余卓平， 王竑博， 熊　璐， 陳　晨

(1.同濟(jì)大學(xué) 汽車(chē)學(xué)院，上海 201804；2.同濟(jì)大學(xué) 新能源汽車(chē)工程中心，上海 201804)

?

汽車(chē)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(jì)大學(xué) 汽車(chē)學(xué)院，上海 201804；2.同濟(jì)大學(xué) 新能源汽車(chē)工程中心，上海 201804)

摘要：設(shè)計(jì)了基于解析模型的故障診斷算法實(shí)現(xiàn)傳感器信號(hào)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(jì)了基于等價(jià)方程與基于觀(guān)測(cè)器兩種故障診斷算法.等價(jià)方程算法利用車(chē)輛線(xiàn)性單軌模型及車(chē)輛運(yùn)動(dòng)學(xué)方程，將車(chē)輛操縱穩(wěn)定性控制需求的傳感器聯(lián)系起來(lái)，并用于彼此的相互診斷.觀(guān)測(cè)器方法利用車(chē)輛非線(xiàn)性單軌模型，通過(guò)建立龍貝格觀(guān)測(cè)器提取傳感器故障信息.從靈敏度與誤報(bào)率兩方面出發(fā)，提出了將兩種算法有效融合的算法改進(jìn)措施，重新制定診斷規(guī)則.實(shí)車(chē)試驗(yàn)的結(jié)果表明融合算法能夠準(zhǔn)確快速地診斷出微小故障，并給出故障等級(jí).

關(guān)鍵詞：解析模型； 等價(jià)方程； 觀(guān)測(cè)器； 融合算法； 實(shí)車(chē)試驗(yàn)

隨著人們對(duì)汽車(chē)行駛的安全性和穩(wěn)定性要求不斷提高，世界各大汽車(chē)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(pán)轉(zhuǎn)角，輪速是車(chē)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(chē)狀態(tài)，一般用于跟蹤與控制.而方向盤(pán)轉(zhuǎn)角作為駕駛員輸入，反映了駕駛員的操作意圖.這4個(gè)傳感器信息作為整個(gè)控制系統(tǒng)的原始輸入，其信號(hào)的準(zhǔn)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(diǎn)研究以上4種傳感器的故障診斷方法，使得當(dāng)車(chē)輛運(yùn)行時(shí)對(duì)傳感器輸出信號(hào)進(jìn)行檢測(cè)，若信號(hào)出現(xiàn)故障時(shí)，及時(shí)警告駕駛員采取相應(yīng)措施，避免危險(xiǎn)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(chē)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(duì)于十分關(guān)鍵又難以通過(guò)軟件層面分析診斷故障的部件，通常通過(guò)硬件冗余保證其可靠，如控制器，線(xiàn)控系統(tǒng)(線(xiàn)控轉(zhuǎn)向，線(xiàn)控制動(dòng)).然而硬件冗余會(huì)增加結(jié)構(gòu)成本，通過(guò)軟件方法來(lái)實(shí)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(hào)處理的方法，與基于知識(shí)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(xiàn)[3-4]建立了轉(zhuǎn)向執(zhí)行模塊與整車(chē)的聯(lián)合估計(jì)模型，可以估計(jì)出小齒輪軸轉(zhuǎn)角(可轉(zhuǎn)換為前輪轉(zhuǎn)角)，車(chē)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(cè)量值對(duì)觀(guān)測(cè)值進(jìn)行修正，建立兩個(gè)并行的自適應(yīng)卡爾曼濾波觀(guān)測(cè)器.通過(guò)設(shè)定自適應(yīng)閾值建立診斷邏輯表.文獻(xiàn)[5]提出了基于全維狀態(tài)觀(guān)測(cè)器的線(xiàn)控轉(zhuǎn)向系統(tǒng)傳感器故障診斷方法.文獻(xiàn)[6]通過(guò)建立整車(chē)模型，懸架模型，以及俯仰和側(cè)傾的車(chē)輛平面模型，實(shí)現(xiàn)對(duì)車(chē)輛垂向加速度，側(cè)傾角，俯仰角的估計(jì).并通過(guò)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(xiàn)[7-9]利用小波分析對(duì)方向盤(pán)轉(zhuǎn)角信號(hào)及輪速信號(hào)進(jìn)行去除噪聲處理與信號(hào)重構(gòu).基于信號(hào)處理的故障診斷方法，不需要對(duì)象的準(zhǔn)確數(shù)學(xué)模型，對(duì)噪聲抑制能力強(qiáng)，有較高的靈敏度，運(yùn)算量也不大，是一種很有前途的方法.文獻(xiàn)[10]將反向傳播(BP)神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到制動(dòng)防抱死系統(tǒng)(ABS)故障診斷中.文獻(xiàn)[11]將信息融合技術(shù)應(yīng)用在汽車(chē)ABS系統(tǒng)的故障診斷中，此方法依賴(lài)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(xiàn)[12]介紹了基于故障樹(shù)分析的故障診斷方法，實(shí)現(xiàn)了氣動(dòng)制動(dòng)系統(tǒng)的故障診斷，該方法的缺陷是，診斷結(jié)果嚴(yán)重依賴(lài)故障樹(shù)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(duì)車(chē)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?jī)H從理論上分析診斷的原理，并沒(méi)有考慮實(shí)際應(yīng)用中存在的問(wèn)題，即使部分算法提出了實(shí)際應(yīng)用的改善措施，但是并未結(jié)合實(shí)車(chē)試驗(yàn)對(duì)算法進(jìn)行全面的分析和驗(yàn)證.因此，本文借鑒國(guó)內(nèi)外的理論研究成果，從實(shí)際情況出發(fā)，設(shè)計(jì)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(guò)多種工況、多種故障形式進(jìn)行實(shí)車(chē)試驗(yàn)對(duì)算法進(jìn)行分析和驗(yàn)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(yàn)平臺(tái)介紹

試驗(yàn)平臺(tái)采用與某公司合作開(kāi)發(fā)的分布式驅(qū)動(dòng)電動(dòng)汽車(chē)(圖2)，平臺(tái)車(chē)采用蓄電池為動(dòng)力源，具有“零”排放、高效率、低噪音等優(yōu)點(diǎn).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(jī)驅(qū)動(dòng)(裝備輪邊減速器，減速比6.2)，輪盤(pán)式制動(dòng)器，后輪采用輪轂電機(jī)驅(qū)動(dòng)，股式制動(dòng)器.整車(chē)參數(shù)如表1示，電機(jī)參數(shù)見(jiàn)表2.

圖2　分布式驅(qū)動(dòng)電動(dòng)汽車(chē)試驗(yàn)平臺(tái)

參數(shù)值參數(shù)值整車(chē)質(zhì)量/kg1380橫擺轉(zhuǎn)動(dòng)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(chē)質(zhì)心高度/m0.525后軸側(cè)偏剛度/(kN·rad-1)-108.230轉(zhuǎn)向傳動(dòng)比16.68車(chē)輪滾動(dòng)半徑/m0.29

表2　試驗(yàn)平臺(tái)驅(qū)動(dòng)電機(jī)參數(shù)列表

2測(cè)試系統(tǒng)故障診斷算法

本文故障診斷算法的設(shè)計(jì)目標(biāo)為：針對(duì)橫擺角速度信息、側(cè)向加速度信息、方向盤(pán)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(shí)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(jì)時(shí)，僅考慮同一時(shí)刻只有一種傳感器發(fā)生故障情況.故障類(lèi)型如圖3所示，故障程度分為三個(gè)等級(jí)，見(jiàn)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(jì)了基于等價(jià)方程與觀(guān)測(cè)器相融合的故障診斷算法.基于等價(jià)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(bào)率低.但是當(dāng)輪胎處于線(xiàn)性區(qū)域時(shí)可以較好地工作，進(jìn)入非線(xiàn)性區(qū)域后則會(huì)存在漏報(bào)的現(xiàn)象，靈敏度較差.基于觀(guān)測(cè)器算法對(duì)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(bào).但該算法對(duì)傳感器信息的估計(jì)較為精確，可容許設(shè)定的閾值更小，不容易漏報(bào)，可以識(shí)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(jì)的兩種故障診斷算法的特點(diǎn)，采取合適的故障診斷規(guī)則及故障統(tǒng)計(jì)方法將兩種算法相融合，發(fā)揮兩種算法的優(yōu)勢(shì)，以期得到更好的故障診斷結(jié)果.下面就對(duì)該融合算法做一個(gè)詳細(xì)的介紹.

2.1.1基于等價(jià)方程故障診斷算法

基于等價(jià)方程的故障診斷算法通過(guò)不同傳感器輸出信號(hào)之間常規(guī)工況下的運(yùn)動(dòng)學(xué)關(guān)系相互校驗(yàn)，實(shí)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(pán)轉(zhuǎn)角傳感器，輪速傳感器.

(1) 故障診斷模型推導(dǎo)

線(xiàn)性二自由度車(chē)輛模型的運(yùn)動(dòng)方程如下：

(1)

設(shè)isw為轉(zhuǎn)向傳動(dòng)比，則前輪轉(zhuǎn)角與方向盤(pán)轉(zhuǎn)角的關(guān)系表示為

(2)

式中，δsw為方向盤(pán)轉(zhuǎn)角.

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

(3)

橫擺角速度與方向盤(pán)轉(zhuǎn)角可以由式(4)近似估計(jì)：

(4a)

(4b)

① 運(yùn)動(dòng)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(chē)輪轉(zhuǎn)速；R為車(chē)輛滾動(dòng)半徑；vi為各車(chē)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(chē)側(cè)向加速度.

質(zhì)心側(cè)偏角變化較慢時(shí)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(chē)輪的輪速故障，這里引入式(8)—(10)對(duì)輪速進(jìn)行平均，并構(gòu)造輪速殘差Δvi(i=fl,fr,rl,rr)反映某一個(gè)輪速與其他輪速的差異.由于等價(jià)方程中需要車(chē)速信息，車(chē)速估計(jì)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(pán)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(gè)殘差信號(hào)經(jīng)過(guò)特征提取模塊輸出16個(gè)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(shí)，殘差序列會(huì)表現(xiàn)出不同的0或1的殘差特征，通過(guò)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(shí)，殘差在閾值范圍之內(nèi).而當(dāng)傳感器發(fā)生故障時(shí)，殘差要超過(guò)閾值.將車(chē)輛行駛工況分為三種：直線(xiàn)行駛工況，常規(guī)工況(轉(zhuǎn)向)，及非常規(guī)轉(zhuǎn)向工況，針對(duì)不同的工況設(shè)定不同的閾值.由于當(dāng)輪胎進(jìn)入非線(xiàn)性工作區(qū)后，很難確定殘差的范圍，本文通過(guò)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(xiàn)工況的判斷準(zhǔn)則如下：

表4　等價(jià)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(xiàn)與轉(zhuǎn)向兩種工況設(shè)定閾值，根據(jù)等價(jià)方程在各種工況下的殘差幅值大小初步來(lái)確定閾值，經(jīng)過(guò)離線(xiàn)仿真實(shí)驗(yàn)最終確定的閾值如表5所示.

表5　等價(jià)方程算法殘差閾值

2.1.2基于觀(guān)測(cè)器的故障診斷算法

基于觀(guān)測(cè)器的故障診斷算法：基于車(chē)輛非線(xiàn)性單軌模型建立龍貝格觀(guān)測(cè)器估計(jì)傳感器信息，利用可以測(cè)量的橫擺角速度，側(cè)向加速度信號(hào)作為反饋信息，可以分別建立兩個(gè)龍貝格觀(guān)測(cè)器.雙觀(guān)測(cè)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(guān)測(cè)器采用非線(xiàn)性的輪胎模型，在車(chē)輛處于極限工況時(shí)可以較好地估計(jì)傳感器狀態(tài)，進(jìn)而提高算法在極限工況時(shí)的診斷效果.算法診斷目標(biāo)：橫擺角速度傳感器，側(cè)向加速度傳感器，方向盤(pán)轉(zhuǎn)角傳感器.

(1) 龍貝格觀(guān)測(cè)器建立

采用反正切輪胎模型的二自由度車(chē)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(gè)龍貝格觀(guān)測(cè)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(guān)測(cè)器對(duì)傳感器信號(hào)的估計(jì)值與傳感器信號(hào)的測(cè)量值進(jìn)行融合，并將融合后的信號(hào)作為另一個(gè)觀(guān)測(cè)器的反饋信息，融合后的信號(hào)值yfi如式(17)所示.

(17)

將兩個(gè)觀(guān)測(cè)器的殘差值取平均(式(18))作為故障估計(jì)值，并用于判斷故障等級(jí)，同時(shí)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(jiàn)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(shí)，則權(quán)重系數(shù)開(kāi)始由0至1切換.式中a=3 000，b=2.切換閾值c根據(jù)實(shí)際情況確定.

(20)

加入融合模塊的觀(guān)測(cè)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(shí)際應(yīng)用角度出發(fā)，提取等價(jià)方程算法中估計(jì)效果較好的方程，結(jié)合觀(guān)測(cè)算法，制定診斷規(guī)則，融合的故障診斷算法可以提高對(duì)橫擺角速度傳感器，側(cè)向加速度傳感器，方向盤(pán)轉(zhuǎn)角傳感器的診斷效果.對(duì)于輪速傳感器的診斷，由于觀(guān)測(cè)算法無(wú)法實(shí)現(xiàn)，診斷算法仍沿用等價(jià)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(guò)閾值，1表示殘差超過(guò)閾值.

2.3融合算法故障計(jì)數(shù)統(tǒng)計(jì)

對(duì)于在線(xiàn)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(duì)初級(jí)診斷報(bào)錯(cuò)的結(jié)果進(jìn)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(jì)數(shù)統(tǒng)計(jì)的方法對(duì)初級(jí)診斷結(jié)果進(jìn)行后處理，在線(xiàn)對(duì)一段時(shí)間內(nèi)報(bào)故障的時(shí)間占該時(shí)間的比率進(jìn)行計(jì)算，通過(guò)對(duì)在線(xiàn)計(jì)算的故障統(tǒng)計(jì)結(jié)果設(shè)定閾值作為最終的診斷結(jié)果.

統(tǒng)計(jì)時(shí)間的長(zhǎng)短會(huì)影響故障診斷的實(shí)時(shí)性及可靠性.因此可以建立不同時(shí)間長(zhǎng)度的故障統(tǒng)計(jì)處理模塊，用于檢測(cè)不同的故障，對(duì)于突變故障以及緩變故障，可以用較短統(tǒng)計(jì)時(shí)間的故障統(tǒng)計(jì)?？?，傳感器信號(hào)偏離正常值之后可以及時(shí)識(shí)別故障.對(duì)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(zhǎng)時(shí)間持續(xù)存在，對(duì)診斷的及時(shí)性要求可以適當(dāng)降低，用較長(zhǎng)時(shí)間長(zhǎng)度的故障統(tǒng)計(jì)模塊，以更加準(zhǔn)確地識(shí)別故障的存在.本文對(duì)短時(shí)故障統(tǒng)計(jì)時(shí)間設(shè)置為1 s，長(zhǎng)時(shí)故障統(tǒng)計(jì)時(shí)間設(shè)置為20 s，對(duì)故障統(tǒng)計(jì)結(jié)果設(shè)定的閾值為30%.

3故障診斷算法實(shí)車(chē)試驗(yàn)

本節(jié)通過(guò)一組合工況對(duì)融合故障診斷算法進(jìn)行驗(yàn)證.該組合工況包含車(chē)輛正常直線(xiàn)行駛工況，轉(zhuǎn)彎行駛工況，以及方向盤(pán)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(pán)轉(zhuǎn)角與車(chē)速信息，方框中放大部分圖像為方向盤(pán)角階躍工況與正弦工況輸入時(shí)刻.故障模擬方式如表8所示.

圖4　組合工況方向盤(pán)轉(zhuǎn)角信息

圖5　組合工況車(chē)速信息

1所有傳感器(不同時(shí)段)偏移模擬突變故障2所有傳感器(不同時(shí)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(shí)間：10～100 s)；側(cè)向加速度傳感器1 m·s-2突變故障(加載時(shí)間：1 105～200 s)；加載方向盤(pán)轉(zhuǎn)角25°突變故障(加載時(shí)間：210～300 s)；輪速傳感器1 m·s-1故障突變量(加載時(shí)間：310～400 s).

由圖6，突變故障模擬實(shí)驗(yàn)結(jié)果如下：

在10～100 s，算法給出了準(zhǔn)確的橫擺角速度故障位置信息，在故障等級(jí)估計(jì)過(guò)程中，雖抖動(dòng)較為劇烈，但依然給出了準(zhǔn)確的故障等級(jí)信息.在其他沒(méi)有故障的情況下，算法沒(méi)有誤報(bào)；

在110～200 s，算法給出了準(zhǔn)確的側(cè)向加速度故障位置信息，在故障等級(jí)估計(jì)過(guò)程中，雖抖動(dòng)較為劇烈，但依然給出了準(zhǔn)確的故障等級(jí)信息.在其他沒(méi)有故障的情況下，算法沒(méi)有誤報(bào)；

在210～300 s，由于車(chē)輛處于極限工況，方向盤(pán)轉(zhuǎn)角故障診斷結(jié)果出現(xiàn)短暫的漏報(bào)，在故障等級(jí)估計(jì)過(guò)程中，雖抖動(dòng)較為劇烈，但依然給出了較為準(zhǔn)確的故障等級(jí)信息.在其他沒(méi)有故障的情況下，算法沒(méi)有誤報(bào)；

在310～400 s，由于車(chē)輛處于極限工況，輪速故障診斷結(jié)果出現(xiàn)短暫的漏報(bào)，在故障等級(jí)估計(jì)過(guò)程中，雖抖動(dòng)較為劇烈，但依然給出了較為準(zhǔn)確的故障等級(jí)信息.在其他沒(méi)有故障的情況下，算法沒(méi)有誤報(bào).

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(pán)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(pán)轉(zhuǎn)角故障位置診斷結(jié)果

f 方向盤(pán)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(shí)驗(yàn)結(jié)果如下：

在10～100 s，因?yàn)闄M擺角速度故障開(kāi)始比較小，算法無(wú)法識(shí)別，當(dāng)故障逐漸增加到算法靈敏度允許范圍之后，則及時(shí)給出了故障信息，且故障等級(jí)判斷準(zhǔn)確，可隨故障程度的變化及時(shí)更新.在其他沒(méi)有故障的情況下，算法沒(méi)有誤報(bào)；

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

在210～300 s，當(dāng)方向盤(pán)轉(zhuǎn)角出現(xiàn)故障時(shí)，及時(shí)給出了故障信息，且故障等級(jí)判斷準(zhǔn)確，可隨故障程度的變化及時(shí)更新.在其他沒(méi)有故障的情況下，算法沒(méi)有誤報(bào)；

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(pán)轉(zhuǎn)角故障位置診斷結(jié)果

f 方向盤(pán)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(hào)出現(xiàn)故障時(shí)，起初故障信息有短暫的延時(shí)，當(dāng)故障逐漸增加到算法靈敏度允許范圍之后，則及時(shí)給出了故障信息，且故障等級(jí)判斷準(zhǔn)確，可隨故障程度的變化及時(shí)更新.在其他沒(méi)有故障的情況下，算法沒(méi)有誤報(bào).

3.3間隙性故障

故障模擬：橫擺角速度傳感器信號(hào)疊加正弦信號(hào)，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(shí)有時(shí)無(wú)，正常信號(hào)疊加正弦信號(hào)后即表現(xiàn)為時(shí)而在正常范圍，時(shí)而超出正常范圍.因此在圖8—9中，初級(jí)診斷結(jié)果會(huì)出現(xiàn)不連續(xù)的現(xiàn)象，通過(guò)故障統(tǒng)計(jì)之后，算法可以給出準(zhǔn)確沒(méi)有漏報(bào)的故障信息.這說(shuō)明故障統(tǒng)計(jì)模塊可以較好地處理間隙性故障情況.由于故障統(tǒng)計(jì)時(shí)間較長(zhǎng)，算法報(bào)故障延時(shí)了10 s，但考慮到間隙性故障在實(shí)際中通常持續(xù)時(shí)間較長(zhǎng)，且對(duì)算法診斷的實(shí)時(shí)性要求不高，因此算法可以滿(mǎn)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(jì)了一套針對(duì)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(biāo)包括：橫擺角速度傳感器，側(cè)向加速度傳感器，方向盤(pán)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(bào)情況兩方面考慮，將等價(jià)方程算法與觀(guān)測(cè)器算法相融合.同時(shí)對(duì)故障計(jì)數(shù)統(tǒng)計(jì)方法進(jìn)行分析，提出了通過(guò)短時(shí)故障統(tǒng)計(jì)對(duì)突變故障，緩變故障進(jìn)行診斷，長(zhǎng)時(shí)故障統(tǒng)計(jì)對(duì)間隙性故障進(jìn)行診斷的策略.論文最后采用綜合工況對(duì)算法的有效性進(jìn)行了實(shí)車(chē)試驗(yàn).結(jié)果證明，算法在常規(guī)工況下，對(duì)本文考慮的各種傳感器，各種故障下都能準(zhǔn)確快速地診斷出微小故障，并且準(zhǔn)確估計(jì)出故障大小，給出故障等級(jí)信息.在非常規(guī)工況下，算法對(duì)橫擺角速度傳感器，側(cè)向加速度傳感器可以準(zhǔn)確快速地診斷出微小故障，對(duì)于方向盤(pán)轉(zhuǎn)角傳感器與輪速傳感器的微小故障，算法會(huì)出現(xiàn)漏報(bào)現(xiàn)象.算法的故障估計(jì)值會(huì)受到工況影響，但是仍然可以比較準(zhǔn)確地判斷出故障等級(jí)，可以滿(mǎn)足應(yīng)用要求.

參考文獻(xiàn):

[1]張武學(xué),熊璐,余卓平,等. 質(zhì)心側(cè)偏角估計(jì)誤差對(duì)車(chē)輛穩(wěn)定性控制的影響[J]. 汽車(chē)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(cuò)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(zhǎng)富,姜國(guó)彬,等. 基于雙自適應(yīng)Kalman濾波的線(xiàn)控轉(zhuǎn)向汽車(chē)傳感器故障診斷[J]. 中國(guó)公路學(xué)報(bào),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(guó)彬. 汽車(chē)線(xiàn)控轉(zhuǎn)向系統(tǒng)故障診斷方法研究[D]. 長(zhǎng)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(chē)方向盤(pán)轉(zhuǎn)角試驗(yàn)數(shù)據(jù)去噪的小波基選擇[J].機(jī)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(chē)輪速傳感器工作穩(wěn)定性研究[J].汽車(chē)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(chē)輪速信號(hào)去噪[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),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(chē)ABS系統(tǒng)故障診斷[D]. 長(zhǎng)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(chē)ABS系統(tǒng)故障診斷中的應(yīng)用[J].汽車(chē)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(chē)制動(dòng)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(xiàn)標(biāo)志碼：A

中圖分類(lèi)號(hào)：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?yàn)槠?chē)系統(tǒng)動(dòng)力學(xué)與控制.

基金項(xiàng)目：國(guó)家“九七三”重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(2011CB711200)，國(guó)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?yàn)檐?chē)輛工程.E-mail: yuzhuoping@#edu.cn

E-mail: xionglu.gm@gmail.com