久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

    梁  玲：江西理工大學

    1  引言

    機械式自動變速器（Automated Mechanical Transmission，AMT）是汽車行業(yè)十分關注的汽車電子高新技術產(chǎn)品，在自動變速領域具有強大的競爭力和廣闊的應用前景，而換檔控制是汽車自動變速技術中的重要部分。

    換檔過程是發(fā)動機、離合器以及變速箱綜合控制的過程，要求三者協(xié)調動作來減少沖擊、降低噪聲和保證離合器使用壽命，從而提高換檔品質。

    利用神經(jīng)網(wǎng)絡(neural network，NN)控制工程車輛自動變速器換檔，主要是利用駕駛員的經(jīng)驗及其它專家知識形成的換檔規(guī)律，使換檔在其決策過程中考慮更多的因素和指標，力求使自動變速器的檔位選擇與人的操縱過程相似。利用神經(jīng)網(wǎng)絡建模，只要用測得的過程輸入輸出數(shù)據(jù)對神經(jīng)網(wǎng)絡進行訓練，就可獲得其輸入―輸出特性與實際過程等價的神經(jīng)網(wǎng)絡模型，不必對過程或對象內部進行分析，這對于未知過程的系統(tǒng)建模是非常方便的。神經(jīng)網(wǎng)絡控制自動換檔在實時學習和自動模式識別方面有極強的優(yōu)勢。但是神經(jīng)網(wǎng)絡的使用需要有樣本數(shù)據(jù)作為先決條件，因此控制的效果完全取決于樣本數(shù)據(jù)的質量。

    本文擬用神經(jīng)網(wǎng)絡處理自動變速器換檔的建模問題，并以此為基礎實現(xiàn)離合器接合的控制，從而設計了一種自動變速器換檔控制系統(tǒng)。

    2  自動變速器換檔的建模

    汽車是個具有多輸入、多輸出，不確定性多干擾源的復雜非線性系統(tǒng)。由于輸入和干擾因素對輸出的關系相當復雜，又是高階非線性系統(tǒng)，加之內部和外部參數(shù)的不確定性，致使為車輛系統(tǒng)進行合適的建模方式是一件十分困難的事。人工神經(jīng)網(wǎng)絡為非線性系統(tǒng)的建模和控制開辟了新的途徑。

    應用神經(jīng)網(wǎng)絡處理自動變速器換檔的建模問題，主要用到神經(jīng)網(wǎng)絡的非線性映射能力，一般采用多層前向神經(jīng)網(wǎng)絡。其中誤差反向傳播算法（back-propagation，BP算法）因其簡單易行、計算量小、并行性強，成為多層前向神經(jīng)網(wǎng)絡訓練的首選算法。

    2.1 換檔規(guī)律的制定

    換檔規(guī)律是自動變速系統(tǒng)實現(xiàn)最佳動力性能和最佳經(jīng)濟性換檔的基礎，也是自動變速系統(tǒng)控制的核心。換檔規(guī)律是指兩排檔間自動換檔時刻隨控制參數(shù)變化的規(guī)律，按照控制參數(shù)的不同可有單參數(shù)、兩參數(shù)和三參數(shù)換檔規(guī)律。單參數(shù)，多為車速；兩參數(shù)，多為車速與油門開度；三參數(shù)，多為車速、油門開度和加速度。雖然使用的控制參數(shù)越多越能達到較好的自動換檔效果，但會使換檔系統(tǒng)變復雜，因而成本較高。本系統(tǒng)采用兩參數(shù)控制。

    (1)  最佳動力性換檔

    最佳動力性換檔規(guī)律是使汽車的牽引力得到最充分的利用，發(fā)動機功率獲得最大的發(fā)揮來進行換檔的規(guī)律。為了不損失動力性，在換檔點應該保證車速和加速度相同。在不同油門開度下各檔加速度與車速的關系曲線中，某一油門開度下相鄰檔的曲線交點就是確保最佳動力性的換檔點。如果在高油門或較低油門時兩曲線沒有交點，這時采用低檔該油門下的最高車速為換檔點。把各油門開度下的最佳換檔點連接起來，便得到最佳換檔動力特性曲線。圖1所示為汽車前進檔牽引特性圖。圖中A點就是1檔和2檔某一油門開度下的最佳動力換檔點。

圖1 前進檔牽引力特性圖

     (2)   最佳經(jīng)濟性換檔

    經(jīng)濟性換檔規(guī)律力求滿足最低的百公里油耗要求，保證汽車總是以使發(fā)動機的燃油消耗率最小的檔位行駛。車輛的最佳經(jīng)濟性換檔規(guī)律通過車輛的燃油經(jīng)濟性曲線求得，假設換檔時間很短，可認為換檔時車速不變，為保證汽車具有良好的動力性和乘坐舒適性，換檔前后牽引力不變，由等牽引力換檔條件，換檔時油門開度應自動調節(jié)，并與此相適應。設換檔牽引力為某一常數(shù)，在牽引力特性上表示為一水平直線。根據(jù)它和相鄰兩檔不同油門開度的牽引力特性曲線交點，求出對應的某檔某油門開度的車速，由Qt=f(Va)曲線可用得到該車速下相應檔位和油門開度的油耗。根據(jù)車速和油耗可得到相鄰兩檔的油耗曲線，其交點就是最佳燃料消耗的換檔點，以此類推可以求出給定不同牽引力常數(shù)的相鄰兩檔的換檔點，其換檔點的連線就是相鄰兩檔的最低燃料消耗量。換檔曲線根據(jù)換檔點對應的車速和牽引力，可分析換檔規(guī)律對汽車牽引特性的影響，根據(jù)對應油門開度和車速可得到經(jīng)濟性換檔律。

圖2 經(jīng)濟性換檔點求法圖

    圖2表示相鄰兩個檔位的油耗特性曲線,A點為兩檔油耗特性曲線的交點。A點處兩檔的油耗相同，為最佳經(jīng)濟性換檔點。

    最佳動力性和最佳經(jīng)濟性換檔規(guī)律是兩種理想的換檔規(guī)律，本系統(tǒng)利用神經(jīng)網(wǎng)絡對兩種換檔規(guī)律進行學習。車輛實際運行過程中采用的換檔規(guī)律，綜合考慮車輛的動力性、經(jīng)濟性，以及駕駛員操縱意圖、道路環(huán)境條件等諸多因素，通過設定開關來選擇換檔模式，是經(jīng)濟性換檔還是動力性換檔。

    2.2 自動變速器最佳檔位判定

    反映發(fā)動機和車輛工作狀況的主要參數(shù)有發(fā)動機轉速、油門開度和車速等。發(fā)動機轉速盡管很容易被檢測，但在換檔過渡過程中其值處于變動之中，所以不適合作為換檔控制參數(shù)，而車速在換檔過程中由于車輛自身的慣性，基本上保持不變，所以可以作為反映車輛狀態(tài)的換檔控制參數(shù)，油門開度反映了司機對車輛行駛功率的要求。理論分析可以得出車速和油門開度與最佳檔位間的關系是分段非線性函數(shù)。

    BP網(wǎng)絡采用離線訓練方式，并將油門開度a，車速v和目標檔位i作為輸人/輸出樣本，由Matlab/Toolbox函數(shù)進行網(wǎng)絡的訓練計算，然后將訓練好的前、后檔網(wǎng)絡權值、閾值存入相應的控制器。

    神經(jīng)網(wǎng)絡解決非凸域問題，必須用兩個隱層[6]。通過實驗比較，最后確定網(wǎng)絡的各層神經(jīng)元數(shù)為2－3－5－5，選取迭代收斂目標為0.01，選取最大收斂步數(shù)為500，用隨機數(shù)初始化權值和閾值，訓練67次即達到要求。訓練算法用LM算法，其收斂速度快。部分樣本數(shù)據(jù)如表1所示。

    表1 神經(jīng)網(wǎng)絡換檔用部分試驗數(shù)據(jù)

    其中k為樣本號；a，v（單位分別為百分度和km/h）分別為油門開度和車速值；G1～G5分別對應檔位輸出的理想值。用這些數(shù)據(jù)樣本歸一化后對網(wǎng)絡進行訓練。訓練后用數(shù)據(jù)進行檢驗，結果表明判斷檔位的作用顯著。訓練結果如圖3所示。訓練后返回神經(jīng)網(wǎng)絡的權值、偏置值。網(wǎng)絡訓練過程的誤差曲線如圖3所示。

圖3 換檔神經(jīng)網(wǎng)絡訓練圖

    圖4給出了一個最佳檔位判別及換檔控制邏輯圖。神經(jīng)網(wǎng)絡部分用于存儲換檔規(guī)律，在使用前由輸入?yún)?shù)與最佳檔位對應關系的數(shù)據(jù)對其進行訓練；在線應用時，輸入?yún)?shù)由傳感器測取，歸一化后輸入網(wǎng)絡中。輸出Gi中取值最大者對應的檔位就是最佳檔，如果G2最大，則最佳檔為2檔，這時應把變速箱置為這個檔。換檔控制邏輯部分綜合網(wǎng)絡輸出G1,G2,