CN114776736B - 液力缓速器智能控制方法、系统及程序产品 - Google Patents

Abstract

本发明公开了一种液力缓速器智能控制方法、系统及程序产品，涉及液力缓速器的智能控制技术领域，该方法包括当需要液力缓速器提供制动所需的工作扭矩时，快速启动液力缓速器；采用模糊小脑模型神经网络，根据输入的液力缓速器的控制系统的运行环境参数，推演预测得到所需电机转速，将液压泵出口压力调整到最佳值，实现对液力缓速器所需工作扭矩的实时智能控制。本发明依据实际的运行环境参数，通过智能控制电机转速，可以快速改变液压泵出口压力，对液力缓速器所需工作扭矩实现优化控制，使车辆能安全稳定行驶，提高了智能化控制程度。

Description

液力缓速器智能控制方法、系统及程序产品

技术领域

本发明涉及液力缓速器的智能控制技术领域，具体涉及一种液力缓速器智能控制方法、系统及程序产品。

背景技术

液力缓速器是一种通过液力装置降低车辆行驶速度的汽车缓速器，通常包括定子、转子、进液管路、出液管路、储液器、散热器等。定子和转子分别装有叶片，并且相对布置放置于壳体内，构成工作腔，通过外部循环回路向工作腔内填充工作液产生制动力。当转子运动时，带动工作液运动，并在定子上减速，从而对转子产生制动力矩，并将制动力矩传递到车轮上，从而产生制动作用，辅助汽车刹车。

液力缓速器进行制动时，需要根据工况动态的调整其输出的工作扭矩，现有技术中公开了一些对液力缓速器输出工作扭矩进行控制的方法，例如，一种方法是通过比例阀调节进气压力，然后推动工作液通过工作腔进口进入工作腔。工作腔进口的压力与比例阀压力很接近，从而通过比例阀调节进气压力实现对液力缓速器工作扭矩的控制。但是，这样会导致高压空气频繁进入液力缓速器内部，然后再通过出气管路排到液力缓速器外部，虽然有油气分离装置，但是排气过程中仍然会带出一部分工作液，需要一段时间补充工作液，同时排出的工作液还会吸附在液力缓速器外部形成油污。

另一种方法是通过可变排量泵将工作液泵入缓速器工作腔内，通过比例阀可以对可变排量泵进行压力控制，从而实现对液力缓速器工作扭矩的控制。但是，这种方式下一是主轴会一直驱动泵旋转，会增加非工作状态的功率；二是控制可变排量泵压力的比例阀的需求精度较高，导致成本较高。

发明内容

因此，为了克服上述缺陷，本发明实施例提供一种液力缓速器智能控制方法、系统及程序产品，通过智能控制电机转速、液压泵出口压力等，实时控制液力缓速器的工作扭矩，并降低了成本。

为此，本发明实施例的一种液力缓速器智能控制方法，包括以下步骤：

判断是否需要液力缓速器提供制动所需的工作扭矩；

当需要液力缓速器提供制动所需的工作扭矩时，快速启动液力缓速器；

采用模糊小脑模型神经网络，根据输入的液力缓速器的控制系统的运行环境参数，推演预测得到所需电机转速，将液压泵出口压力调整到最佳值，实现对液力缓速器所需工作扭矩的实时智能控制。

优选地，所述模糊小脑模型神经网络的输入变量为当前车速与安全稳定车速的差值、道路坡度与整车重量之比、液压泵出口压力与工作腔出口压力的差值和工作液温度变化率；输出变量为液力缓速器所需工作扭矩理论值和电机转速理论值。

优选地，所述模糊小脑模型神经网络包括输入变量、变量模糊化、概念映射、实际映射和输出变量5个模块。

优选地，将液力缓速器所需工作扭矩实际值和电机转速实际值分别与所需工作扭矩理论值和电机转速理论值相比较所得的偏差作为迭代判断依据，更新权值，获得训练好的模糊小脑模型神经网络。

本发明实施例的液力缓速器智能控制系统，包括：

需求判断装置，用于判断是否需要液力缓速器提供制动所需的工作扭矩；当不需要时，维持现状；

快速启动装置，用于当需要液力缓速器提供制动所需的工作扭矩时，快速启动液力缓速器；

神经网络预测装置，用于采用模糊小脑模型神经网络，根据输入的液力缓速器的控制系统的运行环境参数，推演预测得到所需电机转速，从而将液压泵出口压力调整到最佳值，实现对液力缓速器所需工作扭矩的实时智能控制。

本发明实施例的液力缓速器智能控制方法、系统及程序产品，具有如下优点：

基于模糊小脑模型神经网络，依据实际的运行环境参数，通过智能控制电机转速，可以快速改变液压泵出口压力，对液力缓速器所需工作扭矩实现优化控制，使车辆能安全稳定行驶，提高了智能化控制程度。

附图说明

为了更清楚地说明本发明具体实施方式中的技术方案，下面将对具体实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1中液力缓速器的控制系统的一个具体示例的原理示意图；

图2为本发明实施例1中液力缓速器智能控制方法的一个具体示例的流程图；

图3为本发明实施例1中模糊小脑模型神经网络的一个具体示例的原理框图；

图4为本发明实施例2中液力缓速器智能控制系统的一个具体示例的原理框图。

附图标记：1-电机，2-液压泵，3-储液罐，4-进液管路，5-回油管路，6-进油口，7-出油口，8-节流孔，9-换热器，10-工作液，11-定子，12-转子，13-齿轮。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，本文所用的术语仅用于描述特定实施例的目的，而并非旨在限制本发明。除非上下文明确指出，否则如本文中所使用的单数形式“一”、“一个”和“该”等意图也包括复数形式。使用“包括”和/或“包含”等术语时，是意图说明存在该特征、整数、步骤、操作、元素和/或组件，而不排除一个或多个其他特征、整数、步骤、操作、元素、组件、和/或其他组合的存在或增加。术语“和/或”包括一个或多个相关列出项目的任何和所有组合。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

此外，本说明书中的某些图式是用于例示方法的流程图。应了解，这些流程图中的每一个方块、及这些流程图中方块的组合可通过计算机程序指令来实施。这些计算机程序指令可加载至一计算机或其他可编程的设备上来形成一机器，以使在所述计算机或其他可编程设备上执行的指令形成用于实施在所述流程图方块中所规定功能的结构。这些计算机程序指令也可储存于一计算机可读存储器中，所述计算机可读存储器可指令一计算机或其他可编程设备以一特定方式工作，以使储存于所述计算机可读存储器中的指令形成一包含用于实施在所述流程图方块中所规定功能的指令结构的制品。所述计算机程序指令也可加载至一计算机或其他可编程设备上，以便在所述计算机或其他可编程设备上执行一系列操作步骤来形成一由计算机实施的过程，从而使在所述计算机或其他可编程设备上执行的指令提供用于实施在所述流程图方块中所规定功能的步骤。

相应地，各流程图中的方块支持用于执行所规定功能的结构的组合及用于执行所规定功能的步骤的组合。还应了解，所述流程图中的每一个方块、及所述流程图中方块的组合可由执行所规定功能或步骤的基于专用硬件的计算机系统、或者专用硬件与计算机指令的组合来实施。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

实施例1

本实施例提供一种液力缓速器的控制系统，包括液压泵2、电机1、第一压力传感器、第二压力传感器和控制器；如图1所示，电机1与液压泵2连接，用于提供动力源使液压泵旋转产生压力，推动工作液进入液力缓速器工作腔，通过调整电机转速，实现液压泵出口压力的调整，从而使液力缓速器控制压力，实现液力缓速器工作扭矩的控制；

液压泵2通过进液管路4与液力缓速器的进油口6连接，将储液罐3中的工作液10通过进油口6输入液力缓速器工作腔，工作液10进入定子11和转子12之间，转子12与齿轮13共轴(主轴)连接，齿轮13连接到整车的传动轴上，然后带动液力缓速器主轴旋转，与主轴连接的转子也同步旋转，液力缓速器工作腔中的工作液还可通过与工作腔出油口7连接的回油管路5输出，出油口7附近设有节流孔8，回油管路5通过换热器9与进液管路4连通，从而形成循环回路，依次从工作腔、出油口、回油管路、换热器、进油管路和进油口，再次返回到工作腔；优选地，液压泵为叶片泵、离心泵或活塞泵。更为优选地，液压泵采用叶片泵，具有流量大、效率高的优点，可以节省功率消耗。

第一压力传感器也设置于液压泵出口处，用于检测液压泵出口压力；

第二压力传感器设置于液力缓速器工作腔出口处，用于检测工作腔出口压力，工作腔出口压力与液力缓速器工作扭矩相关，根据工作腔出口压力调节电机转速，从而实现闭环控制液力缓速器工作扭矩；

优选地，液力缓速器的控制系统还包括控制阀，控制阀设置于液压泵出口处，用于调节液压泵出口压力，通过对液压泵出口的节流产生压力，可以精确调节液压泵出口压力；

控制器分别与液压泵、电机、控制阀、第一压力传感器和第二压力传感器连接，用于根据液力缓速器所需工作扭矩，参考第一压力传感器和第二压力传感器所测压力等，动态调节电机转速和/或控制阀开闭程度，从而实现对液力缓速器工作扭矩的控制。其中通过电机带动液压泵旋转，从而调节电机转速，实现进油口压力调节。液压泵可以避免出口压力过高，电机和液压泵堵转，造成电机烧毁等故障。相比于缓速器的主轴直接驱动液压泵，本实施例可以在非工作状态时电机停止转动，降低非工作状态的电机损耗。在工作状态时，可以通过调节电机转速，达到控制液压泵出油压力和流量的效果。

本实施例提供一种液力缓速器智能控制方法，用于在上述控制器上实施，如图2所示，包括以下步骤：

S1、判断是否需要液力缓速器提供制动所需的工作扭矩；若车辆处于紧急制动或长下坡路段行驶状况下，通过液力缓速器辅助制动，有利于车辆的安全行驶和延长发动机使用寿命。当不需要时，维持现状；

S2、当需要液力缓速器提供制动所需的工作扭矩时，快速启动液力缓速器；

S3、采用模糊小脑模型(FCMAC)神经网络，根据输入的液力缓速器的控制系统的运行环境参数，推演预测得到所需电机转速，从而将液压泵出口压力调整到最佳值，实现对液力缓速器所需工作扭矩的实时智能控制。优选地，所述运行环境参数包括当前车速、道路坡度、整车重量、液压泵出口压力、工作腔出口压力、工作液温度变化率等等。

优选地，所述S2中快速启动液力缓速器的步骤包括：

S21、控制电机超载启动，给液压泵提供最大的功率，使液压泵在预设短时间内给液力缓速器工作腔注满工作液。优选地，所述预设短时间小于2.5秒。

优选地，所述S3的步骤包括：

S31、构建模糊小脑模型神经网络，如图3所示，包括输入变量、变量模糊化、概念映射、实际映射和输出变量这5个模块；输入变量为当前车速与安全稳定车速的差值ΔV、道路坡度与整车重量之比δ、液压泵出口压力与工作腔出口压力的差值Δρ和工作液温度变化率ΔT，所述安全稳定车速为车辆在该车速下能安全、稳定行驶；变量模糊化为输入变量通过量化因子的输出，该输出对应到输入空间U；概念映射为输入空间U至概念存储器Ac的映射，μ_i为输入变量的隶属度，i＝1,2,…,20，a_j为映射到概念存储器Ac的地址，j＝1,2,…,625；实际映射为概念存储器Ac至实际存储器Ap的映射，c_j为映射到实际存储器Ap的地址，j＝1,2,…,625，ω_pj为权值，p＝1,2，j＝1,2,…,625；输出变量为液力缓速器所需工作扭矩理论值y′和电机转速理论值n′；

所述变量模糊化具体为：

将各个输入变量通过对应的量化因子进行离散化，获得输入变量离散量；当前车速与安全稳定车速的差值ΔV对应车速量化因子，道路坡度与整车重量之比δ对应重坡比量化因子，液压泵出口压力与工作腔出口压力的差值Δρ对应压力量化因子，工作液温度变化率ΔT对应温度量化因子，各个量化因子可依据实际需求进行设置；

根据各个输入变量离散量，利用高斯隶属度函数进行模糊化，计算获得输入变量的隶属度，计算公式为：

其中，x_q为第q个输入变量离散量，q＝1,2,3,4；τ_qk、σ_qk为对应第q个输入变量离散量的第k个隶属度函数的中心点、方差，k＝1,2,3,4,5，例如，每个离散量模糊集表示为{负大，负小，0，正小，正大}，其论域为{-2，-1，0，1，2}，20个μ_qk即为20个μ_i，i＝1,2,…,20；

对输入空间U划分为20个存储单元，每个存储单元对应一个输入变量的隶属度，从空间划分的存储单元中找到对应于该输入变量的隶属度的地址。

所述概念映射具体为：

将输入空间U中的20个输入变量的隶属度进行模糊规则划分，获得625个状态；

把每个状态作为一个指针映射至概念存储器Ac的625个存储单元中，找到对应于各状态的地址a_j，j＝1,2,…,625。

所述实际映射具体为：

将概念映射后的625个存储单元，采用除留余数法，在被激活单元的地址值加上t后，除以一个较大的质数N(N<m，m为杂凑表的长度)，所得的余数加1作为实际存储器Ap中的存储地址c_j，j＝1,2,…,625，从而映射到实际存储器Ap的625个存储单元中，计算公式为：

c_j＝(a_j+j)mod N+1

所述液力缓速器所需工作扭矩理论值y′和电机转速理论值n′的计算公式为：

其中，ω_1j、ω_2j为权值，w_j为输入变量的隶属度映射的乘积。

S32、获取液力缓速器的控制系统的不同运行环境参数的数据样本；优选地，数据样本包括当前车速、道路坡度、整车重量、液压泵出口压力、工作腔出口压力、工作液温度变化率及对应的液力缓速器所需工作扭矩实际值y和电机转速实际值n；

S33、将从数据样本中获得的输入变量(当前车速与安全稳定车速的差值、道路坡度与整车重量之比、液压泵出口压力与工作腔出口压力的差值和工作液温度变化率)输入模糊小脑模型神经网络，获得输出的液力缓速器所需工作扭矩理论值y′^(k)和电机转速理论值n′^(k)，其中，k为迭代次数；

S34、将液力缓速器所需工作扭矩实际值y^(k)和电机转速实际值n^(k)分别与所需工作扭矩理论值y′^(k)和电机转速理论值n′^(k)相比较，获得偏差E^(k)，计算公式为：

E_(k)＝[(y^(k)-y′^(k))²+(n^(k)-n′^(k))²]/2

S35、判断偏差E^(k)是否小于预设偏差阈值或迭代次数是否达到最大迭代次数预设值；当偏差E^(k)小于预设偏差阈值或迭代次数达到最大迭代次数预设值时，即输出满足要求，停止迭代，获得训练好的模糊小脑模型神经网络；

S36、当偏差E^(k)大于或等于预设偏差阈值和迭代次数没有达到最大迭代次数预设值时，基于δ学习规则对权值进行调整，返回S33，计算公式为：

其中，Δω_1j ^(k)、Δω_2j ^(k)为权值的变化率，β₁、β₂为学习速率，e₁ ^(k)为液力缓速器所需工作扭矩实际值y^(k)与理论值y′^(k)之间的误差，e₂ ^(k)为电机转速实际值n^(k)与理论值n′^(k)之间的误差；

ω_1j ^(k+1)＝ω_1j ^(k)+Δω_1j ^(k)

ω_2j ^(k+1)＝ω_2j ^(k)+Δω_2j ^(k)

S37、根据当前液力缓速器的控制系统的运行环境参数，利用训练好的模糊小脑模型神经网络进行推演预测，获得神经网络输出的液力缓速器所需工作扭矩和电机转速。

上述液力缓速器智能控制方法，基于模糊小脑模型神经网络，依据实际的运行环境参数，通过智能控制电机转速，可以快速改变液压泵出口压力，对液力缓速器所需工作扭矩实现优化控制，使车辆能安全稳定行驶，提高了智能化控制程度。

实施例2

本实施例提供一种液力缓速器智能控制系统，如图4所示，包括：

需求判断装置1，用于判断是否需要液力缓速器提供制动所需的工作扭矩；当不需要时，维持现状；

快速启动装置2，用于当需要液力缓速器提供制动所需的工作扭矩时，快速启动液力缓速器；

神经网络预测装置3，用于采用模糊小脑模型神经网络，根据输入的液力缓速器的控制系统的运行环境参数，推演预测得到所需电机转速，从而将液压泵出口压力调整到最佳值，实现对液力缓速器所需工作扭矩的实时智能控制。优选地，所述运行环境参数包括当前车速、道路坡度、整车重量、液压泵出口压力、工作腔出口压力、工作液温度变化率等等。

优选地，所述快速启动装置包括：

快速注液单元，用于控制电机超载启动，给液压泵提供最大的功率，使液压泵在预设短时间内给液力缓速器工作腔注满工作液。优选地，所述预设短时间小于2.5秒。

优选地，所述神经网络预测装置包括：

神经网络构建单元，用于构建模糊小脑模型神经网络，包括输入变量、变量模糊化、概念映射、实际映射和输出变量这5个模块；输入变量为当前车速与安全稳定车速的差值ΔV、道路坡度与整车重量之比δ、液压泵出口压力与工作腔出口压力的差值Δρ和工作液温度变化率ΔT，所述安全稳定车速为车辆在该车速下能安全、稳定行驶；变量模糊化为输入变量通过量化因子的输出，该输出对应到输入空间U；概念映射为输入空间U至概念存储器Ac的映射，μ_i为输入变量的隶属度，i＝1,2,…,20，a_j为映射到概念存储器Ac的地址，j＝1,2,…,625；实际映射为概念存储器Ac至实际存储器Ap的映射，c_j为映射到实际存储器Ap的地址，j＝1,2,…,625，ω_pj为权值，p＝1,2，j＝1,2,…,625；输出变量为液力缓速器所需工作扭矩理论值y′和电机转速理论值n′；

数据样本获取单元，用于获取液力缓速器的控制系统的不同运行环境参数的数据样本；优选地，数据样本包括当前车速、道路坡度、整车重量、液压泵出口压力、工作腔出口压力、工作液温度变化率及对应的液力缓速器所需工作扭矩实际值y和电机转速实际值n；

理论值获得单元，用于将从数据样本中获得的输入变量(当前车速与安全稳定车速的差值、道路坡度与整车重量之比、液压泵出口压力与工作腔出口压力的差值和工作液温度变化率)输入模糊小脑模型神经网络，获得输出的液力缓速器所需工作扭矩理论值y′^(k)和电机转速理论值n′^(k)，其中，k为迭代次数；

偏差获得单元，用于将液力缓速器所需工作扭矩实际值y^(k)和电机转速实际值n^(k)分别与所需工作扭矩理论值y′^(k)和电机转速理论值n′^(k)相比较，获得偏差E^(k)；

迭代终止判断单元，用于判断偏差E^(k)是否小于预设偏差阈值或迭代次数是否达到最大迭代次数预设值；当偏差E^(k)小于预设偏差阈值或迭代次数达到最大迭代次数预设值时，即输出满足要求，停止迭代，获得训练好的模糊小脑模型神经网络；

权值调整单元，用于当偏差E^(k)大于或等于预设偏差阈值和迭代次数没有达到最大迭代次数预设值时，基于δ学习规则对权值进行调整，返回理论值获得单元；

实际预测单元，用于根据当前液力缓速器的控制系统的运行环境参数，利用训练好的模糊小脑模型神经网络进行推演预测，获得神经网络输出的液力缓速器所需工作扭矩和电机转速。

上述液力缓速器智能控制系统，基于模糊小脑模型神经网络，依据实际的运行环境参数，通过智能控制电机转速，可以快速改变液压泵出口压力，对液力缓速器所需工作扭矩实现优化控制，使车辆能安全稳定行驶，提高了智能化控制程度。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (8)

1.一种液力缓速器智能控制方法，其特征在于，包括以下步骤：判断是否需要液力缓速器提供制动所需的工作扭矩；当需要液力缓速器提供制动所需的工作扭矩时，快速启动液力缓速器；采用模糊小脑模型神经网络，根据输入的液力缓速器的控制系统的运行环境参数，推演预测得到所需电机转速，将液压泵出口压力调整到最佳值，实现对液力缓速器所需工作扭矩的实时智能控制；所述采用模糊小脑模型神经网络，根据输入的液力缓速器的控制系统的运行环境参数，推演预测得到所需电机转速，将液压泵出口压力调整到最佳值，实现对液力缓速器所需工作扭矩的实时智能控制的步骤包括：构建模糊小脑模型神经网络，输入变量为当前车速与安全稳定车速的差值、道路坡度与整车重量之比、液压泵出口压力与工作腔出口压力的差值和工作液温度变化率；输出变量为液力缓速器所需工作扭矩理论值和电机转速理论值；获取液力缓速器的控制系统的不同运行环境参数的数据样本；根据数据样本训练模糊小脑模型神经网络，获得训练好的模糊小脑模型神经网络；根据当前液力缓速器的控制系统的运行环境参数，利用训练好的模糊小脑模型神经网络进行推演预测，获得神经网络输出的液力缓速器所需工作扭矩和电机转速；运行环境参数包括当前车速、安全稳定车速、道路坡度、整车重量、液压泵出口压力、工作腔出口压力和工作液温度变化率。

2.根据权利要求1所述的方法，其特征在于，所述快速启动液力缓速器的步骤包括：控制电机超载启动，给液压泵提供最大的功率，使液压泵在预设短时间内给液力缓速器工作腔注满工作液。

3.根据权利要求2所述的方法，其特征在于，所述预设短时间小于2.5秒。

4.根据权利要求3所述的方法，其特征在于，所述模糊小脑模型神经网络包括输入变量、变量模糊化、概念映射、实际映射和输出变量5个模块。

5.一种液力缓速器智能控制系统，其特征在于，包括：需求判断装置，用于判断是否需要液力缓速器提供制动所需的工作扭矩；当不需要时，维持现状；快速启动装置，用于当需要液力缓速器提供制动所需的工作扭矩时，快速启动液力缓速器；神经网络预测装置，用于采用模糊小脑模型神经网络，根据输入的液力缓速器的控制系统的运行环境参数，推演预测得到所需电机转速，从而将液压泵出口压力调整到最佳值，实现对液力缓速器所需工作扭矩的实时智能控制；所述采用模糊小脑模型神经网络，根据输入的液力缓速器的控制系统的运行环境参数，推演预测得到所需电机转速，将液压泵出口压力调整到最佳值，实现对液力缓速器所需工作扭矩的实时智能控制的步骤包括：构建模糊小脑模型神经网络，输入变量为当前车速与安全稳定车速的差值、道路坡度与整车重量之比、液压泵出口压力与工作腔出口压力的差值和工作液温度变化率；输出变量为液力缓速器所需工作扭矩理论值和电机转速理论值；获取液力缓速器的控制系统的不同运行环境参数的数据样本；根据数据样本训练模糊小脑模型神经网络，获得训练好的模糊小脑模型神经网络；根据当前液力缓速器的控制系统的运行环境参数，利用训练好的模糊小脑模型神经网络进行推演预测，获得神经网络输出的液力缓速器所需工作扭矩和电机转速；运行环境参数包括当前车速、安全稳定车速、道路坡度、整车重量、液压泵出口压力、工作腔出口压力和工作液温度变化率。

6.一种液力缓速器智能控制系统，其特征在于，包括：一个或多个处理器；以及存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1到4任一项所述的液力缓速器智能控制方法。

7.一种计算机可读存储介质，所述存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1到4任一项所述的液力缓速器智能控制方法。

8.一种计算机程序产品，包括计算机程序，其存储在计算机可读存储介质上，并且适合于在计算机上执行，其特征在于，所述计算机程序包括适于当其在所述计算机上运行时执行如权利要求1到4任一项所述的液力缓速器智能控制方法的步骤的指令。