电动AMT选换挡电机执行机构位置最优控制

基于线性二次型最优控制和滑模控制的理论,提出了一种选换挡电机的位置最优控制方法,并将它应用于电动AMT汽车选换挡电机执行机构的控制上。仿真与实车试验结果都表明,该方法能有效减少电动AMT的换挡时间和动力中断,增强稳定性和鲁棒性,提高换挡品质,最终改善汽车的动力性和舒适性。     

纯电动客车AMT换挡策略研究与仿真分析

以某款AMT纯电动客车为研究对象,兼顾车辆动力性及经济性制定组合型双参数换挡策略;利用Cruise软件建立整车模型,对车辆动力性及经济性进行仿真分析,以验证换挡策略的可行性。     

电动客车AMT换挡过程控制策略的研究

针对电动客车BK6122EV存在的换低挡困难问题,通过建立换挡过程的数学模型和仿真,分析了换挡控制参数对换挡过程的影响,提出了根据目标挡位选取适当的目标调速值以改善换挡质量的控制策略;接着对基于Pro/E和ADAMS建立的模型进行了动力学仿真,提出了目标调速值的设定原则;最后通过实车试验验证了该策略可缩短换挡时间,提高...     

AMT选换挡执行机构动态试验研究分析

利用选换挡执行机构在变速箱专用台架上进行的耐久试验及位置传感器、电流传感器、上位机程序采集,对选换挡执行机构换挡位置数据进行了分析,并对换挡位置随耐久次数变化而如何改变进行了初探。     

两挡AMT换挡执行机构壳体可靠性研究

本文以两挡AMT换挡执行机构壳体为研究对象,对壳体的受力情况进行分析,并重点关注壳体易发生失效的区域,然后通过有限元仿真与振动试验相结合的方式对壳体强度进行校核,以此验证模型的可靠性,希望为执行机构壳体的最终定型节约成本和时间。     

军用重型牵引车的AMT液压驱动换挡执行机构

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,     

一种提高纯电动AMT换挡性能的方法

介绍一种提高纯电动AMT换挡性能的方法,由于换挡机构的滚珠丝杠自锁作用,在换挡末期拨叉金属块与滑套壁面一直接触且处于受力状态,长时间作用导致换挡金属块磨损,最终在相同的控制参数下,存在脱挡的风险。该文通过优化控制策略并在金属块中增加相应的监控装置,监测换挡金属块与滑套壁面的接触情况,通过PID控制实现退至合适的位置,从而使拨叉处于不受力状态,提高产品性能,增加产品可靠性。     

纯电动客车的AMT换挡能量管理

以纯电动客车搭载3挡AMT(AutomatedMechanical Transmission,机械式自动变速器)进行研究,以现有动力系统参数为基础,考虑客车动力学模型、电机效率模型、AMT换挡模型、动力电池内阻模型等,进行整车仿真。以经济性为主要研究目标,考虑中国典型工况、西安工况场景下对纯电动客车进行换挡能量策略管理,结果表明,制定的3挡AMT控制策略可以使纯电动客车进行经济性换挡,达到预期目标。     

TC+AMT换挡离合器控制参数设计与优化

简述了某车辆采用的TC+AMT自动变速系统结构,并针对影响该车换挡品质的换挡离合器充放油特性与充放油规律进行了离合器控制参数的设计.由换挡品质评价指标构造优化目标函数,对缓冲充油速率与结合速差等关键控制参数进行多目标优化.给出了离合器最优控制规律.对装有TC+AMT自动变速系统的样车进行了100％油门开度下1挡升2挡试...     

纯电动大客车AMT换挡过程仿真研究

以目前纯电动大客车上普遍采用的电控机械式自动变速器(AMT)为研究对象,应用Pro/E和ADAMS软件建立了基于齿轮接触算法的变速器虚拟样机模型,并对同步器在换挡过程中的动力学模型进行了描述,得到了与实车试验结果相一致的仿真结果。     

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。     

混合动力AMT系统自学习功能开发及应用

AMT系统是在传统机械式变速器基础上加装选换挡执行机构,同时匹配自动离合器的一种可实现自动换挡的装置。离合器、变速器在制造、装配以及维修后容易造成定位失调,导致离合器结合粗暴、换挡卡滞等一系列问题。本文阐述一种AMT系统离合器及选换挡执行机构自学习功能的开发及应用,并在某自主研发的混合动力公交车上取得良好效果。     

纯电动轿车AMT换挡过程协调匹配控制方法

为实现装备机械式自动变速器（AMT）的纯电动轿车能够快速、准确、平稳地换挡,以建立的换挡过程数学模型为基础,详细分析了换挡过程不同阶段换挡冲击产生的机理,提出了摘挡前驱动电机切换至自由模式的转矩控制方法,确定了摘挡后驱动电机调速目标值和执行机构最优运动速度,提出了挂挡完成后驱动电机转矩恢复方法。针对换挡过程驱动电机的协调控制问题,提出了整车控制器控制驱动电机参与换挡过程的综合协调匹配控制方法。为了验证控制策略的正确性,研制开发了纯电动轿车用AMT样机,并进行了样车道路试验。试验结果表明：所制定的控制策略能很好地实现挡位的自动平顺切换,且换挡时间短。     

增程式低速电动轿车参数匹配与仿真EI北大核心CSCD

以某款增程式低速电动轿车为研究对象,在整车性能指标和系统结构确定的基础上,从电驱动系统、电储能系统、传动系统和辅助动力单元出发,对整车动力系统进行了参数匹配。同时利用电动汽车仿真软件Advisor,在UDDS循环工况下对整车性能进行了仿真分析。结果表明,所确定的动力系统方案满足整车基本性能要求。     

某型混合动力汽车协调换挡控制策略的研究EI北大核心CSCD

本文针对一款装有机械式自动变速器和后驱电机的混合动力汽车开发了协调换挡控制策略,对车辆冲击和离合器摩擦损失进行优化。控制策略将换挡过程分为发动机主动调速、离合器接合和恢复并联驱动3个阶段。采用模糊PID控制器和模糊控制器分别进行发动机转速调节和离合器接合速度调节,并用电机对动力系统转矩波动进行补偿。仿真和台架试验结果,采用虽然该协调控制策略虽然换挡时间相对延长,但能同时减小车辆冲击和离合器摩擦损失,将冲击度控制在±4 m/s^3范围内,并只产生很小的离合器摩擦损失,汽车的换挡品质得到明显改善。     

AMT汽车动态模糊神经网络三参数换挡策略研究

提出了动态模糊神经网络三参数换挡控制原理及其控制器训练算法,将该控制器运用到长安羚羊AMT轿车上,进行神经网络三参数换挡控制仿真与试验,并与两参数换挡进行了比较。结果表明,采用动态模糊神经网络三参数换挡比两参数换挡更符合驾驶员的换挡经验和习惯,挡位切换曲面变化平滑,比传统计算法求解换挡规律更简便,易于实现,鲁棒性更强。     

汽车质心侧偏角融合估计方法EI北大核心CSCD

基于质心侧偏角的运动学与动力学估计方法,提出了一种新的质心侧偏角融合估计器。它有3个基于不同估计模型的卡尔曼子滤波器,分别独立估计横向车速,并作为初步估计结果送入主滤波器,主滤波器根据信息融合规则,对这些初步估计结果进行融合,得到全局融合估计结果,最后用它算出质心侧偏角。实车试验结果显示,相比于单一估计方法,融合估计器有更高的估计精度和对传感器信号偏差的鲁棒性。     

基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆状态估计EI北大核心CSCD

本文中提出了一种基于改进的Sage-Husa自适应扩展卡尔曼滤波的车辆行驶状态估计算法。首先建立了非线性3自由度车辆估算模型和Dugoff轮胎模型。接着通过对纵向加速度、侧向加速度、横摆角速度和转向盘转角等低成本传感器信号的信息融合,实现对车辆行驶状态的准确估计。最后应用CarSim和Matlab/Simulink联合仿真对算法进行验证。结果表明:基于改进的Sage-Husa自适应扩展卡尔曼滤波的估计算法能比扩展卡尔曼滤波算法更准确、稳定地估计车辆行驶状态。     

基于GRI的多车协同定位研究EI北大核心CSCD

为提高自动驾驶技术中的车辆定位精度,提出了一种基于GRI的多车协同定位方法。采用该方法时,一辆车依据GPS定位信息对本车位置进行估计,再通过车车通信接收周围车辆发来的根据其GPS测定的位置及其与该车相对位置而估计的该车位置。将这些位置信息进行融合,通过一定的修正,估算出该辆车更为精确的位置。最后应用MATLAB对所提出方法进行仿真,以模拟多车直行跟随和换道行驶场景。结果表明,该方法合理、可行,能有效提高车辆的定位精度,具有广阔的工程应用前景。     

一种改进的动力电池阻抗参数和荷电状态分层在线联合估计方法

传统的电池模型参数和荷电状态SOC联合估计算法通常采用双层架构:一个递推估计器辨识所有模型参数,另一个递推估计器推测SOC。由于待辨识参数较多,该算法往往存在调参麻烦、鲁棒性不高等问题。为解决该问题,本文中提出一种基于3层架构的阻抗参数和SOC在线联合估计算法,将欧姆内阻和极化参数分开辨识,以降低问题的复杂度。另外,通过分析1阶RC模型建模误差的动态特征,引入一个基于1阶惯性环节的集总误差模型,提高了1阶RC模型的精度。两组实车运行工况数据的验证结果表明:所提出算法的鲁棒性比传统算法明显提高,精度也有所提升;25和-20℃工况下的SOC估计误差能分别快速收敛到2%和3%以内。同时,敏感性分析结果表明,该算法对初始误差也具有较好的鲁棒性。