CN119492994A 后轮转向电机异常检测装置及方法和计算机可读存储介质 （汉拿万都株式会社）

后轮转向电机异常检测装置及方法和计算本发明公开一种后轮转向电机异常检测装向电机用于生成驱动用于执行车辆的后轮转向后轮转向相关的输入数据输入到人工神经网络据与实测数据进行比较来检测所述后轮转向电2所述处理器，通过执行所述一个以上的指令来检测后轮转向电机的异常所述处理器，将与所述车辆的后轮转向相关的输入数据输入到人工神所述输入数据包括所述车辆的速度、所述车辆的变速杆位置信息、所述车辆所述估计数据包括根据所述输入数据确定的针对第一残差的第一估计所述估计数据还包括根据所述输入数据确定的针对第二残差的第二估计残差是与所述后轮转向电机将要生成的电机扭矩相关的指令和测量所述处理器，通过执行所述一个以上的指令来将与所述估计数据和所述误差数据包括多个所述数据集的实测数据和估计数据之间的平均误差和标准偏包括的输入数据和实测数据相关的所述鉴别处理器将与车辆的后轮转向相关的输入数据输入到人工神经网络模型所述处理器通过将所述估计数据与实测数据进行比较来检测后轮转向电机是否异常，所述后轮转向电机用于生成驱动用于执行所述车辆的后轮转向的齿条3所述输入数据包括所述车辆的速度、所述车辆的变速杆位置信息、所述车辆所述估计数据包括根据所述输入数据确定的针对第一残差的第一估计所述估计数据还包括根据所述输入数据确定的针对第二残差的第二估计残差是与所述后轮转向电机将要生成的电机扭矩相关的指令和测量所述处理器将所述输入数据和所述实测数据输入到所述鉴别器并获取由所述鉴别器所述处理器将误差数据输入到异常检测模型并获取所述异常检测模型差数据包括所述实测相关鉴别值以及与所述估计数据和所述实测数据之间的差值相关的任一项所述的后轮转向电机异常检测方法的至少一4[0002]本申请要求于2023年8月14日提交的韩国专利申请号为10_2023_0106182以及于2024年7月8日提交的韩国专利申请号为10_2024_0089573的韩国专利申请的优先权和权[0003]本发明涉及一种后轮转向电机异常检测装置及方法和存储有用于执行该方法的机的异常，该后轮转向电机生成用于驱动执行车辆的后轮转向(Re[0005]后轮转向系统包括调节车辆后轮的角度的齿条以及驱动齿条的后轮转向致动[0006]后轮转向电机的输出扭矩可能会由于劣化引起的退磁(demagnetization)、绝缘故障(failure)之前检测后轮转向电机的性能降低，该后轮转向电机用于生成驱动执行车[0010]本发明的另一目的在于提供一种后轮转向电机异常检测装置及方法和存储有用5行所述一个以上的指令来将与所述估计数据和所述实测数据之间的差值相关的误差数据输入到异常检测模型并判断所述后轮转向电机数据之间的最大绝对误差以及与多个所述数据集中包括的输入数据和实测数据相关的所6所述实测数据可以是在所述车辆和所述后轮转向电机处于正常状态时获得及与所述估计数据和所述实测数据之间的差值相数据之间的最大绝对误差以及与多个所述数据集中包括的输入数据和实测数据相关的所7[0036]图4是示出根据本发明一实施例的后轮转向电机异常检测装置中为了获取估计值[0041]图9是根据本发明一实施例的后轮转向电机异常检测方法中检测后轮转向电机是[0043]说明书和权利要求书中所使用的词语和术语不应被限制性地解释为其通常含义[0046]后轮转向系统200根据车辆的行驶情况，以与前轮的转向角配合的方式主动控制后轮RW的转向角。后轮转向系统200可以根据行驶情况将后轮RW的转向角控制为与车辆前轮的转向角相同的同向或者控制为与车辆的前轮的转向角相车辆的变速杆位置信息；以及转向角传感器213，检测车辆的方向盘的转向角和转向角速辆的速度、通过变速杆位置传感器212获取的车辆的变速杆位置信息以及来自转向角传感器213的车辆的转向角和转向角速度等信息可以传递至电子控制[0050]电子控制单元250基于所述感测信息生成用于后轮转向的输入数据。电子控制单元250生成的输入数据可以传递至用于控制后轮转向电机270的后轮转向电机控制器260，8[0055]齿条位置控制器262接收指令齿条位置Pd和测量的测量齿条位置Pm的差值并生成[0056]指令齿条位置Pd和测量齿条位置Pm之间的差值是与齿条位置相关的指令和测量[0057]后轮转向电机扭矩控制器263接收指令后轮转向电机扭矩Td和后轮转向电机270[0058]指令后轮转向电机扭矩Td和测量后轮转向电机扭矩Tm之间的差值是与电机扭矩[0059]后轮转向电机电流控制器264接收反映了指令电流Id和测量电流Im的反馈的输入图4是示出根据本发明一实施例的后轮转向电机异常检测装置中为了获取估计值或检测异[0062]根据本发明一实施例的后轮转向电机异常检测装置100检测后轮转向电机270的[0063]根据本发明一实施例的后轮转向电机异常检测装置100可以通过基于人工智能的9还可以包括诸如软盘和磁带之类的磁介质(MagneticMedia)、诸如光盘只读存储器(CD_的光记录介质(OpticalMedia)、以及诸如软式光盘(FlopticalDisk)之类的磁光介质[0068]处理器120通过执行所述一个以上的指令来将与所述车辆的转向相关的输入数据输入到人工神经网络模型20并获取人工神经网络模型20输出的后轮转向相关向电机270将要生成的电机扭矩相关的指令和测量值之经网络模型20可以接收所述输入数据并输出第一包括作为所述第一残差的实测值的第一实测值以及作为所述第二残差的实测值的第二实数据中包括的第一估计值和第二估计值可以追随所述车辆和轮转向系统处于正常状态时[0081]生成器21接收所述输入数据并生成所述估计数据。生成器21可以包括神经网[0082]本发明一实施例中，生成器21可以接收与所述车辆的后轮转向相关的输入数270接收驱动力并允许所述车辆的后轮RW移动的所述第一残差的第一估计值和所述第二残差的第输入数据输出的所述第一残差的第一实测值和所述第二残差的[0087]编码器21a和解码器21b构成用于估计与所述车辆的后轮转向相关的估计数据的[0088]编码器21a可以设计成使用变换器块(transformerblock)和线性运算(linear入层(embeddinglayer)、自注意力层(self_attentionlayer)和前馈层(feed_forward[0092]缩放点积注意力首先对输入序列应用层归一化，并通过线性运算(linear[0098]变换器块的输出可以提供给两个不同的线性运算以计算解码器21b的查询、键向量和初始输入值(j1)。[0099]解码器21b可以使用获取的值以类似于序列到序列递归神经网络(Sequence_to_SequenceRecurrentNeuralNetworks)的自回归方式可以包括变换器块内的交叉注意力层(cros[0101]交叉注意力层可以使用编码器21a的查询向量和键向量来执行缩放点积注意力，入数据和所述实测数据输出的鉴别值可以被定义为实测相[0103]另一方面，鉴别器22可以附加地接收所述输入数据和所述估计数据并输出鉴别[0106]更具体地，鉴别器22可以与生成器21交替地执行优化以解决诸如式2的瓦瑟斯坦表示由输入数据和后轮转向相关估计数据构成[0111]与此相关地，用于生成对抗网络训练的损失函数(lossfunction)可以被定义为[0115]生成器21的损失的第一项对应于监督训练的平均绝对误差损失(LMAE)。生成器21[0116]并且，处理器120通过将所述估计数据与所述实测数据进行比较来检后轮转向电[0117]处理器120通过执行所述一个以上的指令来将与所述估计数据和所述实测数据之数据和实测数据相关的鉴别器22的实测相述第一实测值之间的最大绝对误差、所述第二估计值和所述第二实测值之间的平均误差、于从接收了所述误差数据的异常检测模型30获得的输出(特征)来检测后轮转向电机的异[0122]关于异常检测指标(anomalydetectionmetric)，可以考虑下面的式4给出的F1[0127]至此，已经详细描述了根据本发明一实施例的后轮转向电机异常检测装置100的测第一残差的第一实测值R1m和实测第二残[0131]如上所述，输入数据Drcv可以包括所述车辆的速度、所述车辆的变速杆位置信[0132]接下来，处理器120执行一个以上的指令，将输入数据Drcv输入到人工神经网络Dgcv输入到人工神经网络模型20的生成器21中，并获取由生成器21输出的包括作为第一残差的估计值的第一估计值R1e和作为第二残差的估计值的第二估计值R2e的估计数据。入数据第一实测值R1m和第二实测值R2m输入到鉴别器22并获取鉴别值D[0134]接下来，处理器120输出误差数据DError。可以针对每个数据批次输出误差数据[0136]此时，误差数据DError可以包括第一估计值R1e和第一实测值R1m之间的平均误差二估计值R2e和第二实测值R2m之间的标准偏差σE(R2)、第二估计值R2e和第二实测值R2m之间的最大绝对误差MaxE(R2)以及针对输入数据第一实测值R1m和第二实测值R2m的鉴别器[0138]基于从接收了误差数据DError的异常检测模型30获得的输出(特征[0143]首先，处理器120将与所述车辆的后轮转向相关的输入数据输入到人工神经网络数据可以包括作为所述第一残差的实测值的第一实测值以及作为所述第二残差的实测值神经网络模型20可以是车辆的后轮转向系统的基于[0150]在获取所述一个以上的估计值的步骤S110中，处理器120可以将所述输入数据输入到生成器21并获取生成器21生成的估[0151]另一方面，人工神经网络模型20是通过生成器21和鉴别器在所述学习时使用的输入数据和实测数据可以是在所述车辆和后轮转向系统处于正常状[0152]接下来，处理器120将所述估计数据与实测数据进行比较并检测后轮转向电机是[0153]处理器120通过执行一个以上的指令来将与所述估计数据和所述实测数据之间的[0154]图9是根据本发明一实施例的后轮转向电机异常检测方法中检测后轮转向电机是[0157]接下来，处理器120将包括所述实测相关鉴别值以及与所述估计数据和所述实测数据之间的差值相关的数值的误差数据输入到异常检测模型30并获取异常检测模型30的述第一实测值之间的最大绝对误差、所述第二估计值和所述第二实测值之间的平均误差、于从接收了所述误差数据的异常检测模型30获得的输出(特征)