CN114509935B - 基于神经网络的电动侧开门的电驱动控制方法 - Google Patents
基于神经网络的电动侧开门的电驱动控制方法 Download PDFInfo
- Publication number
- CN114509935B CN114509935B CN202210178464.6A CN202210178464A CN114509935B CN 114509935 B CN114509935 B CN 114509935B CN 202210178464 A CN202210178464 A CN 202210178464A CN 114509935 B CN114509935 B CN 114509935B
- Authority
- CN
- China
- Prior art keywords
- neural network
- door
- vehicle
- electric
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000003062 neural network model Methods 0.000 claims abstract description 14
- 230000001105 regulatory effect Effects 0.000 claims abstract description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Power-Operated Mechanisms For Wings (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了基于神经网络的电动侧开门的电驱动控制方法，1）采集车身倾角θ的数据；2）从前期标定的数据库中，选出与倾角θ对应的一组，作为车辆中控***配置的神经网络模型中的控制参数；3）判断倾角θ是否在设定范围内；如果判断为否，进入手动打开模式；如果判断为是，神经网络***通过算法自动得出所需的PID参数；4）采用增量式PID控制算法；通过循环采集输出速度v（t），并自动修正PID调节的Kp、Ki、Kd三个参数，从而达到设定速度的平稳输出。本发明本发明利用神经网络抗干扰能力强、响应速度快、PID的Kp、Ki、Kd三个参数可在线自动调节的特点，扩大在一组设定参数下，***可兼容的车身倾角范围。
Description
技术领域
本发明涉及车辆的侧滑门的电驱动打开方法，尤其涉及一种基于神经网络的电动侧开门的电驱动控制方法。
背景技术
随着近些年生活水平的提高，消费者对于乘用车的品质需求也发生了质的变化。在智能化和电气化的推动下，车门的开启方式也由传统的手动开门转变成电动开门。驱动方式也由手动或者液压撑杆转变为电机的驱动。电动侧开门这种开启方式形式新颖，充分体现出车门的智能化和电动化，是未来车门开启的趋势。但是车门开启行程的平稳性，在不同坡度下电驱动转速的一致性、抗干扰性和快速响应是技术难点。
目前市场上电动侧开门的控制方案尚处于技术完善阶段，所采用的控制方式通常为传统的增量式PID速度环闭环控制；这种方式通过采集电机输出转速与设定转速进行对比得出误差，通过工程师人工调节比例系数Kp、积分系数Ki以及微分系数Kd，使得电驱动***在一定负载变化的范围内达到转速恒定输出的效果。这种控制方式已普遍应用使用于工况、周围环境、负载变化规律稳定的条件下，如工业机床等。但是汽车的使用，由于使用道路情况多变，车身处于不同倾斜角度下，车门全行程下驱动负载曲线变化很大，传统的固定PID参数无法满足所有工况下的需求。因此目前市面上的电动侧开门汽车往往会出现车门运行速度不平稳、坡度上车门电开速率波动明显等问题。
发明内容
针对现有技术存在的上述不足，本发明的目的是提供一种基于神经网络的电动侧开门的电驱动控制方法，通过利用神经网络的训练、学习可在线实时调节PID参数的特点，可扩大电驱动***对负载变化的适应范围，并且神经网络算法的加持使得响应速度更快、抗干扰能力更强。
本发明的技术方案是这样实现的：
基于神经网络的电动侧开门的电驱动控制方法，其特征在于包括如下步骤：
1）通过车辆的陀螺仪，采集包括车身倾角θ在内的数据；
2）车辆中控***在获得车身倾角θ后，从前期标定的数据库中，选出与该车身倾角θ对应的一组，作为车辆中控***配置的神经网络模型中的控制参数；
3）车辆中控***判断车身倾角θ是否在设定范围内；如果判断为超出设定范围内，则断开电动侧开门的电驱动执行器和自吸锁执行器的电源，车门进入手动打开模式；
如果判断为在设定范围内，神经网络***通过算法自动得出所需的PID参数；
4）采用增量式PID控制算法；通过循环采集输出速度v（t），并自动修正PID调节的Kp、Ki、Kd三个参数，从而达到设定速度的平稳输出；
5）车辆中控***向电动侧开门的电驱动执行器发出开门或关门信号，开门或关门的速度按照神经网络模型中的Kp、Ki、Kd三个参数确定，车门处于电动开门或关门模式。
这样，本发明本发明利用神经网络抗干扰能力强、响应速度快、PID的Kp、Ki、Kd三个参数可在线自动调节的特点，扩大在一组设定参数下，***可兼容的车身倾角范围。从而在标定工作量极少的情况下，可实现全工况下的电驱动恒定转速，并给出了车身侧翻等特殊工况下的车门控制方式，提高安全性能。
进一步的：当下一次执行车门开启时，根据采集到的陀螺仪反馈的车身角度θ，再次确定神经网络参数，并进行自动修正PID调节的Kp、Ki、Kd三个参数的计算。
进一步的：步骤2）中的控制参数， 包括输入层加权系数Win、输出层加权系数Wout。
进一步的：当车身角度θ在设定范围之外时，是指翻车、一侧车门倚靠在障碍物上、车门被碰撞变形。此时就需要解除电动模式，采用手动模式打开车门。
进一步的：步骤2）中，通过前期的标定数据选择神经网络模型中的输入层加权系数Win、输出层加权系数Wout；
根据输入层信号r(k)，以及输出层信号y(k)，得出误差信号e(k)=r(k)-y(k)，因此输入层的输入信号为：Xin=[e(k),e(k-1),e(k-2),r(k)]；隐含层的输入信号为：Hin=Xin*Wi’，隐含层至输出层的传递函数为：Hout=Oh(j)=(exp(I(j))-exp(-I(j)))/(exp(I(j))+exp(-I(j)));输出层的输入信号为：Oin=Wout*Hout，它是一个一行四列的矩阵；输出层的传递函数为：K(i)=(exp(O(i)))/(exp(O(i))+exp(-O(i)))；Kp=K(1)、Ki=K(2)、Kd=K(3)；
神经网络模型通过实际速度差v（t）、设定速度V得出第一次的PID调节的Kp、Ki、Kd参数；增量式PID方程为：v(t)=Kp*△v(t-1)+Ki*△v(t)+Kd*(△v(t)-2△v(t-1)+△v(t-2))，其中△v(t)=V-v(t)。
一种汽车，具有电动侧开门，其特征在于：所述电动侧开门采用前述的基于神经网络的电动侧开门的电驱动控制方法打开或者关闭。这样，能在标定工作量极少的情况下，可实现全工况下的电驱动恒定转速，使车辆车门打开时运行速度平稳、坡度上车门电开速率波动平稳。
总之，本发明基于神经网络的电动侧开门的电驱动控制方法，具有如下有益效果：
1、本发明利用神经网络抗干扰能力强、响应速度快、PID参数可在线自动调节的特点，扩大在一组设定参数下，***可兼容的车身倾角范围。从而在标定工作量极少的情况下，可实现全工况下的电驱动恒定转速，并给出了车身侧翻等特殊工况下的车门控制方式，提高安全性能。
2、本方法简单，效率较高，且可靠可行，将成熟的神经网络技术和增量式PID控制技术与汽车使用场景相结合，是一种响应速度快、抗干扰能力强、使用场景全面覆盖的可靠控制方法。
3、使车辆车门打开时运行速度平稳、坡度上车门电开速率波动平稳。
附图说明
图1为本发明控制方法的逻辑流程图。
具体实施方式
下面接合附图对本发明做进一步的详细说明：
如图1所示，本发明的基于神经网络的电动侧开门的电驱动控制方法，其步骤为：
1）通过车辆的陀螺仪，采集包括车身倾角θ在内的数据；
2）车辆中控***（车辆控制***）在获得车身倾角θ后，从前期标定的数据库中，选出与车身倾角θ对应的一组，作为车辆中控***配置的神经网络模型中的控制参数；主要包括输入层加权系数Win、输出层加权系数Wout；
3）车辆中控***判断车身倾角θ是否在设定范围内；如果判断为超出设定范围内，则断开电动侧开门的电驱动执行器和自吸锁执行器的电源，车门进入手动打开模式；
如果判断为在设定范围内，神经网络***通过算法自动得出所需的PID参数；
4）采用增量式PID控制算法；通过循环采集输出速度v（t），并自动修正PID调节的Kp、Ki、Kd三个参数，从而达到设定速度的平稳输出；
5）车辆中控***根据向电动侧开门的电驱动执行器发出开门或关门信号，开门或关门的速度按照神经网络模型中的Kp、Ki、Kd三个参数确定，车门处于电动开门或关门模式。
当车身角度θ在设定范围之外时，如翻车、一侧车门倚靠在障碍物上、车门被碰撞变形等极特殊情况，关闭电驱动执行器和自动吸合锁执行器电源，让车门处于手动模式，驾乘人员能够手动打开。
当下一次执行车门开启时，根据采集到的陀螺仪反馈的车身角度θ，再次确定神经网络参数，并进行自动修正PID调节的Kp、Ki、Kd三个参数的计算。
本发明的神经网络模型，是一种现有的成熟计算模型：当车身上的陀螺仪输出车身倾角θ后，车辆中控***接收该倾角θ并判断车身倾角θ是否在设定范围内，通过前期的标定数据选择神经网络模型中的输入层加权系数Win、输出层加权系数Wout。根据输入层信号r(k)，以及输出层信号y(k)，得出误差信号e(k)=r(k)-y(k)，因此输入层的输入信号为：Xin=[e(k),e(k-1),e(k-2),r(k)]；隐含层的输入信号为：Hin=Xin*Wi’，隐含层至输出层的传递函数为：Hout=Oh(j)=(exp(I(j))-exp(-I(j)))/(exp(I(j))+exp(-I(j)));输出层的输入信号为：Oin=Wout*Hout，它是一个一行四列的矩阵；输出层的传递函数为：K(i)=(exp(O(i)))/(exp(O(i))+exp(-O(i)))；Kp=K(1)、Ki=K(2)、Kd=K(3)。
神经网络模型通过实际速度差v（t）、设定速度V得出第一次的PID调节的Kp、Ki、Kd参数；增量式PID方程为：v(t)=Kp*△v(t-1)+Ki*△v(t)+Kd*(△v(t)-2△v(t-1)+△v(t-2))，其中△v(t)=V-v(t)。
通过数次循环采集输出速度v（t），并自动修正PID调节的Kp、Ki、Kd三个参数，从而达到设定速度的平稳输出；使车辆车门打开时运行速度平稳、坡度上车门电开速率波动平稳。
当下一次执行车门开启时，车辆中控***采集陀螺仪反馈的车身角度θ，重新选择输入层加权系数Win、输出层加权系数Wout。
本发明，利用神经网络抗干扰能力强、响应速度快、PID参数可在线自动调节的特点，扩大在一组设定参数下，***可兼容的车身倾角范围。从而在标定工作量极少的情况下，可实现全工况下的电驱动恒定转速，并给出了车身侧翻等特殊工况下的车门控制方式，提高安全性能。
最后需要说明的是，本发明的上述实例仅仅是为说明本发明所作的举例，而并非是对本发明的实施方式的限定。尽管申请人参照较佳实施例对本发明进行了详细说明，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化和变动。这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引申出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (4)
1.基于神经网络的电动侧开门的电驱动控制方法，其特征在于包括如下步骤：
1）通过车辆的陀螺仪，采集包括车身倾角θ在内的数据；
2）车辆中控***在获得车身倾角θ后，从前期标定的数据库中，选出与所述车身倾角θ对应的一组，作为车辆中控***配置的神经网络模型中的控制参数；所述的控制参数包括输入层加权系数Win、输出层加权系数Wout；
通过前期的标定数据库选择神经网络模型中的输入层加权系数Win、输出层加权系数Wout；
根据输入层信号r(k)，以及输出层信号y(k)，得出误差信号e(k)=r(k)-y(k)，因此输入层的输入信号为：Xin=[e(k),e(k-1),e(k-2),r(k)]；隐含层的输入信号为：Hin=Xin*Win，隐含层至输出层的传递函数为：Hout=Oh(j)=(exp(I(j))-exp(-I(j)))/(exp(I(j))+exp(-I(j)));输出层的输入信号为：Oin=Wout*Hout，它是一个一行四列的矩阵；输出层的传递函数为：K(i)=(exp(O(i)))/(exp(O(i))+exp(-O(i)))；Kp=K(1)、Ki=K(2)、Kd=K(3)；
神经网络模型通过实际输出速度v（t）、设定速度V得出第一次的PID调节的Kp、Ki、Kd参数；增量式PID方程为：v(t)=Kp*△v(t-1)+Ki*△v(t)+Kd*(△v(t)-2△v(t-1)+△v(t-2))，其中△v(t)=V-v(t)t；
3）车辆中控***判断车身倾角θ是否在设定范围内；如果判断为超出设定范围内，则断开电动侧开门的电驱动执行器和自吸锁执行器的电源，车门进入手动打开模式；
如果判断为在设定范围内，神经网络***通过算法自动得出所需的PID参数；
4）采用增量式PID控制算法；通过循环采集输出速度v（t），并自动修正PID调节的Kp、Ki、Kd三个参数，从而达到设定速度的平稳输出；
5）车辆中控***向电动侧开门的电驱动执行器发出开门或关门信号，开门或关门的速度按照神经网络模型中的Kp、Ki、Kd三个参数确定，车门处于电动开门或关门模式。
2.根据权利要求1所述的基于神经网络的电动侧开门的电驱动控制方法，其特征在于：当下一次执行车门开启时，根据采集到的陀螺仪反馈的车身倾角θ，再次确定神经网络参数，并进行自动修正PID调节的Kp、Ki、Kd三个参数的计算。
3.根据权利要求1所述的基于神经网络的电动侧开门的电驱动控制方法，其特征在于：当车身倾角θ在设定范围之外时，是指翻车、一侧车门倚靠在障碍物上、车门被碰撞变形。
4.一种汽车，具有电动侧开门，其特征在于：所述电动侧开门采用权利
要求1—3任一所述的基于神经网络的电动侧开门的电驱动控制方法打开或者关闭。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210178464.6A CN114509935B (zh) | 2022-02-25 | 2022-02-25 | 基于神经网络的电动侧开门的电驱动控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210178464.6A CN114509935B (zh) | 2022-02-25 | 2022-02-25 | 基于神经网络的电动侧开门的电驱动控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114509935A CN114509935A (zh) | 2022-05-17 |
| CN114509935B true CN114509935B (zh) | 2024-05-17 |
Family
ID=81553016
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210178464.6A Active CN114509935B (zh) | 2022-02-25 | 2022-02-25 | 基于神经网络的电动侧开门的电驱动控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114509935B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19980053529A (ko) * | 1996-12-27 | 1998-09-25 | 박병재 | 승합 차량의 슬라이드 도어 개폐장치 |
| KR19990040771A (ko) * | 1997-11-19 | 1999-06-05 | 정몽규 | 도어 열림 속도 조절 장치 |
| US6178699B1 (en) * | 1997-03-31 | 2001-01-30 | Ohi Seisakusho Co., Ltd. | Open/close control system for a vehicle slide door |
| JP2004003327A (ja) * | 1995-10-02 | 2004-01-08 | Oi Seisakusho Co Ltd | 車両用スライドドアの自動開閉制御装置 |
| CN105151024A (zh) * | 2015-08-20 | 2015-12-16 | 奇瑞汽车股份有限公司 | 车辆的制动控制方法和装置 |
| CN109492883A (zh) * | 2018-10-18 | 2019-03-19 | 山东工业职业学院 | 一种能效人工智能在线分析***及方法 |
| CN112572112A (zh) * | 2020-12-23 | 2021-03-30 | 奇瑞汽车股份有限公司 | 一种汽车车门控制***和方法、汽车 |
-
2022
- 2022-02-25 CN CN202210178464.6A patent/CN114509935B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004003327A (ja) * | 1995-10-02 | 2004-01-08 | Oi Seisakusho Co Ltd | 車両用スライドドアの自動開閉制御装置 |
| KR19980053529A (ko) * | 1996-12-27 | 1998-09-25 | 박병재 | 승합 차량의 슬라이드 도어 개폐장치 |
| US6178699B1 (en) * | 1997-03-31 | 2001-01-30 | Ohi Seisakusho Co., Ltd. | Open/close control system for a vehicle slide door |
| KR19990040771A (ko) * | 1997-11-19 | 1999-06-05 | 정몽규 | 도어 열림 속도 조절 장치 |
| CN105151024A (zh) * | 2015-08-20 | 2015-12-16 | 奇瑞汽车股份有限公司 | 车辆的制动控制方法和装置 |
| CN109492883A (zh) * | 2018-10-18 | 2019-03-19 | 山东工业职业学院 | 一种能效人工智能在线分析***及方法 |
| CN112572112A (zh) * | 2020-12-23 | 2021-03-30 | 奇瑞汽车股份有限公司 | 一种汽车车门控制***和方法、汽车 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114509935A (zh) | 2022-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109624986B (zh) | 一种基于模式切换的驾驶风格的学习巡航控制***及方法 | |
| Bu et al. | Design and field testing of a cooperative adaptive cruise control system | |
| DE10204191B4 (de) | Sonnenstrahlungsermittlungseinheit und diese nutzende Fahrzeugklimaanlage | |
| Pham et al. | Combined lateral and longitudinal control of vehicles for IVHS | |
| EP1777135B1 (de) | Verfahren und Vorrichtung zur Anpassung von Fahrparametern von Fahrzeugen | |
| DE102012207525B4 (de) | System und Verfahren zur verbesserten Detektierung der Ausserkraftsetzung der Lenkung während der automatischen Fahrspurzentrierung | |
| CN112489431B (zh) | 一种基于5g v2x的车辆协同跟随控制***及控制方法 | |
| DE102021101716B4 (de) | Steuersystem für ein Fahrzeug zur Steuerung aktiver aerodynamischer Vorrichtungen | |
| CN110688729A (zh) | 基于自适应卡尔曼滤波的lstm-idm跟驰特性融合方法、存储介质及设备 | |
| EP1934064B1 (de) | Verfahren zum regeln einer klimaanlage eines fahrzeugs, dessen verdeck geöffnet ist | |
| CN109334451B (zh) | 基于双模糊控制的在高速公路行驶的车辆的油门自动控制方法 | |
| DE10257587B3 (de) | Verfahren zur Regelung einer Klimaanlage für ein Fahrzeug mit verschließbaren Karosserieöffnungen | |
| CN114509935B (zh) | 基于神经网络的电动侧开门的电驱动控制方法 | |
| DE102016014325A1 (de) | Verfahren zur Anpassung eines Parkassistenzsystems an ein Fahrzeug | |
| CN109664953A (zh) | 用于控制主动空气动力构件的***和方法 | |
| CN109572697B (zh) | 基于模糊控制的特殊路段行进车辆的油门自动控制方法 | |
| CN115042818A (zh) | 基于反馈纯跟踪的智能车辆路径跟随控制方法 | |
| DE102022105441A1 (de) | Energiemanagementsystem für ein Elektrofahrzeug | |
| CN107885931B (zh) | 一种转向盘突变力矩人性化调节的汽车紧急避撞控制方法 | |
| CN112437734B (zh) | 用于产生可植入到用于控制机动车辆轨迹的单元中的预测命令的方法 | |
| CN118082543B (zh) | 一种基于变转向传动比的电动汽车四轮转向控制方法 | |
| CN110155056A (zh) | 一种自动驾驶车辆的侧滑补偿方法及*** | |
| CN112437734A (zh) | 用于产生可植入到用于控制机动车辆轨迹的单元中的预测命令的方法 | |
| Aparow et al. | Evaluation of mrac based adaptive cruise control for semi-autonomous vehicle using virtual simulation platform | |
| CN114987472B (zh) | 一种基于前馈控制的跟随式自动驾驶汽车跟随控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |