SCI论文（www.lunwensci.com）:
摘要：针对天窗起翘机构阻力变化剧烈引起的天窗误防夹问题，提出了基于K-means聚类的汽车天窗防夹算法。首先对多组关闭过程未遇加持物的霍尔脉冲宽度数据进行K-means聚类获取每个位置对应的脉冲宽度的K组质心，通过将待测数据与K组质心分别做距离计算保留最短距离的方法降低机构阻力变化对霍尔脉宽产生的影响，然后对上步所得最短距离进行差分计算，对差分结果进行限幅滤波后，再进行近似积分计算，最后将积分面积与阈值进行比较做出是否防夹的判断。通过MATLAB进行模型验证，验证结果表明，提出的方法能够准确检测出夹紧力大小，且相较于传统方法，能有效降低机构阻力变化对防夹判断产生的影响。将其移植到天窗控制器中，对天窗做防夹测试试验，测试结果均未出现误防夹现象，且防夹力大小保持在60~80 N之间，符合国家标准GB 11552中的规定。
关键词：防夹控制；K-means；汽车天窗；霍尔脉宽
Research on Anti-pinch Algorithm of Automobile Sunroof Based on K-means Clustering
Yang He1，Lyu Yan2，Zhang Yuanliang1※
(1.School of Mechanical Engineering,Dalian University of Technology,Dalian,Liaoning 116024,China;2.School of Mechanical Engineering and Automation,Dalian Polytechnic University,Dalian,Liaoning 116034,China)
Abstract:Aiming at the problem of false anti-pinch of sunroof caused by the drastic change of the resistance of the sunroof tilt mechanism,an anti-pinch algorithmof automobile sunroof based on K-means clustering was proposed.Firstly,the algorithm performed K-means clustering on the multiple sets of Hall pulse width data that did not encounter the blessing during the closing process to obtain the K groups of centroids of the pulse width corresponding to each position.By calculating the distance between the data to be measured and the center of mass of the Kgroup and leaving the shortest distance to reduce the influence of the resistance change of the mechanism on the Hall pulse width.Then,the difference calculation was performed on the data obtained in the previous step,and then the difference result was subjected to limit filtering,and then the approximate integral calculation was performed.Finally,the integral area was compared with the threshold value to make a judgment on whether to prevent pinch.The model was verified by MATLAB,and the verification results show that the method can accurately detect the clamping force,and compared with the traditional method,this method could effectively reduce the influence of the mechanism resistance change on the anti-pinch judgment.The method was transplanted into the skylight controller,and the anti-pinch test was carried out on the skylight.The test results showed no false anti-pinch phenomenon,and the anti-pinch force was maintained between 60 and 80N,which was in line with the national standard GB 11552.
Key words:anti-pinch control;K-means;car sunroof;Hall pulse width
0引言
近年来，汽车的电动全景天窗装配比例显著增多[1]。据研究，电动车窗关闭过程中，推力约在320~562 N之间[2]，若没有防夹功能，一旦被夹，势必会对人身造成伤害。而国家标准GB 11552(全称《乘用车内部凸出物》)中规定电动天窗要具备防夹功能，该规定指出，电动车窗、天窗及隔断系统开口从200 mm到4 mm范围内，夹紧力未超过100 N时应回缩车窗、天窗及隔断系统[3]。汽车全景天窗的结构决定了其开闭运动一般包括滑动过程和起翘过程[4]，其中，滑动过程天窗所受阻力变化较为平缓，起翘过程阻力变化较为剧烈。但目前防夹算法在天窗所受机构阻力剧烈波动时，不能起到很好的效果，常常出现误防夹情况。
目前的防夹算法实现主要分为基于采样电流和基于霍尔信号两大类[5]。何虎[6]提出了一种根据电流大小判断力的大小，根据运行时间判断位置信息的自匹配自学习防夹算法。虽然提高了算法适配性，但根据运行时间显然不能有效确定位置信息。李云等[7]通过分析电流直流分量上叠加的纹波分量获取了位置信息，再利用电流积分的方法判断夹持力大小，实现了防夹功能。严静等[8]通过对系统电流进行小波变换，对电流进行多分辨率分析，提高了基于采样电流防夹算法的抗干扰能力。
杨旭等[9]通过纹波数量与脉宽确定夹紧力大小，设计了防夹算法。上述的3种基于采样电流的防夹算法均需要用到电流纹波进行位置判断，而纹波易受到供电电压影响，负载波动又会引起电压波动，因此基于采样电流的方法并不能很好地解决阻力波动较大的天窗起翘过程的防夹。
相较于采样电流，霍尔信号本身就是由霍尔传感器根据电机转动采集得到，结果更加准确、稳定且可靠。但现有的基于霍尔信号的防夹算法研究多是提高抗干扰性和稳定性，没有考虑电机负载剧烈波动时的情况。宋敏[10]通过霍尔脉冲精确估算位置信息，并采用滑膜算法优化防夹策略，提高了抗干扰性；刘建国等[11]采用高斯滤波器的办法降低了电池电压波动、颠簸路面等对霍尔脉冲产生的影响，提高了算法稳定性；李丹丹[12]采用了根据霍尔脉宽计算速度，进而计算加速度的方法实现了防夹功能。上述3种方法均能过滤掉诸如电压波动、路面颠簸等小的霍尔脉宽波动产生的影响，但由于起翘过程中阻力的剧烈波动会引起霍尔脉宽的剧烈波动，若采用上述3种方法，均会出现误防夹的情况。
针对机构本身阻力剧烈波动造成的误防夹问题，本文结合一款实际天窗产品，提出了基于K-means聚类的汽车天窗防夹算法。该算法基于霍尔信号做出防夹判断，首先对多组未遇夹持物的霍尔脉宽数据进行K-means聚类得到K组质心，再将待测脉宽与质心做距离计算并保留最短距离，以降低机构阻力变化对霍尔脉宽的影响，最后采用先差分再近似积分的方法对上步距离积分，将积分值与阈值比较做出防夹判断。实际进行防夹测试的试验结果表明，该方法能够有效降低误防夹发生，且防夹力满足国标GB 11552中规定。
1基于K-means聚类的防夹算法模型构建
1.1获取K-means聚类样本
K-means聚类方法是一种将样本数据按照设定的距离量度方法聚类成K组的方法，每一组的聚类中心称为该组的质心。
通过对霍尔脉宽数据进行聚类获取各个位置的脉宽质心，可反映出天窗关闭过程的脉宽变化特征。因此，若要得到天窗未遇阻挡物关闭时的脉宽特征，需获取多组该状况下的霍尔脉宽数据。将执行了完整关闭过程，且关闭过程中未遇阻挡物的关闭情况称为正常情况，其产生的一组霍尔脉宽数据称为一组正常数据，记为Ni。则第i组正常数据，位置1~m的霍尔脉宽数据可表示为：
1.2基于K-means聚类的防夹判断模型
本文基于K-means聚类的防夹判断模型由2个模块组成：基于K-means聚类的特征提取模块和基于该特征值的夹紧力判断模块。如图1所示，聚类样本集合Tn通过K-means聚类后可得出一组反映天窗正常关闭过程霍尔脉宽特性的质心矩阵，记为Uk。将质心矩阵Uk和由待测霍尔脉宽pw组成的Ttest作为防夹判断模块输入，计算出可反映夹紧力大小的s。通过比较s与阈值st的大小，判断是否触发防夹。
1.3基于K-means聚类特征提取模块
K-means聚类的特征提取算法用于提取正常情况下的霍尔脉宽特性，算法采用Tn作为输入矩阵，分别对Tn中的各Pj做K-means聚类。聚类的距离计算公式采用曼哈顿距离测量法：
聚类所得的收敛质心可反映该位置的脉宽特征。将各Pj聚类得到的质心向量记为Cj，Cj表示在位置j处的质心向量，将Cj记为：
其模型实现方法如图2所示。
1.4夹紧力判断模块
夹紧力判断模块可基于质心矩阵判断待测脉宽数据的夹紧力大小，步骤如表2所示。该算法以待测数据和质心矩阵作为输入。首先仍采用式(4)计算待测数据与质心矩阵对应位置的距离，以便消除机构阻力变化带来的影响，保留最短距离记为dist。再将前后位置的最短距离做差分计算，差分公式如式(8)所示，差分结果记为diff，该步主要目的是消除因电压不同产生的影响。
因只有在遇到加持物时计算结果才能反映夹紧力大小，故采用对窗口内差分值做近似积分的方法计算夹紧力大小。选择的窗口大小的极限W可依据防夹力阈值T、使用的测试工具刚度R和1个霍尔信号对应的实际天窗运动距离D计算得到，其公式可化简为：
根据GB11552规定，防夹力应不超过100 N，这里为增加安全性采用T=75 N，测试仪器刚度R=10±0.5 N/mm，实际测得本系统中1个霍尔信号对应的天窗实际运行距离D≈0.2 mm。根据式(9)得出，本系统窗口大小极限W=37.5。因天窗刚接触防夹力测试仪时，所受阻力较小，脉宽变化并不明显，所以实际窗口大小选择20个霍尔信号。
diff值为负，表明天窗在加速，diff值较小，表明是天窗运行过程中的正常波动，这两种情况都不是反应天窗遇到阻力减速的情况，因此对diff值做出筛选，舍弃小于Kd的diff值。最后对窗口内差分值做近似积分计算，近似积分结果用s表示，公式如下：
其模型实现方法如图3所示。
2试验验证
2.1试验平台搭建
本模型采用一款全景天窗作为实验平台如图4所示，其天窗系统结构框图如图5所示。
天窗系统可分为外部连接部分和ECU部分。外部连接部分包括：电源、车身控制器(BCM)、按键开关、上位机、直流电机和天窗机构。ECU部分包括：控制单元、DC-DC模块、LIN通讯、开关输入检测模块、串口通讯、下载与仿真接口、电机驱动、霍尔采集和温度采集模块。
2.2实验数据获取
本模型需要采集用于K-means聚类的样本集合Tn和待测数据Ttest。在试验平台上通过串口通讯的方式采集了40次正常关闭下的样本数据作为聚类样本集合Tn。因天窗软停止位脉冲数为320，软停止位即天窗初始化以后的实际关闭位置，同时根据GB11552规定的4~200 mm防夹区间，故经过测验，选取样本数据霍尔数区间为320~2 250。图6所示为采用MATLAB输出的样本集合Tn的三维图，x轴为天窗所在位置，用霍尔脉冲数表示(以下提到的天窗位置即是霍尔脉冲数)；y轴为组数；z轴为该位置对应的脉冲宽度。
采用德国Drive Test FM200仪器作为夹紧力测试仪，该款测试仪主要用于测量汽车车窗，天窗夹紧力，其测量范围为0~300 N，测量公差为±3 N，刚性有10 N/mm，能够存储多达100个测量点，测试仪如图7所示。
将天窗开口从30~200 mm每隔10 mm一次的防夹测试且夹紧力大小为(75±3)N的18组霍尔脉宽数据作为待测数据Ttest，待测数据Ttest的MATLAB输出三维图如图8所示。
2.3 MATLAB模型验证
根据本模型采用MATLAB进行编程建模验证。首先通过K-means聚类特征提取算法处理样本数据Tn，将K值设为2，得到的质心数据Uk如图9所示。
将该质心Uk和待测数据Ttest作为输入，建立夹紧力判断算法，限幅参数Kd取1，对上述的18组待测数据采用MATLAB编程计算后得到的夹紧力大小评估值s如图10所示。
可得出夹紧力为75 N时，夹紧力大小评估值s基本在45附近，对于本系统，可将防夹阈值st设为45。
通过MATLAB编程建模，比较本方法和较传统方法的优劣。传统方法即仅通过对窗口内数据差分，再近似积分的方法得到反映夹紧力大小的s。分别采用本算法和传统算法对未遇夹持物的正常运行数据Tn进行处理，两种方法得到的反映夹紧力大小值s。取两种方法正视图进行比较，结果如图11所示。
图11(a)和图11(b)对比可以看出，传统方法在滑动区域尚且有效，但在天窗逐渐运行进入起翘区域中时，出现了3处较为明显的峰值，达到了65、37、85，当这3处较大的s值超过设置的阈值st时，就会发生误防夹。基于K-means聚类的防夹方法整体波动平稳，只有在起翘位置末达到了38，其余位置均未超过30。可以看出，基于K-means聚类的防夹算法能够更好地应对机构阻力变化对防夹功能造成的影响。
2.4天窗防夹测试
将该防夹算法移植到该天窗系统中进行防夹测试试验，夹紧力测试仪采用德国Drive Test FM200。试验方法为天窗开口的30~200 mm区间内，每隔10 mm一个测试位置，对每个测试位置进行5次防夹测试。天窗系统控制器如图12所示，测试现场环境如图13所示。
天窗在温箱内，温箱外可通过LIN控制天窗运行，通过串口监控防夹数据。防夹测试结果如表1所示，防夹力大小单位为N。由表可看出，天窗在不同位置防夹力均在80 N以下，能够满足设计要求。
3结束语
针对汽车天窗起翘机构阻力波动较大导致误防夹的问题，提出了基于K-means聚类的汽车天窗防夹算法。
(1)通过运用K-means聚类获取多组正常数据的K组质心，再将待测数据与质心做距离计算并保留最短距离值的方法，降低了机构阻力波动对霍尔脉宽造成的影响。
(2)对最短距离做近似积分计算，通过差分、限幅手段降低了电压波动及其他尖峰噪声的影响，提高了算法稳定性。
(3)比较本方法与传统方法优劣，传统方法在机构阻力波动时，出现了夹紧力评估系数剧烈波动的情况，本方法计算出的夹紧力评估系数未出现较剧烈情况。
(4)对采用该算法的汽车天窗做防夹测试试验，试验结果表明，运用该算法不再有误防夹情况出现，并且防夹力也稳定在60~80 N之间，实验中未出现防夹力过大或者过小的情况，说明该算法确实能有效解决机构阻力变化带来的影响。
参考文献：
[1]《汽车与配件》编辑部.伟巴斯特:国内汽车天窗装配比例超过70%,全景天窗占比过半[J].汽车与配件,2021(17):44-45.
[2]张严.电动车窗感应防夹技术专利分析[J].中国发明与专利,2018,15(S2):65-71.
[3]GB 11552-2009,乘用车内部突出物[S].
[4]赖文林.汽车天窗发展及结构浅析[J].时代汽车,2021(16):169-170.
[5]王浩,刘胜兰,刘晨.基于K-means和高斯混合模型聚类的齿轮箱故障识别研究[J].机电工程,2021,38(7):873-878.
[6]何虎.车窗防夹控制器的自匹配与自学习[D].北京:清华大学,2013.
[7]李云,徐洋,李超,等.基于电机电流检测的汽车电动车窗纹波防夹系统设计[J].汽车零部件,2021(1):91-94.
[8]严静,刘瑞军,丁玲,等.基于小波变换的车窗防夹系统电流降噪与特性分析[J].广西大学学报(自然科学版),2017,42(2):602-610.
[9]Xu Y,Li C,Chen F.A Design of Window Lifter System Based on Current Detection[C]//Institute of Electrical and Electronics Engineers Inc.,2019.
[10]宋敏.基于霍尔传感器的电动汽车电动车窗防夹控制算法实验研究[J].国外电子测量技术,2019,38(7):112-116.
[11]刘建国,付恒,饶政玉,等.基于高斯滤波和近似积分的电动车窗防夹算法[J].汽车工程,2017,39(12):1464-1471.
[12]李丹丹.车窗控制器及防夹算法的研究[D].哈尔滨:哈尔滨工业大学,2019.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/ligonglunwen/49657.html
