【正文】 ? ??? ?? 進(jìn)一步 ， 令 ， 利用矩陣求逆可得遞推公式 。 但由于采用了固定的 RBF中心 ， 隱單元數(shù)目要求很多 （ 比如與訓(xùn)練樣本數(shù)相同 ） ， 同時(shí)也降低了 RBF網(wǎng)絡(luò)的逼近能力 。 ② 徑向基函數(shù)的學(xué)習(xí)算法 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) RBFN是一個(gè)只含一個(gè)隱層的三層前向網(wǎng)絡(luò) ， 其輸入層到隱層按徑向基函數(shù)計(jì)算隱層輸出 ， 從隱層到輸出層按線性網(wǎng)絡(luò)計(jì)算輸出結(jié)點(diǎn)的輸出；它不僅有全局逼近性質(zhì) ， 而且具有最佳逼近性能 ， 同時(shí)訓(xùn)練方法快速 ， 不存在局部最優(yōu)問(wèn)題 。 因此 ， 根據(jù)對(duì)駕駛員駕車(chē)過(guò)程總結(jié)出經(jīng)驗(yàn)規(guī)則 ， 構(gòu)成對(duì)駕駛意圖的模糊推理 。經(jīng)過(guò)學(xué)習(xí)后，神經(jīng)網(wǎng)絡(luò)檔位模型完全繼承了優(yōu)秀駕駛員的換檔規(guī)律，因此這種換檔規(guī)律也是符合目前車(chē)輛狀況的最佳換檔規(guī)律。AMT最佳換檔的自學(xué)習(xí)控制器結(jié)構(gòu)可用下圖 。 0La???2023/3/2 20 哈爾濱工業(yè)大學(xué)（威海）汽車(chē)工程學(xué)院 ③ 分別以 取代 存入記憶器中，作為第 1次對(duì)第 i檔換檔點(diǎn)參數(shù)的學(xué)習(xí)結(jié)果，也是下一次的換檔參數(shù)。該交點(diǎn)由 a， β ，ｖ三個(gè)參數(shù)決定，且有 。圖 策結(jié)構(gòu)原理圖。 可以直接用駕駛員換檔時(shí)所獲得的數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練 ， 也可以如圖 ， 讓網(wǎng)絡(luò)在線學(xué)習(xí)駕駛員的最佳換檔點(diǎn) ， 使自動(dòng)變速系統(tǒng)具有自學(xué)習(xí)的能力 。在特定的路面上 (如彎道、坡道等 ),模糊邏輯的檔位決策方法能夠充分體現(xiàn)出駕駛員的意圖，符合在同一路面條件下駕駛員的實(shí)際操作過(guò)程，有效解決了頻繁和意外換檔問(wèn)題。 解出上式的根 ， 即為加速時(shí)保證車(chē)輛最佳燃料經(jīng)濟(jì)性的相鄰兩檔 n 與 （ n+1） 之間的最佳換檔點(diǎn)車(chē)速 。這種換檔規(guī)律提供了駕駛員干預(yù)換檔的可能性，可提前實(shí)現(xiàn)升檔和換檔，以此來(lái)反映駕駛員的意圖。 如下圖 ， 根據(jù)降擋延遲的不同可劃分為以下幾種： 1） 等延遲型 其降擋延遲的大小不隨油門(mén)開(kāi)度變化 ， 但可實(shí)現(xiàn)駕駛員的干預(yù) ， 在小油門(mén)時(shí)可提前換入高檔 ， 即減小發(fā)動(dòng)機(jī)噪聲 ， 又可延遲換回低檔 ， 改善了燃油經(jīng)濟(jì)性 。 和 之間是兩檔均可能出現(xiàn)的工作區(qū) ,這種在控制參數(shù)相同的情況下 ， 升擋和降擋的時(shí)刻不同 ， 降擋時(shí)刻較升擋時(shí)刻晚的現(xiàn)象稱(chēng)為降擋重疊或降擋延遲 。 ２．工作原理 如圖 ， 電子控制式自動(dòng)變速器是通過(guò)傳感器裝置將汽車(chē)的運(yùn)行工況轉(zhuǎn)化為電信號(hào) ， 并通 2023/3/2 2 哈爾濱工業(yè)大學(xué)（威海）汽車(chē)工程學(xué)院 過(guò)自動(dòng)變速器電腦對(duì)電信號(hào)處理，然后輸出控制指令給相應(yīng)的電磁閥，來(lái)實(shí)現(xiàn)變速器的換檔操作。 1998年 8月吉林大學(xué)自主研制桑塔納 2023AMT樣車(chē)通過(guò)了國(guó)家鑒定，目前正進(jìn)一步加強(qiáng)系統(tǒng)可靠性等方面的研究。 1985年 ， 日本五十鈴公司率先研制成功 NAVI5型全自動(dòng)機(jī)械式變速器 ， 并裝于飛鳥(niǎo) (ASKA)轎車(chē) ， 投放市場(chǎng)獲得成功 。 意大利薩姆 (SAME)公司 Rubin系列拖拉機(jī)采用了全自動(dòng)換擋變速箱 ， 美國(guó)卡特彼勒(CATERPILLAR)公司的 Challenger35/45/55橡膠履帶拖拉機(jī)從第 10擋至第 16擋可以實(shí)現(xiàn)自動(dòng)換擋 。 液力變矩器通常由與發(fā)動(dòng)機(jī)飛輪連接的泵輪、與變速器輸入軸連接的渦輪及與單向離合器連接的導(dǎo)輪組成，其主要作用是通過(guò)油液的運(yùn)動(dòng)傳遞動(dòng)力并在一定范圍內(nèi)實(shí)現(xiàn)降速增扭、無(wú)級(jí)變速。 2023/3/2 6 哈爾濱工業(yè)大學(xué)（威海）汽車(chē)工程學(xué)院 檔位開(kāi)關(guān)和換檔模式選擇開(kāi)關(guān) 選擇自動(dòng)換檔圖 車(chē)速判斷 車(chē)速傳感器 節(jié) 氣 門(mén) 位 置 傳 感 器 換檔電池閥 節(jié)氣門(mén)位置傳感器 圖 自動(dòng)換檔控制過(guò)程 2023/3/2 7 哈爾濱工業(yè)大學(xué)（威海）汽車(chē)工程學(xué)院 三 . 當(dāng)前檔位決策方法及其局限性 1．傳統(tǒng)換檔規(guī)律 （１） 單參數(shù)換檔規(guī)律 汽車(chē)用單參數(shù)換檔規(guī)律一般選擇相對(duì)穩(wěn)定的車(chē)速作為控制參數(shù) 。 這將造成車(chē)輛在小油門(mén)開(kāi)度行駛時(shí) ， 也需要達(dá)到最高轉(zhuǎn)速 才能換檔 ， 故換檔過(guò)程中不僅噪聲較大 ， 機(jī)件的磨損也較大 ， 因此這種換檔規(guī)律是不合理的 。 4） 組合型 它由兩段或多段不同類(lèi)型的變化規(guī)律組合而成 ,優(yōu)點(diǎn)是便于在不同油門(mén)下獲得不同的車(chē)輛性能 ， 小油門(mén)時(shí)舒適 、 穩(wěn)定 、 污染少；中油門(mén)時(shí)經(jīng)濟(jì)性好；大油門(mén)時(shí)動(dòng)力性好 。 nV maxnn VV ? ② 最佳燃油經(jīng)濟(jì)性換檔規(guī)律 它的目標(biāo)函數(shù)是在某一油門(mén)開(kāi)度下 ， 汽車(chē)從原地起步連續(xù)換 I檔加速至某一要求車(chē)速 T時(shí) ， 總的油耗Q應(yīng)最小 。模糊推理 Ⅲ 根據(jù)上述的推理結(jié)論和專(zhuān)家經(jīng)驗(yàn)知識(shí)輸出一個(gè)相應(yīng)檔位，是否換檔由約束條件來(lái)決定。 1. 神經(jīng)網(wǎng)絡(luò)智能檔位決策方法 神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)性 ， 它可以被訓(xùn)練 ， 網(wǎng)絡(luò)在訓(xùn)練過(guò)程中學(xué)習(xí)并記住經(jīng)驗(yàn) 。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)控制功能不但能完成上述任務(wù)，而且進(jìn)一步擴(kuò)大了自動(dòng)變速器的使用范圍。 討論汽車(chē)升檔加速過(guò)程的自學(xué)習(xí)算法 。當(dāng)車(chē)輛以第 i檔行駛時(shí)，一旦檢測(cè)到當(dāng)前狀態(tài)參數(shù) 和 滿足條件 1iia ?? 0aaa i1i ???? ?0?? i1ia aaae ??? ?? ?(0)i)0(i(0)i v,a ?iai?iv , ai(i ??? i)0(ii ???? ?? ,v vi(0)ii ?0ai ? （其中， 3個(gè)誤差的許可值 ， ， 為給定的小量 ）換檔控制器便發(fā)出指令，將變速器換入第 i+1檔，并及時(shí)測(cè)出換檔后的加速度 。 式 ()中 ， 比值 實(shí)際是曲線 在 為定值的條件下 ， 過(guò) 曲線 上的點(diǎn) 的切線斜率的絕對(duì)量 。駕駛員對(duì)車(chē)輛換檔過(guò)程構(gòu)成了復(fù)雜的人機(jī)系統(tǒng)，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)相當(dāng)于對(duì)這一系統(tǒng)的正向逼近（或建模）。 2） 推理駕駛意圖 駕駛員對(duì)車(chē)輛運(yùn)行環(huán)境的判斷及駕駛員的意圖都通過(guò)操縱油門(mén)踏板體現(xiàn)出來(lái) 。 當(dāng) I=d1， 表示駕駛員意圖是使車(chē)輛加速； d2Id1， 表示駕駛員無(wú)明顯的加速和減速意圖 ， 稱(chēng)為保持； I=d2， 表示駕駛員意圖是使車(chē)輛加速； 2023/3/2 27 哈爾濱工業(yè)大學(xué)（威海）汽車(chē)工程學(xué)院 3） 綜合得到最佳檔位 如果 I的推理結(jié)果為 “ 保持 ” ， 說(shuō)明駕駛員無(wú)明顯的加速或減速意圖 ， 最佳檔位由神經(jīng)網(wǎng)絡(luò)的輸出決定 ， 即 。 通常采用直接計(jì)算法和自組織學(xué)習(xí)選取 RBF中心法 。 對(duì)于全部樣本 N反復(fù)進(jìn)行以下 3步驟： （ 2） 輸入樣本與隱層中心的距離 ， 并找出與樣本 k距離最小的中心 l： ， 1≤i≤S ， k=1,2,? N 式中 ， k—— 樣本號(hào) , N—— 樣本總數(shù) i—— 隱層中心號(hào) ， S—— 隱層中心總數(shù) 。 液力機(jī)械式自動(dòng)變速器中 ， 由于液力變矩器的液力損失 ， 加上駕駛員操縱不當(dāng) ， 使得變矩器可能經(jīng)常工作在低效率區(qū) ， 影響了整機(jī)的使用效率 ， 加大了作業(yè)成本 ， 從這種情況下出發(fā) ， 利用人工神經(jīng)網(wǎng)絡(luò)的模式識(shí)別能力 ， 對(duì)輸入的采樣數(shù)據(jù)進(jìn)行分類(lèi) ， 辨別最佳換檔時(shí)刻 ， 確定合適的檔位 ， 從而改變變矩器的工作狀態(tài) ， 使其工作在高效區(qū) 。 隱層的節(jié)點(diǎn) k的輸出 k31j jkjkk xwxWy ?? ???? ??2023/3/2 35 哈爾濱工業(yè)大學(xué)（威海）汽車(chē)工程學(xué)院 )y(exp1 1)y(y kkk ????? 式中 : 為連接隱層第 k節(jié)點(diǎn)和輸入層的權(quán)向量 ， ， k=1， 2， ? ， 7； θ 為隱層的閾值向量 ， ； x為網(wǎng)絡(luò)的輸入向量 ， 。 利用合適的輸入輸出樣本訓(xùn)練網(wǎng)絡(luò)的權(quán) 、 閾值 ， 然后 ， 任給一個(gè)測(cè)試數(shù)據(jù) x，網(wǎng)絡(luò)將輸出這個(gè)數(shù)據(jù)的中心 ， 通過(guò)判斷它到各個(gè)檔位編碼的歐氏距離 ， 實(shí)現(xiàn)了對(duì)輸入數(shù)據(jù)分類(lèi) 。 無(wú)級(jí)變速控制包括 速比控制 和 線壓控制 。 模 糊 化 模 糊 控制算法 模 糊 判決 被 控 對(duì) 象 Y U E EC e s dtd/C 圖 含模糊控制器的系統(tǒng)框圖 具有上述模糊控制器的系統(tǒng)方程框圖見(jiàn)圖 。 無(wú)級(jí)變速器液壓系統(tǒng)模糊控制規(guī)則見(jiàn)表 ， 用該表就可以根據(jù)偏差 E及其變化率 C來(lái)決定無(wú)級(jí)變速器液壓系統(tǒng)的補(bǔ)償量 U。 ② 模糊信息 相對(duì)于發(fā)動(dòng)機(jī)轉(zhuǎn)速的控制區(qū)域內(nèi) ， 將描述轉(zhuǎn)速偏差的語(yǔ)言變量 E、 偏差變化率 C以及轉(zhuǎn)速補(bǔ)償?shù)恼Z(yǔ)言 2023/3/2 39 哈爾濱工業(yè)大學(xué)（威海）汽車(chē)工程學(xué)院 變量 E、 偏差變化率 C以及轉(zhuǎn)速補(bǔ)償?shù)恼Z(yǔ)言變量 U劃分為如下 7個(gè)最優(yōu)模糊區(qū) :正大 (PB)—— 在控制區(qū)域內(nèi)靠近上邊界附近 。 為了使發(fā)動(dòng)機(jī)在所有行使路況下性能達(dá)到最優(yōu)狀態(tài) ， 研究以模糊控制算法為基礎(chǔ)的電液控制系統(tǒng) ， 電液無(wú)級(jí)變速系統(tǒng)可以很好地適應(yīng)各種行使路況 ， 克服功率不足 ， 平滑性差等缺點(diǎn) ?？刂破骺筛鶕?jù)工況正確識(shí)別換檔點(diǎn) ， 通過(guò)換檔使變速器工作在各檔高效率區(qū) 。 給定輸入輸出樣本 (X， Y)， 權(quán)值按下式調(diào)整 W ? ?k3k2k1k w,w,wW ?? ?721 , ???? ?? ? ?321 x,x,xx ? ],[ )(3)(2)(1)( outoutoutout yyyY ? piii xWEW ??? ?????? 式中 : 為各層的輸入向量 。 （ 1） 換檔控制策略 4D180型液力機(jī)械式變速器具有前進(jìn) 、 后退檔位各 4個(gè) 。 ? ? ? ?s/kint1/1)k( ???（ 二 ） RBFN網(wǎng)絡(luò)權(quán)值的遞推最小二乘算法 RLS如下 : 對(duì)于多輸入多輸出的 RBF網(wǎng)絡(luò) ， 由上可知網(wǎng)絡(luò)的輸出為 j=1， 2， ?M 在第 n時(shí)刻 ， 定義誤差評(píng)價(jià)函數(shù)為 式中 ， λ 稱(chēng)為遺忘因子 ， 其作用是將過(guò)去樣本對(duì)