关键词:
汽车自动离合器
起步意图
神经网络
优化算法
滑磨控制
摘要:
机械式自动变速器(AMT)是在手动变速器上安装离合器和选换档机构和相应的控制器而来。因其结构简单、传动效率高、燃油经济性好及成本低的优势而广泛应用到了新能源及传统车上。离合器是发动机与变速箱之间扭矩传递的桥梁,其完全通过摩擦副的形式传递扭矩,利用离合器的接合与分离,在起步时可以避免发动机转速急剧下降,有利于发动机形成稳定的润滑状态,减轻摩擦副的摩擦磨损,在换档时能够大大降低对变速箱齿轮材料的韧性和塑性的要求,改善变速箱齿轮的摩擦磨损和寿命。综合来说,离合器的控制性能直接影响了AMT汽车的起步和换档性能,因此研究高精度、快响应的离合器控制策略不仅可以保证汽车起步和换档性能,同时也能减少离合器的磨损和冲击,为避免发动机和传动系统材料失效奠定基础。本文针对AMT汽车起步过程中离合器的控制问题展开研究,以探索一套完整的基于驾驶员起步意图的离合器最优控制策略。具体的研究内容以及研究成果如下:首先,驾驶员的起步意图作为离合器最优控制策略研究的前提需要进行深入的研究。本文通过大量的实车实验,将驾驶员起步过程中加速踏板操作数据作为意图识别因子,同时将驾驶员的起步意图分为了三种类型:慢速起步、中等加速起步以及快速起步。基于此建立了基于神经网络的意图识别系统,通过实车采集的数据对神经网络进行训练和测试。结果表明,将起步中第600ms作为驾驶员起步意图的识别点,识别精度高于95%。这为离合器最优控制策略的研究提供了技术前提。其次,针对单一的驾驶员起步意图,提出了基于动态规划的离合器优化控制方法。通过将离合器滑磨功、整车冲击度、发动机加速度及其发动机输出转矩作为性能指标构造出离合器优化的代价函数,再基于动态规划优化算法获得对应起步意图下离合器的最优控制策略。针对离合器模型的非线性,设计了基于滑磨控制的滑磨控制器控制离合器的接合。仿真结果表明,提出的离合器最优控制策略能够很好的反映出驾驶员的起步意图,同时大大提升车辆的起步性能。最后,针对驾驶员起步过程中意图发生转换的离合器控制问题,提出了基于线性二次算法的优化方法。以车辆的瞬时状态为基准,通过优化计算寻找最优的离合器接合策略,使得基于滑磨功、冲击度、发动机速度、离合器转速和期望起步速度所建立的代价函数的值最小。通过搭建离合器试验台架,对离合器的转矩特性进行研究,建立以实验数据为基础的离合器转矩模型。仿真和试验结果表明,提出的方法能够实时的反映出驾驶员的起步意图,同时汽车的起步性能得到很好的提升。