共查询到20条相似文献,搜索用时 815 毫秒
1.
2.
3.
由于目前的各种变速器都有其自身缺陷,为了克服这些缺陷,文章提出了一种多离合器式自动变速器,并介绍了其工作过程。该变速器包括离合器、2挡或2挡以上的机械变速器、控制系统TCU。该变速器结构简单、换挡控制策略简单、传递效率高。由于在换挡过程中,一个挡位的2个离合器分离的同时,另一个挡位的2个离合器接合,因此该换挡过程不存在动力中断,能实现动力换挡,满足了车辆对变速器的各种要求。 相似文献
4.
为了解决采用传统换挡规律时纯电动汽车在不同工况下难以获得最佳换挡性能的问题,提出了一种基于知识的两挡变速器挡位决策方法。首先,建立纯电动汽车动力学模型,通过动态规划获得最优挡位数据,基于支持向量机制定静态两参数换挡规律;然后采集驾驶员手动换挡数据构建专属知识库,基于长短时记忆网络建立智能挡位决策模型,通过空中下载技术实现挡位决策模型更新;最后通过仿真验证所提出方法的有效性。仿真结果表明,长短时记忆网络模型具有较高的挡位决策精度,所提出的基于知识的智能挡位决策方法相较于传统两参数换挡规律具有更好的换挡性能。 相似文献
5.
6.
双离合器式自动变速器简介 总被引:9,自引:0,他引:9
为了开发具有良好动力性和燃油经济性的自动变速器,并且充分利用现有的手动变速器生产设备,采用将手动变速器自动化的方法,是目前自动变速领域内一个热门发展方向。介绍了一种采用双离合器构成的自动变速器,它是基于传统的平行轴式手动变速器发展而来的,采用2个离合器,并将变速器挡位与2个离合器重新配置。当车辆以某一挡运行时,可以把下一个挡位预先啮合,车辆达到换挡点时只需切换2个离合器即可完成换挡动作。这种自动变速器克服了AMT的缺点,实现了动力换挡,因此,提高了车辆的动力性和燃油经济性。 相似文献
7.
09E自动变速器具有挡位多、变速范围大、燃油经济性好、污染排放量低、结构紧凑、成本低等优点。同时具备增设挡位和扩大变速范围就能有效地提升燃油经济性和降低污染排放量的特点。“Lepelletier”的行星齿轮组是由一个Ravigneaux-双行星齿轮组和一个初级行星齿轮机构组合而成的六挡行星齿轮装置,并且变速器的换挡执行元件含有3个离合器和两个制动器,通过5个换挡执行元件的配合,从而实现换挡。各挡位在换挡执行元件的配合下,分析行星齿轮装置各部件的运动状态,进而分析出变速器各挡位的动力传递过程,并通过联立运动方程计算出相应的传动比。掌握自动变速器行星齿轮装置的结构原理、换挡执行元件及动力传递路线是自动变速器故障诊断的重要依据。 相似文献
8.
为解决传统自动变速车辆下坡行驶时意外升挡等问题,从发动机制动特性出发,分析了车辆带挡滑行时的动力学特性。在此基础上,结合公路设计标准确定了目标参考车速和约束挡位,制定了基于道路坡度信息的下坡工况换挡控制策略,并运用Matlab/Simulink和驾驶模拟器进行了驾驶员在环仿真实验。结果表明:该换挡策略能有效解决通常自动变速车辆下坡行驶时存在的问题,并能在一定程度上体现驾驶员的驾驶意图;既能充分利用发动机的制动作用,又能在保证安全的同时兼顾行驶效率,更好地满足了自动变速车辆坡道行驶的要求。 相似文献
9.
军用重型牵引车在野战下使用条件恶劣.变速器负载大、挡位多、选换挡操纵复杂,大大增加了驾驶员的工作强度,对车辆行驶性能产生较大影响。如果采用电控机械式自动变速器(AMT),对传统的重型车手动变速器通过电控改进,在车辆基本不改变原车结构和各总成零部件的前提下,将配备手动变速器车辆的离合器操纵总成和换挡操纵等零部件替换为必要的控制和执行机构, 相似文献
10.
正近年来与乘用车配套的行星自动变速器挡位数已从普及6挡位发展到了8至9挡位,其速比范围不断扩大,速比间隔逐渐变小,有效地改善了变速器换挡品质,提高了车辆的经济性和驾驶平顺性。采用行星机构自动变速器后各齿轮和构件之间的运动关系(构件的速度和方向)、传动情况(传动路线和传动比)等在过去大多数文献 相似文献
11.
12.
大量证据表明,驾驶人分心是导致交通事故的主要原因之一。当前基于侵入式(如脑电波等)或半侵入式(如视频等)检测驾驶人分心的方法,不仅对驾驶任务造成一定干扰,且受多种环境因素的制约,误报率较高。基于此,只考虑非侵入式车辆运动特征,提出一种基于深度学习的驾驶人分心状态识别方法:首先,从自然驾驶数据集中获得大量的跟驰片段,采用态势感知方法,提取典型的分心驾驶片段,并建立仅包含车辆运动学特征的分心判别指标集;其次,利用梯度提升决策树-递归特征消除算法(GBDT-RFE)和随机森林-递归特征消除算法(RF-RFE)对特征进行重要度排序,得到重要度较高的分心监测指标;最后,采用长短时记忆神经网络(LSTM-NN)实现分心驾驶的分类识别,并与支持向量机和AdaBoost的模型结果进行对比。研究结果表明:LSTM-NN在判别分心或正常状态时F1分别为89%、91%,高于SVM和AdaBoost对应二分类结果;进行多分类任务时,判别分心情景的平均F1较SVM和AdaBoost分别提升了12%和7%,不同类别分心识别的误报率在15%以下,说明LSTM-NN能够有效学习分心序列的前后信息,有利于准确估计驾驶人的状态。研究结果可为车辆分心预警系统和驾驶风险倾向性评估提供方法基础。 相似文献
13.
14.
15.
16.
17.
18.
19.