提高工程车辆智能变速性能的综合控制研究
发布时间:2020-08-31 19:56
工程机械是我国机械工业的支柱产业之一,它在能源、水利、交通、国防建设等国民经济各个领域中发挥着巨大作用,工程机械行业的设计和制造水平反映了一个国家的综合实力和综合技术水平。通过对工程机械产品智能化控制的研究,提高工程机械及其动力传动系统的智能化控制性能,可大大提高工程机械产品的高新技术含量,使其具有更好的性价比。 带作业装置的自行式工程机械,即工程车辆,因其作业条件与作业状况复杂多变,采用各种新的检测、控制技术改善其动力传动系统的性能,使其在各种作业工况下作业更具智能化,效率更高,从而更大地减轻工程车辆驾驶员的作业疲劳强度。工程车辆作业时需克服很大的工作阻力,因而其不仅需要具有良好的动力性能,还需具有良好的牵引性能,保证机械发挥足够的牵引力,且发动机始终处于高效区工作,提高整车的经济性能,降低作业成本。 工程车辆的智能变速技术是目前工程车辆亟待研究和解决的核心技术之一。工程车辆智能变速技术已经进入智能化时代,控制策略的不断改进成为工程车辆自动变速技术发展的特点。 目前工程车辆智能换挡及换挡策略等问题仍未彻底解决。在国内,工程车辆智能换挡控制研究尚处于台架试验阶段;在国外,自动控制方面的技术水平领先于我国,已处于实际应用阶段,但其智能换挡研究仍然不是十分完善,采用智能换挡控制的工程机械产品还没有广泛地应用。 本论文通过对工程车辆动力传动系统及采用仿人智能模糊控制方法等多方面进行综合研究,以提高工程车辆智能换挡的综合性能,使工程车辆能够根据其行驶速度与负载变化状态智能换挡,并使发动机、液力变矩器与运行工况相匹配,在保证最佳作业效率的前提下,实现动力传动系统节能的目的,为工程车辆智能化换挡控制的产业化实施奠定基础。本研究得到国家自然科学基金项目(50075033)“工程机械智能自动变速技术研究”的资助。 论文以典型工程车辆ZL50装载机为样机,对其动力传动系统进行了动力学分析并建立了力学模型;将仿人智能模糊控制方法应用于工程车辆的智能换挡控制,确定了工程车辆变速系统的基于仿人智能模糊控制的自动换挡策略;应用MATLAB/SIMULINK软件,对ZL50装载机变速系统进行了动态建模和仿真;通过台架试验及结果分析,验证了系统数学模型的正确性和仿人智能模糊控制方法在工程车辆智能变速系统中应用的可行性;以具有对复杂系统的良好的适 摘要 应性、在线实时性、控制系统结构简单、作业工况全局最优性等性能为目标的 仿人智能模糊控制,对目前工程车辆智能换挡控制的各种控制策略进行了分析 总结,给出了各控制策略的优、缺点及智能换挡的控制模块。 1、结合国内外车辆自动变速技术及智能控制技术等资料,分析了工程车辆 的作业特点及发展前沿,论述了自动变速技术的发展历史,总结出目前研究开 发车辆自动换挡系统的重大意义。同时介绍了自动换挡系统的结构原理。针对 自动控制技术的发展,就车辆自动变速方面的换挡控制策略及其发展历程、现 状,进行了详尽的分析。提出本文主要研究内容,即研究工程车辆动力传动系 统性能、结构及匹配,从系统工程和综合分析的观点,提出了采用仿人智能模 糊控制的方法提高工程车辆智能变速的新途径。 2、以典型工程车辆Z肠O装载机为研究对象,对其动力传动系统进行了性 能分析,并建立了数学模型。动力系统结合X6130柴油机建立了数学模型并进 行了仿真试验,对发动机的动力性和经济性进行了性能分析。给出了液力变矩 器的数学模型,结合YJ355液力变矩器对其性能进行了分析。重点在发动机与 液力变矩器的合理匹配上进行了分析研究,分别选用带全制式调速器的柴油机 及带两极式调速器的柴油机与液力变矩器进行匹配及性能对比分析,首次提出 在工程车辆上采用两极调速器和不可透或透穿性小的液力变矩器的观点,并对 其共同工作特性进行了分析研究,证明方案可行。 3、针对工程车辆的作业特点提出了自动变速的换挡原则,提出以车辆最佳 牵引性能、动力性能及兼顾燃油经济性为换挡控制原则。对仿人智能控制HSIC (Human simulating玩telligent Control)方法进行了详尽的性能分析,该控制方 法具有分层递阶的信息处理和决策机构、在线的特征辩识和特征记忆、开环与 闭环综合控制、定性决策与定量控制相结合的多模态控制等基本特点。首次将 仿人智能控制与模糊控制方法相结合应用于工程车辆的智能换挡控制,确定了 工程车辆变速系统的基于仿人智能模糊控制的自动换挡策略,以工程车辆速度 变化趋势为换挡控制参考项,采用双输入、单输出(即以车速及发动机油门开 度为输入量,以变速器挡位为输出量)的控制方法,以控制系统结构简单、作 业工况全局性能最优、在线实时性为控制原则,对复杂工程车辆变速系统进行 了控制性能的分析研究。 4、应用M户JLAB/SIMUUNK软件,对ZLSO装载机变速系统进行了动态 建模和仿真。以油门开度和车速为控制输入量,以发动机动态转速为输出量, 建立了x613o柴油发动机子系统仿真模型。以发动机动态输出转速、变速器挡 位、输出转速为输入信号,以传动系输出?
【学位单位】:吉林大学
【学位级别】:博士
【学位年份】:2004
【中图分类】:TH243
【部分图文】:
第六章智能换挡控制策略对比性分析采用某种集成智能控制方法,加速度信息即可入量的减少对控制器结构的简化、对减少被测制执行时间,具有重要意义。管工程车辆作业工况复杂多变,对推土机而言向工况等频繁交替进行,工况转化时间较短,驾驶员的劳动强度。模糊控制对控制信息离线控制,由于作业工况,导致控制策略出现偏差,自适应性能下降。是智能控制的基本而适用的控制方法,但对于辆的自动换挡被控系统,采用模糊控制方法未方案。控制的工程车辆智能换挡控制模块如图6一2所
第六章智能换挡控制策略对比性分析采用某种集成智能控制方法,加速度信息即可由入量的减少对控制器结构的简化、对减少被测对制执行时间,具有重要意义。管工程车辆作业工况复杂多变,对推土机而言,向工况等频繁交替进行,工况转化时间较短,频驾驶员的劳动强度。模糊控制对控制信息离线控制,由于作业工况的,导致控制策略出现偏差,自适应性能下降。是智能控制的基本而适用的控制方法,但对于更辆的自动换挡被控系统,采用模糊控制方法未必方案。控制的工程车辆智能换挡控制模块如图6一2所示。
再励信号图65工程车辆模糊神经网络自动换挡控制系统结构外,神经网络算法所具有的学习功能收敛速度较慢,即使一个简单百次甚至上千次的学习才能收敛,且不能保证收敛效果最优。所以法适合先离线大样本学习,再在线应用,这样可以提高车辆在线控。程车辆作业工况复杂多变,突发而无规则载荷频繁出现,这使神经自学习控制响应输出时间受到影响,所以该神经网络模糊控制局限工况最优,而非全局作业工况最优,有待于进一步完善。者查阅了相关资料,完全意义智能控制的在线(real一time)实时控应在1/2O秒之内,而目前人工智能控制在线响应时间在0.5一1秒之在线控制实时控制。之,模糊神经网络控制适用于复杂系统的控制,己被广泛应用于航工业、日常生活等方面,且性能较好。在工程车辆自动换挡控制方管目前已有尝试,进一步完善是有一定研究和使用价值的。于模糊神经网络控制的工程车辆智能换挡神制模块加图6一6所示。
本文编号:2809252
【学位单位】:吉林大学
【学位级别】:博士
【学位年份】:2004
【中图分类】:TH243
【部分图文】:
第六章智能换挡控制策略对比性分析采用某种集成智能控制方法,加速度信息即可入量的减少对控制器结构的简化、对减少被测制执行时间,具有重要意义。管工程车辆作业工况复杂多变,对推土机而言向工况等频繁交替进行,工况转化时间较短,驾驶员的劳动强度。模糊控制对控制信息离线控制,由于作业工况,导致控制策略出现偏差,自适应性能下降。是智能控制的基本而适用的控制方法,但对于辆的自动换挡被控系统,采用模糊控制方法未方案。控制的工程车辆智能换挡控制模块如图6一2所
第六章智能换挡控制策略对比性分析采用某种集成智能控制方法,加速度信息即可由入量的减少对控制器结构的简化、对减少被测对制执行时间,具有重要意义。管工程车辆作业工况复杂多变,对推土机而言,向工况等频繁交替进行,工况转化时间较短,频驾驶员的劳动强度。模糊控制对控制信息离线控制,由于作业工况的,导致控制策略出现偏差,自适应性能下降。是智能控制的基本而适用的控制方法,但对于更辆的自动换挡被控系统,采用模糊控制方法未必方案。控制的工程车辆智能换挡控制模块如图6一2所示。
再励信号图65工程车辆模糊神经网络自动换挡控制系统结构外,神经网络算法所具有的学习功能收敛速度较慢,即使一个简单百次甚至上千次的学习才能收敛,且不能保证收敛效果最优。所以法适合先离线大样本学习,再在线应用,这样可以提高车辆在线控。程车辆作业工况复杂多变,突发而无规则载荷频繁出现,这使神经自学习控制响应输出时间受到影响,所以该神经网络模糊控制局限工况最优,而非全局作业工况最优,有待于进一步完善。者查阅了相关资料,完全意义智能控制的在线(real一time)实时控应在1/2O秒之内,而目前人工智能控制在线响应时间在0.5一1秒之在线控制实时控制。之,模糊神经网络控制适用于复杂系统的控制,己被广泛应用于航工业、日常生活等方面,且性能较好。在工程车辆自动换挡控制方管目前已有尝试,进一步完善是有一定研究和使用价值的。于模糊神经网络控制的工程车辆智能换挡神制模块加图6一6所示。
【引证文献】
相关期刊论文 前1条
1 赵克利;马乐;刘迹远;;工程车辆智能换挡规律的仿真[J];中国公路学报;2006年05期
相关硕士学位论文 前7条
1 季小伟;使用主动限滑差速器的轮式装载机驱动性能仿真[D];浙江理工大学;2011年
2 康怀亮;工程车辆三参数动力节能换挡规律研究[D];吉林大学;2012年
3 傅丽贤;基于神经网络的轮式装载机防滑差速器的控制研究[D];浙江理工大学;2012年
4 黄国平;基于新型三参数的工程车辆动态换挡规律研究[D];吉林大学;2012年
5 朱海峰;重型商用车坡路换挡规律智能提取方法研究[D];吉林大学;2013年
6 马建辉;工程车辆三参数综合换挡策略研究[D];吉林大学;2013年
7 毛永波;基于路面状态识别的轮式装载机驱动防滑研究[D];浙江理工大学;2013年
本文编号:2809252
本文链接:https://www.wllwen.com/kejilunwen/jixiegongcheng/2809252.html