一种纯电车智能转向泵优化控制方法与流程

本发明涉及汽车转向系统，具体涉及一种纯电车智能转向泵优化控制方法。

背景技术：

1、随着汽车产业飞速的发展，车辆操纵和nvh的舒适度要求越来越高，目前纯电动客车的转向系统采用电动液压转向泵助力转向。

2、电动液压助力转向的原理是转向控制器将电动车电池的直流电压逆变为交流电，提供给电动转向泵，使电动转向泵工作，电动转向泵带动转向液为液压助力转向器提供助力，目前大多转向泵的控制策略是转向控制器只输出一种频率，使电动转向泵以规定的最高转速运行，这样只能保证低速行驶的操纵轻便性，但在车辆高速行驶时，车辆转向力太轻，有发飘等现象，操纵感不佳，消耗不必要的能源和且车辆怠速时转向泵噪音较为明显，因此，优化转向泵的控制策略是势在必行，亟待在保证低速轻便性的前提下，还需提高车辆怠速nvh舒适度和高速行驶的用户的操纵感并降低能耗。

技术实现思路

1、一种纯电车智能转向泵优化控制方法，包括以下步骤；

2、s1.数据采集与分析：实时数据采集，从传感器实时采集数据：车速、转向角、油压、低速行驶时关注低速下的转向角度和油压变化、湿滑路面，应增加对车轮打滑情况的数据监测，使用统计分析和机器学习技术分析数据，识别驾驶模式和需求；

3、s2.动态模型建立：建立转向泵及其控制系统的动态模型，涵盖不同驾驶工况下的响应特性，通过实际测试数据验证模型的准确性；

4、s3.控制策略设计：基于模型的控制：设计控制策略：pid控制、模糊控制等，使用实时数据调整控制策略，适应不同的驾驶条件；

5、s4.机器学习优化：利用车辆的导航系统和前置摄像头传感器的数据，建立预测模型，并整合得到预测公式：， p 是转向泵的工作状态（所需的油压或转矩），其中  v表示车辆的当前速度，这影响着转向所需的力矩和转向响应，  k表示道路的曲率，影响转向的角度和转向力的需求，曲率  k 是道路弯曲程度的倒数，即，其中  r 是曲率半径， d表示摄像头检测到的车道线与车道中心的距离，影响车辆的偏离程度，从而影响转向需求， θ表示车轮的转动角度，影响到车辆的行驶轨迹， m、  a、 b、和  c 是模型参数，通过实验数据确定，通过公式精确预测转向泵的最佳工作状态，从而提前调整转向泵的助力大小，在进入弯道之前就适当调整转向助力，提高车辆的稳定；

6、s5.环境感知：整合多种传感器的数据（雷达、激光雷达、摄像头），根据路面条件（如湿滑、干燥、粗糙等）自动调整转向助力，在湿滑路面上，增加转向助力，根据环境信息调整转向泵的工作模式，适应不同的环境条件；

7、s6.增强现实集成能耗优化：在仪表盘、hud上显示转向系统状态和建议，在保证驾驶体验的前提下，进一步优化转向泵的工作模式，以降低整体能耗；

8、s7.驾驶模式选择：提供不同驾驶模式：运动、舒适、经济，让驾驶员根据需要选择，根据驾驶环境和操作自动切换模式，提高整体驾驶体验；

9、s8.系统集成与测试：将优化控制策略集成到车辆的电子控制单元（ecu），并在各种驾驶条件下进行全面测试，确保系统的有效性和稳定性，根据实际使用反馈和测试结果不断优化控制算法，定期更新控制策略以适应新的需求和技术进步。

10、进一步的，一种纯电车智能转向泵优化控制方法，

11、步骤s2中建立转向泵及其控制系统的动态模型，涵盖不同驾驶工况下的响应特性，具体步骤如下：

12、s21.需求分析与目标定义：明确模型的主要目标：提高转向精度、降低能耗、优化响应时间，定义需要建模的不同驾驶工况（例如城市驾驶、高速驾驶、紧急避让）；

13、s22.系统建模：将转向泵及其控制系统分解为基本组件，如泵、执行器、传感器和控制器，根据系统的物理原理，建立各个组件的动态方程，这可能包括流体动力学方程、力学方程和电气控制方程，建立转向泵的流量、压力和功率的关系模型，建立执行器（如电动机）的响应特性模型，包括其速度、加速度和负载响应，建立控制器的动态响应模型，包括控制算法（如pid控制）的行为；

14、s23.参数识别：通过实验获取各个组件的关键参数，如转向泵的流量常数、压力常数，执行器的惯性和摩擦系数等，使用实验数据拟合模型参数，确保模型能准确反映实际系统的特性；

15、s24.非线性与时变特性建模：非线性特性，考虑系统中的非线性因素，如泵流量与压力之间的非线性关系，时变特性，对系统进行时变建模，考虑环境变化和工况变化对系统性能的影响；

16、s25.模型验证：使用仿真工具（如matlab/simulink）对建立的模型进行仿真，验证模型的动态响应与实际系统的一致性，实车测试：在实际车辆上进行测试，验证模型在不同工况下的预测准确性，与实际测量数据进行对比，调整模型参数以提高精度；

17、s26.模型优化：分析模型与实际系统之间的误差，找出可能的改进点，根据误差分析结果调整模型参数，优化模型的准确性和鲁棒性。

18、进一步的，一种纯电车智能转向泵优化控制方法，

19、步骤s3中使用实时数据调整控制策略，适应不同的驾驶条件，具体如下：

20、车辆通电后，整车控制器读取点火开关的位置信息，判断高压电是否连通，连通后整车控制器读取车速传感器信息，判断此刻车辆的行车速度；

21、在车速＝0km／h时，整车控制器首先判断手刹通断信息，若手刹未松开且档位未在r／d档，则转向泵不启动；若手刹松开且档位未在r／d档，则整车控制器通过读取的转向泵的负载电流信息，判断此刻转向泵的负载状态，转向泵的电流＜3a，则转向泵按70％的额定转速运行，转向泵的电流≥3a，则转向泵按颜定转速运行：

22、在0km／h＜车速＜40km／h时，转向泵按额定转速运行；

23、在车速＞40km／h时,整车控制器继续判断此刻的负载电流，转向泵的电流＜3a时，则转向泵按70％的额定转速运行，转向泵的电流≥3a时，则转向泵按额定转速运行。

24、进一步的，一种纯电车智能转向泵优化控制方法，

25、步骤s4中利用车辆的导航系统或前置摄像头传感器的数据，建立预测模型，以精确预测转向泵的最佳工作状态，从而提前调整转向泵的助力大小，具体步骤如下：

26、 s41.数据收集与准备：收集gps数据、车辆速度、加速度、方向盘角度，前方道路图像、车道线、障碍物，并记录当前转向泵的工作状态、助力大小、油压，并进行数据预处理：去除噪声和异常值，确保数据的质量，将不同传感器的数据对齐到相同的时间戳，以便进行综合分析，从原始数据中提取有用的特征：道路曲率、车速变化率、障碍物距离；

27、s42. 特征工程：根据预测目标选取最相关的特征，环境特征：道路曲率、车道偏移量、前方障碍物的相对位置，驾驶特征：车辆速度、加速度、方向盘转角、转向角速度，系统状态特征：当前转向泵的助力大小、油压，并对选定的特征进行必要的转换：归一化、标准化以便于模型训练；

28、s43.预测模型训练：使用收集到的历史数据训练线性回归预测模型，并整合得到预测公式：， p 是转向泵的工作状态，其中  v表示车辆的当前速度， k表示道路的曲率，曲率  k 是道路弯曲程度的倒数，即，其中  r 是曲率半径， d表示摄像头检测到的车道线与车道中心的距离， θ表示车轮的转动角度， m、  a、 b、和  c是模型参数，通过实验数据确定，使用独立的数据集进行验证，以评估模型的泛化能力和准确性；

29、s44.模型评估与验证：使用均方误差（mse）、均方根误差（rmse）、平均绝对误差（mae）指标评估模型的预测性能，分析模型预测误差的来源，识别模型的不足之处，在实际驾驶环境中测试模型的预测效果，包括不同驾驶条件和道路类型，根据实车测试结果调整模型，进一步优化预测精度；

30、s45.预测与控制：将实时传感器数据输入预测模型，进行实时预测，根据预测结果调整转向泵的助力大小，以提供最佳的转向响应，对集成后的系统进行测试，确保模型在实际应用中的有效性和稳定性；

31、s46.系统维护与更新：持续监控传感器数据和模型预测结果，识别潜在问题，根据新数据和驾驶环境的变化，定期更新模型以保持其准确性，收集用户反馈，了解模型在实际驾驶中的表现。

32、进一步的，一种纯电车智能转向泵优化控制方法，

33、步骤s6中在保证驾驶体验的前提下，进一步优化转向泵的工作模式，以降低整体能耗，具体步骤如下：

34、s61.分析和评估现有系统；

35、s611.数据收集：收集现有转向泵的工作数据，包括助力大小、油压、转向角度、车速，记录驾驶员的操作习惯，包括转向频率、转向幅度；

36、s612.数据分析：分析数据以识别不同驾驶条件下的转向需求模式和能耗模式，评估当前转向泵的能效和对驾驶体验的影响；

37、s62. 优化转向泵控制策略；

38、s621.动态调整：根据预测结果动态调整转向泵的助力大小，在低需求情况下降低助力，在高需求情况下提高助力；

39、s622.节能模式：低能耗模式：在预测到低转向需求时切换到节能模式，减少转向泵的功率消耗，高效模式：在高转向需求时，优化转向泵的工作状态以提供必要的助力，同时减少不必要的能耗；

40、s63.调整转向助力曲线：使用传感器监测方向盘转动角度、速度以及车辆状态等参数，通过算法实时计算所需的助力大小，使电动机按需工作，根据车辆速度调整转向助力的程度，在低速行驶时增加助力，在高速行驶时减少助力，这样既能保持良好的驾驶感受，又能减少不必要的能量消耗。

41、本发明的有益效果：通过智能控制和实时反馈机制，可以使转向更加精准可靠，提高了行车安全性。通过提高转向系统的能效，减少了不必要的能源消耗，优化后的转向系统可以在不同驾驶条件下提供合适的助力，使得驾驶更加轻松舒适，特别是在低速行驶时的操作感和高精度控制上。