CN113915250A - 基于状态识别的湿式离合器智能控制系统和控制方法 - Google Patents
基于状态识别的湿式离合器智能控制系统和控制方法 Download PDFInfo
- Publication number
- CN113915250A CN113915250A CN202111274838.6A CN202111274838A CN113915250A CN 113915250 A CN113915250 A CN 113915250A CN 202111274838 A CN202111274838 A CN 202111274838A CN 113915250 A CN113915250 A CN 113915250A
- Authority
- CN
- China
- Prior art keywords
- clutch
- control
- information
- fcmac
- output
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 9
- 238000010845 search algorithm Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 17
- 238000012360 testing method Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 12
- 230000002068 genetic effect Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000035772 mutation Effects 0.000 description 5
- 238000010606 normalization Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000001994 activation Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 210000001638 cerebellum Anatomy 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
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
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D48/00—External control of clutches
- F16D48/06—Control by electric or electronic means, e.g. of fluid pressure
-
- 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
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D48/00—External control of clutches
- F16D48/06—Control by electric or electronic means, e.g. of fluid pressure
- F16D48/066—Control of fluid pressure, e.g. using an accumulator
-
- 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
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/10—System to be controlled
- F16D2500/102—Actuator
- F16D2500/1026—Hydraulic
-
- 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
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/10—System to be controlled
- F16D2500/104—Clutch
- F16D2500/10443—Clutch type
- F16D2500/1045—Friction clutch
-
- 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
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/30—Signal inputs
- F16D2500/302—Signal inputs from the actuator
- F16D2500/3024—Pressure
-
- 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
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/50—Problem to be solved by the control system
- F16D2500/502—Relating the clutch
- F16D2500/50236—Adaptations of the clutch characteristics, e.g. curve clutch capacity torque - clutch actuator displacement
-
- 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
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/50—Problem to be solved by the control system
- F16D2500/502—Relating the clutch
- F16D2500/50245—Calibration or recalibration of the clutch touch-point
-
- 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
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/70—Details about the implementation of the control system
- F16D2500/702—Look-up tables
- F16D2500/70252—Clutch torque
-
- 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
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/70—Details about the implementation of the control system
- F16D2500/704—Output parameters from the control unit; Target parameters to be controlled
- F16D2500/70402—Actuator parameters
- F16D2500/70406—Pressure
-
- 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
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/70—Details about the implementation of the control system
- F16D2500/704—Output parameters from the control unit; Target parameters to be controlled
- F16D2500/70402—Actuator parameters
- F16D2500/70418—Current
-
- 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
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/70—Details about the implementation of the control system
- F16D2500/706—Strategy of control
-
- 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
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/70—Details about the implementation of the control system
- F16D2500/706—Strategy of control
- F16D2500/70636—Fuzzy logic
-
- 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
- F16D—COUPLINGS FOR TRANSMITTING ROTATION; CLUTCHES; BRAKES
- F16D2500/00—External control of clutches by electric or electronic means
- F16D2500/70—Details about the implementation of the control system
- F16D2500/708—Mathematical model
- F16D2500/7082—Mathematical model of the clutch
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (AREA)
- Mechanical Engineering (AREA)
- Hydraulic Clutches, Magnetic Clutches, Fluid Clutches, And Fluid Joints (AREA)
Abstract
本发明涉及离合器控制设计的技术领域,具体为一种基于状态识别的湿式离合器智能控制系统和控制方法,该控制方法包括以下内容:建立FCMAC控制模型,并建立离合器主控模型;采集离合器实际信息,获取离合器主控模型根据离合器实际信息输出的目标信息;根据目标信息生成主控信息;获取FCMAC控制模型根据离合器实际信息和目标信息输出的补偿信息;根据主控信息和补偿信息生成离合器控制信息。采用本方案,能够解决现有技术中湿式离合器控制模型控制精度不高的技术问题。
Description
技术领域
本发明涉及离合器控制设计的技术领域,具体为一种基于状态识别的湿式离合器智能控制系统和控制方法。
背景技术
在对湿式离合器的研究中需建立精确的湿式离合器控制模型,通过湿式离合器控制模型实现对离合器的控制。湿式离合器控制模型的精度越高,离合器的控制精度越高,现有技术中需要对离合器的控制精度进行提升,通常采用调整湿式离合器控制模型控制参数的方式,通过调整控制参数弥补湿式离合器控制模型精度不足的问题。但是,通过调整控制参数的方式提高模型精度,其对提高模型精度的作用有限,无法消除因湿式离合器特性或发动机特性改变对控制精度的影响。
发明内容
本发明的目的之一在于提供一种基于状态识别的湿式离合器智能控制方法,以解决现有技术中湿式离合器控制模型控制精度不高的技术问题。
本发明提供的基础方案一:基于状态识别的湿式离合器智能控制方法,包括以下内容:
建立FCMAC控制模型,并建立离合器主控模型;
采集离合器实际信息,获取离合器主控模型根据离合器实际信息输出的目标信息;
根据目标信息生成主控信息;
获取FCMAC控制模型根据离合器实际信息和目标信息输出的补偿信息;
根据主控信息和补偿信息生成离合器控制信息。
基础方案一的有益效果:离合器主控模型用于离合器的主要控制部分,通过建立离合器主控模型,针对获取的离合器实际信息生成目标信息,并转换为能够对离合器进行控制的主控信息。FCMAC控制模型用于离合器的控制补偿,通过建立FCMAC控制模型,针对离合器实际信息和目标信息生成能够对离合器进行控制的补偿信息,通过补偿信息对主控信息进行补偿,从而生成离合器控制信息对离合器进行控制。
与现有技术中直接根据主控模型对离合器进行控制相比,本申请建立FCMAC控制模型对离合器的控制进行补偿,通过复合控制的方式提高离合器控制精度。
进一步,建立FCMAC控制模型,具体包括以下内容:
获取FCMAC基础模型;
构建多层的模型结构;
设定各层输入、输出及处理策略;
对FCMAC基础模型进行样本训练获得FCMAC控制模型。
有益效果:本申请中采用FCMAC基础模型,小脑模型关节控制与模糊逻辑控制相结合形成一种自学习控制算法,结构简单、学习速度快,同时由于引入模糊理论,实现实时在线调整,进一步增强学习能力。
通过构建多层的模型结构;设定各层输入、输出及处理策略,设定FCMAC控制模型的基础条件,并通过样本训练得到FCMAC控制模型,从而实现对离合器控制的补偿修正,提高离合器控制精度。
进一步,各层处理策略中包括多个权值,对FCMAC基础模型进行样本训练获得FCMAC控制模型包括以下内容:
获取训练样本,训练样本包括实际输入和实际输出;
获取FCMAC基础模型根据实际输入输出的期望输出;
根据实际输出和期望输出对各层处理策略中的权值进行修正。
有益效果:各层处理策略中的权值为可调参数,通过调整权值提高FCMAC控制模型的控制精度。通过训练样本进行模型训练,训练过程中通过实际输出和期望输出修正权值,使FCMAC控制模型更适用于当前应用场景,提高离合器的控制精度。
进一步,FCMAC基础模型包括模糊层,模糊层的处理策略包括以下内容:
在输入域定义j个块,根据隶属函数计算隶属度,输出至下一层;
隶属函数如下:
有益效果:通过模糊层的处理策略计算隶属度,对FCMAC基础模型的输入进行模糊处理。
进一步,根据实际输出和期望输出对各层处理策略中的权值进行修正,具体包括以下内容:
根据实际输出和期望输出计算各控制周期的控制误差,根据控制误差计算各权值的修正量,根据修正量对各权值进行迭代。
有益效果:通过实际输出和期望输出进行比较生成控制误差,基于控制误差生成修正量对各权值进行修正,降低模型误差,从而提高离合器控制精度。
进一步,建立离合器主控模型,具体包括以下内容:
分析预设的半结合点状态参数全集筛选生成最优特征子集一;
根据预设的滑摩特征参数生成滑摩状态参数全集,分析滑摩状态参数全集筛选生成最优特征子集二;
设定离合器主控模型的模型输入包括最优特征子集一和最优特征子集二。
有益效果:湿式离合器的结合过程,依次包括完全分离、滑摩和完全结合三种状态,在不同状态下起所传递的扭矩不同,相应地,在不同状态下,其执行的控制参数有所不同。其中滑摩状态是完全分离和完全结合之间的过渡状态,通过摩擦副间摩擦力矩的逐渐增大或减少,实现湿式离合器在完全分离和完全结合状态之间的转换,将滑摩状态的起点和终点分别定义为半结合点状态和微滑摩状态。
影响结合过程的影响因素有许多,但并非每一因素都会对结合过程产生较大的影响,因此根据需求对全集进行筛选生成子集。半结合点状态参数全集为影响半结合点状态的影响因素的集合,最优特征子集一则是从半结合点状态参数全集中筛选出的影响因素构成的集合。滑摩状态参数全集为影响微滑摩状态的影响因素的集合,最优特征子集二则是从滑摩状态参数全集中筛选出的影响因素构成的集合。
选取最优特征子集一和最优特征子集二作为离合器主控模型的输入,从而离合器主控模型的模型精度,进而提高湿式离合器的控制精度。
进一步,根据预设的滑摩特征参数生成滑摩状态参数全集,分析滑摩状态参数全集筛选生成最优特征子集二,具体包括以下内容:
调用预设的滑摩特征参数对滑摩特征参数之间的边界进行搜索寻优生成滑摩状态参数全集;根据浮动搜索算法搜索滑摩状态参数全集,生成最优特征子集二。
有益效果:湿式离合器进入滑摩状态后,随着离合器压力的上升,其传递的扭矩增大,从动片转速差逐渐减小,当转差足够小时,此时湿式离合器几乎能传递来自发动机的全部扭矩,即为微滑摩状态。将微滑摩之前、之后的两个状态分别定义为过度滑摩状态和不足滑摩状态,由此构成湿式离合器的三种滑摩状态。
通过对滑摩特征参数之间的边界进行搜索寻优,对滑摩特征参数进行优化降维,筛选最佳的滑摩特征参数生成滑摩状态参数全集,并从中筛选出最优特征子集二进行状态识别,避免过多的指标维数,以及减少冗余信息的计算,提高状态识别的反应速度。
根据滑摩状态参数全集生成最优特征子集二,此时主要执行局部搜索操作,本方案采用浮动搜索算法,针对中小规模数据集搜索能力强,缩短搜索时间,避免计算时间过长,容易产生局部最优解的情况。
本发明的目的之二在于提供一种基于状态识别的湿式离合器智能控制系统。
本发明提供基础方案二:基于状态识别的湿式离合器智能控制系统,包括:
主控逻辑模块,用于获取离合器实际信息,根据离合器实际信息生成目标信息;
控制转换模块,用于根据目标信息生成主控信息;
FCMAC控制模块,用于根据离合器实际信息和目标信息生成补偿信息;
电磁阀驱动模块,用于根据主控信息和补偿信息生成离合器控制信息,驱动离合器压力控制阀。
基础方案二的有益效果:主控逻辑模块用于离合器的主要控制部分,针对获取的离合器实际信息生成目标信息,并转换为能够对离合器进行控制的主控信息。FCMAC控制模块用于离合器的控制补偿,针对离合器实际信息和目标信息生成能够对离合器进行控制的补偿信息,通过补偿信息对主控信息进行补偿,从而生成离合器控制信息对离合器进行控制。
与现有技术中直接根据主控模型对离合器进行控制相比,本申请建立FCMAC控制模型对离合器的控制进行补偿,通过复合控制的方式提高离合器控制精度。
进一步,控制转换模块包括扭矩转换子模块和压力转换子模块,
目标信息包括目标扭矩,扭矩转换子模块用于根据目标扭矩搜索预设的扭矩Map图,生成与目标扭矩对应的目标压力;
压力转换子模块用于根据目标压力和预设的控制电流与离合器压力关系,生成与目标压力对应的主控电流。
有益效果:扭矩转换子模块的设置,对主控逻辑模块传输的目标扭矩进行转换,获得对应目标扭矩的目标压力。压力转换子模块的设置,对扭矩转换子模块传输的目标压力进行转换,获得对应目标压力的主控电流,通过主控电流实现对离合器的控制。
进一步,主控逻辑模块预设有权利要求1-7任一项所述的离合器主控模型,主控逻辑模块用于获取离合器主控模型根据离合器实际信息输出的目标信息;
FCMAC控制模块预设有权利要求1-7任一项所述的FCMAC控制模型,FCMAC控制模块用于获取FCMAC控制模型根据离合器实际信息和目标信息输出的补偿信息。
有益效果:主控逻辑模块的设置,预设离合器主控模型,通过离合器主控模型生成控制离合器的目标信息;FCMAC控制模块的设置,预设FCMAC控制模型,通过FCMAC控制模型生成离合器的补偿信息,对离合器控制进行补偿。
附图说明
图1为本发明基于状态识别的湿式离合器智能控制方法实施例的流程图;
图2为本发明基于状态识别的湿式离合器智能控制系统实施例的逻辑框图;
图3为现有离合器控制模型进行仿真试验的试验结果;
图4为采用本发明进行仿真试验的试验结果;
图5为现有离合器控制模型和本发明分别进行仿真试验的试验误差对比图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例
基于状态识别的湿式离合器智能控制方法,如附图1所示,包括以下内容:
建立FCMAC控制模型,并建立离合器主控模型;采集离合器实际信息,获取离合器主控模型根据离合器实际信息输出的目标信息;根据目标信息生成主控信息;获取FCMAC控制模型根据离合器实际信息和目标信息输出的补偿信息;根据主控信息和补偿信息生成离合器控制信息。
建立FCMAC控制模型,具体包括以下内容:
S101:获取FCMAC基础模型。
S102:构建多层的模型结构。具体的,FCMAC基础模型包括输入层、模糊层、模糊关联层、联想强度层和输出层。
S103:设定各层输入、输出及处理策略。具体的,输入层的输出作为模糊层的输入,模糊层得输出作为模糊关联层的输入,模糊关联层的输出作为联想强度层的输入,联想强度层得输出作为输出层的输入。
输入层包括两个节点,输入层的输入分别为湿式离合器控制偏差和偏差变化率;输入层的处理策略为:根据以下公式对输入进行处理:
模糊层包括十四个节点,将输入层的输出作为模糊层的输入,模糊层的处理策略为:在输入域定义j个块,根据隶属关系公式计算隶属度,输出至下一层;隶属关系公式如下:
将模糊层的输出作为模糊关联层的输入,模糊关联层的处理策略为:在输入域组成ji=49个超立方体,并分别对应一个联想单元,根据以下公式计算联想单元的激活强度:
将模糊关联层的输出作为联想强度层的输入,联想强度层的处理策略为:根据模糊关联层输出的激活强度,激活联想单元的联想强度,根据以下公式计算个联想单元的联想强度:
式(4)中,ωj1j2为各联想单元中预设的联想强度。
将联想强度层的输出作为输出层的输入,输出层的处理策略为:根据以下公式对以下所有激活的联想强度进行求和运算:
式(5)中,y为输入层的输出,即为FCMAC基础模型设定的输出。
S104:对FCMAC基础模型进行样本训练获得FCMAC控制模型。S104,具体包括以下内容:
获取训练样本,训练样本包括实际输入和实际输出;获取FCMAC基础模型根据实际输入输出的期望输出;各层处理策略中包括多个权值,根据实际输出和期望输出对各层处理策略中的权值进行修正。
根据实际输出和期望输出对各层处理策略中的权值进行修正,具体包括:根据实际输出和期望输出计算各控制周期的控制误差,根据控制误差计算各权值的修正量,根据修正量对各权值进行迭代。
根据以下公式计算各控制周期的控制误差:
根据以下公式计算各权值的修正量,在本实施例中,权值包括联想强度ωj1j2、隶属函数的中心值δij和隶属度函数的覆盖宽度νij:
式(7)、(8)、(9)、(10)、(11)中,η1、η2、η3、η4、η5为各权值的学习速率,k为控制周期数。
根据以下公式对各权值进行迭代:
ωj1j2(k+1)=ωj1j2(k)+Δωj1j2(k) (12)
δij(k+1)=δij(k)+Δδij(k) (13)
νij(k+1)=νij(k)+Δνij(k) (14)
建立离合器主控模型,具体包括以下内容:
S201:设定离合器主控模型的输入。具体包括以下内容:
S2011:分析预设的半结合点状态参数全集筛选生成最优特征子集一,具体包括以下内容:
预设有半结合点状态参数全集,在本实施例中,半结合点状态参数全集中的参数包括发动机转速、离合器从动部分转速、离合器主从部分转速差、发动机扭矩和发动机扭矩变化率。
获取湿式离合器半结合点状态下的筛选条件,根据筛选条件分析半结合点状态参数全集,筛选出最优特征子集一。
筛选条件为半结合点状态参数全集中各参数的影响因素,当半结合点状态参数全集中的参数在半结合点状态及前后,难以形成一定规律,则剔除。例如半结合点状态参数全集包括发动机转速,而在怠速状态下,发动机转速受温度、压力等因素影响而改变;在非怠速状态下,发动机转速会受油门开度、负载等影响而改变,在半结合点状态及其前后,很难形成一定规律,因此发动机转速不能作为半结合点的状态参数。反之,则筛选为最优特征子集一中的参数,本实施例中,最优特征子集一包括发动机扭矩。
本方案中,结合湿式离合器的应用场景、工作原理及半结合点状态进行参数筛选,生成最佳的最优特征子集一。
S2012:根据预设的滑摩特征参数生成滑摩状态参数全集,分析滑摩状态参数全集筛选生成最优特征子集二,具体包括以下内容:
调用预设的滑摩特征参数,在本实施例中,滑摩特征参数如下表一所示。
表一 滑摩特征参数表
对滑摩特征参数之间的边界进行搜索寻优生成滑摩状态参数全集。具体的,根据智能搜索算法对滑摩特征参数之间的边界进行搜索寻优,生成滑摩状态参数全集。在本实施例中,智能搜索算法选用自适应遗传算法。
分析滑摩状态参数全集筛选生成最优特征子集二。具体的,根据浮动搜索算法搜索滑摩状态参数全集,生成最优特征子集二。
将自适应遗传算法作为外层循环的搜索方式,将浮动搜索算法作为内层循环的搜索算法,具体的,对滑摩特征参数之间的边界进行搜索,随机生成初始种群,对种群中的个体分别进行计算生成滑摩状态参数全集,根据浮动搜索算法生成候选特征子集一,判断是否满足浮动搜索终止条件,若否,则再次根据浮动搜索算法生成候选特征子集二,对比候选特征子集一和候选特征子集二,筛选最优的候选特征子集遗传至下一次搜索。反之,若是,则判断是否满足遗传算法终止条件,若不满足遗传算法终止条件,则根据自适应的遗传算法进行计算,遗传算法的目标函数如下:
f1=WARacc+WFNSW (15)
式(15)中,f1为遗传算法的目标函数值,WA为识别准确度的权重,在本实施例中取值为0.99,Racc为识别准确度,NSW为最优特征子集二中参数个数,WF为最优特征子集二中参数个数的权重,在本实施例中取值为0.01。
根据式(15)计算可知初始种群中各个体的适应度,根据适应度采用交叉操作和变异操作,适应度高于适应度上限的个体,根据第一概率进行交叉和变异操作,适应度低于适应度下限的个体根据第二概率进行交叉和变异操作,第一概率小于第二概率。
交叉概率公式如下:
变异概率公式如下:
式(16)、(17)中,fi为待交叉的两个体中适应度较高者的适应度,favg为当前种群中所有个体的平均适应度,fbest为当前种群中适应度最高者的适应度。
根据交叉概率公式和变异概率公式执行交叉操作和变异操作得到新的种群,重新对种群中的个体分别进行计算生成滑摩状态参数全集,直至满足遗传算法终止条件,则当前候选特征子集为最优特征子集二。在本实施例中,最优特征子集二包括nd、LNIS、ηn1-n2和ηr3。
S2013:根据最优特征子集一、最优特征子集二和预设的模糊神经网络模型生成离合器状态。具体包括以下内容:对最优特征子集一和最优特征子集二进行归一化处理,生成归一化处理结果,获取模糊神经网络模型根据归一化处理结果输出的离合器状态。
在本实施例中,采用线性方法进行归一化处理,处理公式如下:
式(18)中,xkn为第k个样本中第n个参数归一化后的结果,Xkn为第k个样本中第n个参数,maxXn、minXn分别为样本中第n个参数的最大值和最小值,m为样本的数量。
模糊神经网络模型包括输入层、模糊层、隐含层和输出层,输入层用于将输入的归一化处理后的最优特征子集一和最优特征子集二传递给下一层。
式(19)中,θin和σin(i=1,2,3;n=1,2,3,4)分别表示第n个特征在第i类状态中的均值和方差。
隐含层用于获取模糊层的输出,根据模糊计算公式计算模糊规则的适应度,将计算结果输出至输出层,模糊计算公式如下:
ωin=kin(xin) (20)
式(20)中,ωin为权值,kin(x)为权值的模糊计算函数。
输出层用于根据输出值的计算公式计算模糊函数计算结果,输出值的计算公式如下:
输出层输出模糊函数计算结果。
获取离合器各典型工况的典型数据,例如半结合点状态对应的实验数据,将实验数据输入模糊神经网络模型,获取模糊神经网络模型根据典型工况实验数据输出的输出量。将输出量定义为状态阈值,记录各典型工况对应的状态阈值,记录时,根据状态阈值的数值大小进行排列存储。
状态识别时,通过对比模糊函数计算结果和状态阈值生成离合器状态,具体的,在本实施例中,数值最大的状态阈值位于首位,数值最小的状态阈值位于末位。依次对比模糊函数计算结果和状态阈值,当模糊函数计算结果大于状态阈值时,符合状态阈值对应的典型工况,筛选状态阈值对应的典型工况的状态作为离合器状态。反之,对比模糊函数计算结果和下一状态阈值。
采集离合器实际信息,获取离合器主控模型根据离合器实际信息输出的目标信息,具体的,通过传感器采集离合器实际信息,离合器实际信息包括离合器压力。将采集的离合器实际信息输入离合器主控模型,获得离合器主控模型根据离合器实际信息输出的目标信息,目标信息包括目标扭矩。
根据目标信息生成主控信息,具体包括以下内容:调用预设的扭矩Map图,根据目标信息搜索扭矩Map图生成与目标扭矩对应的目标压力;调用预设的控制电流与离合器压力关系,根据目标压力从控制电流与离合器压力关系筛选出于目标压力对应的主控电流,即主控信息包括主控电流。
获取FCMAC控制模型根据离合器实际信息和目标信息输出的补偿信息,具体包括以下内容:此时的目标信息还包括与目标扭矩对应的目标压力,将离合器压力和目标压力输入FCMAC控制模型,获得FCMAC控制模型根据离合器压力和目标压力输出的补偿电流,即补偿信息包括补偿电流。
根据主控信息和补偿信息生成离合器控制信息,具体包括以下内容:叠加主控电流和补偿电流生成离合器控制信息,通过离合器控制信息对离合器压力进行控制。
在其他实施例中,根据主控信息和补偿信息生成离合器控制信息前,还包括以下内容:
根据离合器实际信息判断是否满足预设的采集条件,若满足,则根据主控信息和补偿信息生成离合器控制信息,反之,则重新离合器实际信息。
其中,根据离合器实际信息判断是否满足预设的采集条件,包括以下内容:获取连续的离合器实际信息,判断连续的离合器压力是否满足预设的参数变化阈值,若满足,则离合器实际信息满足采集条件,反之,则离合器实际信息不满足采集条件。参数变化阈值为离合器正常使用过程中连续离合器压力之间的最大变化量,计算连续离合器压力的变化量,判断变化量是否大于参数变化阈值,若否,则满足参数变化阈值,反之,则不满足参数变化阈值。
在离合器实际信息不满足采集条件,代表所采集的离合器实际信息出现异常变化,此时离合器可能出现较大问题,或者采集离合器实际信息的传感器出现损坏的问题,针对异常的离合器实际信息,不进行离合器控制信息的生成及离合器的控制更新,避免出现离合器控制不当的情况。
基于状态识别的湿式离合器智能控制系统,使用上述基于状态识别的湿式离合器智能控制方法,如附图2所示,包括信号采集模块、主控逻辑模块、控制转换模块、FCMAC控制模块、电磁阀驱动模块、离合器压力控制阀和湿式离合器。
信号采集模块用于采集离合器实际信息,离合器实际信息包括离合器压力。
主控逻辑模块用于获取离合器实际信息,根据离合器实际信息生成目标信息。具体的,主控逻辑模块预设有上述基于状态识别的湿式离合器智能控制方法中的离合器主控模型,主控逻辑模块用于获取离合器主控模型根据离合器实际信息输出的目标信息,目标信息包括目标扭矩。
控制转换模块用于根据目标信息生成主控信息,具体的,控制转换模块包括扭矩转换子模块和压力转换子模块。扭矩转换子模块用于根据目标扭矩搜索预设的扭矩Map图,生成与目标扭矩对应的目标压力,本实施例中,目标信息还包括目标压力;压力转换子模块用于根据目标压力和预设的控制电流与离合器压力关系,生成与目标压力对应的主控电流。
FCMAC控制模块用于根据离合器实际信息和目标信息生成补偿信息。具体的,FCMAC控制模块预设有上述基于状态识别的湿式离合器智能控制方法中的FCMAC控制模型,FCMAC控制模块用于获取FCMAC控制模型根据离合器实际信息和目标信息输出的补偿信息,补偿信息包括补偿电流。
电磁阀驱动模块用于根据主控信息和补偿信息生成离合器控制信息,离合器控制信息为主控电流和补偿电流的电流总值。电磁阀驱动模块用于根据离合器控制信息驱动离合器压力控制阀,通过离合器压力控制阀控制湿式离合器。
本方案中,通过湿式双离合器进行在环仿真试验,采用现有离合器控制模型进行仿真试验的试验结果如图3所示,采用本方案技术方案进行仿真试验的试验结果如图4所示,两次试验误差对比如图5所示。
根据图5所示,采用本方案应用FCMAC后的误差明显减小,误差的正负最大值从59,-55减少到20,-40,误差均值从24.9减少到6.43。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.基于状态识别的湿式离合器智能控制方法,其特征在于,包括以下内容:
建立FCMAC控制模型,并建立离合器主控模型;
采集离合器实际信息,获取离合器主控模型根据离合器实际信息输出的目标信息;
根据目标信息生成主控信息;
获取FCMAC控制模型根据离合器实际信息和目标信息输出的补偿信息;
根据主控信息和补偿信息生成离合器控制信息。
2.根据权利要求1所述的基于状态识别的湿式离合器智能控制方法,其特征在于:建立FCMAC控制模型,具体包括以下内容:
获取FCMAC基础模型;
构建多层的模型结构;
设定各层输入、输出及处理策略;
对FCMAC基础模型进行样本训练获得FCMAC控制模型。
3.根据权利要求2所述的基于状态识别的湿式离合器智能控制方法,其特征在于:各层处理策略中包括多个权值,对FCMAC基础模型进行样本训练获得FCMAC控制模型包括以下内容:
获取训练样本,训练样本包括实际输入和实际输出;
获取FCMAC基础模型根据实际输入输出的期望输出;
根据实际输出和期望输出对各层处理策略中的权值进行修正。
5.根据权利要求4所述的基于状态识别的湿式离合器智能控制方法,其特征在于:根据实际输出和期望输出对各层处理策略中的权值进行修正,具体包括以下内容:
根据实际输出和期望输出计算各控制周期的控制误差,根据控制误差计算各权值的修正量,根据修正量对各权值进行迭代。
6.根据权利要求1所述的基于状态识别的湿式离合器智能控制方法,其特征在于:建立离合器主控模型,具体包括以下内容:
分析预设的半结合点状态参数全集筛选生成最优特征子集一;
根据预设的滑摩特征参数生成滑摩状态参数全集,分析滑摩状态参数全集筛选生成最优特征子集二;
设定离合器主控模型的模型输入包括最优特征子集一和最优特征子集二。
7.根据权利要求6所述的基于状态识别的湿式离合器智能控制方法,其特征在于:根据预设的滑摩特征参数生成滑摩状态参数全集,分析滑摩状态参数全集筛选生成最优特征子集二,具体包括以下内容:
调用预设的滑摩特征参数对滑摩特征参数之间的边界进行搜索寻优生成滑摩状态参数全集;根据浮动搜索算法搜索滑摩状态参数全集,生成最优特征子集二。
8.基于状态识别的湿式离合器智能控制系统,其特征在于,包括:
主控逻辑模块,用于获取离合器实际信息,根据离合器实际信息生成目标信息;
控制转换模块,用于根据目标信息生成主控信息;
FCMAC控制模块,用于根据离合器实际信息和目标信息生成补偿信息;
电磁阀驱动模块,用于根据主控信息和补偿信息生成离合器控制信息,驱动离合器压力控制阀。
9.根据权利要求8所述的基于状态识别的湿式离合器智能控制系统,其特征在于:控制转换模块包括扭矩转换子模块和压力转换子模块,
目标信息包括目标扭矩,扭矩转换子模块用于根据目标扭矩搜索预设的扭矩Map图,生成与目标扭矩对应的目标压力;
压力转换子模块用于根据目标压力和预设的控制电流与离合器压力关系,生成与目标压力对应的主控电流。
10.根据权利要求9所述的基于状态识别的湿式离合器智能控制系统,其特征在于:主控逻辑模块预设有权利要求1-7任一项所述的离合器主控模型,主控逻辑模块用于获取离合器主控模型根据离合器实际信息输出的目标信息;
FCMAC控制模块预设有权利要求1-7任一项所述的FCMAC控制模型,FCMAC控制模块用于获取FCMAC控制模型根据离合器实际信息和目标信息输出的补偿信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111274838.6A CN113915250B (zh) | 2021-10-29 | 2021-10-29 | 基于状态识别的湿式离合器智能控制系统和控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111274838.6A CN113915250B (zh) | 2021-10-29 | 2021-10-29 | 基于状态识别的湿式离合器智能控制系统和控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113915250A true CN113915250A (zh) | 2022-01-11 |
CN113915250B CN113915250B (zh) | 2024-02-02 |
Family
ID=79243896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111274838.6A Active CN113915250B (zh) | 2021-10-29 | 2021-10-29 | 基于状态识别的湿式离合器智能控制系统和控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113915250B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6278986B1 (en) * | 1996-06-27 | 2001-08-21 | Yahama Hatsudoki Kabushiki Kaisha | Integrated controlling system |
CN104691300A (zh) * | 2013-12-04 | 2015-06-10 | 现代自动车株式会社 | 用于控制混合动力车辆的模糊发动机离合器的系统及方法 |
CN107539306A (zh) * | 2017-09-02 | 2018-01-05 | 上海埃维汽车技术股份有限公司 | 基于模糊小脑模型神经网络的汽车转矩分配控制方法 |
CN108343733A (zh) * | 2018-02-13 | 2018-07-31 | 重庆长安汽车股份有限公司 | 一种湿式dct的离合器温度控制方法及系统 |
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 |
CN112161050A (zh) * | 2020-10-31 | 2021-01-01 | 重庆青山工业有限责任公司 | 一种湿式dct的离合器压力补偿控制方法 |
CN113217619A (zh) * | 2021-03-11 | 2021-08-06 | 同济大学 | 离合器滑摩扭矩的控制方法、装置及电子设备 |
CN113280107A (zh) * | 2021-05-21 | 2021-08-20 | 重庆军工产业集团有限公司 | 一种纯电动商用车电控机械式自动变速器换挡控制方法 |
-
2021
- 2021-10-29 CN CN202111274838.6A patent/CN113915250B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6278986B1 (en) * | 1996-06-27 | 2001-08-21 | Yahama Hatsudoki Kabushiki Kaisha | Integrated controlling system |
CN104691300A (zh) * | 2013-12-04 | 2015-06-10 | 现代自动车株式会社 | 用于控制混合动力车辆的模糊发动机离合器的系统及方法 |
CN107539306A (zh) * | 2017-09-02 | 2018-01-05 | 上海埃维汽车技术股份有限公司 | 基于模糊小脑模型神经网络的汽车转矩分配控制方法 |
CN108343733A (zh) * | 2018-02-13 | 2018-07-31 | 重庆长安汽车股份有限公司 | 一种湿式dct的离合器温度控制方法及系统 |
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 |
CN112161050A (zh) * | 2020-10-31 | 2021-01-01 | 重庆青山工业有限责任公司 | 一种湿式dct的离合器压力补偿控制方法 |
CN113217619A (zh) * | 2021-03-11 | 2021-08-06 | 同济大学 | 离合器滑摩扭矩的控制方法、装置及电子设备 |
CN113280107A (zh) * | 2021-05-21 | 2021-08-20 | 重庆军工产业集团有限公司 | 一种纯电动商用车电控机械式自动变速器换挡控制方法 |
Non-Patent Citations (1)
Title |
---|
李建磊: "基于湿式自动离合器的商用车起步控制策略仿真研究", 《工程科技Ⅱ辑》, pages 45 - 47 * |
Also Published As
Publication number | Publication date |
---|---|
CN113915250B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110472778A (zh) | 一种基于Blending集成学习的短期负荷预测方法 | |
CN110650153B (zh) | 一种基于聚焦损失深度神经网络的工控网络入侵检测方法 | |
CN109472088B (zh) | 一种页岩气调产井生产压力动态预测方法 | |
GB2600213A (en) | Plate performance prediction method and apparatus | |
US20040002928A1 (en) | Pattern recognition method for reducing classification errors | |
CN106254330A (zh) | 一种基于bp神经网络的软件定义网络入侵检测方法 | |
US10061276B2 (en) | Machine learning system and magnetizer for motor | |
EP3502978A1 (en) | Meta-learning system | |
Duan et al. | Decentralized adaptive NN state-feedback control for large-scale stochastic high-order nonlinear systems | |
CN113128124B (zh) | 基于改进神经网络的多牌号C-Mn钢力学性能预测方法 | |
CN113159113A (zh) | 信息恶意篡改下可修复遥测量的智能电网故障诊断方法 | |
CN113642652A (zh) | 生成融合模型的方法、装置和设备 | |
CN113915250A (zh) | 基于状态识别的湿式离合器智能控制系统和控制方法 | |
CN107273971B (zh) | 基于神经元显著性的前馈神经网络结构自组织方法 | |
CN116738307A (zh) | 一种多模态训练的动态预测调整策略方法 | |
ElFelly et al. | A multimodel approach of complex systems identification and control using neural and fuzzy clustering algorithms | |
CN112613603B (zh) | 基于限幅器的神经网络训练方法及其应用 | |
Ventresca et al. | Improving gradient-based learning algorithms for large scale feedforward networks | |
Srivastava et al. | Choquet fuzzy integral based modeling of nonlinear system | |
Taghanaki et al. | Nonlinear feature transformation and genetic feature selection: improving system security and decreasing computational cost | |
CN113915249B (zh) | 基于模糊神经网络的湿式离合器状态识别方法 | |
Gong et al. | Surrogate models based on individual's interval fitness in interactive genetic algorithms | |
Atsawaraungsuk | q-Gaussian activation function Circular Extreme Learning Machine for classification problems | |
Zhang et al. | Research on oil well production prediction based on radial basis function network | |
Ikushima et al. | Differential evolution neural network optimization with individual dependent mechanism |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |