摘要
自动变速控制是现代汽车的一项重要技术,也是智能车辆的基本功能。为使汽车自动变速控制系统有更高的控制性能和更灵活的控制策略,将智能控制技术引入自动变速控制系统十分必要。论文作者针对控制难度较大的一种自动变速器——电控机械式自动变速器(Automated Mechanical Transmission 即AMT)的若干控制技术难题,运用智能控制理论和方法对其控制规律进行了研究。这一方面是为了解决AMT的这些控制难题,加快汽车AMT的实际应用的速度,另一方面也有助于推进智能控制理论与技术的实际应用进程,促进智能控制技术本身的发展。
论文首先介绍了三种典型自动变速器的特点和发展情况,然后重点介绍国内外研究电控机械自动变速器控制方法的现状和论文作者研制的桑塔纳2000型轿车电控机械自动变速器控制系统的组成原理、研制情况以及在控制方面还存在的问题,为进一步深入对自动变速器智能控制方法的研究确定了方向和研究内容。
离合器的接合控制是电控机械式自动变速器的难点技术之一。尽管人们曾研究过用PID控制和模糊控制技术来实现对离合器接合过程的控制,但这些方法在控制决策方面尚缺乏其灵活性和通过学习改进控制效果的能力。因此,论文中,作者提出了应用迭代学习方法来实现离合器控制的学习功能。其基本思想是:把离合器接合过程的两个重要参数——离合器的有效起始接合点和离合器半接合过程中的接合速度设计为可以依照一定准则进行改变并能进行修正,从而使汽车离合器接合品质能够提高的可学习参数,并运用迭代学习算法来实现这个功能。参数学习的准则就是让离合器的接合尽可能使汽车的起步加速度接近容许的加速度而又不会使起步冲击度超过允许值。本文采用所建立的确定离合器有效起始接合点和接合速度的迭代学习算法,进行了离合器接合控制的数字仿真。仿真结果和试验结果表明:迭代学习控制技术应用于离合器的控制有助于改善其接合控制的性能,在AMT系统中应用是可行。
电控机械式自动变速系统的另一个技术难题是最佳换档点的确定。在开发研究AMT的过程中,国内外的通常做法是通过台架试验模拟在各种不同道路条件下进行换档时的动力性和经济性,得到大量的试验数据。然后,经过计算机的离线计算,从中确定出最佳动力性换档规律或最佳经济性换档规律。由于这种方法耗费人力、物力和财力,而且不能使换档点随车辆和道路的条件变化始终保持最佳。于是,作者在论文中提出了基于模式识别和迭代学习算法的最佳动力性换档控制方法。该方法的基本思想是把车辆在某个档位和在某种道路条件下具有最佳动力性能的运行状态视为同一模式,不同的模式就必须采用不同的档位才能获得最佳
的动力性能。而两个不同模式之间的交界线就必然构成最佳动力换档规律曲线。于是,采用基于模式识别的迭代学习逐渐逼近最优的方法来确定这条最佳换档规律曲线。文中,作者还就迭代学习的收敛性问题进行了分析。分析结果表明:采用这种方法,车辆在各个档位下的加速特性满足一定条件时,是完全可以收敛的。而这个条件对于一般的车辆而言均能满足。
无论是进行换档决策还是在坡道上进行起步操纵控制,坡度角都是一个非常重要的道路条件参数,然而对该参数的随车动态测量也是一个难度较大的技术问题。论文介绍了作者运用多传感器信息融合的方法建立车辆在行驶过程中对道路坡度进行动态识别的数学模型的思路。根据这个模型,只要用单摆式角位移传感器测出包含有车身的倾角信号,用两个位移传感器分别测出车身在前悬架和后悬架处的上下位移信号、用加速度传感器测出车身的前进加速度信号,就可以通过融合算法得到车辆正在行驶的道路所具有的坡度角。另外,坡度角识别的误差也是一个值得讨论的问题,因为过大的误差将会使这种方法失去实际应用的价值。为此,文中还进行了坡度角识别误差的分析,找出了减小融合误差的措施。为了从技术上实现道路坡度角的融合算法,作者还讨论了数字信号融合和模拟信号融合两种不同的方法。
装有电控机械式自动变速器的车辆怎样才能在坡道上平稳起步而不出现倒溜也是一个需要研究的问题。从一些相关论文或资料可以知道:国内外的普遍做法是采用在制动系统中加装坡道起步器。但这种方法将使制动系统的可靠性下降,而且还会增加成本。为此,作者分析了车辆的坡道起步过程,发现离合器、节气门和制动器三者之间的协调配合控制是实现坡道平稳起步的关键,据此,提出了一种坡道起步控制的迭代学习方法,从而省去了坡道起步器。实车试验结果表明:用该方法可以实现车辆在坡道上起步时对离合器、节气门和制动器进行协调控制,并取得满足要求的起步性能。
The automatic shift control is not only an important technique used in modern vehicles, but also one of the basic functions in coming intelligent vehicles. In order to make the control performance of the automatic shift control system better and the control decision of the controller more nimble, it’s very necessary that the intelligent control technique is used in the automatic shift control system. By reason that there are many difficult control technique problems in a kind of automated transmission—automated mechanical transmission (AMT), the author has studied its control regularity with intelligent control theory and methods. On the one hand, this can solve ticklers in the control technique of AMT; on the other hand, this can also promote the practical application of the intelligent control technique, and develop the intelligent control theory.
At first, in the paper, the author introduces the characteristic and the development of three typical automated transmissions. Next, the author introduces specially the advance in studying the control methods of the AMT at home and abroad, and the construction and the principle as well as the problems concerned with control method of the AMT, which is equipped in a Santana 2000 car, developed by the author. The discussion of this part ascertains the direction and the goal for studying further the intelligent control methods of automated transmission.
The engagement control of clutch is one of the difficult control techniques in the AMT. Despite the fact that the PID control method and the fuzzy control technique have been adopted to control the engagement process of the clutch, the methods have lack of flexibility in control decision, and of the ability of learning and improving the control effect. Therefore, in the paper, the author puts forward an iterative learning method of clutch control, so as to gain the learning function. The basic idea of the method is that the two important parameters in clutch engagement process—the beginning position of clutch engaging x0 and the engagement speed in the clutch’s half-engagement process are designed to be able to change and to correct according to a certain criterions, so that the vehicle clutch engagement quality can be continuously improved. The iterative learning algorithm is applied to obtain the function. The criterion of parameter learning is to make clutch engage as fast as possible so as to make the acceleration of the vehicle starting be close to the permissive acceleration, but the jerk degree of
vehicle starting not to exceed the permissive value. According to the iterative learning algorithms of the clutch’s beginning engagement position x0 and the engagement speed , the digital simulation of clutch engagement control is done. The simulation result shows that the iterative learning control method applied to the clutch can improve the clutch’s engagement control performance, and it’s practicable in the AMT system.
Another technique tickler in the AMT system is how to ascertain the optimum shift schedule. At home and abroad, the usual method setting up the schedule in the development process of AMT is that first getting a great deal of data from bench tests simulating the acceleration performance and the economy performance in the shifting process under the conditions of different roads, and then through the computer’s off-line calculation, the optimal power shift schedule or the optimal economy shift schedule can be set up. Since the method needs a large amount of test work and money. Besides, the shift point can’t always keep optimum under different conditions of vehicles and roads, the author presents a kind of optimal power shift control method based on the pattern recognition and the iterative learning algorithm in the paper. The basic idea of the method is that the vehicle’s operation state with optimal power performance under the conditions of a proper gear and a determined road is regarded as the same pattern, and for a concrete pattern, only one gear can make the vehicle get an optima
引文
[1] 葛安林.自动变速器(一)——自动变速综述[J].汽车技术,2001,(5):1~3
[2] 葛安林. 自动变速器(六)——电控机械自动变速器(AMT)[J]. 汽车技术,2001,(10):
1~4
[3] 朱红军,葛安林,张广成 等. 电子控制机械式自动变速器.汽车电器,2000,(1):
11~13
[4] Georges M Fadel, Vincent Y Blouin and Imtiaz Haque. Continuously Variable Transmission Design for Optimum Vehicle Performance by Analytical Target Cascading. Global Automotive Manufacturing &Technology 2003.
[5] 葛安林. 自动变速器(七)——无级变速器CVT(上)[J]. 汽车技术,2001,(11):1~4
[6] 葛安林. 自动变速器(八)——无级变速器CVT(下)[J]. 汽车技术,2001,(12):1~4
[7] Hirlshi Yoshimurs and Atsushi Hirako. Automated Mechanical Transmission Controls. SAE paper 861052, 1986
[8] G.Pannier and A.Laport. Electronic Control of Automobile Transmission. SAE paper 870178, 1987
[9] 葛安林. 自动变速器(九)——变速器的自动控制系统(上)[J].汽车技术,2002,(1):
1~4
[10] 葛安林,金辉,张洪坤等,一种汽车智能换档体系的研究. 中国机械工程,2001,12(5):585~588
[11] Hirohisa Tanaka and Hideyuki Wada. Fuzzy Control of Clutch Engagement for Automated Marual Transmission [J]. Vehicle system Dynamics. 1995,24(4-5):365-376
[12] Andreas Bastian. Fuzzy logic in automatic transmission control [J]. Vehicle system Dynamics, 1995,24(4-5):389~400
[13] 申水文,葛安林. 模糊换档技术与综合换档规律. 农业工程学报,1997,13(3):
145~149
[14] 秦贵和,葛安林,王春蕾. 模糊逻辑在汽车电子控制中的应用. 汽车工程,1999,21(5):275~279
[15] 申水文,葛安林,罗邦杰等. AMT模糊自适应滤波技术. 吉林工业大学学报,1997,27(3):78~82
[16] Koki Hayashi , Yoshinao Shimizu. Yasuhiko Date, Akira, Takayama, Atsushi Hirako. Neuro fuzzy Transmission Control for Automobile with Variable loads [J]. IEEE Transactions on control Systems Technology, 1995,3(1):49-52
[17] 葛安林,李焕松,武文治等。动态三参数最佳换档规律的研究[J]. 汽车工程,1992,14(4):239-247
[18] 葛安林,武文治、张天一等。自动换档过程中的动态闭环控制[J]. 汽车工程,1994,16(5):276-282
[19] 王丽芳,自动变速器换档规律确定方法的研究[J]。汽车技术,1998(6):7-9
[20] 葛舜,邢忠宝.汽车电控机械式自动变速系统微机控制系统及过程控制算法设计[J].光学精密工程,1995,3(4):119—126
[21] 葛安林,吴锦秋,林明芳. 汽车动力传动系统参数的最佳匹配. 汽车工程,1991,13(1):35~42
[22] 葛安林,姜家吉,武文治. 机械式自动变速器及其动态模拟试验研究. 会议论文集 35~43
[23] 张凤桐,汽车换档过程数学模型的建立[J]. 上海汽车,1997(7):1-4
[24] 张凤桐,汽车机械有级传动系操纵规律的研究[J]. 上海汽车,1997(5):12-18
[25] Toshimichi Minowa, Hiroshi Kimura, Junichi Ishii, Masahiko Ibamoto. Smoath gear Shift Control System of automatic transmission using estimated output shaft torque [J]. Transaction of the Japan Society of Mechanical Engineers, Part C,1995,61(591),4334-4338
[26] 申水文,葛安林.基于二参数换档规律的模糊换档技术[J].汽车技术,1998(1):9—12
[27] 葛安林,李君,雷雨龙等.AMT车辆巡航模糊神经网络控制[J].汽车工程,1999,21(5):263—268
[28] 姜家吉,罗邦杰,葛安林.机械式自动变速器中离合器的自动控制[J]. 吉林工业大学学报,1992,22(2):32—38
[29] 雷雨龙,葛安林,李永军. 离合器起步过程的控制策略. 汽车工程,2000,22(4):266~269,281
[30] 汤霞光,侯朝桢. 基于定量反馈理论的AMT离合器接合控制研究. 北京理工大学学报,2002,22(1):94~97
[31] 葛舜,葛安林,武文治.自动变速器离合器的模糊控制[J].汽车技术,1996(6):7—12
[32] 葛安林. 自动变速器(十一)——变速器的自动控制系统(下)[J].汽车技术,2002,(3):
1~4
[33] 葛安林,武文治,于多年等. 大客车的新型传动——电控机械式自动变速器。客车技术与研究, 1992,14(4):248~256
[34] 秦贵和,范巨新,张宏坤 等. 机械式自动变速器微机控制系统. 汽车工程,1999,21(1):21~25
[35] 李焕松,葛安林,武文治等.汽车发动机与传动系联合操纵研究.汽车工程,1993,15(4):226——233
[36] 葛安林,雷雨龙,高义峰等. 电控机械式自动变速器车辆坡上起步控制研究[J].汽车工程,1998,20(3):150—155
[37] 雷雨龙,葛安林,秦贵和 等. 电控机械式自动变速器车辆起步控制品质的实验研究. 农业工程学报,1998,14(3):143~147
[38] 杨志刚,曹长修,黄建明. 智能控制技术在汽车AMT中的应用[J].重庆交通学院学报,2002,21(4):110-113
[39] 苏玉刚,黄建明,杨志刚等. 电控机械式自动变速器的80C196KC单片机控制[J]. 汽车电器,1999,(5):7-10
[40] 杨志刚, 苏玉刚,黄建明,曹长修等. 电液式节气门的多模式智能控制[J]. 汽车工程,2001,23(1):49-52.
[41] 黄建明,苏玉刚,杨志刚等. 高速开关阀控制的电液式节气门执行器[J]. 重庆大学学报(自然科学版),2002,25(3):22-25
[42] 葛安林.车辆自动变速器理论与设计[M].北京:机械工业出版社,1993.
[43] 韦巍.智能控制技术[M] .北京:机械工业出版社,2000 .
[44] 韦巍.智能控制技术的研究现状和展望[J] .机电工程,2000,17(6):4
[45] 孙增圻,张再兴,邓志东.智能控制理论与技术[M] .北京:清华大学出版社,1997
[46] 李少远,陈增强,杨鹏等.智能控制的新进展[J] .信息-电子与自动化仪表,1997,(4):1-10
[47] 刘曙光,魏俊民,竺志超. 模糊控制技术[M]. 北京:中国纺织出版社. 2001
[48] E. H. Mandani. Application of Fuzzy Algorithms for the Control of a Dynamic Plant. Proc. IEEE 1974, 121(12): 1585~1588
[49] P. J. King, et. The Application of Fuzzy Control Systems to Industrial Processes. Automatica. 1977, 13(3): 235~242
[50] R. M.Tong. A Control Engineering Review of Fuzzy Systems. Automatica.1977, 13(6): 559~569
[51] M. Sugeno, et. Fuzzy Parking Control of Model Car. In 23rd IEEE Conf. On Decision and Control. Las Vegas, 1984
[52] Cai Zixing. Intelligent Control: Principles, Techniques and Applications. Singapore, World Scientific. 1997
[53] Kwang W A and Passino K M. Dynamically focused fuzzy learning control. IEEE Trans. Syst. , Man, and cybem. , 1996, 26(1): 53~74
[54] Kosko B. Neural Networks and Fuzzy System—A Dynamical Systems Approach to Machine Intelligence. Prentice—Hall, 1992
[55] Lin C T, Lee C S G. Neural-Network-Based Fuzzy Logic Control and Decision System. IEEE
Trans. On Computers, 1991,40(12)
[56] 焦李成. 神经网络系统理论[M]. 西安:西安电子科技大学出版社. 1995
[57] 焦李成. 神经网络系统与实现[M]. 西安:西安电子科技大学出版社. 1996
[58] 刘铁男,段玉波,于镝. 神经网络的新型二阶学习算法及其应用[J]. 控制与决策, 2001,16(5):627~629
[59] 霍亮生. 人工神经网络智能控制稳定性分析[J]. 太原理工大学学报,2000,31(6);682~685
[60] Narendra K S, et al. Identification and Control of Dynamical Systems Using Neural Networks. IEEE Trans. Neural Networks, 1990, 1(1)
[61] Lee S, Bekey G A. Application of Neural Networks to Robotics. Control and Dynamic Systems, 1991; 39
[62] 李士勇. 模糊控制、神经控制和智能控制[M] .哈尔滨:哈尔滨工业大学出版社,1996
[63] 王俊普.智能控制[M].合肥:中国科学技术大学出版社,1996
[64] 章卫国,卢京潮,吴方向. 先进控制理论与方法导论[M] . 西安:西北工业大学出版社. 2000
[65] Porter B, et al. Real-time Expert Tuners for PI Controllers. IEEE proc. 1987
[66] Arizen K-E. An Architecture for Expert System Based Feedback Control. Automatica, 1989
[67] Wright M L, et al. An Expert System for Real-time Control. IEEE Software, 1986
[68] 张景,李人厚. 基于时序规则的实时控制专家系统结构及实现[J]. 智能控制与智能自动化(上卷),北京:科学出版社,1993,162~167
[69] Gertler J, Chang H-S. An Instability Indicator for Expert Control. IEEE Control System Magazine, 1986
[70] 袁南儿,王万良,苏宏业.计算机新型控制策略及其应用[M]. 北京:清华大学出版社,1998
[71] 李祖枢.仿人智能控制研究20年[J] .1999年中国智能自动化学术会议论文集.重庆1999. 北京:清华大学出版社,1999:20-30
[72] 李祖枢.智能控制理论研究[J].信息与控制,1991,(5)
[73] 李祖枢,徐鸣,周其鉴. 一种新型的仿人智能控制器(SHIC).自动化学报,1990,16(6)
[74] 王振海,于在河,刘富. 仿人智能控制器的研究[J] . 农业工程学报. 1997,13(4):31~34
[75] 谢振东,谢胜利,刘永清.非线性系统学习控制理论的发展与展望[J].控制理论与应用技术.2000,17(1):4-8
[76] 邓志东,张再兴,孙增圻. 学习控制系统[J]. 信息与控制,1996,25(2):92-102
[77] 陈建安,戴冠中,徐乃平. 学习控制技术、方法和应用的发展新动向[J]. 控制理论与应用.1999,16(1):1-5
[78] Arimots S, Kawamurs S, Miyaski F. Learning Control Theory for Dynamical Systems. In: Proc.
24th IEEE conl. Decision and Control, Lauderdale, Florida, 1985, 1375~1380
[79] Antsaklis P. J. Intelligent learning control. IEEE Control Syst. Mag. 1995,15(3): 5~7
[80] 陈建安,徐乃平. 智能控制的学习技术与其前景展望[J]. 电子科技.1998,(1):11~15
[81] 虞忠伟,陈辉堂,王月娟. 基于反馈控制的迭代学习控制器设计[J] . 控制理论与应用. 2001,18(5):785~791
[82] 蔡自兴.学习控制的结构方案[J] .信息与控制.1998,27(1):75~80.
[83] 陈芳. 基于领域知识的无师学习控制的研究与仿真[J] . 安徽大学学报. 2001,25(2):27~33
[84] Kuc T Y. Nam K, Lee J S. An iterative Learning Control of Robot Manipulator. IEEE Trans. ON Robotica and Automation, 1991,7:835~941
[85] Chen N.L. Li Z.S. A Novel Intelligent Controller Based on Characteristic Identification On-line, In: Advance in Modeling and Simulation, 1988, 14: 53~63
[86] 李少远,席裕庚. 基于状态空间模型的模糊控制系统稳定性分析. 中国纺织大学学报,2000,26(3):14~17
[87] 霍亮生. 人工神经网络智能控制稳定性分析[J]. 太原理工大学学报,2000,31(6):682~685
[88] Gertler J, Chang H-S. An Instability Indicator for Expert Control [J]. IEEE Control System Magazine,1986.
[89] 李祖枢,秦安松. 智能控制系统的稳定性监控[J]. 第一届全球华人智能控制与智能自动化大会论文集,1992.
[90] 李少远,席裕庚. 模糊滑动模态控制系统的性质分析. 控制理论与应用,2000,17(1):14~18
[91] 谢克明,候宏仑. 复杂系统的智能控制方法. 太原理工大学学报,1998,29(6):568~572
[92] Chen Li, Zhang Jianwu. An Adaptive Optimal Process Control of Clutch for AMT with the Use of ADAMS. Proceedings of the 1999 International ADAMS User Conference. 1999
[93] Yang zhigang, Cao Changxiu, Zhang Bangli, Liu Xiaogen. The Iterative Learning Method Applied to the Engagement Control of Vehicle Clutch. Proceedings of the 2002 International Conference on Control and Automation (ICCA’02) . Xiamen, June 16-19, 2002. pp:1066-1070
[94] 余志生.汽车理论[M].北京:机械工业出版社,1990.22~23.
[95] 雷雨成.汽车系统动力学及仿真[M].北京:国防工业出版社,1997.
[96] 杨志刚,曹长修,苏玉刚. 动态识别道路坡度的多传感器信息融合方法. 重庆交通学院学报,2002,21(2):97-102
[97] 何友,王国宏,陆大金等.多传感器信息融合及应用[M].北京:电子工业出版社,2000. 1~2.
[98] Wong J.Y. Theory of Ground Vehicles[M] .New York:John Wiley & Sons. 1978. 264-268.
[99] 交通部公路管理司,中国公路学会.公路工程技术标准[S](JTJ001-91) .北京:人民交通出版
社,1997.
[100] 杨志刚,曹长修,苏玉刚. 道路坡度识别方法的技术实现. 重庆交通学院学报. 2002,21(3):112-115
[101] Sang Rok, Zeungnam Bien. An iterative learning control method with application for the robot manipulator[J]. Automatic,1988,4(5):833—865
[102] Yang zhigang, Cao Changxiu, Su yugang. A Method of Optimal Shift Control Based on Pattern Recognition and Learning Algorithm. Proceedings of the 4th World Congress on Intelligent Control and Automation (WCICA’02). Shanghai, June 10-14, 2002. pp:955-959 .
[103] Kuc T Y, Lee J S, Nam K. An iterative learning control theory for a class of nonlinear dynamic systems [J] . Automatica, 1992,28(6):1215—1221
[104] 杨志刚,曹长修, 苏玉刚. 最佳动力换档规律自学习算法的收敛性分析. 控制理论及应用. 2003,20(1):33-36.
[105] Sun Mingxuan, Huang Baojian, Zhang Xuezhi. PD-type iterative learning control for a class of uncertain time-delay systems with biased initial state [J]. Control Theory and Applications,1998,15 (6):853—858 (in Chinese)
[106] Wei Yanding. Research on convergent speed of iterative learning control [J] . Control Theory and Applications,2001,18(2):314—316 (in Chinese)