拖拉机液压机械双流传动综合控制策略研究

发布时间：2020-08-19 20:26

【摘要】：本文以装备液压机械双流传动变速器(Hydraulic Mechanical Transmission,HMT)的拖拉机为研究对象,针对HMT传动存在的效率与响应滞后问题,结合拖拉机复杂多变的作业环境,对HMT的变速传动控制策略进行了研究,主要工作如下:(1)考虑HMT传动效率,设计拖拉机整车驱动功率最大的变速控制规律考虑HMT的传动效率,建立包含变量泵排量比、转速与系统压力的HMT效率模型,从拖拉机整车驱动功率最优的角度出发,确定了求取最佳动力性目标排量比的目标函数和约束条件,设计并实现遍历寻优算法,确定了任一油门开度、系统压力与车速工况下整车驱动功率最大的HMT排量比控制规律,并对优化前后的控制规律进行对比分析。(2)提出基于模糊自适应PID与小波神经网络PID的HMT调速控制策略针对HMT泵控马达调速系统在工作过程中存在的响应滞后与泄漏问题,分别提出了基于模糊自适应PID与小波神经网络PID的HMT调速控制策略。前者利用专家经验建立模糊规则,对PID控制器的控制参数进行修正。后者根据控制误差,搭建小波神经网络进行自学习,在控制过程中实时修正PID控制参数。对两种控制方法进行仿真对比,结果表明,小波神经网络PID控制具有更高的稳定性和控制精度。(3)提出基于作业阻力估计的发动机油门补偿-HMT调速综合控制策略针对拖拉机作业过程中作业阻力大幅波动引起车速变化,导致作业质量下降的问题,提出基于作业阻力估计的发动机油门补偿-HMT调速综合控制策略。在作业阻力估计的基础上,在发动机后备功率可控制范围内,优先对发动机油门进行补偿,再对HMT泵控马达调速系统进行调节,实现发动机油门补偿-HMT调速综合控制,以适应当前作业阻力,提高了拖拉机车速稳定性。通过对HMT变速传动控制策略的研究,解决了HMT传动效率对整车驱动功率的影响、HMT泵控马达的响应滞后与泄漏对变速控制效果的影响以及作业阻力波动对作业质量的影响等问题,提高了拖拉机车速的稳定性,保证了作业质量,对提高拖拉机适应复杂作业环境的能力具有一定意义。
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：S219;TP273
【图文】：

现变速功能是由模块之间相互协调完成的。其中，液压机械变速传是根据变速策略将发动机的输出动力由不同路径传递至驱动轮；上功能是采集拖拉机作业时的状态参数信号，根据工况制定变速或换控制指令；下层电液执行系统的功能是接收上层控制单元的变速控制号转换成液压信号驱动作动油缸，进而控制液压机械变速传动系统机构（泵控马达系统、离合器、同步器）完成变速。本章基于拖拉机结构，制定 HMT 变速传动的分层控制策略，为 HMT 控制系统设计T 系统结构T 变速器采用液压与机械功率流组合双流传递动力，其结构设计采流，后端行星轮系汇流，液压马达控制转向行星轮系实现转向，4 个高低档组合成 8 个机械档位，可实现纯机械传动、纯液压传动和传动三种状态，其整体结构如图 2.1 所示，其中数字编号 1~35 表示~G 表示传动轴，字母 L 表示离合器，字母 P 表示泵和马达。P1

流行星轮系的行星架 14。变量柱塞泵 P2 与轴 B 联结，通过液压传柱塞马达 P3 旋转，并通过轴 C 传递给汇流行星轮系的太阳轮 13。组动力在行星轮系汇流，通过行星架 14 与太阳轮 13 传递至齿圈 7系的齿圈 7 通过齿轮副 9/18 将运动传动给手动变速部分的传动轴 D择 1、2、3、4 档齿轮副（1 档齿轮副为 15/16，2 档齿轮副为 12/2为 17/25，4 档齿轮副为 19/20），将运动传递到轴 E。轴 E 通过两端轮副 21/22 将运动传递给转向行星轮系的齿圈 23，左右对称布置的轮系，其太阳轮 26 与锥齿轮 30 固定联结，左右锥齿轮 30 同时与转 联结，液压马达 P4 通过锁死或带动锥齿轮 31 正反转实现转向。转行星架 27，通过齿轮副 28/35 将运动传递给轴 G，轴 G 与轮边减速轮 32 固定联结，运动由高低档啮合套选择直接将传递给履带轮 33减速行星轮系由行星架传递给履带轮 33。1）纯液压传动 HMT 处于纯液压传动阶段时，离合器 L2 分离，离合器 L3 接合，的太阳轮 13 与行星架 14 联结，汇流行星轮系不产生减速作用，在 的作用下，整体旋转将动力输出，定排量马达 P3 的转速受变排量液

9 HMT 处于纯机械传动阶段时，柱塞马达 P3 锁死，汇流行星轮系的动状态，离合器 L2 结合，离合器 L3 分离，汇流行星轮系行星架 17 输出，液压机构不传递动力，纯机械传动阶段的传递路线如图 2.4 示（汇流行星轮系后的手动机械档位为 4 档，轮边高低档为高档，）。

【相似文献】

相关期刊论文 前10条

1 王皓然;严彬元;;依赖小波神经网络算法的信息安全风险评估方法[J];信息技术;2018年12期

2 何韦玲;;基于小波神经网络的独立光伏发电量模型的探究[J];电子质量;2019年04期

3 姜刚;李举;陈盟;周佳薇;;灰色-小波神经网络支持下对地铁工程沉降变形的预测[J];测绘通报;2019年05期

4 梁利利;李建军;;小波神经网络背景下的大数据在线负载异常监测技术[J];粘接;2019年09期

5 祝暄懿;姚李孝;;基于相似日和小波神经网络的光伏短期功率预测[J];电网与清洁能源;2019年03期

6 龚瑞昆;王海平;王鹏;周国庆;;基于小波神经网络的收割机测产系统振动信号分析[J];农机化研究;2018年06期

7 王伟;;基于小波神经网络的电力系统负荷预测[J];科技创业月刊;2017年05期

8 王华秋;王斌;;自构建小波神经网络的内模控制研究与应用[J];计算机测量与控制;2014年09期

9 吴凡;张莉;;基于小波神经网络的模拟电路故障诊断技术[J];计算机测量与控制;2014年11期

10 侯润民;刘荣忠;高强;王力;邓桐彬;;一种自适应模糊小波神经网络及其在交流伺服控制中的应用[J];兵工学报;2015年05期

相关会议论文 前10条

1 胡梅;樊敏;;基于改进型松散小波神经网络的软故障诊断方法[A];仪器仪表学报（2015（增刊）第36卷）[C];2015年

2 何正友;钱清泉;;一种改进小波神经网络模型在电力故障信号识别中的应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

3 金向阳;张莉;于广滨;;基于改进小波神经网络的航空滚动轴承的故障检测[A];第二十六届中国控制会议论文集[C];2007年

4 谢建宏;张为公;;复合材料疲劳剩余寿命预测的动态小波神经网络方法[A];第二届全国信息获取与处理学术会议论文集[C];2004年

5 何晋;孟庆鑫;赵杰;王华;;水下机械手的模糊小波神经网络控制[A];第25届中国控制会议论文集（下册）[C];2006年

6 李国丽;刘辉;邓娜;;使用小波神经网络的图像压缩[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

7 田建艳;代正梅;;加热炉炉温的小波神经网络预测控制策略[A];2009年中国智能自动化会议论文集（第六分册）[中南大学学报（增刊）][C];2009年

8 李净松;陈涵瀛;高璞珍;田瑞峰;;基于小波神经网络的自然循环时间序列预测[A];第十五届全国反应堆热工流体学术会议暨中核核反应堆热工水力技术重点实验室学术年会论文集[C];2017年

9 殷礼胜;江琦;胡启洲;;基于混沌算法的交通流量小波神经网络及预测研究[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

10 宁佐贵;王雄祥;朱长春;;信号消噪的小波神经网络方法[A];中国工程物理研究院科技年报（2000）[C];2000年

相关博士学位论文 前10条

1 银俊成;量子信道与量子小波神经网络相关问题研究[D];陕西师范大学;2013年

2 李永红;广义小波神经网络实现雷达相关滤波的研究[D];大连海事大学;2000年

3 许廷发;GABOR小波神经网络算法及其在灰度图象目标识别中的应用研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2004年

4 刘守生;遗传算法与小波神经网络中若干问题的研究[D];南京航空航天大学;2005年

5 周卫东;一类混合动态系统建模与优化调度问题的研究[D];山东大学;2005年

6 侯霞;小波神经网络若干关键问题研究[D];南京航空航天大学;2006年

7 任伟建;智能算法及其在油田故障诊断问题中的应用[D];大庆石油学院;2006年

8 李文军;多小波和小波神经网络构造及其在电弧故障诊断中的应用研究[D];吉林大学;2008年

9 高协平;小波参数化与小波神经网络研究[D];湖南大学;2003年

10 潘

本文编号：2797549