吳光強(qiáng)，司建玉

（1.同濟(jì)大學(xué) 汽車學(xué)院，上海201804；2.東京大學(xué) 生產(chǎn)技術(shù)研究所，東京153－8505）

雙離合器自動(dòng)變速器（dual clutch transmission，DCT）起步控制技術(shù)就是指起步過程中離合器的控制技術(shù)[1－3].根據(jù)DCT的結(jié)構(gòu)特點(diǎn)，其起步既可以使用單離合器也可以使用雙離合器，目前對DCT起步過程的研究主要集中在單離合器起步，而雙離合器起步的研究相對較少.其中文獻(xiàn)[4－5]把模糊控制理論應(yīng)用到了單離合器起步的控制中，制定了車輛起步時(shí)離合器接合速度的模糊控制規(guī)則，仿真驗(yàn)證的結(jié)果表明控制效果較好.國內(nèi)外學(xué)者對基于智能控制技術(shù)的離合器起步控制進(jìn)行了較為深入的研究，但也存在諸多不足，如未綜合考慮駕駛員的起步意圖、路況、車況及離合器的接合狀態(tài)對起步的影響.

本文在綜合考慮了駕駛員的起步意圖、車輛負(fù)載、路面坡度及離合器接合狀態(tài)的基礎(chǔ)上研究了雙離合器協(xié)同起步過程，提出了基于模糊控制和神經(jīng)網(wǎng)絡(luò)的智能控制策略，以DCT起步過程中的起步時(shí)間、滑摩功及沖擊度為評價(jià)指標(biāo)，利用快速起步、慢速起步及駕駛員意圖多變的起步工況對所制定智能控制策略的合理性進(jìn)行了驗(yàn)證.

1 DCT起步過程建模

1.1 DCT傳動(dòng)系統(tǒng)模型

DCT的擋位按照奇數(shù)和偶數(shù)分為2組，奇數(shù)擋位與離合器1相連，偶數(shù)擋位與離合器2相連.通過預(yù)先接合同步器實(shí)現(xiàn)動(dòng)力換擋過程[6－7].離合器1，2的接合與分離根據(jù)作動(dòng)方式的不同，通常分為液作動(dòng)和電作動(dòng).圖1為DCT傳動(dòng)系統(tǒng)的結(jié)構(gòu)示意.

圖1 雙離合器自動(dòng)變速器傳動(dòng)系統(tǒng)結(jié)構(gòu)示意Fig.1 Dual clutch transmission driving system schematic

1.2 雙離合器起步動(dòng)力學(xué)模型

DCT雙離合器起步過程可簡化為一個(gè)離散化的系統(tǒng)模型，如圖2所示.圖中，Te為發(fā)動(dòng)機(jī)轉(zhuǎn)矩；ωe為發(fā)動(dòng)機(jī)的轉(zhuǎn)速；Tc1e，Tc2e分別為離合器1和2對發(fā)動(dòng)機(jī)的反作用轉(zhuǎn)矩；Tec1，Tec2分別為發(fā)動(dòng)機(jī)傳遞給離合器1和2的轉(zhuǎn)矩；ωc1，ωc2分別為離合器1和2從動(dòng)部分的轉(zhuǎn)速；Toc1，Toc2分別為變速器輸出軸對離合器1和2的反作用轉(zhuǎn)矩；Tc1o，Tc2o分別為離合器1和2傳遞給變速器輸出軸的轉(zhuǎn)矩；ωo為輸出軸轉(zhuǎn)速；Tf為轉(zhuǎn)換到變速器輸出軸上的阻力矩.

圖2 雙離合器起步的動(dòng)力學(xué)模型Fig.2 Dual clutch launching drive train model

雙離合器起步過程的動(dòng)力學(xué)方程為Te－Tc1e－Tc2e－beωe＝Iedωe／dt，Tec1－Toc1－bc1ωc1＝Ic1·dωc1／dt，Tec2－Toc2－bc2ωc2＝Ic2dωc2／dt，Tc1o＋Tc2o－Tf－boωo＝Iodωo／dt，其中：ωc1＝i1ωo，ωc2＝i2ωo，Tec1＝ZμF1R，Tec1＝ZμF2R。起步完成后穩(wěn)定行駛階段的動(dòng)力學(xué)方程為：Te－Toc1－bc1ωc1＝（Ie＋I(xiàn)c）dωe／dt，ωc1＝ωe，式中：be，bc1，bc2及bo為阻尼；Ie，Ic1，Ic2，Io，Ic分別為發(fā)動(dòng)機(jī)及離合器主動(dòng)部分、離合器1從動(dòng)部分、離合器2從動(dòng)部分、變速器輸出軸到車輪的轉(zhuǎn)動(dòng)慣量及起步完成后穩(wěn)定行駛時(shí)等效到離合器1的轉(zhuǎn)動(dòng)慣量；t為時(shí)間；i1，i2分別為變速器1和2擋速比；Z為離合器摩擦面?zhèn)€數(shù)；μ為摩擦因數(shù)；F1，F(xiàn)2分別為作用在離合器1和2壓盤上的等效正壓力；R為離合器等效半徑.

1.3 起步性能評價(jià)指標(biāo)

對車輛起步過程進(jìn)行定量評價(jià)時(shí)的指標(biāo)主要有沖擊度和滑摩功[8].

1.3.1 沖擊度

沖擊度是評價(jià)離合器接合過程平穩(wěn)程度的指標(biāo)，定義為車輛縱向加速度的變化率，表達(dá)式為j＝da／dt＝d2v／dt2，式中：j為沖擊度，最大推薦值10 m·s－3；a為車輛縱向加速度；v為車輛行駛速度.

1.3.2 滑摩功

滑摩功是評價(jià)離合器使用壽命的指標(biāo)，是離合器摩擦片間滑動(dòng)時(shí)摩擦力做功的大小，表達(dá)式為，式中：W為滑摩功；Tc為離合器傳遞的轉(zhuǎn)矩；ωc為離合器從動(dòng)部分的轉(zhuǎn)速；t0為離合器摩擦面開始接觸的時(shí)間起點(diǎn)；t1為從離合器摩擦面開始接觸（Tc＝0）起直到Tc逐漸增大到能夠克服汽車行駛阻力矩Tf所經(jīng)歷的時(shí)間；t2為從Tc大于Tf起直到ωc從零逐漸增大到與ωe相等所經(jīng)歷的時(shí)間.

2 起步控制系統(tǒng)描述

模糊控制技術(shù)可以利用人的知識(shí)和經(jīng)驗(yàn)達(dá)到模仿人的思維來控制汽車起步的目的，而且對難以建立數(shù)學(xué)模型、非線性和大滯后的控制對象具有很好的適應(yīng)性，非常適用于離合器的起步控制.而神經(jīng)網(wǎng)絡(luò)又具有并行計(jì)算、分布式信息存儲(chǔ)、容錯(cuò)能力強(qiáng)及具備自學(xué)習(xí)功能等優(yōu)點(diǎn)，所以基于模糊控制和神經(jīng)網(wǎng)絡(luò)理論并結(jié)合DCT車輛起步控制的特點(diǎn)設(shè)計(jì)了DCT起步的智能控制系統(tǒng)，如圖3所示.主要由駕駛員意圖的模糊推理系統(tǒng)、離合器接合速度的模糊推理系統(tǒng)及離合器滑差率神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)組成.圖中，ωc為離合器從動(dòng)盤轉(zhuǎn)速；Fd為離合器輸出的驅(qū)動(dòng)力；vs為車輛行駛速度；vc為離合器接合速度；ice為離合器轉(zhuǎn)速比；μc為離合器滑差率閾值；L為車輛負(fù)載；I為起步意圖；i為路面坡度；Δne為發(fā)動(dòng)機(jī)實(shí)際轉(zhuǎn)速與目標(biāo)轉(zhuǎn)速差；α為油門開度.

起步控制系統(tǒng)首先根據(jù)α及˙α由模糊推理系統(tǒng)推理出駕駛員的起步意圖，然后根據(jù)I和Δne和ice推理出vc，同時(shí)，由起步意圖1，L及i經(jīng)離合器滑差率神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)得到μc，最后由vc和μc共同控制離合器的起步過程.

圖3 起步控制系統(tǒng)簡圖Fig.3 Launching control schematic

3 起步的智能控制策略制定

基于優(yōu)秀駕駛員的操作經(jīng)驗(yàn)制定了駕駛員意圖的模糊控制規(guī)則，根據(jù)α和Δα實(shí)時(shí)識(shí)別出I.同時(shí)，以I，L及i為輸入?yún)?shù)，基于人工神經(jīng)網(wǎng)絡(luò)理論設(shè)計(jì)了雙離合器起步的神經(jīng)網(wǎng)絡(luò)控制系統(tǒng).

3.1 模糊規(guī)則制定

3.1.1 駕駛員意圖的模糊規(guī)則制定

根據(jù)α和˙α推理出I.駕駛員意圖的模糊控制系統(tǒng)各變量的語言集和基本論域如下：α為｛非常?。╒S）、?。⊿）、中等（M）、大（B）、非常大（VB）｝，｛0，1｝；˙α 為 ｛負(fù)大（NB）、負(fù)中（NM）、負(fù)?。∟B）、零（ZE）、正小（PS）、正中（PM）、正大（PB）｝，｛－6，6｝；I為｛非常慢（VS）、慢（S），中等（M）、急（B）、非常急（VB）｝，｛0，1｝.

基于優(yōu)秀駕駛員的操作經(jīng)驗(yàn)，制定的駕駛員意圖的模糊控制規(guī)則如表1所示，根據(jù)控制規(guī)則綜合判斷后給出駕駛員的駕駛意圖，并作為輸入?yún)?shù)用于起步自適應(yīng)控制的推理.

表1 駕駛員意圖模糊規(guī)則Tab.1 Driver intention fuzzy rules

3.1.2 離合器接合速度的模糊規(guī)則制定

車輛起步過程中，離合器的接合速度直接影響起步性能，包括起步時(shí)間、沖擊度及滑摩功的大小[9].雙離合器協(xié)同起步過程中，對離合器接合速度的控制還需要考慮2個(gè)離合器輸出力矩的分配問題，這里以2個(gè)離合器輸出到車輪扭矩相等的原則進(jìn)行扭矩的分配，同時(shí)，還必須保證離合器的接合速度能夠反映駕駛員的駕駛意圖.另外，離合器接合速度還要考慮發(fā)動(dòng)機(jī)轉(zhuǎn)速的變化情況，如果發(fā)動(dòng)機(jī)接合過程中轉(zhuǎn)速下降較快則應(yīng)該減慢接合速度，反之則加快離合器接合速度，這里對發(fā)動(dòng)機(jī)轉(zhuǎn)速的控制采用的方法是由油門開度制定發(fā)動(dòng)機(jī)目標(biāo)轉(zhuǎn)速，并通過控制離合器的接合速度來減小實(shí)際轉(zhuǎn)速與目標(biāo)轉(zhuǎn)速的偏差.同時(shí)，離合器主從動(dòng)盤的轉(zhuǎn)速差也應(yīng)該考慮在接合速度的控制中，這里以離合器主從動(dòng)盤的轉(zhuǎn)速差Δnc與發(fā)動(dòng)機(jī)轉(zhuǎn)速ne的比值ice來表征離合器的接合狀態(tài)并對輸入?yún)?shù)進(jìn)行模糊化處理.

設(shè)由 Δne和ice決定vc.Δne，ice及vc各模糊語言集合 基 本 論 域 如 下：Δne為 ｛負(fù)（N）、零（ZE）、正（P）｝，｛－1，1｝；ice為 ｛非 常 ?。╒S）、?。⊿）、中（M）、大（B）、非常大（VB）｝，｛0，1｝；vc為｛慢（S）、較慢（LS）、中等（M）、較快（LB）、快（VB）｝，｛0，10｝.

離合器接合速度的模糊控制規(guī)則如表2所示.

表2 離合器接合速度模糊規(guī)則Tab.2 Clutch engaging speed fuzzy rules

3.1.3 模糊控制變量隸屬度函數(shù)的選擇

根據(jù)模糊控制變量及其特點(diǎn)，在綜合考慮了各隸屬函數(shù)適用情況的基礎(chǔ)上，選用了常用的高斯型隸屬度函數(shù).模糊變量隸屬度函數(shù)如圖4所示.

3.2 離合器滑差率神經(jīng)網(wǎng)絡(luò)控制模型

3.2.1 神經(jīng)網(wǎng)絡(luò)模型及參數(shù)

雙離合器協(xié)同起步時(shí)2個(gè)離合器的接合與分離時(shí)序是控制時(shí)需要解決的關(guān)鍵問題.由于需要綜合考慮駕駛員意圖、車輛負(fù)載及路面坡度等人－車－路環(huán)境的影響，傳統(tǒng)方法建立的模型只能得到有限個(gè)精確的數(shù)據(jù)值，無法自適應(yīng)各因素不斷變化的特性，而神經(jīng)網(wǎng)絡(luò)模型恰恰能彌補(bǔ)傳統(tǒng)方法的不足.這里以離合器1主從動(dòng)盤的轉(zhuǎn)速差與主動(dòng)盤轉(zhuǎn)速的比值（定義為離合器1滑差率）為控制目標(biāo)，以I，L及i為輸入?yún)?shù)，以離合器1滑差率閾值為控制參數(shù)，設(shè)計(jì)了4層神經(jīng)網(wǎng)絡(luò)模型.離合器滑差率閾值神經(jīng)網(wǎng)絡(luò)模型如圖5.圖中，j，k，l，m，n為神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)編號(hào)；Wij為節(jié)點(diǎn)i，j間的權(quán)值；Wjk為節(jié)點(diǎn)j，k間的權(quán)值；Wkl為節(jié)點(diǎn)k，l間的權(quán)值.

圖5 神經(jīng)網(wǎng)絡(luò)模型示意Fig.5 Neural networ k schematic

第1層為輸入層，采用I，L及i為輸入，該層的結(jié)點(diǎn)數(shù)為3；第2，3層為隱含層，該層的結(jié)點(diǎn)數(shù)分別為9，6；第4層為輸出層，采用離合器1滑差率閾值為輸出.神經(jīng)網(wǎng)絡(luò)模型的參數(shù)如表3所示.

表3 神經(jīng)網(wǎng)絡(luò)模型參數(shù)Tab.3 Neural network model parameters

3.2.2 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

基于表3的神經(jīng)網(wǎng)絡(luò)類型及具體參數(shù)構(gòu)造神經(jīng)網(wǎng)絡(luò)模型，由于BP（back propagation）神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速度慢，而且易于落入局部極小，所以這里采用了加入動(dòng)量項(xiàng)和全局誤差累積計(jì)算的方法改進(jìn)了其學(xué)習(xí)速度慢的不足之處[10－11].訓(xùn)練時(shí)，根據(jù)已有的仿真及測試結(jié)果以快速、中速、慢速起步意圖、車輛輕、中、重載，路面坡度0，5，10，15，20°及離合器滑差率閾值0.05，0.10，0.15，0.20的相應(yīng)組合作為訓(xùn)練樣本訓(xùn)練得到滿足泛化要求的神經(jīng)網(wǎng)絡(luò)模型.

4 仿真結(jié)果及分析

以DCT起步過程中的起步時(shí)間、滑摩功及沖擊度為評價(jià)指標(biāo)，利用快速起步、慢速起步及駕駛員意圖多變的起步工況并以車輛輕載情況為例通過仿真對所制定的起步智能控制策略進(jìn)行了驗(yàn)證.仿真結(jié)果如圖6～8所示.

從圖6可以看出，對于快速起步工況，單離合器起步時(shí)間約為0.950 s，雙離合器協(xié)同起步時(shí)間縮短為約0.807 s；但滑摩功由單離合器起步的約5 148 J增加為雙離合器協(xié)同起步的約5 279 J，雙離合器協(xié)同起步中離合器1，2的滑摩功分別為2 721，2 558 J；而雙離合器沖擊度峰值較單離合器大，但都小于沖擊度的推薦值（10 m·s－3）.就離合器接合過程而言，起步開始時(shí)，離合器1，2以20 mm·s－1的速度快速接合以消除離合器主從動(dòng)盤的間隙，之后雙離合器的接合速度由模糊控制系統(tǒng)決定.離合器1從起步開始按照預(yù)先的控制規(guī)則要求接合，而離合器2根據(jù)離合器滑差率閾值（此工況下為4.42%）到0.777 s時(shí)開始分離，離合器1主從動(dòng)盤在0.807 s接合速度達(dá)到同步，離合器1以30 mm·s－1的接合速度完成剩余行程.同時(shí)，為了減少離合器2在分離時(shí)候的滑摩功，離合器2的分離速度比接合速度快，且雙離合器協(xié)同起步時(shí)離合器接合速度的模糊控制對雙離合器接合速度的控制比較平穩(wěn).

對于圖7的慢速起步工況，起步開始時(shí)，為消除離合器主從動(dòng)盤的間隙，離合器1，2先以20 mm·s－1的速度快速接合，此后雙離合器的接合速度就由模糊控制系統(tǒng)決定.離合器1從起步開始按照預(yù)先的控制規(guī)則要求接合，而離合器2根據(jù)離合器滑差率閾值（此工況下為6.31%）到0.95 s時(shí)開始分離，離合器1主從動(dòng)盤在1.13 s接合速度達(dá)到同步，此后離合器1以30 mm·s－1的接合速度完成剩余行程.此工況下離合器2的分離速度比接合速度快，以便減少離合器2在分離時(shí)候的滑摩功.就起步時(shí)間而言，單離合器起步和雙離合器協(xié)同起步的起步時(shí)間都大于1 s，較快速起步工況有了明顯的延長，而雙離合器協(xié)同起步略快于單離合器起步.同時(shí)，雙離合器協(xié)同起步的滑摩功也略高于單離合器起步.無論是單離合器起步還是雙離合器起步?jīng)_擊度都小于推薦值（10 m·s－3）.

圖8是駕駛員意圖多變起步工況，此工況下，離合器1，2先以20 mm·s－1的速度快速接合以消除離合器主從動(dòng)盤的間隙，此后雙離合器的接合速度由模糊控制系統(tǒng)決定.整個(gè)接合分離過程中，根據(jù)制定的離合器接合速度的模糊規(guī)則完成了雙離合器的控制.離合器1從起步開始按照預(yù)先的控制規(guī)則要求接合，而離合器2根據(jù)離合器滑差率閾值（此工況下為5.23%）到0.925 s時(shí)開始分離，離合器1主從動(dòng)盤在0.984 s接合速度達(dá)到同步，此后離合器1以30 mm·s－1的接合速度完成剩余行程.此工況下離合器2的分離速度比接合速度快，以便減少離合器2在分離時(shí)候的滑摩功.對于起步時(shí)間而言，單離合器起步和雙離合器起步較快速起步工況都有所延長，并且起步過程中沖擊度也有了較為明顯的變化，但也都小于推薦值.雙離合器協(xié)同參與的起步過程使得單個(gè)離合器的滑摩功較單離合器起步明顯減少，有利于延長離合器的使用壽命.但雙離合器協(xié)同起步的控制策略較單離合器起步復(fù)雜，增加了控制系統(tǒng)實(shí)現(xiàn)的難度.

5 結(jié)論

（1）參考優(yōu)秀駕駛員的操作經(jīng)驗(yàn)，制定了駕駛員意圖的模糊控制規(guī)則.以駕駛員意圖、車輛負(fù)載及路面坡度為輸入?yún)?shù)，以離合器滑差率閾值為控制參數(shù)，設(shè)計(jì)實(shí)現(xiàn)了雙離合器滑摩過程控制的神經(jīng)網(wǎng)絡(luò)模型.

（2）以DCT起步過程中的起步時(shí)間、滑摩功及沖擊度為評價(jià)指標(biāo)，對快速起步、慢速起步、坡道起步及駕駛員意圖多變的起步工況進(jìn)行了仿真驗(yàn)證，并與單離合器起步工況進(jìn)行了對比分析，驗(yàn)證與對比結(jié)果表明所制定的雙離合器協(xié)同起步的智能控制策略對不同工況具有自適應(yīng)性.

（3）典型工況的仿真結(jié)果表明，雙離合器協(xié)同參與的起步過程使單個(gè)離合器的滑摩功較單離合器起步明顯減少，有利于延長離合器的使用壽命.同時(shí)，雙離合器協(xié)同起步的起步時(shí)間較單離合器起步也有較明顯的縮短，有利于車輛的快速起步.然而，雙離合器協(xié)同起步的控制策略較單離合器起步復(fù)雜，以致增加了控制系統(tǒng)實(shí)現(xiàn)的難度.

[1] Goetz M，Levesley M C，Crolla D A.Integrated powertrain control of gearshifts on twin clutch transmissions[C]∥2004 SAE World Congress Detriot.Detriot：SAE，2004：SAE paper 2004－01－1637.

[2] 吳光強(qiáng)，楊偉斌，秦大同.雙離合器式自動(dòng)變速器控制系統(tǒng)的關(guān)鍵技術(shù)[J].機(jī)械工程學(xué)報(bào)，2007，43（2）：13.WU Guangqiang，YANG Weibin，QIN Datong.Key technique of dual clutch transmission control system[J].Chinese Journal of Mechanical Engineering，2007，43（2）：13.

[3] ZHANG Y，CHEN X，JIANG H，et al.Dynamic modeling and simulation of a dual－clutch automated lay－shaft transmission[J].Journal of Mechanical Design，Transactions of the ASME，2005，127（2）：302.

[4] TANG Xianqing，HOU Chaozhen，CHEN Yunchuang.Study of controlling clutch engagement for AMT based on fuzzy logic[J].Journal of Beijing Institute of Technology，2002，1l（1）：45.

[5] 程秀生，馮巍，陸中華，等.濕式雙離合器自動(dòng)變速器起步控制[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，14（1）：18.CHENG Xiusheng，F(xiàn)ENG Wei，LU Zhonghua，et al.Starting control based on wet dual clutch transmission[J].Transactions of the Chinese Society for Agricultural Machinery，2010，14（1）：18.

[6] Bernd Matthes.Dual clutch transmissions－lessons learned and future potential[J].2005 SAE World Congress.Detriot：SAE，2005：SAE paper 2005－01－1021.

[7] Zhang Y，Kulkarni M，Marine M，et al.Launch and shift dynamics of dual－clutch transmission vehicles [C ] ∥Proceedings of the International Conference on Mechanical Transmissions 2006，Beijing：Science Press，2006：400－406.

[8] 葛安林.車輛自動(dòng)變速理論與設(shè)計(jì)[M].北京：機(jī)械工業(yè)出版社，1993.GE Anlin.Theory and design of automatic transmission[M].Beijing：China Machine Press，1993.

[9] LIU Haiou，CHEN Huiyan，DING Huarong，et al.Adaptive clutch engaging Process control for automatic mechanical transmission[J].Journal of Beijing Institute of Technology，2005，14（2）：170.

[10] Haykin S.Neural networks and learning machines [M].Beijing：China Machine Press，2009.

[11] Ripley B D.Pattern recognition neural networks [M].Beijing：Posts ＆Telecom Press，2009.