[发明专利]一种基于事件触发的线控转角跟踪控制方法、存储介质及设备

权利要求书

1.一种基于事件触发的线控转角跟踪控制方法，其特征在于，该方法包括以下步骤：

步骤S1、引入径向基神经网络算法模拟模型中的非线性变量，确定控制系统输入、状态与输出，建立线控转向系统执行机构动力学模型；

步骤S2、对步骤S1所建立的动力学模型进行转角跟踪控制器的设计，引入动态滑模面方法、努斯鲍姆型函数以及事件触发条件，利用反步法推导出滑模控制率，使得系统有限时间收敛，满足李雅普诺夫稳定性判定；

步骤S3、选取特定的控制率参数，更新步骤S2控制率中神经网络的权值以及努斯鲍姆函数，结合所述滑模控制率，得到线控转向系统执行机构的扭矩控制率，计算转向电机扭矩；

步骤S4、通过控制转向执行电机扭矩实现转向轮按预期路径转向。

2.根据权利要求1所述的基于事件触发的线控转角跟踪控制方法，其特征在于，步骤S1所述的线控转向系统执行机构动力学模型可以用以下公式表达：

式中，J_eq表示总转动力矩，其可以等同于其中J_f表示转向轮主销转动惯量，K_c表示电机转角与转向轮转角之间的传动比，J_m2表示执行电机转动惯量；

B_eq表示总粘性阻尼系数，其可以等同于其中B_f表示转向轮主销的阻尼系数，K_c表示电机转角与转向轮转角之间的传动比，B_m2表示执行电机阻尼系数；

表示总的力矩干扰，θ_f、分别表示转向轮的实际转动角度以及角速度，其可以表示为τ_e+_f，τ_e为轮胎自回正力矩，τ_f为主销上等效摩擦力矩；T_m表示电机的输出。

3.根据权利要求2所述的基于事件触发的线控转角跟踪控制方法，其特征在于，步骤S1中，引入所述径向基神经网络计算总力矩的实际值，利用下述公式：

式中，表示径向基神经网络的输入节点，表示各个隐含层的输出权重，上标T代表转置，向量φ(X)∈R^N是高斯型函数，其定义为：

式中，g_i和σ_i分别是第N个神经网络节点的中心值与宽度。

4.根据权利要求1-3任一项所述的基于事件触发的线控转角跟踪控制方法，其特征在于，步骤S1中，将转向执行电机扭矩定义为系统输入，转向轮转角与转速定义为系统状态，转向轮实际转角定义为系统输出，同时在系统输出中考虑执行器故障，得到转向执行机构的状态空间表达式：

式中定义以及G(t)＝(t-T)g(x)，g(x)是在β(t-T)时刻突发的故障，定义T_n为故障发生时刻，当t＜T_n时，G(t)＝1，当t≥T_n时，G(t)＝1+g(x)，u作为控制输入值为ε₁表示神经网络估计的误差，d(t)代表未知的外界干扰；

x₁代表转向轮的实际转动角度，x₂代表转向轮的角速度，y代表电机的输出。