基于模糊邏輯的輪速信號可信度監控?

靳立強，陳鵬飛，黃建凌，劉蒙蒙

（1.吉林大學，汽車仿真與控制國家重點實驗室，長春 130022； 2.浙江亞太機電股份有限公司，杭州 311203）

前言

輪速信號傳感器是汽車上眾多傳感器中最重要的傳感器之一[1]，是電子穩定控制系統(ESC)的基本輸入信號之一，對一些關鍵參數，例如車輪滑移率、參考車速等計算至關重要[2]。而汽車本身又是一個復雜系統，行駛于各種復雜的工況時，作為弱電系統的輪速信號，難免會受到各種干擾的影響[3]。如果異常輪速信號輸入到ESC系統內，可能會影響到控制效果，甚至產生反作用，進而影響到駕駛安全。因此，需要增強對輪速的故障監控能力[4]。

輪速的故障模式較多，可分為硬件電路的故障和信號數值異常，硬件故障的監測比較簡單，通常集成在ECU的診斷電路中，而對數值異常的監控算法則比較復雜[5]?；趧恿W模型和模糊邏輯的故障診斷技術在汽車電控系統中有不少的應用[6－8]。本文中基于這一思路，首先分析了異常信號產生的原因和特征，并對輪速信號計算過程中的脈沖、角速度、角加速度和角加速度變化的數值特征進行了分析，提出了一種參考線速度的簡單計算方法，并基于模糊邏輯提出了一種輪速異常信號的監控方法。通過模糊邏輯來描述輪速信號的動力學特征，從而得到當前輪速信號的可信程度。

1 異常信號產生原因

輪速傳感器的故障會導致輪速信號異常，但在某些情況下，輪速傳感器本身并沒有損壞，不過是由于其他干擾如廣播電臺和車輛振動等造成對輪速信號干擾，導致瞬時的輪速信號失真，此時輪速信號不可信。這種異常無法通過硬件電路進行監測，需要通過軟件算法進行監控。尤其是在轉速較低時，輪速信號更容易受到干擾。

輪速信號異常或者數值不可信時，可能出現以下狀態特征:

(1)輪速信號頻率過高；

(2)車輪加速度過大；

(3)車輪加速度變化率過大；

(4)低速狀態下，輪速脈沖信號的邊緣數量和間隔時間數值不可信時，輪速信號不可信；

(5)輪速原始值和濾波值的差值較大，輪速信號不可信。

本文中提出的可信度監控是通過對輪速信號的動力學狀態進行觀察分析，如加速度、輪速與車速的偏差等等。由于相關的動力學狀態都是變化的，并且有些是由于偶然的干擾信號導致，有時偶然出現的幾個干擾信號也無須把輪速信號置為異常狀態。這就對監控算法的魯棒性和自適應性提出了一定的要求。

本文中綜合運用兩種方法來監控輪速信號的可信度:一種是基于門限值的方法，不同的車速狀態下，設定相關變量(邊緣值、間隔時間、脈沖數、加速度和加速度變化率等)的門限值，當相應變量超過該門限值即可認為是輪速信號異常；另外一種方法是基于模糊邏輯，建立相關變量的可信度規則，判斷輪速信號可信與否，這樣可以改變監控的敏感度，增加監控邏輯的魯棒性和自適應能力?；陂T限值判斷相關變量數值的錯誤與否，只能是剛性地設置一些門限值，這樣會使監控程序對錯誤觸發異常的敏感，可能會有一些錯誤的判斷，而引入模糊邏輯，恰恰可以彌補這些不足。

新疆是溫帶大陸性氣候，晝夜溫差大，屬典型的大陸性干燥氣候。尤其是處于塔克拉瑪干邊緣的南疆部分地區，氣候異常干燥，年降雨量較小，缺水嚴重，而當地土壤沙化現象嚴重，土壤保水能力差，缺水與土壤保水能力差的現狀無疑增加當地棉花種植成本，成為制約當地經濟快速發展的一個瓶頸。

2 相關變量分析

圖1為輪速傳感器信號采集的基本原理。單片機的捕獲與比較單元記錄輸入的邊緣數量，測量下降沿和上升沿的時間標記，以5ms為采樣的時間周期，計算這些時間標記的間隔時間。之后基于輸入的邊緣數量和間隔時間，可繼續計算得到角速度、角加速度和角加速度變化率等，下面對各個變量的特征和最大門限值進行分析。

圖1 時間間隔和邊緣數量

(1)邊緣數量的最大值 邊緣數量的最大值按照最高車速換算，例如最高車速為240km/h時，對應最大邊緣數量8個/5ms。

(2)時間間隔的最大、最小值 時間間隔的最大值和最小值與采集到的邊緣數量有關系，單獨統計間隔時間沒有意義。根據采集到的邊緣值設定間隔時間的對應數組，數組分別如下:邊緣值輸入:[0 1 2 3]，3個以上則按照3計算；最小錯誤間隔時間:[5 3.75 5.8 7.0]ms；最大錯誤間隔時間:[0xFFFFFFFF 0xFFFFFFFF 31 20]ms。其中，0xFFFFFFFF由變量的數值類型而來，有4個字節的占位。

(3)車輪角速度的最大值 按照單位時間內可能得到的最大角速度來設置，例如210rad/s。

(4)車輪角加速度的最大值 角加速度允許的最大值計算，只有在采集到邊緣值或者速度不為0的情況下才有效，在沒有輪速的情況下計算的最大值沒有意義。在定義最大角加速度時，不僅要考慮到實際的行駛極限，還應該考慮到實際信號中摻雜的未能濾掉的噪聲，因此不能將門限設置的過低。例如角加速度絕對值的最大值門限:1 885rad/s2。

(5)車輪角加速度變化率的最大值 與角加速度的門限值設定類似，角加速度變化率絕對值的最大值門限:30 000rad/s3。

(6)輪速原始值和濾波值之差的最大值 輪速原始值和濾波值之差的絕對值的最大值門限，要以車輛實際的信號作為基礎分析，不同的車型可能需要不同的門限值，例如4.4rad/s。

3 參考線速度計算

根據輪速脈沖信號和齒圈齒數等參數可以計算得到各車輪旋轉角速度ωi，則各個車輪線速度vxi＝2πrωi；當前各車輪線速度的最大值、最小值、平均值分別為 vmax，vmin和 vx，其中線速度平均值的計算是基于異常輪速信號以外的有效輪速信號；由于剔除了無效輪速信號的影響，所以計算出的參考線速度會更加準確。

當前時刻k的參考線速度簡單計算為

其中:v(k)base＝vx＋βΔ vx

式中α為設定的系數常數。

4 基于模糊邏輯的輪速信號可信度監控

基于第2節中關于輪速異常狀態特征的描述，建立故障監控的模糊規則。設輸入向量:x＝{｜ω··i｜，｜ω·i｜，ωi，｜Δωi｜，｜ωi－v/2πr｜}，分別代表了各個車輪角加速度變化率的絕對值(x1)、角加速度的絕對值(x2)、角速度(x3)、角速度濾波值與原始值之差的絕對值(x4)和角速度與參考角速度差的絕對值(x5)。需要說明的是，參考角速度由參考線速度通過換算得到。

由于是對輪速信號的異常與否進行監控，因此沒有必要把所有信號的各種狀態隸屬度都考慮在內，為了簡化計算，只須考慮可能出現輪速信號不可信的典型工況即可。由于噪聲而使輪速信號不可信時，最直觀的參數變化便是車輪的加速度，因此重點監控加速度的變化趨勢。

輪速信號受到干擾時，最直觀的現象是輪速可能會瞬間增加到非常大，這期間的角加速度和角加速度變化率會超出正常的范圍，此時原始的角速度與濾波后的數值以及參考值的差別會非常大。另外，車輛實際行駛時，由于動力儲備等原因，速度越高，可能達到的加速度越小，如果此時原始值與參考值偏差較大，也可以認為是輪速信號異常的表現。由此建立如下模糊規則:

隸屬度函數對計算的結果有很重要的影響，模糊邏輯中隸屬度有多種，考慮到工程實際中的計算量和實時性等需求[9]，在滿足計算要求的前提下，選取梯形函數作為隸屬度函數，隸屬度曲線示意圖如圖2所示。

圖2 模糊子集的隸屬度函數

梯形隸屬度函數計算公式如下。

當 Y2－Y1＞0 時:

當 Y2－Y1＜0 時:

輸入變量和參數如表1所示。

通過輪速信號相關變量的門限值和模糊邏輯得到輪速信號的可信程度，可信度的數值區間為[0，1]，用以表示輪速信號的可信程度，超過一定的數值，即可認為此時輪速是為異常信號。

表1 輸入變量和參數

5 實車試驗

在實車上對所提出的參考線速度計算方法和輪速信號可信度監控算法進行驗證，車輛相關參數如表2所示。依次在水平干燥水泥路面、鵝卵石路面對參考線速度進行了驗證，如圖3和圖4所示，采集的信號來自于CAN總線。

表2 實車參數

圖3 輪速曲線

由圖3可見，即便經過簡單濾波，通過鵝卵石路面時輪速的振動仍然非常明顯。由圖4可見，參考線速度基本保持穩定平滑的數值，沒有隨著輪速信號波動而產生明顯的波動，表明了該計算方法具有很好的魯棒性。

輪速是通過統計固定間隔時間內的脈沖邊緣數來計算得到，受到干擾時，會導致間隔時間內的邊緣數量比實際的多。因此，通過對輸入的右后車輪邊緣數量信號進行人為的改動，來模擬干擾的影響。改動的方式分成兩種，一種是每隔一定的周期插入邊緣值，一種是持續性地插入不同數量的邊緣值，兩種方式對輪速信號的影響程度也不同，結果如圖5～圖9所示。

圖4 參考線速度曲線

圖5 右后車輪角速度

由圖5～圖8可以看出，手動插入邊緣數量之后，相關的參數都有明顯的改變，尤其是角加速度、角加速度變化率等，變化幅度非常明顯。如圖5中所示，受到“干擾”后，角速度成鋸齒狀，程度不同變化幅度不同。在圖6和圖7中，對應的車輪角加速度和角加速度變化率則變化更為明顯，相比于實際數值，增加了2～3個數量級之多，這也是干擾信號最為明顯的特征。從圖8中可以看出，正常輪速的濾波值與原始數值的差別非常小，幾乎相等，而異常信號的差別則非常大，遠遠超過了實際可能的范圍。

圖6 右后車輪角加速度

圖7 右后車輪角加速度變化率

從圖9得到的最終結果可以看出，在一般路面甚至顛簸路面上，雖然輪速波動比較大，但仍然是可信的，得到的異常狀態也為0，表示此時信號完全可信。修改右后車輪邊緣數量之后，輪速的相關參數變化程度不同，得到的可信度大小不同，但都可以認為此時輪速是不可信的。其中周期噪聲由于變化幅度比較小，所以得到的可信度數值看起來像是一條直線。

圖8 右后車輪角速度原始值與濾波值的差值

圖9 右后車輪輪速信號狀態

6 結論

本文中首先對不可信的輪速信號狀態進行了分析，對相關參數的動力學特征進行了描述。對采集和計算得到的邊緣數量、間隔時間、角速度和角加速度等參數設定固定的門限值，用以判斷輪速信號是否可信。為了增強可信度監控的自適應性和魯棒性，基于模糊邏輯對異常信號的動力學特征進行描述，用以得到輪速信號的可信度，來表示當前輪速信號的可信狀態。此外，還提出了一種參考線速度的簡單計算方法，作為車速信號用于模糊算法中的參數比較。

通過實車采集到的數據可以看出，所提出方法能夠準確地識別出當前的異常信號，而不會對當前的正常信號進行誤判。計算得到的參考線速度也是正確的，并沒有隨著輪速的劇烈波動而波動。

[1] HERNANDEZ W.Improving the response of a wheel speed sensor by using a RLS lattice algorithm[J].Sensors，2006，6(2):64－79.

[2] 那文波，孫堅，李璘.汽車ABS的輪速傳感器系統故障類型識別方法[J].機床與液壓，2008，36(b07):191－193.

[3] 厲樸，宋健，于良耀.ABS輪速信號抗干擾處理方法[J].汽車技術，2001(5):15－17.

[4] 張永輝，宋健.基于輪速特征的防抱死制動系統故障檢測技術研究[J].汽車技術，2010(9):42－46.

[5] 孫尚志，陳彥夫，孫駿.ABS輪速傳感器輪速信號信噪比分析研究[J].汽車零部件，2010(12):59－60.

[6] ISERMANN R.On fuzzy logic applications for automatic control，supervision，and fault diagnosis[J].Systems Man＆ Cybernetics Part A Systems ＆ Humans IEEE Transactions on，1998，28(2):221－235.

[7] VENKATASUBRAMANIAN V，RENGASWAMY R，YIN K，et al.A review of process fault detection and diagnosis:part I:quantitative model-based methods[J].Computers＆Chemical Engineering，2003，27(3):293－311.

[8] QUET P F，SALMAN M.Model-based sensor fault detection and isolation for x-by-wire vehicles using a fuzzy logic system with fixed membership functions[C].American Control Conference，2007.ACC’07.IEEE，2007:2314－2319.

[9] HIRCHE B，AYALEW B.A fuzzy inference system for understeer/oversteer detection towards model-free stability control[J].SAE International Journal of Passenger Cars-Mechanical Systems，2016，9(2016－01－1630):831－838.