一种座椅滑轨动态锁止测试用控制系统的制作方法

1.本发明涉及一种座椅滑轨动态锁止测试用控制系统，涉及座椅滑轨动态锁止测试技术领域。


背景技术：

2.随着近几年汽车市场的高速发展，客户对汽车舒适性、耐用性、环保的重视，汽车座椅的安全、舒适、轻便等相关技术得到不断发展。对于直接与人体接触的座椅要求非常详细，最近几年国内和国际各大汽车厂家都推出各自详细的汽车座椅测试标准，国家汽车行业标准和欧美标准也不断更新。
3.目前传统设备的控制系统基本上基于plc或pc平台，均存在一定的欠缺。plc平台由于模拟量采集的采集率不高，对数据动态响应欠佳，数据处理能力不而且数据存储空间小，用户界面不如pc丰富和友好。pc平台运行多任务分时型操作系统，具有多路性、交互性等特征，不如实时操作系统的高可靠性和实时性。
4.另外目前传统设备在运动驱动和力加载方面，以往更多倾向于气缸实现，虽然结构和控制简单，但易受气源稳定性影响，受座椅测试的高低温交变环境影响，存在控制精度低等缺点。


技术实现要素：

5.本发明所要解决的技术问题是：提供一种能够实现高采样率和实时处理，提高数据动态响应且控制精度高的座椅滑轨动态锁止测试用控制系统。
6.为了解决上述技术问题，本发明是通过以下技术方案实现的：一种座椅滑轨动态锁止测试用控制系统，包括伺服模块，用于推动座椅滑轨和负载以设定速度运动，并在动态锁止后进行期望力加载；运动控制模块，根据需要在速度或扭矩控制模式下驱动伺服模块，是运动和力加载的控制模块；应变式力传感器模块，用于对伺服模块加载的期望力进行转换及反馈；拉绳式位移传感器模块，用于对座椅滑轨的位置跟踪和反馈；数据采集模块，用于对应变式力传感器模块以及拉绳式位移传感器模块检测并反馈到的数据进行高速采集；软件模块，包括用于进行在线学习、在线控制运动控制模块进而实现力的精确加载的基于p型迭代学习算法的嵌入程序。
7.控制系统，包括嵌有实时操作系统的处理器和主机，承担数据采集模块发送的数据的运算和处理功能，并作为软件模块运行载体；作为优选，所述应变式力传感器模块包括应变式传感器单元以及与其连接的激励信号源，所述激励信号源连接有信号放大调理模块。
8.作为优选，所述拉绳式位移传感器模块包括与拉绳式位移传感器单元以及与其连接的激励信号源，所述激励信号源连接有信号放大调理模块。
9.作为优选，所述数据采集模块为多通道、高采样率数据采集模块。
10.作为优选，所述伺服模块包括伺服驱动器以及伺服电缸，伺服驱动器用于控制伺服电缸运行，伺服电缸用于推动座椅滑轨运动并对座椅进行期望力的加载。
11.作为优选，所述软件模块还包括用户界面软件程序单元以及产品配方、数据和波形存储及回放程序单元以及数据采集、分析程序单元。
12.作为优选，所述p型迭代学习算法的公式模型为，其中为比例学习增益矩阵，误差，且，为期望输出；为第次迭代输出，为迭代次数，为控制输入向量，为第k 1次的控制输入向量，i为时间值。
13.与现有技术相比，本发明的有益之处是：所述座椅滑轨动态锁止测试用控制系统可直接应用于多规格座椅滑轨、变负载、动态锁止测试，实现自学习、在线控制，提高数据动态响应，并具备很强的鲁棒性和泛化能力，因而在巨大的座椅测试需求中，有很大的经济效益。
14.附图说明：为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图；图1是本发明的控制框图；图2是本发明的p型迭代学习算法框图。
具体实施方式
15.下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围：如图1所示的一种座椅滑轨动态锁止测试用控制系统，包括伺服模块，用于推动座椅滑轨和负载以设定速度运动，并在动态锁止后进行期望力加载；运动控制模块，根据需要在速度或扭矩控制模式下驱动伺服模块，是运动和力加载的控制模块；应变式力传感器模块，用于对伺服模块加载的期望力进行转换及反馈；拉绳式位移传感器模块，用于对座椅滑轨的位置跟踪和反馈；数据采集模块，用于对应变式力传感器模块以及拉绳式位移传感器模块检测并反馈到的数据进行高速采集；软件模块，包括用于进行在线学习、在线控制运动控制模块进而实现力的精确加载的基于p型迭代学习算法的嵌入程序。控制系统，包括嵌有实时操作系统的处理器和主机，承担数据采集模块发送的数据的运算和处理功能，并作为软件模块运行载体；在实际应用中，所述应变式力传感器模块包括应变式传感器单元以及与其连接的激励信号源，所述激励信号源连接有信号放大调理模块。所述拉绳式位移传感器模块包括
与拉绳式位移传感器单元以及与其连接的激励信号源，所述激励信号源连接有信号放大调理模块。因而由应变式传感器单元、拉绳式位移传感器单元检测到数据后由激励信号源发送信号至数据采集模块，而信号放大调理模块则具有信号放大的作用，因而提高信号传输效果。为提高信号采集效率，所述数据采集模块为多通道、高采样率数据采集模块。
16.进一步地，为提高控制精度，所述伺服模块包括伺服驱动器以及伺服电缸，伺服驱动器用于控制伺服电缸运行，伺服电缸用于推动座椅滑轨运动并对座椅进行期望力的加载。
17.另外，为方便操作，所述软件模块还包括用户界面软件程序单元以及产品配方、数据和波形存储及回放程序单元以及数据采集、分析程序单元。
18.在实际应用中，首先通过控制系统控制运控控制模块控制伺服模块驱动座椅滑轨按设定速度运动，并在动态锁止后通过电缸进行期望力的加载，然后通过应变式力传感器模块对伺服模块加载的期望力进行检测转换并反馈至数据采集模块，同时通过拉绳式位移传感器模块，用于对座椅滑轨的位置进行跟踪并反馈至数据采集模块，数据采集模块对应变式力传感器模块以及拉绳式位移传感器模块检测并反馈的到的数据进行高速采集，并将采集到的数据输出至控制系统进行数据处理与运算，继而得到最佳的控制数据，在运算过程中，软件模块中的基于p型迭代学习算法的嵌入程序，可以进行在线学习、在线控制运动控制模块进而实现力的精确加载和运动的精确控制。
19.在实际应用中，所述基于p型迭代学习算法的算法框图如图2所示，明确了该类型控制学习律为第次的控制等于第次控制加上第次输出误差的p校正项，其是对pid型学习增益矩阵作了适当取舍，派生来的p型迭代学习算法如下部模型公式（1），并解决了初始状态问题和迭代学习控制存在的过学习问题。
20.ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）式中，为比例学习增益矩阵；误差，且；期望输出；为第次迭代输出；为迭代次数，为控制输入向量，为第k 1次的控制输入向量，i为时间值，当时，系统能够在有限时间区间内实现零误差轨迹跟踪，即，则称上述迭代学习控制是收敛的。
21.所述基于p型迭代学习算法的流程具体可分为以下步骤：步骤一，首次迭代时，设置受控系统的期望力值、控制输入向量；步骤二，通过初始定位操作，设置状态的初始值，使系统初始输出为；步骤三，在有限时间区间，将控制输入作用于受控系统，得到对应的输出；步骤四，计算出系统实际输出与期望输出的误差，根据迭代学习控制算法计算出新的控制输入，并进行存储；步骤五，对迭代停止条件进行验证，若满足则迭代停止；否则，重置，跳转至步骤二，一般的迭代停止条件可选择为输出误差满足在一定范围内，可表示为，为受控系统所要达到的控制目标误差。
22.另外，对于为了解决的初始状态问题，可以按以下方法执行，首先根据具有重复运
动性质的非线性系统动态方程可知，初始状态误差是一收敛序列，终值为0。为满足这个要求，可以在实施迭代学习控制前，根据伺服模组扭矩控制电压与扭矩输出近线性关系得到初始值，在滑轨动态锁止后，以这个初始值进行力的预加载；然后根据力反馈进行动态调整，在满足误差后结束，并记录当前控制值；最后将值与产品类型和负载状态进行关联生成配方和查找表。这样，使得初始迭代值近似于期望值，系统初始状态误差为0。
23.而为解决学习律过大会带来过学习现象，可以按以下方法执行：由于在相同迭代学习律下，学习参数大，会使迭代的自学习收敛速度加快，同时过大的学习律也会带来过学习现象，使输出震荡。首先可以根据误差绝对值的平均值进行调整，策略如下方的公式（2）和公式（3）所示。另外，在选取误差样本时去除最大最小值；为减少电磁干扰引入的杂波影响，对采样数据采用巴特沃斯滤波器进行滤除。采用上述方法，可以使系统在学习初始阶段有较快的收敛速度，在学习后期有平稳的特性，一旦系统由于某种因素变化使原来的控制不再有效时，该控制系统又可重新开始学习。
24.式中，为迭代次数；为衰减系数，值越小则衰减越快，实现变步长学习；为初始学习步长；为舍去最大最小值后、误差绝对值的平均值；和为阈值，且。
25.若对公式（2）进行演变，成公式（3），则可实现多尺度、变步长学习。
26.式中，为增益系数，含义与一样。
27.上述座椅滑轨动态锁止测试用控制系统可直接应用于多规格座椅滑轨、变负载、动态锁止测试，实现自学习、在线控制，提高数据动态响应，并具备很强的鲁棒性和泛化能力。该测试系统可以推广到具备某种重复运动性质的被控对象和应用。而且所述基于p型迭代学习算法具有算法简单、对被控系统先验知识要求少、可以任意逼近期望值、控制器可自学习、收敛速度快、实时性好的有点，而且适合于具备某种重复运动性质的被控对象；另外能够实现完全跟踪；且适用于一般非线性控制系统；再者在线计算负担小，适合于快速运动控制；最后具有记忆功能，能根据记忆系统中信息迅速调整控制信号，因而实用性高。
28.需要强调的是：以上仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。