机动车辆控制电路的制作方法

1.本发明涉及车辆运动控制系统的机动车辆控制电路的改进，并且特别地涉及包括pid控制器的控制电路。


背景技术：

2.现代车辆包括多种运动控制系统，其中两个非常常见的系统包括电动助力转向系统(eps)和电动制动器。电动助力转向系统使用马达形式的致动器施加辅助扭矩来辅助驾驶员转动方向盘。电动制动系统类似地使用致动器来响应于驾驶员压下制动踏板而施加制动。
3.在每种情况下，通过向系统馈送合适的控制信号，车辆动力学或运动可以受到影响，而与驾驶员的输入无关。此类系统的示例包括：车道保持辅助(lka)系统，其中通过位置控制来操作转向使得车辆在高速公路上保持在车道内，以及紧急制动，其中当检测到危险时操作制动器，而与驾驶员的动作无关。
4.车辆上的任何运动控制系统都会响应于输入信号而产生某种输出，并且将包括用于控制致动器的某种控制器。一种常用的合适的控制器是pid控制器。在使用中，表示致动器的某个所需行为(诸如马达的电流)的设定点值与该行为的测量值相结合，以提供指示所要求的与实际发生的之间的差异的误差信号。该误差信号被馈送到pid控制器中，pid控制器进而输出控制信号，使致动器跟踪设定值，pid控制器不断地调整控制信号，使得误差信号最小化并且实现跟踪。这形成了运动控制系统的闭环控制，并且可以为所涉及的致动器提供高准确度控制。
5.之所以被称为pid控制器是因为它可以使用三个控制项，每个控制项通常被表达为增益值kp、ki、kd，其对控制系统的信号输出反馈具有按比例、积分和微分控制效果。这些原理从文献中是众所周知的并且可以表达为：
6.参考图1，用于致动器2或其它受控装置的pid控制器1计算误差值e作为期望设定点y_set与受控装置的行为之间的差，并基于误差的按比例、积分和微分控制项施加校正。控制器尝试通过调整从控制器输出并用于控制装置t的控制信号u来随时间最小化误差。在包括三相直流马达的装置的情况下，该控制致动信号可以定义dq参考系中的马达电流或将被施加到马达相的特定电压波形，并且可以被馈送到逆变器，该逆变器进而生成施加到逆变器开关的脉宽调制信号。
7.控制器1的性能将显著取决于三个增益项p、i和d的选择，并且选择增益项的过程在本领域中被称为控制器的调谐。增益项通常在系统的设计阶段期间被设定为固定值，并且可以被修改以适合车辆中的特定应用。固定增益项的一个问题是，随着时间的推移，调谐可能会变得次优，因为它们正控制的系统在特征方面在内部偏离设计阶段的情况而改变，并且它们可能对于车辆操作状况的某些变化不是最优的。


技术实现要素：

8.申请人提出了一种控制电路，其改善了如上所述的现有技术机动车辆控制电路的局限性。
9.根据第一方面，本发明提供了一种机动车辆控制电路，结合到响应于车辆控制电路的输出的车辆的运动控制系统中，其中控制电路包括：pid控制器，其在输入端处接收用于闭环控制系统的设定点信号，并且提供馈送到运动控制系统的控制信号作为输出，控制器与运动控制系统被布置在闭环中，以最小化指示如由需求信号指示的运动控制系统的所需行为与运动控制系统的实际行为之间的差异的误差值；以及神经网络，其具有神经元输入层、至少一个神经元隐藏层，以及包括至少一个输出神经元的输出层，其中神经网络包括前馈神经网络，其在输入神经元的输入层处接收需求信号、从控制器输出的驱动信号以及误差值，并且其中神经网络被配置为确定pid控制器使用的p增益、i增益和d增益项中的一个或多个，并且进一步其中神经网络接收至少一个附加离散环境变量作为前馈项。
10.申请人已经认识到，在机动车辆运动控制系统中使用神经网络来调谐被馈送有至少一个附加离散环境变量的pid控制器的增益项允许对车辆运动控制系统进行附加程度的控制。
11.神经网络可以将增益值确定为神经网络的隐藏层内的相应节点值。
12.对于环境变量，我们可以指指示不与pid控制器的控制环路一起使用的参数的变量。
13.环境变量可以包括车辆运动控制系统中常见的以下各项中的至少一项：
[0014]-用于大部分车辆运动控制的车辆速度，
[0015]-道路/交通测量，诸如曲率、航向和速度限制等
[0016]-车辆加速度/反作用力
[0017]-用于电流/扭矩控制的马达旋转速度/角度
[0018]-转向扭矩或角度
[0019]-车辆转弯信号条件，例如，指示转弯或未指示转弯。
[0020]
技术人员将理解，这并不旨在是详尽的列表，并且在本发明的范围内可以使用其它变量。
[0021]
神经网络可以被馈送有输入到控制器的设定点信号以及误差信号。
[0022]
神经网络控制器应以离散控制形式实现。
[0023]
输入到神经网络的信号可以定期更新，并且在每次更新之间，可以在将更新值输入到神经网络之前，作为响应而更新神经元值。
[0024]
这些变量中的每个将随着车辆被操作而变化，并且在神经网络的输入点处提供至少一个附加变量提供了对致动器的控制的进一步适应程度，使得在使用中误差值能够更好地根据环境条件变化被最小化。
[0025]
神经网络的权重和神经元可以在首次使用神经网络之前预设，以定义增益p、i和d的使误差值最小化的一组值，这里假设系统在标称的内部和外部条件下操作，并且环境值没有影响。
[0026]
预设权重和神经元可以存储在存储器的区域中。
[0027]
在控制系统的使用期间，每次将一组新的输入值供应给神经网络时，可以通过梯
度下降反向传播方案来更新权重，并且与输入值相结合的更新后的权重用于更新神经元。
[0028]
权重更新步骤可以由定义用于更新的简档和步骤的学习策略单元来控制。
[0029]
以数学方式表达，神经网络的输入和输出可以包括：
[0030]
y*_set&y*：离散设定点(目标)&致动器的测量行为，
[0031]
e*：跟踪误差＝y*_set-y*:
[0032]
u*：离散pid控制；
[0033]
u*：离散环境变量
[0034]
kp，ki和kd：分别为离散p(比例)、i(积分)、d(微分)控制增益。
[0035]
在最优选的布置中，神经网络被配置为对神经元间加权执行梯度下降学习。
[0036]
在最优选的布置中，神经网络可以使用反向传播算法来确定权重。
[0037]
该或每个环境变量在输入层处被馈送到神经网络中。控制增益可以被计算为神经网络的隐藏层的各个神经元的神经元点值，并且控制信号值可以在神经网络的输出神经元处生成。
[0038]
一旦一组新的输入被馈送到神经网络的输入神经元，隐藏神经元的值就将由感知器模型根据输入值结合应用在输入层和隐藏层之间的中间神经元权重来计算。
[0039]
神经网络可以被配置为使用所谓的梯度下降反向传播算法来执行权重w训练和更新以实现误差函数最小化，从而使误差项e(k)最小，以实现最佳pid控制增益(kp，ki和kd)，因此对输出信号进行期望的pid控制。
[0040]
神经网络可以具有将输入层神经元连接到输出层的单个隐藏神经元层。
[0041]
神经网络pid控制器可以被布置为使得对于每个时间步长执行以下步骤：
[0042]
更新输入值；
[0043]
结合输入值、误差和最后控制信号，按照梯度下降反向传播方案控制更新权重；
[0044]
使用输入神经元和应用于输入神经元与隐藏层神经元之间的连接的加权增益(w)根据感知器模型进行神经元值更新计算；
[0045]
基于神经元值更新控制器pid增益值；
[0046]
通过对输入到pid控制器的误差信号应用增益来生成控制器的控制信号输出。
[0047]
每次新的误差信号被输入到pid控制器时，可以执行信号通过神经网络的传播，并且控制器的输出可以仅在神经网络完成反向传播时产生。
[0048]
运动控制系统可以包括致动器，该致动器包括电马达，但是在本发明的范围内可以提供其它致动器。
[0049]
运动控制系统可以包括：驾驶员辅助系统，诸如自动制动系统或车道保持辅助系统；或者自主驾驶系统，诸如自动车道引导操纵系统；或者主动巡航控制系统；或者主动制动和加速系统。它可以包括任何车辆运动系统，其可以受益于受控致动器的使用以提供车辆动态特性的自主或半自主控制。运动控制系统的期望行为通常是车辆的运动，这通过控制一个或多个致动器的行为来实现。
[0050]
根据第二方面，本发明提供了一种机动车辆运动控制系统，包括驱动致动器的第一方面的至少一个控制器。
[0051]
机动车辆系统可以包括第一方面的两个或更多个控制电路。
附图说明
[0052]
现在将仅通过示例的方式描述本发明的一个实施例，其中：
[0053]
图1是结合到反馈环路中的通用pid控制器的示意图，在该反馈环路中该通用pid控制器控制诸如电马达之类的装置的操作；
[0054]
图2是装配有运动控制系统的车辆的示意图，该运动控制系统落入本发明的一方面的范围内，其提供车道保持辅助功能以帮助驾驶员操纵车辆；
[0055]
图3a)是用于运动控制系统的通用装置的pid控制器的示意图，该系统包括用于确定pid控制器的增益的神经网络；
[0056]
图3b)是用于控制运动控制系统内的马达的神经网络自适应pid控制系统的示意图；
[0057]
图4是图3(b)的神经网络的中间神经元连接的表示；以及
[0058]
图5示出了在matlab/simulink中实现的神经网络pid控制器的配置和各层功能块。
具体实施方式
[0059]
如图2中所示，车辆10可以装配有车辆运动控制系统11，其辅助驾驶员操作车辆，或者可以完全或部分独立于驾驶员而行动，以影响行为的动力学。所示的示例是车道保持辅助(lka)运动控制系统，其包括具有控制电路12和电马达13的电动助力转向系统(eps)。马达13在使用时对转向的一部分施加辅助扭矩，以帮助驾驶员对车辆10进行转向并使其在道路上保持在车道中行驶。
[0060]
在较高层/外环路，一组信号由信号处理器生成，该信号处理器从一个或多个视频相机14接收高速公路的图像。这些包括表示车辆在车道内的位置的车道位置和车道曲率。这些信号被馈送到lka控制电路15，其命令车辆转向车道的中心。lka控制电路通过将目标位置与车道中实际位置的反馈测量值进行比较来实现这一点。
[0061]
如图3(b)中最佳可见，马达13包括多相脉宽调制同步马达，其响应于从lka控制电路输出的控制信号uc而输出扭矩。该控制信号包括dq参考系中的目标马达电流。eps控制电路12在图3(b)中更详细地示出，并且可以看出包括pid控制器16，pid控制器16与马达一起形成闭合反馈环路，其中马达参数的测量被反馈到控制器的输入侧。在这个示例中，可以进行马达相电流的测量(参见图3(b))。
[0062]
eps控制电路包括pid控制器，其在输入端处接收致动器的设定点信号，在这个示例中，该设定点信号是所需的马达电流值idq_set。控制器被配置为最小化指示所需马达电流值idq_set和测量的马达电流idq之间的差异的误差值。
[0063]
众所周知，pid控制器的输出—在这种情况下为驱动电流值—被确定为三项之和：比例项、积分项和微分项。每个项是通过将误差信号值乘以相应的增益项kp、ki和kd(也称为p、i和d项)来计算的。
[0064]
这些增益项在图2的示例中由如图3(b)中所示的神经网络17计算。神经网络17包括一组神经元18，其接收输入，随后进行将输入与其内部状态和权重组合的处理，并使用激活函数执行神经元值计算，并使用输出函数产生输出。初始输入是外部数据，在这个示例中，外部数据包括与车道保持辅助系统的扭矩控制相关的环境变量。
[0065]
神经元18被布置在连接的网络中，每个连接提供一个神经元的输出作为另一个神经元的输入。每个连接被分配有表示其相对重要性的权重。传播函数根据其前任神经元的输出及其连接计算神经元的输入(激活函数)作为加权和。
[0066]
图3(b)的马达控制示例中使用的特定神经网络是具有一个隐藏层的前馈网络。该网络具有神经元的输入层、包括至少一个输出神经元的输出层、以及神经元的至少一个隐藏层。这在图4中示出。神经网络被配置为执行梯度下降反向传播学习，以提供pid控制器使用的p增益、i增益和d增益项。该示例中的神经网络是单隐藏层神经网络，其中隐藏层具有三个神经元，每个神经元定义pid控制器的相应增益项的值。神经网络具有定义马达的驱动信号值的单个输出神经元。
[0067]
如图4和图5中所示，神经网络在输入神经元处接收误差值e、需求信号y_set以及从pid控制器输出的控制信号uc。
[0068]
神经网络还接收多个附加离散环境变量作为前馈项。在这个示例中，前馈环境变量之一可以是转向角或马达旋旋转速度度或车辆速度vspd。
[0069]
在使用lka系统期间，神经网络和离散pid控制器的操作如下：
[0070]
步骤1-馈送到神经网络的输入层神经元的输入值被更新为馈送到pid控制器的设定点信号；
[0071]
步骤2：从简单(自适应)公式中获得第k步学习系数η(k)；
[0072]
步骤3-神经网络中神经元之间的权重按照反向传播方案结合输入值、先前的控制信号和学习系数更新进行更新；
[0073]
步骤4-基于感知器模型根据输入神经元计算的隐藏层神经元值以及应用于输入神经元和隐藏层神经元之间的连接的加权增益w来更新控制器增益值；
[0074]
步骤5-通过对输入到pid控制器的误差信号应用增益而生成从pid控制器输出的更新控制信号uc；
[0075]
步骤6-测量系统输出(此处为马达电流)和相关联的环境变量，并将这些值反馈到pid控制器的输入；
[0076]
步骤7-重复步骤1至6。

技术特征：
1.一种机动车辆控制电路，结合到响应于车辆控制电路的输出的车辆的运动控制系统中，其中控制电路包括：pid控制器，其在输入端处接收用于闭环控制系统的设定点信号，并提供馈送到运动控制系统的控制信号作为输出，控制器与运动控制系统被布置在闭环中，以最小化指示如由需求信号指示的运动控制系统的所需行为与运动控制系统的实际行为之间的差异的误差值，以及神经网络，其具有神经元的输入层、神经元的至少一个隐藏层，以及包括至少一个输出神经元的输出层，其中神经网络包括前馈神经网络，其在输入神经元的输入层处接收需求信号、从控制器输出的驱动信号以及误差值，并且其中神经网络被配置为确定pid控制器使用的p增益、i增益和d增益项中的一个或多个，并且进一步其中神经网络接收至少一个附加离散环境变量作为前馈项。2.根据权利要求1所述的控制电路，其中神经网络确定增益值作为神经网络的隐藏层内的相应节点值。3.根据权利要求1或权利要求2所述的控制电路，其中环境变量包括车辆运动控制系统中常见的以下各项中的至少一项：-用于大部分车辆运动控制的车辆速度，-道路/交通测量，诸如曲率、航向和速度限制等-车辆加速度/反作用力-用于电流/扭矩控制的马达旋转速度/角度-转向扭矩或角度-车辆转弯信号条件，例如，指示转弯或未指示转弯。4.根据前述权利要求中的任一项所述的控制电路，其中向神经网络馈送输入到控制器的设定点信号以及误差信号。5.根据前述权利要求中的任一项所述的控制电路，其中输入到神经网络的信号被定期更新。6.根据前述权利要求中的任一项所述的控制电路，其中神经网络的权重和神经元在首次使用神经网络之前预设，以定义增益p、i和d的使误差值最小化的一组值，这里假设系统在标称的内部和外部条件下操作，并且环境值没有影响。7.根据前述权利要求中的任一项所述的控制电路，其中在控制系统的使用期间，每次将一组新的输入值供应给神经网络时，通过梯度下降反向传播方案来更新权重，并且与输入值相结合的更新后的权重用于更新神经元。8.一种机动车辆运动控制系统，包括致动器和根据前述权利要求中的任一项所述的驱动致动器的至少一个控制电路。

技术总结
一种机动车辆控制电路，结合到响应于车辆控制电路的输出的车辆的运动控制系统中，其中控制电路包括：PID控制器，其在输入端处接收用于闭环控制系统的设定点信号，并提供馈送到运动控制系统的控制信号作为输出，控制器与运动控制系统被布置在闭环中，以最小化指示如由需求信号指示的运动控制系统的所需行为与运动控制系统的实际行为之间的差异的误差值；以及神经网络，其具有神经元的输入层、神经元的至少一个隐藏层，以及包括至少一个输出神经元的输出层，其中神经网络包括前馈神经网络，其在输入神经元的输入层处接收需求信号、从控制器输出的驱动信号以及误差值，并且其中神经网络被配置为确定PID控制器使用的P增益、I增益和D增益项中的一个或多个，并且进一步其中神经网络接收至少一个附加离散环境变量作为前馈项。络接收至少一个附加离散环境变量作为前馈项。络接收至少一个附加离散环境变量作为前馈项。


技术研发人员：X-D
受保护的技术使用者：采埃孚汽车英国有限公司
技术研发日：2021.12.30
技术公布日：2023/10/15