CN115659485A - 一种车辆变速器中零件能量损失的计算方法及系统 - Google Patents
一种车辆变速器中零件能量损失的计算方法及系统 Download PDFInfo
- Publication number
- CN115659485A CN115659485A CN202211129700.1A CN202211129700A CN115659485A CN 115659485 A CN115659485 A CN 115659485A CN 202211129700 A CN202211129700 A CN 202211129700A CN 115659485 A CN115659485 A CN 115659485A
- Authority
- CN
- China
- Prior art keywords
- energy
- loss
- model
- submodel
- parameter
- 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
Links
Images
Abstract
本发明提供一种车辆变速器中零件能量损失的计算方法,包括获取综合能量损失的实际测量结果;获取综合能量损失的模型计算结果;若模型计算结果与实际测量结果间的差值不满足预定要求,则基于综合能量损失模型进行敏感度分析,得到各零件损失的能量子模型中需要修正的参数,并将所得参数导入预设的优化目标函数中迭代计算求最优解;根据所求最优的参数,对各零件损失的能量子模型进行修订后,进行能量损失计算得到各零件的能量损失。实施本发明,将车辆变速器的综合能量损失模型与其内部零件损失的能量子模型相结合,以实现车辆变速器内部零件损耗分布,从而达到有的放矢地优化变速器效率的目的。
Description
技术领域
本发明涉及汽车技术领域,尤其涉及一种车辆变速器中零件能量损失的计算方法及系统。
背景技术
降低车辆系统能耗是车辆动力总成系统优化的目标之一,不仅在传统车辆中,在混合动力电动车辆中也是如此。为了实现这一目标,工程领域会采取如轻量化设计、改进电机控制或开发节能组件等方法。车辆变速器是汽车动力系统中最重要的部件之一。在乘用车中,33%的燃料能量用于克服动力系统中的摩擦,其中15%来自传输中的能量损失。因此,来自变速器中的能耗不容忽视。
然而,在现有研究中,仅通过在零部件试验台上建模和验证来预测车辆变速器中各零件(如齿轮、轴承和密封圈)的能量损失,并不能反应其在变速器总成中的能量损失,无法通过总成测试台架验证。另外,变速器总成的试验只能获得整体能量损失,由于进行测试需要大量的时间和费用,可能无法直接获得各零件的能量损失,使得为优化系统能量损失以提高效率带来了一定难度。
因此,有必要提出一种新的车辆变速器中零件能量损失的计算方法,能将车辆变速器的综合能量损失模型与其内部零件损失的能量子模型相结合,以实现车辆变速器内部零件损耗分布,从而达到有的放矢地优化变速器效率的目的。
发明内容
本发明实施例所要解决的技术问题在于,提供一种车辆变速器中零件能量损失的计算方法及系统,将车辆变速器的综合能量损失模型与其内部零件损失的能量子模型相结合,以实现车辆变速器内部零件损耗分布,从而达到有的放矢地优化变速器效率的目的。
为了解决上述技术问题,本发明实施例提供了一种车辆变速器中零件能量损失的计算方法,所述方法包括以下步骤:
获取车辆变速器总成实验台在预设扭矩及预设转速输入时的综合能量损失的实际测量结果;
获取车辆变速器的综合能量损失模型在所述预设扭矩及所述预设转速输入时所生成的模型计算结果;其中,所述综合能量损失模型是由变速器内部各零件损失的能量子模型组成的;
若判定出所述模型计算结果与所述实际测量结果间的差值不满足预定要求,则基于所述综合能量损失模型进行敏感度分析,得到各零件损失的能量子模型中需要修正的参数,且进一步将所得参数导入预设的优化目标函数中迭代计算求最优解;
根据所求最优的参数,对各零件损失的能量子模型进行修订,并根据修订后的各零件损失的能量子模型,进行能量损失计算得到各零件的能量损失。
其中,所述综合能量损失模型是由齿轮啮合损失的能量子模型、齿轮搅油损失的能量子模型、轴承损失的能量子模型、密封圈损失的能量子模型及同步器空载损失的能量子模型组成。
其中,所述综合能量损失模型通过以下公式(1)来表示:
式(1)中,PV为车辆变速器的总能量损失;为齿轮啮合损失的能量,PVZP为所述齿轮啮合损失的能量子模型;为齿轮搅油损失的能量,PVZO为所述齿轮搅油损失的能量子模型;为轴承损失的能量,PVL为所述轴承损失的能量子模型;为密封圈损失的能量,PVD为所述密封圈损失的能量子模型;为同步器空载损失的能量,PVX为所述同步器空载损失的能量子模型。
其中,所述齿轮啮合损失的能量子模型PVZP、所述齿轮搅油损失的能量子模型PVZO、所述轴承损失的能量子模型PVL、所述密封圈损失的能量子模型PVD及所述同步器空载损失的能量子模型PVX分别通过以下公式(2)~(6)来表示:
PVZO=ρoil/2(πn/30)2(d/2)3SmCm (3);
PVL=TBLnB2π/60 (4);
PVX=TsynΔω (6);
式(2)中,为啮合线长度;Vs为瞬时滑动速度,i为传动比,n为驱动齿轮转动速度,x为接触点在啮合线上的位移,Xp为节点在啮合线上的位置;Fn为瞬时啮合力, F′n为总的法相啮合力,P1为齿轮输入功率,m为模数,z1为驱动齿轮齿数,β为螺旋角,αt为工作压力角;fxu为摩擦系数且ki为经验系数,SR为啮合点滑滚比,Ph为啮合点的赫兹压力,Ra为表面摩擦系数,Ve为啮合点瞬时速度,ηoil为润滑油粘度,ρ为啮合点等效曲率半径;
式(3)中,ρoil为润滑油密度;n为齿轮转动速度;d为齿轮节圆直径;Sm为齿轮浸入油面以下的面积;Cm为无量纲扭矩且γ=ω2(dbgm/2)1/3,ω为旋转角速度,V0为变速器箱体总油量,Fr为弗劳德数,Rec为临界雷诺数,γ为加速度因数,bij为经验参数;
式(4)中,nB为轴承转速;TBL为轴承摩擦力矩且TBL=TRF+TSF+TBD+TBS,TRF为滚动摩擦力矩且TSF为滑动摩擦力矩且TSF=Gslμsl·10-3,TBD为润滑油拖曳力矩且TBS为轴承密封圈带来的阻力矩且voil为润滑油粘度,和分别为运动学减少系数、输入减热系数及滚动摩擦系数且均由预设的SKF轴承目录中查表所得,Gsl为滑动摩擦经验系数,usl为滑动摩擦摩擦系数并由润滑油的油膜厚度决定的,ubl为全油面的滑动摩擦摩擦系数,为决定滑动摩擦摩擦系数的加权值,uEHL为油气混合状态下的滑动摩擦系数,Vm由轴承浸油深度决定的系数,dm为轴承名义直径,Kball、ft和Rs是由预设的SKF轴承目录中查表所得,e0、kS1和kS2是由预设的SKF轴承目录中查表所得,ds为密封圈半径;
式(5)中,dsh为轴密封圈的有效直径;n为密封圈所在的轴的转速;
式(6)中,Tsyn为同步器空载拖曳力矩,且Tsyn=Tv+Tn
Vouter为同步器锥面上各个位置的根据转速计算的流体系数,vv为同步器全油面下的粘度,vn为同步器油气混合态下的粘度,bsyn为同步器的宽度,αsyn为同步器同步环的锥角,z*为在同步器宽度方向上全油面和油气混合状态的分界点的坐标;Δω为同步器空载时内外转速差。
其中,所述基于所述综合能量损失模型进行敏感度分析,得到各零件损失的能量子模型中需要修正的参数,且进一步将所得参数导入预设的优化目标函数中迭代计算求最优解的具体步骤包括:
对所述综合能量损失模型进行敏感度分析,从各零件损失的能量子模型中筛选出符合预定条件的零件损失的能量子模型,并从所筛选的零件损失的能量子模型中,得到需要修正的参数,并根据所得参数,形成参数组;
在给定边界条件下,构建目标对象函数,并基于所述目标对象函数,构建优化目标函数;
将所述参数组的原始参数值及其变化范围构成参数空间矩阵,导入所述优化目标函数中,使用预设的信赖域算法进行迭代求最优解。
其中,所述对所述综合能量损失模型进行敏感度分析,从各零件损失的能量子模型中筛选出符合预定条件的零件损失的能量子模型,并从所筛选的零件损失的能量子模型中,得到需要修正的参数,并根据所述修正参数,形成参数组的具体步骤包括:
第一步、基于所述综合能量损失模型,使用预设的全局敏感性FAST方法来评估各零件损失的能量子模型的影响力,以筛选出符合预定条件的零件损失的能量子模型;其中,所述预定条件为影响力位列所有影响力前三的零件损失的能量子模型;
第二步、确定所筛选的各零件损失的能量子模型中的每个参数都是由公式(7)中定义的一组参数分配的;
xi(sj)=Gi(sin(ωisj)) (7);
第三步、将所筛选的各零件损失的能量子模型中的参数样本构建出样本矩阵,并输入预设的敏感度指数计算模型中,得到所筛选的各零件损失的能量子模型中每个参数的敏感度指数;
其中,所述敏感度指数计算模型Si通过公式(8)来表示:
第四步、在所得到的所有参数的敏感度指数中,筛选出大于预设阈值的敏感度指数及对应的参数,并将所筛选的参数均设为需要修正的参数,以形成参数组。
其中,所述在给定边界条件下,构建目标对象函数,并基于所述目标对象函数,构建优化目标函数的具体步骤包括:
第一步、确定边界条件,包括所选档位、油温、输入扭矩和输入速度;
第二步、构建目标对象函数;所述目标对象函数Fi(X)通过公式(9)来表示:
式(9)中,η为整体效率,可被视为具有参数向量X的整体功率损耗模型的加权输出且 为在车辆变速器总成实验台上测量的效率且i=1,2...N并且N是实际测量的次数;g为所选档位;Toil为油温;Tin为输入扭矩;nin为输入速度;PV为估计的总功率损耗;Pin为输入功率;为在车辆变速器总成实验台上测得的总功率损耗;
第三步、基于所述目标对象函数Fi(X),采用公式(10)的均方根误差来构建优化目标函数L(X);
本发明实施例还提供了一种车辆变速器中零件能量损失的计算系统,包括;
获取实际测量总损失单元,用于获取车辆变速器总成实验台在预设扭矩及预设转速输入时的综合能量损失的实际测量结果;
获取模型计算总损失单元,用于获取车辆变速器的综合能量损失模型在所述预设扭矩及所述预设转速输入时所生成的模型计算结果;其中,所述综合能量损失模型是由变速器内部各零件损失的能量子模型组成的;
子模型参数迭代单元,用于若判定出所述模型计算结果与所述实际测量结果间的差值不满足预定要求,则基于所述综合能量损失模型进行敏感度分析,得到各零件损失的能量子模型中需要修正的参数,且进一步将所得参数导入预设的优化目标函数中迭代计算求最优解;
各零件能量损失计算单元,用于根据所求最优的参数,对各零件损失的能量子模型进行修订,并根据修订后的各零件损失的能量子模型,进行能量损失计算得到各零件的能量损失。
其中,所述综合能量损失模型是由齿轮啮合损失的能量子模型、齿轮搅油损失的能量子模型、轴承损失的能量子模型、密封圈损失的能量子模型及同步器空载损失的能量子模型组成。
实施本发明实施例,具有如下有益效果:
本发明将车辆变速器的综合能量损失模型与其内部零件损失的能量子模型相结合,可以仅通过变速器总成能量损失实验结果来预测车辆变速器内部零件损耗分布,从而达到有的放矢地优化变速器效率的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例提供的一种车辆变速器中零件能量损失的计算方法的流程图;
图2为本发明实施例提供的一种车辆变速器中零件能量损失的计算方法的应用场景中车辆变速器仿真各个输入转矩转速下的综合能量损失图;
图3为本发明实施例提供的一种车辆变速器中零件能量损失的计算方法的应用场景中车辆变速器仿真的综合能量损失的模拟结果和实验值在不同输入转矩转速下的差值的效果图;
图4为本发明实施例提供的一种车辆变速器中零件能量损失的计算方法的应用场景中三个经验参数的敏感度指数的分布示意图;
图5为本发明实施例提供的一种车辆变速器中零件能量损失的计算方法的应用场景中10倍交叉验证均方根误差RMSE的平均评估值的对比图;
图6为本发明实施例提供的一种车辆变速器中零件能量损失的计算方法的应用场景中不同输入扭矩Tin和输入扭矩nin所形成的等高线图以及对应综合能量损失的模拟结果与实验结果的散点图;其中,(a)和(b)为不同输入扭矩Tin和输入扭矩nin所形成的等高线图;(c)为(a)的综合能量损失的模拟结果与实验结果的散点图;(d)为为(b)的综合能量损失的模拟结果与实验结果的散点图;
图7为本发明实施例提供的一种车辆变速器中零件能量损失的计算方法的应用场景中双速变速器在不同输入扭矩下的部件功率损失的对比图;
图8为本发明实施例提供的一种车辆变速器中零件能量损失的计算系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
如图1所示,为本发明实施例中,提出的一种车辆变速器中零件能量损失的计算方法,所述方法包括以下步骤:
步骤S1、获取车辆变速器总成实验台在预设扭矩及预设转速输入时的综合能量损失的实际测量结果;
步骤S2、获取车辆变速器的综合能量损失模型在所述预设扭矩及所述预设转速输入时所生成的模型计算结果;其中,所述综合能量损失模型是由变速器内部各零件损失的能量子模型组成的;
步骤S3、若判定出所述模型计算结果与所述实际测量结果间的差值不满足预定要求,则基于所述综合能量损失模型进行敏感度分析,得到各零件损失的能量子模型中需要修正的参数,且进一步将所得参数导入预设的优化目标函数中迭代计算求最优解;
步骤S4、根据所求最优的参数,对各零件损失的能量子模型进行修订,并根据修订后的各零件损失的能量子模型,进行能量损失计算得到各零件的能量损失。
具体过程为,在步骤S1中,获取车辆变速器总成实验台在预设扭矩及预设转速输入时的综合能量损失的实际测量结果。
在步骤S2中,获取车辆变速器的综合能量损失模型在预设扭矩及预设转速输入时所生成的模型计算结果。
此时,车辆变速器中的总能量损失由与负载相关的能量损失和与负载无关的能量损失组成。这些损失来自齿轮、轴承、密封圈和其他辅助设备。例如,齿轮啮合损失、齿轮搅油损失、轴承损失、密封圈损失和同步器空载损失;其中,齿轮啮合损失是指齿轮啮合时的摩擦能量损失;齿轮搅油损失是齿轮对旋转并浸润在润滑油中或被油气混合物包围而产生流体的搅动损失;轴承损失是指轴承造成的损失,包括与载荷相关的能量损失和与载荷无关的损失;密封圈损失是指密封圈造成的损失;同步器空载损失是指同步器无负载损失或离合器能量损失。
因此,车辆变速器的综合能量损失基本上是上述所有组别损失的能量之和。故,综合能量损失模型是由齿轮啮合损失的能量子模型、齿轮搅油损失的能量子模型、轴承损失的能量子模型、密封圈损失的能量子模型及同步器空载损失的能量子模型组成。
其中,综合能量损失模型通过以下公式(1)来表示:
式(1)中,PV为车辆变速器的总能量损失;为齿轮啮合损失的能量,PVZP为所述齿轮啮合损失的能量子模型;为齿轮搅油损失的能量,PVZO为所述齿轮搅油损失的能量子模型;为轴承损失的能量,PVL为所述轴承损失的能量子模型;为密封圈损失的能量,PVD为所述密封圈损失的能量子模型;为同步器空载损失的能量,PVX为所述同步器空载损失的能量子模型。
其中,齿轮啮合损失的能量子模型PVZP通过以下公式(2)来表示:
式(2)中,为啮合线长度;Vs为瞬时滑动速度,i为传动比,n为驱动齿轮转动速度,x为接触点在啮合线上的位移,Xp为节点在啮合线上的位置;Fn为瞬时啮合力, F′n为总的法相啮合力,P1为齿轮输入功率,m为模数,z1为驱动齿轮齿数,β为螺旋角,αt为工作压力角;fxu为摩擦系数且ki为经验系数(如下表1所示),SR为啮合点滑滚比,Ph为啮合点的赫兹压力,Ra为表面摩擦系数,Ve为啮合点瞬时速度,ηoil为润滑油粘度,ρ为啮合点等效曲率半径。
表1
Factor | Value |
k<sub>1</sub> | -8.916465 |
k<sub>2</sub> | 1.03303 |
k<sub>3</sub> | 1.036077 |
k<sub>4</sub> | -0.354068 |
k<sub>5</sub> | 2.812084 |
k<sub>6</sub> | -0.100601 |
k<sub>7</sub> | 0.752755 |
k<sub>8</sub> | -0.390958 |
k<sub>9</sub> | 0.620305 |
其中,齿轮搅油损失的能量子模型PVZO通过以下公式(3)来表示:
PVZO=ρoil2(πn/30)2(d/2)3SmCm (3);
式(3)中,ρoil为润滑油密度;n为齿轮转动速度;d为齿轮节圆直径;Sm为齿轮浸入油面以下的面积;Cm为无量纲扭矩且ω为旋转角速度,V0为变速器箱体总油量,Fr为弗劳德数,Rec为临界雷诺数,γ为加速度因数,bij为经验参数,i为四个流态,j为公式中的相应下标,大小见下表2所示。
表2
其中,轴承损失的能量子模型PVL通过以下公式(4)来表示:
PVL=TBLnB2π/60 (4);
式(4)中,nB为轴承转速;TBL为轴承摩擦力矩且TBL=TRF+TSF+TBD+TBS,TRF为滚动摩擦力矩且TSF为滑动摩擦力矩且TSF=Gslμsl·10-3,TBD为润滑油拖曳力矩且TBS为轴承密封圈带来的阻力矩且voil为润滑油粘度,和分别为运动学减少系数、输入减热系数及滚动摩擦系数且均由预设的SKF轴承目录中查表所得,Gsl为滑动摩擦经验系数,usl为滑动摩擦摩擦系数并由润滑油的油膜厚度决定的,ubl为全油面的滑动摩擦摩擦系数,为决定滑动摩擦摩擦系数的加权值,uEHL为油气混合状态下的滑动摩擦系数,Vm由轴承浸油深度决定的系数,dm为轴承名义直径,Kball、ft和Rs是由预设的SKF轴承目录中查表所得,e0、kS1和kS2是由预设的SKF轴承目录中查表所得,ds为密封圈半径。
其中,密封圈损失的能量子模型PVD通过以下公式(5)来表示:
式(5)中,dsh为轴密封圈的有效直径;n为密封圈所在的轴的转速。
其中,同步器空载损失的能量子模型PVX通过以下公式(6)来表示:
PVX=TsynΔω (6);
式(6)中,Tsyn为同步器空载拖曳力矩,且Tsyn=Tv+Tn
Vouter为同步器锥面上各个位置的根据转速计算的流体系数,vv为同步器全油面下的粘度,vn为同步器油气混合态下的粘度,bsyn为同步器的宽度,αsyn为同步器同步环的锥角,z*为在同步器宽度方向上全油面和油气混合状态的分界点的坐标;Δω为同步器空载时内外转速差。
在步骤S3中,首先,对综合能量损失模型进行敏感度分析,从各零件损失的能量子模型中筛选出符合预定条件的零件损失的能量子模型,并从所筛选的零件损失的能量子模型中,得到需要修正的参数,并根据所得参数,形成参数组。
具体为,第一步、基于综合能量损失模型,使用预设的全局敏感性FAST(FourierAmplitude Sensitivity Test)方法来评估各零件损失的能量子模型的影响力,以筛选出符合预定条件的零件损失的能量子模型;其中,该预定条件为影响力位列所有影响力前三的零件损失的能量子模型。
应当说明的是,在全局敏感性方法的帮助下,通过产生大量的系统性或随机性样本来检测模型所有参数的整个输入空间,并且可以产生重要参数的合理和明确的定义。该方法要研究的参数包括物理参数和固定常数;前者代表具有一定物理意义的参数(如浸油深度、齿轮齿面粗糙度等),后者是非物理参数,如功率损失的子模型中的各项因子和系数(如齿轮啮合损失中的ki,搅油损失中的bij,轴承损失中各项查表数据),且各个参数组成参数互为独立,并用x1,x2,…,xk表示。
第二步、确定所筛选的各零件损失的能量子模型中的每个参数都是由公式(7)中定义的一组参数分配的;
xi(sj)=Gi(sin(ωisj)) (7);
式(7)中,i=1,2,...,k,k为参数的数量;j=1,2,...,N,N为样本的数量;Gi为参数xi的分布函数;ωi为参数xi的特征频率;si为在中变化的随机参数。应当说明的是,在采样范围内产生N个采样点,该采样点的变化是随着si的变化并且符合ωi为特征频率的震动变化。
第三步、将所筛选的各零件损失的能量子模型中的参数样本构建出样本矩阵,并输入预设的敏感度指数计算模型中,得到所筛选的各零件损失的能量子模型中每个参数的敏感度指数。
其中,敏感度指数计算模型Si通过公式(8)来表示:
应当说明的是,参数研究将上述两类参数进行包括所有零件损失的整体功率损失模型的研究,以防某些参数只对某些齿轮有影响,并通过敏感性指数被来描述参数的重要性。
第四步、在所得到的所有参数的敏感度指数中,筛选出大于预设阈值(如0.01)的敏感度指数及对应的参数,并将所筛选的参数均设为需要修正的参数,以形成参数组。
其次,在给定边界条件下,构建目标对象函数,并基于所述目标对象函数,构建优化目标函数。
具体为,第一步、确定边界条件,包括所选档位、油温、输入扭矩和输入速度。
第二步、构建目标对象函数;所述目标对象函数Fi(X)通过公式(9)来表示:
式(9)中,η为整体效率,可被视为具有参数向量X的整体功率损耗模型的加权输出且为在车辆变速器总成实验台上测量的效率且i=1,2...N并且N是实际测量的次数;g为所选档位;Toil为油温;Tin为输入扭矩;nin为输入速度;PV为估计的总功率损耗;Pin为输入功率;为在车辆变速器总成实验台上测得的总功率损耗。
应当说明的是,对于不同计算边界条件(所选档位g、油温Toil、输入扭矩Tin和输入速度nin)可以通过公式(1)的模型得到总功率损失。根据结果,在运行条件下,整体效率η由方程公式(9)估计。估计的整体效率η可以被视为具有参数向量X的整体功率损耗模型的加权输出。输入功率Pin用作加权因子,因为估计的总功率损耗根据输入功率Pin而变化,且该加权因子防止只有较高的估计总功率损耗将被优化,这通常与较高的输入功率有关。是在车辆变速器总成实验台上测量的效率,它与测得的总功率损耗除以相应的输入功率Pin后的值有关,也可以认为是输入功率Pin加权。
第三步、基于目标对象函数Fi(X),采用公式(10)的均方根误差来构建优化目标函数L(X);
最后,将参数组的原始参数值及其变化范围构成参数空间矩阵,导入所述优化目标函数中,使用预设的信赖域算法进行迭代求最优解。
应当说明的是,在参数迭代求最优解之后,进行交叉验证以验证模型并避免过度拟合,并让得出的新参数组合输入综合能量损失模型进行下一步计算,并验证比较计算结果。
在步骤S4中,首先,根据所求最优的参数,对各零件损失的能量子模型进行修订。
其次,通过修订后的各零件损失的能量子模型进行能量损失计算,得到各零件的能量损失。
如图2至图5所示,对本发明实施例中的一种车辆变速器中零件能量损失的计算方法的应用场景作进一步说明,具体如下:
确定某车辆变速器仿真各个输入转矩转速下的综合能量损失(如图2所示),并确定该车辆变速器仿真的综合能量损失的模拟结果和实验值在不同输入转矩转速下的差值(如图3所示)。
对整个功率损失模型中的每个功率损失组件模型进行参数敏感性研究。首先使用FAST方法来评估对模型输出敏感和有影响的参数。因为根据模拟分析,齿轮啮合损失、齿轮搅动和轴承损失是传动功率损失的主要来源,所以对这三个组件功率损失模型的参数进行单独分析。因为其他分量模型比较简单,所以下一步直接使用密封损失分量模型中的参数fSL、齿轮风力损失分量模型中的参数fWDG以及同步器功率损失分量模型中的参数Ka和Kb形成参数组向量。
经过参数敏感性分析,所有敏感性指数大于0.01的参数被选中,并在下表3中列出和排序。
表3
根据分析结果,大多数对仿真结果有影响的参数是经验参数,如齿轮啮合损失组件模型中的参数ki,齿轮搅动损失组件模型中的参数bij和轴承损失组件模型中的参数Ri。剩下的参数属于物理参数,它们对仿真结果的影响也是合理的,例如,齿轮齿面的粗糙度Ra对齿轮接触点的滑动摩擦系数起作用,浸入深度的相对变化he表示变速器中整体油浸入深度的变化,润滑油粘度voil以及轴承上的径向力和轴向力的修正系数Fr和Fa也是整个功率损失模型中轴承损失的重要参数。
将上表3中所列的所有参数是通过参数敏感性分析方法选择的参数构成了整个模型中的参数向量X。
将参数向量输入模型,并采用参数识别策略。经过几次迭代,找到最终被优化的参数向量X。在表3中的那些参数中,最终只有三个参数被参数识别策略选中。在图4中,显示了所有通过参数识别策略选择的参数。由于采用参数归一化,所以它们的原始值为1,在参数识别之后,它们的值没有发生大的变化如图4中的柱状图,它们各自的变化率为1.06、1.12和1.02,且三个参数的95%置信区间很小。
图4中,前两个参数来自齿轮搅动损失的组件模型,而第三个参数是齿轮啮合损失的组件模型中的参数。此时,选择的参数向量是合理的,主要是因为变速器由高速电动机驱动的,一些齿轮以相对高的速度旋转。与传统变速器相比,输入轴和输出轴的速度比也更高,一些齿轮的尺寸更大(更大的节圆直径d)。这种变速器的油位高于输出轴,所以中间轴上的齿轮也浸泡在油中。由于这些因素,齿轮搅动的功率损失在该变速器的整体功率损失中占主导地位。由于目标变速器的结构简单,其他损失相对较低。
在通过参数识别进行修改后,有必要用优化后的参数向量对模型进行验证,以防止过度拟合。因此,结合实验数据的10倍交叉验证被应用。在图5中,交叉验证进行了两次以确保可靠性和可信度。第一次和第二次验证的均方根误差(所有迭代的RMSE)没有大的差别:一个是1.01,另一个是1.04。每个迭代的RMSE值没有大的变化。第一次交叉验证的RMSE值从0.52变化到1.74,另一次则在0.47和1.67之间。所有迭代的结果表明,验证是基于一个随机系统进行的,因为找不到相同的迭代结果。基于所有实验数据实现的识别参数被用来估计整体功率损失,结果与所有实验数据之间的RMSE值为1.19,这与两次交叉验证的两个平均评价值接近。因此,该参数识别被验证为具有一定的正确性。
在对具有优化参数向量的模型进行交叉验证后,图4中优化参数向量X中的识别参数被输入到整体功率损失模型中,然后将带有识别参数的整体功率损失模型的结果与图6中带有原始参数的模型的结果进行比较。虽然只有三个参数被轻微改变,与实验数据相比,仿真结果在输入识别的参数之后得到有效地改善。
图6为参数识别之后仿真结果和实验结果的差Δη的等高线图。如图6中(a)所示,仿真结果和实验数据之间的Δη约为0%的区域被进一步扩大。如图6中(b)所示,Δη超过±1%的数据点的数量明显减少。在高输入扭矩领域和高输入速度领域,由于在参数向量X中确定了参数,实验数据和计算之间的差异明显减少。
这个结论可以通过图如图6中(c)和(d)所示的模拟与实验的散点图轻易证明。在参数识别之前,计算出的总效率和实验数据之间的大部分偏差值都分布在±1%的范围之外。在参数识别之后,很明显,在相同的输入速度和输入扭矩下,实验数据和估计结果的对应点都移到了中心线上,这意味着大多数Δη值都因为参数辨识而优化到-1%和1%之间的范围。由于实验中的可能产生的误差,一些点仍然远离大多数点。
具有确定参数的整体功率损失模型提供了与实验数据更好的一致性。通过这种方式,也可以研究传输内部的组件功率损耗分布。
在图7中,说明了双速变速器在不同输入扭矩下的部件功率损失。当输入扭矩Tin为5Nm或10Nm时,齿轮搅动损失在所有功率损失中占主导地位。由于这种分量损失在整个功率损失中起着重要作用,所以在参数向量中,有两个来自齿轮搅动损失的子模型的参数。当Tin为5Nm时,轴承损失的功率损失比齿轮啮合损失大。但当Tin提高到10Nm时,轴承损失就小于齿轮啮合损失。齿轮的风阻损失是与负载无关的损失,所以在不同的Tin下,这种功率损失的值是相同的。由于输入速度nin较高,在较高的输入速度区域,齿轮风阻损失迅速增加。密封和同步器单元的损失在整个功率损失中的比例较小。所有组件功率损失的叠加值更接近于由实验数据确定的测量功率损失,分析结果合理地反映了目标传输内部的功率损耗分布。
如图8所示,为本发明实施例中,提供的一种车辆变速器中零件能量损失的计算系统,包括;
获取实际测量总损失单元110,用于获取车辆变速器总成实验台在预设扭矩及预设转速输入时的综合能量损失的实际测量结果;
获取模型计算总损失单元120,用于获取车辆变速器的综合能量损失模型在所述预设扭矩及所述预设转速输入时所生成的模型计算结果;其中,所述综合能量损失模型是由变速器内部各零件损失的能量子模型组成的;
子模型参数迭代单元130,用于若判定出所述模型计算结果与所述实际测量结果间的差值不满足预定要求,则基于所述综合能量损失模型进行敏感度分析,得到各零件损失的能量子模型中需要修正的参数,且进一步将所得参数导入预设的优化目标函数中迭代计算求最优解;
各零件能量损失计算单元140,用于根据所求最优的参数,对各零件损失的能量子模型进行修订,并根据修订后的各零件损失的能量子模型,进行能量损失计算得到各零件的能量损失。
其中,所述综合能量损失模型是由齿轮啮合损失的能量子模型、齿轮搅油损失的能量子模型、轴承损失的能量子模型、密封圈损失的能量子模型及同步器空载损失的能量子模型组成。
实施本发明实施例,具有如下有益效果:
本发明将车辆变速器的综合能量损失模型与其内部零件损失的能量子模型相结合,可以仅通过变速器总成能量损失实验结果来预测车辆变速器内部零件损耗分布,从而达到有的放矢地优化变速器效率的目的。
值得注意的是,上述系统实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (9)
1.一种车辆变速器中零件能量损失的计算方法,其特征在于,所述方法包括以下步骤:
获取车辆变速器总实验台在预设扭矩及预设转速输入时的综合能量损失的实际测量结果;
获取车辆变速器的综合能量损失模型在所述预设扭矩及所述预设转速输入时所生成的模型计算结果;其中,所述综合能量损失模型是由变速器内部各零件损失的能量子模型组成的;
若判定出所述模型计算结果与所述实际测量结果间的差值不满足预定要求,则基于所述综合能量损失模型进行敏感度分析,得到各零件损失的能量子模型中需要修正的参数,且进一步将所得参数导入预设的优化目标函数中迭代计算求最优解;
根据所求最优的参数,对各零件损失的能量子模型进行修订,并根据修订后的各零件损失的能量子模型,进行能量损失计算得到各零件的能量损失。
2.如权利要求1所述的车辆变速器中零件能量损失的计算方法,其特征在于,所述综合能量损失模型是由齿轮啮合损失的能量子模型、齿轮搅油损失的能量子模型、轴承损失的能量子模型、密封圈损失的能量子模型及同步器空载损失的能量子模型组成。
4.如权利要求3所述的车辆变速器中零件能量损失的计算方法,其特征在于,所述齿轮啮合损失的能量子模型PVZP、所述齿轮搅油损失的能量子模型PVZO、所述轴承损失的能量子模型PVL、所述密封圈损失的能量子模型PVD及所述同步器空载损失的能量子模型PVX分别通过以下公式(2)~(6)来表示:
PVZO=ρoil/2(πn/30)2(d/2)3SmCm (3);
PVL=TBLnB2π/60 (4);
PVX=TsynΔω (6);
式(2)中,为啮合线长度;Vs为瞬时滑动速度,i为传动比,n为驱动齿轮转动速度,x为接触点在啮合线上的位移,Xp为节点在啮合线上的位置;Fn为瞬时啮合力, F′n为总的法相啮合力,P1为齿轮输入功率,m为模数,z1为驱动齿轮齿数,β为螺旋角,αt为工作压力角;fxu为摩擦系数且ki为经验系数,SR为啮合点滑滚比,Ph为啮合点的赫兹压力,Ra为表面摩擦系数,Ve为啮合点瞬时速度,ηoil为润滑油粘度,ρ为啮合点等效曲率半径;
式(3)中,ρoil为润滑油密度;n为齿轮转动速度;d为齿轮节圆直径;Sm为齿轮浸入油面以下的面积;Cm为无量纲扭矩且γ=ω2(dbgm/2)1/3,ω为旋转角速度,V0为变速器箱体总油量,Fr为弗劳德数,Rec为临界雷诺数,γ为加速度因数,bij为经验参数;
式(4)中,nB为轴承转速;TBL为轴承摩擦力矩且TBL=TRF+TSF+TBD+TBS,TRF为滚动摩擦力矩且TSF为滑动摩擦力矩且TSF=Gslμsl·10-3,TBD为润滑油拖曳力矩且TBS为轴承密封圈带来的阻力矩且 voil为润滑油粘度,和分别为运动学减少系数、输入减热系数及滚动摩擦系数且均由预设的SKF轴承目录中查表所得,Gsl为滑动摩擦经验系数,usl为滑动摩擦摩擦系数并由润滑油的油膜厚度决定的,ubl为全油面的滑动摩擦摩擦系数,为决定滑动摩擦摩擦系数的加权值,uEHL为油气混合状态下的滑动摩擦系数,Vm由轴承浸油深度决定的系数,dm为轴承名义直径,Kball、ft和Rs是由预设的SKF轴承目录中查表所得,e0、kS1和kS2是由预设的SKF轴承目录中查表所得,ds为密封圈半径;
式(5)中,dsh为轴密封圈的有效直径;n为密封圈所在的轴的转速;
式(6)中,Tsyn为同步器空载拖曳力矩,且Tsyn=Tv+Tn
5.如权利要求4所述的车辆变速器中零件能量损失的计算方法,其特征在于,所述基于所述综合能量损失模型进行敏感度分析,得到各零件损失的能量子模型中需要修正的参数,且进一步将所得参数导入预设的优化目标函数中迭代计算求最优解的具体步骤包括:
对所述综合能量损失模型进行敏感度分析,从各零件损失的能量子模型中筛选出符合预定条件的零件损失的能量子模型,并从所筛选的零件损失的能量子模型中,得到需要修正的参数,并根据所得参数,形成参数组;
在给定边界条件下,构建目标对象函数,并基于所述目标对象函数,构建优化目标函数;
将所述参数组的原始参数值及其变化范围构成参数空间矩阵,导入所述优化目标函数中,使用预设的信赖域算法进行迭代求最优解。
6.如权利要求5所述的车辆变速器中零件能量损失的计算方法,其特征在于,所述对所述综合能量损失模型进行敏感度分析,从各零件损失的能量子模型中筛选出符合预定条件的零件损失的能量子模型,并从所筛选的零件损失的能量子模型中,得到需要修正的参数,并根据所述修正参数,形成参数组的具体步骤包括:
第一步、基于所述综合能量损失模型,使用预设的全局敏感性FAST方法来评估各零件损失的能量子模型的影响力,以筛选出符合预定条件的零件损失的能量子模型;其中,所述预定条件为影响力位列所有影响力前三的零件损失的能量子模型;
第二步、确定所筛选的各零件损失的能量子模型中的每个参数都是由公式(7)中定义的一组参数分配的;
xi(sj)=Gi(sin(ωisj)) (7);
第三步、将所筛选的各零件损失的能量子模型中的参数样本构建出样本矩阵,并输入预设的敏感度指数计算模型中,得到所筛选的各零件损失的能量子模型中每个参数的敏感度指数;
其中,所述敏感度指数计算模型Si通过公式(8)来表示:
第四步、在所得到的所有参数的敏感度指数中,筛选出大于预设阈值的敏感度指数及对应的参数,并将所筛选的参数均设为需要修正的参数,以形成参数组。
7.如权利要求6所述的车辆变速器中零件能量损失的计算方法,其特征在于,所述在给定边界条件下,构建目标对象函数,并基于所述目标对象函数,构建优化目标函数的具体步骤包括:
第一步、确定边界条件,包括所选档位、油温、输入扭矩和输入速度;
第二步、构建目标对象函数;所述目标对象函数Fi(X)通过公式(9)来表示:
式(9)中,η为整体效率,可被视为具有参数向量X的整体功率损耗模型的加权输出且 为在车辆变速器总成实验台上测量的效率且i=1,2...N并且N是实际测量的次数;g为所选档位;Toil为油温;Tin为输入扭矩;nin为输入速度;PV为估计的总功率损耗;Pin为输入功率;为在车辆变速器总成实验台上测得的总功率损耗;
第三步、基于所述目标对象函数Fi(X),采用公式(10)的均方根误差来构建优化目标函数L(X);
8.一种车辆变速器中零件能量损失的计算系统,其特征在于,包括;
获取实际测量总损失单元,用于获取车辆变速器总成实验台在预设扭矩及预设转速输入时的综合能量损失的实际测量结果;
获取模型计算总损失单元,用于获取车辆变速器的综合能量损失模型在所述预设扭矩及所述预设转速输入时所生成的模型计算结果;其中,所述综合能量损失模型是由变速器内部各零件损失的能量子模型组成的;
子模型参数迭代单元,用于若判定出所述模型计算结果与所述实际测量结果间的差值不满足预定要求,则基于所述综合能量损失模型进行敏感度分析,得到各零件损失的能量子模型中需要修正的参数,且进一步将所得参数导入预设的优化目标函数中迭代计算求最优解;
各零件能量损失计算单元,用于根据所求最优的参数,对各零件损失的能量子模型进行修订,并根据修订后的各零件损失的能量子模型,进行能量损失计算得到各零件的能量损失。
9.如权利要求8所述的车辆变速器中零件能量损失的计算系统,其特征在于,所述综合能量损失模型是由齿轮啮合损失的能量子模型、齿轮搅油损失的能量子模型、轴承损失的能量子模型、密封圈损失的能量子模型及同步器空载损失的能量子模型组成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211129700.1A CN115659485A (zh) | 2022-09-16 | 2022-09-16 | 一种车辆变速器中零件能量损失的计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211129700.1A CN115659485A (zh) | 2022-09-16 | 2022-09-16 | 一种车辆变速器中零件能量损失的计算方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115659485A true CN115659485A (zh) | 2023-01-31 |
Family
ID=84984341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211129700.1A Pending CN115659485A (zh) | 2022-09-16 | 2022-09-16 | 一种车辆变速器中零件能量损失的计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115659485A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116186926A (zh) * | 2023-02-07 | 2023-05-30 | 中南大学 | 高速螺旋锥齿轮浸油润滑负载无关损失分析方法及装置 |
-
2022
- 2022-09-16 CN CN202211129700.1A patent/CN115659485A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116186926A (zh) * | 2023-02-07 | 2023-05-30 | 中南大学 | 高速螺旋锥齿轮浸油润滑负载无关损失分析方法及装置 |
CN116186926B (zh) * | 2023-02-07 | 2024-01-23 | 中南大学 | 高速螺旋锥齿轮浸油润滑负载无关损失分析方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111357004B (zh) | 用于设计传动器系统的方法、产品和系统以及传动系统 | |
Huangfu et al. | A tribo-dynamic based pitting evolution model of planetary gear sets: A topographical updating approach | |
CN115659485A (zh) | 一种车辆变速器中零件能量损失的计算方法及系统 | |
Lee et al. | A systematic approach for dynamic analysis of vehicles with eight or more speed automatic transmission | |
Kim et al. | Prediction of fuel consumption of agricultural tractors | |
Vališ et al. | System failure estimation based on field data and semi-parametric modeling | |
CN115577458A (zh) | 一种变速器耐久试验方法、系统、存储介质及设备 | |
Jouilel et al. | Wind turbine’s gearbox aided design approach using bond graph methodology and monte carlo simulation | |
Li et al. | Research methods and applications of gear manufacturing process optimization | |
Wink et al. | Hybrid analytical-experimental method to map power losses of automotive transmissions over their operating range | |
Wöll et al. | Sensitivity analysis on the reliability of an offshore winch regarding selected gearbox parameters | |
Singh et al. | Selection of gear ratio for smooth gear shifting | |
Lee et al. | Development of a Prediction Model for the Gear Whine Noise of Transmission Using Machine Learning | |
CN112834370B (zh) | 航天机构产品确信可靠性退化方程的建立方法 | |
Yang et al. | Quantifying the effect of initialization errors for enabling accurate online drivetrain simulations | |
Curà | ISO Standard based method for calculating the in-operation application factor KA in gears subjected to variable working conditions | |
Shui et al. | Optimization of Gaussian process regression model for characterization of in-vehicle wet clutch behavior | |
Guo et al. | Effect of multi-parameters interaction on transmission gear rattle based on RBF neural network | |
CN116361925B (zh) | 一种船舶传动构型的多方案评估方法及系统 | |
CN113468662B (zh) | 采用敲击指数曲面评价变速器齿轮敲击水平的方法 | |
KR101840400B1 (ko) | 스로틀 완전 개방 조건 하 수동변속기 내 다단계 클러치 댐퍼를 갖는 회전체 시스템에서 야기되는 기어래틀 현상 분석 방법 | |
Otten et al. | Development and application of a predesign tool for aero engine power gearboxes | |
Cao et al. | Advanced hybrid neural network automotive friction component model for powertrain system dynamic analysis. Part 2: System simulation | |
WO2018085339A1 (en) | Method for control of a ball planetary type continuously variable transmission implementing contact patch temperature model of traction components | |
Lin et al. | A Fast Optimizing Method of Clutch–Clutch Shift Calibration Parameters |
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 |