液力自动变速器换挡过程的反演优化控制

为了将换挡品质优化问题转化为单一目标轨迹跟踪问题,运用Back-stepping控制进行液力自动变速器换挡过程控制的优化,该文通过分析换挡过程中各阶段变速器分离离合器与结合离合器运动状态,建立了离合器输出扭矩数学模型,利用变速器输入、输出转速变化,观测结合离合器转速情况,设定目标轨迹。结合输入状态稳定理论(ISS,input-to-state stable)设计了滑摩控制器,改变离合器控制电磁阀结合电流,实现了结合离合器转速对目标转速轨迹的跟踪。联合仿真结果表明,滑摩控制器输出结果对目标轨迹跟踪紧密,有效提高了液力机械自动变速器换挡品质。     

自动变速器换挡控制参数自整定策略应用

为了满足量产车辆的自动变速器控制单元(transmission control unit,TCU)软件需求,研究了离合器换挡控制参数自整定控制方法,对自整定控制软件的结构和控制框图进行了介绍。针对换挡过程中,速度阶段和转矩阶段的特点,区别于传统方法对压力传感器、纵向加速度传感器和发动机转矩精度的依赖,分别提出了基于换挡时间的有动力升挡和基于涡轮失速问题的有动力降挡自整定策略。在实车测试过程中,通过软件的自整定参数调整,学习后的换挡时间能够逐步逼近设定的目标值,同时发动机飞车、涡轮失速现象能够逐步消减,换挡品质得到明显提升,保证了不同整车、不同发动机、不同变速器集成之后的换挡品质一致性,以及整车在产品生命周期内的驾驶性能一致性。实车采用该控制方法,在若干次相同工况的重复驾驶后,冲击点能明显弱化直至消除,冲击度逐步消减到低于5 m/s3,达到量产车辆水平,满足了某自主品牌车型投放上市要求。该研究对自动变速器换挡控制参数自整定策略研究和软件开发提供了参考。     

双离合自动变速器预选挡特性分析及控制策略

针对双离合自动变速器奇偶挡位分属不同离合器的结构特点,在对其预选挡原理分析的基础上,提出了能够发挥结构优势的预选挡策略,在特定工况通过对目标挡位离合器的压力控制,实现待结合齿圈所在齿轴的调速,从而尽可能减小同步器主从动部分转速差,提高预选挡品质;随后从运动学与动力学角度,分别对挂挡、摘挡特性进行分析,揭示了同步力与同步时长的关系,建立了预选挡过程阻力模型;选取冲击度和滑磨功为预选挡品质评价指标,结合换挡阻力,得到各阶段换挡力;基于拨叉位置-换挡力特性,制定预选挡过程换挡拨叉目标位置,提出了拨叉位置闭环预选挡模糊控制策略;最后分别在搭载6速双离合自动变速器的某试验车和试验台架上进行摘挂挡测试和耐久试验,试验结果表明预选挡阻力模型接近实际阻力特性,换挡拨叉实际位置对目标位置的跟踪误差不超过4.67%,预选挡过程迅速平稳,冲击度和滑磨功率符合预期目标。该研究为双离合自动变速器预选挡特性及控制研究提供了参考。     

拖拉机电控机械式自动变速器动力性换档规律研究

在拖拉机上使用电控机械式自动变速器(AMT)很有必要。该文首先分析了拖拉机的换档特性，根据需求特性场与供应特性场的关系，确定出拖拉机AMT的换档方法；然后根据驱动轮滑转率数学模型和发动机的能量方程，以及拖拉机理论计算基本公式，推导出与发动机不同油门位置相应的拖拉机驱动力F_q与车速V_a的关系，从而建立了动力性换档的数学模型。将不同油门下相邻两档F_q与V_a曲线的交点连接，得到对应的升档曲线；最后由试验数据，采用计算机编程计算，对东方红-1302R履带拖拉机的换档规律进行了实例分析。这些为拖拉机AMT的设计与研究提供了理论依据，为提高我国拖拉机的技术含量和国际竞争力作出了有益的探索。     

叉车自动变速器控制系统的设计

通过对叉车发动机与液力变矩器的参数进行匹配计算,建立基于车速和油门开度的基本动力性换挡规律;并利用油泵压力作为修正参数建立不同载荷的换挡规律;对于坡道工况,采用模糊修正策略,对换挡规律输出的理论挡位进行修正,并在实车试验中验证了控制方法的正确性。试验结果表明,基于油泵建立的修正策略,在载荷增加时能够使换挡点车速延迟2～5km/h,使车辆获得最佳的动力性;并且在坡道上始终以1挡运行,防止叉车溜坡。该研究丰富了叉车控制理论,并给出了一种实际可用的控制方法。     

基于实时工况的装载机智能换挡规律

把装载机工作泵分为空载工作、满载工作、半载工作3种情况,分别计算ZL50装载机的输入特性和输出特性;完成ZL50装载机的牵引特性的计算。在此基础上,提出根据装载机油门开度、车速和油泵的压力为控制参数的3参数换挡规律。建立装载机传动系统数学模型,进行了计算机仿真。从仿真结果看,3参数换挡规律符合工程车辆的实际工作状态,能更好地满足工程车辆的动力性要求。     

基于粗糙集和BP神经网络的棉花病害识别

为了提高棉花病害的识别率,提出了一种在自然环境条件下基于粗糙集和BP神经网络的棉花病害识别方法。该方法以轮纹病、角斑病、褐斑病和盲椿象为研究对象,将病害棉花图像从RGB颜色空间转换到HSI和L*a*b*颜色空间,应用Otsu算法对H分量、a*分量和b*分量进行阈值分割,通过H+a*+b*分量与原始图像的交集提取棉花病斑区域,利用颜色矩和灰度共生矩阵分别提取病斑的颜色和纹理特征,并结合粗糙集理论和BP神经网络,实现特征向量的优选,和棉花病害的识别。通过比较试验发现,粗糙集理论能有效减少特征维数,使提取的全部特征向量16个减少到5个,使BP神经网络的训练时间缩短到原来的1/4,且棉花病害平均识别正确率达到92.72%。研究结果表明,该方法准确识别了4种棉花病害,为棉花病害的防治提供了有效的技术支持。     

车辆自动变速器与启停系统匹配的控制策略

为解决传统自动变速器与发动机怠速启停系统匹配时产生的起步迟滞和发动机启动失败等问题,该文设计了变速器控制器TCU(transmission control unit)、发动机管理系统EMS(engine management system)和电动泵的协同控制策略,通过所设计的协同控制极大地提高了启动成功率,并通过电动泵智能调速控制方法为自动变速器离合器提前建立油压,避免起步迟滞。该文设计的电动泵的智能调速方法可以减小油泵泵油损失,提高液压系统效率。为了实现平稳舒适的起步换挡,推导了液力机械式自动变速器AT(automatic transmission)车辆起步动力学模型和离合器控制系统模型,基于模型设计了起步离合器油压控制方法,提出了离合器卸油至接触点的控制方法,当车辆再次起步时可以提早响应约400 ms。在自动启停过程中还考虑了换挡杆切换的特殊工况,保证了系统的大覆盖率。通过整车搭载试验验证了所设计的控制策略具备可行性,起步过程中变速器输出轴转速变化平顺,起步冲击度大大降低。电动泵的智能调速控制方法可降低油耗约1.5%。该文的研究方法首次实现了自主品牌AT变速器与启停系统的良好匹配及应用,具有一定的参考意义。     

橡胶油管式车辆行驶称重技术的研究

提出了一种橡胶油管的车辆行驶称重技术,并研制了一种便携式车辆行驶称重系统。针对多种因素会对行驶称重系统的输出值产生影响,提出一种与BP神经网络相结合的计算模型,进行数据处理,同时结合信息融合技术建立了车型识别模型及专家系统。经一系列试验证明,该行驶称重系统可实现不同路面的超载检查的要求,为车辆超载检测及交通数据统计提供了一种经济有效的手段。     

计算机识别潮间带土壤类型的研究——以盐城沿海滩涂珍禽自然保护区为例

江苏沿海潮间带面积广阔,土壤资源丰富,人工地面调查花费大、周期长。本文用卫星遥感的方法,着重就比值处理、非监督分类和监督分类等计算机图象处理方法对江苏沿海潮间带土壤类型识别的效果进行试验和比较。在结合专业知识的基础上,用13个训练类别的监督分类方法可以识别出潮间带7种土壤类型。对分类精度进行了检验,平均相对误差为17.6%。     

基于粒子群算法的电动汽车DCT升档动力协调控制

该文建立了纯电动汽车双离合器自动变速器(DCT,double clutch transmission)升档过程动力学模型,以滑摩功与冲击度为评价因素,建立两者加权和形式的评价指标。针对纯电动汽车动力协调换挡优化对象强非线性,在基于梯度寻优的传统优化算法难以奏效情况下,利用粒子群优化算法对电机参与下的双离合器升档过程进行优化。优化过程中,使用傅里叶基向量分解方法将离合器转矩轨线、电机转矩轨线分解为基向量的线性组合,使用粒子群优化算法优化基向量系数,实现对双离合器传递转矩轨线与电机输出转矩轨线的规划,藉此提出了电动汽车双离合器变速器升档过程中离合器和电机转矩协调控制方法。最后,经过实车试验进行验证,结果表明该方法能够有效减少9%的滑摩功,使冲击度控制在国家标准之内,并缩短换档时间,改善换档品质。     

基于永磁式涡流缓速器的车辆联合制动能力

为掌握永磁式涡流缓速器与排气制动的联合制动在车辆上的实际制动能力,对永磁式涡流缓速器和排气制动特点进行了分析,采用道路试验和理论分析相结合的方法,从平路减速距离和坡道稳定持续下坡车速与坡度关系两个方面考察永磁式涡流缓速器与排气制动联合制动的制动能力。结果表明：在平路上,使用联合制动能在更短时间内减低车速,有效缩短减速距离;在坡道上,使用联合制动可以保证车辆在更大坡度坡道上（5.5%～9.0%）以安全、经济的车速稳定下坡行驶。上述研究对于促进永磁式涡流缓速器和排气制动装置在国内车辆上的装用具有参考作用。     

应用改进遗传神经网络识别种蛋蛋形试验

针对人工检测种蛋蛋形劳动强度大,缺乏客观性,检测效率低,研究了自动快速、准确地识别鸡种蛋蛋形的方法。以蛋形指数和蛋径差为形状特征参数,利用机器视觉技术、矩技术和提出的改进遗传神经网络算法剔除畸形蛋。基于机器视觉和矩技术提取种蛋的长短径,剔除蛋形指数不合格种蛋后,再通过构建合理的遗传神经网络模型,以蛋径差作为神经网络输入参数,根据网络输出值识别种蛋蛋形。对过圆蛋、过尖蛋、畸形蛋和正常蛋检测准确率分别达到了97.10%、95.59%、94.87%和95.75%。研究种蛋蛋形自动识别方法对提高种蛋蛋形检测准确率和工作效率具有重要意义,试验结果表明提出的种蛋蛋形评价指标合理,用于识别种蛋正常蛋形,剔除畸形蛋准确率高,速度快,算法具有鲁棒性。     

玉米苗期杂草的计算机识别技术研究

利用计算机视觉技术和人工神经网络技术对识别玉米苗期田间杂草进行了研究。首先利用类间方差最大自动阈值法二值化杂草图像的超绿特征,再进行连续腐蚀与膨胀,然后根据长宽比、圆度、第一不变矩3个形状特征由BP网络识别出玉米幼苗,最后利用种子填充法从阈值分割结果中擦除玉米目标,剩余的就是杂草目标。研究表明,基于BP网络的杂草识别算法对玉米幼苗与杂草的正确识别率分别为87.5%和93.0%,处理一幅640×480像素的杂草图像平均耗时约为58 ms。     

基于稀疏表示算法的高通量玉米果穗粒型识别系统

玉米籽粒粒型是评估玉米产量和品质的重要表型参数之一,为了提高籽粒粒型的识别率,同时满足高通量以及无损测量的要求,该文以果穗整体为研究对象,基于稀疏表示的方法构建了高通量玉米果穗籽粒粒型识别系统(果穗未脱粒)。以掉落抓拍法硬件采集平台采集3种不同粒型(硬粒型、马齿型、半马齿型)的玉米穗图像,首先使用帧差法获取果穗轮廓,再通过G通道分离、OTSU算法(最大类间方差法)得到籽粒轮廓信息,提取籽粒部分颜色、形状、纹理特征作为分类依据,每种粒型取200粒作为训练样本构成稀疏表示算法的判别字典,对每一个测试样本计算稀疏表示系数,根据最小重构误差判定籽粒粒型类别。结果表明,该方法不需要传统的果穗脱粒再进行籽粒类型统计,识别正确率达到94.8%,测量速度达到28穗/min,大大提高了玉米粒型统计的效率。