基于PID神经网络自动换挡过程油门调速

提出了一种在AMT换挡过程中运用PID神经网络进行油门调速的方法.通过台架实验,建立了东风康明斯EQB235-20柴油发动机的油门实验模型,同时在Matlab平台上对PID神经网络进行训练,使其输出逼近理想油门实验模型.将训练后的PID神经网络移植入ECU,进行发动机调速实验.实验表明,PID神经网络有响应速度快、鲁棒性好、收敛特性好的特点,提高了车辆的自适应能力.     

基于SDG模型的AMT重型越野车离合器接合过程故障诊断

针对AMT重型越野车离合器接合过程中故障多发且不易诊断的问题,基于符号有向图(signed directed graph, SDG)模型,为离合器接合过程的故障诊断提出了一种新的方法. 以离合器接合过程中最复杂的车辆起步接合为例,建立了其工作过程的SDG模型,通过实际测得量以及对模型中节点和有向边的分析,查找出故障源,完成故障诊断功能. 结果表明,SDG模型对于AMT系统离合器接合过程故障诊断有效且实用.      

基于最优化理论的离合器接合曲线研究

提出一种基于最优化理论的离合器接合曲线的修正算法. 根据原始曲线基本结构,通过对哈密顿函数的判断来修正原始曲线,得到新的离合器接合曲线. 建立与发动机实时反馈的离合器模型,对修正算法进行了计算机仿真. 结果表明,该算法原理正确,修正所得到的新曲线在接合过程中比原曲线在滑磨功和冲击度方面有明显的降低.     

基于决策树算法的AMT挂挡过程冗余控制研究

为了对AMT系统挂挡过程进行良好的冗余控制，针对挂挡位移传感器失效状况，提出了一种基于CART决策树算法的挂挡时间预测模型.模型建立过程中，选取挂挡阶段的气压p、变速器输入轴转速n₁、变速器输出轴转速n₂和同步器的同步速差Δ；n作为特征值变量，选取挂挡时间作为预测值.通过交叉验证，对原始决策树进行修剪，得到最优决策树模型.在使用测试集进行模型验证时，在预测误差不超过50 ms的情况下，对挂挡时间的预测具有90%以上的准确率.台架及实车试验表明，在挂挡位移传感器失效的情况下，基于该算法的电磁阀控制策略可以完成正常的换挡操作，通过实际传动比和控制策略预测得到的理论传动比的对比发现，预测的换挡点时刻的判断误差在50 ms以内.