汽車轉(zhuǎn)向系統(tǒng)可分為純?nèi)肆D(zhuǎn)向和動力輔助轉(zhuǎn)向兩類，動力輔助轉(zhuǎn)向系統(tǒng)由于使轉(zhuǎn)向操縱靈活、輕便、能吸收路面對前輪產(chǎn)生的沖擊等優(yōu)點(diǎn)，已得到廣泛的認(rèn)可并取代了純?nèi)肆D(zhuǎn)向系統(tǒng)，動力輔助轉(zhuǎn)向系統(tǒng)已在國內(nèi)外進(jìn)入普及化階段。汽車的轉(zhuǎn)向操縱系統(tǒng)是汽車駕駛過程中的重要系統(tǒng)之一，它的性能對汽車駕駛的舒適性和安全性都有很大的影響。
汽車動力輔助轉(zhuǎn)向系統(tǒng)從簡單的純機(jī)械式轉(zhuǎn)向系統(tǒng)，發(fā)展到機(jī)械液壓動力轉(zhuǎn)向系統(tǒng)（Hydraulic Power Steering，簡稱HPS）到電控液壓動力轉(zhuǎn)向系統(tǒng)（Electronic Hydraulic Power Steering，簡稱EHPS），直至如今的更為節(jié)能、操縱性能更優(yōu)的電子控制式電動助力轉(zhuǎn)向系統(tǒng)（Electric Power System，簡稱EPS）階段。目前，EPS已部分取代HPS和EHPS系統(tǒng)，并成為動力轉(zhuǎn)向系統(tǒng)的主流和世界汽車技術(shù)發(fā)展的熱點(diǎn)。
EPS作為一種新型助力轉(zhuǎn)向系統(tǒng)，與已有幾十年發(fā)展歷史的傳統(tǒng)液壓轉(zhuǎn)向系統(tǒng)相比，具有諸多優(yōu)點(diǎn)：①助力轉(zhuǎn)向特性可以通過軟件加以改變，硬件資源利用率高；②低速行駛時轉(zhuǎn)向輕便，高速行駛時轉(zhuǎn)向有穩(wěn)重感；③助力電機(jī)只在汽車轉(zhuǎn)向時才工作，節(jié)省能源，電動機(jī)力矩響應(yīng)快；④其力矩正比于電流值，所以EPS控制簡單、響應(yīng)快；⑤根據(jù)需要方便地改善助力程度和路感；⑥零部件少、質(zhì)量小、安裝緊湊、工作可靠。電動助力轉(zhuǎn)向?qū)⒆钚码娏﹄娮蛹夹g(shù)和高性能電機(jī)控制技術(shù)應(yīng)用于汽車轉(zhuǎn)向系統(tǒng)，使汽車的經(jīng)濟(jì)性、動力性和機(jī)動性均大大提高，適應(yīng)現(xiàn)代汽車的發(fā)展要求。
一、系統(tǒng)的組成及工作原理
（一）電動助力轉(zhuǎn)向系統(tǒng)構(gòu)成
電動助力轉(zhuǎn)向系統(tǒng)是一種直接依靠電機(jī)提供輔助扭矩的動力轉(zhuǎn)向系統(tǒng)，EPS主要由轉(zhuǎn)矩傳感器、車速傳感器、控制單元、電機(jī)、動力開關(guān)、小齒輪、齒條等部件構(gòu)成。
（二）EPS工作原理
在操縱方向盤時，扭矩傳感器根據(jù)作用在方向盤上的力矩的大小和方向產(chǎn)生出相應(yīng)的電信號，由此EPS控制系統(tǒng)就可以檢測出駕駛員操縱力的大小和方向；同時根據(jù)車速傳感器產(chǎn)生的脈沖信號又可測出車速。方向盤力矩小于一個特定閾值（2N·m）時不進(jìn)行助力，電動助力轉(zhuǎn)向系統(tǒng)的助力大小隨著方向盤力矩的增大而增大，在某一速度下，當(dāng)方向盤力矩大于特定的閾值后電動助力大小不再增加。相同的方向盤轉(zhuǎn)矩時，車速增大，系統(tǒng)的助力減小。本系統(tǒng)通過徑向基神經(jīng)網(wǎng)絡(luò)算法得到所需的助力大小和方向，再控制電動機(jī)的電流大小和方向，從而形成適當(dāng)?shù)霓D(zhuǎn)向助力力矩，助力力矩直接加在轉(zhuǎn)向柱上形成助力，提高操縱的輕便性以及安全性。
二、電動助力特性曲線的確定
為了兼顧汽車低速時的轉(zhuǎn)向輕便性和高速時的路感要求，電動機(jī)的助力力矩必須根據(jù)行駛車速與方向盤轉(zhuǎn)矩共同確定。設(shè)計(jì)目標(biāo)是：在方向盤上施加相同的力矩時，當(dāng)車速較低時提供較大的助力，車速高時提供較小的助力；在一定的車速下，當(dāng)方向盤上施加的力矩小于一個閾值時，EPS不進(jìn)行助力，方向盤上的力矩大于某一范圍值時助力值不再增加以保護(hù)電機(jī)。
由于助力轉(zhuǎn)矩與路面環(huán)境以及方向盤力矩之間存在非線性映射關(guān)系，目標(biāo)電流的確定需要設(shè)計(jì)一個適用于多輸入的非線性控制器。神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的訓(xùn)練功能，實(shí)現(xiàn)多輸入與輸出的非線性映射，因此此類控制器能很好地滿足EPS的控制要求。
徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radial Basis Function，RBFNN）與使用廣泛的BP網(wǎng)絡(luò)（Back propagation NN）都屬于前向型神經(jīng)網(wǎng)絡(luò)。眾所周知，BP網(wǎng)絡(luò)用于函數(shù)逼近時，權(quán)值的調(diào)節(jié)采用的是負(fù)梯度下降法，而這種調(diào)節(jié)權(quán)值的方法有它的局限性，即存在著收斂速度慢和局部極小等缺點(diǎn)。而徑向基函數(shù)網(wǎng)絡(luò)無論在逼近能力、分類能力和學(xué)習(xí)速度等方面均優(yōu)于BP網(wǎng)絡(luò)。在本研究中所采用徑向基（RBF）神經(jīng)網(wǎng)絡(luò)，它能夠以任意精度逼近任意連續(xù)函數(shù)。同時徑向基網(wǎng)絡(luò)需要的訓(xùn)練時間要比BP神經(jīng)網(wǎng)絡(luò)少得多，不僅提高了效率，而且為將來可能采用的在線訓(xùn)練并合理調(diào)整系統(tǒng)參數(shù)提供了更好的平臺。
徑向基網(wǎng)絡(luò)的神經(jīng)元模型結(jié)構(gòu)如圖2所示，由圖可見徑向基網(wǎng)絡(luò)傳遞函數(shù)radbas是以權(quán)值向量和閾值向量之間的距離‖dist‖作為自變量的。其中，‖dist‖是通過輸入向量和加權(quán)矩陣的行向量的乘積得到的，徑向基神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。
徑向基網(wǎng)絡(luò)傳遞函數(shù)的原型函數(shù)為：
radbas（n）=e-n2
徑向基神經(jīng)網(wǎng)絡(luò)是由輸入層、隱含層和輸出層構(gòu)成的三層前向網(wǎng)絡(luò)，隱含層采用徑向基函數(shù)作為激勵函數(shù)，隱含層每個神經(jīng)元與輸入層相連的權(quán)值向量W1i和輸入層矢量X之間的距離乘上閾值b1i作為本身的輸入。
上面這些函數(shù)都是徑向?qū)ΨQ的，雖然有各種各樣的核函數(shù)，但最常用的是高斯核函數(shù)：
式中，uj是第j個隱層節(jié)點(diǎn)的輸出；X=（x1，x2，……，xn）T是輸入樣本；Cj是高斯函數(shù)中心值；σj是標(biāo)準(zhǔn)化常數(shù)；Nh是隱層節(jié)點(diǎn)數(shù)。
由上式可知，節(jié)點(diǎn)的輸出范圍在0和1之間，且輸入樣本愈靠近節(jié)點(diǎn)的中心，輸出值愈大。
采用高斯基函數(shù)，具備如下優(yōu)點(diǎn)：①表示形式簡單，即使對于多變量輸入也不增加太多的復(fù)雜性；②徑向?qū)ΨQ；③光滑性好，任意階導(dǎo)數(shù)存在；④由于該基函數(shù)表示簡單且解析性好，因而便于進(jìn)行理論分析。
考慮到提高網(wǎng)絡(luò)精度和減少隱層節(jié)點(diǎn)數(shù)，也可以將網(wǎng)絡(luò)基函數(shù)改成多變量正態(tài)密度函數(shù)：
注意這時式（5）已不再是徑向?qū)ΨQ。
RBF網(wǎng)絡(luò)的輸出為隱層節(jié)點(diǎn)輸出的線性組合，即：
RBF網(wǎng)絡(luò)的學(xué)習(xí)過程分為兩個階段：第一階段，根據(jù)所有的輸入樣本決定隱層各節(jié)點(diǎn)的高斯核函數(shù)的中心值Cj和標(biāo)準(zhǔn)化常數(shù)"j；第二階段，在決定好隱層的參數(shù)后，根據(jù)樣本，利用最小二乘原則，求出輸出層的參數(shù)，以進(jìn)一步提高網(wǎng)絡(luò)的精度。
三、訓(xùn)練結(jié)果
我們構(gòu)造了5組數(shù)據(jù)來驗(yàn)證RBF網(wǎng)絡(luò)的可行性。本研究把2N·m作為一個閥門值，即施加在方向盤力矩小于2N·m時系統(tǒng)不進(jìn)行助力，這樣的做法是為了減少因?yàn)轳{駛員操作失誤或者系統(tǒng)的擾動造成的電機(jī)頻繁的啟動、關(guān)閉。這樣做不僅可以有效地保護(hù)電機(jī)，也可以增強(qiáng)系統(tǒng)的魯棒性和安全性，減少駕駛疲勞，訓(xùn)練后所得圖形與理想曲線的對比。
從圖中我們可以看擬合的效果非常理想，只有最外側(cè)的那條曲線有小幅度的震蕩。通過RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練后，我們重新輸入5組在此速度范圍內(nèi)的新數(shù)據(jù)，網(wǎng)絡(luò)得到5組預(yù)測助力曲線。
我們可以看到系統(tǒng)的預(yù)測結(jié)果與我們對系統(tǒng)的要求相符合，從而證明了徑向基神經(jīng)網(wǎng)絡(luò)在電動助力轉(zhuǎn)向系統(tǒng)中的良好的曲線擬合功能及預(yù)測功能。
四、結(jié)論
通過徑向基神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)及數(shù)據(jù)的訓(xùn)練，我們得到在所給速度范圍內(nèi)任意速度值及任意的方向盤力矩下所對應(yīng)的助力電流大?。ㄖΨ较蚺c方向盤力矩方向相同）。這樣我們就可以獲得所給區(qū)域中任意一點(diǎn)的助力轉(zhuǎn)向的助力電流，即得到了電動助力轉(zhuǎn)向系統(tǒng)的助力特性曲線。
以上的模型建立和數(shù)據(jù)驗(yàn)證，很好地證明了徑向基神經(jīng)網(wǎng)絡(luò)的強(qiáng)大功能，以及對解決多輸入、多輸出問題的有效性。從發(fā)展的角度看，電動助力轉(zhuǎn)向系統(tǒng)未來將不僅僅局限于依據(jù)車速和扭矩這兩個基本的信號進(jìn)行電動助力轉(zhuǎn)向系統(tǒng)的研制，轉(zhuǎn)向角、轉(zhuǎn)向速度、橫向加速度、前軸重力等多種信號在未來的電動助力轉(zhuǎn)向系統(tǒng)中可能都是要考慮的因素。電動助力轉(zhuǎn)向系統(tǒng)適應(yīng)需要，將向著更為復(fù)雜的復(fù)合、智能型的控制方向發(fā)展，因此徑向基神經(jīng)網(wǎng)絡(luò)在將來的電動助力轉(zhuǎn)向系統(tǒng)中將起到更大的作用。
（轉(zhuǎn)載）
