俯仰率传感器故障的检测和重建的制作方法

背景技术：

实施例涉及检测传感器故障和修正传感器信号的状态。

车辆稳定性系统的诊断监测包括监测车辆的各种动态条件的多种传感器。此类系统采用用于识别操作的状态条件的各种类型的传感器。例如，侧翻稳定性控制系统利用侧倾率传感器和俯仰率传感器来检测车辆的不稳定性。响应于检测到车辆的不稳定性，车辆稳定性控制系统可通过致动一个或多个车辆操作(例如，驾驶、制动、速度控制)部署修正动作以抑制不稳定条件。

当传感器用于感测促成不稳定性的条件时，此类传感器通常认为是关键。因此，必须已知这些传感器何时发生故障。通常，为了保证功能的持续操作使得操作者靠边停车或对汽车进行检查，此系统通常利用冗余传感器。冗余传感器是与初级传感器执行相同功能的一组相同传感器但是在初级传感器失效的事件中用于备份使得备份传感器可以立即用于提供可靠测量。虽然尽管存在传感器失效，硬件冗余(即，多个传感器测量具体变量)仍然可确保车辆子系统的可靠操作，但是其归因于成本和安装挑战性而并非汽车行业中的优选解决方案。

技术实现要素：

实施例的优点是通过组合车辆运动学和动态模型与未知输入观察值和估计的车辆状态以检测和重建故障来对俯仰传感器的故障的检测和对有故障信号的重建。针对路面坡度和路堤干扰的鲁棒性是所提出结构的优点。本文所述的技术利用模型、观察值和自适应故障阈值来确保更快且更可靠的性能。通过利用自适应故障阈值，减少使用固定阈值的问题(诸如即使不存在传感器故障也可能会触发尖峰或大于正常残差的干扰、非线性度和不确定性)。自适应阈值可以调整成基于发生在车辆中的动态条件来解决检测大小故障的问题。

实施例预期一种重建检测到的故障信号的方法。由处理器检测俯仰传感器故障。处理器使用间接传感器数据重建检测到的有故障的俯仰传感器的信号。向控制器输出重建信号以维持稳定性。

附图说明

图1说明配备稳定性控制传感器的车辆的图示。

图2是车辆稳定性控制系统的框图。

图3是一般程序流技术的流程图。

图4是检测失效传感器和重建信号的详细程序的流程图。

图5是车辆俯仰角模型的示例性图示。

图6说明簧上质量悬架运动学模型。

图7a至7d表示在无故障条件期间的各个时刻处获取的多组示例性俯仰数据。

图8表示说明无故障条件的故障状态曲线图。

图9是比较实际信号、故障信号和重建信号的曲线图。

图10a至10d表示在故障条件期间的各个时刻处获取的多组示例性俯仰数据。

图11表示说明整个采样周期期间的故障条件的故障状态曲线图。

图12是比较实际信号、故障信号和重建信号的曲线图。

图13a至13d表示在故障条件期间的各个时刻处获取的多组示例性俯仰数据。

图14表示说明采样周期的一部分期间的故障条件的故障状态曲线图。

图15是比较实际信号、故障信号和重建信号的曲线图。

具体实施方式

以下详细描述意味着说明性的以理解实施例的主题并且不旨在限制主题的实施例或此类实施例的应用和用途。单词“示例性”的任何使用均旨在被解译为“用作实例、范例或说明”。本文陈述的实施方案是示例性的并且并不意味着被解释为相比其它实施方案更优选或更有利。本文的描述并不意味着受限于前述发明背景、附图简述、发明内容或具体实施方式中呈现的任何明确或隐含的理论。

技术及工艺在本文可以就功能和/或逻辑块部件来描述，并且能以可由各种计算部件或装置执行的参考操作、处理任务和功能的符号来描述。此类操作、任务和功能有时候称为是计算机执行的、计算机化的、软件实施的或计算机实施的。应当明白的是，图中所示的各个块部件可以由配置成执行指定功能的任何数量的硬件、软件和/或固件部件来实现。例如，系统或部件的实施例可以采用各种集成电路部件(例如，存储器元件、数字信号处理元件、逻辑元件、查找表等，其可以在一个或多个微处理器或其它控制装置的控制下实行多种功能)。

当在软件中实施时，本文所述的系统的各个元件本质上是执行各项任务的代码段或计算机可执行指令。在某些实施例中，程序或代码段存储在可以包括可存储或传送信息的任何介质的有形处理器可读介质中。非暂时性且处理器可读介质的实例包括电子电路、微控制器、专用集成电路(asic)、半导体存储器装置、rom、闪速存储器、可擦除rom(erom)、软磁盘、cd-rom、光盘、硬盘等。

本文所述的系统和方法可用于识别传感器中的故障，本领域一般技术人员应明白的是，汽车应用仅仅是例示性的且本文公开的概念也可以应用于利用俯仰率感测装置的任何其它系统。

如本文所述的术语“车辆”可广泛地解释为不但包括乘用车，而且包括任何其它车辆，该任何其它车辆包括(但不限于)轨道系统、飞机、越野运动车辆、机器人车辆、机动车、卡车、运动型多用途车(suv)、露营车(rv)、军用车、飞行器、农用车和施工车辆。

车辆稳定性控制系统利用多个传感器来感测车辆操作条件和采用一个或多个控制系统以抵消或最小化不稳定性条件。参考图1和2，车辆可以配备以下传感器，其包括(但不限于)俯仰率传感器12、侧倾率传感器14和偏航率传感器16、轮速传感器18、转向传感器20、悬架传感器22和其它传感器24。俯仰率传感器12、侧倾率传感器14和偏航率传感器16以及其它传感器可以与单个模块26集成。

处理器28从一个或多个传感器接收感测到的输入用于处理感测到的输入数据和确定不稳定条件。处理器28可以是诸如牵引控制系统或其它系统的现有系统的部分，或可为专用于分析该一个或多个感测装置中的数据的独立处理器。

处理器28可耦接至诸如控制器30的一个或多个输出装置用于在基于由处理器28施用的分析时起始或致动控制动作。

控制器30可以控制制动系统32，其中可使用车辆制动最小化或消除不稳定性的影响。

控制器30可以控制牵引控制系统34，其向每个相应车轮单独地分配动力以减小相应车轮的车轮滑移。

控制器30可以控制巡航控制系统36，当检测到不稳定性时，该巡航控制系统可撤销巡航控制或限制巡航控制的启动。

控制器30可以控制驾驶员信息系统38用于向车辆的驾驶员提供关于不稳定条件的警告。应当理解的是，如本文所述的控制器30可以包括控制单独功能或可以控制功能组合的一个或多个控制器。

控制器30可以进一步控制无线通信装置40的致动以利用车辆间或车辆-基础设施通信系统向其它车辆自主地传送不稳定条件。

控制器30可以耦接至各种其它控制系统或其它系统。

如先前陈述，该系统依赖于获得无故障信息，且当发生传感器失效时更加重要。虽然利用冗余传感器可能是鲁棒性的，但是冗余传感器昂贵并且需要增加封装空间。因此，以下技术允许系统不必利用冗余传感器和将传感器信号重建为虚拟传感器数据的功能。例如，俯仰率传感器测量围绕其横向轴线的车辆的转速。如果俯仰率传感器出现故障，那么可以利用错误数据来确定车辆的不稳定性。如果检测到故障且如果没有冗余传感器可用，那么该系统必须能够重新配置正确信号。因此，第一步骤是确定该信号是否发生故障。其次，如果检测到故障，那么必须确定感测到的信号的重新配置。

图3说明用于检测故障和重构故障传感器中的信号的程序的整体概述的流程图。在步骤50中，向处理器提供传感器输入用于分析感测到的数据。直接从专用于感测相应条件的传感器获得信息。例如，俯仰率传感器直接负责检测车辆的俯仰率。除这些装置中的测量值外，处理器还从可用于估计虚拟俯仰率信号的其它传感器装置接收数据。如本文所述的术语虚拟是指并非直接从专用感测装置接收数据而是从可间接地估计相应信号的其它装置接收数据的事实。

在步骤51中，确定虚拟传感器值和残差。使用非专用感测装置中的数据连同车辆模型来计算虚拟传感器值和残差。残差在本文限定为直接获自专用传感器装置的测量值与虚拟传感器值之间的差值。例如，俯仰率的残差将是俯仰率传感器中的测量值与俯仰率的虚拟传感器值计算之间的差值。

在步骤52中，产生故障阈值。虽然可以利用固定阈值，但是优选地利用自适应阈值。在利用故障阈值时，即使不存在传感器故障，干扰、非线性度和不确定性也可能会触发尖峰或大于正常残差。如果使用大的固定故障阈值来解决问题，那么检测技术将无法检测更小故障和/或将随着残差通过大的阈值需要更高激励和更多时间而变得更慢。如果利用小的固定阈值，那么该阈值可能太小而无法检测到故障。因此，使用固定故障阈值时的此类残差可产生误报。

因此，使用自适应阈值来检测故障。自适应阈值确保在非线性区域中和恶劣操控期间避免误报。另外，除增强更小故障的可靠检测外还可利用自适应阈值来实现非线性区域中和恶劣操控期间的故障的更快检测。

自适应故障阈值是基于当前驾驶条件和动态区域使用当前车辆模型和感测数据来估计。时间窗用于计算自适应阈值以增强瞬间驾驶条件中的可靠性。

在步骤53中，基于计算的残差超过自适应故障阈值检测到故障。这种技术检查一定标准来拒绝短期异常值并且避免误报。异常值可起因于断开激发和突然干扰。异常值还可产生短期残差异常。该标准监测时间窗以拒绝异常值并且确保可靠故障检测性能。

在步骤54中，响应于检测到故障，重建相应的俯仰率信号。该技术使用虚拟传感器值重建失效信号。虚拟传感器的加权平均函数用于重建俯仰率。权重是基于当前驾驶条件而自适应地调谐。利用自适应权重，针对归因于包括(但不限于)高滑移、车轮锁定的各种因素的虚拟传感器不精确的情况可实现更精确重建。

在步骤55中，向车辆控制系统输出重建信号连同与故障有关的信息。

图4是用于检测故障和重建故障信号的更详细流程图。分析故障检测方法依赖于系统模型、约束方程和所有可用传感器中用于检测传感器故障的集体信息。用于系统的传感器容错设计涉及满足包括故障检测、故障隔离和故障缓解的三个主要要求。故障检测是系统中的感测故障的及时且可靠检测。故障隔离是故障传感器的识别/定位。故障缓解是使用系统模型和其它无故障传感器对失效感测信号的重建。

在步骤60中，针对受监测系统重建模型。该模型使用俯仰率表示如下：

其中θv分别是簧上质量的俯仰角；是车辆俯仰率；hpc表示重心与俯仰中心之间的距离；iy表示围绕车体坐标系统的y轴的惯性矩；vy是横向速度；表示纵向速度的变化率；是偏航率；θr是路面坡度角；ms是簧上质量；g是重力加速度；cθ是俯仰阻尼；且kθ是俯仰的刚度系数。图5中示出俯仰模型的相应图示。

以下观察值用于估计俯仰状态连同未知输入。俯仰状态的观察值如下：

其中eθ和fθ是俯仰观察值的观察值增益矩阵，其中bθ和dθ是界限增益参数，其中xθ[k]是估计的俯仰状态，且其中是未知输入的估计值。

以下观察值用于如下估计俯仰状态的路面坡度角(θr)：

该模型中使用如通过簧上质量运动学模型推导的以下输入。簧上质量运动学用于使用如图6所表示般安装在车辆的其它三个拐角上的传感器中的测量值来估计车辆的每个拐角处的悬架高度。使用每个拐角处的悬架高度传感器估计车体的俯仰角θv。这些估计将在以下方程中使用以检测和重建传感器故障。使用模型的簧上质量和每个拐角的悬架高度的位置，可使用安装在另外三个拐角上的传感器如下估计悬架高度：

其中使用拐角位置计算几何函数和下标ij∈{fl,fr,rl,rr}指示左前(fl)、右前(fr)、左后(rl)和右后(rr)拐角，且是估计的悬架高度。下标-ij表示其中计算中不使用由传感器ij提供的悬架高度的案例。另外，可将当不使用悬架高度传感器ij时的俯仰角写为：

在步骤61中，读取或估计感测输入。感测输入包括(但不限于)悬架高度(δzij)、俯仰率偏航率纵向和横向加速度以及车轮角速度(ωij)。

在步骤62中，做出关于是否需要重新初始化的确定，诸如车辆固定。如果车辆固定，那么例程返回进行至步骤60；否则，例程进行至步骤63。

在步骤63中，基于俯仰率模型确定车体俯仰率

在步骤64中，确定虚拟俯仰率。使用以下公式确定虚拟俯仰率：

其中是呈虚拟传感器的形式的估计的车辆俯仰率，是使用未以ij下标为索引的相应车辆传感器计算的估计的车体侧倾率，r是描述车辆簧上质量相对于框架参考坐标系统的定向的旋转矩阵，是估计的车辆俯仰角，是估计的车辆侧倾角，且是路面坡度角的估计的变化率，其全部使用未以ij下标为索引的车辆传感器而计算。

使用间接测量确定虚拟俯仰率。即，实际俯仰率可以使用是专用于确定俯仰率的传感器中的直接测量值的输入来确定，而虚拟俯仰率利用不必专用于检测俯仰的间接传感器数据，但是可与其它数据相配合地确定俯仰。

在步骤65中，基于测量的俯仰率和虚拟俯仰率确定残差。即，俯仰率的残差确定为测量的俯仰率与虚拟俯仰率之间的差值。虚拟俯仰率的残差是由以下公式确定：

在步骤66中，确定瞬时自适应故障阈值。俯仰率的瞬时自适应故障阈值是利用以下公式确定：

其中ax是纵向加速度，bdθ确定阈值的固定静态界限，其中常数bdθ将纵向激励的函数与阈值相加。

在步骤67中，为了使该技术鲁棒性克服瞬变区域中的误报，在时间窗中执行自适应阈值的评估。俯仰率的自适应阈值是由以下方程表示：

其中tθ是动态自适应故障阈值，且其中wθ是俯仰感测操作期间用于计算阈值的时间窗的长度。

在步骤68中，基于残差是否大于动态自适应故障阈值而做出关于是否应将递增故障状态计数递增的确定。用于俯仰率的这种状态的确定是由以下方程确定：

如果确定残差大于动态自适应故障阈值，那么例程进行至步骤69；否则，例程进行至步骤72。

在步骤69中，当残差超过动态自适应故障阈值时，最初设定为0的故障状态计数器递增。以下公式表示递增公式：

在步骤70中，虽然可将与自适应阈值相交的每个单一事件视为故障，但是失灵要识别为故障应当要持续一定时间周期。因此，做出关于故障是否持续的确定。这是通过确定残差是否大于动态自适应故障阈值持续连续次数nz来执行。该确定可以由以下公式表示：

如果确定故障持续，那么例程进行至步骤71；否则，例程进行至步骤77。

在步骤71中，响应于例程得出失灵持续的结论，将故障状态设定为1。

在步骤72中，做出关于是否将故障状态设定为1的确定。如果将故障状态设定为1，那么例程进行至步骤73；否则，例程进行至步骤74。

在步骤73中，响应于将故障状态设定为1，重建故障信号。俯仰率信号的重建是由以下公式表示：

其中是重建的俯仰率信号，且w-ij表示权重因子。响应于重建故障信号，例程前进至步骤75。

再次参考其中做出关于是否将故障状态设定为1的确定的步骤72，响应于未将故障状态设定为1，例程进行至步骤74。在步骤74中，响应于未将故障状态设定为1而将故障状态计数复位。

在步骤75中，向估计和控制模块提供无故障信号(例如，无故障俯仰率信号)。

在步骤76中，向估计和控制模块传递故障状态。

在步骤77中，例程等待下一组样本数据。在接收到下一组样本数据之后，例程返回至其中获得并且记录感测的估计输入的步骤61。

图7a至7d表示在不同的时刻获取的一组样本数据。曲线图上绘制了残差和阈值。垂直轴是以r/s衡量且水平轴是以秒衡量。在每个曲线图中，残差是由线80表示且阈值是由线82表示。如果残差80保持低于阈值，那么确定无故障。这是由图8中说明的故障状态曲线图所示。“0”信号指示无故障状态，而“1”信号指示检测到的故障。故障状态信号大体上是由指示不存在故障的线84表示。

图9说明了说明实际信号86、故障(测量)信号88和重建信号90的曲线图。因为不存在故障，所以相应的信号86、88和90中的每一个均彼此相同和重叠。

图10a至10d表示在不同的时刻获取的另一组样本数据。如图10a至10d中所说明，大体上由80表示的残差在开始数据采样时超过阈值82。因此，故障传感器在开始采样时产生偏压信号。

图11说明故障状态曲线图。如图11中所示，在开始数据采样时检测到故障且如由故障状态(线)84所表示般立即将故障设定为“1”。

图12说明了说明实际信号86、故障(测量)信号88和重建信号90的曲线图。故障信号88大幅偏离实际信号86。重建信号90利用本文所述的技术以直接从采样周期开始便重建故障信号88，这是因为一开始便发生故障。因此，重建信号90基本上类似于实际信号86。其它控制器和系统可以进一步依赖于重建信号90。

图13a至13d表示在不同的时刻获取的又一组样本数据。如图13a至13d中所说明，残差80在数据采样期间超过阈值82。如图13a至13d中所示，残差80的信号的各个部分在采样的数据的各个时刻期间超过阈值82。因此，残差80持续超过阈值82的时间期间发生故障。

图14说明故障状态曲线图。如图14中所示，在采样周期中间(例如，7s)检测到故障。故障信号84在采样周期开始时复位并且接着在采样周期的7s标记处设定为“1”，且继续在采样周期的整个剩余部分中出现故障。

图15说明了说明实际信号86、故障(测量)信号88和重建信号90的曲线图。故障信号88大幅偏离实际信号86。重建信号90利用本文所述的技术以在检测到故障信号的5秒钟标记处重建故障信号88。因此，利用本文所述的技术在失效时(5sec)重建故障信号88。重建信号88基本上镜像复制实际信号86，该重建信号此后可用于其它控制器或其它系统且其它控制器或其它系统依赖于该重建信号。

虽然已经详细地描述了本发明的某些实施例，但是熟悉本发明所涉及的领域的技术人员将会认识到如以下权利要求所限定的用于实践本发明的各种替代设计和实施例。