Design and evaluation of an observer-based disturbance rejection controller for electric power steering systems
Notice bibliographique
Résumé
The goal of this paper is to develop an observer-based disturbance rejection electric power steering (EPS) controller to provide steering assistance and improve the driver’s steering feel. For the purpose of control design, a control-oriented model of a vehicle with a column-assist EPS system is developed and verified against a high-fidelity multibody dynamics model of the vehicle. The high-fidelity model is used to mimic vehicle dynamics to study controller performance in realistic driving conditions. Then, a linear quadratic Gaussian approach is used to design an EPS optimal controller, in which a Kalman filter estimates the unmeasured steering system’s states and external disturbance. A new formulation for the linear quadratic regulator objective function is proposed to take advantages of the known information about the system dynamics to attenuate the disturbance and magnify the driver’s torque. Finally, the EPS controller is applied to the high-fidelity vehicle model in a software-in-the-loop simulation to evaluate its robustness and performance under realistic conditions. The results show that the proposed controller can effectively reduce the disturbance induced in the steering rack, and simultaneously magnify the driver’s steering torque by use of a bi-linear EPS characteristic curve. Then, to show the disturbance rejection properties of this EPS controller, its performance is compared with H 2 / H ∞ and PID control designs using time and frequency domain analysis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».