一种基于神经网络的电动助力转向设备

1.本实用新型涉及一种汽车转向设备，具体为一种基于神经网络的电动助力转向设备。


背景技术：

2.随着经济和科学技术快速地发展着，人们开始对汽车转向系统的性能越发地注重起来并且也开始对转向系统的要求不断地提高着。对于汽车转向系统的性能来说转向设备的好与不好对汽车行驶的安全性以及操纵稳定性有着非常重大的影响。助力转向系统，已从传统机械式转向、液压助力转向、电液助力转向，发展到电动助力转向，目前市场上存在的电动助力转向系统大多采用传统现代控制理论，如pid控制，由于道路环境不同、轮胎所受摩擦力等不可抗的外界干扰因素，导致理想条件下建立的电动助力转向设备与实际被控对象必然存在误差和不确定性，因此对于非线性的电动助力转向系统，基于传统现代控制理论的pid控制无法实现其准确控制状态，致使其控制系统鲁棒性差。


技术实现要素：

3.本实用新型的目的在于提供一种基于神经网络的电动助力转向设备，以解决上述背景技术中提出的问题。
4.为实现上述目的，本实用新型提供如下技术方案：一种基于神经网络的电动助力转向设备，包括转向轴和电子控制单元，所述转向轴上端连接有方向盘，所述方向盘下方连接有扭矩传感器，所述扭矩传感器下方连接有减速器，所述转向轴下端连接有齿轮齿条结构，所述减速器信号输出端通过离合器连接有电机，所述扭矩传感器和所述电机输出端均通过内部信号线连接有第一神经网络控制器，所述第一神经网络控制器信号输出端电性连接至所述电子控制单元，所述电子控制单元内部电性设置有电机控制器，所述电机控制器包括第二神经网络控制器和pid控制器，所述第二神经网络控制器和所述pid控制器之间电性连接，所述第二神经网络控制器信号输入端连接有学习算法模块，所述 pid控制器控制输出端连接有所述电机。
5.优选的，所述学习算法模块内部设置为bp神经网络算法，且所述神经网络采用结构为4
‑
10
‑
3的三层bp神经网络，自适应学习效果好，提高控制系统鲁棒性。
6.优选的，所述电子控制单元和所述电机之间通过反馈电流信号形成闭环系统，控制稳定，且能够根据误差值实现自动调节。
7.优选的，所述电子控制单元信号输入端通过信号线输入有转矩信号和车速信号，通过车速信号完成路感控制的实现，通过转矩信号完成助力控制的实现。
8.优选的，所述pid控制器设置为经典增量式控制器，且所述pid控制器输入层分别对应所述第二神经网络控制器的三个输出层，输出层分别对应pid 控制器的三个可调参数kp、ki和kd，能实现参数在线调整，反应速度快，控制效果好。
9.优选的，所述齿轮齿条结构动能输出端通过连接拉杆连接有车轮，实现整车系统
稳定性。
10.与现有技术相比，本实用新型的有益效果是：本实用新型为一种基于神经网络的电动助力转向设备，本实用新型的电动助力转向设备可以显著降低燃油消耗，转向助力大小可以通过电机控制器连接外部软件在线调整，高速度时感受到明显的“路感”，提高了车辆稳定性且系统装配方便，易于维护保养；通过在电子控制单元输入端连接的第一神经网络控制器，其内部神经网络就能够以任意精度逼近任何非线性连续函数，能对输入信号进行函数映射，提高输入数据的精度通过在传统pid控制器输入端连接第二神经网络控制器改善电机控制器，将神经网络算法和经典pid控制算法相结合，其控制器在减小超调、缩短调节时间方面具有明显优于常规pid控制器的特性，而且当电机参数发生较大变化时，仍能保持较好的控制效果，本实用新型控制方法有较好的动静态性能。对比传统pid算法，基于第二神经网络控制器的控制方法响应速度快，超调量好，能够很好的辅助电动助力转向设备全速度范围内的非线性转向，转向效果好，整车稳定性高，适于大范围推广。
附图说明
11.图1为本实用新型整体结构示意图；
12.图2为本实用新型电子控制单元部分电气结构示意框图；
13.图3为本实用新型电机控制器控制策略框图。
14.图中：1
‑
方向盘；2
‑
扭矩传感器；3
‑
转向轴；4
‑
减速器；5
‑
离合器；6
‑ꢀ
电子控制单元；7
‑
电机；8
‑
齿轮齿条结构；9
‑
连接拉杆；10
‑
车轮；11
‑
学习算法模块；12
‑
第二神经网络控制器；13
‑
pid控制器；14
‑
电机控制器；15
‑
第一神经网络控制器。
具体实施方式
15.下面将结合本实用新型实施例中的附图，对本实用新型实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本实用新型一部分实施例，而不是全部的实施例。基于本实用新型中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本实用新型保护的范围。
16.请参阅图1
‑
3，本实用新型提供一种技术方案：一种基于神经网络的电动助力转向设备，包括转向轴3和电子控制单元6，所述转向轴3上端连接有方向盘1，所述方向盘1下方连接有扭矩传感器2，所述扭矩传感器2下方连接有减速器4，所述转向轴3下端连接有齿轮齿条结构8，所述减速器4信号输出端通过离合器5连接有电机7，所述扭矩传感器2和所述电机7输出端均通过内部信号线连接有第一神经网络控制器15，所述第一神经网络控制器15信号输出端电性连接至所述电子控制单元6，所述电子控制单元6内部电性设置有电机控制器14，所述电机控制器14包括第二神经网络控制器12和pid控制器13，所述第二神经网络控制器12和所述pid控制器13之间电性连接，所述第二神经网络控制器12信号输入端连接有学习算法模块11，所述pid控制器13控制输出端连接有所述电机7。
17.所述学习算法模块11内部设置为bp神经网络算法，且所述神经网络采用结构为4
‑
10
‑
3的三层bp神经网络，自适应学习效果好，提高控制系统鲁棒性，所述电子控制单元6和所述电机7之间通过反馈电流信号形成闭环系统，控制稳定，且能够根据误差值实现自动调节，所述电子控制单元6信号输入端通过信号线输入有转矩信号和车速信号，通过车速信号
完成路感控制的实现，通过转矩信号完成助力控制的实现，所述pid控制器13设置为经典增量式控制器，且所述pid控制器13输入层分别对应所述第二神经网络控制器12的三个输出层，输出层分别对应pid控制器的三个可调参数kp、ki和kd，能实现参数在线调整，反应速度快，控制效果好，所述齿轮齿条结构8动能输出端通过连接拉杆9连接有车轮10，实现整车系统稳定性。
18.工作原理：本实用新型为一种基于神经网络的电动助力转向设备，当驾驶员开始操纵方向盘1来完成转向功能的时侯，扭矩传感器2就会把之前检查到的方向盘1转矩信号、车速信号等各类信号通过内部导线首先传输到第一神经网络控制器15，通过内部网络结构对转矩信号、车速信号进行非线性函数映射，通过神经网络的自主学习功能去除输入信号的误差，实现高精度的输入信号，经过映射后的信号通过内部数据线传输至电子控制单元6内部处理器来进行分析，经过传来的各个信号电子控制单元6就可以确定汽车此时的工作状况，通过车速信号完成路感控制的实现，通过转矩信号完成助力控制的实现，同时将车速信号和转矩信号通过内部助力特性单元处理后所得控制电流传输至电机控制器14，电机控制器14接收到该控制电流信号并传输至第二神经网络控制器12，通过学习算法模块11对输入控制电流信号进行自主学习训练后传输至 pid控制器13，采用神经网络的自学习和加权系数调整对pid参数进行调整，得最优参数输出至电机7电信号输入端，电机7将会完成在这一工况下的系统的助力转矩的一个输出，接下来是减速器4在完成减速增扭这一任务之后还要进一步地对转矩进行放大，这一过程是通过齿轮齿条结构8来完成的，最后完成助力转向功能的实现。当方向盘1转矩处于比较大的工况下，为了汽车依然存在着转向轻便性学习算法模块11则根据设置的神经网络自适应学习控制电机 7助力转矩进行相应地增加；同理，当车速处于比较高的工况下，为了使汽车依然拥有比较好的路感学习算法模块11则根据设置的神经网络自适应学习控制电机7助力转矩进行相应地的减小。
19.尽管已经示出和描述了本实用新型的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本实用新型的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本实用新型的范围由所附权利要求及其等同物限定。