基于双霍尔传感器的汽车车窗防夹控制方法研究

2019-05-07王东生冯少婵崔书超

汽车电器 2019年4期

王东生，冯少婵，崔书超，姜浙

（北京汽车研究总院，北京 101300）

防夹技术主要应用在车窗、天窗、尾门等开闭系统中，目前的防夹技术主要包含双霍尔防夹技术、纹波防夹技术、电容防夹技术，所有防夹技术的难点就是如何准确判断防夹状态。霍尔传感器技术可以检测电机的转速变化以及车窗的行程，与检测电机电流的方式相比，这种方式不仅可以实现相同的功能，而且更加直观、数学模型的构建更方便、算法简单以及具有自学习等功能。根据市场应用现状，霍尔传感器应用技术目前是车窗防夹控制技术的主流。

1 霍尔防夹原理

半导体薄片置于磁感应强度为B的磁场中，磁场方向垂直于薄片。当有电流I流过薄片时，在垂直于电流和磁场的方向上将产生电动势eh，这种现象称为霍尔效应，该电动势称为霍尔电势，上述半导体薄片称为霍尔元件。

霍尔传感器是基于霍尔元件的电子器件，本方案采用3对磁极，S极、N极相互交替，间隔60°，当转子旋转时，S极、N极交替作用在A、B两个霍尔传感器，霍尔元件发送脉冲。霍尔结构如图1所示。

两个霍尔传感器相位差90°，通过4∶1的伞齿轮测速机构驱动计数器轴端磁盘旋转，磁盘转动一周，转子转动1／4周，因为设置3对磁极，每个霍尔定子旋转一周会产生3个脉冲，双霍尔结构，定子旋转一周会产生6个脉冲。这样执行机构中心轴转动1周会产生6×4=24脉冲。圆柱磁盘每转1圈是3×4=12个波形翻转，故执行机构输出1圈则产生48个状态翻转，也就是输出中心轴每旋转7.5°，脉冲状态翻转1次，单片机计数1次所以单片机输出的位置分辨率为7.5°。脉冲时序如图2所示。

图1 霍尔结构

图2 脉冲时序

由于上述改变和方向有关，因此MCU能够通过波形判定方向，当执行机构在A发生跳变，如果A、B电平相同，则为逆时针转向，反之为顺时针旋转；在B发生跳变的霍尔传感器A、B的信号，如A、B电平相反则为逆时针转向，如A、B信号电平相同，则为顺时针转向。

2 CAN总线技术的应用

CAN通信方案，4个防夹门模块采用CAN通信，通信速率100 ms。

根据防夹功能通信矩阵，主驾驶侧门窗防夹模块报文如表1～4所示。

表1 主驾驶侧门窗防夹模块报文

3 防夹车窗控制系统硬件

本文设计4个防夹模块分别集成到4个门模块中，每个模块采集本侧车门上的各个开关，驱动门上相应的负载，并具有防夹功能。

左前开关组通过硬线将升降命令传输给左前防夹模块，并通过CAN将其它3门升降命令传输给本地防夹模块。

其它3门按键通过硬线将升降命令发送给本地防夹模块，防夹模块之间采用总线通信。防夹模块控制本地玻璃升降电机工作。本地防夹模块通过硬线传输LED信号给本地按键开关控制本地开关。

分布式控制，并集成到门控制器中，配置灵活、成本低，单个模块损坏不影响其它车门工作，4门经简单设置后可互换使用。防夹系统如图3所示。

表2 副驾驶侧门窗防夹模块报文

表3 左后侧门窗防夹模块报文

表4 右后侧门窗防夹模块报文

图3 防夹系统

4 软件设计

控制器上电启动时，从E2PROM中读取初始数据，检测电源电压，当电压值平稳后，读取E2PROM中存储的车窗位置，然后读取按键输入，如果有升降车窗操作，就设置对应的开关信号来驱动芯片中的继电器T1、T2、T3、T4。如果车窗向上运动，计时器开始计时，霍尔传感器脉冲信号加计数，延时50 ms后，检测电流值是否过流，在车窗上升过程中如果检测到了过流信号，即车窗电机的电流值大于电流阈值，而车窗位置又处于防夹启动区域，则判定车窗遇堵，控制器就输出方向开关信号，通过继电器T1、T2、T3、T4驱动电机反转1 s后停止，防夹操作完成。不论电机升降运动，控制器都会通过计数程序记录霍尔传感器的脉冲信号数，据此可判断车窗的相对位置，并在需要时把该位置信息写入E2PROM。软件设计流程如图4所示。

5 仿真验证

在simulink中建立了系统仿真模型，要求该模型能够实现在没有夹物时控制电机转速的平稳运行、在防夹区转速低于或等于设定阀值时控制电机反转、在防夹区转速大于设定阀值时控制电机平稳运行。本方案中的永磁无刷直流电机转速采用双闭环控制方案，转速由自适应模糊PID控制器调节，能够提高系统的稳定性与响应速度。模糊PID设计如下。

1）选取输入为偏差e以及系统的偏差变化率ec，输出为常规PID的3个参数的调整量kp、ki、kd，如图5所示。

2）确定离散域、模糊子集和隶属度函数，如图6所示。

如图5选择e和ec的论域范围为［-5 5］， kp、ki、kd的离散论域为［-1 1］，模糊子集为［NB，NM，NS，ZO，PS，PM，PB］，隶属度函数为三角形函数。

3）模糊控制规则如图7所示。

kp、ki、kd模糊规则，如表5～7所示。

根据实验结果反复调整量化因子和比例因子，以便获取做好的控制效果。最终得到系统的模糊PID仿真模型，如图8所示。