用于转向系统的万向节补偿方法、相应的补偿系统及转向系统

技术领域

本申请涉及转向技术，更为具体地，涉及用于转向系统的万向节补偿的技术。

背景技术

转向柱将车辆的方向盘与转向器连接起来，构成车辆的转向系统。简单地讲，除了作为重要构成部分的万向节，转向柱还包括将方向盘连接到万向节的方向盘输出轴以及将万向节连接到转向器的转向器输入轴。

由于万向节具有不等速特性，方向盘输出轴和转向器输入轴之间的传动比是可变的。如果不对万向节进行补偿，而是让转向器的输入扭矩恒定，则万向节的不等速特性会导致反馈到方向盘上的力存在周期性的波动，驾驶员手感体验较差。因此，需要进行补偿以抵消万向节的不等速特性导致的方向盘上的波动。

常规的做法是在转向器的控制器中固化补偿参数，据其计算补偿扭矩。控制器进一步使转向器的电机产生与所计算补偿扭矩大小相当但与转向扭矩方向相反的扭矩，以期消除波动。

但是，由于传动比与转向柱的加速度、方向盘输出轴的角度有关、以及方向盘输出轴和转向器输入轴之间的夹角有关，其中，方向盘输出轴和转向器输入轴之间的夹角其实是可变的，例如用户根据其需要对转向柱做了调整便可导致该夹角发生变化。这种情况下，常规的补偿计算就无法满足需要。因此，有必要提出改善的补偿方法。

发明内容

本申请提供用于转向系统的万向节补偿方法、补偿系统和转向系统，可解决上文提出的至少一个问题。

根据本申请的一个方面，提供用于转向系统的万向节补偿方法，该方法包括：在车辆行驶过程中，实时感测转向输入端的波动，产生表示所述波动的波动信息；由自学习模块从所述波动信息中提取波动特征参数 ，基于所提取的波动特征参数确定补偿参数，以及基于所确定的补偿参数计算补偿扭矩；并使所述转向系统实现所述补偿扭矩。

根据本申请的用于转向系统的万向节补偿方法，可选地，所述方法还包括基于所述波动特征参数，监测所述转向系统的万向节的工作状态。根据本申请的用于转向系统的万向节补偿方法，可选地，所述方法还包括在所述万向节的工作状态异常时发出警示。

根据本申请的用于转向系统的万向节补偿方法，可选地，所述由自学习模块基于所提取的波动特征参数确定补偿参数，包括：由所述自学习模块根据所提取的波动特征参数，从数据集中搜索匹配波动特征参数，所述匹配波动特征参数是所述数据集中与所提取的波动特征参数匹配的历史波动特征参数；在搜索到所述匹配波动特征参数的情况下，以所述匹配波动特征参数对应的补偿参数作为所确定的补偿参数；以及在未搜索到匹配波动特征参数的情况下，计算所述补偿参数；其中，所述数据集至少包括历史波动特征参数以及与每一个所述历史波动特征参数对应的补偿参数。按照本申请的示例，所述历史波动特征参数是由所述自学习模块在所述车辆以前的行驶过程中所提取的波动特征参数，而与所述历史波动特征参数对应的补偿参数是由所述自学习模块基于所述历史波动参数确定的补偿参数。

根据本申请的用于转向系统的万向节补偿方法，可选地，所述数据集还包括与每一个所述历史波动特征参数对应的位置参数，所述位置参数与所述转向系统有关。

根据本申请的用于转向系统的万向节补偿方法，可选地，所述方法进一步包括：由所述自学习模块对所实现的补偿扭矩进行评估，且以评估达到预设条件的所述补偿扭矩对应的所述补偿参数作为系统补偿参数。

根据本申请的另一方面，提供用于转向系统的万向节补偿系统，所述系统包括：传感器，其设置于所述转向系统的转向输入端，用于实时感测所述转向输入端的波动，产生表示所述波动的波动信息；自学习模块，用于从所述波动信息中提取波动特征参数，基于所提取的波动特征参数确定补偿参数，以及基于所确定的补偿参数计算补偿扭矩；以及控制模块，用于由所述转向系统实现所计算的补偿扭矩。

根据本申请的用于转向系统的万向节补偿系统，可选地，所述系统还包括监测模块，用于根据所述波动特征参数，监测所述万向节的工作状态。可选地，所述监测模块还设置成在所述万向节的工作状态出现异常时，发出警示。

根据本申请的用于转向系统的万向节补偿系统，可选地，所述自学习模块进一步用于通过如下过程来基于所提取的波动特征参数确定补偿参数:由所述自学习模块根据所提取的波动特征参数，从数据集中搜索匹配波动特征参数，所述匹配波动特征参数是所述数据集中与所提取的波动特征参数匹配的历史波动特征参数；在搜索到所述匹配波动特征参数的情况下，以所述匹配波动特征参数对应的补偿参数作为所确定的补偿参数；以及在未搜索到匹配波动特征参数的情况下，计算所述补偿参数；其中，所述数据集至少包括历史波动特征参数以及与每一个所述历史波动特征参数对应的补偿参数。作为示例，所述历史波动特征参数是由所述自学习模块在所述车辆以前的行驶过程中所提取的波动特征参数，而与所述历史波动特征参数对应的补偿参数是由所述自学习模块基于所述历史波动参数确定的补偿参数。

根据本申请的用于转向系统的万向节补偿系统，可选地，所述数据集还包括与每一个所述历史波动特征参数对应的位置参数，所述位置参数与所述转向系统有关。

根据本申请的用于转向系统的万向节补偿系统，可选地，所述自学习模块还被用于：对所实现的补偿扭矩进行评估，且以评估达到预设条件的所述补偿扭矩对应的所述补偿参数作为系统补偿参数。

根据本申请的再一方面，还提供转向系统，所述转向系统包括转向机构和控制器，所述转向系统还包括：传感器，设置在所述转向机构的转向输入端处，以实时感测转向输入端的波动，产生表示所述波动的波动信息；以及存储器，存储由程序指令实现的自学习模块且与所述控制器连接。所述控制器被设置为执行所述指令，并在执行所述指令时使得所述自学习模块从所述波动信息中提取波动特征参数，基于所提取的波动特征参数确定补偿参数，并且基于所确定的补偿参数计算补偿扭矩；以及使所述转向系统实现所述补偿扭矩。

根据本申请所述的转向系统，可选地，所述控制器进一步被设置为执行所述指令时，实现如上所述的用于转向系统的万向节补偿方法中的任意一种。

执行根据本申请描述的用于转向系统的万向节补偿方法，或采用根据本申请描述的用于转向系统的万向节补偿系统或转向系统，可根据车辆转向系统中的转向输入端的实时波动情况，确定补偿参数，从而提供更符合车辆实际情况的补偿扭矩，以在不同情况下都可有效抵消波动，提供更好的驾驶感受。

附图说明

下文将结合附图详细说明本申请的实施方式，以便本申请可被更充分地理解，其中：

图1是简单示意的运载工具的转向传动系统的结构图；

图2是根据本申请一些示例的用于转向系统的万向节补偿方法的流程图；

图3是根据本申请示例的用于转向系统的万向节补偿系统的结构示意图；

图4是根据本申请示例的一种转向系统。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下文将结合附图，对本申请实施例中的技术方案进行更为详细、完整的描述。需要说明的是，所描述的实施例只是本申请技术方案的一部分，而非全部的实施例。基于本申请文件中记载的实施例，本领域普通技术人员在没有做出创造性劳动前提下获得的所有其它实施例，都由本申请的保护范围所涵盖。

下文中所用的词语“示例”或“示例地”或“示例性地”的意思为“用作例子、实施例或说明性”。作为“示例”或“示例地”或“示例性地”所说明的任何实施例不必解释为优于或好于其它实施例。下文例如“特征A和/或特征B”表示只包括特征A、或者只包括特征B、或者同时包括特征A与特征B两者的情况。

图1是简单示意的运载工具的转向传动系统的结构图。如图1所示，方向盘10是转向传动系统的输入部件，经由方向盘10输入的转向角、转向扭矩等经由第一传动轴12传递到万向节14，再由万向节14传递到第二传动轴16，最终送入转向器18。

第一传动轴12为方向盘传动轴，第二传动轴16是转向器18的输入轴。需要说明的是，第一传动轴12、万向节14、第二传动轴16以及转向器18在此都只是简单示意，其具体结构和连接细节不以在此所示为限。实际上，它们各自的结构可能更为复杂，比如，第一传动轴12可包括诸如转向管柱和/或转向角器等部件。在下文示意中，为描述简洁，将方向盘10和第一传动轴12作为整体，称为转向输入端。

在进一步阐述根据本申请的各示例之前，要说明的是，车辆的转向柱可调节，以适应不同身高的驾驶人员。车辆中已设置有用于补偿万向节引起的波动的补偿参数，且可例如由转向系统的控制器根据该补偿参数计算补偿扭矩。但根据现有技术，所设置的补偿参数是固定而非可调节的。如果要调节，则需要通过在车辆外部设置转向角传感器来进行，且需要人为校准，相当于再执行一遍为车辆设置初始补偿参数的校准过程。

根据本申请各示例，补偿参数将在车辆投入使用后，可由车辆自动实施优化和更新，使得基于补偿参数进行的补偿扭矩更适合车辆的实际情况，从而补偿效果更优。

图2是根据本申请一些示例的用于转向系统的万向节补偿方法的流程图。如图2所示，在步骤S200，车辆行驶过程中，感测转向输入端的波动，产生表示该波动的波动信息。转向输入端是方向盘端，可通过设置在转向输入端侧的传感器来实时感测转向输入端的波动。举例来说，图1中所示的方向盘10与第一传动轴12为转向输入端，传感器可设置于第一传动轴12靠近方向盘10处，或在一些情况下，传感器可设置于方向盘10中，但优选设置在方向盘10靠近第一传动轴12的位置处。波动信息例如包括转向输入端的角速度、旋转角度，在一些情况下，还可以包括波动周期、波动振幅、波动相移等。此外，应理解到，车辆行驶过程指的是车辆启动后的运行过程，包括车速不为零的情况和车速为零的情况。

在步骤S202，由自学习模块从波动信息中提取波动特征参数。波动特征参数是从波动信息中提取的意在表明波动的诸如大小等实际情况，并能据此有助于优化补偿参数。可以理解到从传感器在不同时刻感测的波动信息中所提取的波动特征参数，其本身可以反映该时刻补偿扭矩的补偿效果，表明对应该补偿扭矩的补偿参数的效果。示例地，传感器的发送给自学习模块的信号所承载的例如包括转向输入端的角速度和旋转角度的波动信息是时域信号。自学习模块据此确定万向节传动比变化的离散的时域信号，并以设定的时间窗口来持续地从该时域信号中提取数据。进而，自学习模块对所接收的离散时域信号进行离散傅里叶变换，得到n条离散的频域上的正弦曲线，然后，将这些曲线再在时域上进行拟合，并将拟合曲线与原始时域信号曲线对比，其中，n从0，1，2开始递增，不断重复计算，直到拟合的波动曲线与原始时域信号曲线偏差在预期范围之内。该n条正弦曲线的频率、幅值、相位（即，n组频率、幅值、相位数据）便是所提取的波动特征参数。在一些示例中，所提取的波动特征参数进入后续步骤和/或存储到数据集，作为历史波动参数，也可能作为自学习模块的训练数据。此外，还可为该些波动参数打上用于表明它们原始波动信号的标记。

在步骤S208，由自学习模块基于所提取的波动特征参数，确定补偿参数。根据本申请的一些示例，自学习模块首先从数据集中搜索与所提取的波动特征参数匹配的波动特征参数，即，匹配波动特征参数，并以该匹配的波动特征参数对应的补偿参数确定为补偿参数。数据集至少包括历史波动特征参数以及与每一个所述历史波动特征参数对应的补偿参数。所述历史波动特征参数是由自学习模块在所述车辆以前的行驶过程中所提取的波动特征参数，而与历史波动特征参数对应的补偿参数是由自学习模块基于所述历史波动参数确定的补偿参数。

数据集中的历史波动特征参数是由自学习模块在该车辆以前的行驶过程中所提取的波动特征参数，与该历史波动特征参数对应的补偿参数则是自学习模块基于该历史波动参数确定的补偿参数。举例来说，自学习模块在车辆以往的行驶过程中，多次根据波动特征参数生成补偿参数，并将波动特征参数、相应的补偿参数等关联存储，由此形成数据集。关联存储的目的是为了在匹配到其中的波动特征参数时，据此获得相应的补偿参数等数据。另一方面，数据集还可能用来训练自学习模块，以使其更为精准。

可以理解到，在数据集中，可能可以搜索到多个匹配波动特征参数，也可能只搜索到一个匹配波动特征参数，还可能未搜索到匹配波动特征参数。根据本申请的示例，在找到多个匹配波动特征参数的情况下，自学习模块可进一步判断在各匹配波动特征参数对应时刻之后的波动参数所表示的波动是否呈现变小的趋势。将判断结果呈现变小的趋势的匹配波动参数作为选取的匹配波动特征参数。如果多个匹配波动特征参数对应时刻之后的波动特征参数所表示的波动都呈现变小的趋势，则将使波动变化量最大，也就是将使波动降低得最多的波动特征参数选取为匹配波动特征参数，从而将其对应的补偿参数作为当前的补偿参数。在只找到一个匹配波动特征参数的情况下，自学习模块将该匹配波动特征参数对应的补偿参数作为当前的补偿参数。在未找到匹配波动特征参数的情况下，自学习模块根据波动特征参数计算补偿参数。

在步骤S210，自学习模块基于在步骤S208确定的补偿参数计算补偿扭矩。本申请的示例中，自学习模块可配置为以现有的计算补偿参数的方式在步骤S208计算补偿参数，以及在本步骤以现有的基于补偿参数计算补偿扭矩的方式计算补偿扭矩，就不再赘述。

在步骤S212，由转向系统实现该补偿扭矩。举例来说，由转向系统的电机根据所确定的补偿参数所计算的补偿扭矩来产生扭矩，以抵消车辆行驶中由于万向节所导致的输入端的波动。

举例来说，车辆行驶过程中的T

根据本申请示例的方法，自学习模块既可以实现对周期性波动的补偿，也可以实现非周期性波动的补偿，从而在对万向节波动进行补偿时不需要额外考虑传动系统对万向节波动规律的影响。

根据本申请示例的方法，实时感测波动，并根据波动特征参数由自学习模块优化已设置在车辆的补偿参数，实现了车辆可根据实际情况提供补偿参数，进而提供更符合车辆实际情况的补偿扭矩，以更有效地消除波动。例如，在本次行驶过程中，转向柱被调节了位置以适应驾驶员的喜好。如果没有实施根据本申请的方法，则无论是否调节，都只根据固定的补偿参数计算补偿扭矩，这样固定值无法适应不同的转向柱位置。实施了根据本申请示例的万向节补偿方法，方向盘输入端的波动会被实时感测到，自学习模块将根据实时波动的波动特征参数在数据集中找到优化的补偿参数，进而调整补偿扭矩，该方法几乎实时调整补偿扭矩，改善驾驶感受。

根据本申请的用于转向系统的万向节补偿方法，在一些示例中，还包括以虚线框示意的步骤S204、步骤S206和步骤S207。在步骤S204，由自学习模块提取的波动特征参数与容许阈值比较，以判断其是否大于容许阈值。在提取的波动特征参数大于容许阈值的情况下，进入到步骤S207，否则进到步骤S206。容许阈值在此指的是对用户而言可接受的波动程度，也就是说，该阈值对应的波动用户可忍受。容许阈值的具体值可因车辆类型、行驶场景等有所不同。在步骤S206，将该波动特征参数存储到数据集中。如果超过了容许阈值，说明相应的补偿参数产生的扭矩不符合预期，进到步骤S207，不将该波动特征参数存储到数据集中，例如可丢弃，由此将明显不符合要求的波动特性参数剔除，节省存储空间。数据集中存储的波动特征参数，对于车辆的后续行驶行程而言，为历史波动参数。此外，数据集的数据也可以用作自学习模块的训练数据集。剔除明显不符合要去的波动特性参数，在这种情况下，可提供更为有效的训练数据，节省自学习模块的运算损耗。此外，在步骤S207，还可选择输出提示信息，该提示信息表明转向系统当前用来计算补偿扭矩的补偿参数需要更新。可选地，还可进一步判断基于该补偿参数计算获得的补偿扭矩，对于车辆的当前行驶场景而言，是过大还是过小，过大可能导致在抵消了波动的同时又导致了反方向的波动，过小则是所计算的扭矩不足以抵消波动且只抵消了很少部分的波动。在一些示例中，可将判断结果与该补偿参数一起送入自学习模块，以便自学习模块参照。

根据本申请的一些示例，例如图2所示的万向节补偿方法还可包括根据波动特征参数，监测转向系统的万向节的工作状态，如步骤S300所示。从传感器在车辆行驶过程中实时感测的波动信息中所提取的波动特征参数，可反映万向节的工作状态。数据集中存储的大量波动特征参数，可反映波动的变化趋势，进而据此监测万向节的工作状态。例如，波动在逐渐变大，说明万向节可能因磨损等原因，工作性能在下降。在设置了提醒阈值的情况下，可在波动特征参数表明的波动程度超过提醒阈值时，发出（步骤S302）提醒以便用户获悉万向节或其相关部件可能出现问题。通过观察为自学习模块设置的数据集中的波动特性参数的变化，可方便地识别出万向节的异常工作状态，本申请所示的各示例再提供优化的补偿参数之外，还可达成车辆自动监测万向节工作状态的功效，有效地避免了万向节工作异常可能引起的车辆故障或行驶事故。

此外，步骤S210中根据所确定的补偿参数计算的补偿扭矩实施到转向系统之后，传感器能感测到该补偿扭矩实施之后转向输入端的波动。自学习模块可依据该波动判断由所确定的补偿参数计算的补偿扭矩的补偿效果。由所述自学习模块对所实现的补偿扭矩进行评估，且以评估达到预设条件的所述补偿扭矩对应的所述补偿参数作为系统补偿参数。具体而言，在补偿扭矩下，如果从所感测的转向输入端的波动产生的波动信息中提取的波动特征参数满足预设条件，则以此时补偿扭矩对应的补偿参数作为转向系统的系统补偿参数。该预设条件例如是表明波动值趋于零的波动特征参数值。也就是说，如果补偿效果趋于抵消波动，则可将该补偿参数作为最优补偿参数存储，且设置为车辆的转向系统的系统补偿参数。

可选地，本申请各示例还可包括在将波动特征参数存储到数据集时，存储与该波动特征参数对应的与转向系统有关的位置参数。该位置参数具体例如为当前转向系统的转向柱的位置信息，其可能是驾驶者根据其需求所调整后的转向柱位置信息。这种情况下，在步骤208中为确定补偿参数而选取匹配波动特征参数时，可同时参考历史数据中的转向柱位置信息。在考虑与转向系统有关的位置信息的情况下，自学习模块确定补偿参数时可更为准确，从而可提供更合适车辆当前转向柱状态的补偿扭矩。

根据本申请示例的用于转向系统的万向节补偿方法，可例如通过软件实现、软件与硬件的结合实现。由此，可将方法实现在车辆已有的转向系统中，例如将软件编程实现在转向系统的控制器中；或单独实现在控制部件中以增加到车辆中，该例中，该控制部件与车辆的转向系统、以及相关的车辆其它电子系统是可通信的。

图3是根据本申请示例的用于转向系统的万向节补偿系统的结构示意图。如图所示，该万向节补偿系统包括传感器30、自学习模块34、以及控制模块38，还可包括存储器33。示例而非限制地，图3所描述的系统用来执行上文结合图2所描述的万向节补偿方法的各示例，下文将据此进行说明。

传感器30用于在车辆行驶过程中实时感测（步骤S200）转向输入端的波动，产生表示该波动的波动信息。传感器30可设置在转向输入端。例如，传感器30被设置在例如图1中所示的第一传动轴12靠近方向盘10处，或在一些情况下，设置于方向盘10中靠近第一传动轴12的位置处。自学习模块34从波动信息中提取（步骤S202）波动特征参数。波动信息例如包括转向输入端的角速度、旋转角度。在一些情况下，还可包括波动周期、波动振幅、或波动相移等。自学习模块例如按照上文结合步骤S202所介绍的过程来提取波动特征参数。所提取的波动特征参数可以存储在存储器33，作为数据集中的波动特征参数，车辆在下一次行驶中执行本方法时，该些波动特征参数变为历史波动特征参数。自学习模块34基于所提取的波动参数确定（步骤S208）补偿参数。自学习模块34根据所确定的补偿参数计算（步骤S210）补偿扭矩，并在控制模块38的控制下使转向系统实现（步骤S212）所计算的该补偿扭矩。自学习模块34例如可采用车辆中已有的补偿计算模块，只是要向已有的补偿计算模块输入所确定的补偿参数，使其根据所确定的补偿参数而非原本固化在车辆中的补偿参数来计算补偿扭矩。需要说明的是，上文描述的自学习模块适用于本例中的自学习模块34，就不再赘述自学习模块的具体特征。需要说明的是，存储器33在此可用来存储本系统需要存储的其它数据，例如传感器30感测产生的原始波动信息等。

在自学习模块34根据所确定的补偿参数计算的补偿扭矩实施到转向系统之后，根据本申请的一些示例，自学习模块34还配置为在所提取的补偿扭矩下的波动特征参数满足预设条件的情况下，以该补偿参数作为所述转向系统的系统补偿参数。该预设条件例如是表明波动值趋于零的波动特征参数值。如果补偿效果趋于抵消波动，也就是波动特征参数反应实施该补偿扭矩后使得转向输入端的波动非常小，则可将该补偿参数作为最优补偿参数存储，且设置为车辆转向系统的系统补偿参数。

根据本申请的示例，图3所示的万向节补偿系统的自学习模块34还用于判断所提取的波动特征参数是否在容许范围内，且在判断结果为所感测的波动在容许范围内时，将所述波动特征参数存储到数据集中。自学习模块34还将与波动特征参数对应的与转向系统有关的位置参数作为训练集中的数据。位置参数上文已做介绍，不再赘述。

依然同时参照图3和图2，根据本申请的一些示例，该万向节补偿系统还可包括监测模块39，作为可选模块，其以虚线框示意在图3中。监测模块39设置为根据波动特征参数，监测（步骤S300）转向系统的万向节的工作状态。监测模块39例如可根据数据集中存储的大量波动特征参数判断波动的变化趋势，确定万向节的工作状态，并可以输出所检测的万向节工作状态。例如，波动在逐渐变大，说明万向节可能因磨损等原因，工作性能在下降。在设置了提醒阈值的情况下，监测模块39可在波动特征参数表明的波动程度超过提醒阈值时，发出（步骤S302）提醒以便用户获悉万向节或其相关部件可能出现问题。监测模块39与存储器33连接，可自其获取波动特性参数并据此观察变化趋势，以进行监测。

根据本申请示例的用于转向系统的万向节补偿系统中，传感器30可以是无线传感器或有线传感器，其可以是新增加到车辆中的传感器。但是，根据本申请的万向节补偿系统也可采用车辆中已经设置的位于转向输入端处的传感器，只要它能感测包括方向盘的转向输入端的波动特性即可。该补偿系统的其它各模块可实现为软件模块，该软件模块可被结合到车辆已有的控制器中，例如车辆转向系统的控制器SCU中。或者，该软件模块可单独构造为控制器，设置到车辆中。

图4是根据本申请示例的一种转向系统。该转向系统包括转向机构40和控制器42。转向机构40的示意性结构例如为图1所示的结构，它可以是车辆中已有的转向机构，控制器42是用来控制转向机构工作的控制器，例如可以是车辆中已有的转向控制器（SteeringControl Unit，SCU）。根据本申请，图4所示的转向系统还包括传感器44和存储器46。

传感器44用于在车辆行驶过程中实时感测转向机构40中转向输入端的波动，产生表示该波动的波动信息。存储器46与控制器42连接，以实现彼此之间的指令和数据传输，其中，存储器46以程序指令形式存储了自学习模块，此外，存储器46还可以存储传感器44所感测的转向机构40的原始波动信息。控制器42被配置为可执行存储器46中存储的指令，且在执行指令时使得自学习模块实现上文结合图2所描述的方法的各示例。

虽然已详细示出并描述了本申请的具体实施例以说明本申请的原理，但应理解的是，本申请可以其它方式实施而不脱离这样的原理，例如本申请的各实施例/示例/例子的技术特征相互结合而形成新的实施方式。