EPS建模与仿真：从动力学方程到LQG助力控制

简介：这是基于MATLAB/Simulink电动助力转向（EPS）系统的建模仿真研究毕业论文，适合车辆工程、控制理论与控制工程等方向的学生查阅。论文从EPS系统结构和工作原理出发，构建了包含机械转向系、减速机构、助力电机电学模型及考虑车身侧倾的三自由度整车动力学模型，并设计直线型与曲线型助力特性曲线，围绕基本助力与回正控制策略，对比了传统PID、Fuzzy-PID与LQG最优控制器的仿真效果，最后通过EPS性能试验台架验证了模型与控制策略的正确性。资源为单文件PDF，大小1.33MB，内容涵盖中英文摘要、系统建模、助力特性设计、多种控制器对比、仿真与台架试验等完整章节，已有305人学习浏览。对正在开展EPS系统建模、控制算法研究或撰写相关毕业设计的读者，这份论文提供了一套完整的建模思路、仿真路线和试验验证方法，具有较强的参考价值。

1. EPS 建模仿真：先分清三条模型链再进 Simulink

拿到一套 EPS 转向柱总成的实物参数，直接打开 Simulink 拖模块，大概率会在调试阶段卡在"仿真结果跟台架对不上"。

论文的价值不在某个控制器多先进，而在于把机械转向系、减速机构、助力电机、考虑车身侧倾的三自由度整车模型和轮胎模型串成完整模型链，再用实验室台架试验把仿真拉回来校准。它的核心结论在业内并不意外：助力控制模式下，LQG 最优控制效果最好，Fuzzy-PID 次之，传统 PID 最差；回正控制下方向盘能快速回中且不超调。

对正在做转向系统仿真、助力控制器选型，或者写车辆工程方向毕业论文的人来说，这套"建模—Simulink 实现—台架验证"的路径可以直接复用。下面按拆解顺序，从动力学方程讲到参数整定、台架对比和矢量出图。

2. 从动力学方程到状态空间：转向柱助力模型的搭建细节

2.1 转向柱助力式结构决定了建模拆分方式

EPS 按电机布置位置分三种：转向柱助力式、小齿轮助力式和齿条助力式。论文采用的是转向柱助力式，电机通过减速机构直接作用在转向柱上。这种布置结构紧凑、适合中小型车，建模时最大的好处是助力路径短，电机转矩经过一个减速机构就能叠加到转向柱，省去了齿轮齿条中间环节的非线性。

建模拆分要跟着能量流走：方向盘输入力矩经过转矩传感器，和电机助力在转向柱上汇合，再经过减速机构、齿轮齿条传到车轮；同时电机本身是电气环节，电压驱动电感电阻回路产生电流，电流产生电磁转矩。所以至少需要三块模型：机械转向系、减速机构加电机、整车与轮胎。整车模型不能省，助力特性里的车速信号、回正控制里的横摆角速度都来自整车，没有整车模型这些量只能拍脑袋给常数。

2.2 机械转向系动力学方程与符号约定

常见做法是把转向柱和输出轴分开列方程，转向柱侧的转动惯量方程为：

J_s·θ̈_s + B_s·θ̇_s + K_s·(θ_s − θ_p/i_g) = T_d

其中 J_s 是转向柱及方向盘等效转动惯量，B_s 是等效阻尼，K_s 是扭杆刚度，T_d 是驾驶员输入力矩，θ_p 是输出轴转角，i_g 是减速机构减速比。减速机构输出轴侧方程为：

J_p·θ̈_p + B_p·θ̇_p = i_g·η·T_m + K_s·(θ_s − θ_p/i_g)/i_g − T_r

T_r 是齿轮齿条反馈到输出轴的阻力矩，η 是减速机构效率。这部分参数在论文里对应表 2.1，典型量级如下：

符号	物理含义	典型量级
J_s	转向柱等效转动惯量	0.01～0.05 kg·m²
B_s	转向柱等效阻尼	0.1～0.5 N·m·s/rad
K_s	扭杆扭转刚度	50～200 N·m/rad
i_g	减速比	10～20
η	减速机构效率	0.85～0.95

注意这个模型的简化点：扭杆刚度 K_s 同时是转矩传感器的测量基础，传感器测的其实是扭杆两端转角差换算出来的力矩。想仿出传感器信号，Simulink 里就要把K_s·(θ_s − θ_p/i_g)单独引出来，不要直接用 T_d 查表，否则后面回正控制的反馈量会失真。

2.3 助力电机电学模型与传递函数

助力电机按永磁直流电机处理，电枢回路电压平衡方程为：

U = L·di/dt + R·i + K_e·ω_m

式中 U 是端电压，R 和 L 是电枢电阻与电感，K_e 是反电动势常数，ω_m 是电机转速。电磁转矩正比于电流：

T_m = K_t·i

K_t 是电机转矩常数，SI 单位制下数值上等于 K_e。对两式做拉氏变换，得到 Simulink 里可直接用的传递函数：电流环I(s)/(U(s) − K_e·ω(s)) = 1/(L·s + R)，机械环节Ω_m(s)/T_m(s) = 1/(J_m·s + B_m)。搭模型时用下面的方式建：

% 电机电流环与机械环节传递函数 Ra = 0.1; La = 0.001; % 电枢电阻 0.1Ω，电感 1mH G_i = tf(1, [La Ra]); % 电流环 1/(Ls+R)，输入为 U-Ke*w Jm = 0.0012; Bm = 0.003; % 电机转子惯量与阻尼 G_m = tf(1, [Jm Bm]); % 机械环节 1/(Jm*s+Bm)，输入为电磁转矩

电流环的时间常数由 L/R 决定，这里约 10 ms，对应电机电气动态；机械环节时间常数 J/B 约 0.4 s，两者差一个数量级，仿真步长要照顾快的那个。电机和转向柱通过减速机构耦合，仿真时把ω_m = θ̇_p·i_g反馈回电压方程即可。最容易出错的点是反电动势回路的符号，电压方程里K_e·ω_m是压降要减去，接错极性仿真曲线直接发散。

2.4 三自由度车辆模型与轮胎模型的耦合

论文的车辆模型没有用常见的二自由度自行车模型，而是加了车身侧倾，形成三自由度：侧向速度 v_y、横摆角速度 γ、车身侧倾角 φ。原因是回正控制和高速路感都跟侧倾相关，二自由度模型给不出侧倾信息，也就无法评价高速"发飘"。

三自由度方程的标准形式为：

m·(v̇_y + V_x·γ) − m_s·h_s·φ̈ = F_yf + F_yr

I_z·γ̇ − I_xz·φ̈ = a·F_yf − b·F_yr

I_x·φ̈ − m_s·h_s·(v̇_y + V_x·γ) + C_φ·φ̇ + K_φ·φ = m_s·g·h_s·φ

m 是整车质量，m_s 是簧载质量，h_s 是侧倾中心到质心高度，a、b 是质心到前后轴距，I_z、I_x 是横摆与侧倾惯量，I_xz 是惯性积，C_φ、K_φ 是悬架侧倾阻尼和刚度。轮胎模型用线性侧偏特性F_y = −C_α·α，前后轮侧偏角为α_f = β + a·γ/V_x − δ、α_r = β − b·γ/V_x，β 是质心侧偏角。低速到中速工况线性侧偏够用，极限工况才需要魔术公式。

在 Simulink 里搭这部分不要逐项拖积分器，直接用 State-Space 模块更省事：状态向量定为x = [v_y, γ, φ, φ̇]ᵀ，输入是前轮转角 δ，输出选 γ 和侧向加速度a_y = v̇_y + V_x·γ，A、B、C、D 矩阵按上面方程联立后填入。这样后续接 LQG 控制器时状态矩阵直接复用，不用二次推导。

3. 助力特性曲线设计：直线型、曲线型与控制器选型

3.1 助力特性曲线的形态与设计约束

助力特性描述的是"方向盘输入力矩 T_d + 车速 v → 目标助力力矩 T_m"的映射，是整个 EPS 控制的地基。曲线定死了，控制器只是在追这条曲线给出的目标电流。设计前有三个边界条件必须先定：助力起始力矩 T_d0（小于此力矩不助力，防止直行微调时电机频繁起停）、最大助力对应力矩 T_dlim（超过后助力饱和，防止电机过流和手感突变）、助力梯度最高点出现在低速大转角工况。

直线型助力特性的表达式为：

T_m = K(v)·(T_d − T_d0)，T_d0 < T_d < T_dlim

增益 K(v) 随车速递减。曲线型把中间段改成二次或分段曲线，使助力在小力矩区间更平缓、大力矩区间更陡。两者对比如下：

特性	中段表达式	低速手感	高速手感	调试成本
直线型	K(v)·(T_d−T_d0)	偏轻、线性直接	增益线性衰减，易发飘	低
曲线型	K(v)·(T_d−T_d0)² 或分段	低力矩时沉稳	过渡平滑	高，需标定分段点

论文两种曲线都建了，台架试验落在直线型，仿真两种都跑。实际工程里我更倾向曲线型，直线型在 T_d0 附近有折点，力矩稍微波动助力就跳变，驾驶员能感觉到"咯噔"一下；曲线型把起始段斜率做小，手感更顺，代价是标定工作量变大。

3.2 用 MATLAB 生成助力特性查表数据

Simulink 里最常用的做法不是输公式，而是用 2-D Lookup Table 模块，breakpoints 分别给车速和转矩，表格数据用脚本生成：

% 助力特性数据生成：直线型 v = [0 20 40 60 80 100]; % 车速采样点，km/h Td = (0:0.25:8)'; % 转矩传感器信号，N·m Td0 = 1.0; % 助力起始力矩，N·m Tdlim = 7.0; % 助力饱和力矩，N·m K0 = 3.2; % 0 km/h 时助力梯度 ratio = 1 - 0.6*(v/100).^2; % 高速助力衰减系数，100km/h 时降到 0.4 Tm = zeros(length(Td), length(v)); for j = 1:length(v) for i = 1:length(Td) if Td(i) <= Td0 Tm(i,j) = 0; % 死区不助力 elseif Td(i) < Tdlim Tm(i,j) = K0 * ratio(j) * (Td(i) - Td0); % 线性助力段 else Tm(i,j) = K0 * ratio(j) * (Tdlim - Td0); % 饱和限幅 end end end surf(v, Td, Tm); xlabel('车速 (km/h)'); ylabel('转矩 (N·m)'); zlabel('助力力矩 (N·m)');

脚本里三个参数决定曲线性格：Td0 调大，直行区更"静"，但低速揉库时第一把方向偏沉；Tdlim 调小，大转角时电机提前饱和，回正力矩不足；ratio 的衰减指数决定高速助力衰减速度，指数从 2 改到 1.5，120 km/h 时助力多出约 10%，高速发飘感立刻变明显。生成后把 Tm 矩阵拷到 Lookup Table 的 Table Data 里，或者用save('assist_map.mat','v','Td','Tm')存下来在模型里加载，方便后续多组曲线批量仿真对比。

3.3 三种控制策略的对比：PID、Fuzzy-PID、LQG

论文在助力控制模式里对比了三种策略，结论是 LQG 最优、Fuzzy-PID 次之、传统 PID 最差。这个结论本身有信息量：EPS 是典型的带测量噪声、参数摄动和外部干扰的系统。PID 只靠误差驱动，抗干扰靠积分项硬扛，调狠了容易超调；模糊 PID 不需要精确模型，用规则表在线改增益，鲁棒性明显提升；LQG 把问题转成"状态估计 + 最优反馈"，直接吃进模型信息，性能上限最高，代价是必须要有可信的状态空间模型。

策略	模型依赖	调试工作量	抗参数摄动	论文仿真结论
传统 PID	不需要	低，3 个参数	弱	最差，超调明显
Fuzzy-PID	不需要	中，规则表加量化因子	强	次之，响应快且平稳
LQG	强依赖	高，Q/R 加权整定	中，依赖模型准确度	最好，超调最小、稳态误差近零

选型建议很直接：毕设和快速原型用 Fuzzy-PID 性价比最高；要论文结论"控制效果最佳"或者做量产级控制器初版，上 LQG，但前提是把 2.4 节的状态矩阵标定准，模型不准 LQG 反而比不过模糊 PID。

3.4 Fuzzy-PID：规则表与量化因子

模糊 PID 不是把 PID 换掉，而是在误差 e 和误差变化率 ec 的基础上，用模糊推理在线输出 ΔKp、ΔKi、ΔKd，叠加到基准 PID 参数上。e 和 ec 都归一化到 [-1, 1]，隶属度函数用三角形即可，没必要上高斯。Kp 规则表的核心思想是：e 大时 Kp 加大快速逼近，e 小且 ec 大时 Kp 减小防超调。

e \ ec	NB	NS	ZE	PS	PB
NB	PB	PB	PM	PS	ZO
NS	PB	PM	PS	ZO	NS
ZE	PM	PS	ZO	NS	NM
PS	PS	ZO	NS	NM	NB
PB	ZO	NS	NM	NB	NB

这里用五档而不是标准七档就够用，规则表小一半，Simulink 的 Fuzzy Logic Controller 模块加载 .fis 后实时性也好。Ki、Kd 的规则表方向相反：误差大时 Ki 要小防积分饱和，误差小时 Ki 加大消除静差。量化因子 Ke、Kec 和输出比例因子 Ku 决定模糊论域与实际值的映射，调试顺序是先定 Ke 让误差铺满论域，再调 Ku 控制助力增量幅度，最后微调规则表。

提示：把基准 PID 当成"粗调"，模糊部分只负责 ±30% 的修正量。模糊输出范围给得过大，系统会在稳态附近持续抖动，方向盘手感发麻。

3.5 LQG 控制器：LQR 加权与状态估计

LQG 由 LQR 状态反馈加 Kalman 滤波状态估计组成，代价函数为J = ∫(xᵀ·Q·x + uᵀ·R·u)dt，Q 的对角元对应各状态的重要性，R 对应控制能量代价。用 MATLAB 求反馈增益：

% EPS 电机-转向柱简化模型参数 Jm = 0.0012; Bm = 0.003; % 电机转动惯量与阻尼 Kt = 0.06; Ke = 0.06; % 转矩常数与反电动势常数 Ra = 0.1; La = 0.001; % 电枢电阻与电感 A = [-Bm/Jm Kt/Jm; ... % 状态 x = [电机转速, 电流] -Ke/La -Ra/La]; B = [0; 1/La]; % 输入为电机端电压 C = [1 0]; % 观测电机转速 D = 0; sys = ss(A, B, C, D); Q = diag([5 1]); % 转速误差权重 5，电流权重 1 R = 0.01; % 控制电压代价，越小助力越激进 [K, S, e] = lqr(A, B, Q, R);

Q 和 R 的比值决定带宽：Q 加大，转速误差收敛快但电流峰值大；R 加大，控制平缓但响应变慢。工程上常用做法是先固定 R=0.01，Q 从单位阵开始成倍加，直到仿真里转向盘转角响应超调小于 5%。Kalman 部分用[L, ~, ~] = kalman(sys, Qn, Rn)，Qn 是过程噪声方差，反映路面干扰和模型误差；Rn 是测量噪声方差，转矩传感器和车速传感器的噪声水平不同要分开给。LQG 在 Simulink 里的完整结构是：被控对象输出进 Kalman 滤波器，估计状态乘 K 得控制量。LQR 的 K 按全状态反馈设计，用估计状态代替真实状态时控制增益不用重新设计，分离定理保证稳定性，这是 LQG 最方便的地方。

4. Simulink 总体仿真：子系统划分、模糊整定与 LQR 参数落位

4.1 总体仿真模型的分层结构

论文的总体模型把 2.2 至 2.4 节各部分连起来，但直接把电机、转向柱、整车方程堆在一个模型里，仿真跑得动却查不了问题。我一般按信号流拆成六层：目标电流计算、控制器、电机与减速机构、转向柱机械、整车与轮胎、传感器输出。每个子系统用 Ctrl+G 封装成带输入输出端口的 Subsystem，信号线上必须命名，否则没法用信号探查器（Signal Viewer）定位异常。

子系统	输入	输出	关键模块
目标电流计算	T_d, v	I_ref	2-D Lookup Table + Saturation
控制器	e, ec	U_m	PID Controller / Fuzzy / LQR gain
电机与减速机构	U_m	T_m, θ_p	传递函数或状态空间
转向柱机械	T_d, T_m	θ_s, θ̇_s	积分器或状态空间
整车与轮胎	δ	γ, a_y, φ	State-Space 模块
转矩传感器	θ_s, θ_p	T_d_sensor	Gain 计算 K_s(θ_s−θ_p/i_g)

注意表里转矩传感器输出不要直接用 T_d，否则驾驶员输入和传感器测量混成一个信号，回正控制会用错反馈量。这个错误在仿真里不容易发现，因为开环助力时两者数值接近，一旦切到回正控制，反馈回路接错会导致收敛方向反掉。

4.2 目标电流模型的实现细节

目标电流I_ref = T_m / K_t，T_m 由 2-D Lookup Table 查表得到。模块参数里 Row index 填车速 breakpoints，Column index 填转矩 breakpoints，数据矩阵用 3.2 节的 Tm。查表前给 T_d 加一个 5～10 ms 的一阶低通，滤掉驾驶员手抖的高频成分；查表后加 Saturation 限流，限幅值按电机峰值电流给，常见做法是 30～50 A，再串一个速率限制器（Rate Limiter），让电流爬升斜率不超过电机控制器能承受的 di/dt。否则仿真里电流尖峰很漂亮，台架上电机控制器直接报过流。

4.3 PID 与 Fuzzy-PID 控制器接线

传统 PID 用 Simulink 自带的 PID Controller 模块，参数放在 Workspace 变量里方便批量跑仿真。Fuzzy-PID 用 Fuzzy Logic Controller 模块，双击导入 .fis 文件，连接方式是误差 e 和误差变化率 ec 分别经过 Gain（量化因子）进模糊控制器，输出经过比例因子后和基准 PID 求和。基准 PID 的定法：先把模糊部分断开，用 Ziegler-Nichols 临界比例度法整定出 Kp_cr 和振荡周期 T_cr，再按经验表给出基准值，模糊部分只负责修正。这个顺序不能反，先让模糊部分接管再调基准参数，两个环节互相干扰，很难判断是谁在起作用。

4.4 LQR 参数落位与 Kalman 观测器

3.5 节的 K 算出来后，Simulink 里用 Gain 模块实现u = −K·x̂，x̂ 由 Kalman 滤波得到。Kalman 滤波器有两种搭法：一种用 Control System Toolbox 的 Kalman Filter 模块直接给系统矩阵；另一种自己搭，核心两步——预测：x̂₋ = A·x̂ + B·u；更新：x̂ = x̂₋ + L·(y − C·x̂₋)。自己搭的好处是能看清 L 的作用：L 大表示更相信测量，响应快但噪声也进来；L 小表示更信模型，平滑但有滞后。

仿真时用阶跃方向盘力矩做工况，记录转向盘转角响应、横摆角速度和侧向加速度三条曲线。对比三种策略时注意控制变量的前提：三者用同一套助力特性曲线、同一组车辆参数，只换控制器，出来的差异才是控制器本身的差异。论文里 LQG 的横摆角速度超调最小就是这个原因——不是模型好，是相同前提下 LQG 的状态反馈把超调压住了。

4.5 回正控制与阻尼控制的切换逻辑

回正控制解决低速回正不足和高速回正超调。判断条件常见做法是：转矩传感器读数 |T_d| 小于 T_d0（驾驶员基本松手），且转向盘转角 |θ_s| 大于死区阈值（比如 3°），此时切入回正控制；回正控制器输出目标电流让方向盘向零位收敛。Simulink 里用 Switch 模块做模式切换，回正控制器和助力控制器都算好后由 Switch 选路。切换逻辑建议写成 MATLAB Function 模块，方便后期加滞回：

function U = mode_switch(Td, theta_s, omega_m, U_assist, U_return, K_damp, v) % 模式切换：助力 / 回正 / 阻尼 Td0 = 1.0; % 助力起始力矩，N·m theta_th = 3*pi/180; % 回正死区转角，rad if abs(Td) > Td0 U = U_assist; % 驾驶员在使劲，走助力 elseif abs(theta_s) > theta_th U = U_return; % 松手且转角大，走回正 else U = -K_damp * v/100 * omega_m; % 高速小转角，阻尼 end end

阻尼控制本质是对电机施加反向阻尼力矩，让高速时方向盘"发飘"感减弱，实现上不用额外控制器，只要在电机端电压里叠加与转速成正比的反向项，K_damp 随车速增大，高速时阻尼明显、低速时几乎为零。三种模式切换时要加 2～3 ms 的滞回，防止在切换边界反复跳变产生抖动；Simulink 里可以在 Switch 前加一个 Memory 模块配合阈值逻辑实现滞回。

4.6 仿真参数与求解器设置

配置项	推荐值	说明
求解器	ode45 变步长	模型无强刚性环节，默认即可
Max step size	0.01 s	过大丢细节，过小仿真慢
仿真时长	10 s	覆盖阶跃响应到稳态
车速信号	阶跃或斜坡	变车速用斜坡，避免突变
输入力矩	1 s 处阶跃 3 N·m	模拟驾驶员突然打方向

整车模型频率较高，固定步长在 1e-4 s 以下才稳定，变步长 ode45 加 0.01 s 上限是兼顾精度和速度的做法。跑完先看状态是否发散，再谈曲线对比。仿真发散时按三条顺序排查：第一查电机反电动势反馈极性，第二查 Lookup Table 数据点是否单调，第三看加速度信号是否高频振荡——按这个顺序，90% 的发散都能定位。

5. 仿真结果验证：台架对比流程与 EPS 矢量图导出技巧

5.1 台架试验与仿真结果的对齐方法

论文最后用 EPS 系统性能试验台架做了三项试验：空载时方向盘输入力矩测定、助力特性试验、电机实际电流与仿真曲线对比。台架和仿真对齐的关键是输入条件完全一致：同一车速点、同一方向盘力矩斜坡输入，分别记录仿真和台架的电机电流、方向盘转角、横摆角速度三条曲线，放在同一张图里对比稳态值和 90% 上升时间。差异主要来自台架摩擦、减速机构效率和传感器噪声，仿真模型里没建摩擦项，低速端台架电流普遍比仿真高 10%～15%，这是正常现象，不是模型错误。如果台架支持快速原型，Simulink External Mode 可以直接在线调参，省掉反复烧录的流程。后续要验证极限工况，把三自由度整车模型换成 CarSim 联合仿真，模型接口保持不变，只需要换被控对象子系统。

5.2 对比结果量化指标参考

指标	仿真值	台架值	允许偏差
稳态电机电流	I_sim	I_bench	±10%
方向盘转角 90% 上升时间	t_sim	t_bench	±15%
横摆角速度稳态值	γ_sim	γ_bench	±8%
回正残余角	<2°	<3°	台架含摩擦，放宽

偏差超出这个范围，先回 4.1 的子系统逐层查，不要直接改控制器参数硬凑——改控制器只能压住表象，模型误差会在别的工况暴露出来。

5.3 把仿真曲线导出为论文可用的 EPS 矢量图

仿真做完要写成论文或技术报告，曲线图质量直接决定审稿观感。Simulink 的 Scope 截图是位图，放大就糊，正确做法是用exportgraphics或print导出矢量格式：

% 仿真曲线规范化与矢量导出 figure('Renderer','painters', 'Color','w'); plot(t, yaw_rate*180/pi, 'b-', 'LineWidth', 1.2); hold on; plot(t, yaw_rate_ref*180/pi, 'r--', 'LineWidth', 1.2); grid on; xlim([0 5]); xlabel('Time (s)'); ylabel('Yaw rate (deg/s)'); legend('仿真值','目标值','Location','best'); exportgraphics(gcf, 'yaw_rate_compare.eps', 'ContentType', 'vector');

Renderer设成 painters 保证矢量输出，LineWidth至少 1 pt 防止缩印后看不清，图例用英文避免中文字体在 EPS 里嵌不进去。如果期刊要求高分辨率位图，用print(gcf, '-dtiff', '-r600', 'yaw_rate_compare.tif')。Simulink 模型框图要放论文，不要直接截屏，用print -smodel_name -dpdf导出，字号和线条都更干净。

本文还有配套的精品资源，点击获取