缩略图

汽车电动转向系统中传感器信号精度对控制性能的影响分析

作者

虢鑫 赵冲

三一智能装备有限公司 陕西西安 710000

随着汽车电动化、智能化的持续拓展,电动助力转向系统在车辆操控及安全方面所发挥的作用愈发显著,EPS 系统依赖诸多传感器实时抓取车辆状态与驾驶员意图,精细制导助力电机的响应动作,实现简便、可靠的转向体验。在实际应用的环节当中,传感器信号产生了噪声、漂移还有响应迟滞等现象。要是精度欠佳,将直接妨碍控制系统精准的判断与执行,引起转向失稳、助力产生迟滞等迹象,继而影响到整车操控特性与驾驶的安全性。详尽探究传感器信号精度跟控制性能的相互关系,作为EPS 系统工程设计里的关键难题呈现。

一、EPS 系统结构及关键传感器信号特性

(一)EPS 系统工作原理

EPS 的基本工作原理:当汽车直线行驶时不需要转向,那么助力电动机停止工作;如果驾驶员操作方向盘进行汽车转向,转矩传感器将转向信号传递给ECU,同时 ECU 接收到从车速传感器输入的车速信号,ECU 根据转向控制策略对传递过来的两种信号进行分析处理,然后发送控制指令给电动机,电动机就根据输入的转矩信号的大小和方向以及车速信号产生合适的助力,实现助力转向的实时控制[1]。

(二)EPS 中的核心传感器类型

三类传感器为EPS 系统核心所依赖:方向盘转角、扭矩与车速的传感装置,采用转角传感器对方向盘角度和角速度加以测量,大多采用光电编码器也或霍尔多圈编码器,精度实现 ±0.5 °,实现 0.1°的分辨率。转矩传感器多是应变电桥或者磁致伸缩式,测量的范围界定在正负 10Nm ,误差约束在 ±0.2Nm 这个范围里。车速传感器一般借助 ABS 模块获取轮速方面的数据,依靠 CAN 传送到EPS 控制器,其精度大概是 ±1km/h

(三)传感器信号的精度来源与误差类型

结构设计、信号处理以及环境影响对传感器信号精度起到限制作用。常见误差主要有零偏、噪声、温漂及量化误差,转矩传感器存在零点漂移,有概率误判驾驶意图;随机噪声的产生归因于电源或信号链干扰;温漂效应引发输出随环境温度出现变动,普遍的漂移系数设定为 ±0.05%/° C ;ADC 分辨率不佳(若为 8 位)也会影响信号精度,为降低误差干扰,EPS 系统往往采用 12 位以上的模数转换装置、滤波电路与温度补偿手段,进而借助 Kalman 滤波等算法增强信号的稳定状态。

二、传感器信号精度对EPS 控制性能的影响机制分析

(一)转角传感器精度影响分析

转角传感器误差直接影响到系统对驾驶意图的判定。尤其是微小转向以及高速行驶的情形中,敏感度加剧,若精度跌落至 ±1.5 ,控制器也许会把方向变化判断错误,导致助力延迟的状况出现,引起操控灵敏性降低。在高速行驶的情形下,角速度偏差可引发助力电流的起伏,让方向盘回馈的稳定性变差,甚而引发细微抖动,要是编码器碰到跳变或者丢脉冲现象,大概会引起短时助力失去效用,严重时会造成控制器对故障的错误判定。

(二)转矩传感器精度影响分析

转矩传感器堪称 EPS 助力控制的核心要素。其误差直接干扰输出精度,若零点产生位置上的偏移,会在无操作情形下引发错误助力,引起方向盘“漂移”现象以及稳定性缺失;精度的缺失会影响助力匹配工作,造成起始或回正操作当中助力产生迟滞或反应超强情况;若响应延迟大于 50ms ,驾驶员能显著察觉出转向一致性开始降低;若传感器输出出现了非线性态势,容易让助力曲线出现扭曲畸变,造成操控舒适性的下滑,一般是通过查表补偿以及温漂跟踪来修正,强化适应水平。

(三)车速传感器精度影响分析

车速信号关乎 EPS 助力幅度的匹配情况,精度偏差会造成助力曲线偏离既定轨迹。若高速行进被错误判定为低速行进,易造成转向过度灵敏;若情况相反,转向会变沉重,对低速操控产生干扰 [2]。尤其在自动泊车作业状态下体现明显,若偏差越过 ±2km/h 的阈值,行驶速度在 90km/h 以上,控制响应易异常。车速信息也与 LKA、 ACC 等系统存在关联,信号异常会干扰整车控制的协调性。为增进鲁棒性水平,主流策略采用 GPS 跟 IMU 融合估量,还搭配容错逻辑提高系统稳定性水平。

(四)系统级性能指标受影响表现

传感器精度下降,综合起来影响整车操控性能,表现是操纵稳定性削弱、方向追踪不准、转向手感不一致性。助力若有波动,极易引发驾驶过程中的不适,动态行车之际,也许会出现方向盘的轻度震动,频率多数聚焦于20 - 50Hz 范围。若冗余控制架构接收到的信号不一致,易产生控制冲突现象,危及自动驾驶或主动安全系统决策的准确性,引起系统整体安全与可靠水平的下降。

三、提升传感器精度与控制性能的方法建议与验证

(一)方法建议

为降低传感器误差对 EPS 性能的不利影响,系统往往运用建模补偿与滤波技术进行校正,零漂与温漂误差可借助标定和温度查表实现补偿,动态误差能借助卡尔曼滤波、EKF 或UKF 加以估计,借助自适应滤波,复杂工况的稳定性得以进一步加强。为强化信号可靠性,系统采用滑动平均与频域滤波对高频干扰加以抑制,进而引入多源头的融合技术,如采用多个传感器协同获取方向角及车速信息并实施融合处理,就控制策略而言,冗余信号筛选运用了三取二仲裁方法,已在 L3 级自动驾驶相关车型开展应用,控制器上引入 H ∞控制以及滑模控制,增强其鲁棒性,同时搭配电源隔离、去耦与 TVS 管之类的抗干扰设计方案,增强整个系统稳定性与精准度。

(二)仿真与实验验证

在 Simulink 平台搭建带误差模型的 EPS 系统,分别引入 ±1% 、 ±5% 、±10% 的误差来进行仿真研究,若转矩误差达到了 ±5% ,方向盘回正出现超100ms 的延迟,轨迹偏差呈现超 20% 的增大。在实车的测试阶段里,执行误差补偿及融合优化策略的样车在进行蛇形绕桩与变道测试时,方向盘响应的滞后现象缩短约 35% ,助力一致性呈现 28% 的提升,证实了所提方法具备有效性 [3]∘ 。

总结:传感器信号精度对 EPS 系统控制性能影响十分显著,误差可引发助力延迟、响应失常以及操控失稳,依靠建模补偿、信号融合和鲁棒控制等手段实现,有助于大幅提升系统抗干扰能力及助力契合度,处于 EPS 系统设计的阶段中,增加关键传感器精度跟容错能力,是保障车辆操控安全、促进智能化水平进步的关键基础。

参考文献

[1] 陈迎燕 , 易琨 , 张小刚 . 电动助力转向系统控制策略的设计与仿真 [J]. 上海汽车 ,2023,(12):18-24.

[2] 魏金呈 . 基于自抗扰算法的电动助力转向系统修正及控制策略研究 [D].盐城工学院 ,2024.000173.

[3] 苏世耀 . 电动助力转向系统控制策略的仿真与测试 [D]. 浙江科技大学 ,2024.000278.

作者信息:虢鑫(1993—),男,陕西咸阳人,本科,工程师,研究方向:车辆电气系统;赵冲(1993—),男,陕西渭南人,本科,工程师,研究方向:车辆液压系统