【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)動機性能 辨識器 加示意圖辨識器 駕駛風格辨識器 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 2023/3/2 18 哈爾濱工業(yè)大學（威海）汽車工程學院 五 .電控自動變速器換檔策略研究 1. 電控機械式有級自動變速器智能換檔策略 （ 1） AMT最佳換檔自學習控制方法 換檔規(guī)律指相鄰兩檔間自動換檔時刻隨控制參數(shù)變化的規(guī)律，而最佳動力性換檔規(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，換檔時刻與三個狀態(tài)參數(shù) —— 加速度a， 油門開度 β ， 車 速ｖ (亦稱換檔點 )之間的變化關(guān)系。 最佳動力性換檔規(guī)律的迭代自學習算法 ： 迭代自學習控制算法是一種將前一次控制結(jié)果與控制目標之間的誤差通過一定的學習率學習后修正下一次控制信號并使控制誤差趨向收斂的算法。這種算法的應用前提是控制過程必須具有重復性。汽車變速器的換檔具有重復性控制的特點，因此，適宜采用迭代自學習方法來改善換檔控制的性能，以達到逼近最佳換檔規(guī)律的目的。 討論汽車升檔加速過程的自學習算法 。 當汽車以第ｉ檔和第ｉ +1檔行駛時 ， 其參數(shù) a， β ， ν 間動態(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又分別為時間ｔ的函數(shù)，所以加速度也可表示為時間ｔ的一元函數(shù)。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。該交點由 a， β ，ｖ三個參數(shù)決定，且有 。凡是不在交點上的換檔點均為存在動力損失的非最佳換檔點，有 ，而自學習的目標是 。這樣，每一次換檔前后的加速度差與目標量之間的誤差為 。于是，根據(jù)迭代自學習控制思想，提出一種最佳動力性換檔規(guī)律的自學習逼近算法。其算法過程如下： ① 預先給定一組從第 i檔換入第 i+1檔的初始狀態(tài)參數(shù) (初始換檔點 )，并存入自學習控制器的記憶單元中。當車輛以第 i檔行駛時，一旦檢測到當前狀態(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 )，表明換檔點并非最佳，需對其參數(shù)進行學習并更新。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： ，稱為加速度學習速率； ，稱為油門開度控制學習率。 0La???2023/3/2 20 哈爾濱工業(yè)大學（威海）汽車工程學院 ③ 分別以 取代 存入記憶器中，作為第 1次對第 i檔換檔點參數(shù)的學習結(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次學習后得到的換檔點參數(shù)值記為 ，而當前狀態(tài)參數(shù)測量值表示為 ，當條件 )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，便換入第 i+1檔，并測出 。 當條件 成立時 ， 表明 ， 已是最佳動力性換檔點 。 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 ?? ?? ???（ ） 這就是對最佳動力換檔點的第ｋ +1次學習值 ， 加以記憶 ， 作為下一次換檔點參數(shù)的預測值 ， 迭代初始 值為 ， 自學習的目標是使 。 實際上 ， 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 。 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。 如以上算法所示 ， 通過不斷對換檔點參數(shù)的判佳和修正 ， 達到逼近最佳換檔規(guī)律和自學習目的 。AMT最佳換檔的自學習控制器結(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 學習環(huán)節(jié) 監(jiān)督環(huán)節(jié) 傳感器 aV dtdVa/?a自學習控制器 圖 AMT最佳換檔自學習控制器 2023/3/2 22 哈爾濱工業(yè)大學（威海）汽車工程學院 （ 2）車輛檔位模糊 —— 神經(jīng)網(wǎng)絡決策研究 ① 車輛檔位模糊 —— 神經(jīng)網(wǎng)絡決策方法 如 上圖 模糊神經(jīng)網(wǎng)絡檔位決策的方法，其特點是采用蘊藏了優(yōu)秀駕駛員換檔經(jīng)驗的神經(jīng)網(wǎng)絡檔位模型和對駕駛意圖進行模糊推理，綜合選擇最適合的車輛檔位。它包括三個步驟： 1）神經(jīng)網(wǎng)絡檔位模型決定預選檔位 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 ， 按某個或某些目標函數(shù)通過優(yōu)化實驗來獲取換檔規(guī)律；二是通過學習優(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)與對應最佳檔位的一組組離散的數(shù)據(jù) ， 神經(jīng)網(wǎng)絡 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)絡決策方法 2023/3/2 23 哈爾濱工業(yè)大學（威海）汽車工程學院 即由換檔參數(shù) ， ， ? ， 至檔位 g的對應關(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 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)絡學習過程 2023/3/2 24 哈爾濱工業(yè)大學（威海）汽車工程學院 上圖 ，神經(jīng)網(wǎng)絡檔位模型的輸出個數(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個信號： ， ， ， ， 。駕駛員對車輛換檔過程構(gòu)成了復雜的人機系統(tǒng)，神經(jīng)網(wǎng)絡的學習相當于對這一系統(tǒng)的正向逼近（或建模）。在網(wǎng)絡訓練前，先將駕駛員的換檔數(shù)據(jù)進行預處理：包括對車速、油門開度數(shù)據(jù)進行歸一化，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)絡進行訓練。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)絡的訓練中允許存在一定程度的誤差，只要滿足網(wǎng)絡輸出值 ， ， ， ， 中最大值與樣本中對應檔位一致。經(jīng)過學習后，神經(jīng)網(wǎng)絡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?shù)木W(wǎng)絡模型、學習算法和采用高速數(shù)字信號處理器，就有可能完成學習過程。 1x23x451x234x5表 訓練樣本中檔位信號轉(zhuǎn)換關(guān)系 2023/3/2 25 哈爾濱工業(yè)大學（威海）汽車工程學院 通過學習后的神經(jīng)網(wǎng)絡檔位模型就可以應用于自動換檔過程中 。 網(wǎng)絡的輸入信號采用與訓練是相同的歸一化處理 ， 網(wǎng)絡輸出值 ， ， ， 中最大值對應的檔位最佳檔位 。 設目前車輛運行檔位為 (i為1， 2， 3， 4， 5等 )， 當采集到輸入?yún)?shù)車速 v、 油門開度 后 ， 神經(jīng)網(wǎng)絡檔位模型將輸出對應的最佳檔位 ， 將作為車輛換檔的預選檔位 。 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(xiàn)出來 。 將駕駛意圖分為減速 、保持和加速運行三類 。 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)