组合模型EPS转矩转角传感器可靠性预测

为提高电动助力转向系统的性能,设计一种电动助力转向系统转矩转角传感器,并建立数学模型对传感器的可靠性进行预测。在实验的基础上比较灰色GM(1,1)模型、残差修正的灰色GM(1,1)模型以及残差修正的灰色马氏链组合模型的预测准确度。由于单个模型很难保证预测准确度水平,因此通过计算组合模型不同步数的转移概率矩阵确定目标状态,进而得到预测值。通过比较,组合模型比单个模型的准确度更好,更适宜描述随机性较大的问题。

车用转矩转角传感器无侧隙齿轮系统设计

国内现有EPS系统多采用转矩、转角传感器分别安装的办法解决两类信号的获取,造成成本的上升和精度不足。文中设计了转矩转角一体化传感器,选择了齿轮的材料及加工方法,并设计了齿轮侧隙消除机构,消除了齿轮换向时的回差。该传感器实现了集转矩测量、绝对转角测量以及转动方向判定于一体。

EPS转矩传感器齿轮组设计

转向系统是汽车的重要组成部分，电动助力转向系统（EPS）实现了转向时“轻”与“灵”的统一，应用普及得到提高。传统EPS只能依靠安装在方向盘转向柱上的转矩传感器获得转矩信号，并据此进行转向助力转矩的分配。本文设计了新的EPS齿轮组结构，为同时测量转矩和转角信号提供了可能。

基于混合算法的车用传感器齿轮组优化设计

针对电动助力转向系统中的转矩传感器进行改进设计,实现了转矩和转角信号的一体化测量,节约了空间。建立了传感器齿轮组的数学模型,根据其使用特点,设定了数学模型的边界条件,并利用遗传算法与粒子群算法相结合的混合算法对齿轮系统的参数进行了优化设计,使传感器的质量和体积均有所下降,通过与传统设计方法及惩罚函数优化法相比较,混合算法优化的效果更佳。

基于BP神经网络的电动助力转向器在线故障诊断研究

应用人工神经网络和推理法则,提出了一套针对电动助力转向器(EPS)、转矩转角传感器(TPS)和电子控制单元(ECU)的在线故障诊断策略。以传感器采样值作为神经网络的输入,TPS及ECU故障代码作为输出,对EPS关键部件进行在线故障诊断。通过EPS试验台,获取相应的数据样本,利用Matlab神经网络工具箱,对该策略进行了仿真分析,结果验证了故障诊断策略的有效性。