CN111497867B - 考虑驾驶员转向特性的线控转向***容错策略 - Google Patents

Abstract

本发明提供了一种考虑驾驶员转向特性的线控转向***容错策略，基于线控转向***，针对三种不同驾驶员提出了一种个性化的容错控制策略。它由一个故障检测和诊断控制器和一个性化容错控制器组成。故障检测和诊断控制器由干扰观测器和遗忘因子递推最小二乘算法组成，实时检测并估算执行器的状态和参数，并将与电机有关的状态或部分损坏的程度反馈给ECU。ECU发出容错命令后，将打开个性化容错控制器，以处理故障电机对不同驾驶员的影响。个性化容错控制策略可以在转向电机发生故障时，辅助驾驶员较好的跟踪参考路径，大大降低电机故障给驾驶员带来的生理和心理负担。

Description

考虑驾驶员转向特性的线控转向***容错策略

技术领域

本发明涉及辅助驾驶***领域，具体是一种考虑驾驶员转向特性的线控转向***容错策略。

背景技术

线控转向***作为未来智能驾驶的重要平台，日益凸显其重要的地位。如今关于线控转向***的研究主要着重集中在提高***的性能方面，很少有人关注车辆转向过程中驾驶员的驾驶状态，主要包括生理负担和心理负担。

发明内容

本发明为了解决现有技术的问题，提供了一种考虑驾驶员转向特性的线控转向***容错策略，在转向电机发生故障时，辅助驾驶员较好的跟踪参考路径，大大降低电机故障给驾驶员带来的生理和心理负担。

本发明采用的装置由一个故障检测和诊断控制器和一个性化容错控制器组成。故障检测和诊断控制器由干扰观测器和遗忘因子递推最小二乘算法组成，实时检测并估算执行器的状态和参数，并将与电机有关的状态或部分损坏的程度反馈给ECU。ECU发出容错命令后，将打开个性化容错控制器，以处理故障电机对不同驾驶员的影响。

具体容错策略包括以下步骤：

1)人-车-转向***模型的建立：

1.1)驾驶员转向模型：

假设线控转向***的转向传动比是R_g，θ_fd＝θ_sw/R_g是驾驶员输入的前轮转角，在零初始条件下可以得到：

其中：θ_sw(s)是驾驶员的转向盘转角；G_h是转向比例增益；τ_L是微分时间常数；τ_d1是纯延迟时间；τ_d2是驾驶员反应的延迟时间，

代表着预瞄点的理想侧向位移；τ_p是预瞄时间；Y(s)和φ(s)是车辆当前的侧向位移和偏航角；L是驾驶员的预瞄距离，v_x是车辆纵向车速；

1.2)车辆***运动学和动力学模型

假设车辆在大地平面上的质心位置是(X,Y)，车辆***的动力学和运动学关系可以推导如下：

其中：φ是车辆的偏航角：β是车辆的的质心侧偏角；ω_r是车辆的横摆角速度；V是车辆的实际速度；V_x是车辆的横向速度；V_y车辆的纵向速度；m是汽车的质量；k₁是前轮刚度；k₂后轮刚度；I_z是车辆的横摆惯性矩；a是车辆的前轴轴距；b是车辆的后轴轴距；δ_f是车辆的前轮转角；d₁和d₂代表着模型误差；

1.3)线控***动力学模型：

作为线控***，转向执行器模块中转向扭矩从两个转向电机传输到前轮转角，这个过程涉及两个直流电机，两个减速器，两个转向管柱，一个齿轮齿条机构，线控子***的动力学模型如下：

其中：θ_s是总的小齿轮转角；B_R是等效阻尼系数；J_R等效惯性矩；G₂小齿轮到车轮的减速比；G₁是减速比；η是减速器的效率；d_r是路面干扰；τ_R是回正力矩；t_p,t_m是轮胎的拖距；T是双电机总的输出扭矩；X_r是齿条位移；r_p是小齿轮半径；

2)用以下公式表述转向电机的故障情况：

u_i＝λ_iu_di+Δu_i(i＝fl,fr) (4)

其中i＝fl,fr代表左右两个转向电机；u_di是理想的电机输出扭矩和u_i是实际的电机输出扭矩；λ_i∈[0,1]代表着失效系数；Δu_i代表着增加的故障；

从公式(4)可知：当λ_i＝0和Δu_i＝0时，转向电机无故障；

电机故障情况可以用u_i＝λ_iu_di+Δu或者u_i＝λ_iu_di建模表示，其中λ_i∈(0,1)，λ_i的值代表着电机故障的损坏程度；

定义:λ_avei＝(λ_{i max}+λ_{i min})/2 (5)

其中λ_{i max},λ_{i min}是λ_i的最大值和最小值；

λ_i可以被描述如下：

其中N_i是时变变量；

定义u＝[T_m1,T_m2]；u_di＝[T_md1,T_md2]；Δu＝[Δu_m1,Δu_m2]有利于公式的简化和推导，其中T_m1,T_m2是转向电机的实际输出扭矩；T_md1 T_md2是转向电机理想状态下的输出扭矩；Δu_m1,Δu_m2代表着转向电机增加的故障；

可以得到：u＝λu_di+Δu(8)

把公式(7)带入公式(8),可以得到：

其中

根据公式(9)，可以进一步写成如下：

其中

和

是相应的估计的效率损失系数和附加的故障；

定义转向电机估计的输出扭矩

如下：

其中

是干扰观测器提供的估电机转矩；

考虑到估计值和真实值来自于车辆不确定性的误差，将公式(10)和(11)进一步描述如下：

其中d_obsi是真实的电机扭矩，

是干扰观测器估计出的增加的电机故障扭矩；ρ∈[1，1.08]是估计结果的影响范围，由汽车质量的不确定性构成；

把公式(12)带入公式(10)，可以推导如下：

故障检测和诊断控制器由干扰观测器和遗忘因子递推最小二乘算法组成，用来估计实际电机的扭矩，损失效率λ和增加的故障Δu，干扰观测器用来估计电机的扭矩和状态；遗忘因子递推最小二乘算法被用来去估计电机的损失效率和增加的故障；

根据公式(3)，可以得到

根据公式(3)和(14)，线控转向***可以推导为

其中：

d_obsi＝u是干扰观测输入，F是干扰输入矩阵，x_obs是观测的车辆状态；

f(x,σ)＝[f₁(x,σ) f₂(x,σ) f₃(x,σ)]^T

(16)

估计的干扰值

通过以下观测器获得：

其中F⁺是F的广义逆，

基于干扰观测器估计的电机的输出扭矩，遗忘因子递推最小二乘算法被使用去估计电机的失效系数λ；

根据公式(12)和公式(13)，可以得到：

其中φ_i(k)＝[u_di 1]^T,

是需要估计的状态向量；

定义性能指标为：

其中：t是遗忘因子(0.95＜＝t＜＝1),y(k)是参考值；

根据公式(22)和公式(23),估计的带有遗忘因子的递推最小二乘算法可以被推导为：

3)通过对无故障电机进行扭矩补偿来减少转向盘转角跟踪误差，并提供个性化的容错控制：

3.1)转向盘转角的跟踪误差可以定义如下：

θ_swe＝θ_swd-θ_sw (25)

其中：θ_swd是参考的转向盘转角，θ_sw是实际的转向盘转角；

3.2)在稳定状态，横摆角速度ω_r ^*是固定值，所需的前轮转角δ_f到横摆角速度的响应是：

结合公式(25)和公式(26)，可以得到：

其中

是由于转向盘转角跟踪误差导致的车辆横摆角速度补偿值；

3.3)设定控制***的状态变量是

控制输出是u＝[ΔT]，测量输出是y₁＝[ω_r],y₂＝[ΔT]，基于主动前轮转向的横摆角速度补偿控制的状态空间可以实现如下：

其中:Δθ_s是补偿的小齿轮转角和ΔT是正常电机的补偿扭矩由于横摆角速度补偿控制；

4)对***中存在的不确定性进行相应的处理：

线控***的乘法权函数需要满足以下要求：

根据公式(17)，前轮刚度k₁的刚度不确定范围是15％，后轮刚度k₂的刚度不确定性范围是10％，并且车速的不确定性范围是10％，对G_fβ(s),G_fr(s)乘法加权函数进行求解，W_p是性能权重函数；因此，加权函数矩阵被选取为：

5)利用结构奇异值μ分析***鲁棒性。μ控制器的设计是为了在给定条件内最小化μ值，利用间接的D-K迭代算法考虑H_∞和μ分析被引入区求解，采用MATLAB进行μ控制算法的实现。

本发明有益效果在于：

1、可以在转向电机发生故障时，辅助驾驶员较好的跟踪参考路径，大大降低电机故障给驾驶员带来的生理和心理负担。

2、控制器可以通过人车协作和容错补偿的方法为不同的驾驶员提供适当的辅助控制，从而应对复杂的执行器状况，大大提高了人车***的容错性能，提高了***的安全性，并具有个性化特征，具有广阔的发展前景和应用价值。

附图说明

图1为容错控制原理图。

图2为μ控制器设计框图。

图3为D-K迭代算法原理图。

图4(a)为故障检测和诊断的仿真结果中电机扭矩估计。

图4(b)为故障检测和诊断的仿真结果中失效系数估计。

图4(c)为故障检测和诊断的仿真结果中增加的故障估计。

图5(a)为仿真结果采用个性化容错控制器当λ＝75％。

图5(b)为仿真结果采用个性化容错控制器当λ＝50％。

具体实施方式

下面结合附图对本发明作进一步说明。

本发明容错控制原理图如图1所示，描述了故障检测与诊断控制器的设计在此基础上进行了容错控制器的设计。首先根据故障检测与诊断控制器被使用去估计转向电机的实际扭矩，基于扭矩估计结果在线确定失效系数和附加故障。然后，根据故障检测与诊断控制器的估计结果，针对多种驾驶员设计个性化容错控制器以减少电机故障对驾驶员的影响。控制器的综合目标时使实际的转向盘转角追踪理想的转向盘转角，其中理想的转向盘转角可以通过日常数据获得。

具体容错策略包括以下步骤：

1)人-车-转向***模型的建立：

1.1)驾驶员转向模型：

假设线控转向***的转向传动比是R_g，θ_fd＝θ_sw/R_g是驾驶员输入的前轮转角，在零初始条件下可以得到：

其中：θ_sw(s)是驾驶员的转向盘转角；G_h是转向比例增益；τ_L是微分时间常数；τ_d1是纯延迟时间；τ_d2是驾驶员反应的延迟时间，

代表着预瞄点的理想侧向位移；τ_p是预瞄时间；Y(s)和φ(s)是车辆当前的侧向位移和偏航角；L是驾驶员的预瞄距离，v_x是车辆纵向车速；

1.2)车辆***运动学和动力学模型

假设车辆在大地平面上的质心位置是(X,Y)，车辆***的动力学和运动学关系可以推导如下：

其中：φ是车辆的偏航角：β是车辆的的质心侧偏角；ω_r是车辆的横摆角速度；V是车辆的实际速度；V_x是车辆的横向速度；V_y车辆的纵向速度；m是汽车的质量；k₁是前轮刚度；k₂后轮刚度；I_z是车辆的横摆惯性矩；a是车辆的前轴轴距；b是车辆的后轴轴距；δ_f是车辆的前轮转角；d₁和d₂代表着模型误差；

1.3)线控***动力学模型：

作为线控***，转向执行器模块中转向扭矩从两个转向电机传输到前轮转角，这个过程涉及两个直流电机，两个减速器，两个转向管柱，一个齿轮齿条机构，线控子***的动力学模型如下：

其中：θ_s是总的小齿轮转角；B_R是等效阻尼系数；J_R等效惯性矩；G₂小齿轮到车轮的减速比；G₁是减速比；η是减速器的效率；d_r是路面干扰；τ_R是回正力矩；t_p,t_m是轮胎的拖距；T是双电机总的输出扭矩；X_r是齿条位移；r_p是小齿轮半径；

2)用以下公式表述转向电机的故障情况：

u_i＝λ_iu_di+Δu_i(i＝fl,fr) (4)

其中i＝fl,fr代表左右两个转向电机；u_di是理想的电机输出扭矩和u_i是实际的电机输出扭矩；λ_i∈[0,1]代表着失效系数；Δu_i代表着增加的故障；

从公式(4)可知：当λ_i＝0和Δu_i＝0时，转向电机无故障；

电机故障情况可以用u_i＝λ_iu_di+Δu或者u_i＝λ_iu_di建模表示，其中λ_i∈(0,1)，λ_i的值代表着电机故障的损坏程度；

定义:λ_avei＝(λ_imax+λ_imin)/2 (5)

其中λ_{i max},λ_{i min}是λ_i的最大值和最小值；

λ_i可以被描述如下：

其中N_i是时变变量；

定义u＝[T_m1,T_m2]；u_di＝[T_md1,T_md2]；Δu＝[Δu_m1,Δu_m2]有利于公式的简化和推导，其中T_m1,T_m2是转向电机的实际输出扭矩；T_md1 T_md2是转向电机理想状态下的输出扭矩；Δu_m1,Δu_m2代表着转向电机增加的故障；

可以得到：u＝λu_di+Δu (8)

把公式(7)带入公式(8),可以得到：

其中Λ_m＝diag(λ₁,λ₂)，

根据公式(9)，可以进一步写成如下：

其中

和

是相应的估计的效率损失系数和附加的故障；

定义转向电机估计的输出扭矩

如下：

其中

是干扰观测器提供的估电机转矩；

考虑到估计值和真实值来自于车辆不确定性的误差，将公式(10)和(11)进一步描述如下：

其中d_obsi是真实的电机扭矩，

是干扰观测器估计出的增加的电机故障扭矩；ρ∈[1，1.08]是估计结果的影响范围，由汽车质量的不确定性构成；

把公式(12)带入公式(10)，可以推导如下：

故障检测和诊断控制器由干扰观测器和遗忘因子递推最小二乘算法组成，用来估计实际电机的扭矩，损失效率λ和增加的故障Δu，干扰观测器用来估计电机的扭矩和状态；遗忘因子递推最小二乘算法被用来去估计电机的损失效率和增加的故障；

根据公式(3)，可以得到

根据公式(3)和(14)，线控转向***可以推导为

其中：

d_obsi＝u是干扰观测输入，F是干扰输入矩阵，x_obs是观测的车辆状态；

f(x,σ)＝[f₁(x,σ) f₂(x,σ) f₃(x,σ)]^T (16)

估计的干扰值

通过以下观测器获得：

其中F⁺是F的广义逆，

基于干扰观测器估计的电机的输出扭矩，遗忘因子递推最小二乘算法被使用去估计电机的失效系数λ；

根据公式(12)和公式(13)，可以得到：

其中φ_i(k)＝[u_di 1]^T,

是需要估计的状态向量；

定义性能指标为：

其中：t是遗忘因子(0.95＜＝t＜＝1),y(k)是参考值；

根据公式(22)和公式(23),估计的带有遗忘因子的递推最小二乘算法可以被推导为：

3)通过对无故障电机进行扭矩补偿来减少转向盘转角跟踪误差，并提供个性化的容错控制：

3.1)转向盘转角的跟踪误差可以定义如下：

θ_swe＝θ_swd-θ_sw (25)

其中：θ_swd是参考的转向盘转角，θ_sw是实际的转向盘转角；

3.2)在稳定状态，横摆角速度ω_r ^*是固定值，所需的前轮转角δ_f到横摆角速度的响应是：

结合公式(25)和公式(26)，可以得到：

其中

是由于转向盘转角跟踪误差导致的车辆横摆角速度补偿值；

3.3)设定控制***的状态变量是

控制输出是u＝[ΔT]，测量输出是y₁＝[ω_r],y₂＝[ΔT]，基于主动前轮转向的横摆角速度补偿控制的状态空间可以实现如下：

其中:Δθ_s是补偿的小齿轮转角和ΔT是正常电机的补偿扭矩由于横摆角速度补偿控制；

4)对***中存在的不确定性进行相应的处理：

线控***的乘法权函数需要满足以下要求：

根据公式(17)，前轮刚度k₁的刚度不确定范围是15％，后轮刚度k₂的刚度不确定性范围是10％，并且车速的不确定性范围是10％，对G_fβ(s),G_fr(s)乘法加权函数进行求解，W_p是性能权重函数；因此，加权函数矩阵被选取为：

5)利用结构奇异值μ分析***鲁棒性。μ控制器设计框图如图2所示，μ控制器的设计是为了在给定条件内最小化μ值，利用间接的D-K迭代算法考虑H_∞和μ分析被引入区求解，采用MATLAB进行μ控制算法的实现。D-K迭代算法原理图如图3所示。

个性化容错控制器验证：

故障检测和诊断控制结果：

第一组仿真结果用来去分析故障检测和诊断模块的估计效果。假设车辆在进行双移线跟踪实验的时候，做转向电机部分失效且又转向电机正常。图4展示了当执行器突然失效的情况下故障检测和诊断控制器的估计功能。设计的干扰观测器不仅可以在电机正常时估计电机的输出扭矩而且在电机失效时对此时电机的输出扭矩依旧有很高的估计精度见图4(a)。因此干扰观测器可以满足在电机复杂条件下对电机扭矩估计的要求。基于以上结果，进一步使用遗忘因子递推最小二乘算法对电机失效系数和增加故障程度进行参数估计。正如图4(b)和图4(c)所示，电机失效系数估计的收敛速度和估计的精度收到递推最小而成算法忠遗忘因子的影响。当遗忘因子t＝0.98时，收敛时间稍微降低但是稳态误差的波动范围较大，这样会对控制器的设计产生一定的影响。当遗忘因子t＝0.995,参数估计的收敛时间是可接受的并且稳态状态下的估计误差很小，这种情况加强了故障检测和诊断控制器的鲁棒性能且满足控制器的设计要求。

个性化容错控制器的容错结果：

第二组仿真结果主要集中研究在电机不同失效系数下三种驾驶员的容错特性。提出的容错控制策略被采用在仿真实验中，并且电机相应的失效系数被设为75％(图5a)和50％(图5b)。本专利同时采用三种函数去评估转向***的性能，驾驶员的生理和心理负担。因此，量化指标被采用去进一步分析提出的控制对人-车***的影响。

专利设计的控制器可以在电机发生不同程度失效时辅助不同的驾驶员跟踪理想的方向盘转角见图5。这种方法极大的减轻了执行器失效对驾驶员的影响通过相应的容错控制。除此之外，个性化容错控制器充分考虑到了在故障发生时不同驾驶员的转向特性差异。图5的仿真结果表明当驾驶员配备有匹配的控制器时，比如驾驶员A和控制器A，驾驶员B和控制器B，驾驶员C和控制器C，转向盘转角的跟踪误差最小(简写driverA+CA，driverB+CB,driverC+CC)。表1的数据展示了容错控器极大的提高了车辆的性能，减轻了驾驶员的生理和心理负担。当相应的匹配设计会使人车***的性能达到最佳。

表1

本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (4)

1.一种考虑驾驶员转向特性的线控转向***容错策略，其特征在于包括以下步骤：

1)建立人-车-转向***模型，包括驾驶员转向模型、车辆***运动学和动力学模型、线控***动力学模型；

2)用以下公式表述转向电机的故障情况：

u_i＝λ_iu_di+Δu_i(i＝fl,fr) (4)

其中i＝fl,fr代表左右两个转向电机；u_di是理想的电机输出扭矩和u_i是实际的电机输出扭矩；λ_i∈[0,1]代表着失效系数；Δu_i代表着增加的故障；

从公式(4)可知：当λ_i＝0和Δu_i＝0时，转向电机无故障；

电机故障情况可以用u_i＝λ_iu_di+Δu或者u_i＝λ_iu_di建模表示，其中λ_i∈(0,1)，λ_i的值代表着电机故障的损坏程度；

定义:λ_avei＝(λ_imax+λ_imin)/2 (5)

其中λ_imax,λ_imin是λ_i的最大值和最小值；

λ_i可以被描述如下：

其中N_i是时变变量；

定义u＝[T_m1,T_m2]；u_di＝[T_md1,T_md2]；Δu＝[Δu_m1,Δu_m2]有利于公式的简化和推导，其中T_m1,T_m2是转向电机的实际输出扭矩；T_md1 T_md2是转向电机理想状态下的输出扭矩；Δu_m1,Δu_m2代表着转向电机增加的故障；

可以得到：u＝λu_di+Δu (8)

把公式(7)带入公式(8),可以得到：

其中Λ_m＝diag(λ₁,λ₂)，

根据公式(9)，可以进一步写成如下：

其中

和

是相应的估计的效率损失系数和附加的故障；

定义转向电机估计的输出扭矩

如下：

其中

是干扰观测器提供的估电机转矩；

考虑到估计值和真实值来自于车辆不确定性的误差，将公式(10)和(11)进一步描述如下：

其中d_obsi是真实的电机扭矩，

是干扰观测器估计出的增加的电机故障扭矩；ρ∈[1，1.08]是估计结果的影响范围，由汽车质量的不确定性构成；

把公式(12)带入公式(10)，可以推导如下：

故障检测和诊断控制器由干扰观测器和遗忘因子递推最小二乘算法组成，用来估计实际电机的扭矩，损失效率λ和增加的故障Δu，干扰观测器用来估计电机的扭矩和状态；遗忘因子递推最小二乘算法被用来去估计电机的损失效率和增加的故障；

根据线控***动力学模型，可以得到

根据线控***动力学模型和(14)，线控转向***可以推导为

其中：

d_obsi＝u是干扰观测输入，F是干扰输入矩阵，x_obs是观测的车辆状态；

f(x,σ)＝[f₁(x,σ) f₂(x,σ) f₃(x,σ)]^T (16)

估计的干扰值

通过以下观测器获得：

其中F⁺是F的广义逆，

基于干扰观测器估计的电机的输出扭矩，遗忘因子递推最小二乘算法被使用去估计电机的失效系数λ；

根据公式(12)和公式(13)，可以得到：

其中φ_i(k)＝[u_di 1]^T,

是需要估计的状态向量；

定义性能指标为：

其中：t是遗忘因子(0.95＜＝t＜＝1),y(k)是参考值；

根据公式(22)和公式(23),估计的带有遗忘因子的递推最小二乘算法可以被推导为：

3)通过对无故障电机进行扭矩补偿来减少转向盘转角跟踪误差，并提供个性化的容错控制：

3.1)转向盘转角的跟踪误差可以定义如下：

θ_swe＝θ_swd-θ_sw (25)

其中：θ_swd是参考的转向盘转角，θ_sw是实际的转向盘转角；

3.2)在稳定状态，横摆角速度ω_r ^*是固定值，所需的前轮转角δ_f到横摆角速度的响应是：

结合公式(25)和公式(26)，可以得到：

其中

是由于转向盘转角跟踪误差导致的车辆横摆角速度补偿值；

3.3)设定控制***的状态变量是

控制输出是u＝[ΔT]，测量输出是y₁＝[ω_r],y₂＝[ΔT]，基于主动前轮转向的横摆角速度补偿控制的状态空间可以实现如下：

其中:Δθ_s是补偿的小齿轮转角和ΔT是正常电机的补偿扭矩由于横摆角速度补偿控制；

4)对***中存在的不确定性进行相应的处理：

5)利用结构奇异值μ分析***鲁棒性。

2.根据权利要求1所述的考虑驾驶员转向特性的线控转向***容错策略，其特征在于所述的人-车-转向***模型具体如下：

1.1)驾驶员转向模型：

假设线控转向***的转向传动比是R_g，θ_fd＝θ_sw/R_g是驾驶员输入的前轮转角，在零初始条件下可以得到：

其中：θ_sw(s)是驾驶员的转向盘转角；G_h是转向比例增益；τ_L是微分时间常数；τ_d1是纯延迟时间；τ_d2是驾驶员反应的延迟时间，

代表着预瞄点的理想侧向位移；τ_p是预瞄时间；Y(s)和φ(s)是车辆当前的侧向位移和偏航角；L是驾驶员的预瞄距离，v_x是车辆纵向车速；

1.2)车辆***运动学和动力学模型

假设车辆在大地平面上的质心位置是(X,Y)，车辆***的动力学和运动学关系可以推导如下：

其中：φ是车辆的偏航角：β是车辆的的质心侧偏角；ω_r是车辆的横摆角速度；V是车辆的实际速度；V_x是车辆的横向速度；V_y车辆的纵向速度；m是汽车的质量；k₁是前轮刚度；k₂后轮刚度；I_z是车辆的横摆惯性矩；a是车辆的前轴轴距；b是车辆的后轴轴距；δ_f是车辆的前轮转角；d₁和d₂代表着模型误差；

1.3)线控***动力学模型：

作为线控***，转向执行器模块中转向扭矩从两个转向电机传输到前轮转角，这个过程涉及两个直流电机，两个减速器，两个转向管柱，一个齿轮齿条机构，线控子***的动力学模型如下：

其中：θ_s是总的小齿轮转角；B_R是等效阻尼系数；J_R等效惯性矩；G₂小齿轮到车轮的减速比；G₁是减速比；η是减速器的效率；d_r是路面干扰；τ_R是回正力矩；t_p,t_m是轮胎的拖距；T是双电机总的输出扭矩；X_r是齿条位移；r_p是小齿轮半径。

3.根据权利要求1所述的考虑驾驶员转向特性的线控转向***容错策略，其特征在于：所述的步骤4)中，线控***的乘法权函数需要满足以下要求：

根据公式(17)，前轮刚度k₁的刚度不确定范围是15％，后轮刚度k₂的刚度不确定性范围是10％，并且车速的不确定性范围是10％，对G_fβ(s),G_fr(s)乘法加权函数进行求解，W_p是性能权重函数；因此，加权函数矩阵被选取为：

4.根据权利要求1所述的考虑驾驶员转向特性的线控转向***容错策略，其特征在于：所述的步骤5)中，μ控制器的设计是为了在给定条件内最小化μ值，利用间接的D-K迭代算法考虑H_∞和μ分析被引入区求解，采用MATLAB进行μ控制算法的实现。

Images