【文章內(nèi)容簡介】 速 油門開度 油門開度 變化率 車 速 加速度 檔 位 制動(dòng)程度 轉(zhuǎn)向角度 坡道辨識器 車重辨識器 彎道辨識器 道路辨識器 發(fā)動(dòng)機(jī)性能 辨識器 加示意圖辨識器 駕駛風(fēng)格辨識器 規(guī)則庫 模糊綜合智能 換檔系統(tǒng) 數(shù)據(jù)庫 換檔可行性 分析器 換檔 指令 圖 模糊綜合智能化檔位決策結(jié)構(gòu)原理圖 2023/2/28 18 哈爾濱工業(yè)大學(xué)（威海）汽車工程學(xué)院 五 .電控自動(dòng)變速器換檔策略研究 1. 電控機(jī)械式有級自動(dòng)變速器智能換檔策略 （ 1） AMT最佳換檔自學(xué)習(xí)控制方法 換檔規(guī)律指相鄰兩檔間自動(dòng)換檔時(shí)刻隨控制參數(shù)變化的規(guī)律，而最佳動(dòng)力性換檔規(guī)律則是指相鄰兩檔在換檔前后的加速度保持相等，車輛可獲得最大 平均加速度時(shí)，換檔時(shí)刻與三個(gè)狀態(tài)參數(shù) —— 加速度a， 油門開度 β ， 車 速ｖ (亦稱換檔點(diǎn) )之間的變化關(guān)系。 最佳動(dòng)力性換檔規(guī)律的迭代自學(xué)習(xí)算法 ： 迭代自學(xué)習(xí)控制算法是一種將前一次控制結(jié)果與控制目標(biāo)之間的誤差通過一定的學(xué)習(xí)率學(xué)習(xí)后修正下一次控制信號并使控制誤差趨向收斂的算法。這種算法的應(yīng)用前提是控制過程必須具有重復(fù)性。汽車變速器的換檔具有重復(fù)性控制的特點(diǎn)，因此，適宜采用迭代自學(xué)習(xí)方法來改善換檔控制的性能，以達(dá)到逼近最佳換檔規(guī)律的目的。 討論汽車升檔加速過程的自學(xué)習(xí)算法 。 當(dāng)汽車以第ｉ檔和第ｉ +1檔行駛時(shí) ， 其參數(shù) a， β ， ν 間動(dòng)態(tài)關(guān)系為非線性函數(shù) ， 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(shí)間ｔ的函數(shù)，所以加速度也可表示為時(shí)間ｔ的一元函數(shù)。即 )t(Fa ii ?和 )t(Fa 1i1i ?? ?2023/2/28 19 哈爾濱工業(yè)大學(xué)（威海）汽車工程學(xué)院 按照定義，最佳動(dòng)力性換檔點(diǎn)應(yīng)為式 ()和式 ()所表示的兩條曲線的交點(diǎn)。該交點(diǎn)由 a， β ，ｖ三個(gè)參數(shù)決定，且有 。凡是不在交點(diǎn)上的換檔點(diǎn)均為存在動(dòng)力損失的非最佳換檔點(diǎn)，有 ，而自學(xué)習(xí)的目標(biāo)是 。這樣，每一次換檔前后的加速度差與目標(biāo)量之間的誤差為 。于是，根據(jù)迭代自學(xué)習(xí)控制思想，提出一種最佳動(dòng)力性換檔規(guī)律的自學(xué)習(xí)逼近算法。其算法過程如下： ① 預(yù)先給定一組從第 i檔換入第 i+1檔的初始狀態(tài)參數(shù) (初始換檔點(diǎn) )，并存入自學(xué)習(xí)控制器的記憶單元中。當(dāng)車輛以第 i檔行駛時(shí)，一旦檢測到當(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)測出換檔后的加速度 。 ② 比較換檔前后加速度的變化，若 ( 為加速度變化量容許值 )，表明換檔點(diǎn)并非最佳，需對其參數(shù)進(jìn)行學(xué)習(xí)并更新。為此，令 ai?? 0vi?1i? ai1ia aa ?? ?? ?0a?? ? ?i1ia(0)i(1)i aaLaa ??? ? ? ?i1iaii( 0 )i( 1 )i aaLa/dtdavv ???? ? ?i1i)0(i)1(i aa ??? ??? 式中： ，稱為加速度學(xué)習(xí)速率； ，稱為油門開度控制學(xué)習(xí)率。 0La???2023/2/28 20 哈爾濱工業(yè)大學(xué)（威海）汽車工程學(xué)院 ③ 分別以 取代 存入記憶器中，作為第 1次對第 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)。一般地，若在第 i檔下經(jīng)過第ｋ次學(xué)習(xí)后得到的換檔點(diǎn)參數(shù)值記為 ，而當(dāng)前狀態(tài)參數(shù)測量值表示為 ，當(dāng)條件 )1(i(1)i(1)i ,v,a ? )0(i(0)i(0)i ,v,a ? (k)i)k(i(k)i v,a ?iii v,? ai(k)ii aa ?? i)k(i ???? ?? vi(k)ii vv ??0ai ? 得到滿足時(shí)，便換入第 i+1檔，并測出 。 當(dāng)條件 成立時(shí) ， 表明 ， 已是最佳動(dòng)力性換檔點(diǎn) 。 否則 ， 令 1i? ai1ia aae ??? ?? ?)k(i)k(i(k)i v, ? ? ?i1ia( k )i1ki aaLaa ?? ??）（ ? ?i1iaii(k)i1)(ki aaLa dt/davv ?? ??? ? ?i1i)k(i)1k(i aa ?? ?? ???（ ） 這就是對最佳動(dòng)力換檔點(diǎn)的第ｋ +1次學(xué)習(xí)值 ， 加以記憶 ， 作為下一次換檔點(diǎn)參數(shù)的預(yù)測值 ， 迭代初始 值為 ， 自學(xué)習(xí)的目標(biāo)是使 。 實(shí)際上 ， 由于人體對水平方向加速度變化的敏感程度 有限 ， 滿足條件 足矣 。 式 ()中 ， 比值 實(shí)際是曲線 在 為定值的條件下 ， 過 曲線 上的點(diǎn) 的切線斜率的絕對量 。 事實(shí)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 ?2023/2/28 21 哈爾濱工業(yè)大學(xué)（威海）汽車工程學(xué)院 令 aii La dt/da ??? 式 （ 53） 成為 式中， ρ 稱為速度學(xué)習(xí)速率。 如以上算法所示 ， 通過不斷對換檔點(diǎn)參數(shù)的判佳和修正 ， 達(dá)到逼近最佳換檔規(guī)律和自學(xué)習(xí)目的 。AMT最佳換檔的自學(xué)習(xí)控制器結(jié)構(gòu)可用下圖 。 ? ?i1i( k)i1)(ki aavv ?? ? ?狀態(tài)特 征識別 查詢環(huán)節(jié) 換檔決策 控制環(huán)節(jié) AMT車輛 知識庫 學(xué)習(xí)環(huán)節(jié) 監(jiān)督環(huán)節(jié) 傳感器 aV dtdVa/?a自學(xué)習(xí)控制器 圖 AMT最佳換檔自學(xué)習(xí)控制器 2023/2/28 22 哈爾濱工業(yè)大學(xué)（威海）汽車工程學(xué)院 （ 2）車輛檔位模糊 —— 神經(jīng)網(wǎng)絡(luò)決策研究 ① 車輛檔位模糊 —— 神經(jīng)網(wǎng)絡(luò)決策方法 如 上圖 模糊神經(jīng)網(wǎng)絡(luò)檔位決策的方法，其特點(diǎn)是采用蘊(yùn)藏了優(yōu)秀駕駛員換檔經(jīng)驗(yàn)的神經(jīng)網(wǎng)絡(luò)檔位模型和對駕駛意圖進(jìn)行模糊推理，綜合選擇最適合的車輛檔位。它包括三個(gè)步驟： 1）神經(jīng)網(wǎng)絡(luò)檔位模型決定預(yù)選檔位 獲得換檔規(guī)律有兩種方法：一是依據(jù)車輛變速理論 ， 它在一定約束條件下 ， 按某個(gè)或某些目標(biāo)函數(shù)通過優(yōu)化實(shí)驗(yàn)來獲取換檔規(guī)律；二是通過學(xué)習(xí)優(yōu)秀駕駛員的換檔數(shù)據(jù) ， 提取最佳換檔規(guī)律 。 但無論采用這兩種方法中的哪一種 ， 所獲得的換檔規(guī)律都是包含換檔控制參數(shù)與對應(yīng)最佳檔位的一組組離散的數(shù)據(jù) ， 神經(jīng)網(wǎng)絡(luò) 檔位模型 駕駛員 意圖推理 綜 合 車 速 v 油門開度 lastg1?igIdtd/圖 車輛檔位模糊 ——神經(jīng)網(wǎng)絡(luò)決策方法 2023/2/28 23 哈爾濱工業(yè)大學(xué)（威海）汽車工程學(xué)院 即由換檔參數(shù) ， ， ? ， 至檔位 g的對應(yīng)關(guān)系 ， 因此可以看作由輸入?yún)?shù)空間 （ 如車速 、 油門 ） 到輸出空間 （ 檔位 ） 的非線性映射分類 。 1x2nx駕駛員 神經(jīng)網(wǎng)絡(luò) 1X2345X輸出檔位 誤差 油門開度 車速 V 駕駛員選擇檔位 圖 駕駛員換檔規(guī)律的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程 2023/2/28 24 哈爾濱工業(yè)大學(xué)（威海）汽車工程學(xué)院 上圖 ，神經(jīng)網(wǎng)絡(luò)檔位模型的輸出個(gè)數(shù)選擇等于變速箱的檔位數(shù)，對于 5檔的變速箱，模型具有輸出 5個(gè)信號： ， ， ， ， 。駕駛員對車輛換檔過程構(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)于對這一系統(tǒng)的正向逼近（或建模）。在網(wǎng)絡(luò)訓(xùn)練前，先將駕駛員的換檔數(shù)據(jù)進(jìn)行預(yù)處理：包括對車速、油門開度數(shù)據(jù)進(jìn)行歸一化，對駕駛員選擇的檔位信號按表；然后作為輸入輸出樣本對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。由于換檔數(shù)據(jù)可視為輸入?yún)?shù)空間（如車速、油門開度）到輸出空間（檔位）的非線性映射分類，因此網(wǎng)絡(luò)的訓(xùn)練中允許存在一定程度的誤差，只要滿足網(wǎng)絡(luò)輸出值 ， ， ， ， 中最大值與樣本中對應(yīng)檔位一致。經(jīng)過學(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)律也是符合目前車輛狀況的最佳換檔規(guī)律。只要選擇恰當(dāng)?shù)木W(wǎng)絡(luò)模型、學(xué)習(xí)算法和采用高速數(shù)字信號處理器，就有可能完成學(xué)習(xí)過程。 1x23x451x234x5表 訓(xùn)練樣本中檔位信號轉(zhuǎn)換關(guān)系 2023/2/28 25 哈爾濱工業(yè)大學(xué)（威海）汽車工程學(xué)院 通過學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò)檔位模型就可以應(yīng)用于自動(dòng)換檔過程中 。 網(wǎng)絡(luò)的輸入信號采用與訓(xùn)練是相同的歸一化處理 ， 網(wǎng)絡(luò)輸出值 ， ， ， 中最大值對應(yīng)的檔位最佳檔位 。 設(shè)目前車輛運(yùn)行檔位為 (i為1， 2， 3， 4， 5等 )， 當(dāng)采集到輸入?yún)?shù)車速 v、 油門開度 后 ， 神經(jīng)網(wǎng)絡(luò)檔位模型將輸出對應(yīng)的最佳檔位 ， 將作為車輛換檔的預(yù)選檔位 。 2） 推理駕駛意圖 駕駛員對車輛運(yùn)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(xiàn)出來 。 將駕駛意圖分為減速 、保持和加速運(yùn)行三類 。 這些意圖通過駕駛員油門踏板大小及其變化率體現(xiàn)出來 。 因此 ， 根據(jù)