基于模型驱动架构的电动汽车电动助力转向系统可靠性研究
马铮 周海鹰 李小庆 何细鹏 (
马铮1 周海鹰2 李小庆1 何细鹏1 1. 430065;2. 442002) ( 武汉交通职业学院,武汉 湖北汽车工业学院,十堰
主题词:电动助力转向系统 模型驱动架构 可靠性 故障树分析 电动汽车TP311 A 10.19620/j.cnki.1000-3703.20200057中图分类号: 文献标识码: DOI: The Research on Electric Vehicle EPS System Reliability Based on MDA
Ma Zheng1, Zhou Haiying2, Li Xiaoqing2, He Xipeng2 1. Wuhan Technical College of Communications, Wuhan 430065; 2. Hubei University of Automotive Technology, ( Shiyan 442002) In order to improve the reliability of the Electric Power Steering (EPS) system, the reliability modeling and【Abstract】evaluation method of EPS system based on Model- Driven Architecture (MDA) is proposed. The EPS architecture (A- EPS) model is constructed by Architecture Analysis and Design Language ( AADL); the EPS reliability ( R- EPS) model is constructed by using EMA sub- language and EPS related components fault statistics. Besides, the mapping rules of EMA model to Fault Tree Analysis (FTA) model is studied and the conversion of R- EPS model to EPS fault tree model is realized. In order to track the weak links of the system, the reliability analysis is carried out from 4 aspects: top event probability, basic event probability importance, critical importance and structural importance. The EPS failure probability is obtained, the weak link of the system is traced, and reasonable suggestions are given.
Key words: EPS, MDA, Reliability, FTA, EV 1 前言
Electric Power
目前,国内外对汽车电动助力转向(
Steering,EPS)
系统的可靠性研究主要集中在系统核心
EPS
部件建模与控制技术、机械故障诊断两个方面。 系统核心部件建模技术主要指系统核心部件的数学方程描述[1],控制技术指系统控制方法[2]、控制策略[3];机械故障诊断方面主要包括部件的故障诊断与隔离[4]、部件优化设计及容错控制技术[5]、故障统计与预测[6]。然而,上
EPS
述对 系统可靠性研究的内容主要是针对该系统的单一部件,缺乏系统性研究,必须采用一种更有效的可
EPS
靠性分析方法,从系统层面入手,构建 系统可靠性
[7]
模型并进行可靠性综合评估。文献 提出了基于模型
Structural Analysis,SA)
的结构分析( 方法,该方法采用
Fault Mode Effect and
故障模式影响及危害性分析(
Criticality Analysis,FMECA) EPS
对 系统部件故障模式、故障影响进行分析,通过定性分析确定系统关键部件并
EPS FMECA
建立 系统故障模型,但该方法是在 定性分析下构建的系统故障模型,存在模糊不确定性且没有综合考虑软、硬件对系统可靠性的影响。陈奇等人[8- 9]采
【摘要】为提高电动助力转向( EPS)系统可靠性,提出了基于模型驱动架构( MDA)的 EPS系统可靠性建模与评估方法。采用结构分析与设计语言( AADL)构建系统架构( A-EPS)模型,采用错误模型附件( EMA)子语言及EPS系统相关部件的故障统计数据构建系统可靠性( R-EPS)模型,研究并改进EMA模型到故障树分析( FTA)模型的映射规则,实现了R-EPS模型到EPS系统FTA模型的转换,同时,为追踪系统薄弱环节,从顶上事件概率、基本事件概率重要度、临界重要度和结构重要度4个方面进行分析,得出EPS失效概率,追踪到了系统薄弱环节,并给出合理化建议。
SA DM用 方法,建立了系统故障数学模型并利用
Dulmage- Mendelsohn) Fault ( 分解和故障隔离矩阵(
Isolability Matrix,FIM),
对系统的故障可检测性和可隔离性进行了分析,该方法侧重于故障诊断与检测能力,
EPS
无法对 系统整体失效率及薄弱环节进行预测评
EPS估。因此,必须从系统级模型入手,全面考虑 系统各构件及其之间的依赖关系,并综合考虑软、硬件在系
EPS统运行中存在的安全问题,实现对 系统综合可靠性的分析。
Model- Driven Architecture,本文将模型驱动架构(
MDA)[ Fault Tree Analysis,FTA)[
10]与故障树分析( 11- 12]相
EPS
结合,对 系统可靠性进行分析评估。从系统级模型
Architecture出发,综合采用结构分析与设计语言(
Analysis and Design Language,AADL)[
13]和错误模型附件
Error Model Annex,EMA)[ EPS ( 14]语言,构建系统架构(
Architecture,A- EPS) EPS模 型 及 系 统 可 靠 性(
Reliability,R- EPS) MDA FTA模型,研究并改进 模型到
R- EPS EPS FTA
模型的映射规则,实现 模型到 模型的
FTA EPS
转换,最后通过 定量分析预测 系统失效率,定
EPS
性分析确定 系统可靠性关键部件并给出合理化建议,为工程实际提供理论依据。
2 A-EPS模型构建
MDA EPS
本文提出的基于 的电动汽车 系统可靠性
1 EPS
分析方法如图 所示。首先对 系统进行分析,采用
AADL EMA
对系统架构进行建模,采用 对系统可靠性
EPS
进行建模;其次对 系统可靠性模型到故障树模型
FTA
的转换进行研究,并生成故障树模型;最后通过 方
EPS
法对 系统进行可靠性评估,并为系统改进给出合理建议。
2.1 EPS系统原理分析
EPS 2 EPS
系统的结构及工作原理如图 所示。 系统主要由车速传感器、转向盘转矩传感器、电动机电枢电流传感器、控制器、功率驱动电路、故障指示灯、离合器和直流电动机等组成。控制器根据各传感器输出的信号决定电动机的转动方向和最佳助力扭矩,并向电动机和离合器发出控制信号,然后通过功率驱动电路控制直流电动机的转动。电动机的输出经过减速机构减速增扭后驱动齿轮齿条机构,产生相应的转向助力[15]。
2.2 EPS系统AADL模型建立
EPS AADL
根据 系统的系统组成和工作原理,其 模A-EPS 3
型( 模型)架构如图 所示。图3 EPS系统AADL模型图2 EPS系统结构及工作原理
EPS
系统由控制单元、轮速传感器、扭矩传感器、电动机、电磁离合器以及转向机构组成。控制单元包含
3
信号处理、决策控制和启动自检 个线程。控制单元绑
Microcontroller Unit,MCU),
定于微控制单元( 各传感
CAN
器、电动机、电磁离合器、转向机构之间通过 总线相连。考虑试验样车的部分软件参数,使用标准属性集和
/ I/O)
自定义属性集对输入输出( 端口、任务类型、总线属性、处理器相关属性等进行详细描述。其中控制决策
30 ms,
线程具有周期性且周期为 计算截止时间默认等
3 ms NXP
于周期,计算执行时间为 。处理器采用
STM32L431RCT6, 2~3 ns,
线程交换执行时间为 调度策
Earliest Deadline First,EDF)
略采用最早截止期限优先(
CAN Carrier
策略,采用高速 总线和载波侦听多路访问(
Sense Multiple Access,CSMA)
协议,硬件部分采用
VHSIC Very- High- Speed Integrated
硬件描述语言(
Circuit Hardware Description Language,VHDL)
。此外,还可以对线程的优先级、调度策略,以及处理器的处理速率、优先级范围和总线的带宽等进行详细设置。
3. R-EPS模型构建与转换3.1 EPS系统故障统计分析
本文故障数据来源于某自主品牌电动汽车在开发
240
测试期间内 辆样车一年内重复试验的全部故障跟踪记录[16]。通过对故障数据进行统计分析,全部样车中
10 1
主要故障部位共有 处,分布情况如表 所示。1 EPS 26.6%
由表 可知, 故障预警占故障总数的 。
EPS
对系统的结构及工作原理进行分析,该系统的故障主要分为硬件故障、软件故障、电路故障,其中硬件
EPS MCU)
故障主要是 控制器( 、电磁离合器、电动机、转矩传感器、车速传感器等部件故障,软件故障主要是车速、转角、转矩、反馈电流等信号处理失效,电路故障主要是部分器件电路的短路、断路以及触点的异常连接。
[17] EPS
文献 推导出了 系统常见元器件的失效特征参数。本文在其基础上,结合实际故障统计数据
EPS 2
分析得出常见 故障底事件及其失效概率,如表所示。
3.2 EPS系统EMA模型构建
AADL AADL A-EPS可靠性模型由 架构模型( 模型) AADL EMA) EMA
和 错误模型附件( 两部分构成[13]。 描述了组件可靠性相关的信息,包括故障类型、故障事件、故障状态、故障状态变迁、故障分布等。
EPS EMA
为构建 系统 模型,需要对各元件的故障EMA
信息进行描述,本文利用 语言构建了子系统通用错误模型:
errorLib //
package 定义故障库public
EMV2 {** annex -------------(1) error types clutch_failure: type; //
设备故障类型
Signal_processing_failure: type; Speed_signal_failure: signal_process⁃ type extends ing_failure; //
信号处理故障类型
Output_value_failure: type; MCU_keep_high: Output_value_failure; type extends
//
输出值错误
…… End types;
Signal_processing ---------(2) error behavior errorLib; // use types 引用故障库events
speed: {Speed_signal_failure}; error event …… states
operational: initial state; failed: state;
-------------(3) transitions failA:operational-[Speed]->failed; ……
-------------(4) properties EMV2::OccurrenceDistribution = > [ProbabilityValue => 0.013; Distribution => Fixed;] Speed; applies to
…… end behavior;
**};
1) EMA
标记( 定义了故障类型,可以采用 标准集中提供的,也可以自定义故障类型,例如信号处理故障,标
2) operational
记(定义了故障事件及故障状态( 和
failed), 3) 4)
标记( 定义了故障变迁,标记( 定义了故障
Poisson) Fixed)
分布类型,可分为泊松( 和固定( 概率分布,此外还可定义严重性级别、可能性、危害性等。标记
2)~ 4)
( 标记( 共同定义了故障行为模型。
AADL AADL
将 架构模型和 错误模型相结合即可
EPS EPS
构建 系统可靠性模型,其中 系统进程控制的可靠性模型为:
EPS_control.impl process implementation signal_ processing: thread processing.impl; startup: thread self_test.impl; control_decision: thread decision.impl; connections
cn1 : port Speed_signal -> signal_ processing. speed_signal;
……
{** annex EMV2 use behavior Errormodel::simple; //故障引用composite error behavior states
[signal_processing.Failed or startup.Failed or control_decision.Failed ]-> Failed; end composite; properties
EMV2::OccurrenceDistribution => [ProbabilityValue =>1.35e(- 10); Distribution => Fixed;] signal_ applies to processing.Failed;
EMV2::OccurrenceDistribution =>[ProbabilityValue => 1.45e(- 10); Distribution => Fixed;] startup. applies to Failed;
EMV2::OccurrenceDistribution =>[ProbabilityValue => 1.25e(- 10); Distribution =>Fixed;] con⁃ applies to trol_decision.Failed; **};
EPS_control.impl; end
EPS_control
从模型中可以看出,当进程 中线程
signal_ processing startup control_decision
、 、 均失效时,进
EPS_control
程 失效。其中部分故障数据,例如故障分布、失效概率由测试数据分析得出,其他数据由可靠性预计模型及失效参数推导得出。
3.3 EMA模型到FTA模型的转换规则
[18] [19] AADL
文献 、文献 描述了从 模型到静态故障树的转换方法,但这些方法中缺乏对构件间干扰性的考虑,没能对故障构件间的相关性进行描述。李东
AADL
民等人[20]描述了从 故障模型到动态故障树的转换方法,但该模型中缺少对底事件故障分布及故障产生
EMA
概率的描述。因此,本文在前者研究基础上,对 模
FTA
型到 模型转换规则进行了改进:
1: F=( T,I,
定义 基本故障树可以定义为一个四元组
B,G) Top Event),
。其中: T为顶事件( 位于故障树顶端,
In⁃
表示所有事件联合发生作用的结果;为中间事件( I
termediate Event)
集合,位于顶事件和底事件之间; B为
Bottom Event) Basic
底事件( 集合,包括基本事件(
Event),
表示该事件已无需继续探明原因,且故障模式
Gate) Or Gate)
已知; G表示门( 集合,包括或门( 和与门
And Gate)
( 。
2:EMA
定义 的基本元素可表示为一个四元组
E=( ES,EE,T,O) ES={es1,es2,…,esm}
。其中: 为所有错误状态的
EE={ee1,ee2,…,eem}
集合; 为所有错误事件的集合; O为错误事件的故障分布及发生概率的集合; T为所有错误状态
T(esi,eej)=esk
间变迁的集合,转移函数 。
EMA FTA 2
对比 及 模型基本元素,可得到这 种模型中元素的对应关系,转换规则如下:
1:
规则 错误模型中的错误事件转换为故障树中的底事件。
2:
规则 错误模型中的错误事件概率转换为故障树底事件概率。
3:
规则 错误模型中的错误状态转换为故障树中的中间事件或顶事件。
4:
规则 错误模型的连接弧转换为故障树中的逻辑
2
门,其中逻辑门的转换规则有 种:
a. EMA Composite Error
中的复合错误行为(
Behavior)
描述的是复合故障行为,表述错误事件与状态
And)
变迁之间的关系。与( 表示几个错误事件均发生
Or)
才导致状态变迁,或( 表示任意一个事件发生都将导
EMA And FTA
致状态变迁。因此,可将 中的 转换为 的
EMA Or FTA
与门, 中的 转换为 的或门。
b.
不同故障事件间的相关性:当eei与 eej之间存在相关性,即故障事件i发生会引发故障事件j发生,则可转换为与门;若eei与 eej间不存在相关性,即故障事件i发生不会引发故障事件j发生,则可转换为或门。
3.4 R-EPS系统FTA模型的生成
EPS R-EPS
在构建好 系统可靠性模型( 模型)后,将
EPS
其进行实例化,包含 系统架构实例和错误模型实
3.3
例,基于 节模型转换规则将这些错误模型实例进行
OSATE Run Fault
转化,并通过软件 的故障树分析运行(
Tree Analysis) .fta OpenFTA
插件生成 文件,最后通过 工
.fta EPS 4
具解析 文件,生成 故障树模型。图 所示为最
EPS FTA
终生成的 系统 模型,其中各中间事件名称及编
3
号如表 所示。
4 R-EPS系统可靠性分析4.1 R-EPS系统FTA定量分析
X={X1,X2,…,Xn}
设 为故障树的n个互相独立的底事件的集合,故障树的结构函数表示为: {
0,
) 顶事件不发生 1) ϕ( x1, x2,…, x =
1, (
n 顶事件发生{ 0,若第i个事件不发生 2) x= 1, ( i 若第i个事件发生式中, n为故障树所有底事件的数量; xi为相应底事件是否发生的状态。
与门和或门的结构函数分别为:
Π n
ϕ( X) = x 3)
( i
i= 1 Π
1- n (1- i) 4)
ϕ( X) = x (
i= 1依据逻辑门的概率计算公式[19],可分别求得与门和
Ft s( ):
或门下系统的不可靠度 Π n i(
Fs( t) = E[ϕ( X)]= P[ϕ( X) = 1]= t) 5)
F (
i= 1 Π n i(
Fs( t) = E[ϕ( X)]= 1- (1- t)) 6)
F (
i= 1
式中, E[ϕ( X)] 为故障树顶事件发生的期望值; P[ϕ( X) = 1] Fi(t)为故障树顶事件发生的概率, 为第i个元件不可靠度。
EPS FTA 1 EPS
依据 系统 模型以及表 中 故障底事件及其概率,可逐层求出各中间事件的概率,最终求得顶
0.274, 3.1
上事件概率。经计算,顶上事件概率为 对比
EPS 26.6%,
节故障统计数据, 故障预警占故障总数的 实
3%,
际测试与模型分析数据误差为 准确度较高。4.2 R-EPS系统FTA定性分析与门根据故障树底事件或最小割集对顶事件产生的贡献,可以确定系统薄弱环节并以此改进系统方案设计,可分为概率重要度、临界重要度和结构重要度[21]。
4.2.1
基本事件概率重要度分析基本事件概率重要度表述第i个元件不可靠度的变化导致系统不可靠度变化的程度。g函数为顶上事件
Fi(t)
发生概率,其为多重线性函数。对自变量 求偏导即可得到基本事件的概率重要度Igi:
∂ gëF( û ∂ (
t) F t)
Δg ( 7)
I= t) = = s (
gi i ∂ ( ∂ (
F t) F t) i i gëF(t)
式中, û 为顶事件发生概率;
F( ) =(F1( ) ( ( t)) P û
Ft t, t),…, F ; Fs( t) =( )= gëF( ϕ( X) t)
。
2 n
7)
利用式( 可求出各基本事件的概率重要度,排序
4
结果如表 所示。
4 X7)
从表 中可以看出,事件继电器触点常闭( 造成
X5)
的影响最大,转矩传感器输出恒值( 、电磁离合器本
X3)
身失效( 造成的影响次之,因此系统工程师在设计时应多注重这些关键部件,尽可能降低其故障概率,必要时设计容错系统,以提高整个系统的可靠性。影响最
4.2.2
临界重要度分析临界重要度也称关键重要度,是从系统安全角度考虑,用基本事件发生概率的相对变化率与顶上事件发生概率的相对变化率之比来表示基本事件的重要度[21],它是综合考虑敏感度和自身发生概率来衡量各基本事件的重要度标准: 5 3
由表 可知,临界重要度最高的 个事件分别为继电
X7) X5)
器触点常闭( 、转矩传感器输出恒值( 、电磁离合
X3),
器本身失效( 与基本事件概率重要度结果分析相近。
4.2.3
结构重要度分析结构重要度表述元部件在所处系统中的重要程度,
与该系统的元部件自身故障概率并无关系,仅从结构上分析各基本事件对顶上事件发生的影响程度,其数学表达式为:
21
ϕ ϕ 10) I= n (
i n- 1 i Σ
n= ϕ [ ϕ( , X)- ϕ( , X)] 11) 1i 0i
i ( 2 n- 1 i X)- X)]式中, n ϕ表示底事件 的临界状态数; [ ϕ( ϕ(
, , 1i 0i i
0) 1),为系统中第i个部件由正常状态( 变为故障状态(其他部件状态不变时,系统结构函数的变化; I ϕ 为第i i个元部件的结构重要度,取决于第i个部件在系统结构中所处的位置。
EPS I( X18)= I( X17)=
经分析得出 系统结构重要度为
I( X16)= I( X15)= I( X11)= I( X10)= I( X9)= I( X8)= I( X7)= I( X6)=
I (X5)= I( X4)= I( X3)= I( X2)= I( X1)> I( X27)= I( X26)= I( X25)=
I (X24) = I( X14) = I( X13) > I( X23) = I( X22) = I( X21) = I( X20) =
I (X19)
。这表示采样电阻失效、反馈电流信号处理失效、EPS
反馈电流电路故障等事件在 结构上具有最高的重要程度,处于系统关键部位,其次为电机驱动芯片输出恒低、电机驱动芯片输入电路开路等,最后为转角信号处理失效、转矩信号处理失效等。
5 结束语
MDA EPS
本文提出了基于 的电动汽车 系统可靠性评估方法。依据某自主品牌电动汽车开发测试期间故障跟踪记录,以及部分元器件的失效特征参数分析得出
EPS AADL
系统常见故障事件及失效概率。利用 建立
A- EPS EMA
了系统架构模型( 模型),在此基础上利用
R- EPS
子语言建立了系统可靠性模型( 模型),并对
EMA FTA
模型到 模型的转换规则进行了改进,生成了
FTA FTA
系统 模型,最后通过 定量、定性分析得到以下
3%, EPS
结论:系统分析误差为 准确度较高;导致 失效的重要事件为继电器触点常闭、转矩传感器输出恒值、电磁离合器本身失效,影响最小的事件多属于软件类型故障;采样电阻失效、反馈电流信号处理失效、反馈电流电路故障等事件重要程度最高,处于系统关键部位,其次为电机驱动芯片输出恒低、电机驱动芯片输入电路开路等,最后为转角信号处理失效、转矩信号处理失效等。
该方法体系可在系统开发前期对系统薄弱环节进行排查,为系统的改进及元件健康管理提供理论依据。参考文献[1] . [D].蔡小龙 汽车转向助力无刷直流电机控制系统的研究: , 2019.南昌 南昌大学[2] LIN F J, HUNG Y C, RUAN K C. An Intelligent Second
Order Sliding- Mode Control for an Electric Power Steering System Using a Wavelet Fuzzy Neural Network[J]. IEEE Transactions on Fuzzy Systems, 2014, 22(6): 1598-1611. [3] 秦晓熙.线控四轮转向系统稳定性与容错控制研究[D]. 南京:南京航空航天大学, 2018. [4] 李可.汽车电动助力转向故障诊断系统的设计[D]. 镇江:江苏大学, 2008. [5] 赵景波, 陈龙, 江浩斌, 等. 汽车EPS故障模式分析与其控制技术[J]. 农业机械学报, 2009, 40(2): 18-21. [6] ZHAO J B, CHEN L, JIANG H B, et al. Design and Full-Car Tests of Electric Power Steering System[C]// 1st International Conference on Computer and Computing Technologies in Agriculture. Springer, 2008: 729-736. [7] .姚志刚 基于模型的汽车电动助力转向故障诊断系统研[D]. : , 2019.究 合肥 合肥工业大学[8] , , AHMED Q, .陈奇 汪金成 等 基于模型的汽车电动助力[J]. , 2019(8): 839-850.转向系统故障诊断 汽车工程[9] , , AHMED Q, .陈奇 姚志刚 等 基于结构分析法的故障诊[J]. , 2017(11): 1341-1349.断理论及其应用研究 汽车工程[10] FEILER P H, GLUCH D P. Model- Based Engineering with AADL[M]. Massachusetts: Pearson Education Inc, 2013. [11] MAHMUD N, MIAN Z B. Automatic Generation of Temporal Fault Trees from AADL Models[C]// 22nd Annual Conference on European Safety and Reliability (ESREL). European Safety & Reliability, 2013. [12] KABIR S. An Overview of Fault Tree Analysis and Its Application in Model based Dependability Analysis[J]. Expert Systems with Applications, 2017, 77: 114-135. [13] SAE International. AS5506C- Architecture Analysis and Design Language (AADL)[R]. America: SAE International, 2017. [14] DELANGE J, FEILER P. Architecture Fault Modeling with the AADL Error- Model Annex[C]// 40th Euromicro Conference on Software Engineering and Advanced Applications (SEAA). Elsevier, 2014: 361-368. [15] . [M]. : ,付百学 汽车电子控制技术 北京 机械工业出版社2010. [16] . MDA马铮 基于 的电动汽车整车控制系统可靠性建模[D]. : , 2017.与评估 十堰 湖北汽车工业学院[17] . EPS石彬 基于故障树的 系统可靠性及失效模式仿真研[D]. : , 2007.究 杭州 浙江大学[18] , . AADL刘玮 李蜀瑜 基于 模型的静态故障树的自动生[J]. , 2013, 23(10): 99-102+106.成 计算机技术与发展[19] , , . AADL张晓策 燕雪峰 周勇 一种 故障模型到动态故障[J]. , 2017, 27(11): 110树的转换方法 计算机技术与发展114. [20] , , .李东民 李静 林华锋 基于故障树分析的嵌入式系统AADL [J]. , 2017, 44模型可靠性分析方法 计算机科学(6): 182-188. [21] KABIR S. An Overview of Fault Tree Analysis and Its Application in Model based Dependability Analysis[J]. Expert Systems with Applications, 2017, 77: 114-135.
(责任编辑 斛畔) 2020 3 24修改稿收到日期为 年 月 日。