Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于鸟群算法的电动助力转向系统及其多目标优化方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:南京航空航天大学

摘要:本发明公开了一种基于鸟群算法的电动助力转向系统及其多目标优化方法,转向系统包括方向盘、转向轴、转矩传感器、转向输出轴、齿轮齿条转向器、助力电机、减速机构、电子控制单元、车速传感器。在发动机怠速工况下,电动助力转向系统的固有频率与发动机振动频率相近,容易发生共振,影响驾驶员直观感受,并且影响转向性能。本发明通过新兴鸟群算法,对电动助力转向系统转向性能和固有频率进行多目标优化,提高电动助力转向系统的可靠性与驾驶员的舒适度。

主权项:1.一种基于鸟群算法的电动助力转向系统的多目标优化方法,其特征在于包括以下步骤:1建立整车三自由度模型、电动助力转向系统;所述的整车三自由度模型如下: g为重力加速度;m为整车质量;ms为簧载质量;a为汽车质心至前轴的距离;b为汽车质心至后轴的距离;d为车辆12轮距;h为侧倾力臂;Ix为悬挂质量对x轴的转动惯量;Iy为悬挂对y轴的转动惯量;Iz为汽车质量对z轴的转动惯量;Ixz为汽车质量对x,z轴的惯性积;φ为车身侧倾角;θ为车身俯仰角;δ为前轮转向角;FY1为右前轮胎侧偏力;FY2为左前轮轮胎侧偏力;FY3为左后轮胎侧偏力;FY4为右后轮胎侧偏力;F21、F22、F23、F24为悬架对车身的总作用力;电动助力转向系统模型如下: 式中:Js是方向盘转动惯量,Bs是方向盘阻尼系数,θs是方向盘转角,θe是转向轴转角,Th是方向盘转矩,Je是转向轴转动惯量,Be是转向轴阻尼系数,Tm是助力转矩,Tr是齿条对于齿轮的扭矩,mr是齿轮齿条的当量质量,br是小齿轮和齿条等的当量阻尼系数,Tw是作用在输出轴上的反作用转矩,Jm是助力电机转动惯量,Bm是助力电机阻尼系数,Ta是助力电机输出转矩,G是助力电机减速机构的减速比;2基于整车三自由度模型和电动助力转向系统推导电动助力转向系统的整车路感、转向灵敏度和固有频率公式;包括以下步骤:首先推导转向路感量化公式: 其次推导灵敏度量化公式:由汽车三自由度模型可以得到前轮转角到横摆角速度的关系: 由电动助力转向系统模型可以得到前轮转角和方向盘转角的关系: 由上面两个式子可以的到转向灵敏度量化公式: 最后推导振动一阶固有频率: E1s、E2s分别代表电动助力转向系统转向路感、灵敏度的量化公式,s为频域信号,E3是振动一阶固有频率公式,为前轮转角到横摆角速度的传递函数,为前轮转角到质心侧偏角的传递函数,为前轮转角到车身侧倾角的传递函数,X1=Je+Jm+mr*rp2,Y1=Be+Bm+br*rp2,Z1=Ks+K*Ka*KsG;K为助力电机助力增益,Ka为电动机转矩系数,Ks是转矩转角传感器扭杆弹簧扭转刚度;3选取助力电机减速机构的减速比G,转向轴转动惯量Je,助力电机转动惯量Jm,助力电机助力增益K,转矩转角传感器扭杆弹簧扭转刚度Ks为优化变量,建立的多目标优化目标函数并设置约束条件,多目标优化目标函数为:fX=W1f1X+W2f2X+W3f3X式中:W1、W2、W3均为预先设定的权重系数;E1s、E2s分别代表电动助力转向系统转向路感、灵敏度的量化公式,s为频域信号,E3是振动一阶固有频率公式;设置约束条件为:灵敏度量化公式的分母满足劳斯判据、助力电机减速机构的减速比10<G<20、转向轴转动惯量0.00015<Je<0.10、助力电机转动惯量0.0001<Jm<0.01、转矩转角传感器扭杆弹簧扭转刚度128<Ks<320;4采用鸟群算法,对电动助力转向系统进行优化;4.1初始化每只鸟和相关参数,计算目标函数值fX;4.2计算各鸟目标函数fX,找出当前最佳;4.3更新鸟群行为参数;4.4若fX大于外部储存集,接受此时X'为新的当前解;4.5若满足迭代次数且满足终止条件,则结束运算,返回最优值;4.6若不满足迭代次数,则返回至step2。

全文数据:基于鸟群算法的电动助力转向系统及其多目标优化方法技术领域[0001]本发明涉及转向系统领域,具体是一种基于鸟群算法的电动助力转向系统及其多目标优化方法。背景技术[0002]电动助力转向系统有完整的机械连接的转向系统,靠助力电机施加助力转矩来减小转向手力,具有调整简单、装配灵活以及在多种状况下都能提供转向助力的特点。[0003]电动助力转向系统的固有频率接近于发动机怠速频率,容易产生共振,影响驾驶员的直观感觉。[0004]新兴的鸟群算法与其他算法相比,不容易陷入局部最优并且稳定性较好。[0005]为了提高固有频率,避免发生共振情况,转向性能难免受到影响,因此需要对电动助力转向系统利用新兴鸟群算法进行优化设计。发明内容[0006]本发明为了解决现有技术的问题,提供了一种基于鸟群算法的电动助力转向系统及其多目标优化方法,在优化电动助力转向系统性能时,适当提高转向系统一阶固有频率,利用鸟群算法优化,具有较好的全局、局部搜索能力,更接近真实最优解。[0007]本发明提供了一种基于鸟群算法的电动助力转向系统,包括方向盘、转向轴、转矩传感器、转向输出轴、齿轮齿条转向器、助力电机、减速机构、电子控制单元和车速传感器;[0008]所述转向轴一端与方向盘相连,另一端与转向输出轴相连,转向输出轴另一端与齿轮齿条转向器相连;[0009]所述转矩传感器通过扭杆设置在转向轴上,用于获得两段转向轴在扭杆作用下产生的相对转角;[0010]所述车速传感器设置在汽车上,用于获取汽车的车速;[0011]所述减速结构设置在转向轴上,与助力电机相连,将辅助助力施加给转向输出轴,完成实时控制的助力转向;[0012]所述电子控制单元ECU分别与转矩传感器、车速传感器以及助力电机相连,电子控制单元根据车速传感器和转矩传感器的信号控制助力电机的旋转方向以及助力电流。[0013]本发明还提供了一种基于鸟群算法的电动助力转向系统的多目标优化方法,包括以下步骤:[0014]1建立整车三自由度模型、电动助力转向系统;[0015]所述的整车三自由度模型如下:[0017]g为重力加速度;m为整车质量;ms为簧载质量;a为汽车质心至前轴的距离;b为汽车质心至后轴的距离;d为车辆12轮距;h为侧倾力臂;Ix为悬挂质量对X轴的转动惯量;Iy为悬挂对y轴的转动惯量;Iz为汽车质量对z轴的转动惯量;Ixz为汽车质量对X,z轴的惯性积;Φ为车身侧倾角;9为车身俯仰角;δ为前轮转向角;Fyi为右前轮胎侧偏力;Fy2为左前轮轮胎侦_力;FY3为左后轮胎侧偏力;Fm为右后轮胎侧偏力;?21、?222324为悬架对车身的总作用力;[0018]电动助力转向系统模型如下:[0020]式中:Js是方向盘转动惯量,Bs是方向盘阻尼系数,03是方向盘转角,是转向轴转角,Th是方向盘转矩,是转向轴转动惯量,Be3是转向轴阻尼系数,Tm是助力转矩,Tr是齿条对于齿轮的扭矩,Hlr是齿轮齿条的当量质量,br是小齿轮和齿条等的当量阻尼系数,Iw是作用在输出轴上的反作用转矩,Jm是助力电机转动惯量,Bm是助力电机阻尼系数,Ta是助力电机输出转矩,G是助力电机减速机构的减速比。[0021]2基于整车三自由度模型和电动助力转向系统推导电动助力转向系统的整车路感、转向灵敏度和固有频率公式;[0022]首先推导转向路感量化公式:[0024]其次推导灵敏度量化公式:[0025]由汽车三自由度模型可以得到前轮转角到横摆角速度的关系:[0027]由电动助力转向系统模型可以得到前轮转角和方向盘转角的关系:[0029]由上面两个式子可以的到转向灵敏度量化公式:[0031]最后推导振动一阶固有频率:[0033]E1s、E2s分别代表电动助力转向系统转向路感、灵敏度的量化公式,s为频域信号,E3是振动一阶固有频率公式,为前轮转角到横摆角速度的传递函数,为前轮转角到质心侧偏角的传递函数,为前轮转角到车身侧倾角的传递函数[0034]K为助力电机助力增益,Ka为电动机转矩系数,Ks是转矩转角传感器扭杆弹簧扭转刚度。[0035]3选取助力电机减速机构的减速比G,转向轴转动惯量Je,助力电机转动惯量Jm,助力电机助力增益K,转矩转角传感器扭杆弹簧扭转刚度Ks为优化变量,建立的多目标优化目标函数并设置约束条件,多目标优化目标函数为:[0037]式中:Yh、W2、W3均为预先设定的权重系数;[0038]设置约束条件为:灵敏度量化公式的分母满足劳斯判据、助力电机减速机构的减速比10G20、转向轴转动惯量0.00015Je0.10、助力电机转动惯量0.0001Jm0.01、转矩转角传感器扭杆弹簧扭转刚度128KS320。[0039]4采用鸟群算法,对电动助力转向系统进行优化;[0040]4.1初始化每只鸟和相关参数,计算目标函数值f⑻;[0041]4.2计算各鸟目标函数f⑻,找出当前最佳;[0042]4.3更新鸟群行为参数;[0043]4.4若f⑻大于外部储存集,接受此时X’为新的当前解;[0044]4.5若满足迭代次数且满足终止条件,则结束运算,返回最优值;[0045]4.6若不满足迭代次数,则返回至step2。[0046]本发明有益效果在于:[0047]1.在优化电动助力转向系统性能时,适当提高转向系统一阶固有频率。[0048]2.利用鸟群算法优化,具有较好的全局、局部搜索能力,更接近真实最优解。附图说明[0049]图1为本发明电动助力转向系统结构图。[0050]图2为本发明鸟群算法流程图。[0051]图中1-方向盘、2-转向轴、3-转矩传感器、4-转向输出轴、5-齿轮齿条转向器、6-助力电机、7-减速机构、8-电子控制单元、9-车速传感器。具体实施方式[0052]下面结合附图和具体实施方式对本发明做进一步说明。[0053]本发明提供了一种基于鸟群算法的电动助力转向系统,结构如图1所示,包括方向盘1、转向轴2、转矩传感器3、转向输出轴4、齿轮齿条转向器5、助力电机6、减速机构7、电子控制单元8和车速传感器9;[0054]所述转向轴2—端与方向盘1相连,另一端与转向输出轴4相连,转向输出轴4另一端与齿轮齿条转向器5相连;[0055]所述转矩传感器3通过扭杆设置在转向轴2上,用于获得两段转向轴在扭杆作用下产生的相对转角;[0056]所述车速传感器9设置在汽车上,用于获取汽车的车速;[0057]所述减速结构7设置在转向轴2上,与助力电机6相连,将辅助助力施加给转向输出轴4,完成实时控制的助力转向;[0058]所述电子控制单元ECU8分别与转矩传感器3、车速传感器9以及助力电机6相连,电子控制单元8根据车速传感器9和转矩传感器3的信号控制助力电机的旋转方向以及助力电流。[0059]本发明还提供了一种基于鸟群算法的电动助力转向系统的多目标优化方法,包括以下步骤:[0060]1建立整车三自由度模型、电动助力转向系统;[0061]所述的整车三自由度模型如下:[0063]g为重力加速度;m为整车质量;ms为簧载质量;a为汽车质心至前轴的距离;b为汽车质心至后轴的距离;d为车辆12轮距;h为侧倾力臂;Ix为悬挂质量对X轴的转动惯量;Iy为悬挂对y轴的转动惯量;Iz为汽车质量对z轴的转动惯量;Ixz为汽车质量对X,z轴的惯性积;Φ为车身侧倾角;9为车身俯仰角;δ为前轮转向角;Fyi为右前轮胎侧偏力;Fy2为左前轮轮胎侦_力;FY3为左后轮胎侧偏力;Fm为右后轮胎侧偏力;?21、?222324为悬架对车身的总作用力;[0064]电动助力转向系统模型如下:[0066]式中:Js是方向盘转动惯量,Bs是方向盘阻尼系数,03是方向盘转角,是转向轴转角,Th是方向盘转矩,是转向轴转动惯量,Be3是转向轴阻尼系数,Tm是助力转矩,Tr是齿条对于齿轮的扭矩,mr是齿轮齿条的当量质量,br是小齿轮和齿条等的当量阻尼系数,Iw是作用在输出轴上的反作用转矩,Jm是助力电机转动惯量,Bm是助力电机阻尼系数,Ta是助力电机输出转矩,G是助力电机减速机构的减速比。[0067]2基于整车三自由度模型和电动助力转向系统推导电动助力转向系统的整车路感、转向灵敏度和固有频率公式;[0068]首先推导转向路感量化公式:[0070]其次推导灵敏度量化公式:[0071]由汽车三自由度模型可以得到前轮转角到横摆角速度的关系:[0073]由电动助力转向系统模型可以得到前轮转角和方向盘转角的关系:[0075]由上面两个式子可以的到转向灵敏度量化公式:[0077]最后推导振动一阶固有频率:[0079]E1s、E2S分别代表电动助力转向系统转向路感、灵敏度的量化公式,s为频域信号,E3是振动一阶固有频率公式,·为前轮转角到横摆角速度的传递函数,为前轮转角到质心侧偏角的传递函数,为前轮转角到车身侧倾角的传递函数,[0080]K为助力电机助力增益,Ka为电动机转矩系数,Ks是转矩转角传感器扭杆弹簧扭转刚度。[0081]3选取助力电机减速机构的减速比G,转向轴转动惯量Je3,助力电机转动惯量Jm,助力电机助力增益K,转矩转角传感器扭杆弹簧扭转刚度Ks为优化变量,建立的多目标优化目标函数并设置约束条件,多目标优化目标函数为:[0083]式中:WhW2、W3均为预先设定的权重系数;[0084]设置约束条件为:灵敏度量化公式的分母满足劳斯判据、助力电机减速机构的减速比10G20、转向轴转动惯量0.00015Je0.10、助力电机转动惯量0.0001Jm0.01、转矩转角传感器扭杆弹簧扭转刚度128KS320。[0085]4采用鸟群算法,对电动助力转向系统进行优化,算法流程如图2所示;[0086]4.1初始化每只鸟和相关参数,计算目标函数值f⑻;[0087]4.2计算各鸟目标函数f⑻,找出当前最佳;[0088]4.3更新鸟群行为参数;[0089]4.4若f⑻大于外部储存集,接受此时X’为新的当前解;[0090]4.5若满足迭代次数且满足终止条件,则结束运算,返回最优值;[0091]4.6若不满足迭代次数,则返回至step2。[0092]本发明具体应用途径很多,以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进,这些改进也应视为本发明的保护范围。

权利要求:1.一种基于鸟群算法的电动助力转向系统,其特征在于:包括方向盘(I、转向轴2、转矩传感器3、转向输出轴⑷、齿轮齿条转向器5、助力电机6、减速机构7、电子控制单元⑻和车速传感器9;所述转向轴⑵一端与方向盘⑴相连,另一端与转向输出轴⑷相连,转向输出轴4另一端与齿轮齿条转向器5相连;所述转矩传感器3通过扭杆设置在转向轴2上,用于获得两段转向轴在扭杆作用下产生的相对转角;所述车速传感器⑼设置在汽车上,用于获取汽车的车速;所述减速结构7设置在转向轴2上,与助力电机6相连,将辅助助力施加给转向输出轴⑷,完成实时控制的助力转向;所述电子控制单元ECU8分别与转矩传感器3、车速传感器9以及助力电机6相连,电子控制单元⑻根据车速传感器⑼和转矩传感器⑶的信号控制助力电机的旋转方向以及助力电流。2.—种基于鸟群算法的电动助力转向系统的多目标优化方法,其特征在于包括以下步骤:1建立整车三自由度模型、电动助力转向系统;2基于整车三自由度模型和电动助力转向系统推导电动助力转向系统的整车路感、转向灵敏度和固有频率公式;3选取助力电机减速机构的减速比G,转向轴转动惯量Je3,助力电机转动惯量Jm,助力电机助力增益K,转矩转角传感器扭杆弹簧扭转刚度Ks为优化变量,建立的多目标优化目标函数并设置约束条件,多目标优化目标函数为:式中:均为预先设定的权重系数;设置约束条件为:灵敏度量化公式的分母满足劳斯判据、助力电机减速机构的减速比10G20、转向轴转动惯量0.00015Je0.10、助力电机转动惯量0.0001Jm0.01、转矩转角传感器扭杆弹簧扭转刚度128KS320;4采用鸟群算法,对电动助力转向系统进行优化;4.1初始化每只鸟和相关参数,计算目标函数值f⑻;4.2计算各鸟目标函数f⑻,找出当前最佳;4.3更新鸟群行为参数;4.4若f⑻大于外部储存集,接受此时X’为新的当前解;4.5若满足迭代次数且满足终止条件,则结束运算,返回最优值;4.6若不满足迭代次数,则返回至step2。3.根据权利要求2所述的基于鸟群算法的电动助力转向系统的多目标优化方法,其特征在于,步骤1所述的整车三自由度模型如下:g为重力加速度;m为整车质量;ms为簧载质量;a为汽车质心至前轴的距离;b为汽车质心至后轴的距离;d为车辆12轮距;h为侧倾力臂;Ix为悬挂质量对X轴的转动惯量;Iy为悬挂对y轴的转动惯量山为汽车质量对z轴的转动惯量;Ixz为汽车质量对X,z轴的惯性积;Φ为车身侧倾角;0为车身俯仰角;δ为前轮转向角;Fyi为右前轮胎侧偏力;Fy2为左前轮轮胎侧偏力;Fy3为左后轮胎侧偏力;Fm为右后轮胎侧偏力;?2122、?23七4为悬架对车身的总作用力;电动助力转向系统模型如下:式中:Js是方向盘转动惯量,Bs是方向盘阻尼系数,03是方向盘转角,是转向轴转角,Th是方向盘转矩,是转向轴转动惯量,Be3是转向轴阻尼系数,Tm是助力转矩,Tr是齿条对于齿轮的扭矩,mr是齿轮齿条的当量质量,br是小齿轮和齿条等的当量阻尼系数,Iw是作用在输出轴上的反作用转矩,心是助力电机转动惯量,8„是助力电机阻尼系数,1是助力电机输出转矩,G是助力电机减速机构的减速比。4.根据权利要求2所述的基于鸟群算法的电动助力转向系统的多目标优化方法,其特征在于所述的步骤2具体包括以下步骤:首先推导转向路感量化公式:其次推导灵敏度量化公式:由汽车三自由度模型可以得到前轮转角到横摆角速度的关系:由电动助力转向系统模型可以得到前轮转角和方向盘转角的关系:由上面两个式子可以的到转向灵敏度量化公式:最后推导振动一阶固有频率:E1s、E2s分别代表电动助力转向系统转向路感、灵敏度的量化公式,s为频域信号,E3是振动一阶固有频率公式,~为前轮转角到横摆角速度的传递函数为前轮转角到质心侧偏角的传递函数为前轮转角到车身侧倾角的传递函数,I=Je+Jm+mr*rp2,K为助力电机助力增益,Ka为电动机转矩系数,Ks是转矩转角传感器扭杆弹簧扭转刚度。

百度查询: 南京航空航天大学 基于鸟群算法的电动助力转向系统及其多目标优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。