工程车辆挡位决策的自适应神经模糊推理系统

提出了一种自适应神经模糊推理系统，并利用在ZL50E装载机传动系统换挡实验中获得的数据进行验证性仿真。仿真结果表明，该档位决策系统可根据操作工况环境实现正确的变速箱挡位决策。它将模糊推理与神经网络有机地结合起来，克服了模糊推理不具备学习功能和神经网络不能表达模糊语言的缺点，使模糊推理与神经网络的应用范围更加广泛，是实现挡位决策的行之有效的方法。     

汽车驾驶机器人模糊神经网络换挡控制方法

为了实现汽车驾驶机器人挡位决策的智能化,提出了一种驾驶机器人模糊神经网络换挡控制方法.模糊神经网络模型的输入为驾驶机器人油门机械腿的位移、试验车辆的车速和加速度,模型的输出为挡位.输入变量的隶属函数都为3个,类型都采用广义钟形函数gbellmf,网络训练算法选用反向传播算法和最小二乘法相结合的混合学习算法.仿真结果表明,汽车驾驶机器人模糊神经网络控制仿真挡位与试验挡位基本一致,该方法可根据操作工况环境实现正确的汽车驾驶机器人挡位控制.     

工程机械FNN换挡控制系统的改进

系统地介绍了工程车辆模糊神经网络(FNN)换挡控制的后续研究。针对原系统神经网络训练收敛速度慢、挡位决策时间长的问题，在仔细分析原控制系统缺陷的基础上，对系统中的挡位决策信息进行了研究。主要的改进工作包括训练样本的评价准则、按工况分离方法、输入与排序、表示方法等，最后改进了控制程序，并且给出了改进前、后系统性能对比试验的结果。     

动力换挡拖拉机换向冲击的分析与优化

动力换挡拖拉机作为现代化农用机械中重要的动力机械,其挡位变换、车速控制等尤为重要,也使得传动系结构较为复杂。由于动力换挡拖拉机的实际工作环境和具体作业工况较汽车及工程机械更为恶劣,同时受国内拖拉机整体技术及企业研发能力等限制,在实际使用过程中存在换挡缓慢、换向冲击等问题。为此,本文以某中功率动力换挡拖拉机的换向冲击为研究对象,对其在不同挡位及工况下的换向冲击进行分析研究,并以此分析结果作为换向关键部件优化设计的基础,对换向离合器核心零件进行了结构优化及试验验证。     

基于混沌算法的工程车辆自动变速神经网络控制

为了克服BP神经网络收敛速度慢和易陷入局部极小点的不足，提出了一种基于混沌算法的工程车辆自动变速神经网络控制方法，并利用ZL50型装载机传动系统换挡控制试验的数据进行了验证性仿真试验。仿真结果表明：该方法对于车辆自动换挡智能控制是可行的，可以根据操作工况实现正确的变速挡位决策。     

大功率拖拉机多工况换挡自适应控制策略

拖拉机牵引不同农机具完成不同作业,其作业要求随着牵引机具的不同而变化。针对大功率拖拉机在不同工况下作业要求不同的问题,提出一种多工况换挡自适应控制方法。分析不同工况对拖拉机动力性经济性的要求,以滑转率、油门开度和速度为参数,根据工况要求计算兼顾动力性和经济性的理论换挡规律,采用神经网络离线训练换挡规律实现挡位智能控制;针对重载荷下随机载荷波动导致循环换挡问题,引入加速度和油门开度变化量作为参数,利用模糊逻辑判断拖拉机负载和驾驶员操作意图得到速度修正系数,对换挡速度进行修正,扩大挡位使用范围;通过对拖拉机纵向动力学分析,利用Simulink搭建大功率拖拉机数学仿真模型,并建立变速箱换挡控制系统硬件在环仿真平台验证换挡策略的有效性。仿真结果表明,在燃油经济性方面,道路运输和轻载荷作业工况燃油经济性分别下降5.78%、3.28%。在动力性方面,保证克服牵引阻力的同时,轻载荷和重载荷工况加速时间较快,速度波动减小且有效避免重载荷工况下循环换挡问题。     

AMT车辆坡道换挡策略与试验研究

提出了根据换挡后离合器接合时的发动机转速识别坡道行驶工况、根据当时的车速选择合适挡位的坡道换挡策略,并在装有AMT的某重型载货汽车上进行了坡道换挡试验。试验结果表明,车辆在坡道行驶过程中,虽然初次选择的挡位不一定能适应该坡道,但通过连续降挡或跳跃式降挡最终总能选择适合于该坡道的挡位。利用车辆现有的传感器,坡道换挡控制策略实现了坡道换挡控制,不仅满足车辆实际行驶工况的需要,而且使控制系统硬件得以简化。     

基于自适应模糊推理系统的DCT变速器控制策略研究

在介绍DCT变速器结构的基础上,将自适应神经模糊系统应用在DCT换挡控制策略中,采用油门开度、车速作为换挡参数,利用MATLAB中Simulink工具和Fuzzy logic工具箱的自适应神经模糊系统建立了自动换挡模糊神经网络模型,并推导了模型的混合学习算法。仿真实验结果表明,该模型可以有效地依据换挡参数确定合理的挡位,实现车辆的平顺换挡。     

考虑随机载荷自适应补偿的PST换挡策略与硬件在环试验

大功率动力换挡拖拉机作业环境复杂多变,密集布置的挡位和田间载荷波动极易导致频繁随机换挡,破坏拖拉机工况稳定性,影响其性能和作业质量。为解决拖拉机作业过程中随机载荷波动引发的频繁换挡问题,本文提出一种考虑随机载荷自适应修正的换挡控制策略。首先,以油门开度、滑转率和车速为换挡参数,制定变速箱理论换挡规律;然后,引入随机载荷变异系数、油门开度变化量及稳态载荷变化量等3个修正参数,通过模糊规则计算随机载荷波动下的换挡修正量。同时,结合收敛型换挡延迟策略,轻负荷或运输工况采用理论降挡,重负荷作业采用自适应升挡延迟,载荷波动越大,升挡延迟量越大;基于AMESim和Simulink建立了拖拉机传动系统模型,并搭建了大功率拖拉机变速箱控制系统硬件在环仿真平台,开展了不同作业工况下的换挡控制仿真验证。结果表明,所提换挡策略在道路运输工况和犁耕工况下的换挡次数较传统换挡策略分别低63.16%、45%,且燃油消耗量分别为0.76、0.47kg,较传统换挡策略分别低0.51%、1.03%。在保证作业牵引力的同时,该控制策略可有效抑制随机载荷波动引发的频繁随机换挡,同时兼顾了整车动力性和燃油经济性。     

拖拉机自动换挡神经网络控制系统的研究

针对拖拉机在田间作业的复杂状况,分析了影响拖拉机换挡的因素,介绍了拖拉机自动换挡神经网络控制和挡位辨识原理。利用神经网络芯片ZISC036和PIC17C42单片机,建立了径向基函数神经网络（RBFNN）控制器。通过MATLAB样本数据仿真表明,该控制器可以较好地实现挡位辨识,从而为拖拉机自动换挡的设计与研究提供了理论依据。     

基于径向基函数神经网络的工程车辆自动变速控制

径向基函数(RBF)神经网络(简称径向基网络)具有较强的输入输出映射功能,理论证明其在前向神经网络中是完成映射功能的最优网络。工程车辆自动变速技术的核心是按照某种目标寻找最佳挡位,是一个非线性映射分类问题。提出了基于径向基网络的工程车辆自动变速控制方法,以保持液力变矩器工作在高效区为目标,利用车辆传动试验台换挡控制试验的数据对径向基网络进行训练,并进行了验证性的仿真试验。仿真结果表明,该方法能够根据车辆运行状态确定最佳挡位。     

多类分类SVM在工程车辆自动变速挡位决策中的应用

经典的支持向量机(SVM)是针对二类分类的,在解决工程车辆自动变速挡位决策这种典型的多类分类问题时存在困难。本文提出了基于二叉数支持向量机的挡位决策算法,将分类器分布在各个节点上,从而构成了多类分类支持向量机,减少了分类器数量和重复训练样本的数量。该方法能够根据车辆的运行状态确定最佳挡位,从而及时、准确地满足工程车辆自动换挡的要求。试验结果表明基于二叉树的支持向量机性能要比遗传RBF神经网络略好。     

基于分层传感器信息融合的智能车辆导

针对智能车辆导航中传感器信息的不确定性,结合BP神经网络和模糊神经网络分别对传感器信息进行了数据层与决策层的两层融合.采用BP神经网络对多超声波传感器信息进行数据层融合,以减少超声波测距传感器信息的不确定性,提高对障碍物距离探测的准确率;采用模糊神经网络融合障碍物距离信息和车体与标志线间偏差信息,实现智能车辆的导航决策控制,使之更适合系统的跟踪避障要求.该方法使智能车辆在跟踪与避障中具有较好的灵活性和鲁棒性.仿真和实车试验验证了方法的有效性.     

我国农机总动力需求的模糊神经网络预测模型

利用模糊神经网络建立了具有时间序列对象的预测模型，提出了相应的模糊化方法，并对我国农机总动力需求进行了预测，预测结果和实际情况的有较好的一致性。     

拖拉机电控机械式自动变速器模糊换挡策略

利用模糊控制技术,通过引入反映作业状态和环境状态的参数,对拖拉机电控机械式自动变速器(AMT)参数控制换挡规律进行了模糊化修正,设计了模糊控制器。利用设计的模糊控制换挡策略,以东方红-1302R型履带拖拉机为模型,进行了仿真研究。仿真结果表明,能有效避免换挡循环,降低换挡次数,进而改善拖拉机的动力性和经济性。     

基于遗传算法的柴油机自适应智能调速控制系统

介绍了利用智能控制技术和计算机控制技术设计的车用柴油机自适应智能调控控制系统，该系统将人工智能中的神经网络控制技术，模糊控制 技术和遗传算法有机地结合起来，用单片机实现对柴油机转速的自适应智能自动控制，试验表明，这种控制系统具有较高的自学习性和鲁棒性，控制精度高、速度快。     

基于湿式离合器油压分段控制策略的动力换挡品质优化研究

动力换挡技术因具备换挡过程中动力不中断的优点,近年来逐渐被广泛应用于重型拖拉机中。而电液控制系统作为动力换挡变速箱的核心部分之一,其控制过程对车辆性能及换挡品质有直接影响。提出合理的湿式离合器油压控制策略,对改善和优化动力换挡变速箱的换挡品质具有重要意义。选定滑摩功、换挡时间和冲击率作为换挡品质评价指标,通过理论推导建立了三者与动力换挡变速箱电液控制系统之间的联系,根据湿式离合器在换挡过程中输出特性的变化,将动力换挡过程划分为原挡位、扭矩相、惯性相和新挡位4个阶段,结合换挡品质评价指标提出了湿式离合器油压分段控制策略,并以前进1挡换前进2挡为例,在AMESim仿真平台建立相应的Statechart控制模型,针对控制模型中的关键参数运用遗传算法进行优化,将参数优化结果应用于控制系统中并运行仿真。与简单控制策略相比,应用本文所提出的控制策略后,可使换挡过程中产生的最大冲击率由22.14 m/s3降为9.78 m/s3,同时湿式离合器摩擦片单位面积上的滑摩功为0.163 J/mm2,远小于许用值。验证了该控制策略经优化后对改善换挡品质的有效性及合理性。