基于拥堵工况辨识的车辆自动变速器换挡控制

针对拥堵工况下车辆自动变速器频繁换挡的问题,选取车辆平均车速、平均节气门开度和采样时间内制动踏板作动次数为评价因子,建立T-S模糊神经网络进行拥堵工况辨识,提出基于拥堵工况辨识的车辆自动变速器分层修正控制策略;将车辆自动变速控制分为上层辨识决策层与下层换挡执行层,上层采用T-S模糊神经网络进行拥堵工况辨识与换挡修正决策;下层接收上层修正控制指令执行换挡修正。仿真与实车试验结果表明:采用TS模糊神经网络可准确识别拥堵工况,基于拥堵工况辨识的车辆自动变速分层修正控制策略可有效避免拥堵工况时频繁换挡,减少换挡执行部件和制动系统的磨损。     

基于车辆动力学的道路坡度与整车质量估计

基于动力学方法估计自动变速器坡道换挡控制所需的道路坡度和整车质量。建立7速双离合自动变速器动力学模型,利用卡尔曼滤波算法估计变速器输出轴转矩,将其作为道路坡度和整车质量估计算法的输入。基于整车纵向动力学方程,采用改进型递推最小二乘法设计道路坡度和整车质量实时估计算法。仿真和实车试验结果表明,开发的估计算法能在不增加传感器的前提下实现较为准确的道路坡度和整车质量估计。     

基于三轴加速度计最小二乘法质量和坡度估计

本文采用一种VCU控制器自带的ADXL313型号三轴加速度计传感器,结合三轴加速度计的数值,通过遗忘因子递推最小二乘法对质量进行估计,提出基于车辆纵向动力学和加速度传感器信号的质量最小二乘估计模型,来准确估计整车车重,并估计出道路坡度值。通过本论文,可以让主机厂不额外增加整车的费用,不改变整车的线束和布置,可以通过遗忘因子递推最小二乘法对车重、坡度进行准确估算,这在纯电商用车领域对于换挡的控制和换挡品质的提升具有重要的意义。     

驾驶机器人车辆动态制动力矩补偿

为了减小长期自动驾驶过程中制动性能下降带来的影响,提出了一种驾驶机器人车辆动态制动力矩补偿方法。首先建立了以车速和制动踏板力为输入,制动力矩为输出的驾驶机器人车辆制动性能离线自学习模型。然后考虑到驾驶机器人车辆长期自动驾驶导致离线自学习模型可靠性下降,建立了以车速和制动踏板力为输入,制动力矩为输出的扩展自回归在线辨识模型,并采用模糊变遗忘因子递推最小二乘法进行参数辨识。模糊变遗忘因子递推最小二乘法通过引入遗忘因子的方式,对数据施加时变加权系数,以避免出现数据增长导致的数据饱和现象。模糊变遗忘因子控制器以制动力矩辨识误差为输入,经模糊规则推理实时输出合适的遗忘因子进行参数辨识,能够有效均衡驾驶机器人车辆制动性能参数辨识的稳定性与收敛速度。驾驶机器人车辆自动驾驶过程中,根据当前车速与目标车速的大小计算出所需的制动力矩,加上反馈回来的制动力矩误差,并结合当前时刻的车速,利用制动性能离线自学习模型与机械腿逆向运动学模型实时计算出制动电机输出位移量,实现对驾驶机器人车辆制动力矩的在线补偿。仿真与试验结果表明:利用所提出的方法对车辆动态制动力矩进行辨识时,通过调节遗忘因子,辨识结果能够快速收敛且辨识误差较小。在此基础上,控制驾驶机器人车辆进行纵向车速跟踪时,能够有效减小制动性能下降造成的影响,保证控制车速跟踪误差在±1km·h-1之内。     

基于载荷和坡道识别的纯电动客车自适应换挡策略研究

针对车辆载荷和道路坡度难以实时准确测量的问题,运用无迹卡尔曼滤波算法设计了整车质量和道路坡度联合估计算法,快速有效地估计整车质量和道路坡度,并根据实时辨识结果,采用线性插值的方式构建自适应换挡策略实现了电动汽车换挡规律的动态修正,实车试验结果表明,该算法能够有效地避免因车辆载荷或道路坡度变化带来的车辆意外换挡和换挡循环问题。     

AMT选换挡机构自学习控制策略研究

制造公差和长期使用而磨损等因素使机械式自动变速器的选换挡机构中产生位置偏差,影响到准确、快速地实现选换挡。为提高机械式自动变速器的鲁棒性,提出了选换挡机构自学习控制策略,分别由控制软件实现变速器装配完成后的(离线)位置初始化和变速器使用过程中的(在线)位置修正。试验表明,选换挡机构自学习控制策略取得了满意的效果。     

基于小波和粒子群算法的HEV行驶状况辨识方法研究

针对混合动力汽车(HEV)行驶状况(道路坡度和整车载荷)变化难以有效识别,导致驱动系统控制策略不能有效满足驾驶员意图问题,以混联式HEV为研究对象,提出了基于小波滤波和粒子群算法的HEV行驶状况辨识方法。首先建立了汽车行驶状况辨识模型,采用最小二乘法确立了优化目标函数,其次研究了基于小波滤波和粒子群算法的HEV行驶状况辨识原理,最后进行了行驶状况粒子群智能算法辨识试验。在采集实车数据的基础上,对实车数据进行小波滤波,并运用行驶状况辨识方法对道路坡度和整车载荷进行了辨识,并对辨识结果进行小波滤波,结果表明,试验工况下整车载荷辨识的相对误差绝对平均值为2.71%,道路坡度辨识的相对误差绝对平均值为3.85%,验证了所提出方法的有效性。     

电控自动变速器升挡转矩相控制策略

为动态分析自动变速器换挡过程中的转矩相,建立了动力换挡系统模型.针对传统控制策略所产生的换挡冲击问题,基于改善换挡平顺性的要求提出理想转矩相的控制目标,以变化的转矩变化率代替传统控制策略固定的转矩变化率.为减小油温、载荷等工况的变化对转矩相控制过程的扰动,设计了模型参考自适应控制器,并以待分离离合器速差的变化率作为反馈变量对开环控制参数进行自适应修正.实车试验验证了所提出的控制策略可有效减小自动变速器的换挡冲击.     

基于驱动力控制的双电机独立驱动电动汽车DYC系统研究

DYC(Direct Yaw moment Control,直接横摆力矩控制)能够提高汽车的操纵稳定性。提出一种采用分层控制结构的DYC控制系统,上层为横摆力矩决策层,采用滑模变结构控制,计算保持整车稳定所需要的附加横摆力矩;下层为横摆力矩分配层,将决策层得出的附加横摆力矩分配到每个驱动电机,并输出相应转矩。通过建立Car Sim和Simulink联合仿真平台,在双移线工况下,验证控制策略能够提高整车的操纵稳定性。     

电动轮汽车车速与道路坡度估计

针对电动轮汽车车速与道路坡度估计问题,本文中基于纵向非线性动力学方程设计1阶扩张状态观测器对车速与坡度进行联合估计,分析了估计稳态误差;同时,采用带遗忘因子的递归最小二乘估计算法分离加速度传感器信号中的坡度信息,并设置了比例系数来融合两类坡度信息,最终得到道路坡度估计值。搭建MATLAB/Simulink-Carsim联合仿真平台进行变坡度路面仿真,并在实际坡道路面完成实车测试。仿真与试验结果表明,所提出的方法简单、可行。     

人-车-路闭环系统中的双离合器式自动变速器车辆换挡规律

结合不同驾驶员意图、整车质量参数和道路状况,制定了人-车-路闭环系统中双离合器式自动变速器车辆的修正型换挡规律。对修正型换挡规律下的系统进行仿真研究表明,该规律有助于消除频繁升降挡现象。基于xPC平台,建立了干式双离合器式自动变速器控制系统的硬件在环仿真试验台。结合复杂路面,采用比例-积分-微分控制器,针对普通和修正型换挡规律两种情况分别进行硬件在环仿真,结果验证了修正型规律有效性,有助于减少作动器的动作次数。     

油门踏板快速松开时自动变速器换挡控制

针对装备自动变速器的车辆在油门踏板快速松开时的意外换挡问题,通过采集车速、油门和制动信号并结合2参数换挡规律,找到了该车辆意外换挡的原因.对该车TCU换挡控制策略进行了优化.建立整车纵向动力学仿真模型,以实车采集到的油门、制动信号作为模型的输入量进行了仿真试验,并通过实车试验对优化后策略进行了验证.结果表明,优化后策略...     

电动客车AMT换挡执行机构状态估计及参数辨识EI北大核心CSCD

为了改善AMT换挡执行机构参数时变下的换挡性能,在考虑系统模型高度非线性、系统噪声特性未知的情况下,本文中提出了一种基于非线性H∞算法的分层状态估计和参数辨识方法。首先,通过实验发现了换挡执行机构参数时变的问题,并针对换挡执行机构建立了非线性模型。然后,设计了分层状态估计和参数辨识器,上、下两层估计器均基于非线性H∞算法设计。上层估计器对执行机构的状态进行估计,并将结果转移到下层估计器;下层估计器利用上层估计器处理完的状态量作为量测量,利用系统模型作为量测方程对系统参数进行辨识;上、下层估计器的协同运行对换挡执行机构的状态进行估计,对结构参数和电性能参数进行辨识。最后,设计了一种基于自动标定的状态估计和参数辨识流程,在对换挡位置值进行标定修正的同时实现对换挡执行机构的参数辨识。实验结果表明,本文提出的分层状态估计和参数辨识方法能准确的对换挡执行机构的状态、参数进行估计和辨识。修正参数后,系统的换挡性能得到改善。     

基于改进最小二乘法的永磁无刷电机参数辨识

针对遗忘因子最小二乘法辨识结果容易发生波动的缺点,通过引入选择控制器,提出了一种改进最小二乘法电机参数辨识器,当电机参数发生改变时,利用选择控制器进行切换辨识算法及对辨识器进行初始化,实现对参数更快、更准、更稳的实时在线辨识。仿真试验结果表明改进最小二乘法参数辨识器克服了遗忘因子最小二乘法辨识器辨识结果的波动现象,其辨识速度更快,精度更高,稳定性更好,并且在电机不同转速下均能很好地在线辨识出电机参数。     

分布式驱动电动汽车复合制动系统转矩分配控制策略仿真

针对分布式驱动电动汽车,提出了一种复合制动系统控制策略。采用分层的制动转矩分配控制结构,上层控制器采用滑模控制策略,对目标纵向力和横摆力矩进行求解,以满足车辆在制动时制动效能和制动稳定性的要求;下层控制器采用加权最小二乘控制,对四轮液压制动转矩和电机制动转矩进行分配,通过增大电机制动力分配的权值达到能量回收的最大化,并采用有效集算法完成目标函数的求解。在此基础上,在Simulink中建立了7自由度整车动力学模型,在对开路面的工况下进行了仿真分析,结果表明:所制定的控制策略能满足要求,在保证车辆制动稳定性的同时,最大限度回收制动能量。     

适应坡道行驶的多性能综合最优换挡规律

针对换挡规律坡道适应性问题,本文中研究了适应坡道行驶的有级自动变速汽车多性能综合最优换挡规律优化方法。首先,分析坡道对换挡的影响,提出可由不同节气门开度下各挡驱动力与不同坡度行驶阻力之间的关系确定挡位范围。其次,采用理想点与平方和线性加权法构造综合性能评价函数,以在体现驾驶员性能倾向的前提下实现整车动力性和燃油经济性综合最优。然后,以综合性能评价函数最小为优化目标并考虑坡道行驶约束条件,提出基于遗传算法的坡道行驶多性能综合最优换挡规律优化方法。运用所提出的优化方法,制定了某5挡机械式自动变速器多性能综合最优坡道换挡规律。最后,在定油门定坡道、定油门变坡道、变油门定坡道循环工况、变油门变坡道循环工况下对考虑坡道和未考虑坡道的多性能综合最优换挡规律进行仿真验证。结果表明:在4种坡道行驶条件下,多性能综合最优坡道换挡规律均可消除非预期换挡,提高乘坐舒适性。在修改后的可变坡度高速公路循环工况下,使用多性能综合最优坡道换挡规律汽车的燃油经济性仅略低于使用常规换挡规律的汽车,降幅约为0.8%。进一步完成了定坡度动力性仿真,结果表明制定的多性能综合最优坡道换挡规律能够反映驾驶者的性能需求意图。     

考虑预碰撞时间的自动紧急制动系统分层控制策略研究

为提升汽车的主动安全,对车辆自动紧急制动系统控制策略进行研究。利用分层控制的思想对控制策略进行建模,上层控制器为对车辆制动减速度进行决策的预碰撞时间模型,根据汽车追尾事故深度调查的驾驶员紧急制动数据分析制动系统的制动减速度,在考虑舒适性的条件下确定预碰撞时间阈值。下层控制器按照上层控制器输出的制动减速度,分析车辆轮胎模型和制动系统的关系,通过PID控制调节制动压力对车辆进行控制。在安全评价规程标准工况下验证控制策略的可靠性,通过追尾事故场景的重建来验证控制策略的有效性。仿真结果表明:设计的控制策略在相对车速65km/h以内时能有效避撞,而高于65km/h时能最大程度地降低碰撞车速,减小伤害。     

纯电动轿车自动驻车制动系统控制策略研究

随着社会的进步和发展,汽车主动安全技术不断提高,汽车自动驻车制动系统成为一种新发展起来的电子控制技术.文章针对纯电动轿车车身稳定控制系统方案,设计了自动驻车制动控制策略,以满足整车在坡道上的起步性能要求.最后根据道路试验数据对设计的控制策略进行了验证,为自动驻车制动系统的开发设计提供参考.     

商用车AMT智能换挡规律设计及标定方法

文章以一款电控机械式自动变速器（AMT）车型为研究对象,基于坡度、载重、行驶环境等因素,开发不同工况下的控制策略,精准标定。在满足细分市场客户动力性需求的前提下,结合发动机燃油消耗率图谱、排放热管理图谱,标定电控机械式自动变速器换挡升降挡曲线,保证车辆运营于发动机最优燃油经济、排放性能区间,使整车油耗最优,实现排放一致性达标,以满足法规及客户需求。     

基于动态优选遗忘因子最小二乘在线辨识的磷酸铁锂电池SOC估算

为提高行驶中电动汽车的动力电池荷电状态(SOC)估算精度,以磷酸铁锂电池为例,提出了一种基于粒子群优选遗忘因子最小二乘(PSO-FFRLS)在线辨识模型的电池SOC估算方法。首先建立电池二阶等效电路模型,然后运用粒子群优化(PSO)算法实时为遗忘因子递推最小二乘法(FFRLS)优选最佳遗忘因子,最后,在动态工况下,对比了常用定遗忘因子最小二乘和PSO-FFRLS的在线辨识端电压误差,并分别与扩展卡尔曼滤波(EKF)算法联合,对比2种方法的估算效果。结果表明,PSO-FFRLS的端电压在线辨识结果能更好地跟随实测电压且误差极小,其与EKF的联合算法对SOC的估算精度也更高。