智能电控自动变速器换档策略研究分析.ppt

哈尔滨工业大学（威海）汽车工程学院,第,*,页,现代汽车控制理论研究——,研究生汽车电子技术教程,第三章 智能电控自动变速器换档策略研究,,一.　简介,,１．,国内外的研究现状,,在国外，自动变速器的研究始于汽车1985,年，日本五十铃公司率先研制成功,NAVI-5,型全自动机械式变速器，并装于飞鸟,(,ASKA),轿车，投放市场获得成功此后，美国的福特,(,FORD),公司、法国雷诺,(,RENAULT),公司、意大利的菲亚特,(,FIAT),公司都相继开发了这种变速器，全自动,AMT,已进入产品化和实用化阶段由于自动换挡和起步时都受到环境、驾驶员驾驶水平和车况等因素的影响，日本的五十铃,(,ISUZU),、,尼桑,(,NISSAN),等开始采用模糊推理的智能化方法进行此方面的研究，包括模糊换挡策略和离合器接合速度的模糊控制三菱公司新的自动变速车“,Fuzzy Shift 4AT,”,在自动变速系统中加入了“模糊控制”的概念在工程机械领域，日本川崎重工公司开发的轮式装载机,KLD97ZIII,匹配,15,ZIII,自动换挡变速器意大利萨姆,(,SAME),公司,Rubin,系列拖拉机采用了全自动换挡变速箱，美国卡特彼勒,(,CATERPILLAR),公司的,Challenger35/45/55,橡胶履带拖拉机从第,10,挡至第,16,挡可以实现自动换挡。

在国内，吉林大学、北京理工大学、重庆医疗机械工业公司等多家单位均在自动变速器的研究方面取得了科研成果其中，吉林大学率先将智能控制理论应用到工程机械中，对工程机械模糊神经网络档位控制进行了试验研究，研制出推土机的模糊换挡系统并进行了室内试验；对轮式装载机的模糊换挡策略也进行了研究1998年8月吉林大学自主研制桑塔纳2000,AMT,样车通过了国家鉴定，目前正进一步加强系统可靠性等方面的研究神龙公司也向市场投放了装备进口,AL4,智能型自动变速器的富康988“领导者”以及富康1.6,L,轿车，它们采用了模糊控制理论和动力传动系统综合控制技术，实现了智能化控制，电子控制单元有10种换挡规律，按需分别调用几种换挡规律或同时或交替工作，共同控制变速器的状态2024/9/20,1,,哈尔滨工业大学（威海）汽车工程学院,２．,自动换挡规律研究展望,,随着自动变速器换挡规律在使用中出现的问题和智能控制理论的迅速发展以及人们对车辆性能要求的提高，各种最新的监测、控制技术将不断引入车辆领域，以改善自动变速器的性能，使档位决策、换挡控制与车辆、环境和驾驶员意图相适应在已有智能控制理论与车辆工程相结合的基础上，运用最新的智能控制理论修正传统的二参数、三参数换挡规律，使车辆换挡更加经济、可靠；将模糊控制、神经网络、专家系统及混沌理论等新学科单独或者结合使用，以扩大处理信息的范围和能力，进行综合控制，形成综合智能控制换挡规律。

所有这些都将大大提高自动换挡的稳定性和智能化水平，将成为未来研究的热点,．,,,二．自动变速器的基本组成与工作原理,,１．基本组成,,,电子控制自动变速器一般由液力变矩器、行星轮变速器、电子控制系统,3部分组成,液力变矩器通常由与发动机飞轮连接的泵轮、与变速器输入轴连接的涡轮及与单向离合器连接的导轮组成，其主要作用是通过油液的运动传递动力并在一定范围内实现降速增扭、无级变速行星轮变速器是由一系列的行星齿轮系、液压离合器与制动器组成的有级式的变速器，该变速器易于通过控制系统实现自动换档，并且与液力变矩器配合可在更大范围内实现无级变速,,电子控制系统由反应汽车工况的传感器、自动变速器控制电脑、变速电磁阀及换档离合器等执行机构组成，其主要功用是由自动变速器控制电脑根据传感器反应的车况信息进行自动运算和判断，发出科学的换档指令到换档执行机构以实现自动换档变速２．工作原理,,如图3.1所示，电子控制式自动变速器是通过传感器装置将汽车的运行工况转化为电信号，并通,2024/9/20,2,,哈尔滨工业大学（威海）汽车工程学院,,过自动变速器电脑对电信号处理，然后输出控制指令给相应的电磁阀，来实现变速器的换档操作。

发动机,发动机电脑,节气门位置传感器,车速传感器,冷却水温传感器,变速器油温传感器,发动机转速传感器,档次开关,制动灯开关,模式选择开关,自动变速阀体,,,电磁阀,自动变速器电脑,行星齿轮变速器,液力变矩器,图3.1 电子控制式自动变速器的工作原理,2024/9/20,3,,哈尔滨工业大学（威海）汽车工程学院,（１）,功率流传递路线,,汽车发动机发出的功率流通过液力变矩器的一次放大（可达到2-4倍）后，传给行星轮变速器进行有级变速，然后通过输出轴传到驱动桥；其中液力变矩器可在一定范围内实现无级变速，根据汽车的行驶阻力及车速自动调整负荷２）传感器监测的主要信息,,,1）节气门位置传感器反应节气门的开度大小的比例，该信息与发动机转速汽车行驶速度等参数配合提供电脑换档的决策依据；,,2）车速传感器反应汽车的行驶速度；,,3）发动机转速传感器反应发动机实际运转速度；,,4）冷却水温传感器反应发动机热平衡状况信息，水温较低时不适宜加档，应在低负荷下继续预热；,,5）变速器油温传感器反应变速器润滑油热平衡状况，其是控制散热器的散热强度的依据；,,6）档位开关反应驾驶人员的意图并间接反应出道路情况，自动变速器仍然需要将变速手柄置于某一确定的位置（至少分为前进、倒退、空位等）；,,7）模式选择开关决定汽车行驶的基本模式：是以经济车速行驶还是以高动力性行驶；,,8）制动灯开关，反应汽车是否处于制动状态，决定发动机工况及各传动部件的工况；,,2024/9/20,4,,哈尔滨工业大学（威海）汽车工程学院,（３）自动变速系统的控制内容,,,1,）档位控制：当变速手柄在前进档时，自动变速器电脑根据汽车行驶情况选择最佳的时刻换到最合适的档位，以使汽车充分发挥动力性和经济性；,,2,）变速液压系统的油压控制：自动变速器电脑根据汽车的工况需要调整液压系统的压力，以达到既减少能耗，又满足传递功率流的需要，同时保证换档平稳无冲击；,,3,）发动机控制：自动换档过程中，自动变速器电脑通知发动机电脑适当减小喷油量，保证换档平稳；特殊路况下需发动机制动汽车运行时，自动变速器电脑发出信号使发动机与变速器强制连接（通过强制离合器），以实现发动机的制动效果。

高档,低档,50%,100%,车速,加速时的升档规律,加速时的降档规律,节气门开度,图3.2 自动换档图,2024/9/20,5,,哈尔滨工业大学（威海）汽车工程学院,（４）自动变速的控制原理,,,1,）自动换档的决策模型：如图3.2所示，汽车换档的主要决定因素是节气门开度和汽车行驶速度，当汽车在某一节气门开度下，车速上升达到升档规律线时，则自动变速器电脑发出升档指令使自动变速器实现升档操作；反之，车速下降达到降档规律线时，则自动变速器电脑发出降档指令使自动变速器实现降档操作，该模型也称为自动换档图2,）自动换档的控制过程：如图3.3所示，自动变速电脑根据汽车档位开关及换档模式开关的信息决定选择相应的自动换档图，然后按节气门位置传感器及车速传感器检测到的信息进行判断得出结果，最后向换档电磁阀发出换档指令2024/9/20,6,,哈尔滨工业大学（威海）汽车工程学院,档位开关和换档模式选择开关,选择自动换档图,车速判断,车速传感器,节,,气,,门,,位,,置,,传,,感,,器,换档电池阀,节气门位置传感器,图3.3 自动换档控制过程,2024/9/20,7,,哈尔滨工业大学（威海）汽车工程学院,三. 当前档位决策方法及其局限性,,1．传统换档规律,,,（１）,单参数换档规律,,汽车用单参数换档规律一般选择相对稳定的车速作为控制参数。

国外大功率拖拉机以发动机速,n,来限定如图3.4所示,当车速达到 时升入2挡；反之，当车速降至时换回到1挡　和　之间是两档均可能出现的工作区,这种在控制参数相同的情况下，升挡和降挡的时刻不同，降挡时刻较升挡时刻晚的现象称为降挡重叠或降挡延迟其作用是:,,1）换入新挡后,不会因油门的振动或车速引起的轻度变化,而重新换回原来挡位,保证换挡过程的稳定性2）有利于减小换挡循环,防止控制系统元件的加速磨损,并防止乘坐舒适性的降低1,2,1,2,降档,升档,V,a,a,油门开度,n,发动机转速,v,车速,图3.4 单参数换档规律,2024/9/20,8,,哈尔滨工业大学（威海）汽车工程学院,单参数换挡规律结构简单,但无论油门开度如何变化,换挡点、换挡延迟大小都不变,不能实现驾驶员干预换挡为了保证动力性，一般把升档点设计在发动机的最高转速　　，而不考虑车辆的功率需求状况这将造成车辆在小油门开度行驶时，也需要达到最高转速　　才能换档，故换档过程中不仅噪声较大，机件的磨损也较大，因此这种换档规律是不合理的此外，这种单参数的系统也难以兼顾车辆动力性和经济性的要求,故目前已很少采用２）,二参数换挡规律,,二参数换挡规律克服了单参数换挡规律的缺点,其控制参数类型有车速与油门开度、液力变矩器泵轮转速与涡轮转速、车速与发动机转矩等,但当前采用最多的形式仍为车速与油门开度。

如下图3.5所示，根据降挡延迟的不同可划分为以下几种：,,1）等延迟型 其降挡延迟的大小不随油门开度变化，但可实现驾驶员的干预，在小油门时可提前换入高档，即减小发动机噪声，又可延迟换回低档，改善了燃油经济性2）发散型 其降挡延迟的大小随油门开度增大而增大，特点是：大油门升档时发动机转速高，接近最大功率点，动力性好，换档延迟大，减少了换档次数，提高了舒适性但大油门升档时，发动机转速要降的很低，降低时大，功率利用差，故该型使用于功率大的轿车上3）收敛型 其降挡延迟随油门开度增大而减小，呈收敛状分布，特点是：在大油门换档延迟最小，小，所以升档时有较好的功率利用，动力性好减小油门时，增大，避免了过多换档，且发动机可在较低转速下工作，燃料经济性好，噪声低，行驶平稳舒适，常用于货车上4）组合型 它由两段或多段不同类型的变化规律组合而成,优点是便于在不同油门下获得不同的车辆性能，小油门时舒适、稳定、污染少；中油门时经济性好；大油门时动力性好实际车辆一般用组,2024/9/20,9,,哈尔滨工业大学（威海）汽车工程学院,合型a/%,V,,(,a),等延迟型,a/%,V,,(,c),发散型,a/%,V,,(,b),收敛型,a/%,V,,(,d),组合型,图3.4 两参数换档规律,2024/9/20,10,,哈尔滨工业大学（威海）汽车工程学院,两参数换档规律的特点是：当油门开度较小、发动机负荷较小时，换档点的车速较低；而油门开度增大、发动机负荷较大时，换档点的车速也较大。

这种换档规律提供了驾驶员干预换档的可能性，可提前实现升档和换档，以此来反映驾驶员的意图在车辆稳定行驶的前提下，能够按照预先设定的动力型或经济型换档规律进行换档，能够满足对车辆最佳动力性或最佳经济性的要求二参数换挡规律已被广泛应用于轿车、货车等车辆上３）动态三参数换挡规律,,,,根据优化计算时所选取得目标函数的不同分为最佳动力性动态三参数换挡规律和最佳燃油经济性动态三参数换挡规律两种基本类型:,,,①　最佳动力性换档规律,由汽车理论知，汽车的行驶方程式为,,,,或,由汽车理论知，发动机扭矩 ，可用二次曲线拟合，则,,（3.1）,另外，滚动阻力系数为：,因此，由汽车行驶方程（3.1）式得：,,f=f(V),,2024/9/20,11,,哈尔滨工业大学（威海）汽车工程学院,,（3.2）,（3.3）,最佳动力性换档应该是在同一油门开度下相邻两档加速曲线的交点处换档，即,,（3.4）,根据（3.2）、（3.3）以及（3.4）的三式，可得,,上式的解中 为正值，且 之根即为最佳换档时刻所对应的车速② 最佳燃油经济性换档规律,,它的目标函数是在某一油门开度下，汽车从原地起步连续换,I,档加速至某一要求车速,T,时，总的油耗,Q,应最小。

由汽车理论知：,,2024/9/20,12,,哈尔滨工业大学（威海）汽车工程学院,考虑到,于是,根据汽车理论知，发动机的动态小时油耗是发动机转速的函数，一般可拟合为三次多项式，即：,,欲使加速油耗,Q,为最小，这是一个求极值的问题令,，则,,,再由式（3.2）和（3.3）可知：,,2024/9/20,13,,哈尔滨工业大学（威海）汽车工程学院,,可得,式中 、 、 、 、 、 为转换系数，由移项、并项后求得解出上式的根,，,即为加速时保证车辆最佳燃料经济性的相邻两档,n,与（,n+1）,之间的最佳换档点车速同理，可求出其它油门开度及换档点车速2.,基于模糊逻辑和专家知识的档位决策方法,,随着智能控制理论的发展,出现了综合利用道路环境、驾驶员的操作特点、车辆的运行状况等信息的模糊逻辑档位决策方法,其结构原理如图3.5所示其工作原理是采集系统采集车辆运行状况和驾驶员的操作信息,由模糊推理Ⅰ判断出驾驶员的操作意图，如加速、超车、制动减速等模糊推理Ⅱ判断出路面状况,如坡道、弯道等模糊推理Ⅲ根据上述的推理结论和专家经验知识输出一个相应档位，是否换档由约束条件来决定三菱公司研制的模糊换档系统，可以模仿优秀驾驶员的驾驶经验，在下坡或弯道行驶时，谨慎降速换档，并且在弯道上或当驾驶员踩加速踏板时，还避免了汽车不恰当的加速换档。

采用这种技术后可以节省燃油12%-17%在特定的路面上(如弯道、坡道等),模糊逻辑的档位决策方法能够充分体现出驾驶员的意图，符合在同一路面条件下驾驶员的实际操作过程，有效解决了频繁和意外换档问题但在良好路面上,其给出的档位就不是最佳的再有,这种档位决策方法是基于统计和分析意义上的，模糊换档规则库和知识库的建立要咨询大量有经验的驾驶员和专家，所形成的换档规律不可能覆盖车辆使用过程中的所有工况因此，这种方法在解决传统换档规律存在的问题时也丧失了传统换档规律的一些优势,2024/9/20,14,,哈尔滨工业大学（威海）汽车工程学院,车,,辆,采,,集,,系,,统,车速,,档位,,油门,,制动器,,方向盘,驾驶员意图,模糊推理,I,模糊推理,II,专家知识,模糊推理,约束条件,档位,图3.4 模糊逻辑档位决策系统结构原理示意图,2024/9/20,15,,哈尔滨工业大学（威海）汽车工程学院,四.,智能化档位决策方法综述,,智能档位决策主要有两种：一是基于神经网络理论，二是基于模糊逻辑的综合能力1.,神经网络智能档位决策方法,,,神经网络具有自适应性，它可以被训练，网络在训练过程中学习并记住经验。

神经网络结构本身就决定了它是大规模并行机制，以数据作为驱动，擅长通过大量复杂的数据进行分类和发现模式或规律因此，从神经网络的角度看，车辆的最佳换档问题，是一个非线性映射分类问题可以直接用驾驶员换档时所获得的数据对神经网络进行离线训练，也可以如图,3.5,所示，让网络学习驾驶员的最佳换档点，使自动变速系统具有自学习的能力驾,,驶,,员,神,,经,,网,,络,车速,油门开度,制动程度,转向角度,1 2 3 4,1 0 0 0,0 1 0 0,0 0 1 0,0 0 0 1,档 位,误差,图3.5 神经网络档位决策原理图,2024/9/20,16,,哈尔滨工业大学（威海）汽车工程学院,在实际工程应用方面，三菱汽车公司率先应用神经网络逻辑电路成功开发了能最优选择变速档位的ＩＮＶＥＣＳⅡ型软件系统,.,该系统增加了坡道、弯道以及制动器操作等信息，可以对上坡、下坡、弯曲路段进行检测，以适应各种路况的变化例如，当车辆下坡时，神经网络控制系统能使车辆自动从,4,档降到,3,档、,2,档，逐渐向发动机制动状态过渡；而在上坡或弯曲道路行驶时，避免了高、低档间的循环换档，提高了最佳变速操作和行驶的舒适性,.,在该系统基础上，又开发了最优控制和学习控制两大功能,(,如图,3.6,所示,),。

最优控制是以多数驾驶员在各种不同的道路条件下，手动变速操作信息,(,油门开度、车速、制动程度、转向角,),作为输入，由微机和神经网络逻辑电路根据车辆的运行状况和道路条件输出最佳档位，从而进行最优控制道路条件,运行情况,多数驾驶员操纵特性,单个驾驶员操纵特性,车 速,,油门开度,,制动程度,,转向角度,神,,经,,网,,络,最优控制,学习控制,最佳档位,适应个性的档位,图3.6 神经网络智能换档系统结构原理示意图,不同的驾驶员具有不同驾驶风格，这就要求自动变速系统应对不同的驾驶员具有适应性，即根据不同的驾驶风格选择不同的最佳换档点神经网络的学习控制功能不但能完成上述任务，而且进一步扩大了自动变速器的使用范围它能根据行驶过程中输入的信息，由微机和神经网络逻辑电路判断每个驾驶员的驾驶风格和习惯，自动修正变速时间和换档点，所以不同类型的驾驶员都能对车辆进行良好的操纵2024/9/20,17,,哈尔滨工业大学（威海）汽车工程学院,2. 模糊逻辑综合智能档位决策方法,,,自动变速车辆的档位决策必须综合考虑车辆的行驶状况、道路环境以及驾驶员的操作意图等,3,方面的信息，即车辆必须具有模仿优秀驾驶员的档位决策能力。

图,3.7,所示为一种模糊综合智能化的档位决策结构原理图车,,,,速,油门开度,,,油门开度,,变化率,,,车,,速,,,加速度,,,档,,位,,,制动程度,,,转向角度,,坡道辨识器,车重辨识器,弯道辨识器,道路辨识器,发动机性能,,辨识器,加示意图辨识器,驾驶风格辨识器,规则库,模糊综合智能,,,换档系统,数据库,换档可行性,,,分析器,换档,指令,图3.7 模糊综合智能化档位决策结构原理图,2024/9/20,18,,哈尔滨工业大学（威海）汽车工程学院,五.电控自动变速器换档策略研究,,1.,电控机械式有级自动变速器智能换档策略,,（1）,AMT,最佳换档自学习控制方法,,,换档规律指相邻两档间自动换档时刻随控制参数变化的规律，而最佳动力性换档规律则是指相邻两档在换档前后的加速度保持相等，车辆可获得最大,平均加速度时，换档时刻与三个状态参数——加速度,a，,油门开度,β，,车,速ｖ(亦称换档点)之间的变化关系最佳动力性换档规律的迭代自学习算法 ：,,迭代自学习控制算法是一种将前一次控制结果与控制目标之间的误差通过一定的学习率学习后修正下一次控制信号并使控制误差趋向收敛的算法这种算法的应用前提是控制过程必须具有重复性。

汽车变速器的换档具有重复性控制的特点，因此，适宜采用迭代自学习方法来改善换档控制的性能，以达到逼近最佳换档规律的目的讨论汽车升档加速过程的自学习算法当汽车以第ｉ档和第ｉ,+1,档行驶时，其参数,a，β，ν,间动态关系为非线性函数，可分别表示为,,(3.5),(3.6),对于五档变速器，式中ｉ,=1,，,2,，,3,，,4.,由于,β,和ｖ又分别为时间ｔ的函数，所以加速度也可表示为时间ｔ的一元函数即,,和,2024/9/20,19,,哈尔滨工业大学（威海）汽车工程学院,按照定义，最佳动力性换档点应为式(3.5)和式(3.6)所表示的两条曲线的交点该交点由,a，β ，,ｖ三个参数决定，且有 凡是不在交点上的换档点均为存在动力损失的非最佳换档点，有 ，而自学习的目标是 这样，每一次换档前后的加速度差与目标量之间的误差为 于是，根据迭代自学习控制思想，提出一种最佳动力性换档规律的自学习逼近算法其算法过程如下：,,① 预先给定一组从第,i,档换入第,i+1,档的初始状态参数 (初始换档点)，并存入自学习控制器的记忆单元中。

当车辆以第,i,档行驶时，一旦检测到当前状态参数 和 满足条件,（其中，,3,个误差的许可值 ，,，,为给定的小量,,）换档控制器便发出指令，将变速器换入第,i+1,档，并及时测出换档后的加速度 ② 比较换档前后加速度的变化，若,(,为加速度变化量容许值,),，表明换档点并非最佳，需对其参数进行学习并更新为此，令,,式中： ，称为加速度学习速率； ，称为油门开度控制学习率2024/9/20,20,,哈尔滨工业大学（威海）汽车工程学院,③,分别以 取代,存入记忆器中，作为第1次对第,i,档换档点参数的学习结果，也是下一次的换档参数一般地，若在第,i,档下经过第ｋ次学习后得到的换档点参数值记为 ，而当前状态参数测量值表示为 ，当条件,得到满足时，便换入第,i+1,档，并测出 当条件 成立时，表明 ，已是最佳动力性换档点否则，令,,（3.7）,这就是对最佳动力换档点的第ｋ+1次学习值，加以记忆，作为下一次换档点参数的预测值，迭代初始,,值为 ， 自学习的目标是使 。

实际上，由于人体对水平方向加速度变化的敏感程度,,有限，满足条件 足矣式,(3.7),中，比值 实际是曲线 在 为定值的条件下，过,,曲线 上的点 的切线斜率的绝对量事实上，有 ，所以,,2024/9/20,21,,哈尔滨工业大学（威海）汽车工程学院,令,式（,5-3,）成为,,式中，,ρ,称为速度学习速率如以上算法所示，通过不断对换档点参数的判佳和修正，达到逼近最佳换档规律和自学习目的AMT,最佳换档的自学习控制器结构可用下图,3.8,所示的控制原理框图表示状态特,,征识别,查询环节,换档决策,,控制环节,AMT,车辆,知识库,学习环节,监督环节,传感器,自学习控制器,图3.8,AMT,最佳换档自学习控制器,2024/9/20,22,,哈尔滨工业大学（威海）汽车工程学院,（2）车辆档位模糊——神经网络决策研究,,① 车辆档位模糊——神经网络决策方法,,如,上图3.9所示的,模糊神经网络档位决策的方法，其特点是采用蕴藏了优秀驾驶员换档经验的神经网络档位模型和对驾驶意图进行模糊推理，综合选择最适合的车辆档位。

它包括三个步骤：,,,,1）神经网络档位模型决定预选档位,,,获得换档规律有两种方法：一是依据车辆变速理论，它在一定约束条件下，按某个或某些目标函数通过优化实验来获取换档规律；二是通过学习优秀驾驶员的换档数据，提取最佳换档规律但无论采用这两种方法中的哪一种，所获得的换档规律都是包含换档控制参数与对应最佳档位的一组组离散的数据，,神经网络,,档位模型,驾驶员,,意图推理,,综,,,,合,车 速,v,油门开度,图3.9 车辆档位模糊——神经网络决策方法,2024/9/20,23,,哈尔滨工业大学（威海）汽车工程学院,即由换档参数 ， ，… ， 至档位,g,的对应关系，因此可以看作由输入参数空间（如车速、油门）到输出空间（档位）的非线性映射分类驾驶员,神经网络,输出档位,误差,油门开度,车速,V,驾驶员选择档位,图3.10 驾驶员换档规律的神经网络学习过程,2024/9/20,24,,哈尔滨工业大学（威海）汽车工程学院,上图3.10为驾驶员换档规律的神经网络学习系统，神经网络档位模型的输出个数选择等于变速箱的档位数，对于5档的变速箱，模型具有输出5个信号： ， ， ， ， 。

驾驶员对车辆换档过程构成了复杂的人机系统，神经网络的学习相当于对这一系统的正向逼近（或建模）在网络训练前，先将驾驶员的换档数据进行预处理：包括对车速、油门开度数据进行归一化，对驾驶员选择的档位信号按表3.1的转换；然后作为输入输出样本对网络进行训练由于换档数据可视为输入参数空间（如车速、油门开度）到输出空间（档位）的非线性映射分类，因此网络的训练中允许存在一定程度的误差，只要满足网络输出值 ， ， ， ， 中最大值与样本中对应档位一致经过学习后，神经网络档位模型完全继承了优秀驾驶员的换档规律，因此这种换档规律也是符合目前车辆状况的最佳换档规律只要选择恰当的网络模型、学习算法和采用高速数字信号处理器，就有可能完成学习过程表3.1 训练样本中档位信号转换关系,2024/9/20,25,,哈尔滨工业大学（威海）汽车工程学院,通过学习后的神经网络档位模型就可以应用于自动换档过程中网络的输入信号采用与训练是相同的归一化处理，网络输出值 ， ， ， 中最大值对应的档位最佳档位设目前车辆运行档位为,(,i,为,1，2，3，4，5,等,),，,当采集到输入参数车速,v,、,油门开度,后，神经网络档位模型将输出对应的最佳档位,,， 将作为车辆换档的预选档位。

2）推理驾驶意图,,驾驶员对车辆运行环境的判断及驾驶员的意图都通过操纵油门踏板体现出来将驾驶意图分为减速、保持和加速运行三类这些意图通过驾驶员油门踏板大小及其变化率体现出来因此，根据对驾驶员驾车过程总结出经验规则，构成对驾驶意图的模糊推理一般在良好路面下，驾驶员总是使油门踏板开度保持在一定的大小，只在较小范围变化；只有当车辆拐弯或运行在起伏路面时，驾驶员确定需要车辆减速、加速时，油门才有较剧烈的变化定义,I,表示驾驶员要求车辆加速强度的模糊变量0,0.3,0.5,1.0,-0.5,0,0.5,1,0,0.5,1.0,I,-1,Z,M,B,N,Z,P,Z,M,B,(,a),油门踏板,(,b),踏板变化率,(,c),驾驶意图,I,隶属度,图3.11 各模糊变量,2024/9/20,26,,哈尔滨工业大学（威海）汽车工程学院,对于图3.11所示的模糊变量，根据这些驾驶经验的总结，制定以下九条推理规则：,,if β=Z and dβ=N then I=M,,if β=Z and dβ=Z then I=M,,if β=Z and dβ=P then I=B,,if β=M and dβ=N then I=Z,,if β=M and dβ=Z then I=M,,if β=M and dβ=P then I=B,,if β=B and dβ=N then I=Z,,if β=B and dβ=Z then I=M,,if β=B and dβ=P then I=B,,对于某一时刻采样获得的,β，dβ,的数值，经过模糊推理后的,I,值表示了此时驾驶意图。

设置阈值为,d1，d2（d1>d2）当,I>=d1，,表示驾驶员意图是使车辆加速；,,d2

RBF,网络的输出层和隐含层所完成的任务各不相同，因此它们的学习策略也不相同隐含层是对作用函数（径向基函数）的参数（中心,c，,宽度,δ）,进行调整，采用非线性化策略；输出层是对线性权值,w,进行调整，采用线性化策略通常采用直接计算法和自组织学习选取,RBF,中心法1）直接计算法：,在此方法中，隐单元,RBF,的中心是随机地在输入样本数据中选取，且中心固定当,RBF,的中心确定之后，隐单元的输出是已知的，网络的权值就可以通过求解线性方程组确定但由于采用了固定的,RBF,中心，隐单元数目要求很多（比如与训练样本数相同），同时也降低了,RBF,网络的逼近能力2024/9/20,29,,哈尔滨工业大学（威海）汽车工程学院,,2）自组织学习选取,RBF,中心,：此时,RBF,的中心不固定，隐单元数目比训练样本数目少的多整个训练过程分为非监督学习和监督学习两个阶段考虑到需要完成换挡规律的学习，采用简单且很有效的,K-means,法调整隐层中心，采用递推最小二乘算法,RLS,调节权值一）,K-means,聚类算法是模式识别领域中非监督学习算法，其原理是首先初始化中心，然后将输入样本按最临近规则分组，调整,RBF,网络隐层中心的,K-means,算法如下：,,（1）随机给出初始中心 和初始学习率,a(0)∈(0，1);,对于全部样本,N,反复进行以下2、3步骤：,,,（2）输入样本与隐层中心的距离，并找出与样本,k,距离最小的中心,l：，,,,1≤i≤S，k=1,2,…N,,,式中，,k­——,样本号,,N——,样本总数,,,i——,隐层中心号，,S——,隐层中心总数。

3）调整中心及重新计算第,l,结点的距离：,,,1≤,i≤S，,当,i≠l,2024/9/20,30,,哈尔滨工业大学（威海）汽车工程学院,其中， 为学习率二）,RBFN,网络权值的递推最小二乘算法,RLS,如下:,,对于多输入多输出的,RBF,网络，由上可知网络的输出为,,,j=1，2，…M,,,在第,n,时刻，定义误差评价函数为,,,,,,,式中，,λ,称为遗忘因子，其作用是将过去样本对当前估计值的影响逐渐忘掉，使估计值尽量反映当前样本特性， ， ， 分别表示输出节点,j,的误差、期望输出和实际输出为了通过训练学习来调整权值 ，对评价函数求导数 ，并令其为零，可以得到调整权值的递推最小二乘算法,RLS,如下：,2024/9/20,31,,哈尔滨工业大学（威海）汽车工程学院,令,其中，,进一步，令 ，利用矩阵求逆可得递推公式1）给定初始权值 ，训练样本逆相关阵初始值,P,SXS,(0),和递推迭代的结束值 ，对于输入的样本，递推过程如下:,,（2）根据输入的样本和调整好的中心，计算隐层结点的输出,,，,i=1，2，...S,,（3）计算增益矩阵,,,其中，,λ,为遗忘因子。

2024/9/20,32,,哈尔滨工业大学（威海）汽车工程学院,（4）更新连接权值,,，,j=1，2，… M,,其中，误差 , 是网络输入样本时第,j,个输出结点的期望输出5）更新矩阵,P,,（6）误差评价函数,E(n)，,如果,E>,转（3）继续计算，否则迭代结束2024/9/20,33,,哈尔滨工业大学（威海）汽车工程学院,2. 电控液力机械式自动变速器人工神经网络自动变速研究,,以装备有4,D180,型液力机械式自动变速器的,ZL50C,装载机为参考，分析了一种基于人工神经网络（,ANN）,控制的，可以根据作业工况实现工程车辆液力机械式自动变速器自动换档的换档策略液力机械式自动变速器中，由于液力变矩器的液力损失，加上驾驶员操纵不当，使得变矩器可能经常工作在低效率区，影响了整机的使用效率，加大了作业成本，从这种情况下出发，利用人工神经网络的模式识别能力，对输入的采样数据进行分类，辨别最佳换档时刻，确定合适的档位，从而改变变矩器的工作状态，使其工作在高效区以此实现车辆保证动力性的同时兼顾经济性之操作目的1）,换档控制策略,,4,D180,型液力机械式变速器具有前进、后退档位各4个。

由装载机液力机械变速器试验结果，作出了发动机与变速器共同工作时的变速器效率与输出动力的特性曲线，当发动机油门开度一定时，即发动机输出转速一定时，液力机械式变速器升档时各档位效率和输出转矩的统计特性如图3.13所示效率,η/%,0,400,800,1200,1600,2000,20,40,60,80,I,II,III,IV,0,2024/9/20,34,,哈尔滨工业大学（威海）汽车工程学院,输出转矩/,kN.m,1,2,3,4,I,II,III,IV,0,0,480,800,1200,1600,2000,液力机械变速器输出转速/,图3.13 4,D180,型液力机械式变速器输出转速/,（2）,控制原理,,在不同的油门开度下将相邻两档的换档点连结起来形成换档线，这样有3条换档线将整个工作区分为4个档位区，当工作点通过该线时，系统实现换档应用具有误差反向传播的,BP,神经网络可以识别出系统工作点所在的档位区，从而进行换档操作由于实际换档时有“速差”存在，即系统升档与降档曲线不重合，这样就应该有2个网络分别识别升、降档状态升、降档网络都采用3-7-3,BP,网络结构，即输入层3个节点，输入油门、车速、加速度信号，中间隐层7个节点，输出层3个节点，输出3位档位编码。

隐层的节点,k,的输出,,2024/9/20,35,,哈尔滨工业大学（威海）汽车工程学院,式中: 为连接隐层第,k,节点和输入层的权向量， ，,k=1，2，…，7；θ,为隐层的阈值向量， ；,x,为网络的输入向量， 输出层的输出形式与隐层类似给定输入输出样本(,X，Y)，,权值按下式调整,,式中: 为各层的输入向量; 为学习率使得误差 最小，式中:,Y,为网络希望输出， 对于输出层,,对于隐层,,式中:,Φ′,为函数对其自变量的导数阈值的调整具有和权值类似的形式设定档位编码,Y,i,(out),=000、001、010、100，i=1、2、3、4,分别代表,I、II、III、IV,档利用合适的输入输出样本训练网络的权、阈值，然后，任给一个测试数据,x，,网络将输出这个数据的中心 ，通过判断它到各个档位编码的欧氏距离，实现了对输入数据分类2024/9/20,36,,哈尔滨工业大学（威海）汽车工程学院,（3）,神经网络的训练,,神经网络采用离线训练的方式，即运行整车模型，利用它产生的工作信号（油门开度、车速、加速度），由函数进行网络的训练运算，然后将训练好的前、后档网络权值、阈值存入相应的控制器模型。

控制器可根据工况正确识别换档点，通过换档使变速器工作在各档高效率区3.,电控机械式无级变速器的模糊控制策略,,,无级变速传动是汽车理想的传动方式，使各国研究者和汽车公司研究的重点金属带式无级变速器的出现和电子技术在汽车上的应用，使得轿车无级变速迅速发展金属带式无级变速器使发动机输出功率和路面行驶阻力达到动态匹配，使发动机稳定在最佳工作点，即经济转速下工作，节油率在10%以上即使无级变速器由于靠摩擦传动，效率较低，但具有传动比连续、传动动力平稳、操纵动力平稳，操纵方便等特点因此，只要内燃机仍作为车用发动机，开发无级变速传动将是必然的趋势无级变速控制包括,速比控制,和,线压控制,速比控制要求在所有行驶路况下汽车行使性能达到最优，通过控制,CVT,的传动比克保证发动机在理想的工作线上运行；线压控制则要求系统压力与传递力矩之间相适应，提高无级变速系统的效率为了使发动机在所有行使路况下性能达到最优状态，研究以模糊控制算法为基础的电液控制系统，电液无级变速系统可以很好地适应各种行使路况， 克服功率不足，平滑性差等缺点,1）,电液控制系统工作原理,,① 无级传动原理,,金属带式无级变速器属于摩擦式无级变速器，其无级变速系统由成,V,型槽的主动锥盘、从动锥盘以及金属传动带构成。

主从锥盘均为组合结构，一端固定，另一端可轴向移动，2个轴向移动锥盘分别由,2024/9/20,37,,哈尔滨工业大学（威海）汽车工程学院,液,压缸,驱动调节两锥盘的轴向作用力，金属传动带即在主从动锥盘间径向移动，主从动锥盘的作用半径相应地发生变化，无级地改变了系统的传动比②,控制系统原理,,,,控制系统原理见下图3.14发,,动,,机,发动机,,传感器,传动,,传感器,电子控制,压力传感器,从动轮,主动轮,液压缸,驾驶员意图,显示,图3.14 控制系统图,2024/9/20,38,,哈尔滨工业大学（威海）汽车工程学院,,（2）,模糊控制算法的实现,,① 模糊控制算法结构,,设计一个模糊控制器以实现语言控制，必须解决模糊控制器结构的3个方面的问题:① 精确量的模糊化，把语言变量的语言值化为某适当论域上的模糊子集；②模糊控制算法的设计，通过一组模糊条件语句构成模糊控制规则，并计算模糊控制规则决定的模糊关系；③ 输出信息的模糊判决，并完成由模糊到精确量的转化模 糊,,化,模 糊,,控制算法,模 糊,,判决,被 控,,对 象,Y,U,E,EC,e,s,C,图3.15 含模糊控制器的系统框图,具有上述模糊控制器的系统方程框图见图3.15。

图中,s,为系统设定值(精确量)，,e、C,分别为系统误差和误差变化率(精确量)，,E、EC,分别为反映系统误差和误差变化的语言变量的模糊集合(模糊量)，,U,为模糊控制器输出的控制作用(精确量)，,Y,为系统输出(精确量)② 模糊信息,,相对于发动机转速的控制区域内，将描述转速偏差的语言变量,E、,偏差变化率,C,以及转速补偿的语言,2024/9/20,39,,哈尔滨工业大学（威海）汽车工程学院,变量,E、,偏差变化率,C,以及转速补偿的语言变量,U,划分为如下7个最优模糊区:正大(,PB)——,在控制区域内靠近上边界附近;负大(,NB)——,在控制区域内靠近下边界附近;零(,ZE)——,在控制区域中心左右;正中(,PM)、,正小(,PS)——,依次介于,PB,和,ZE,之间，负中(,NM)、,负小(,NS)——,依次介于,NB,和,ZE,之间语言变量的论域分别为,,E={-6，-5，-4，-3，-2，-1，0，+1，+2，+3，+4，+5，+6},,C={-6，-5，-4，-3，-2，-1，0，+1，+2，+3，+4，+5，+6},,U={-7，-6，-5，-4，-3，-2，-1，0，+1，+2，+3，+4，+5，+6，+7},,③ 模糊控制规则,,模糊控制规则是建立在具体过程行为规律的基础上，凭借人的知识和经验加以总结和提炼，制定出的推理语言式控制策略，其特点是将注意力只集中在被控效果上，依据人对过程规律经验上的把握，达到对目标的精确控制。

根据无级变速器控制特点及操作者的操作经验得到以下事实:,,（1）若偏差,e,小，选取控制量要注意防止超调，以系统的稳定性为主要出发点；,,（2）若偏差,e,大，选取控制量要以尽快消除误差为主无级变速器液压系统模糊控制规则见表3.1，用该表就可以根据偏差,E,及其变化率,C,来决定无级变速器液压系统的补偿量,U2024/9/20,40,,哈尔滨工业大学（威海）汽车工程学院,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,表3.1 模糊控制规则,2024/9/20,41,,哈尔滨工业大学（威海）汽车工程学院,。