CN113280107A - 一种纯电动商用车电控机械式自动变速器换挡控制方法 - Google Patents

一种纯电动商用车电控机械式自动变速器换挡控制方法 Download PDF

Info

Publication number
CN113280107A
CN113280107A CN202110555003.1A CN202110555003A CN113280107A CN 113280107 A CN113280107 A CN 113280107A CN 202110555003 A CN202110555003 A CN 202110555003A CN 113280107 A CN113280107 A CN 113280107A
Authority
CN
China
Prior art keywords
vehicle
clutch
data
gear shifting
rotating speed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110555003.1A
Other languages
English (en)
Inventor
韩宁
吴世展
周鲲
张刘鑫
李欣
段瑶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Military Industry Group Co ltd
Original Assignee
Chongqing Military Industry Group Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Military Industry Group Co ltd filed Critical Chongqing Military Industry Group Co ltd
Priority to CN202110555003.1A priority Critical patent/CN113280107A/zh
Publication of CN113280107A publication Critical patent/CN113280107A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16H—GEARING
    • F16H61/00—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing
    • F16H61/02—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by the signals used
    • F16H61/0202—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by the signals used the signals being electric
    • F16H61/0204—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by the signals used the signals being electric for gearshift control, e.g. control functions for performing shifting or generation of shift signal
    • F16H61/0213—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by the signals used the signals being electric for gearshift control, e.g. control functions for performing shifting or generation of shift signal characterised by the method for generating shift signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16H—GEARING
    • F16H61/00—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing
    • F16H2061/0075—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by a particular control method
    • F16H2061/0084—Neural networks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16H—GEARING
    • F16H61/00—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing
    • F16H2061/0075—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by a particular control method
    • F16H2061/0087—Adaptive control, e.g. the control parameters adapted by learning
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16H—GEARING
    • F16H61/00—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing
    • F16H2061/0075—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by a particular control method
    • F16H2061/009—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by a particular control method using formulas or mathematic relations for calculating parameters
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16H—GEARING
    • F16H61/00—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing
    • F16H2061/0075—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by a particular control method
    • F16H2061/0093—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by a particular control method using models to estimate the state of the controlled object
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16H—GEARING
    • F16H61/00—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing
    • F16H61/02—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by the signals used
    • F16H61/0202—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by the signals used the signals being electric
    • F16H61/0204—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by the signals used the signals being electric for gearshift control, e.g. control functions for performing shifting or generation of shift signal
    • F16H61/0213—Control functions within control units of change-speed- or reversing-gearings for conveying rotary motion ; Control of exclusively fluid gearing, friction gearing, gearings with endless flexible members or other particular types of gearing characterised by the signals used the signals being electric for gearshift control, e.g. control functions for performing shifting or generation of shift signal characterised by the method for generating shift signals
    • F16H2061/0223—Generating of new shift maps, i.e. methods for determining shift points for a schedule by taking into account driveline and vehicle conditions

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Transmission Device (AREA)

Abstract

本发明涉及一种纯电动商用车电控机械式自动变速器换挡控制方法，包括以下步骤：S1：采集换挡试验数据，通过神经网络回归训练获取车辆在不同行驶工况下的离合器最优参考转速；S2：利用K均值聚类识别驾驶员的行驶工况，根据行驶工况辨识的结果从步骤S1中训练好的回归神经网络调取离合器最优参考转速；S3：根据实时采集的离合器转速与当前行驶工况下的离合器最优转速的差值，车辆的自动变速箱控制单元利用自抗扰控制算法对离合器目标转矩进行补偿控制，使离合器实际转速与参考转速间的差值为零，从而实现车辆的最佳换挡状态。可以保证换挡控制质量，以实现精确的车辆换挡控制。

Description

一种纯电动商用车电控机械式自动变速器换挡控制方法
技术领域
本发明涉及自动变速器控制技术领域，特别是涉及一种纯电动商用车电控机械式自动变速器换挡控制方法。
背景技术
电控机械式自动变速器(Automated Manual Transmission,AMT)具有机械效率高、成本低的特点，但AMT在换挡时将不可避免地出现动力的中断，使得换挡的平顺性降低，而纯电动商用车的惯性较大，受到动力中断的影响相对较小，因此AMT在纯电动商用车领域具有良好的应用前景。换挡控制模块是AMT系统的重要部分，在换档阶段，为了实现滑磨功、冲击度的多目标最优，保证换档的舒适和离合器的使用寿命，需要对离合器的转矩进行协调控制。
目前换挡过程中的研究主要涉及驾驶员风格识别、针对不同换挡工况的自适应换挡控制策略、基于驾驶意图的智能换挡控制策略等。由于在实车应用时，AMT一般采用的是传统的基于规则的换挡控制方法，依赖于大量的参数标定工作，而固定的控制参数难以适应系统的内外部干扰，搭载AMT的车辆易出现换挡抖动和离合器烧蚀等问题。随着AMT动力总成系统的在商业车领域的推广，客户和市场的要求也越来越高，传统的换挡控制方法制约了AMT动力总成换挡性能的进一步提升，因此有必要以装载纯电动商用车辆为研究对象，以AMT的换挡平顺性为控制目标，考虑换挡系统内外部干扰的影响，进一步提升纯电动商用车辆的换挡品质。
发明内容
针对上述现有技术的不足，本专利申请所要解决的技术问题是如何提供一种纯电动商用车电控机械式自动变速器换挡控制方法，利用车辆在换挡试验采集的换挡试验数据建立离合器的最佳参考转速与换挡工况映射关系知识库，并应用到车辆的换挡过程控制，以实现精确的车辆换挡控制。
为了解决上述技术问题，本发明采用了如下的技术方案：
一种纯电动商用车电控机械式自动变速器换挡控制方法，包括以下步骤：
S1：通过对搭载电控机械式自动变速器的纯电动商用车进行换挡试验采集换挡试验数据，通过神经网络回归训练获取车辆在不同行驶工况下的离合器最优参考转速，并建立离合器最优参考转速与行驶工况的映射关系知识库；
S2：车辆在行驶过程中，实时采集车辆行驶数据，采用K均值聚类算法识别当前的行驶工况，根据车辆行驶数据中的车速、发动机转速及节气门开度，从映射关系知识库中获取车辆在当前行驶工况下的离合器最优转速轨迹；
S3：根据实时采集的离合器转速与当前行驶工况下的离合器最优转速的差值，车辆的自动变速箱控制单元利用自抗扰控制算法对离合器目标转矩进行补偿控制，使离合器实际转速与参考转速间的差值为零，从而实现车辆的最佳换挡状态。
其中，步骤S1中，映射关系知识库的建立采用以下步骤：
P1：对车辆的换挡试验数据采用不同的行驶工况进行分类；
P2：在同一行驶工况下，选取车辆冲击度低于10m/s3的换挡试验数据作为训练集；
P3：将换挡试验数据中的车速、发动机转速、离合器转速及节气门开度作为输入，将换挡试验数据中后一采样时刻的离合器转速作为输出，对各个行驶工况下的训练集分别进行神经网络回归训练，得到不同行驶工况下的离合器最优转速的映射关系知识库。
其中，所述换挡试验数据包括车辆进行换挡试验中采集到的离合器转速、车速、发动机转速及节气门开度。
其中，步骤S2中，采用K均值聚类算法识别驾驶员当前的行驶工况，包括以下步骤：
N1：选取在车辆行驶过程中实时采集的发动机转速、节气门开度和离合器转速作为工况聚类特征，随机初始化K个聚类中心cn(1≤n≤K)，将车辆行驶数据的样本分到距离其最近的聚类中心所属的类别，得到K个数据簇，其中，计算每个车辆行驶数据的样本到K个聚类中心的距离的公式如下：
|xj-en|2
式中，en代表各个数据簇的质心，xj代表第j个样本数据；
N2：根据下列公式计算对K个数据簇的质心，并将这些质心更新为新的聚类中心；
Figure BDA0003076874480000041
式中，en代表各个数据簇的质心，|cn|代表数据簇中的样本数量，cn代表数据簇中的样本，x代表实际的数据样本；
N3：重复步骤N1到N2，直到平方误差函数I收敛，将更新后的聚类中心作为实时工况数据的聚类中心，并得到K个新的数据簇，分别代表不同的工况类别，其中，所述平方误差函数I的公式如下：
Figure BDA0003076874480000042
式中，K代表初始化聚类中心的个数，cn代表数据簇中的样本，x代表实际的数据样本，en代表各个数据簇的质心；
N4：计算实时工况数据与各个聚类中心的距离，判断距离实时工况数据最近的聚类中心所属的数据簇，将此数据簇代表的工况类别判断为当前工况，其中，实时工况数据与各个聚类中心的距离的计算公式如下：
|xj-en|2
式中，en代表各个数据簇的质心，xj代表第j个样本数据。
其中，步骤S3中，实现车辆的最佳换挡状态，采用以下方法：
A1：通过自抗扰控制器中的跟踪微分器模块对AMT换挡系统的状态及状态的各阶微分进行跟踪控制，其数学模型如下：
Figure BDA0003076874480000043
Figure BDA0003076874480000051
式中，V(k)为输入信号，V1(k)、V1(k+1)为自抗扰控制器中的跟踪微分器模块安排的过渡过程，V2(k)、V2(k+1)分别为V1(k)、V1(k+1)的微分，T代表采样步长；Fst为最速控制综合函数；δ0为速度因子，跟踪速度与δ0值成正比；h0代表滤波因子，能够滤除噪声；
A2：利用自抗扰控制器中的扩张状态观测器模块对AMT换档系统的状态进行跟踪，实时地对系统的参数时变和非线性等扰动的总和进行估计，利用自抗扰控制器中的扩张状态观测器模块实时计算对扰动的前馈补偿控制量，并将补偿控制量传递给实际控制量，其数学模型如下：
Figure BDA0003076874480000052
非线性函数Fal(ε0,α,δ)的定义如下：
Figure BDA0003076874480000053
式中，y1(k)为系统转速输出；z1(k)为ESO在k时刻对V0的观测值、z2(k)为z1(k)的微分、z3(k)代表对系统扰动总和的补偿量；ε0代表ESO观测输出与系统输出的差值；T为采样步长；b代表控制增益；TN(k)为自抗扰换挡控制器在k时刻的控制输出量；β1、β2、β3为大于零的增益系数；α1、α2为非线性参数，均为正值；δ取值决定Fal(x,α,δ)函数线性区间的大小；
A3：根据z1(k)、z2(k)利用非线性状态误差反馈模块计算初始离合器转矩TN(k)，计算公式如下：
Figure BDA0003076874480000061
非线性函数Fal(e(k),τ,δ)的定义如下：
Figure BDA0003076874480000062
式中，e1(k)代表跟踪微分器输出与扩张状态观测器输出的差值，e2(k)代表跟踪微分器输出微分与扩张状态观测器输出微分的差值；V1(k)为自抗扰控制器中的跟踪微分器模块安排的过渡过程，V2(k)为V1(k)的微分；z1(k)为自抗扰控制器中的扩张状态观测器模块在k时刻对目标值V0的观测量、z2(k)为z1(k)的微分；TN(k)代表自抗扰换挡控制器的计算获得的控制量；KP、KD代表误差反馈模块的调节因子；δ取值决定Fal(x,α,δ)函数线性区间的大小；τ1、τ2为非线性参数，均为正值；利用e1(k)和e2(k)组成非线性自抗扰控制器Tadrc；
A4：根据自抗扰控制器中的扩张状态观测器模块计算得到的z1(k)、z2(k)，采用非线性状态误差反馈公式对AMT换挡过程的的离合器转矩TN(k)进行控制，利用自抗扰控制器中的扩张状态观测器模块计算得到的z3(k)对离合器转矩进行补偿，以抑制AMT系统的内外部干扰对换挡产生的影响，对离合器最佳参考转速进行跟踪，AMT在k时刻总的换挡转矩控制量计算公式如下：
Tc(k)＝TN(k)+z3(k)
式中，Tc(k)为自抗扰控制器在k时刻总的离合器转矩控制量；TN(k)为自抗扰控制器的非线性状态误差反馈模块在k时刻计算出的离合器转矩控制量；z3(k)为自抗扰控制器的扩张状态观测器模块在k时刻计算出的离合器转矩补偿控制量。
车辆的自动变速箱控制单元，包括单片机，单片机存储有与自动变速箱控制单元的车辆结合使用的单片机程序，所述单片机程序可被自动变速箱控制单元执行以实现如权利要求所述的方法。
本发明利用筛选好的理想换挡数据来训练回归神经网络，找到车辆在不同行驶工况时刻理想换挡状态下的离合器参考转速与换挡工况的映射关系，该映射关系是通过利用不同工况下的数据进行重复训练得到的，覆盖所有典型工况，从而建立了理想换挡状态与离合器参考转速的映射关系知识库，为车辆的换挡控制规律奠定了数据基础，车辆的自动变速箱控制单元根据换挡控制规律对离合器目标转矩控制，相对基于模型的车辆换挡控制方法，能够达到更好的换挡控制效果。
附图说明
图1为本发明所述的一种纯电动商用车电控机械式自动变速器换挡控制方法的流程图。
具体实施方式
下面结合附图对本发明作进一步的详细说明。在本发明的描述中，需要理解的是，方位词如“上、下”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制；方位词“内、外”是指相对于各部件本身的轮廓的内外。
如图1所示，一种纯电动商用车电控机械式自动变速器换挡控制方法，包括以下步骤：
S1：通过对双离合器式自动变速器的车辆进行换挡试验采集换挡试验数据，通过神经网络回归训练获取车辆在不同行驶工况k时刻理想换挡状态下的离合器参考转速y*，并建立离合器参考转速y*与行驶工况的映射关系知识库；
其中，步骤S1中，映射关系知识库的建立采用以下步骤：
P1：对车辆的换挡试验数据采用不同的行驶工况进行分类；将车辆的换挡试验数据根据行驶工况标签分成三类，分别为工况1、工况2和工况3；
P2：在同一行驶工况下，选取车辆冲击度低于10m/s3的换挡试验数据作为训练集；筛选同一行驶工况下，车辆冲击度低于10m/s3的换挡试验数据作为神经网络的训练集，分别为工况1、工况2和工况3的训练集；
P3：将换挡试验数据中的车速、发动机转速、离合器转速及节气门开度作为输入，将换挡试验数据中的离合器转速作为输出，对各个行驶工况下的训练集分别进行神经网络回归训练，得到不同行驶工况下的离合器参考转速的映射关系知识库。
将工况1中的离合器参考转速作为输出，将车速、发动机转速、离合器实际转速及节气门开度作为输入，并将训练集中的80％作为测试集，另外20％作为验证集，在Matlab仿真平台中调用非线性自回归神经网络，并将测试集和验证集输入到神经网络中，设置神经网络的隐藏层激活函数为sigmoid型，神经网络采用Levenberg-Marquardt型的训练算法，之后利用Matlab软件对设置好的神经网络进行回归训练，神经网络迭代训练55次时，得到神经网络的训练最小均方误差为4.5316，验证集的回归系数为099677。
对工况2和工况3的训练集重复以上步骤，并保存神经网络的参数设置与权重值，建立不同行驶工况下的离合器参考转速的映射关系知识库。
所述换挡试验数据包括车辆进行换挡试验中采集到的离合器转速、车速、发动机转速及节气门开度。
S2：车辆在行驶过程中，实时采集车辆行驶数据，采用K均值聚类算法识别当前的行驶工况，根据车辆行驶数据中的车速、发动机转速及节气门开度，从映射关系知识库中获取车辆在当前行驶工况k时刻理想换挡状态下的离合器参考转速y* k：
将工况识别周期设置为换挡前的150s，利用实时采集的车辆行驶数据进行离线K均值聚类训练，获取各个工况的聚类中心，计算实时车辆数据离聚类中心的欧式距离，将距离最近的那个工况类别识别为当前工况，根据换挡前的车辆行驶数据和映射关系知识库，提取当前工况下理想状态下的离合器转速参考轨迹；
其中，步骤S2，采用K均值聚类算法识别驾驶员当前的行驶工况，包括以下步骤：
N1：在matlab程序中，打开包含车辆行驶过程中实时采集的发动机转速、节气门开度和离合器转速的数据文件，随机初始化K个聚类中心cn(1≤n≤K)，将车辆行驶数据的样本分到距离其最近的聚类中心所属的类别，得到K个数据簇，其中，计算每个车辆行驶数据的样本到K个聚类中心的距离的公式如下：
|xj-en|2
式中，en代表各个数据簇的质心，xj代表第j个样本数据；
N2：根据下列公式计算对K个数据簇的质心，并将这些质心更新为新的聚类中心；
Figure BDA0003076874480000101
式中，en代表各个数据簇的质心，|cn|代表数据簇中的样本数量，cn代表数据簇中的样本，x代表实际的数据样本；
N3：重复步骤N1到N2，直到平方误差函数I收敛，将更新后的聚类中心作为实时工况数据的聚类中心，并得到K个新的数据簇，分别代表不同的工况类别，其中，所述平方误差函数I的公式如下：
Figure BDA0003076874480000111
式中，K代表初始化聚类中心的个数，cn代表数据簇中的样本，x代表实际的数据样本，en代表各个数据簇的质心；
N4：计算实时工况数据与各个聚类中心的距离，判断距离实时工况数据最近的聚类中心所属的数据簇，将此数据簇代表的工况类别判断为当前工况，其中，实时工况数据与各个聚类中心的距离的计算公式如下：
|xj-en|2
式中，en代表各个数据簇的质心，xj代表第j个样本数据。
根据当前工况，利用matlab程序调用映射关系知识库，将仿真时常设为1.5s，将车辆行驶数据输入到映射关系知识库中，输出车辆在当前行驶工况k时刻理想换挡状态下的离合器参考转速y* k；
S3：根据实时采集的离合器转速与当前行驶工况下的离合器最优转速的差值，车辆的自动变速箱控制单元利用自抗扰控制算法对离合器目标转矩进行补偿控制，使离合器实际转速与参考转速间的差值为零，从而实现车辆的最佳换挡状态。
其中，步骤S3中，实现车辆的最佳换挡状态，采用以下方法：
A1：在车辆实时换挡过程中，通过自抗扰控制器中的跟踪微分器模块对AMT换挡系统的状态及状态的各阶微分进行跟踪控制，其数学模型如下：
Figure BDA0003076874480000121
Figure BDA0003076874480000122
式中，V(k)为输入信号，V1(k)、V1(k+1)为自抗扰控制器中的跟踪微分器模块安排的过渡过程，V2(k)、V2(k+1)分别为V1(k)、V1(k+1)的微分，T代表采样步长；Fst为最速控制综合函数；δ0为速度因子，跟踪速度与δ0值成正比；h0代表滤波因子，能够滤除噪声；
A2：利用自抗扰控制器中的扩张状态观测器模块对AMT换档系统的状态进行跟踪，实时地对系统的参数时变和非线性等扰动的总和进行估计，利用自抗扰控制器中的扩张状态观测器模块实时计算对扰动的前馈补偿控制量，并将补偿控制量传递给当前的转矩控制量TN(k)，其数学模型如下：
Figure BDA0003076874480000123
非线性函数Fal(ε0,α,δ)的定义如下：
Figure BDA0003076874480000124
式中，y1(k)为系统转速输出；z1(k)为ESO在k时刻对V0的观测值、z2(k)为z1(k)的微分、z3(k)代表对系统扰动总和的补偿量；ε0代表ESO观测输出与系统输出的差值；T为采样步长；b代表控制增益；TN(k)为自抗扰换挡控制器在k时刻的控制输出量；β1、β2、β3为大于零的增益系数；α1、α2为非线性参数，均为正值；δ取值决定Fal(x,α,δ)函数线性区间的大小；
A3：根据z1(k)、z2(k)和V1(k)、V2(k)，利用非线性状态误差反馈模块计算初始离合器转矩TN(k)，计算公式如下：
Figure BDA0003076874480000131
非线性函数Fal(e(k),τ,δ)的定义如下：
Figure BDA0003076874480000132
式中，e1(k)代表跟踪微分器输出与扩张状态观测器输出的差值，e2(k)代表跟踪微分器输出微分与扩张状态观测器输出微分的差值；V1(k)为自抗扰控制器中的跟踪微分器模块安排的过渡过程，V2(k)为V1(k)的微分；z1(k)为自抗扰控制器中的扩张状态观测器模块在k时刻对目标值V0的观测量、z2(k)为z1(k)的微分；TN(k)代表自抗扰换挡控制器的计算获得的控制量；KP、KD代表误差反馈模块的调节因子；δ取值决定Fal(x,α,δ)函数线性区间的大小；τ1、τ2为非线性参数，均为正值；利用e1(k)和e2(k)组成非线性自抗扰控制器Tadrc；
A4：根据自抗扰控制器中的扩张状态观测器模块计算得到的z1(k)、z2(k)，采用非线性状态误差反馈公式对AMT换挡过程的的离合器转矩TN(k)进行控制，利用自抗扰控制器中的扩张状态观测器模块计算得到的z3(k)对离合器转矩进行补偿，以抑制AMT系统的内外部干扰对换挡产生的影响，对离合器最佳参考转速进行跟踪，AMT在k时刻总的换挡转矩控制量计算公式如下：
Tc(k)＝TN(k)+z3(k)
式中，Tc(k)为自抗扰控制器在k时刻总的离合器转矩控制量；TN(k)为自抗扰控制器的非线性状态误差反馈模块在k时刻计算出的离合器转矩控制量；z3(k)为自抗扰控制器的扩张状态观测器模块在k时刻计算出的离合器转矩补偿控制量。
车辆的自动变速箱控制单元，包括单片机，单片机存储有与自动变速箱控制单元的车辆结合使用的单片机程序，所述单片机程序可被自动变速箱控制单元执行以实现如权利要求所述的方法。
本发明利用筛选好的理想换挡数据来训练回归神经网络，找到车辆在不同行驶工况k时刻理想换挡状态下的离合器参考转速y*与换挡工况的映射关系，该映射关系是通过利用不同工况下的数据进行重复训练得到的，覆盖所有典型工况，从而建立了理想换挡状态与离合器参考转速的映射关系知识库，为车辆的换挡控制规律奠定了数据基础，车辆的自动变速箱控制单元根据换挡控制规律对离合器目标转矩控制，相对基于模型的车辆换挡控制方法，能够达到更好的换挡控制效果。
最后应说明的是：本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等统计数的范围之内，则本发明也意图包含这些改动和变型。

Claims (5)

1.一种纯电动商用车电控机械式自动变速器换挡控制方法，其特征在于，包括以下步骤：
S1：通过对搭载电控机械式自动变速器的纯电动商用车进行换挡试验采集换挡试验数据，通过神经网络回归训练获取车辆在不同行驶工况下的离合器最优参考转速，并建立离合器最优参考转速与行驶工况的映射关系知识库；
S2：车辆在行驶过程中，实时采集车辆行驶数据，采用K均值聚类算法识别当前的行驶工况，根据车辆行驶数据中的车速、发动机转速及节气门开度，从映射关系知识库中获取车辆在当前行驶工况下的离合器最优转速轨迹；
S3：根据实时采集的离合器转速与当前行驶工况下的离合器最优转速的差值，车辆的自动变速箱控制单元利用自抗扰控制算法对离合器目标转矩进行补偿控制，使离合器实际转速与参考转速间的差值为零，从而实现车辆的最佳换挡状态。
2.根据权利要求1所述的一种纯电动商用车电控机械式自动变速器换挡控制方法，其特征在于，步骤S1中，映射关系知识库的建立采用以下步骤：
P1：对车辆的换挡试验数据采用不同的行驶工况进行分类；
P2：在同一行驶工况下，选取车辆冲击度低于10m/s3的换挡试验数据作为训练集；
P3：将换挡试验数据中的车速、发动机转速、离合器转速及节气门开度作为输入，将换挡试验数据中后一采样时刻的离合器转速作为输出，对各个行驶工况下的训练集分别进行神经网络回归训练，得到不同行驶工况下的离合器最优转速的映射关系知识库。
3.根据权利要求1或2所述的一种纯电动商用车电控机械式自动变速器换挡控制方法，其特征在于，所述换挡试验数据包括车辆进行换挡试验中采集到的离合器转速、车速、发动机转速及节气门开度。
4.根据权利要求1所述的一种纯电动商用车电控机械式自动变速器换挡控制方法，其特征在于，步骤S2中，采用K均值聚类算法识别驾驶员当前的行驶工况，包括以下步骤：
N1：选取在车辆行驶过程中实时采集的发动机转速、节气门开度和离合器转速作为工况聚类特征，随机初始化K个聚类中心cn(1≤n≤K)，将车辆行驶数据的样本分到距离其最近的聚类中心所属的类别，得到K个数据簇，其中，计算每个车辆行驶数据的样本到K个聚类中心的距离的公式如下：
|xj-en|2
式中，en代表各个数据簇的质心，xj代表第j个样本数据；
N2：根据下列公式计算对K个数据簇的质心，并将这些质心更新为新的聚类中心；
Figure FDA0003076874470000021
式中，en代表各个数据簇的质心，|cn|代表数据簇中的样本数量，cn代表数据簇中的样本，x代表实际的数据样本；
N3：重复步骤N1到N2，直到平方误差函数I收敛，将更新后的聚类中心作为实时工况数据的聚类中心，并得到K个新的数据簇，分别代表不同的工况类别，其中，所述平方误差函数I的公式如下：
Figure FDA0003076874470000031
式中，K代表初始化聚类中心的个数，cn代表数据簇中的样本，x代表实际的数据样本，en代表各个数据簇的质心；
N4：计算实时工况数据与各个聚类中心的距离，判断距离实时工况数据最近的聚类中心所属的数据簇，将此数据簇代表的工况类别判断为当前工况，其中，实时工况数据与各个聚类中心的距离的计算公式如下：
|xj-en|2
式中，en代表各个数据簇的质心，xj代表第j个样本数据。
5.根据权利要求4所述的一种纯电动商用车电控机械式自动变速器换挡控制方法，其特征在于，步骤S3中，实现车辆的最佳换挡状态，采用以下方法：
A1：通过自抗扰控制器中的跟踪微分器模块对AMT换挡系统的状态及状态的各阶微分进行跟踪控制，其数学模型如下：
Figure FDA0003076874470000032
Figure FDA0003076874470000033
式中，V(k)为输入信号，V1(k)、V1(k+1)为自抗扰控制器中的跟踪微分器模块安排的过渡过程，V2(k)、V2(k+1)分别为V1(k)、V1(k+1)的微分，T代表采样步长；Fst为最速控制综合函数；δ0为速度因子，跟踪速度与δ0值成正比；h0代表滤波因子，能够滤除噪声；
A2：利用自抗扰控制器中的扩张状态观测器模块对AMT换档系统的状态进行跟踪，实时地对系统的参数时变和非线性等扰动的总和进行估计，利用自抗扰控制器中的扩张状态观测器模块实时计算对扰动的前馈补偿控制量，并将补偿控制量传递给实际控制量，其数学模型如下：
Figure FDA0003076874470000041
非线性函数Fal(ε0,α,δ)的定义如下：
Figure FDA0003076874470000042
式中，y1(k)为系统转速输出；z1(k)为ESO在k时刻对V0的观测值、z2(k)为z1(k)的微分、z3(k)代表对系统扰动总和的补偿量；ε0代表ESO观测输出与系统输出的差值；T为采样步长；b代表控制增益；TN(k)为自抗扰换挡控制器在k时刻的控制输出量；β1、β2、β3为大于零的增益系数；α1、α2为非线性参数，均为正值；δ取值决定Fal(x,α,δ)函数线性区间的大小；
A3：根据z1(k)、z2(k)利用非线性状态误差反馈模块计算初始离合器转矩TN(k)，计算公式如下：
Figure FDA0003076874470000051
非线性函数Fal(e(k),τ,δ)的定义如下：
Figure FDA0003076874470000052
式中，e1(k)代表跟踪微分器输出与扩张状态观测器输出的差值，e2(k)代表跟踪微分器输出微分与扩张状态观测器输出微分的差值；V1(k)为自抗扰控制器中的跟踪微分器模块安排的过渡过程，V2(k)为V1(k)的微分；z1(k)为自抗扰控制器中的扩张状态观测器模块在k时刻对目标值V0的观测量、z2(k)为z1(k)的微分；TN(k)代表自抗扰换挡控制器的计算获得的控制量；KP、KD代表误差反馈模块的调节因子；δ取值决定Fal(x,α,δ)函数线性区间的大小；τ1、τ2为非线性参数，均为正值；利用e1(k)和e2(k)组成非线性自抗扰控制器Tadrc；
A4：根据自抗扰控制器中的扩张状态观测器模块计算得到的z1(k)、z2(k)，采用非线性状态误差反馈公式对AMT换挡过程的的离合器转矩TN(k)进行控制，利用自抗扰控制器中的扩张状态观测器模块计算得到的z3(k)对离合器转矩进行补偿，以抑制AMT系统的内外部干扰对换挡产生的影响，对离合器最佳参考转速进行跟踪，AMT在k时刻总的换挡转矩控制量计算公式如下：
Tc(k)＝TN(k)+z3(k)
式中，Tc(k)为自抗扰控制器在k时刻总的离合器转矩控制量；TN(k)为自抗扰控制器的非线性状态误差反馈模块在k时刻计算出的离合器转矩控制量；z3(k)为自抗扰控制器的扩张状态观测器模块在k时刻计算出的离合器转矩补偿控制量。
CN202110555003.1A 2021-05-21 2021-05-21 一种纯电动商用车电控机械式自动变速器换挡控制方法 Pending CN113280107A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110555003.1A CN113280107A (zh) 2021-05-21 2021-05-21 一种纯电动商用车电控机械式自动变速器换挡控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110555003.1A CN113280107A (zh) 2021-05-21 2021-05-21 一种纯电动商用车电控机械式自动变速器换挡控制方法

Publications (1)

Publication Number Publication Date
CN113280107A true CN113280107A (zh) 2021-08-20

Family

ID=77280513

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110555003.1A Pending CN113280107A (zh) 2021-05-21 2021-05-21 一种纯电动商用车电控机械式自动变速器换挡控制方法

Country Status (1)

Country Link
CN (1) CN113280107A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113915250A (zh) * 2021-10-29 2022-01-11 江苏大学 基于状态识别的湿式离合器智能控制系统和控制方法
CN113933012A (zh) * 2021-10-14 2022-01-14 西安现代控制技术研究所 基于K-means聚类的螺旋桨转速测量方法
CN114810364A (zh) * 2022-04-20 2022-07-29 潍柴动力股份有限公司 节气门开度的控制方法、控制装置和节气门系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110729939A (zh) * 2019-11-08 2020-01-24 江苏科技大学 一种永磁同步电机转速环自抗扰控制器参数整定方法
CN111561564A (zh) * 2020-05-31 2020-08-21 重庆大学 基于换挡控制规律的双离合器式自动变速器换挡控制方法
CN112242804A (zh) * 2020-09-15 2021-01-19 浙江工业大学 步进式电-机械转换器参数实时优化的自抗扰同步跟踪控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110729939A (zh) * 2019-11-08 2020-01-24 江苏科技大学 一种永磁同步电机转速环自抗扰控制器参数整定方法
CN111561564A (zh) * 2020-05-31 2020-08-21 重庆大学 基于换挡控制规律的双离合器式自动变速器换挡控制方法
CN112242804A (zh) * 2020-09-15 2021-01-19 浙江工业大学 步进式电-机械转换器参数实时优化的自抗扰同步跟踪控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
朱斌编著: "《自抗扰控制入门》", 31 May 2017 *
黄家宁等: "基于扰动观测的智能驾驶主动抗扰纵向车速控制算法", 《汽车安全与节能学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113933012A (zh) * 2021-10-14 2022-01-14 西安现代控制技术研究所 基于K-means聚类的螺旋桨转速测量方法
CN113933012B (zh) * 2021-10-14 2024-01-30 西安现代控制技术研究所 基于K-means聚类的螺旋桨转速测量方法
CN113915250A (zh) * 2021-10-29 2022-01-11 江苏大学 基于状态识别的湿式离合器智能控制系统和控制方法
CN113915250B (zh) * 2021-10-29 2024-02-02 江苏大学 基于状态识别的湿式离合器智能控制系统和控制方法
CN114810364A (zh) * 2022-04-20 2022-07-29 潍柴动力股份有限公司 节气门开度的控制方法、控制装置和节气门系统
CN114810364B (zh) * 2022-04-20 2023-04-18 潍柴动力股份有限公司 节气门开度的控制方法、控制装置和节气门系统

Similar Documents

Publication Publication Date Title
CN113280107A (zh) 一种纯电动商用车电控机械式自动变速器换挡控制方法
CN111561564B (zh) 基于换挡控制规律的双离合器式自动变速器换挡控制方法
CN108533736B (zh) 一种基于bp神经网络的双离合器自动变速器装置及控制方法
CN110228470B (zh) 一种基于隐藏车辆模型预测的节油率实时计算方法
Ashok et al. Trends and future perspectives of electronic throttle control system in a spark ignition engine
CN109927725A (zh) 一种具有驾驶风格学习能力的自适应巡航系统及实现方法
CN101408133B (zh) 一种发动机电子节气门的控制方法
CN110671493B (zh) 基于支持向量机算法的双离合变速器离合器转矩智能预测方法
Gao et al. Nonlinear feedforward–feedback control of clutch-to-clutch shift technique
Liu et al. Driving intention identification based on long short-term memory and a case study in shifting strategy optimization
CN110594317B (zh) 一种基于双离合器式自动变速器的起步控制策略
CN111951430B (zh) 一种车辆驾驶性评价方法及其系统
CN110084534A (zh) 一种基于驾驶行为画像的驾驶风险因子量化方法
CN113217619A (zh) 离合器滑摩扭矩的控制方法、装置及电子设备
WO2019110483A1 (de) Prüfstand und verfahren zur durchführung eines prüfversuchs
JP6968282B2 (ja) パワートレイン管理の因果分析
CN113401123B (zh) 融合驾驶模式信息的汽车预测巡航参数自整定控制系统
CN107741542B (zh) 一种液力自动变速器的电流压力离线学习方法及测试系统
CN116538286A (zh) 一种计及nvh特性的商用车换挡系统及方法
CN115492928B (zh) 一种经济性、动力性和安全性综合最优换挡规律优化方法
Zou et al. Research on shifting process control of automatic transmission
CN110895631B (zh) 一种轮轨粘着特性的辨识方法以及系统
CN112949187B (zh) 整车质量计算方法
CN105351511B (zh) 一种自动机械变速器车辆纵向加速度动态估计方法
Cheng et al. Data Mining Approach for the Identification of the Intelligent Gear Decision Strategy for the Stepped Automatic Transmission

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 401121 No.60, middle section of Huangshan Avenue, Yubei District, Chongqing

Applicant after: Chongqing Military Industry Group Co.,Ltd.

Address before: 401121 No.60, middle section of Huangshan Avenue, new North District, Chongqing

Applicant before: CHONGQING MILITARY INDUSTRY GROUP Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210820