基于变参数模型的智能车辆转向执行器故障诊断

doi:10.12068/j.issn.1005-3026.2024.07.001

摘要/Abstract

摘要：

为解决传统车辆研究将纵向车速设为定值的问题，设计一种基于观测器的鲁棒增益调度故障诊断算法.首先，以纵向车速为调度变量，同时考虑执行器故障、模型不确定性以及外部干扰，在传统车辆模型基础上建立四轮转向线性变参数（linear parameter varying，LPV）数学模型.然后，对执行器故障进行状态重构，设计具有可变权重因子的鲁棒增益调度观测器，实现对车辆状态信息及执行器故障信号的双重估计.最后，选取双移线和蛇形工况，通过MATLAB/Simulink和Carsim联合仿真，结果表明，所设计的执行器故障诊断算法能有效处理车辆纵向车速的时变特性，在复杂工况下能及时快速地跟踪车辆的状态及故障信息，突破了原有传统车辆故障诊断算法的局限性.

关键词: 智能车辆, 线性变参数, 执行器故障, 故障诊断, 增益调度

Abstract:

In order to solve the problem that the longitudinal vehicle speed is set as a constant value in traditional vehicle research， a robust gain scheduling fault diagnosis algorithm is designed based on an observer. Firstly， by taking the longitudinal vehicle speed as the scheduling variable， while considering actuator fault， model uncertainty and external interference， a mathematical model using linear parameter varying （LPV） is established on the basis of the traditional vehicle model. Then， the state of the actuator fault is reconstructed， and a robust gain scheduling observer with variable weight factor is designed to achieve dual estimation of vehicle state information and actuator fault signals. Finally， joint simulations using MATLAB/Simulink and Carsim are carried out under double lane change and snake maneuvers. The results show that the designed actuator fault diagnosis algorithm can effectively deal with the time?varying characteristics of vehicle longitudinal speed， and track the vehicle state and fault information timely and accurately under complex working conditions， which breaks through the limitations of traditional vehicle fault diagnosis algorithms.

Key words: intelligent vehicle, linear parameter varying, actuator fault, fault diagnosis, gain scheduling

中图分类号:

TP 273

王宏伟, 李磊, 刘晨宇, 汪洵. 基于变参数模型的智能车辆转向执行器故障诊断[J]. 东北大学学报（自然科学版）, 2024, 45(7): 913-920.

Hong-wei WANG, Lei LI, Chen-yu LIU, Xun WANG. Steering Actuator Fault Diagnosis of Intelligent Vehicle Based on Variable Parameter Model[J]. Journal of Northeastern University(Natural Science), 2024, 45(7): 913-920.

图/表 12

图1 车辆动力学模型

Fig.1 Vehicle dynamic model

图2 纵向速度变化曲线

Fig.2 Change curve of longitudinal velocity

图3 前后轮转角输入曲线（双移线工况）

Fig.3 Input curves of front and rear wheel angles

图4 横向速度响应曲线（双移线工况）

Fig.4 Response curves of lateral velocity

图5 横摆角速度响应曲线（双移线工况）

Fig.5 Response curves of yaw rate (double?lane change maneuver)

图6 前轮故障变化曲线

Fig.6 Change curves of front wheel fault

图7 后轮故障变化曲线

Fig.7 Change curves of rear wheel fault

图8 前后轮转角输入曲线（蛇形工况）

Fig.8 Input curves of front and rear wheel angles

图9 横向速度响应曲线（蛇形工况）

Fig.9 Response curves of lateral velocity (snake maneuver)

图10 横摆角速度响应曲线（蛇形工况）

Fig.10 Response curves of yaw rate (snake maneuver)

图11 前轮故障变化曲线

Fig.11 Change curves of front wheel fault

图12 后轮故障变化曲线

Fig.12 Change curves of rear wheel fault

参考文献 9

1	Wang J L， Yuan X F， Liu Z X，et al.Adaptive dynamic path planning method for autonomous vehicle under various road friction and speeds［J］.IEEE Transactions on Intelligent Transportation Systems，2023，24（10）：10977-10987.
2	Huang T L， Wang J， Pan H H，et al.Finite‑time fault‑tolerant integrated motion control for autonomous vehicles with prescribed performance［J］.IEEE Transactions on Transportation Electrification，2023，9（3）：4255-4265.
3	Wang R R， Jing H， Hu C，et al.Robust H‑infinity path following control for autonomous ground vehicles with delay and data Dropout［J］.IEEE Transactions on Intelligent Transportation Systems，2016，17（7）：2042-2050.
4	Sakthivel R， Mohanapriya S， Ahn C K，et al.State estimation and dissipative‑based control design for vehicle lateral dynamics with probabilistic faults［J］.IEEE Transactions on Instrumentation and Measurement，2018，65（9）：7193-7021.
5	Chu S Q， Xie Z C， Wong P K，et al.Observer‑based gain scheduling path following control for autonomous electric vehicles subject to time delay［J］.Vehicle System Dynamics，2022，60（5）：1602-1626.
6	Guo B， Chen Y.Robust adaptive fault‑tolerant control of four‑wheel independently actuated electric vehicles［J］.IEEE Transactions on Industrial Informatics，2020，16（5）：2882-2894.
7	Guo J H， Wang J Y， Luo Y G，et al.Robust lateral control of autonomous four‑wheel independent drive electric vehicles considering the roll effects and actuator faults［J］.Mechanical Systems and Signal Processing，2020，143：1-17.
8	Zhang H， Wang J M.Active steering actuator fault detection for an automatically‑steered electric ground vehicle［J］.IEEE Transactions on Vehicular Technology，2017，66（5）：3685-3702.
9	Li X， Desouza C E.Criteria for robust stability and stabilization of uncertain linear systems with state delay［J］.Automatica，1997，33（9）：1657-1662.

[1]	任朝晖, 刘玉麟, 姜泽宇, 陈翔宇. 基于模糊增益滑模四旋翼无人机自适应容错控制[J]. 东北大学学报（自然科学版）, 2024, 45(2): 209-216.
[2]	王宏伟，张昊天，韩杰，刘晨宇. 不确定车辆电子稳定控制系统传感器故障估计[J]. 东北大学学报（自然科学版）, 2023, 44(1): 1-8.
[3]	王娜，李杨，彭锟. 基于多角度特征提取的舵机故障诊断方法[J]. 东北大学学报（自然科学版）, 2022, 43(9): 1240-1249.
[4]	侯东晓，穆金涛，方成，时培明. 基于GADF与引入迁移学习的ResNet34对变速轴承的故障诊断[J]. 东北大学学报（自然科学版）, 2022, 43(3): 383-389.
[5]	王宏伟，王倩玉，韩杰，张昊天. 基于观测器的车辆电子稳定控制系统执行器故障重构[J]. 东北大学学报（自然科学版）, 2022, 43(3): 313-320.
[6]	任朝晖，于天壮，丁东，周世华. 基于VMD-DBN的滚动轴承故障诊断方法[J]. 东北大学学报（自然科学版）, 2021, 42(8): 1105-1110.
[7]	罗忠，徐迪，李雷，马辉. 基于改进二阶循环平稳解卷积的轴承故障检测方法[J]. 东北大学学报（自然科学版）, 2021, 42(5): 673-678.
[8]	张永超，李琦，任朝晖，周世华. 基于域适应与分类器差异的滚动轴承跨域故障诊断[J]. 东北大学学报（自然科学版）, 2021, 42(3): 367-372.
[9]	王新刚，王超，韩凯忠. 基于优化VMD和MCKD的滚动轴承早期故障诊断方法[J]. 东北大学学报（自然科学版）, 2021, 42(3): 373-381.
[10]	唐传茵，赵懿峰，赵亚峰，周淑文. 智能车辆轨迹跟踪控制方法研究[J]. 东北大学学报:自然科学版, 2020, 41(9): 1297-1303.
[11]	李国军，李依擎，邱勇. 园区供热管网泄漏工况建模及分析[J]. 东北大学学报:自然科学版, 2020, 41(10): 1402-1409.
[12]	侯延彬，陈炳均，高宪文. 基于GM-ELM的有杆泵抽油井故障诊断[J]. 东北大学学报:自然科学版, 2019, 40(12): 1673-1678.
[13]	徐林，郑晓彤，付博，田歌. 基于改进GAN算法的电机轴承故障诊断方法[J]. 东北大学学报:自然科学版, 2019, 40(12): 1679-1684.
[14]	王大志，江雪晨，宁一，赵琳琳. 一种改进的电网故障诊断解析模型[J]. 东北大学学报:自然科学版, 2016, 37(8): 1065-1069.
[15]	江雪晨，王大志，宁一，刘晓琴. 基于模型诊断和skyline查询的电网故障诊断[J]. 东北大学学报:自然科学版, 2016, 37(6): 765-769.