重型拖拉机全动力换挡变速箱自动换挡策略研究

以一种用于220 kW拖拉机全动力换挡变速箱为研究对象,基于经济性、动力性为控制核心制定了道路运输和田间作业(犁耕)模式的标准型自动换挡策略,在全动力换挡变速箱基础上实现全自动换挡。为进一步提升不同工况下自动换挡策略的工况适应性,制定了智能型自动换挡策略,在道路运输自动换挡策略中,以燃油消耗总量为优化目标,换挡点车速和换挡延迟时间作为设计变量,对控制策略进行优化;在犁耕作业自动换挡策略中,引入滑转率变化量和车速变化量2个修正参数,通过模糊控制规则实时修正换挡点车速。基于AMESim和Matlab/Simulink建立了拖拉机仿真模型,开展自动换挡策略仿真。仿真结果表明,相较于标准型自动换挡策略,道路运输工况下,拖拉机燃油消耗总量下降6.71%;犁耕作业工况下,换挡次数降低36.5%,燃油消耗总量下降2.85%。通过台架试验验证了道路运输模式自动换挡略的有效性。

基于模糊规则递推的车辆自动换挡策略仿真研究

基于模糊规则递推调整算法的车辆自动换挡控制策略,建立了履带车辆模糊换挡控制器模型,以Matlab/Simulink中典型的车辆模型作为仿真环境,与二参数换挡规律进行分析比较.结果表明,该模糊换挡策略能有效的提高履带车辆自动换挡过程中的加速性及动力性.

基于概率神经网络的自动换挡策略研究

为了将驾驶员手动换挡经验制作成自动换挡策略,更好地满足汽车换挡的动力性要求,缩短变速箱自动换挡策略的研发时间,提出使用驾驶员手动换挡经验训练概率神经网络,从而高效率地制定汽车自动变速箱的换挡策略。在TruckSim中搭建汽车仿真模型,通过车辆CAN总线获得训练样本,在Matlab里训练概率神经网络模型。一方面进行PNN换挡策略与动力性换挡策略及BP神经网络换挡策略的仿真对比试验;另一方面进行原车离线数据的换挡试验。试验结果表明:基于概率神经网络的自动换挡策略可以实现正确率为98.76%的挡位控制,达到将优秀驾驶员手动换挡经验应用于自动换挡策略的要求;概率神经网络自动换挡策略的动力性优于动力学理论推导的换挡策略和BP神经网换挡策略。