楊 賀，呂 艷，張?jiān)肌?/p>

（1.大連理工大學(xué)機(jī)械工程學(xué)院，遼寧大連 116024；2.大連工業(yè)大學(xué)機(jī)械工程與自動(dòng)化學(xué)院，遼寧大連 116034）

0 引言

近年來(lái)，汽車的電動(dòng)全景天窗裝配比例顯著增多[1]。據(jù)研究，電動(dòng)車窗關(guān)閉過(guò)程中，推力約在320～562 N之間[2]，若沒(méi)有防夾功能，一旦被夾，勢(shì)必會(huì)對(duì)人身造成傷害。而國(guó)家標(biāo)準(zhǔn)GB 11552（全稱《乘用車內(nèi)部凸出物》）中規(guī)定電動(dòng)天窗要具備防夾功能，該規(guī)定指出，電動(dòng)車窗、天窗及隔斷系統(tǒng)開(kāi)口從200 mm到4 mm范圍內(nèi)，夾緊力未超過(guò)100 N時(shí)應(yīng)回縮車窗、天窗及隔斷系統(tǒng)[3]。汽車全景天窗的結(jié)構(gòu)決定了其開(kāi)閉運(yùn)動(dòng)一般包括滑動(dòng)過(guò)程和起翹過(guò)程[4]，其中，滑動(dòng)過(guò)程天窗所受阻力變化較為平緩，起翹過(guò)程阻力變化較為劇烈。但目前防夾算法在天窗所受機(jī)構(gòu)阻力劇烈波動(dòng)時(shí)，不能起到很好的效果，常常出現(xiàn)誤防夾情況。

目前的防夾算法實(shí)現(xiàn)主要分為基于采樣電流和基于霍爾信號(hào)兩大類[5]。何虎[6]提出了一種根據(jù)電流大小判斷力的大小，根據(jù)運(yùn)行時(shí)間判斷位置信息的自匹配自學(xué)習(xí)防夾算法。雖然提高了算法適配性，但根據(jù)運(yùn)行時(shí)間顯然不能有效確定位置信息。李云等[7]通過(guò)分析電流直流分量上疊加的紋波分量獲取了位置信息，再利用電流積分的方法判斷夾持力大小，實(shí)現(xiàn)了防夾功能。嚴(yán)靜等[8]通過(guò)對(duì)系統(tǒng)電流進(jìn)行小波變換，對(duì)電流進(jìn)行多分辨率分析，提高了基于采樣電流防夾算法的抗干擾能力。楊旭等[9]通過(guò)紋波數(shù)量與脈寬確定夾緊力大小，設(shè)計(jì)了防夾算法。上述的3種基于采樣電流的防夾算法均需要用到電流紋波進(jìn)行位置判斷，而紋波易受到供電電壓影響，負(fù)載波動(dòng)又會(huì)引起電壓波動(dòng)，因此基于采樣電流的方法并不能很好地解決阻力波動(dòng)較大的天窗起翹過(guò)程的防夾。

相較于采樣電流，霍爾信號(hào)本身就是由霍爾傳感器根據(jù)電機(jī)轉(zhuǎn)動(dòng)采集得到，結(jié)果更加準(zhǔn)確、穩(wěn)定且可靠。但現(xiàn)有的基于霍爾信號(hào)的防夾算法研究多是提高抗干擾性和穩(wěn)定性，沒(méi)有考慮電機(jī)負(fù)載劇烈波動(dòng)時(shí)的情況。宋敏[10]通過(guò)霍爾脈沖精確估算位置信息，并采用滑膜算法優(yōu)化防夾策略，提高了抗干擾性；劉建國(guó)等[11]采用高斯濾波器的辦法降低了電池電壓波動(dòng)、顛簸路面等對(duì)霍爾脈沖產(chǎn)生的影響，提高了算法穩(wěn)定性；李丹丹[12]采用了根據(jù)霍爾脈寬計(jì)算速度，進(jìn)而計(jì)算加速度的方法實(shí)現(xiàn)了防夾功能。上述3種方法均能過(guò)濾掉諸如電壓波動(dòng)、路面顛簸等小的霍爾脈寬波動(dòng)產(chǎn)生的影響，但由于起翹過(guò)程中阻力的劇烈波動(dòng)會(huì)引起霍爾脈寬的劇烈波動(dòng)，若采用上述3種方法，均會(huì)出現(xiàn)誤防夾的情況。

針對(duì)機(jī)構(gòu)本身阻力劇烈波動(dòng)造成的誤防夾問(wèn)題，本文結(jié)合一款實(shí)際天窗產(chǎn)品，提出了基于K-means聚類的汽車天窗防夾算法。該算法基于霍爾信號(hào)做出防夾判斷，首先對(duì)多組未遇夾持物的霍爾脈寬數(shù)據(jù)進(jìn)行K-means聚類得到K組質(zhì)心，再將待測(cè)脈寬與質(zhì)心做距離計(jì)算并保留最短距離，以降低機(jī)構(gòu)阻力變化對(duì)霍爾脈寬的影響，最后采用先差分再近似積分的方法對(duì)上步距離積分，將積分值與閾值比較做出防夾判斷。實(shí)際進(jìn)行防夾測(cè)試的試驗(yàn)結(jié)果表明，該方法能夠有效降低誤防夾發(fā)生，且防夾力滿足國(guó)標(biāo)GB 11552中規(guī)定。

1 基于K-means聚類的防夾算法模型構(gòu)建

1.1 獲取K-means聚類樣本

K-means聚類方法是一種將樣本數(shù)據(jù)按照設(shè)定的距離量度方法聚類成K組的方法，每一組的聚類中心稱為該組的質(zhì)心。

通過(guò)對(duì)霍爾脈寬數(shù)據(jù)進(jìn)行聚類獲取各個(gè)位置的脈寬質(zhì)心，可反映出天窗關(guān)閉過(guò)程的脈寬變化特征。因此，若要得到天窗未遇阻擋物關(guān)閉時(shí)的脈寬特征，需獲取多組該狀況下的霍爾脈寬數(shù)據(jù)。將執(zhí)行了完整關(guān)閉過(guò)程，且關(guān)閉過(guò)程中未遇阻擋物的關(guān)閉情況稱為正常情況，其產(chǎn)生的一組霍爾脈寬數(shù)據(jù)稱為一組正常數(shù)據(jù)，記為Ni。則第i組正常數(shù)據(jù)，位置1～m的霍爾脈寬數(shù)據(jù)可表示為：

將聚類樣本集合記為T(mén)n，n組正常數(shù)據(jù)構(gòu)成的聚類樣本集合Tn可表示為：

將Tn的列向量記為Pj，Pj表示在位置j處的1～n組正常數(shù)據(jù)的霍爾脈寬：

1.2 基于K-means聚類的防夾判斷模型

本文基于K-means聚類的防夾判斷模型由2個(gè)模塊組成：基于K-means聚類的特征提取模塊和基于該特征值的夾緊力判斷模塊。如圖1所示，聚類樣本集合Tn通過(guò)K-means聚類后可得出一組反映天窗正常關(guān)閉過(guò)程霍爾脈寬特性的質(zhì)心矩陣，記為Uk。將質(zhì)心矩陣Uk和由待測(cè)霍爾脈寬pw組成的Ttest作為防夾判斷模塊輸入，計(jì)算出可反映夾緊力大小的s。通過(guò)比較s與閾值st的大小，判斷是否觸發(fā)防夾。

圖1 基于K-means聚類的防夾判斷模型

1.3 基于K-means聚類特征提取模塊

K-means聚類的特征提取算法用于提取正常情況下的霍爾脈寬特性，算法采用Tn作為輸入矩陣，分別對(duì)Tn中的各Pj做K-means聚類。聚類的距離計(jì)算公式采用曼哈頓距離測(cè)量法：

式中：x為觀測(cè)值；c為一個(gè)質(zhì)心。

簇Cλ的質(zhì)心u計(jì)算公式如下：

聚類所得的收斂質(zhì)心可反映該位置的脈寬特征。將各Pj聚類得到的質(zhì)心向量記為Cj，Cj表示在位置j處的質(zhì)心向量，將Cj記為：

ukj表示在位置j處的第k個(gè)質(zhì)心值。由此，Uk可表示為：

其模型實(shí)現(xiàn)方法如圖2所示。

圖2 K-means聚類的特征提取算法

1.4 夾緊力判斷模塊

夾緊力判斷模塊可基于質(zhì)心矩陣判斷待測(cè)脈寬數(shù)據(jù)的夾緊力大小，步驟如表2所示。該算法以待測(cè)數(shù)據(jù)和質(zhì)心矩陣作為輸入。首先仍采用式（4）計(jì)算待測(cè)數(shù)據(jù)與質(zhì)心矩陣對(duì)應(yīng)位置的距離，以便消除機(jī)構(gòu)阻力變化帶來(lái)的影響，保留最短距離記為dist。再將前后位置的最短距離做差分計(jì)算，差分公式如式（8）所示，差分結(jié)果記為diff，該步主要目的是消除因電壓不同產(chǎn)生的影響。

因只有在遇到加持物時(shí)計(jì)算結(jié)果才能反映夾緊力大小，故

采用對(duì)窗口內(nèi)差分值做近似積分的方法計(jì)算夾緊力大小。選擇的窗口大小的極限W可依據(jù)防夾力閾值T、使用的測(cè)試工具剛度R和1個(gè)霍爾信號(hào)對(duì)應(yīng)的實(shí)際天窗運(yùn)動(dòng)距離D計(jì)算得到，其公式可化簡(jiǎn)為：

根據(jù)GB11552規(guī)定，防夾力應(yīng)不超過(guò)100 N，這里為增加安全性采用T=75 N，測(cè)試儀器剛度R=10±0.5 N/mm，實(shí)際測(cè)得本系統(tǒng)中1個(gè)霍爾信號(hào)對(duì)應(yīng)的天窗實(shí)際運(yùn)行距離D≈0.2 mm。根據(jù)式（9）得出，本系統(tǒng)窗口大小極限W=37.5。因天窗剛接觸防夾力測(cè)試儀時(shí)，所受阻力較小，脈寬變化并不明顯，所以實(shí)際窗口大小選擇20個(gè)霍爾信號(hào)。

diff值為負(fù)，表明天窗在加速，diff值較小，表明是天窗運(yùn)行過(guò)程中的正常波動(dòng)，這兩種情況都不是反應(yīng)天窗遇到阻力減速的情況，因此對(duì)diff值做出篩選，舍棄小于Kd的diff值。最后對(duì)窗口內(nèi)差分值做近似積分計(jì)算，近似積分結(jié)果用s表示，公式如下：

其模型實(shí)現(xiàn)方法如圖3所示。

圖3 夾緊力判斷算法

2 試驗(yàn)驗(yàn)證

2.1 試驗(yàn)平臺(tái)搭建

本模型采用一款全景天窗作為實(shí)驗(yàn)平臺(tái)如圖4所示，其天窗系統(tǒng)結(jié)構(gòu)框圖如圖5所示。

圖4 汽車全景天窗實(shí)拍

圖5 汽車天窗系統(tǒng)結(jié)構(gòu)框圖

天窗系統(tǒng)可分為外部連接部分和ECU部分。外部連接部分包括：電源、車身控制器（BCM）、按鍵開(kāi)關(guān)、上位機(jī)、直流電機(jī)和天窗機(jī)構(gòu)。ECU部分包括：控制單元、DC-DC模塊、LIN通訊、開(kāi)關(guān)輸入檢測(cè)模塊、串口通訊、下載與仿真接口、電機(jī)驅(qū)動(dòng)、霍爾采集和溫度采集模塊。

2.2 實(shí)驗(yàn)數(shù)據(jù)獲取

本模型需要采集用于K-means聚類的樣本集合Tn和待測(cè)數(shù)據(jù)Ttest。在試驗(yàn)平臺(tái)上通過(guò)串口通訊的方式采集了40次正常關(guān)閉下的樣本數(shù)據(jù)作為聚類樣本集合Tn。因天窗軟停止位脈沖數(shù)為320，軟停止位即天窗初始化以后的實(shí)際關(guān)閉位置，同時(shí)根據(jù)GB11552規(guī)定的4～200 mm防夾區(qū)間，故經(jīng)過(guò)測(cè)驗(yàn)，選取樣本數(shù)據(jù)霍爾數(shù)區(qū)間為320～2 250。圖6所示為采用MATLAB輸出的樣本集合Tn的三維圖，x軸為天窗所在位置，用霍爾脈沖數(shù)表示（以下提到的天窗位置即是霍爾脈沖數(shù)）；y軸為組數(shù)；z軸為該位置對(duì)應(yīng)的脈沖寬度。

圖6 樣本集合Tn霍爾脈沖數(shù)與脈寬對(duì)應(yīng)關(guān)系

采用德國(guó)Drive Test FM200儀器作為夾緊力測(cè)試儀，該款測(cè)試儀主要用于測(cè)量汽車車窗，天窗夾緊力，其測(cè)量范圍為0～300 N，測(cè)量公差為±3 N，剛性有10 N/mm，能夠存儲(chǔ)多達(dá)100個(gè)測(cè)量點(diǎn)，測(cè)試儀如圖7所示。

圖7 Drive Test FM200夾緊力測(cè)試器

將天窗開(kāi)口從30～200 mm每隔10 mm一次的防夾測(cè)試且?jiàn)A緊力大小為（75±3）N的18組霍爾脈寬數(shù)據(jù)作為待測(cè)數(shù)據(jù)Ttest，待測(cè)數(shù)據(jù)Ttest的MATLAB輸出三維圖如圖8所示。

圖8 待測(cè)數(shù)據(jù)霍爾脈沖數(shù)與脈寬對(duì)應(yīng)關(guān)系

2.3 MATLAB模型驗(yàn)證

根據(jù)本模型采用MATLAB進(jìn)行編程建模驗(yàn)證。首先通過(guò)K-means聚類特征提取算法處理樣本數(shù)據(jù)Tn，將K值設(shè)為2，得到的質(zhì)心數(shù)據(jù)Uk如圖9所示。

圖9 K-means聚類特征提取所得質(zhì)心數(shù)據(jù)Uk

將該質(zhì)心Uk和待測(cè)數(shù)據(jù)Ttest作為輸入，建立夾緊力判斷算法，限幅參數(shù)Kd取1，對(duì)上述的18組待測(cè)數(shù)據(jù)采用MATLAB編程計(jì)算后得到的夾緊力大小評(píng)估值s如圖10所示。

圖10 夾緊力判斷后所得夾緊力大小評(píng)估值s

可得出夾緊力為75 N時(shí)，夾緊力大小評(píng)估值s基本在45附近，對(duì)于本系統(tǒng)，可將防夾閾值st設(shè)為45。

通過(guò)MATLAB編程建模，比較本方法和較傳統(tǒng)方法的優(yōu)劣。傳統(tǒng)方法即僅通過(guò)對(duì)窗口內(nèi)數(shù)據(jù)差分，再近似積分的方法得到反映夾緊力大小的s。分別采用本算法和傳統(tǒng)算法對(duì)未遇夾持物的正常運(yùn)行數(shù)據(jù)Tn進(jìn)行處理，兩種方法得到的反映夾緊力大小值s。取兩種方法正視圖進(jìn)行比較，結(jié)果如圖11所示。

圖11基于K-means聚類方法與傳統(tǒng)方法所得s值對(duì)比

圖11 （a）和圖11（b）對(duì)比可以看出，傳統(tǒng)方法在滑動(dòng)區(qū)域尚且有效，但在天窗逐漸運(yùn)行進(jìn)入起翹區(qū)域中時(shí)，出現(xiàn)了3處較為明顯的峰值，達(dá)到了65、37、85，當(dāng)這3處較大的s值超過(guò)設(shè)置的閾值st時(shí)，就會(huì)發(fā)生誤防夾?；贙-means聚類的防夾方法整體波動(dòng)平穩(wěn)，只有在起翹位置末達(dá)到了38，其余位置均未超過(guò)30?？梢钥闯?，基于K-means聚類的防夾算法能夠更好地應(yīng)對(duì)機(jī)構(gòu)阻力變化對(duì)防夾功能造成的影響。

2.4 天窗防夾測(cè)試

將該防夾算法移植到該天窗系統(tǒng)中進(jìn)行防夾測(cè)試試驗(yàn)，夾緊力測(cè)試儀采用德國(guó)Drive Test FM200。試驗(yàn)方法為天窗開(kāi)口的30～200 mm區(qū)間內(nèi)，每隔10 mm一個(gè)測(cè)試位置，對(duì)每個(gè)測(cè)試位置進(jìn)行5次防夾測(cè)試。天窗系統(tǒng)控制器如圖12所示，測(cè)試現(xiàn)場(chǎng)環(huán)境如圖13所示。

圖12 天窗控制器

圖13 測(cè)試現(xiàn)場(chǎng)

天窗在溫箱內(nèi)，溫箱外可通過(guò)LIN控制天窗運(yùn)行，通過(guò)串口監(jiān)控防夾數(shù)據(jù)。防夾測(cè)試結(jié)果如表1所示，防夾力大小單位為N。由表可看出，天窗在不同位置防夾力均在80 N以下，能夠滿足設(shè)計(jì)要求。

3 結(jié)束語(yǔ)

針對(duì)汽車天窗起翹機(jī)構(gòu)阻力波動(dòng)較大導(dǎo)致誤防夾的問(wèn)題，提出了基于K-means聚類的汽車天窗防夾算法。

（1）通過(guò)運(yùn)用K-means聚類獲取多組正常數(shù)據(jù)的K組質(zhì)心，再將待測(cè)數(shù)據(jù)與質(zhì)心做距離計(jì)算并保留最短距離值的方法，降低了機(jī)構(gòu)阻力波動(dòng)對(duì)霍爾脈寬造成的影響。

（2）對(duì)最短距離做近似積分計(jì)算，通過(guò)差分、限幅手段降低了電壓波動(dòng)及其他尖峰噪聲的影響，提高了算法穩(wěn)定性。

表3 天窗防夾測(cè)試結(jié)果

（3）比較本方法與傳統(tǒng)方法優(yōu)劣，傳統(tǒng)方法在機(jī)構(gòu)阻力波動(dòng)時(shí)，出現(xiàn)了夾緊力評(píng)估系數(shù)劇烈波動(dòng)的情況，本方法計(jì)算出的夾緊力評(píng)估系數(shù)未出現(xiàn)較劇烈情況。

（4）對(duì)采用該算法的汽車天窗做防夾測(cè)試試驗(yàn)，試驗(yàn)結(jié)果表明，運(yùn)用該算法不再有誤防夾情況出現(xiàn)，并且防夾力也穩(wěn)定在60～80 N之間，實(shí)驗(yàn)中未出現(xiàn)防夾力過(guò)大或者過(guò)小的情況，說(shuō)明該算法確實(shí)能有效解決機(jī)構(gòu)阻力變化帶來(lái)的影響。