王玲

陜西職業(yè)技術(shù)學(xué)院,陜西西安710100

基于模糊ARTMAP神經(jīng)網(wǎng)絡(luò)農(nóng)用汽車助力轉(zhuǎn)向系統(tǒng)控制

王玲

陜西職業(yè)技術(shù)學(xué)院,陜西西安710100

針對農(nóng)用汽車電動助力轉(zhuǎn)向系統(tǒng)非線性較強(qiáng)、穩(wěn)定性較差等問題，基于模糊ARTMAP神經(jīng)網(wǎng)絡(luò)，建立農(nóng)用汽車電動助力轉(zhuǎn)向系統(tǒng)控制模型，對電動助力轉(zhuǎn)向系統(tǒng)中的驅(qū)動力矩和助力力矩進(jìn)行控制，利用matlab仿真軟件進(jìn)行分析。分析結(jié)果表明，隨著驅(qū)動力矩的增加，助力力矩逐漸增加，但是增加的趨勢先增加后減?。或?qū)動和助力力矩的目標(biāo)值與仿真值在仿真初期存在一定的差異，隨著時間的增加，兩者差異逐漸減小直至為零；設(shè)計(jì)的基于模糊ARTMAP神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng)，控制精度較高，穩(wěn)定性較好，可以滿足要求。

模糊ARTMAP神經(jīng)網(wǎng)絡(luò);農(nóng)用汽車;助力轉(zhuǎn)向系統(tǒng);控制

隨著能源的日益緊缺和大氣環(huán)境的不斷惡化，以零污染排放且不依賴石油能源等雙重優(yōu)點(diǎn)的純電動汽車成為了國內(nèi)外學(xué)者的研究熱點(diǎn)，電動助力轉(zhuǎn)向(EPS)作為電動汽車一個重要系統(tǒng)之一較傳統(tǒng)液壓助力轉(zhuǎn)向具有更好的助力特性和燃油經(jīng)濟(jì)性，因而有逐漸替代液壓助力轉(zhuǎn)向的趨勢。汽車電動助力轉(zhuǎn)向可以根據(jù)行駛工況改變轉(zhuǎn)向傳動比，從而提高汽車的操縱穩(wěn)定性。隨著黨和國家領(lǐng)導(dǎo)人對農(nóng)業(yè)問題的重視及社會的不斷發(fā)展，農(nóng)業(yè)機(jī)械化是個必然的趨勢，基于此，對農(nóng)業(yè)機(jī)械的研究也逐漸成為一個重要的趨勢[1,2]。

國內(nèi)外眾多學(xué)者對電動汽車及其各系統(tǒng)進(jìn)行了相關(guān)的研究。其中，于蕾艷等[3]對汽車線控轉(zhuǎn)向系統(tǒng)動力學(xué)進(jìn)行分析，并基于神經(jīng)網(wǎng)絡(luò)非線性模型對線控轉(zhuǎn)向系統(tǒng)控制算法進(jìn)行了研究；王軍年等[4]基于AMESim軟件建立了四輪獨(dú)立驅(qū)動電動汽車動力學(xué)仿真模型，對模型進(jìn)行聯(lián)合仿真并進(jìn)行試驗(yàn)驗(yàn)證；郝亮等[5]在介紹EPS結(jié)構(gòu)和工作原理的基礎(chǔ)上，對EPS的核心組成部分(ECU)的控制方法與優(yōu)化進(jìn)行研究；裴學(xué)杰等[6]在分析了電動助力轉(zhuǎn)向系統(tǒng)各組成部分?jǐn)?shù)學(xué)模型的基礎(chǔ)上，構(gòu)建了基于Simulink與carsim的動助力轉(zhuǎn)向系統(tǒng)仿真模，對電動助力轉(zhuǎn)向系統(tǒng)助力特性進(jìn)行了研究；R.Chabaan[7]對電動力轉(zhuǎn)向系統(tǒng)的增益調(diào)度和最優(yōu)控制進(jìn)行了分析。

雖然國內(nèi)外眾多學(xué)者對汽車及其各系統(tǒng)進(jìn)行了相關(guān)的研究，但對于EPS控制的研究相對較少，再加之EPS控制系統(tǒng)非常復(fù)雜。因此，針對農(nóng)用汽車電動助力轉(zhuǎn)向系統(tǒng)非線性較強(qiáng)、穩(wěn)定性較差等問題，本文基于模糊ARTMAP神經(jīng)網(wǎng)絡(luò)，建立農(nóng)用汽車電動助力轉(zhuǎn)向系統(tǒng)控制模型，對電動助力轉(zhuǎn)向系統(tǒng)中的驅(qū)動力矩和助力力矩進(jìn)行控制，為后續(xù)農(nóng)用汽車電動助力轉(zhuǎn)向系統(tǒng)的控制研究和穩(wěn)定性的提高提供一定的參考。

1 農(nóng)用汽車電動助力轉(zhuǎn)向系統(tǒng)組成及非線性模型

農(nóng)用汽車電動助力轉(zhuǎn)向系統(tǒng)(EPAS)是一個反饋控制系統(tǒng)，其通過電荷放大器將駕駛員方向盤的轉(zhuǎn)向力矩輸入給車輛，從而提高駕駛員的舒適性和操作穩(wěn)定性。EPAS由方向盤、轉(zhuǎn)向柱、減速機(jī)構(gòu)、助力電動機(jī)和齒輪齒條轉(zhuǎn)向器等主要機(jī)構(gòu)組成如圖1所示。

圖1 電動助力轉(zhuǎn)向系統(tǒng)結(jié)構(gòu)及模型Fig.1 Structure and model of electric power steering system

根據(jù)圖1所示模型，建立3自由度的EPAS非線性模型為：

式中：Td、Tm分別為駕駛員驅(qū)動力矩和助力電機(jī)力矩；kc為轉(zhuǎn)向柱剛度；bc為轉(zhuǎn)向柱阻尼；km為電機(jī)和減速器系統(tǒng)扭轉(zhuǎn)剛度；Jm為電機(jī)轉(zhuǎn)動慣量；Jc為轉(zhuǎn)向柱轉(zhuǎn)動慣量；bm為電機(jī)和減速器系統(tǒng)阻尼；m為齒輪齒條轉(zhuǎn)向器質(zhì)量；br為齒條阻尼；G為減速比；rp為齒輪半徑；kt為車輪彈簧剛度；θc為轉(zhuǎn)向柱轉(zhuǎn)角；為轉(zhuǎn)向柱角速度；xr為齒條位移；為齒條線速度；θm為助力電機(jī)轉(zhuǎn)角；為助力電機(jī)角速度；fc、fr、fm為非線性摩擦模型。

2 模糊ARTMAP神經(jīng)網(wǎng)絡(luò)模型

模糊ARTMAP(Fuzzy Adaptive Resonance Theory Map)根據(jù)模糊子集計(jì)算和ART神經(jīng)網(wǎng)絡(luò)類別選擇方法中的形式相似性，同時結(jié)合了ART和模糊邏輯的優(yōu)點(diǎn)。模糊ARTMAP神經(jīng)網(wǎng)絡(luò)系統(tǒng)由兩個模糊ART[8]模型構(gòu)成，即ARTa和ARTb，它們由一個內(nèi)部ART模型連接，也叫映射域，其邏輯結(jié)構(gòu)圖如圖2所示。

圖2 模糊ARTMAP神經(jīng)網(wǎng)絡(luò)邏輯結(jié)構(gòu)Fig.2 Fuzzy ARTMAP neural network logic

2.1 輸入矢量預(yù)處理

模糊ARTa模型接受電動助力轉(zhuǎn)向系統(tǒng)的輸入信號并進(jìn)行分類，若待分類為N維樣本，分類后有M個類別。設(shè)輸入ARTa的樣本矢量為：。對a進(jìn)行互補(bǔ)編碼歸一化，可以得到：。對每個輸入，恒有：。

目標(biāo)樣本ARTb的輸入矢量為：，且。對b作互補(bǔ)編碼歸一化得到目標(biāo)樣本ARTb的輸入B。矢量a、b一般成對輸入。

2.2 初始化網(wǎng)格

對ARTa用表示F1a的輸出矢量，表示F2a的輸出矢量，表示第J類在ARTa中的權(quán)重矢量。同理可得，對ARTb用表示F1b的輸出矢量，表示F2b的輸出矢量，表示第K類在ARTb中的權(quán)重矢量。對映射。對映射域abF，一般用表示abF的輸出矢量，用表示的第J個節(jié)點(diǎn)到Fab的權(quán)重矢量。

模糊ARTMAP神經(jīng)網(wǎng)絡(luò)的初始化包括設(shè)置選擇參數(shù)α＞0、學(xué)習(xí)速率參數(shù)、警戒門限參數(shù)、匹配跟蹤參數(shù)ε(的值很小)，設(shè)置權(quán)重矢量初始值為:

2.3 搜索獲勝節(jié)點(diǎn)和判斷諧振狀態(tài)

對于每個輸入矢量I(由A和B組成)，其在F2層節(jié)點(diǎn)j的輸出值，可以通過相關(guān)的函數(shù)計(jì)算得到，其計(jì)算函數(shù)為：

選擇在F2層競爭獲勝節(jié)點(diǎn)的函數(shù)為：

選擇的類別被標(biāo)識為J，如果有多個Tj同時為最大值，則選擇索引最小的類別。如果

同時成立的時，說明此時的節(jié)點(diǎn)J競爭獲勝并發(fā)生匹配諧振，則可以得到；當(dāng)式（5）不成立時，則該節(jié)點(diǎn)復(fù)位，即abbx=y，再在剩下的其他節(jié)點(diǎn)中繼續(xù)收索獲勝節(jié)點(diǎn)，進(jìn)而對其諧振狀態(tài)進(jìn)行判斷；當(dāng)式（5）成立，而式（6）不成立時，則匹配跟蹤開始，aρ在的基礎(chǔ)上增加匹配跟蹤參數(shù)ε，同時在新的警戒參數(shù)下，繼續(xù)在F2a中搜索獲勝節(jié)點(diǎn)，如果經(jīng)過反復(fù)循環(huán)依然沒有找到這樣的獲勝節(jié)點(diǎn)，則關(guān)閉F2a對輸入描述的記憶，在輸入端饋入下一個輸入模式。

2.4 學(xué)習(xí)更新權(quán)值矢量

3 仿真結(jié)果與分析

根據(jù)上文建立的控制模型，利用matlab仿真軟件進(jìn)行分析，仿真分析結(jié)果如下文所示。

圖3為助力力矩與驅(qū)動力矩之間的關(guān)系曲線。由圖3可以看出，隨著驅(qū)動力矩的增加，助力逐漸增加，但是增加的趨勢先增加后減小。

圖4為不同速度下助力力矩與驅(qū)動力矩之間的關(guān)系曲線。由圖4可以看出，在不同的速度下，隨著驅(qū)動力矩的增加，助力逐漸增加，但是增加的趨勢先增加后減小。當(dāng)車速為v=60 mph時，增加趨勢最??；車速為4 mph＜v＜30 mph時，其增加趨勢大于車速v=60 mph；車速為v=4 mph時，其增加趨勢大于車速4 mph＜v＜30 mph；當(dāng)車速為v＞60 mph時，增加趨勢最大且變化也較大。

圖3 助力與驅(qū)動力矩曲線Fig.3 Curve of power steering torque and drive torque

圖4 不同速度下助力與驅(qū)動力矩曲線Fig.4 Curves of power steering torque and drive torque at different speeds

圖5為驅(qū)動力矩仿真值。由圖5可以看出，驅(qū)動力矩的目標(biāo)值與仿真值在0到2 s存在一定的差異，隨著時間的增加，兩者差異逐漸減小直至為零，說明本文設(shè)計(jì)的基于模糊ARTMAP神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng)，控制精度較高，穩(wěn)定性較好，可以滿足要求。

圖6為助力力矩仿真值。由圖6可以看出，助力力矩的目標(biāo)值與仿真值在0到8 s存在一定的差異，隨著時間的增加，兩者差異逐漸減小直至為零，說明本文設(shè)計(jì)的基于模糊ARTMAP神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng)，控制精度較高，穩(wěn)定性較好，可以滿足要求。

圖5 驅(qū)動力矩仿真值Fig.5 Simulation values of driving torque

圖6 助力力矩仿真值Fig.6 Simulation values of power steering torque

4 結(jié)論

本文基于模糊ARTMAP神經(jīng)網(wǎng)絡(luò)，建立農(nóng)用汽車電動助力轉(zhuǎn)向系統(tǒng)控制模型，對電動助力轉(zhuǎn)向系統(tǒng)中的驅(qū)動力矩和助力力矩進(jìn)行控制，利用matlab仿真軟件進(jìn)行分析，分析結(jié)果表明：

(1)隨著驅(qū)動力矩的增加，助力逐漸增加，但是增加的趨勢先增加后減小；

(2)驅(qū)動和助力力矩的目標(biāo)值與仿真值在仿真初期存在一定的差異，隨著時間的增加，兩者差異逐漸減小直至為零；

(3)設(shè)計(jì)的基于模糊ARTMAP神經(jīng)網(wǎng)絡(luò)的控制系統(tǒng)，控制精度較高，穩(wěn)定性較好，可以滿足要求。

[1]蔣家榮.淺析影響農(nóng)用汽車操縱穩(wěn)定性的因素及評價方法[J].安徽農(nóng)學(xué)通報(bào),2011,10:209-210

[2]侯南,張文多.農(nóng)用汽車動力電池故障診斷系統(tǒng)的探索與研究[J].農(nóng)機(jī)化研究,2013,11:24

[3]于蕾艷,伊劍波,鮑長勇.基于神經(jīng)網(wǎng)絡(luò)非線性模型的線控轉(zhuǎn)向系統(tǒng)控制[J].拖拉機(jī)與農(nóng)用運(yùn)輸車,2014,41(2):37-40

[4]王軍年,王慶年,宋傳學(xué),等.四輪驅(qū)動電動汽車差動助力轉(zhuǎn)向系統(tǒng)聯(lián)合仿真與試驗(yàn)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2010,41(6):7-13,30

[5]郝亮,孫劍,郭濤,等.汽車EPS控制策略和控制方式[J].汽車工程師,2014,5:20-23

[6]裴學(xué)杰,楊世文,季茜.電動助力轉(zhuǎn)向系統(tǒng)助力特性研究[J].汽車實(shí)用技術(shù),2014,3:51-53

[7]Chabaan R.Optimal Control and Gain Scheduling of Electrical Power Steering Systems[C]//IEEE Vehicle Power and Propulsion Conference,Dearborn,MI,2009

[8]Gail A C,Stephen G,David B R.Fuzzy ART:Fast Stable Learning and Categorization of Analog Patterns by an Adaptive Resonance System[J].NeuralNetworks,1991(4):759-771

Control of Power Steering Systems ofAgricultural Vehicles Based on Fuzzy ARTMAPNeural Network

WANG Ling
Shanxi Vocational and Technical College,Xi'an 710100,China

For the problems of nonlinear,the poor stability of electric power steering system of agricultural vehicle,the control model of the electric power steering system of agricultural vehicle was established based on the fuzzy ARTMAP neural network to control the torque of driving torque and power steering torque,the analysis was used by matlab simulation software.The analysis results show that with the increase of the driving torque,power steering torque increase gradually,but the increase trend of first increases then decreases;the target value and simulation value of driving torque and power steering torque at the beginning has certain differences,with the increase of time,both difference decreases to zero;design of control system based on fuzzy ARTMAP neural network of high control precision,good stability can meet the requirements.

Fuzzy ARTMAP neural network;agricultural vehicles;power steering systems;control

U469.79

A

1000-2324(2015)03-0418-04

2013-04-12

2013-04-28

王玲(1977-),女,漢族,陜西省西安市人,電路與系統(tǒng),碩士,講師,研究方向:嵌入式技術(shù)應(yīng)用.