCR和 CBSERCR。不管是出現(xiàn)那種錯(cuò)誤，錯(cuò)誤計(jì)數(shù)器就會(huì)自動(dòng)加一，所以可以直接用來(lái)做錯(cuò)誤統(tǒng)計(jì)。

隨著通信過(guò)程中 Flexray總線上面錯(cuò)誤數(shù)目的增加，網(wǎng)絡(luò)的健康度也隨之下降，如圖8所示。

5 結(jié)論

線控系統(tǒng)的網(wǎng)絡(luò)健康度的監(jiān)控可以作為預(yù)測(cè)的重要組成部分，可以及時(shí)發(fā)現(xiàn)錯(cuò)誤或故障情況。仿真和實(shí)驗(yàn)的結(jié)果證明這種基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的網(wǎng)絡(luò)預(yù)測(cè)算法是可行的。網(wǎng)絡(luò)中提取的參數(shù)輸入到自適應(yīng)神經(jīng)模糊推理系統(tǒng)中，得出實(shí)時(shí)的網(wǎng)絡(luò)健康度，作為網(wǎng)絡(luò)通信情況的重要指標(biāo)，當(dāng)這一指標(biāo)處于合理的范圍之內(nèi)時(shí)，就可以認(rèn)為通信是正常的，超過(guò)這一范圍，就可以發(fā)現(xiàn)網(wǎng)絡(luò)中存在的故障，在通信中斷之前提前發(fā)現(xiàn)異常的情況。

圖8 Flexray總線上加入隨機(jī)干擾時(shí)網(wǎng)絡(luò)的健康度Fig.8 The network health degree when random noise is added on Flexray bus

未來(lái)的工作集中在把算法應(yīng)用于線控系統(tǒng)的硬件平臺(tái)上，根據(jù)網(wǎng)絡(luò)控制單元的多樣化問(wèn)題，進(jìn)行完善這個(gè)基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的網(wǎng)絡(luò)健康度的實(shí)時(shí)監(jiān)控和預(yù)測(cè)系統(tǒng)的算法。

[1] Naidu M Gopalakrishnan S,Nehl T W.Fault-tolerant permanent magnet motor drive topologies for automotive X-By-wire systems[J].IEEE Transactions on,Industry Applications,2010,46(2): 841-848.

[2] Chen Xin,Zhang Guixiang,Design of steering-by-wire system based on OSEKturbo real-time operation system[J].2012 International Conference on,Computer Science & Service System(CSSS): 2114-2117.

[3] R Hayama,M Higashi,S Kawahara,et al.Fault-tolerant automobile steering based on diversity of steer-by-wire,braking and acceleration[J].Reliability Engineering & System Safety,2010,1(95):10-17.

[4] SF Geng,QF Peng,LF Wang,The research of steer by wire system based on fuzzy logic control[C].Applied Mechanics and Materials.2011.

[5] Mane S P,Sonavane S S.A review on steer-by-wire system using Flexray[C].Wireless Communication,Vehicular Technology,Information Theory andAerospace & Electronic Systems Technology(Wireless VITAE),2011 2nd International Conference on 2011.

[6] C Wang,F Zhang,J Hua,Measurement and transmission of steering wheel angle based on FlexRay[J].Energy Procedia,2011,11: 779-785.

[7] Suwatthikul J,McMurran R,Jones R,In-vehicle network level fault diagnostics using fuzzy inference systems[J].Applied Soft Computing,2011,11:3709-3719,

[8] Kim MH,Lee S,LeeA KC.Fuzzy predictive redundancy system for fault-tolerance of x-by-wire systems[J].Microprocessors and Microsystems,2011,5(35): 453-461.

[9] L Jie,B Yue,W Pengjie.Platform construction of flexray bus and research on its performance[J].Sensors & Transducers,Special Issue,2013,25(12):254-259.

[10] Zhao Haixu,Wei Da,Qu Liangdong.Research for CAN node fault rapid detection based on OSEK network management[C].Applied Mechanics and Materials(Volumes 128-129): 975-978

[11] Li Yanwen,Zhang Hongwei,Gong Jinfeng,Design of automotive CAN network management based on OSEK standard[C].Electronic and Mechanical Engineering and Information Technology(EMEIT),2011 International Conference on(Volume: 2) 717-721.

[12] Baronti F,Petri E,Saponara S,et al.Design and verification of hardware building blocks for high-speed and fault-tolerant in-vehicle networks[J].IEEE Transactions on,Industrial Electronics,2011,3(58): 792-801

[13] 張坤,吳建東,毛承雄,等.基于模糊識(shí)別的光伏發(fā)電短期預(yù)測(cè)系統(tǒng)[J] 電工技術(shù)學(xué)報(bào),2012,27(10):235-240.Zhang Kun,Wu Jiandong,Mao Chengxiong,Optimalcontrol of energy storage system for wind power generation based on fuzzy algorithm[J].Transactions of China Electrotechnical Society.2012,27(10): 235-240.

[14] 薛梅,夏長(zhǎng)亮,王慧敏,等.基于 DSP 的開(kāi)關(guān)磁阻電機(jī)磁鏈特性檢測(cè)與神經(jīng)網(wǎng)絡(luò)建模[J].電工技術(shù)學(xué)報(bào),2011,26(2): 68-73.Xue Mei,Xia Changliang,Wang Huimin.Flux linkage characteristic measurement based on dsp and artificial neural network modeling for switched reluctance motor[J].Transactions of China Electrotechnical Society.2011,26(2): 68-73.

[15] 何怡剛,祝文姬,周炎濤,等 基于粒子群算法的模擬電路故障診斷方法[J].電工技術(shù)學(xué)報(bào),2010,25(6): 163-171.He Yigang,Zhu Wenji,Zhou Yantao,An analog circuit diagnosis method based on particle swarm optimization algorithm[J] Transactions of China Electrotechnical Society2010,25(6): 163-171.