悬架高度传感器故障的检测和重构的制作方法

背景技术：

实施例涉及检测传感器故障并修正传感器信号的情况，具体涉及悬架高度传感器。

车辆稳定性系统的诊断监测包括各种监测车辆的各式动态条件的传感器。此类系统采用各种类型的传感器来识别操作的状态条件。例如，侧翻稳定性控制系统利用侧倾速率传感器、俯仰速率传感器以及悬架高度传感器来检测车辆的失稳。响应于检测车辆的失稳，修正动作可由车辆稳定性控制系统通过致动一个或多个车辆操作(例如，驱动、制动、速度控制等)来进行部署，以抵消失稳条件。

当传感器被利用来感测引起失稳的条件时，此类传感器通常被认为是关键的。因此，必须获知这些传感器何时会发生故障。一般而言，为了确保功能的连续操作，从而使得操作员能够靠边停车或车辆能够被检查，这种系统通常使用冗余传感器。冗余传感器为一组相同的传感器，其与主传感器执行相同的功能，但在主传感器发生故障的情况下用于备用，使得备用传感器可被立即利用来提供可靠的测量值。虽然硬件冗余(即多个传感器测量特定的变量)即便在传感器发生故障的情况下也能够确保车辆子系统的可靠操作，但是，由于成本及安装难题，这在汽车工业中并不是优选的解决方案。

技术实现要素：

实施例的优势在于通过使车辆的运动模型和动态模型与未知的输入观测器和估计车辆状态相结合来检测悬架高度传感器的故障、识别哪一特定传感器发生了故障，以及重构故障信号，从而检测和重构故障。对道路坡度和路堤扰动的鲁棒性是所提出的结构的优点。本文所描述的技术利用虚拟传感器值，并测量传感器值，以确定残差。残差与阈值相比较，以确定悬架高度传感器故障是否存在。若悬架高度传感器故障被确定，则技术被应用来确定哪一悬架高度传感器发生了故障。该技术利用模型和观测器来识别悬架高度传感器的各位置处的侧倾故障和俯仰故障。根据各相应位置处的故障状态，故障特征被识别，并与多个预定故障特征相比较，以确定哪一个悬架高度传感器可能会发生故障。响应于确定哪一个悬架高度传感器发生故障，故障信号被重构，以供系统使用来维持稳定性。

实施例预计了一种重构检测到的故障信号的方法。悬架高度传感器故障由处理器进行检测。所检测到的故障悬架高度传感器的信号由处理器通过间接传感器数据进行重构。重构信号输出至控制器，以维持稳定性。

附图说明

图1是示出了配备有稳定性控制传感器的车辆的示意图。

图2是示出了车辆稳定性控制系统的框图。

图3是示出了普通工序流程技术的流程图。

图4是示出了检测故障传感器并重构信号的详细过程的流程图。

图5示出了簧上质量悬架运动模型。

图6示出了故障特征表。

图7示出了重构故障的表。

具体实施方式

以下的详细描述是为了说明的目的，以理解实施例的主题，且其并不旨在限制主题的实施例或此类实施例的应用和用途。词语“示例性”的任何使用旨在被解释为“作为示例、例子或说明”。在此阐明的实施方式是示例性的，且其并不旨在被解释为相比其他实施方式更为优选或有利。本文的描述并不旨在被前述的背景技术、具体实施方式、发明内容或下面的详细描述中提出的任何明确或暗示的理论所约束。

在本文中，技术和科技可按照功能和/或逻辑块部件，以及参照可由各种计算部件或装置执行的操作、处理任务及功能的符号表示来进行描述。此类操作、任务和功能有时被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。应理解的是，附图所示的各种块部件可由任意数量的被配置成执行指定功能的硬件、软件和/或固件部件进行实现。例如，系统或部件的实施例可采用各种集成电路部件(例如，可在一个或多个微处理器或其他控制装置的控制下执行各种功能的存储器元件、数字信号处理元件、逻辑元件、查询表等)。

当在软件中实施时，本文所描述的系统的各种元件本质上是执行各种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有形处理器可读介质中，该有形处理器可读介质可包括任何能够存储或传递信息的介质。非瞬变处理器可读介质的示例包括电子电路、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)、软盘、cd-rom、光盘、硬盘等。

本文所描述的系统和方法可被利用来识别传感器中的故障，且本领域的普通技术人员理解的是，汽车应用仅仅是示例性的，且本文所公开的概念还可应用于任何其他利用悬架高度感测装置的系统。

本文所描述的术语“车辆”可被宽泛地解释为不仅包括乘用车，而且还包括任何其他车辆，该其他车辆包括但不限于：铁路系统、飞机、越野运动车辆、自动操作车辆、机动车、卡车、运动型多用途车(suv)、休闲车(rv)、船舶、航空器、农用车以及工程车辆。

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，以及采用一个或多个控制系统来抵消或最小化失稳条件。参照图1和2，车辆可配备有以下传感器，这些传感器包括但不限于：俯仰速率传感器12、侧倾速率传感器14、偏航速率传感器16、轮速传感器18、方向盘角度传感器20、悬架传感器22以及其他传感器24。俯仰速率传感器12、侧倾速率传感器14、偏航速率传感器16以及其他传感器可与单个模块26结合为一体。

处理器28从传感器中的一个或多个接收感测输入，以处理感测到的输入数据并确定失稳条件。处理器28可为现有系统(例如，牵引力控制系统或其他系统)的一部分，或可为专用于分析来自一个或多个感测装置的数据的独立处理器。

处理器28可联接至一个或多个输出装置(例如，控制器30)，以基于处理器28所实施的分析启动或致动控制动作。

控制器30可控制制动系统32，其中可通过车辆制动来最小化或消除失稳的影响。

控制器30可控制牵引力控制系统34，该牵引力控制系统分别将动力分配至各相应的车轮，以通过相应的车轮减少车轮滑转。

控制器30可控制巡航控制系统36，该巡航控制系统可在检测到失稳时停用巡航控制或限制巡航控制的致动。

控制器30可控制驾驶员信息系统38，以向车辆的驾驶员提供与失稳条件相关的警告。应理解的是，如本文所描述的控制器30可包括一个或多个控制器，该一个或多个控制器控制单独的功能，或可控制功能的组合。

控制器30可进一步控制无线通信装置40的致动，以自主地将失稳条件传达给其他利用车辆到车辆或车辆到基础设施通信系统的车辆。

控制器30可联接至各种其他控制系统或其他系统。

如先前所提出的，系统依赖于获得无故障的传感信息，尤其是在传感器发生故障的情况下。虽然利用冗余传感器可具有鲁棒性，但是冗余传感器价格昂贵，并且需要更多的封装空间。因此，以下技术使得系统无需利用冗余传感器，并使得其可将传感器信号重构为虚拟传感器数据的函数。例如，悬架高度传感器测量悬架系统在相应位置处的高度。若悬架高度传感器发生故障，则错误数据可用于确定车辆的失稳。若检测到故障，且冗余传感器不可用，则系统必须能够重构正确信号。因此，第一步是通过信号确定故障是否发生。第二，从多个传感器中识别出故障传感器。第三，若检测到故障，则必须确定感测信号的重构。

图3是示出了用于检测故障并从故障传感器重构信号的流程的宽泛概述的流程图。在步骤50中，传感器输入被提供至处理器，以分析感测数据。信息直接从专用于感测相应条件的传感器获得。例如，各悬架高度传感器直接负责检测车辆的相应区域处的悬架高度。除了来自这些装置的测量值以外，处理器还从其他可用于估计悬架高度信号的传感器装置接收数据。本文所用术语“虚拟的”指的是，数据并非是直接从专用感测装置接收到的；相反，数据是从其他能够间接估计相应信号的装置接收到的。

在步骤51中，确定了虚拟传感器值和残差。来自非专用感测装置的数据连同车辆模型一起用于计算虚拟传感器值和残差。残差在本文中被定义为直接从专用传感器装置获得的测量值与虚拟传感器值之间的差值。例如，悬架高度的残差是来自相应的悬架高度传感器的测量值与悬架高度的虚拟传感器值的计算结果之间的差值。

在步骤52中，产生了故障阈值。虽然可利用固定阈值，但是优选利用自适应阈值。当利用固定阈值时，扰动、非线性以及不确定性可触发峰值，或大于正常残差，即使是在传感器故障不存在的情况下。若利用较大的固定故障阈值来考虑因素，则检测技术将无法检测较小的故障，而且/或者将会更慢，原因在于，若残差要超过较大的阈值，则其需要较高的激励和更多的时间。若利用较小的固定阈值，则阈值可能过小，以至于无法检测故障。因此，此类残差在利用固定故障阈值时可产生误报。

因此，自适应阈值被用于检测故障。自适应阈值确保在非线性区域中以及苛刻的操纵期间避免误报。此外，除了较小故障的强化可靠检测以外，还可利用自适应阈值来实现线性区域中以及正常操纵期间的故障的快速检测。

在当前驾驶条件和动态区域的基础上通过当前车辆模型和传感数据对自适应故障阈值进行了估计。时间窗口被用于计算自适应阈值，以增强瞬变驾驶条件的可靠性。

在步骤53中，基于所计算出的残差对故障进行了检测，其中该残差超过自适应故障阈值。该技术核对标准以剔除短期异常值并避免误报。异常值可归因于突然的激励和意外的扰动。异常值还可产生短期残差异常。上述标准监测时间窗口，以剔除异常值并确保可靠的故障检测性能。

在步骤54中，响应于检测故障，重构了相应的信号。通过利用故障特征来先识别出多个悬架高度传感器中发生故障的传感器，技术得以重构故障信号。一旦识别出故障特征，就利用虚拟传感器来重构故障传感器信号。.

在步骤55中，重构信号连同与故障相关的信息一起被输出至车辆控制系统。

图4是用于检测故障并重构故障信号的更为详细的流程图。分析故障检测方法依靠系统模型、约束等式以及来自所有可用传感器的集合信息来检测传感器故障。系统的传感器故障-容错设计涉及满足三个主要要求，这些要求包括故障检测、故障隔离以及故障缓解。故障检测是针对系统中的传感故障的及时可靠检测。故障隔离是针对故障传感器的识别/定位。故障缓解是利用系统模型和其他非故障传感器对故障传感信号进行的重构。

在步骤60中，构建了用于被监测系统的模型。该模型利用如下所示的侧倾和俯仰动态特性：

且

其中，φv和θv为簧上质量的侧倾角度和俯仰角度；和为车辆侧倾速率和俯仰速率；hrc和hpc分别表示重力中心与侧倾中心以及重力中心与俯仰中心之间的距离；ix和iy表示绕着车体坐标系的x轴和y轴的惯性矩；和为纵向速度和横向速度的变化速率；vx和vy分别表示纵向速度和横向速度；为偏航速率；φr为路堤角度；θr为道路坡度角度，ms为簧上质量；g为重力加速度；cφ为侧倾阻尼；cθ为俯仰阻尼；kφ为侧倾的刚度系数；且kθ为俯仰的刚度系数。悬架运动模型的相应图示示出在图5中。

以下观测器连同未知输入一同用于估计侧倾状态。用于侧倾状态的观测器如下：

其中，eφ和fφ为侧倾观测器的观测器增益矩阵，其中bφ和dφ为限制增益参数，其中xφ[k]为估计侧倾状态，且其中为未知输入的估计值。

用于俯仰状态的观测器如下：

其中，eθ和fθ为俯仰观测器的观测器增益矩阵，其中bθ和dθ为限制增益参数，其中xθ[k]为估计俯仰状态，且其中为未知输入的估计值。

以下观测器用于估计侧倾状态的路堤角度(φr)，如下所示：

此外，以下观测器用于估计俯仰状态的道路坡度角度(θr)，如下所示：

通过簧上质量运动模型导出的以下输入用于该模型中。如图5所示，簧上质量运动性能用于通过来自安装在车辆的其他三个拐角上的传感器的测量值估计车辆的各拐角处的悬架高度。车体的侧倾角度(φv)和俯仰角度(θv)利用各拐角处的悬架高度传感器来进行估计。该多个估计值将用于以下等式中，以检测和重构传感器故障。

在步骤61中，对传感输入进行了读取或估计。传感输入包括但不限于：悬架高度(δzij)、侧倾速率偏航速率纵向和横向加速度部件以及车轮角速度(ωij)。

在步骤62中，作出了关于是否需要重新初始化(例如，车辆处于静止状态中)的确定。若车辆处于静止状态中，则例程返回至步骤60；否则，例程进行到步骤63。

在步骤63中，基于测量高度确定了悬架高度(δzij)。

在步骤64中，确定了估计(虚拟)悬架高度。通过簧上质量车辆模型(如图5所示)的示意图，可利用安装在其他三个拐角上的传感器来估计各拐角的虚拟悬架高度的位置，如下所示：

其中几何函数以及利用拐角位置来进行计算。下标ij∈{fl,fr，rl，rr}表示左前(fl)拐角、右前(fr)拐角、左后(rl)拐角以及右后(rr)拐角，且为估计悬架高度。下标-ij表示一种情况，在该情况中，传感器ij所提供的悬架高度不用于计算中。此外，当不使用悬架高度传感器ij时，估计侧倾角度和俯仰角度可撰写为：

这些估计值用作为输入至侧倾动态特性观测器和俯仰动态特性观测器的输入。

因此，虚拟悬架高度利用间接传感器数据，该间接传感器数据不一定专用于检测该位置处的悬架高度，但可与其他数据相配合地使用来确定相应位置的虚拟悬架高度。

在步骤65中，基于测量悬架高度和虚拟悬架高度确定了残差。换言之，悬架高度的残差(rzij)被确定为测量悬架高度(δzij)与虚拟悬架高度之间的差值。在各相应位置处确定了四个残差。悬架高度的残差通过如下公式确定：

此外，侧倾速率的残差被确定为测得的侧倾速率与通过观测器估计的虚拟侧倾速率之间的差值。虚拟侧倾速率的残差通过如下公式进行确定：

类似地，俯仰速率的残差被确定为测得的俯仰速率与利用观测器估计的虚拟俯仰速率之间的差值。虚拟俯仰速率的残差通过如下公式进行确定：

在步骤66中，确定了用于悬架高度的瞬时自适应故障阈值，以与残差相比较。用于确定瞬时自适应故障阈值的公式如下所示：

其中，为确定阈值的固定最小值的静态界限，且为将纵向和横向激励的影响添加至残差阈值的恒定增益。

在步骤67中，为了增强技术对瞬变区域中的误报的鲁棒性，在时间窗口上对瞬时自适应故障阈值进行了评估，该评估如下所示：

其中wz为时间窗口的长度，且为动态故障阈值。

在步骤68中，作出了关于残差是否超过动态自适应故障阈值的比较。当系统不存在故障时，残差降低到动态自适应故障阈值以下。作出了核对，以确定残差是否超过如以下条件所示的动态自适应故障阈值：

若残差超过动态自适应故障阈值，则例程进行到步骤69；否则，例程进行到步骤72。

在步骤69中，响应于残差超过动态自适应故障阈值，最初被设为零的故障状态计数器获得了增长，如以下公式所示：

虽然每一跨越阈值的单个事件都可被认为是故障，然而实际上，根据定义，故障应持续一段时间，然后才被标记为故障。因此，在步骤70中，作出了关于故障是否具有持续性的确定。作出了关于残差是否在nz次连续抽样次数中高于动态自适应故障阈值(即故障具有持续性)的核对。若条件成立，则例程进行到步骤71；否则，例程进行到步骤78。

在步骤71中，响应于确定故障具有持续性，故障状态被设为1。

在步骤72中，作出了关于故障状态是否被设为1的确定。若故障状态被设为1，则例程进行到步骤73；否则，例程进行到步骤75。

各拐角的故障将导致四个残差全部超过阈值，随后，可察觉到四个故障状态，且相应的标志被设为1。因此，仅利用悬架高度传感器可能仍然无法定位到故障。因此，始终具有相同的值的四个故障状态可组合成单个故障状态(sz)。故障的定位将利用侧倾速率残差、俯仰速率残差以及故障特征表来进行执行。

在步骤73中，通过故障特征表对故障传感器进行了识别。通过先前所述的残差对故障的检测和定位进行了识别。引入了一个示例，其中，悬架高度传感器和俯仰速率传感器是正常的，而侧倾速率传感器发生故障。在此条件下，输入至侧倾观测器的输入是正确的，因为这些输入是利用正常悬架高度传感器来进行计算的。因此，观测器可准确地估计车辆的侧倾速率由于侧倾速率传感器发生了故障，因此来自观测器的四个估计侧倾速率中没有一个与从故障传感器测得的侧倾速率相匹配。因此，侧倾残差超过阈值，并导致四个侧倾故障状态等于1([sφ-flsφ-frsφ-rlsφ-rr]＝[1111])。在类似的情况下，悬架高度的故障状态等于0[sz]＝[0]，因为这些传感器全部都是正常的，且悬架残差降低到阈值以下。类似地，俯仰速率残差全部都降低到它们相应的阈值之下，且输入至俯仰观测器的输入不受任何故障的影响。因此，俯仰速率故障状态全部都等于本文所描述的故障状态的组合产生了侧倾速率传感器故障的故障特征

因此，有关故障特征的相同技术可指定给各种可能的传感器故障，如图6的表所示。作为示例，图6中的表显示，左前悬架高度传感器的故障产生了独特的故障特征其中*∈{01}表示决策过程中不重要的故障状态。因此，可利用图6所示的表中的故障特征来检测和定位各传感器的故障。

在步骤74中，由于所识别到的故障特征，可利用图7所示的表中的估计状态来重构与悬架高度相关的故障传感器。若设有相应的测量信号，则观测器仍可用于估计路堤角度和道路坡度角度。重构信号之后，例程进行到步骤76。

在步骤75中，响应于步骤72中关于故障状态不等于1的确定，重置了故障状态计数。例程进行到步骤76。

在步骤76中，无故障悬架高度信号被提供至估计和控制模块。

在步骤77中，故障状态被传送至估计和控制模块。

在步骤78中，例程等待下一样本数据组。接收到下一样本数据组之后，例程返回至步骤61，其中，在该步骤中获得并记录了估计的传感输入。

虽然已详细描述了本发明的某些实施例，但是本发明所属领域的技术人员将认识到各种用于实现以下权利要求书所限定的本发明的可选设计和实施例。