智能电控自动变速器换档策略

第三章智能电控自动变速器换档策略研究一.简介１．国内外的研究现状在国外，自动变速器的研究始于汽车。1985年，日本五十铃公司率先研制成功NAVI-5型全自动机械式变速器，并装于飞鸟(ASKA)轿车，投放市场获得成功。此后，美国的福特(FORD)公司、法国雷诺(RENAULT)公司、意大利的菲亚特(FIAT)公司都相继开发了这种变速器，全自动AMT已进入产品化和实用化阶段。由于自动换挡和起步时都受到环境、驾驶员驾驶水平和车况等因素的影响，日本的五十铃(ISUZU)、尼桑(NISSAN)等开始采用模糊推理的智能化方法进行此方面的研究，包括模糊换挡策略和离合器接合速度的模糊控制。三菱公司新的自动变速车“FuzzyShift4AT”在自动变速系统中加入了“模糊控制”的概念。在工程机械领域，日本川崎重工公司开发的轮式装载机KLD97ZIII匹配15ZIII自动换挡变速器。意大利萨姆(SAME)公司Rubin系列拖拉机采用了全自动换挡变速箱，美国卡特彼勒(CATERPILLAR)公司的Challenger35/45/55橡胶履带拖拉机从第10挡至第16挡可以实现自动换挡。在国内，吉林大学、北京理工大学、重庆医疗机械工业公司等多家单位均在自动变速器的研究方面取得了科研成果。其中，吉林大学率先将智能控制理论应用到工程机械中，对工程机械模糊神经网络档位控制进行了试验研究，研制出推土机的模糊换挡系统并进行了室内试验；对轮式装载机的模糊换挡策略也进行了研究。1998年8月吉林大学自主研制桑塔纳2000AMT样车通过了国家鉴定，目前正进一步加强系统可靠性等方面的研究。神龙公司也向市场投放了装备进口AL4智能型自动变速器的富康988“领导者”以及富康1.6L轿车，它们采用了模糊控制理论和动力传动系统综合控制技术，实现了智能化控制，电子控制单元有10种换挡规律，按需分别调用几种换挡规律或同时或交替工作，共同控制变速器的状态。

2023/1/21２．自动换挡规律研究展望随着自动变速器换挡规律在使用中出现的问题和智能控制理论的迅速发展以及人们对车辆性能要求的提高，各种最新的监测、控制技术将不断引入车辆领域，以改善自动变速器的性能，使档位决策、换挡控制与车辆、环境和驾驶员意图相适应。在已有智能控制理论与车辆工程相结合的基础上，运用最新的智能控制理论修正传统的二参数、三参数换挡规律，使车辆换挡更加经济、可靠；将模糊控制、神经网络、专家系统及混沌理论等新学科单独或者结合使用，以扩大处理信息的范围和能力，进行综合控制，形成综合智能控制换挡规律。所有这些都将大大提高自动换挡的稳定性和智能化水平，将成为未来研究的热点．

二．自动变速器的基本组成与工作原理１．基本组成

电子控制自动变速器一般由液力变矩器、行星轮变速器、电子控制系统3部分组成。

液力变矩器通常由与发动机飞轮连接的泵轮、与变速器输入轴连接的涡轮及与单向离合器连接的导轮组成，其主要作用是通过油液的运动传递动力并在一定范围内实现降速增扭、无级变速。行星轮变速器是由一系列的行星齿轮系、液压离合器与制动器组成的有级式的变速器，该变速器易于通过控制系统实现自动换档，并且与液力变矩器配合可在更大范围内实现无级变速

。电子控制系统由反应汽车工况的传感器、自动变速器控制电脑、变速电磁阀及换档离合器等执行机构组成，其主要功用是由自动变速器控制电脑根据传感器反应的车况信息进行自动运算和判断，发出科学的换档指令到换档执行机构以实现自动换档变速。２．工作原理如图3.1所示，电子控制式自动变速器是通过传感器装置将汽车的运行工况转化为电信号，并通2023/1/22过自动变速器电脑对电信号处理，然后输出控制指令给相应的电磁阀，来实现变速器的换档操作。发动机发动机电脑节气门位置传感器车速传感器冷却水温传感器变速器油温传感器发动机转速传感器档次开关制动灯开关模式选择开关自动变速阀体电磁阀自动变速器电脑行星齿轮变速器液力变矩器图3.1电子控制式自动变速器的工作原理2023/1/23（１）功率流传递路线汽车发动机发出的功率流通过液力变矩器的一次放大（可达到2-4倍）后，传给行星轮变速器进行有级变速，然后通过输出轴传到驱动桥；其中液力变矩器可在一定范围内实现无级变速，根据汽车的行驶阻力及车速自动调整负荷。

（２）传感器监测的主要信息

1）节气门位置传感器反应节气门的开度大小的比例，该信息与发动机转速汽车行驶速度等参数配合提供电脑换档的决策依据；2）车速传感器反应汽车的行驶速度；3）发动机转速传感器反应发动机实际运转速度；4）冷却水温传感器反应发动机热平衡状况信息，水温较低时不适宜加档，应在低负荷下继续预热；5）变速器油温传感器反应变速器润滑油热平衡状况，其是控制散热器的散热强度的依据；6）档位开关反应驾驶人员的意图并间接反应出道路情况，自动变速器仍然需要将变速手柄置于某一确定的位置（至少分为前进、倒退、空位等）；7）模式选择开关决定汽车行驶的基本模式：是以经济车速行驶还是以高动力性行驶；8）制动灯开关，反应汽车是否处于制动状态，决定发动机工况及各传动部件的工况；2023/1/24（３）自动变速系统的控制内容

1）档位控制：当变速手柄在前进档时，自动变速器电脑根据汽车行驶情况选择最佳的时刻换到最合适的档位，以使汽车充分发挥动力性和经济性；2）变速液压系统的油压控制：自动变速器电脑根据汽车的工况需要调整液压系统的压力，以达到既减少能耗，又满足传递功率流的需要，同时保证换档平稳无冲击；3）发动机控制：自动换档过程中，自动变速器电脑通知发动机电脑适当减小喷油量，保证换档平稳；特殊路况下需发动机制动汽车运行时，自动变速器电脑发出信号使发动机与变速器强制连接（通过强制离合器），以实现发动机的制动效果。高档低档50%100%车速加速时的升档规律加速时的降档规律节气门开度图3.2自动换档图2023/1/25（４）自动变速的控制原理

1）自动换档的决策模型：如图3.2所示，汽车换档的主要决定因素是节气门开度和汽车行驶速度，当汽车在某一节气门开度下，车速上升达到升档规律线时，则自动变速器电脑发出升档指令使自动变速器实现升档操作；反之，车速下降达到降档规律线时，则自动变速器电脑发出降档指令使自动变速器实现降档操作，该模型也称为自动换档图。

2）自动换档的控制过程：如图3.3所示，自动变速电脑根据汽车档位开关及换档模式开关的信息决定选择相应的自动换档图，然后按节气门位置传感器及车速传感器检测到的信息进行判断得出结果，最后向换档电磁阀发出换档指令。

2023/1/26档位开关和换档模式选择开关选择自动换档图车速判断车速传感器节气门位置传感器换档电池阀节气门位置传感器图3.3自动换档控制过程2023/1/27三.当前档位决策方法及其局限性1．传统换档规律

（１）单参数换档规律汽车用单参数换档规律一般选择相对稳定的车速作为控制参数。国外大功率拖拉机以发动机速n来限定。如图3.4所示,当车速达到时升入2挡；反之，当车速降至时换回到1挡。和之间是两档均可能出现的工作区,这种在控制参数相同的情况下，升挡和降挡的时刻不同，降挡时刻较升挡时刻晚的现象称为降挡重叠或降挡延迟。其作用是:1）换入新挡后,不会因油门的振动或车速引起的轻度变化,而重新换回原来挡位,保证换挡过程的稳定性。2）有利于减小换挡循环,防止控制系统元件的加速磨损,并防止乘坐舒适性的降低。1212降档升档Vaa油门开度n发动机转速v车速图3.4单参数换档规律2023/1/28单参数换挡规律结构简单,但无论油门开度如何变化,换挡点、换挡延迟大小都不变,不能实现驾驶员干预换挡。为了保证动力性，一般把升档点设计在发动机的最高转速，而不考虑车辆的功率需求状况。这将造成车辆在小油门开度行驶时，也需要达到最高转速才能换档，故换档过程中不仅噪声较大，机件的磨损也较大，因此这种换档规律是不合理的。此外，这种单参数的系统也难以兼顾车辆动力性和经济性的要求,故目前已很少采用。（２）二参数换挡规律二参数换挡规律克服了单参数换挡规律的缺点,其控制参数类型有车速与油门开度、液力变矩器泵轮转速与涡轮转速、车速与发动机转矩等,但当前采用最多的形式仍为车速与油门开度。如下图3.5所示，根据降挡延迟的不同可划分为以下几种：1）等延迟型其降挡延迟的大小不随油门开度变化，但可实现驾驶员的干预，在小油门时可提前换入高档，即减小发动机噪声，又可延迟换回低档，改善了燃油经济性。2）发散型其降挡延迟的大小随油门开度增大而增大，特点是：大油门升档时发动机转速高，接近最大功率点，动力性好，换档延迟大，减少了换档次数，提高了舒适性。但大油门升档时，发动机转速要降的很低，降低时大，功率利用差，故该型使用于功率大的轿车上。3）收敛型其降挡延迟随油门开度增大而减小，呈收敛状分布，特点是：在大油门换档延迟最小，小，所以升档时有较好的功率利用，动力性好。减小油门时，增大，避免了过多换档，且发动机可在较低转速下工作，燃料经济性好，噪声低，行驶平稳舒适，常用于货车上。4）组合型它由两段或多段不同类型的变化规律组合而成,优点是便于在不同油门下获得不同的车辆性能，小油门时舒适、稳定、污染少；中油门时经济性好；大油门时动力性好。实际车辆一般用组2023/1/29合型。a/%V,(a)等延迟型a/%V,(c)发散型a/%V,(b)收敛型a/%V,(d)组合型图3.4两参数换档规律2023/1/210两参数换档档规律的特特点是：当当油门开度度较小、发发动机负荷荷较小时，，换档点的的车速较低低；而油门门开度增大大、发动机机负荷较大大时，换档档点的车速速也较大。。这种换档档规律提供供了驾驶员员干预换档档的可能性性，可提前前实现升档档和换档，，以此来反反映驾驶员员的意图。。在车辆稳稳定行驶的的前提下，，能够按照照预先设定定的动力型型或经济型型换档规律律进行换档档，能够满满足对车辆辆最佳动力力性或最佳佳经济性的的要求。二二参数换挡挡规律已被被广泛应用用于轿车、、货车等车车辆上。（３）动态态三参数换换挡规律根据优化计计算时所选选取得目标标函数的不不同分为最最佳动力性性动态三参参数换挡规规律和最佳佳燃油经济济性动态三三参数换挡挡规律两种种基本类型型:①最佳动动力性换档档规律。由汽车理理论知，汽汽车的行驶驶方程式为为或由汽车理论论知，发动动机扭矩，，可用二二次曲线拟拟合，则（3.1））另外，滚动动阻力系数数为：因此，由汽汽车行驶方方程（3.1）式得得：f=f(V)2022/12/2411（3.2））（3.3））最佳动力性性换档应该该是在同一一油门开度度下相邻两两档加速曲曲线的交点点处换档，，即（3.4））根据（3.2）、（（3.3））以及（3.4）的的三式，可可得上式的解中为正值，且之根即为最佳换档时刻所对应的车速。

②最佳佳燃油经济济性换档规规律它的目标函函数是在某某一油门开开度下，汽汽车从原地地起步连续续换I档加速至某某一要求车车速T时，总的油油耗Q应最小。由汽车理论论知：2022/12/2412考虑到于是根据汽车理理论知，发发动机的动动态小时油油耗是发动动机转速的的函数，一一般可拟合合为三次多多项式，即即：欲使加速油油耗Q为最小，这这是一个求求极值的问问题。令，则再由式（3.2）和和（3.3）可知：：2022/12/2413可得式中、、、、、、、、为为转换系数，，由移项、并并项后求得。。解出上式的的根，即为加速时保保证车辆最佳佳燃料经济性性的相邻两档档n与（n+1）之间的最佳换换档点车速。。同理，可求求出其它油门门开度及换档档点车速。2.基于模糊逻辑辑和专家知识识的档位决策策方法随着智能控制制理论的发展展,出现了综综合利用道路路环境、驾驶驶员的操作特特点、车辆的的运行状况等等信息的模糊糊逻辑档位决决策方法,其其结构原理如如图3.5所所示。其工作原理是是采集系统采采集车辆运行行状况和驾驶驶员的操作信信息,由模糊糊推理Ⅰ判断断出驾驶员的的操作意图，，如加速、超超车、制动减减速等。模糊糊推理Ⅱ判断断出路面状况况,如坡道、、弯道等。模模糊推理Ⅲ根根据上述的推推理结论和专专家经验知识识输出一个相相应档位，是是否换档由约约束条件来决决定。三菱公公司研制的模模糊换档系统统，可以模仿仿优秀驾驶员员的驾驶经验验，在下坡或或弯道行驶时时，谨慎降速速换档，并且且在弯道上或或当驾驶员踩踩加速踏板时时，还避免了了汽车不恰当当的加速换档档。采用这种种技术后可以以节省燃油12%-17%。在特定定的路面上(如弯道、坡坡道等),模模糊逻辑的档档位决策方法法能够充分体体现出驾驶员员的意图，符符合在同一路路面条件下驾驾驶员的实际际操作过程，，有效解决了了频繁和意外外换档问题。。但在良好路路面上,其给给出的档位就就不是最佳的的。再有,这这种档位决策策方法是基于于统计和分析析意义上的，，模糊换档规规则库和知识识库的建立要要咨询大量有有经验的驾驶驶员和专家，，所形成的换换档规律不可可能覆盖车辆辆使用过程中中的所有工况况。因此，这种方方法在解决传传统换档规律律存在的问题题时也丧失了了传统换档规规律的一些优优势。2022/12/2414车辆采集系统车速档位油门制动器方向盘驾驶员意图模糊推理I模糊推理II专家知识模糊推理约束条件档位图3.4模模糊逻辑档档位决策系统统结构原理示示意图2022/12/2415四.智能化档位决决策方法综述述智能档位决策策主要有两种种：一是基于于神经网络理理论，二是基基于模糊逻辑辑的综合能力力。1.神经网络智能能档位决策方方法神经网络具有有自适应性，，它可以被训训练，网络在在训练过程中中学习并记住住经验。神经经网络结构本本身就决定了了它是大规模模并行机制，，以数据作为为驱动，擅长长通过大量复复杂的数据进进行分类和发发现模式或规规律。因此，，从神经网络络的角度看，，车辆的最佳佳换档问题，，是一个非线线性映射分类类问题。可以以直接用驾驶驶员换档时所所获得的数据据对神经网络络进行离线训训练，也可以以如图3.5所示，让网络络在线学习驾驾驶员的最佳佳换档点，使使自动变速系系统具有自学学习的能力。。驾驶员神经网络车速油门开度制动程度转向角度12341000010000100001档位误差图3.5神神经网络档档位决策原理理图2022/12/2416在实际际工程程应用用方面面，三三菱汽汽车公公司率率先应应用神神经网网络逻逻辑电电路成成功开开发了了能最最优选选择变变速档档位的的ＩＮＮＶＥＥＣＳＳⅡ型型软件件系统统.该系统统增加加了坡坡道、、弯道道以及及制动动器操操作等等信息息，可可以对对上坡坡、下下坡、、弯曲曲路段段进行行检测测，以以适应应各种种路况况的变变化。。例如如，当当车辆辆下坡坡时，，神经经网络络控制制系统统能使使车辆辆自动动从4档降到到3档、2档，逐逐渐向向发动动机制制动状状态过过渡；；而在在上坡坡或弯弯曲道道路行行驶时时，避避免了了高、、低档档间的的循环环换档档，提提高了了最佳佳变速速操作作和行行驶的的舒适适性.在该系系统基基础上上，又又开发发了最最优控控制和和学习习控制制两大大功能能(如图3.6所示)。最优优控制制是以以多数数驾驶驶员在在各种种不同同的道道路条条件下下，手手动变变速操操作信信息(油门开开度、、车速速、制制动程程度、、转向向角)作为输输入，，由微微机和和神经经网络络逻辑辑电路路根据据车辆辆的运运行状状况和和道路路条件件输出出最佳佳档位位，从从而进进行最最优控控制。。道路条件运行情况多数驾驶员操纵特性单个驾驶员操纵特性车速油门开度制动程度转向角度神经网络最优控制学习控制最佳档位适应个性的档位图3.6神神经网网络智智能换换档系系统结结构原原理示示意图图不同的的驾驶驶员具具有不不同驾驾驶风风格，，这就就要求求自动动变速速系统统应对对不同同的驾驾驶员员具有有适应应性，，即根根据不不同的的驾驶驶风格格选择择不同同的最最佳换换档点点。神神经网网络的的学习习控制制功能能不但但能完完成上上述任任务，，而且且进一一步扩扩大了了自动动变速速器的的使用用范围围。它它能根根据行行驶过过程中中输入入的信信息，，由微微机和和神经经网络络逻辑辑电路路判断断每个个驾驶驶员的的驾驶驶风格格和习习惯，，自动动修正正变速速时间间和换换档点点，所所以不不同类类型的的驾驶驶员都都能对对车辆辆进行行良好好的操操纵。。2022/12/24172.模模糊糊逻辑辑综合合智能能档位位决策策方法法自动变变速车车辆的的档位位决策策必须须综合合考虑虑车辆辆的行行驶状状况、、道路路环境境以及及驾驶驶员的的操作作意图图等3方面的的信息息，即即车辆辆必须须具有有模仿仿优秀秀驾驶驶员的的档位位决策策能力力。图图3.7所示为为一种种模糊糊综合合智能能化的的档位位决策策结构构原理理图。。车速油门开开度油门开开度变化率率车速加速度度档位制动程程度转向角角度坡道辨辨识器器车重辨辨识器器弯道辨辨识器器道路辨辨识器器发动机机性能能辨识器器加示意意图辨辨识器器驾驶风风格辨辨识器器规则库库模糊综综合智智能换档系系统数据库库换档可可行性性分析器器换档指令图3.7模模糊综综合智智能化化档位位决策策结构构原理理图2022/12/2418五.电电控自自动变变速器器换档档策略略研究究1.电控机机械式式有级级自动动变速速器智智能换换档策策略（1））AMT最佳换换档自自学习习控制制方法法换档规规律指指相邻邻两档档间自自动换换档时时刻随随控制制参数数变化化的规规律，，而最最佳动动力性性换档档规律律则是是指相相邻两两档在在换档档前后后的加加速度度保持持相等等，车车辆可可获得得最大大平均加加速度度时，，换档档时刻刻与三三个状状态参参数———加加速度度a，油门开开度β，车速ｖ(亦称称换档档点)之间间的变变化关关系。。最佳动动力性性换档档规律律的迭迭代自自学习习算法法：：迭代自自学习习控制制算法法是一一种将将前一一次控控制结结果与与控制制目标标之间间的误误差通通过一一定的的学习习率学学习后后修正正下一一次控控制信信号并并使控控制误误差趋趋向收收敛的的算法法。这这种算算法的的应用用前提提是控控制过过程必必须具具有重重复性性。汽汽车变变速器器的换换档具具有重重复性性控制制的特特点，，因此此，适适宜采采用迭迭代自自学习习方法法来改改善换换档控控制的的性能能，以以达到到逼近近最佳佳换档档规律律的目目的。。讨论汽汽车升升档加加速过过程的的自学学习算算法。。当汽汽车以以第ｉｉ档和和第ｉｉ+1档行驶驶时，，其参参数a，ββ，νν间动态态关系系为非非线性性函数数，可可分别别表示示为(3.5)(3.6)对于五五档变变速器器，式式中ｉｉ=1，2，3，4.由于β和ｖ又又分别别为时时间ｔｔ的函函数，，所以以加速速度也也可表表示为为时间间ｔ的的一元元函数数。即即和2022/12/2419按照照定定义义，，最最佳佳动动力力性性换换档档点点应应为为式式(3.5)和和式式(3.6)所所表表示示的的两两条条曲曲线线的的交交点点。。该该交交点点由由a，，ββ，，ｖ三三个个参参数数决决定定，，且且有有。。凡凡是是不不在在交交点点上上的的换换档档点点均均为为存存在在动动力力损损失失的的非非最最佳佳换换档档点点，，有有，，而而自自学学习习的的目目标标是是。。这这样样，，每每一一次次换换档档前前后后的的加加速速度度差差与与目目标标量量之之间间的的误误差差为为。。于于是是，，根根据据迭迭代代自自学学习习控控制制思思想想，，提提出出一一种种最最佳佳动动力力性性换换档档规规律律的的自自学学习习逼逼近近算算法法。。其其算算法法过过程程如如下下：：①预预先先给给定定一一组组从从第第i档换换入入第第i+1档的的初初始始状状态态参参数数(初初始始换换档档点点)，，并并存存入入自自学学习习控控制制器器的的记记忆忆单单元元中中。。当当车车辆辆以以第第i档行行驶驶时时，，一一旦旦检检测测到到当当前前状状态态参参数数和和满满足足条条件件（其其中中，，3个误误差差的的许许可可值值，，，为给给定定的的小小量量）换换档档控控制制器器便便发发出出指指令令，，将将变变速速器器换换入入第第i+1档，，并并及及时时测测出出换换档档后后的的加加速速度度。。②比比较较换换档档前前后后加加速速度度的的变变化化，，若若(为加加速速度度变变化化量量容容许许值值)，表表明明换换档档点点并并非非最最佳佳，，需需对对其其参参数数进进行行学学习习并并更更新新。。为为此此，，令令式中中：：，，称称为为加加速速度度学学习习速速率率；；，，称称为为油油门门开开度度控控制制学学习习率率。。2022/12/2420③分别别以以取取代代存入入记记忆忆器器中中，，作作为为第第1次次对对第第i档换换档档点点参参数数的的学学习习结结果果，，也也是是下下一一次次的的换换档档参参数数。。一一般般地地，，若若在在第第i档下下经经过过第第ｋｋ次次学学习习后后得得到到的的换换档档点点参参数数值值记记为为，，而而当当前前状状态态参参数数测测量量值值表表示示为为，，当当条条件件得到到满满足足时时，，便便换换入入第第i+1档，，并并测测出出。。当条条件件成成立立时时，，表表明明，，已已是是最最佳佳动动力力性性换换档档点点。。否否则则，，令令（3.7））这就就是是对对最最佳佳动动力力换换档档点点的的第第ｋｋ+1次次学学习习值值，，加加以以记记忆忆，，作作为为下下一一次次换换档档点点参参数数的的预预测测值值，，迭迭代代初初始始值为为，，自自学学习习的的目目标标是是使使。。实实际际上上，，由由于于人人体体对对水水平平方方向向加加速速度度变变化化的的敏敏感感程程度度有限限，，满满足足条条件件足足矣矣。。式(3.7)中，，比比值值实实际际是是曲曲线线在在为为定定值值的的条条件件下下，，过过曲线上上的的点的的切切线斜率率的绝对对量。事事实上，，有，，所以2022/12/2421令式（5-3）成为式中，ρ称为速度学习习速率。如以上算法所所示，通过不不断对换档点点参数的判佳佳和修正，达达到逼近最佳佳换档规律和和自学习目的的。AMT最佳换档的自自学习控制器器结构可用下下图3.8所示的控制原原理框图表示示。状态特征识别查询环节换档决策控制环节AMT车辆知识库学习环节监督环节传感器自学习控制器图3.8AMT最佳换档自学学习控制器2022/12/2422（2）车辆档档位模糊———神经网络决决策研究①车辆档档位模糊———神经网络决决策方法如上图3.9所所示的模糊神经网络络档位决策的的方法，其特特点是采用蕴蕴藏了优秀驾驾驶员换档经经验的神经网网络档位模型型和对驾驶意意图进行模糊糊推理，综合合选择最适合合的车辆档位位。它包括三三个步骤：1）神经网络络档位模型决决定预选档位位获得换档规律律有两种方法法：一是依据据车辆变速理理论，它在一一定约束条件件下，按某个个或某些目标标函数通过优优化实验来获获取换档规律律；二是通过过学习优秀驾驾驶员的换档档数据，提取取最佳换档规规律。但无论论采用这两种种方法中的哪哪一种，所获获得的换档规规律都是包含含换档控制参参数与对应最最佳档位的一一组组离散的的数据，神经网络档位模型驾驶员意图推理综合车速v油门开度图3.9车车辆档位模模糊——神经经网络决策方方法2022/12/2423即由换档参数数，，，…，至至档位g的对应关系，，因此可以看看作由输入参参数空间（如如车速、油门门）到输出空空间（档位））的非线性映映射分类。驾驶员神经网络输出档位误差油门开度车速V驾驶员选择档位图3.10驾驾驶员换换档规律的神神经网络学习习过程2022/12/2424上图3.10为驾驶员换换档规律的神神经网络学习习系统，神经经网络档位模模型的输出个个数选择等于于变速箱的档档位数，对于于5档的变速速箱，模型具具有输出5个个信号：，，，，，，，。驾驶员员对车辆换档档过程构成了了复杂的人机机系统，神经经网络的学习习相当于对这这一系统的正正向逼近（或或建模）。在在网络训练前前，先将驾驶驶员的换档数数据进行预处处理：包括对对车速、油门门开度数据进进行归一化，，对驾驶员选选择的档位信信号按表3.1的转换；；然后作为输输入输出样本本对网络进行行训练。由于于换档数据可可视为输入参参数空间（如如车速、油门门开度）到输输出空间（档档位）的非线线性映射分类类，因此网络络的训练中允允许存在一定定程度的误差差，只要满足足网络输出值值，，，，，，中中最大值与与样本中对应应档位一致。。经过学习后后，神经网络络档位模型完完全继承了优优秀驾驶员的的换档规律，，因此这种换换档规律也是是符合目前车车辆状况的最最佳换档规律律。只要选择择恰当的网络络模型、学习习算法和采用用高速数字信信号处理器，，就有可能完完成学习过程程。表3.1训训练样本中中档位信号转转换关系2022/12/2425通过学习后的的神经网络档档位模型就可可以应用于自自动换档过程程中。网络的的输入信号采采用与训练是是相同的归一一化处理，网网络输出值，，，，，中中最大值对应应的档位最佳佳档位。设目目前车辆运行行档位为(i为1，2，3，，4，5等)，当采集到输入入参数车速v、油门开度后，神经网络络档位模型将将输出对应的的最佳档位，将作作为车辆换档档的预选档位位。2）推理驾驶驶意图驾驶员对车辆辆运行环境的的判断及驾驶驶员的意图都都通过操纵油油门踏板体现现出来。将驾驾驶意图分为为减速、保持持和加速运行行三类。这些些意图通过驾驾驶员油门踏踏板大小及其其变化率体现现出来。因此此，根据对驾驾驶员驾车过过程总结出经经验规则，构构成对驾驶意意图的模糊推推理。一般在良好路路面下，驾驶驶员总是使油油门踏板开度度保持在一定定的大小，只只在较小范围围变化；只有有当车辆拐弯弯或运行在起起伏路面时，，驾驶员确定定需要车辆减减速、加速时时，油门才有有较剧烈的变变化。定义I表示驾驶员要要求车辆加速速强度的模糊糊变量。00.30.51.0-0.500.5100.51.0I-1ZMBNZPZMB(a)油门踏板(b)踏板变化率(c)驾驶意图I隶属度图3.11各各模糊变变量2022/12/2426对于图3.11所示的模模糊变量，根根据这些驾驶驶经验的总结结，制定以下下九条推理规规则：ifββ=Zanddβ=NthenI=Mifββ=Zanddβ=ZthenI=Mifββ=Zanddβ=PthenI=Bifββ=Manddβ=NthenI=Zifββ=Manddβ=ZthenI=Mifββ=Manddβ=PthenI=Bifββ=Banddβ=NthenI=Zifββ=Banddβ=ZthenI=Mifββ=Banddβ=PthenI=B对于某一时刻刻采样获得的的β，dβ的数值，经过过模糊推理后后的I值表示了此时时驾驶意图。。设置阈值为为d1，d2（（d1>d2）。当I>=d1，，表示驾驶员意意图是使车辆辆加速；d2<I<d1，表示驾驶员无无明显的加速速和减速意图图，称为保持持；I<=d2，，表示示驾驾驶驶员员意意图图是是使使车车辆辆加加速速；；2022/12/24273））综综合合得得到到最最佳佳档档位位如果果I的推推理理结结果果为为““保保持持””，，说说明明驾驾驶驶员员无无明明显显的的加加速速或或减减速速意意图图，，最最佳佳档档位位由由神神经经网网络络的的输输出出决决定定，，即即。。如果果I的推推理理结结果果为为““加加速速””，，当当，，，，换换为为新新档档；；否否则则，，保保持持原原档档位位。。如果果I的推推理理结结果果为为““减减速速””，，当当，，，，换换为为新新档档；；否否则则，，保保持持原原档档位位。。②径径向向基基函函数数的的学学习习算算法法径向向基基函函数数神神经经网网络络RBFN是一个只含一一个隐层的三三层前向网络络，其输入层层到隐层按径径向基函数计计算隐层输出出，从隐层到到输出层按线线性网络计算算输出结点的的输出；它不不仅有全局逼逼近性质，而而且具有最佳佳逼近性能，，同时训练方方法快速，不不存在局部最最优问题。对于图3.12所示MIMO网络，设是是N维输入向量，，，，i=1，2，，…S，是隐层第i个径向基函数数中心，是与与X同维数的向量量，网络有M个输出.隐层层第i结点的输出i=1，2，，…，S，其中，表表示隐隐层中心与输输入向量的Euclidean距离;当径向向基取为Gaussian函数时，，i=1，2，，…S网络的输出是是隐层输出与与连接权值线线性组合，第第j个输出为:，j=1，2，，…M2022/12/2428其中，，图3.12RBFN网络模型RBFN的学习分为两两个可相互独独立两个阶段段:隐层中心心的学习算法法和隐层与输输出层间连接接权值的学习习算法。RBF网络的输出层层和隐含层所所完成的任务务各不相同，，因此它们的的学习策略也也不相同。隐隐含层是对作作用函数（径径向基函数））的参数（中中心c，宽度δ）进行调整，采采用非线性化化策略；输出出层是对线性性权值w进行调整，采采用线性化策策略。通常采采用直接计算算法和自组织织学习选取RBF中心法。1）直接计算算法：在此方法中，，隐单元RBF的中心是随机机地在输入样样本数据中选选取，且中心心固定。当RBF的中心确定之之后，隐单元元的输出是已已知的，网络络的权值就可可以通过求解解线性方程组组确定。但由由于采用了固固定的RBF中心，隐单元元数目要求很很多（比如与与训练样本数数相同），同同时也降低了了RBF网络的逼近能能力。2022/12/24292）自组织学学习选取RBF中心：此时RBF的中心不固定定，隐单元数数目比训练样样本数目少的的多。整个训训练过程分为为非监督学习习和监督学习习两个阶段。。考虑到需要在在线完成换挡挡规律的学习习，采用简单单且很有效的的K-means法调整隐层中中心，采用递递推最小二乘乘算法RLS调节权值。（一）K-means聚类算法是模模式识别领域域中非监督学学习算法，其其原理是首先先初始化中心心，然后将输输入样本按最最临近规则分分组，调整RBF网络隐层中心心的K-means算法如下：（1）随机给给出初始中心心和和初始学习率率a(0)∈(0，1);对于全部样本本N反复进行以下下2、3步骤骤：（2）输入样样本与隐层中中心的距离，，并找出与样样本k距离最小的中中心l：，1≤i≤S，，k=1,2,…N式中，k­——样本号,N——样本总数i——隐层中心号，，S——隐层中心总数数。（3）调整中中心及重新计计算第l结点的距离：：1≤i≤S，当i≠l2022/12/2430其中，为学习率。

（二）RBFN网络权值的递递推最小二乘乘算法RLS如下:对于多输入多多输出的RBF网络，由上可可知网络的输输出为j=1，2，，…M在第n时刻，定义误误差评价函数数为式中，λ称为遗忘因子子，其作用是是将过去样本本对当前估计计值的影响逐逐渐忘掉，使使估计值尽量量反映当前样样本特性，，，，，分分别别表示输出节节点j的误差、期望望输出和实际际输出。为了通过训练练学习来调整整权值，，对对评价函数求求导数，，并令其为零零，可以得到到调整权值的的递推最小二二乘算法RLS如下：2022/12/2431令其中，进一步，令，，利用矩阵阵求逆可得递递推公式。（1）给定初初始权值，，训练样本本逆相关阵初初始值PSXS(0)和递推迭代的的结束值，，对对于输入的样样本，递推过过程如下:（2）根据输输入的样本和和调整好的中中心，计算隐隐层结点的输输出，i=1，2，，...S（3）计算增增益矩阵其中，λ为遗忘因子。。2022/12/2432（4）更新连连接权值，j=1，2，，…M其中，误差,是是网络输入入样本时第j个输出结点的的期望输出。。（5）更新矩矩阵P（6）误差评评价函数E(n)，如果E>转（3）继续续计算，否则则迭代结束。。2022/12/24332.电控液液力机械式自自动变速器人人工神经网络络自动变速研研究以装备有4D180型液力机械式式自动变速器器的ZL50C装载机为参考考，分析了一一种基于人工工神经网络（（ANN）控制的，可以以根据作业工工况实现工程程车辆液力机机械式自动变变速器自动换换档的换档策策略。液力机械式自自动变速器中中，由于液力力变矩器的液液力损失，加加上驾驶员操操纵不当，使使得变矩器可可能经常工作作在低效率区区，影响了整整机的使用效效率，加大了了作业成本，，从这种情况况下出发，利利用人工神经经网络的模式式识别能力，，对输入的采采样数据进行行分类，辨别别最佳换档时时刻，确定合合适的档位，，从而改变变变矩器的工作作状态，使其其工作在高效效区。以此实实现车辆保证证动力性的同同时兼顾经济济性之操作目目的。（1）换档控制策策略4D180型液力机械械式变速器器具有前进进、后退档档位各4个个。由装载载机液力机机械变速器器试验结果果，作出了了发动机与与变速器共共同工作时时的变速器器效率与输输出动力的的特性曲线线，当发动动机油门开开度一定时时，即发动动机输出转转速一定时时，液力机机械式变速速器升档时时各档位效效率和输出出转矩的统统计特性如如图3.13所示。。效率η/%040080012001600200020406080IIIIIIIV02022/12/2434输出转矩/kN.m1234IIIIIIIV00480800120016002000液力机械变速器输出转速/图3.134D180型液力机械式变速器输出转速/（2）控制原理在不同的油油门开度下下将相邻两两档的换档档点连结起起来形成换换档线，这这样有3条条换档线将将整个工作作区分为4个档位区区，当工作作点通过该该线时，系系统实现换换档。应用用具有误差差反向传播播的BP神经网络可可以识别出出系统工作作点所在的的档位区，，从而进行行换档操作作。由于实际换换档时有““速差”存存在，即系系统升档与与降档曲线线不重合，，这样就应应该有2个个网络分别别识别升、、降档状态态。升、降档网网络都采用用3-7-3BP网络结构，，即输入层层3个节点点，输入油油门、车速速、加速度度信号，中中间隐层7个节点，，输出层3个节点，，输出3位位档位编码码。隐层的的节点k的输出2022/12/2435式中:为为连接接隐层第k节点和输入入层的权向向量，，，k=1，2，…，7；θ为隐层的阈阈值向量，，；；x为网络的输输入向量，，。。输出层的输输出形式与与隐层类似似。给定输入输输出样本(X，Y)，，权值按下式式调整式中:为为各层层的输入向向量;为为学习率率。使得误差最最小，式式中:Y为网络希望望输出，。。对于输出层层对于隐层式中:Φ′为函数对其其自变量的的导数。阈值的调整整具有和权权值类似的的形式。设设定档位编编码Yi(out)=000、、001、、010、、100，，i=1、、2、3、、4分别代表I、II、、III、、IV档。利用合合适的输入入输出样本本训练网络络的权、阈阈值，然后后，任给一一个测试数数据x，网络将输出出这个数据据的中心，，通通过判断它它到各个档档位编码的的欧氏距离离，实现了了对输入数数据分类。。2022/12/2436（3）神经网络的的训练神经网络采采用离线训训练的方式式，即运行行整车模型型，利用它它产生的工工作信号（（油门开度度、车速、、加速度）），由函数数进行网络络的训练运运算，然后后将训练好好的前、后后档网络权权值、阈值值存入相应应的控制器器模型。控控制器可根根据工况正正确识别换换档点，通通过换档使使变速器工工作在各档档高效率区区。3.电控机械式式无级变速速器的模糊糊控制策略略无级变速传传动是汽车车理想的传传动方式，，使各国研研究者和汽汽车公司研研究的重点点。金属带带式无级变变速器的出出现和电子子技术在汽汽车上的应应用，使得得轿车无级级变速迅速速发展。金金属带式无无级变速器器使发动机机输出功率率和路面行行驶阻力达达到动态匹匹配，使发发动机稳定定在最佳工工作点，即即经济转速速下工作，，节油率在在10%以以上。即使使无级变速速器由于靠靠摩擦传动动，效率较较低，但具具有传动比比连续、传传动动力平平稳、操纵纵动力平稳稳，操纵方方便等特点点。因此，，只要内燃燃机仍作为为车用发动动机，开发发无级变速速传动将是是必然的趋趋势。无级变速控控制包括速比控制和线压控制。速比控制制要求在所所有行驶路路况下汽车车行使性能能达到最优优，通过控控制