于文濤，李晶華，劉 陽

（1.天津職業(yè)大學(xué)汽車工程學(xué)院，天津 300413；2.天津云聯(lián)科技有限公司，天津 300300）

自動變速器因具有易于駕駛、換擋平穩(wěn)和通用性良好等優(yōu)勢，在我國汽車制造業(yè)得到了廣泛的應(yīng)用和發(fā)展[1]。隨著人們對汽車安全性、制動性、傳動性、經(jīng)濟(jì)性、舒適性、駕駛性及智能化要求的不斷提高，汽車設(shè)計及制造者對自動變速器的品質(zhì)提出了更高的要求[2]。自動變速器會隨路面工況的不斷變化而進(jìn)行即時切斷，從而發(fā)生換擋。戴卓等[3]基于整車動力學(xué)方程和最小二乘法建立了7速雙離合自動變速器動力模型，模擬出自動變速器坡道換擋所需的道路坡度與整車質(zhì)量之間的數(shù)學(xué)關(guān)系。孫賢安等[4]基于XPC平臺建立了干式雙離合器式自動變速器控制系統(tǒng)的硬件仿真平臺，該平臺可有效地模擬出普通型和修正型換擋規(guī)律。孫慧芳等[5]基于模糊控制理論建立了實際駕駛環(huán)境和換擋現(xiàn)象之間的關(guān)系模型，確定了換擋規(guī)律修正因子，該模型可優(yōu)化和指導(dǎo)駕駛員行駛控制，減少不必要換擋操作。史炎等[6]使用2個行星齒輪排構(gòu)建了一種新型自動變速器——雙倍擋變速器，通過增加嚙合齒輪數(shù)量，可增加8速、12速和16速的變擋，并利用SIMPACK軟件建立雙倍擋變速器的2個擋位啟動、換擋及制動工況模型。

換擋決策可分為性能指標(biāo)最優(yōu)原則和駕駛員經(jīng)驗或?qū)＜蚁到y(tǒng)智能換擋原則。性能指標(biāo)指最優(yōu)原則需要精準(zhǔn)的數(shù)學(xué)模型為求解條件，但當(dāng)車輛實際運(yùn)行條件與換擋規(guī)律求解存在較大差別時，其模型難以及時獲得最優(yōu)解。神經(jīng)網(wǎng)絡(luò)理論是智能專家換擋求解的一種新方法。該方法是根據(jù)所處環(huán)境和行駛狀態(tài)建立最終的專家系統(tǒng)庫，隨后根據(jù)車輛所處環(huán)境和行駛狀態(tài)來獲得最佳換擋參數(shù)[7]。目前，我國變速器換擋主要集中于理論研究，處于實驗的初級階段，尚未與人工智能相結(jié)合[8]。本文基于粒子群算法（particle swarm optimization，PSO）建立某車型的自動變速換擋過程中的腳踏油門開度、擋位、車速及發(fā)動機(jī)轉(zhuǎn)速之間的關(guān)系模型，為評價該車型的自動變速器的品質(zhì)提供最優(yōu)化的換擋條件及理論指導(dǎo)。

1 模型簡介

1.1 汽車傳動系統(tǒng)

典型汽車傳動系統(tǒng)工作示意圖如圖1所示。駕駛員依據(jù)外部環(huán)境（人流、路況和信號燈等）和自身車況條件（油門開度、擋位、發(fā)動機(jī)功率），通過腳踏油門程度、變換擋位和腳踏制動踏板的方式依次直接或間接地調(diào)整或控制液力變矩器和齒輪變速器機(jī)構(gòu)，實現(xiàn)對汽車動力系統(tǒng)的控制，即實現(xiàn)了對汽車速度的控制。在這個過程中，變速器結(jié)構(gòu)通過換擋調(diào)節(jié)傳動系統(tǒng)輸出力矩，而變速器的傳動比為下一時刻車輛變速器的需要輸出力矩的放大或縮小倍數(shù)[9]，因在車輛連續(xù)換擋的過程中，變速器本身輸出的力矩已得到了放大或者縮小，故其輸出的力矩大小為車輛在該擋位下的傳動比。

圖1 典型汽車傳動系統(tǒng)工作示意圖

1.2 PSO算法

PSO算法是基于生物種群行為特征的一種新型群體智能優(yōu)化算法。算法中的每一個粒子都代表問題的一個潛在解，每個粒子對應(yīng)一個由適應(yīng)度函數(shù)決定的適應(yīng)度值。該算法用位置、速度和適應(yīng)度三者指標(biāo)表征該粒子的特征，使用度值由適應(yīng)度函數(shù)計算獲得。粒子在解空間運(yùn)動，追蹤個體極值PBest和群體極值GBest更新的個體位置。粒子每更新一次位置，就依次計算使用度值，通過比較新粒子的適應(yīng)度值和個體機(jī)制，群體極值的適應(yīng)度更新個體極值PBest和群體極值GBest位置。

假設(shè)在一個D維的搜索空間中，由n個粒子組成的種群 X=（X1，X2，X3，X4，…，Xn），其中第 i個粒子為一個 D 維的向量 Xi=（Xi1，Xi2，Xi3，…，XiD）T，代表第 i個粒子在D維搜索空間中的位置，亦代表問題的一個潛在解。根據(jù)目標(biāo)函數(shù)可計算出每個粒子位置Xi對應(yīng)的使用度值。第 i個粒子的速度為 Vi=（Vi1，Vi2，Vi3，…，VnD）T，其個體極值為 Pi=（Pi1，Pi2，Pi3，…，PiD）T，種群的全局極值為 Pg=（Pg1，Pg2，Pg3，…，PgD）T。在每一次迭代過程中，粒子通過個體極值和全局極值更新自身的速度和位置，更新公式為：

式中：ω 為慣性權(quán)重；d=1，2，…，D；i=1，2，…，n；k 為當(dāng)前迭代次數(shù)；Vid為粒子的速度；c1和c2為非負(fù)的常數(shù)，稱為加速度因子；r1和r2為分布于[0，2]之間的隨機(jī)數(shù)。為防止粒子的盲目搜索，一般建議將其位置和速度限制在一定的區(qū)間[-Xmax，Xmax]和[-Vmax，Vmax]。

1.3 模型構(gòu)建

PSO-Simulink法的自動變速器換擋優(yōu)化流程如圖2所示。

圖2 PSO-Simulink法的自動變速器換擋優(yōu)化流程

2 實驗結(jié)果及分析

2.1 實驗條件

實驗車為別克凱越（該車已經(jīng)鑒定，且在鑒定有效期內(nèi)），在國道開展試驗。采用某公司自行研制的車輛自動記錄儀檢測油門開度、車速及發(fā)動機(jī)轉(zhuǎn)速數(shù)值。車輛換擋過程為1→2擋，2→3擋，3→4擋，4→3擋，3→2擋，2→1擋，在該過程中測試節(jié)氣門分別顯示參數(shù)為 0，5%，25%，35%，40%，50%，90%，100%時的車速。測試車速分別為20～180 km/h時的液力變矩器數(shù)值。分別利用PSO-Simulink算法和單純的Simulink算法計算模型所用的運(yùn)算時間和迭代步數(shù)。

2.2 仿真實驗結(jié)果

基于PSO-Simulink算法和單純的Simulink算法，分別建立換擋操作模型，模型的輸入層為換擋過程中的擋位、換擋時間和發(fā)動機(jī)轉(zhuǎn)速，輸出層為油門開度和汽車速度。PSO-Simulink算法與Simulink算法的結(jié)果對比如表1所示。從表1可知，模型采用PSOSimulink算法時，運(yùn)算耗時0.41 s，迭代步數(shù)為499，而采用單純Simulink算法時，運(yùn)算耗時0.62 s，迭代步數(shù)為763?；赑SO-Simulink算法的汽車換擋操作模型運(yùn)算過程中的PSO模擬優(yōu)化結(jié)果適應(yīng)度函數(shù)值的迭代如圖3所示。從圖3可知，模型在迭代19步時，適應(yīng)度值為0.1，隨著迭代步數(shù)的增加，適應(yīng)度值趨近于0，在迭代步數(shù)為499時停止了運(yùn)算。

表1 PSO-Simulink算法與Simulink算法結(jié)果對比

圖3 PSO模擬優(yōu)化結(jié)果適應(yīng)度函數(shù)值的迭代

2.3 結(jié)果應(yīng)用

發(fā)動機(jī)換擋模型三維關(guān)系如圖4所示。從圖4（a）可知，隨著車速的增加，所需的油門開度略有增加，隨著發(fā)動機(jī)轉(zhuǎn)速的增加，對應(yīng)的油門開度也逐漸增加；從圖4（b）和圖4（c）可知，在升擋和降擋過程中，隨著油門開度的增加，車速逐漸增加，但升擋過程中，同擋位下車速增加較快。

圖4 發(fā)動機(jī)換擋模型三維關(guān)系

發(fā)動機(jī)換擋（升擋或者降擋）過程中油門開度與車速關(guān)系曲線如圖5所示。各種油門開度下的發(fā)動機(jī)車速與轉(zhuǎn)速關(guān)系曲線如圖6所示。從圖5（a）可知，在升擋過程中，在油門開度為0～25%，1擋轉(zhuǎn)化為2擋時，汽車速度為10 km/h；2擋轉(zhuǎn)化為3擋時，汽車速度為75 km/h；3擋轉(zhuǎn)化為4擋時，汽車速度為112 km/h。在油門開度為25%～90%時，所有擋位對應(yīng)下的車速直線上升，然而在油門開度為90%～100%時，所有擋位對應(yīng)下的車速均處于一個平臺，1擋轉(zhuǎn)化為2擋時，汽車速度為115 km/h；2擋轉(zhuǎn)化為3擋時，汽車速度為140 km/h；3擋轉(zhuǎn)化為4擋時，汽車速度為176 km/h。降擋過程的規(guī)律與升擋過程趨勢基本一致。從圖6知，在空擋時（油門開度為0），隨著車速的增加，發(fā)動機(jī)轉(zhuǎn)速基本無變化；油門開度分別為20%和40%時，隨著車速的增加，發(fā)動機(jī)轉(zhuǎn)速緩慢下降；油門開度分別為50%和100%時，隨著車速的增加，發(fā)動機(jī)轉(zhuǎn)速先略有升高，隨后緩慢下降。

圖5 發(fā)動機(jī)換擋過程中油門開度與車速關(guān)系曲線

圖6 各種油門開度下的發(fā)動機(jī)車速與轉(zhuǎn)速關(guān)系曲線

3 結(jié)語

本文基于PSO-Simulink算法建立了汽車自動變速器換擋模型，模型的輸入層為換擋過程中的擋位、換擋時間和發(fā)動機(jī)轉(zhuǎn)速，輸出層為油門開度和車速。模型采用PSO-Simulink算法時，運(yùn)算耗時0.41s，迭代步數(shù)為499，而采用單純Simulink算法時，運(yùn)算耗時0.62 s，迭代步數(shù)為763。結(jié)果表明：基于PSO-Simulink算法的汽車換擋操作模型可有效地節(jié)省時間。利用模型模擬的發(fā)動機(jī)換擋模型、發(fā)動機(jī)換擋（升擋或者降擋）過程中油門開度與車速關(guān)系及各種油門開度下的發(fā)動機(jī)車速與轉(zhuǎn)速關(guān)系與實際結(jié)果一致。該模型可有效地指導(dǎo)實踐生產(chǎn)，為優(yōu)化工作提供一種新方法和新思路。