【正文】 圖中 s為系統(tǒng)設定值 (精確量 )， e、 C分別為系統(tǒng)誤差和誤差變化率 (精確量 )， E、 EC分別為反映系統(tǒng)誤差和誤差變化的語言變量的模糊集合 (模糊量 )， U為模糊控制器輸出的控制作用 (精確量 )， Y為系統(tǒng)輸出 (精確量 )。 px?2)out(YY21)(E ??? ?31 Y,Y,YY ? )Y()YY( )out(i)out(ii)out(i ? ??? )Y(w)out(ijkj31jk ? ?? ?? ??xY?2023/3/2 36 哈爾濱工業(yè)大學（威海）汽車工程學院 （ 3） 神經網絡的訓練 神經網絡采用離線訓練的方式 ， 即運行整車模型 ， 利用它產生的工作信號 （ 油門開度 、 車速 、 加速度 ） ， 由函數進行網絡的訓練運算 ， 然后將訓練好的前 、 后檔網絡權值 、 閾值存入相應的控制器模型 。 以此實現車輛保證動力性的同時兼顧經濟性之操作目的 。 1） 直接計算法： 在此方法中 ， 隱單元 RBF的中心是隨機地在輸入樣本數據中選取 ， 且中心固定 。 將駕駛意圖分為減速 、保持和加速運行三類 。 事實上 ， 有 ， 所以 ? ?(0)i)0(i(0)i v,a ? 0a i1i ?? a1i a ??? iia dt/da ? ?v,fa i ??? ? ?v,fa ii ??),(v ii iiiiiii advdadtdvdvdadtda ???? iiii a dt/dadvda ?2023/3/2 21 哈爾濱工業(yè)大學（威海）汽車工程學院 令 aii La dt/da ??? 式 （ 53） 成為 式中， ρ 稱為速度學習速率。 當汽車以第ｉ檔和第ｉ +1檔行駛時 ， 其參數 a， β ， ν 間動態(tài)關系為非線性函數 ， 可分別表示為 )v,(fa ii ?? )v,(f 1i1i ??? ?() () 對于五檔變速器，式中ｉ =1， 2， 3， β 和ｖ又分別為時間ｔ的函數，所以加速度也可表示為時間ｔ的一元函數。 神經網絡結構本身就決定了它是大規(guī)模并行機制 ， 以數據作為驅動 ， 擅長通過大量復雜的數據進行分類和發(fā)現模式或規(guī)律 。 由汽車理論知： ? ??? i 1n V0 ntn dt)(Q2023/3/2 12 哈爾濱工業(yè)大學（威海）汽車工程學院 考慮到 )FF(FFF writj ??? dtdVMj ?? 于是 ? ? ?? ? ?? ??????? i 1n V0 wfi1)t(n )1n()1n(twfim nmn dV)FF(FF MQdV)FFF(F MQ[Q ?? 根據汽車理論知，發(fā)動機的動態(tài)小時油耗是發(fā)動機轉速的函數，一般可擬合為三次多項式，即： 3q2qqq30020230et VAVBVCDnAnBnCDQ ???????? 欲使加速油耗 Q為最小，這是一個求極值的問題。 此外 ， 這種單參數的系統(tǒng)也難以兼顧車輛動力性和經濟性的要求 ,故目前已很少采用 。行星輪變速器是由一系列的行星齒輪系、液壓離合器與制動器組成的有級式的變速器，該變速器易于通過控制系統(tǒng)實現自動換檔，并且與液力變矩器配合可在更大范圍內實現無級變速 。第三章 智能電控自動變速器換檔策略研究 一 . 簡介 １． 國內外的研究現狀 在國外 ， 自動變速器的研究始于汽車 。 電子控制系統(tǒng)由反應汽車工況的傳感器、自動變速器控制電腦、變速電磁閥及換檔離合器等執(zhí)行機構組成，其主要功用是由自動變速器控制電腦根據傳感器反應的車況信息進行自動運算和判斷，發(fā)出科學的換檔指令到換檔執(zhí)行機構以實現自動換檔變速。 （２） 二參數換擋規(guī)律 二參數換擋規(guī)律克服了單參數換擋規(guī)律的缺點 ,其控制參數類型有車速與油門開度 、 液力變矩器泵輪轉速與渦輪轉速 、 車速與發(fā)動機轉矩等 ,但當前采用最多的形式仍為車速與油門開度 。令 ，則 0/ ?dVdQ ? ? ? ????? ? ??n 1n 1nnVV VV wfi1)t(n )1n(1)t(nwfit(n) nm ]dV)FF(FF MQdV)FF(FF MQ[dVd ??? ?? ? ??????? ? ??n 1n n 1nVV VV wfi1)t(n )1n(1)t(nwfit(n) nm 0]dV)FF(FF MQdV)FF(FF MQ[dVd ?? )]FF(FF[Q)]FF(FF[Q wfit(n ))1n(1)t(nwfi1)t(nnt(n ) ????? ??? ?? 再由式（ ）和（ ）可知： nnwfit dtdVM)FF(FF ???? )]VABC()VABC[( 2fff2nnn ?????? VV2023/3/2 13 哈爾濱工業(yè)大學（威海）汽車工程學院 )]VAVBC()VAVBC[(dtdVM)FF(FF2fff21)(n1)(n1)(n1)(n)1n(wfi1)t(n??????????????? ? 可得 0fVeVdVcVbVa qq2q3q4q5q ?????? 式中 、 、 、 、 、 為轉換系數 ， 由移項 、 并項后求得 。因此 ， 從神經網絡的角度看 ， 車輛的最佳換檔問題 ， 是一個非線性映射分類問題 。即 )t(Fa ii ?和 )t(Fa 1i1i ?? ?2023/3/2 19 哈爾濱工業(yè)大學（威海）汽車工程學院 按照定義，最佳動力性換檔點應為式 ()和式 ()所表示的兩條曲線的交點。 如以上算法所示 ， 通過不斷對換檔點參數的判佳和修正 ， 達到逼近最佳換檔規(guī)律和自學習目的 。 這些意圖通過駕駛員油門踏板大小及其變化率體現出來 。 當RBF的中心確定之后 ， 隱單元的輸出是已知的 ， 網絡的權值就可以通過求解線性方程組確定 。 （ 1） 換檔控制策略 4D180型液力機械式變速器具有前進 、 后退檔位各 4個 。控制器可根據工況正確識別換檔點 ， 通過換檔使變速器工作在各檔高效率區(qū) 。 ② 模糊信息 相對于發(fā)動機轉速的控制區(qū)域內 ， 將描述轉速偏差的語言變量 E、 偏差變化率 C以及轉速補償的語言 2023/3/2 39 哈爾濱工業(yè)大學（威海）汽車工程學院 變量 E、 偏差變化率 C以及轉速補償的語言變量 U劃分為如下 7個最優(yōu)模糊區(qū) :正大 (PB)—— 在控制區(qū)域內靠近上邊界附近 。 模 糊 化 模 糊 控制算法 模 糊 判決 被 控 對 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)方程框圖見圖 。 利用合適的輸入輸出樣本訓練網絡的權 、 閾值 ， 然后 ， 任給一個測試數據 x，網絡將輸出這個數據的中心 ， 通過判斷它到各個檔位編碼的歐氏距離 ， 實現了對輸入數據分類 。 液力機械式自動變速器中 ， 由于液力變矩器的液力損失 ， 加上駕駛員操縱不當 ， 使得變矩器可能經常工作在低效率區(qū) ， 影響了整機的使用效率 ， 加大了作業(yè)成本 ， 從這種情況下出發(fā) ， 利用人工神經網絡的模式識別能力 ， 對輸入的采樣數據進行分類 ， 辨別最佳換檔時刻 ， 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) 。 通常采用直接計算法和自組織學習選取 RBF中心法 。 2） 推理駕駛意圖 駕駛員對車輛運行環(huán)境的判斷及駕駛員的意圖都通過操縱油門踏板體現出來 。 式 ()中 ， 比值 實際是曲線 在 為定值的條件下 ， 過 曲線 上的點 的切線斜率的絕對量 。 討論汽車升檔加速過程的自學習算法 。 1. 神經網絡智能檔位決策方法 神經網絡具有自適應性 ， 它可以被訓練 ， 網絡在訓練過程中學習并記住經驗 。 nV maxnn VV ? ② 最佳燃油經濟性換檔規(guī)律 它的目標函數是在某一油門開度下 ， 汽車從原地起步連續(xù)換 I檔加速至某一要求車速 T時 ， 總的油耗Q應最小 。 這將造成車輛在小油門開度行駛時 ， 也需要達到最高轉速 才能換檔 ， 故換檔過程中不僅噪聲較大 ， 機件的磨損也較大 ， 因此這種換檔規(guī)律是不合理的 。 液力變矩器通常由與發(fā)動機飛輪連接的泵輪、與變速器輸入軸連接的渦輪及與單向離合器連接的導輪組成，其主要作用是通過油液的運動傳遞動力并在一定范圍內實現降速增扭、無級變速。 1985年 ， 日本五十鈴公司率先研制成功 NAVI5型全自動機械式變速器 ， 并裝于飛鳥 (ASKA)轎車 ， 投放市場獲得成功 。 ２．工作原理 如圖 ， 電子控制式自動變速器是通過傳感器裝置將汽車的運行工況轉化為電信號 ， 并通 2023/3/2 2 哈爾濱工業(yè)大學（威海）汽車工程學院 過自動變速器電腦對電信號處理，然后輸出控制指令給相應的電磁閥，來實現變速器的換檔操作。 如下圖 ， 根據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開度變化 ， 但可實現駕駛員的干預 ， 在小油門時可提前換入高檔 ， 即減小發(fā)動機噪聲 ， 又可延遲換回低檔 ， 改善了燃油經濟性 。 解出上式的根 ， 即為加速時保證車輛最佳燃料經濟性的相鄰兩檔 n 與 （ n+1） 之間的最佳換檔點車速 。 可以直接用駕駛員換檔時所獲得的數據對神經網絡進行離線訓練 ， 也可以如圖 ， 讓網絡在線學習駕駛員的最佳換檔點 ， 使自動變速系統(tǒng)具有自學習的能力 。該交點由 a， β ，ｖ三個參數決定，且有 。AMT最佳換檔的自學習控制器結構可用下圖 。 因此 ， 根據對駕駛員駕車過程總結出經驗規(guī)則 ， 構成對駕駛意圖的模糊推理 。 但由于采用了固定的 RBF中心 ， 隱單元數目要求很多 （ 比如與訓練樣本數相同 ） ， 同時也降低了 RBF網絡的逼近能力 。 由裝載機液力機械變速器試驗結果 ， 作出了發(fā)動機與變速器共同工作時的變速器效率與輸出動力的特性曲線 ， 當發(fā)動機油門開度一定時 ， 即發(fā)動機輸出轉速一定時 ， 液力機械式變速器升檔時各檔位效率和輸出轉矩的統(tǒng)計特性如圖