基于BP及其优化神经网络的双电机多挡AMT挡位决策研究

针对传统BP神经网络挡位决策存在的不足,利用三参数换挡规律进行算法和参数优化,得到优化后的BP神经网络。以纯电动汽车双电机多挡AMT为对象,采集试验数据,构建优化前后的神经网络,进行训练和仿真分析。对训练过程的分析说明,优化后的神经网络具有更快的学习速度;对训练后相应模型的仿真分析说明,优化后的神经网络挡位决策模型具有更高的精度。经过优化后的参数可为相应的理论研究提供参考。

取力器全齿侧间隙测量方法及影响因素研究

齿侧间隙的测量是齿轮副啮合质量检测的重要环节之一。针对现有测量方法效率和精度不高的问题,以汽车取力器中准双曲面齿轮为研究对象,提出了一种精度和效率较高的全齿侧间隙自动化测量方法。设计试验台对其进行试验验证,讨论了试验台硬件设计、机械结构和控制策略,并分析了齿侧间隙的影响因素。最后验证该方法能够测得齿轮副全齿侧间隙值,达到工业生产要求的效率和精度。研究结果对实现取力器全齿侧间隙的自动化检测有理论和实用价值。