李 博,宮迎嬌,張元良

(1.大連理工大學機械工程學院,遼寧大連 116024;2.傳感器國家工程研究中心,遼寧沈陽 110043;3.沈陽儀表科學研究院有限公司,遼寧沈陽 110043)

0 引言

根據市場調查,目前帶有天窗的轎車的市場占有率約為70%,用戶再次購車時對天窗的配置意愿高于95%[1]。在我國《乘用車內部凸出物》中規(guī)定:在電動車窗和天窗開口的4～200 mm處,防夾力應不大于100 N[2]。

當前用于汽車車窗防夾的控制算法以基于電機紋波電流防夾控制和霍爾傳感器的防夾控制為主。王曉明等[3]使用霍爾傳感器和電機加速度的防夾策略,通過霍爾脈沖信息,反映在運行過程中遇到的防夾力。杜延海[4]等設計了雙霍爾的防夾方法,分別感應電機的位置和力矩,提高了車窗防夾的準確性。李丹丹[5]采用了根據霍爾脈寬計算速度,進而計算速度差的方法實現了防夾功能。文獻[6]提出捕捉紋波電流的跳變和平均值,將平均值和閾值進行比較,來判定是否觸發(fā)防夾的方案。李云等[7]在直流分量上疊加的紋波分量來獲得位置信息,再對電流值進行積分,判斷電機受力情況。蘇洪等[8]提出了摩擦力的分離算法,設計了自動更新參數,提高了系統的適用性。史敏杰等[9]在天窗控制器領域首次加入了模糊控制,并通過了最終測試,實現天窗防夾功能。

由于電機的紋波電流易受到外界電磁干擾,提取紋波電流信息困難,且紋波個數易丟失,導致位置零點漂移[10]。而霍爾傳感器可以直接反映電機轉動的速度、位置以及受力情況,擁有較強的抗干擾性。對于汽車天窗而言,在起翹-滑動過程中,由于機械阻力,電機的載荷發(fā)生劇烈變化。因此在天窗起翹-滑動過程中極易出現誤防夾的情況。

針對此問題,本論文結合具體的天窗產品,提出基于高斯模型的汽車天窗防夾控制算法。建立的防夾區(qū)域的高斯分布模型,由最大似然函數確定防夾區(qū)域的模型參數。通過模型判斷樣本點是否異常。將異常點與模型均值做差分計算,以消除機構阻力帶來的影響,差分結果與比例因子的乘積進行窗口內累加計算,通過累加和與標定的閾值比較,判斷是否發(fā)生防夾。經實驗證明,該方法可以有效降低誤防夾的發(fā)生。

1 天窗防夾系統模塊組成

天窗防夾系統主要由控制單元模塊、霍爾采集模塊、電機驅動模塊等組成,如圖1所示。

圖1 天窗防夾系統模塊組成框圖

圖2 MCU與霍爾傳感器原理圖

1.1 控制單元模塊

控制單元模塊負責開關輸入、電機啟停、轉向等核心控制功能。MCU使用瑞薩的RL78/F12系列?；魻杺鞲衅魍ㄟ^感知電機磁環(huán)的磁極變化產生霍爾脈沖,霍爾信號通過I/O端口被單片機采集。

1.2 電機驅動模塊

天窗電機使用直流電機驅動,通過MOS控制雙路繼電器的通斷,繼電器通過吸引不同銜鐵控制電機通路的電流方向,天窗電機驅動模塊原理圖如圖3所示。

圖3 天窗電機驅動模塊原理圖

2 天窗防夾系統軟件設計

2.1 天窗防夾系統軟件方案

方案軟件分驅動層、中間層、應用層,如圖4中所示。該軟件分層架構的主要優(yōu)點是將驅動層與應用層進行單獨封裝,提高系統軟件模塊的可移植性。

圖4 系統軟件分層架構

2.2 天窗防夾判斷模塊設計

防夾流程控制如圖5所示。在從LIN總線或開關模塊獲取到天窗閉合信號之后,MCU模塊控制天窗電機轉動,將采集的霍爾信號,經過防夾判斷模型,判斷是否觸發(fā)防夾,觸發(fā)防夾后,電機反轉;判斷是否到達關閉位置,到達位置后,電機停止轉動。

圖5 防夾控制流程圖

3 基于高斯分布的天窗防夾模型的構建

基于高斯分布的異常檢測算法[11]的核心思路是:通過樣本集學習并擬合高斯分布模型,當新樣本點到來,會將低概率的新樣本點當作異常點,視為發(fā)生異常。低概率樣本點如圖6中陰影部分所示。

圖6 高斯分布曲線

在12 V系統電壓下,采集100組在未遇到加持物的情況下的霍爾脈沖寬度樣本,圖7為樣本集合中霍爾脈沖數為400處的霍爾脈寬分布直方圖。

圖7 霍爾脈沖寬度直方圖

由圖7可得,在12 V電壓下,該位置的霍爾寬度分布接近高斯分布。假設在天窗的運行過程中,某一位置的霍爾脈寬在多次運行過程中的分布規(guī)律,符合高斯分布。經計算在該位置樣本均值μ=921.13,樣本方差S2=17.932 7。

3.1 模型樣本數據獲取

在天窗完整關閉過程中,采集防夾區(qū)域的霍爾脈沖寬度。如未遇到加持物阻力的情況下,稱為一組正常的數據,記為Ni。則第i組正常數據,位置1～m的樣本數據集可表示為

Ni=[x1x2x3…xm]

(1)

將n組的正常關閉過程中的樣本集合記作Tn,可以表示為

(2)

3.2 基于S高斯的防夾判斷模型

防夾判斷模型分為兩部分,一部分是高斯模型參數提取模塊,一部分是防夾判斷模塊。

高斯模型特征提取模塊是確定某一位置的霍爾脈寬高斯分布模型的均值和方差。防夾判斷模塊是根據霍爾脈寬在高斯分布中的偏離程度,計算是否觸發(fā)防夾。其中高斯模型的數學表達式為

(3)

由樣本集合得到1～m位置處模型的均值和方差,不同位置的均值和方差組成均值矩陣和方差矩陣表示為:

Uμ=[μ1μ2μ3…μm]

(4)

(5)

由此,特征提取模塊建立1～m處的高斯分布模型。

記一個新樣本為x,新樣本的高斯分布的數值記為p(x;μ,σ2),設置概率閾值記作ε,如滿足式(6),則該樣本點是異常點。

p(x;μ,σ2)<ε

(6)

如果該樣本點異常,將當前樣本點的霍爾脈沖寬度與樣本均值做差分計算,如式(7)所示,差分結果記作pwdiffi,當前霍爾脈沖寬度記作pwi,當前的樣本均值記作μi,其主要目的是消除機構阻力帶來的影響。

(7)

式中pwdiffi反應當前霍爾脈沖寬度偏離樣本均值的偏離程度,對其作窗口內累加計算,累加和使用si表示:

(8)

式中:αi為樣本點與樣本異常邊界ε的偏離程度。

αi表達式為

(9)

提出此比例因子使得pwdiffi×αi在[0,+∞]上連續(xù),并且在未遇加持物的運行過程中,對于可能鄰近ε的異常點,其比例因子較小,累加和si較小,減小了天窗誤防夾的可能;在遇到加持物時,對于遠小于ε的異常點,其比例因子較大,累加和較大,又保證了防夾的準確性。所以,此比例因子的提出是合理的。

累加和si作為當前的夾緊力評估值,防夾閾值記作sT,如果滿足下列關系,即判定觸發(fā)系統防夾。

si>sT

(10)

由此,建立了防夾判斷模型。

3.3 基于高斯的防夾判斷模型參數確定

已知樣本集Tn,最大似然函數表示為

(11)

其對數似然函數為:

(12)

最終,求得正態(tài)分布的最大似然估計量為:

(13)

(14)

由此,得到1～m的樣本集合的均值和方差,利用樣本參數代替總體參數[12],得到集合的均值矩陣Uμ和方差矩陣Uσ2。

4 試驗驗證

4.1 實驗數據獲取

采集用于獲得防夾判斷模型的樣本集合Tn,在防夾區(qū)域30～200 mm內,共采集天窗閉合樣本數據100次。圖9為MATLAB輸出的樣本集合的三維數據圖,其中x軸為天窗的霍爾脈沖個數;y軸為樣本集合的實驗組數;z軸為霍爾脈沖寬度。

圖9 測試樣本三維視圖

測試儀器采用德國Drive Test FM200儀器作為防夾測試的測試儀。該測試儀主要用于天窗、車窗升降器等的夾緊力測量。將天窗的防夾區(qū)域每10 mm進行一次防夾測試且夾緊力設置為(80±3) N采集18組的霍爾脈寬數據作為待測數據,繪制二維圖,如圖10所示。

圖10 待測數據霍爾脈寬與數量對應關系

4.2 MATLAB模型驗證

根據上文方法和數據,使用MATLAB搭建高斯模型,并確定高斯模型的模型參數,經計算,不同位置處的均值和方差如圖11所示:

(a)樣本集合均值曲線

在天窗的關閉過程中,霍爾脈寬均值與受到的機構阻力相關,變化劇烈。但方差波動較小,樣本數據分散程度較為平穩(wěn)。由此得到樣本集合的均值矩陣和方差矩陣。

將均值矩陣Uμ和方差矩陣Uσ2以及測試樣本集合Ttest作為輸入,概率閾值ε=0.000 02,經計算其夾緊力評估值si的三維視圖如圖12所示。

(a)正側視圖

由圖12可以看出,在夾緊力為(80±3) N時,其夾緊力評估值s=100左右,保守計算可以將防夾的判定閾值sT=80。

傳統的車窗的防夾算法,使用窗口內的霍爾脈寬進行差分,再進行近似積分,得到夾緊力評估值與閾值比較,判定是否觸發(fā)防夾。使用正常關閉的天窗霍爾脈沖數據,將基于高斯模型的防夾方法與傳統防夾方法進行比較,如圖13所示。

(a)傳統防夾算法

可以看出,傳統算法在天窗關閉過程中,發(fā)生劇烈變化,在125、111、113處的夾緊力評估值較大,通過單一的閾值判斷是否觸發(fā)防夾在天窗領域已經不再適用。而基于的高斯模型的天窗防夾算法,由于消除了機構阻力的影響,并對樣本點進行異常檢測,對異常點進行窗口內累加運算,所以得到一條在0線上方波動的曲線?？梢钥闯?基于高斯模型的防夾算法在汽車天窗防夾領域擁有更好的適用性。

4.3 天窗防夾測試

對該算法進行防夾測試,在天窗防夾區(qū)域內,每10 mm進行5次天窗的防夾測試,通過串口上位機顯示天窗運行過程中霍爾信息,并記錄每次到達防夾位置處天窗觸發(fā)防夾,并回退過程中最大實際防夾力。其防夾數據的記錄如表1所示。

表1 天窗防夾測試結果

由表1可看出,天窗在不同位置防夾力均在85 N以下,能夠滿足設計要求。

5 結束語

針對汽車天窗在起翹-滑動過程中存在的機構阻力導致天窗的誤防夾問題,提出了基于高斯模型的天窗防夾算法。通過建立不同位置的霍爾脈寬的高斯模型,對本次采集點進行異常檢測,判斷該樣本點是否異常,排除正常樣本點對于累加結果的影響。將異常點與樣本均值進行差分計算,再進行窗口內累加計算,降低了變化劇烈的機構阻力對于霍爾脈寬的影響,最終夾緊力評估值s變化平穩(wěn),未出現劇烈變化,提高了算法的穩(wěn)定性。經天窗防夾測試,實驗結果表明:在防夾力符合國家標準的前提下,可以有效解決天窗起翹-滑動過程中,機構阻力帶來的誤防夾的問題。