论文部分内容阅读
汽车线控系统对通信的可靠性和安全性要求很高，作为提高线控系统通信技术的可靠性和安全性的重要方式，线控系统网络在线诊断具有非常重要的研究意义;而目前的在线诊断策略预警能力不足，需要对线控系统网络在线诊断策略进行深入的研究。本文研究的线控系统网络在线诊断策略主要包含三方面的内容:线控转向系统网络建模和仿真研究研究、基于自适应神经模糊推理系统的线控转向系统网络健康度算法研究和线控转向系统网络健康度监控算法的实验验证。 首先，利用TrueTime工具建立了线控转向系统的仿真模型。建立了基于FlexRay总线的线控转向系统的节点模型和通信模型，加入被控对象整车模型和道路环境，进行了线控转向系统网络运行状态仿真研究和转向性能的仿真研究。在不同网络条件下得到了线控转向系统的网络运行状态参数如信号周期、丢包和错误情况等，以及转向性能如线控转向操纵稳定性和轨迹跟踪误差等，分析了网络状态运行参数对线控转向系统转向性能的影响。该仿真模型是进行网络健康度监控算法设计的基础。 然后，设计了基于自适应神经模糊推理系统(Adaptive Neural-Network-Based FuzzyInference System，ANFIS)的线控转向系统网络健康度监控算法。模糊推理系统的输入为线控转向系统网络运行状态参数，包含信号的周期，丢包情况和错误情况。使用混合学习算法对自适应神经模糊推理系统进行离线训练，生成网络健康度计算函数。经由MC9S12XF512单片机，将网络健康度监控算法加入线控系统的控制器节点中，实现了线控系统的网络在线诊断。 最后，完成了线控转向系统的网络健康度监控算法的实验验证。采用真实机构和仿真模拟相结合的方式，搭建了线控转向系统的硬件试验台。完成了高斯噪声干扰，软件故障，物理故障三种不同条件下的网络健康度监控试验，得到了不同条件下线控转向系统的转向性能曲线和网络健康度曲线。结果表明:不同故障条件下，网络健康度监控算法都可以得到其对应特征的网络健康度特征曲线，判断网络中的故障种类。从而验证了所设计的线控转向系统网络健康度监控算法作为线控转向系统网络在线诊断策略是有效的，可以提高线控转向系统信号传输的可靠性。