毛恩榮 王皓潔 杜岳峰 朱忠祥 翟志強 張麗榕

摘要：拖拉機(jī)牽引不同農(nóng)機(jī)具完成不同作業(yè)，其作業(yè)要求隨著牽引機(jī)具的不同而變化。針對大功率拖拉機(jī)在不同工況下作業(yè)要求不同的問題，提出一種多工況換擋自適應(yīng)控制方法。分析不同工況對拖拉機(jī)動力性經(jīng)濟(jì)性的要求，以滑轉(zhuǎn)率、油門開度和速度為參數(shù)，根據(jù)工況要求計算兼顧動力性和經(jīng)濟(jì)性的理論換擋規(guī)律，采用神經(jīng)網(wǎng)絡(luò)離線訓(xùn)練換擋規(guī)律實現(xiàn)擋位智能控制；針對重載荷下隨機(jī)載荷波動導(dǎo)致循環(huán)換擋問題，引入加速度和油門開度變化量作為參數(shù)，利用模糊邏輯判斷拖拉機(jī)負(fù)載和駕駛員操作意圖得到速度修正系數(shù)，對換擋速度進(jìn)行修正，擴(kuò)大擋位使用范圍；通過對拖拉機(jī)縱向動力學(xué)分析，利用Simulink搭建大功率拖拉機(jī)數(shù)學(xué)仿真模型，并建立變速箱換擋控制系統(tǒng)硬件在環(huán)仿真平臺驗證換擋策略的有效性。仿真結(jié)果表明，在燃油經(jīng)濟(jì)性方面，道路運輸和輕載荷作業(yè)工況燃油經(jīng)濟(jì)性分別下降5.78%、3.28%。在動力性方面，保證克服牽引阻力的同時，輕載荷和重載荷工況加速時間較快，速度波動減小且有效避免重載荷工況下循環(huán)換擋問題。

關(guān)鍵詞：拖拉機(jī)；換擋規(guī)律；神經(jīng)網(wǎng)絡(luò)；速度修正；自適應(yīng)換擋

中圖分類號：S219

文獻(xiàn)標(biāo)識碼：A

文章編號：2095-5553 （2024） 05-0122-07

收稿日期：2022年9月21日? 修回日期：2023年2月13日*基金項目：國家重點研發(fā)計劃（2020YFB1713502，2017YFD0700101）

第一作者：毛恩榮，男，1961年生，北京人，教授；研究方向為農(nóng)機(jī)裝備數(shù)字化設(shè)計與流體傳動技術(shù)。E-mail： gxy15@cau.edu.cn

通訊作者：杜岳峰，男，1984年生，山東泰安人，副教授；研究方向為農(nóng)機(jī)裝備數(shù)字化設(shè)計與自動控制技術(shù)。E-mail： dyf@cau.edu.cn

Adaptive shift control strategy of high-power tractor under multiple working conditions

Mao Enrong， Wang Haojie， Du Yuefeng， Zhu Zhongxiang， Zhai Zhiqiang， Zhang Lirong

（College of Engineering， China Agricultural University， Beijing， 100083， China）

Abstract：

The tractor pulls? different agricultural implements? to complete different operations， and its operation requirements change with the different traction machinery. Aiming at the problem that high-power tractors have different operating requirements under different working conditions， a multi-working condition shifting adaptive control method is proposed. Firstly， the requirements of different conditions on the power and economy of the tractor are analyzed. Slip rate， the throttle opening and vehicle speed are chosen as the control parameters， according to the requirements of the workings conditions， calculating the theoretical shift schedule that takes into account the power and the economy， and adopt neural network offline training shift schedule to realize intelligent control of shift control. Secondly， in view of the problem of cyclic shifting caused by random load fluctuations under heavy loads， the acceleration and the throttle opening changes are introduced as parameters. Fuzzy logic is used to judge the tractor load and the drivers operation intention to obtain the speed correction coefficient， and the shifting speed is corrected to expand the range of shift. A longitudinal dynamic simulation model of a high-power tractor is built by Simulink to verify the effectiveness of the shifting strategy. The simulation results show that in terms of fuel economy， the fuel economy of road transportation and light load operating conditions decreases by 5.78% and 3.28%， respectively. In terms of power performance， while ensuring the overcoming of traction resistance， the acceleration time under light load and heavy load conditions is faster， the speed fluctuation is reduced， and the problem of cyclic shifting under heavy load conditions is effectively avoided.

Keywords：

tractor; shift schedule; neural network; speed correction; adaptive control

0 引言

為提高擋位和工況的匹配性以及發(fā)動機(jī)功率的利用率，現(xiàn)代拖拉機(jī)往往都配有動力換擋變速箱［1］。此類變速箱具有功率流不中斷、可用擋位多等優(yōu)點。但隨著擋位的增加，換擋速度密集，在不同工況下的換擋自適應(yīng)性受到了嚴(yán)峻挑戰(zhàn)［2］。因此，研究拖拉機(jī)多工況自適應(yīng)換擋控制策略對提高拖拉機(jī)工作性能、駕駛員操縱舒適性和換擋穩(wěn)定性有重要意義。

雖然道路車輛自動換擋技術(shù)已經(jīng)十分成熟，但是道路車輛和拖拉機(jī)的工作特性、環(huán)境以及動力系統(tǒng)之間存在差異，現(xiàn)有的控制策略無法直接應(yīng)用于拖拉機(jī)［3］。近年來國內(nèi)外學(xué)者對動力換擋變速箱換擋規(guī)律和換擋控制進(jìn)行深入研究，通過引入更多換擋參數(shù)設(shè)計換擋規(guī)律與神經(jīng)網(wǎng)絡(luò)、智能識別、模糊控制等現(xiàn)代控制方法相結(jié)合，改善了拖拉機(jī)工作性能［4-10］。如在改善燃油經(jīng)濟(jì)性方面，席志強等［11］采用二元協(xié)同的控制方式，使發(fā)動機(jī)工作點始終保持在最低油耗區(qū)。Li等［12］引入工況因子，制定了基于RLS工況識別的拖拉機(jī)自動換擋規(guī)律，提高了輕載荷田間作業(yè)時的燃油經(jīng)濟(jì)性。江昊等［13］使用動態(tài)優(yōu)化的方法修正換擋曲線，仿真結(jié)果驗證能量消耗率降低5.48%。在改善動力性方面，葛安林［14］在二參數(shù)基礎(chǔ)上引入反映動態(tài)過程的加速度參與控制，加速性能較二參數(shù)控制提高了8%。曹青梅［15］將發(fā)動機(jī)分區(qū)控制，提高了發(fā)動機(jī)輸出功率利用率。Cao等［16］在三參數(shù)換擋規(guī)律基礎(chǔ)上引入了隨機(jī)載荷，給出低頻隨機(jī)載荷，提出一種基于隨機(jī)載荷標(biāo)準(zhǔn)差的模糊算法，靈活識別拖拉機(jī)工況提高換擋效率。孫冬野等［17］制定了田間作業(yè)自適應(yīng)換擋策略，結(jié)合模糊控制修正換擋曲線避免了換擋循環(huán)。上述研究均不同程度提高了拖拉機(jī)作業(yè)性能。但是拖拉機(jī)作業(yè)環(huán)境復(fù)雜，大部分方法只是提高了特定工況的性能，在實現(xiàn)不同工況自適應(yīng)換擋策略上所有欠缺。

基于此，本文為解決不同工況下?lián)Q擋性能要求不同的問題，提出一種多工況自適應(yīng)換擋策略。依據(jù)不同工況對拖拉機(jī)性能的要求分別制定換擋規(guī)律，采用神經(jīng)網(wǎng)絡(luò)離線訓(xùn)練換擋規(guī)律以適應(yīng)不同工況作業(yè)要求實現(xiàn)智能修正擋位，提高燃油經(jīng)濟(jì)性和動力性。同時在重載荷作業(yè)時，引入速度修正系數(shù)，擴(kuò)大當(dāng)前擋位速度范圍，以解決載荷波動帶來的循環(huán)換擋問題。

1 拖拉機(jī)工況分析及換擋規(guī)律制定

1.1 工況分析

按照拖拉機(jī)牽引的農(nóng)機(jī)具種類其作業(yè)形式可以分為犁耕、旋耕、播種、施肥等；按照牽引阻力大小可以分為重載荷，輕載荷和道路運輸模式。

不同工況換擋過程遇到問題包括：（1）重載荷工況下如犁耕旋耕等作業(yè)，拖拉機(jī)受到的牽引阻力大，且載荷波動隨機(jī)，駕駛員為維持作業(yè)速度，頻繁踩踏油門踏板，循環(huán)換擋，引起速度波動；（2）輕載荷工況下如噴灑施肥等，拖拉機(jī)作業(yè)受到的牽引阻力小，載荷變化平穩(wěn)，此類作業(yè)對動力性要求降低，對燃油經(jīng)濟(jì)性要求提高。所以，輕載荷作業(yè)下要求保證動力輸出的同時以較低的燃油消耗量實現(xiàn)作業(yè)速度穩(wěn)定；（3）道路轉(zhuǎn)場運輸時不需要懸掛農(nóng)機(jī)具，不會受到牽引阻力的影響，其換擋存在如何保持高速行駛且燃油消耗率最低的問題。

針對以上換擋過程中出現(xiàn)的換擋問題，表1給出了不同作業(yè)環(huán)境下的作業(yè)要求和評價指標(biāo)。

2.1.3 初始權(quán)值和閾值優(yōu)化

改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)控制方案如圖7所示。

初始權(quán)值和閾值對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度和結(jié)果準(zhǔn)確性有較大影響。遺傳算法（GA）可以解決BP神經(jīng)網(wǎng)絡(luò)得到最優(yōu)初始權(quán)值和閾值的問題。

對上述計算得到的理論換擋值進(jìn)行訓(xùn)練，在第26次到達(dá)訓(xùn)練誤差要求，訓(xùn)練誤差0.082%。選取100組數(shù)據(jù)對訓(xùn)練結(jié)果進(jìn)行檢測，圖8為預(yù)測結(jié)果，結(jié)果表明擋位預(yù)測誤差為2%。

2.2 速度智能修正

在隨機(jī)載荷波動較大的情況下，駕駛員為保持當(dāng)前作業(yè)速度，頻繁踩踏油門踏板，容易引起發(fā)動機(jī)轉(zhuǎn)速波動，導(dǎo)致循環(huán)換擋，即當(dāng)速度在換擋臨界狀態(tài)時，油門開度和載荷的微小變化導(dǎo)致速度來回穿越換擋曲線。過頻繁換擋不僅增加拖拉機(jī)燃油消耗率，并且會加快換擋機(jī)構(gòu)的磨損。雖然傳統(tǒng)采用換擋延遲的方法可以減少換擋循環(huán)問題，但是換擋延遲的時間提前確定無法適應(yīng)駕駛員操作意愿和外界環(huán)境變化。基于此，引入速度系數(shù)，在載荷波動時擴(kuò)大擋位工作范圍，提高換擋規(guī)律抗外界因素微小變動的能力。其換擋系數(shù)的原則有：（1）換擋系數(shù)隨油門開度變化和阻力變化實時調(diào)整，避免引發(fā)換擋頻繁。（2）在載荷向上波動時延遲升擋，保證作業(yè)動力需求。在載荷向下波動時延遲降擋，提高燃油經(jīng)濟(jì)性。載荷波動越大，延遲量也相應(yīng)越大。（3）對于平穩(wěn)載荷變化，盡量不改動原有的換擋規(guī)律，保證拖拉機(jī)性能要求。

上述原則關(guān)鍵在于判斷載荷波動程度的大小以及當(dāng)前擋位輸出驅(qū)動力能否克服阻力。因此在重載荷工況作業(yè)下，基于上述原則提出換擋修正方法，引入加速度、油門開度變化反映當(dāng)前變化。

速度修正公式

vth=v+δvs

（18）

式中：

vth——修正后的換擋速度值，km/h；

vs——實際速度，km/h；

δ——修正系數(shù)。

由于δ是關(guān)于加速度和油門開度變化的函數(shù)，很難用具體函數(shù)關(guān)系表示，因此采用模糊規(guī)則描述速度修正系數(shù)與加速度、油門開度變化之間的關(guān)系。

將油門開度變化量和加速度實際論域變化為內(nèi)部論域分別為{0，1，2，3，4，5}和{-3，-2，-1，0，1，2，3}。輸出修正系數(shù)論域為{-1，0，1}。

將精確的輸入量轉(zhuǎn)為模糊量。油門開度變化量Δ劃分為5個模糊集合，其模糊集為{VS S M B VB}，加速度劃分為5個模糊集合，其模糊集為{NB NS Z PS PB}。輸出修正系數(shù)δ分為3個模糊集合，其模糊集為{N O P}。

通過對拖拉機(jī)動力學(xué)分析可知，當(dāng)牽引阻力增加，加速度減小，速度減小，油門開度變化量增大，速度增加。即加速度和油門開度變化量同向變化時，系統(tǒng)的狀態(tài)變化最大，反向變化時，系統(tǒng)的變化相對較小，兩者不變時，系統(tǒng)穩(wěn)定。由此設(shè)計的模糊推理規(guī)則如表2所示。

3 仿真分析

利用MATLAB/Simulink建立包括發(fā)動機(jī)模塊、動力換擋變速箱模塊以及整車縱向動力學(xué)模塊的拖拉機(jī)數(shù)學(xué)模型，如圖9所示。

3.1 硬件在環(huán)仿真平臺搭建

硬件在環(huán)仿真系統(tǒng)可以為控制器的設(shè)計開發(fā)提供虛擬的被控對象，是仿真模型的硬件載體。硬件在環(huán)仿真原理如圖10所示。

通過CAN通信接口、上位機(jī)和通訊板卡等可以高效數(shù)據(jù)傳輸，實現(xiàn)控制器的物理信息與仿真被控對象模型的數(shù)字信息之間的傳遞。將所建立模型下載到dSPACE中，利用I/O（CAN總線）實現(xiàn)虛擬的拖拉機(jī)數(shù)學(xué)模型和控制器之間的信號傳遞。

3.2 仿真結(jié)果分析

為驗證換擋策略多工況自適應(yīng)控制的有效性，分別在道路運輸作業(yè)、噴灑作業(yè)、犁耕作業(yè)下進(jìn)行仿真。

1） 道路運輸工況參考汽車鄉(xiāng)間道路行駛工況。由于拖拉機(jī)最高行駛速度50km/h，汽車循環(huán)測試工況中鄉(xiāng)間道路運輸段速度等比縮小得到拖拉機(jī)運輸工況。副變速箱固定在5擋，油門開度50%起步，仿真時間為30s，道路運輸仿真結(jié)果如圖11所示。

由圖11可知，起步階段兩種換擋方式燃油消耗量差值較小，隨著拖拉機(jī)運行時間增加，自適應(yīng)換擋通過智能修正擋位，耗油量明顯下降，其平均耗油量降低5.78%。

2） 拖拉機(jī)輕載作業(yè)主要包括噴灑、施肥等，以噴灑為例，作業(yè)過程中載荷波動較輕，其作業(yè)速度要求為10km/h，副變速箱固定在3擋，油門開度50%起步。作業(yè)時，分別給出作業(yè)阻力穩(wěn)定增大和減小工況，仿真結(jié)果如圖12所示。

由圖12可知，田間工況定速作業(yè)時，自適應(yīng)換擋策略較傳統(tǒng)換擋耗油量明顯下降，平均耗油量降低3.28%。在動力性方面，自適應(yīng)換擋2s左右到達(dá)要求速度，且在載荷變化大的工況下，速度變化較小且平穩(wěn)。在第10s時載荷變大，自適應(yīng)換擋速度降低0.21km/h，傳統(tǒng)換擋速度降低0.9km/h。在第25s時載荷變小，自適應(yīng)換擋速度升高0.38km/h，傳動換換擋速度升高2.3km/h。

3） 將拖拉機(jī)牽引五劃犁作為重載荷換擋仿真工況。在該工況下，其工作速度為5km/h，穩(wěn)態(tài)載荷變化由小到大模擬拖拉機(jī)耕地時從黏土駛?cè)肷橙赖氐妮d荷變化，通過添加高斯白噪聲［20］構(gòu)建載荷波動部分。其仿真結(jié)果如圖13所示。

由圖13可知，重載荷作業(yè)工況下，自適應(yīng)重載荷換擋策略動力性較好，加速到作業(yè)速度時間為4s，作業(yè)過程中速度平穩(wěn)。引入速度修正系數(shù)擴(kuò)大擋位使用范圍，抑制7次換擋過程，有效避免了載荷隨機(jī)波動帶來的循環(huán)換擋問題，加快速度恢復(fù)，保證速度穩(wěn)定。

4 結(jié)論

1） 本文分析拖拉機(jī)不同工況下對動力性和經(jīng)濟(jì)性的要求，通過驅(qū)動力和燃油消耗率曲線的交點分別制定動力性換擋策略和經(jīng)濟(jì)性換擋策略，并依據(jù)工況對拖拉機(jī)性能的要求提出綜合換擋系數(shù)，制定不同工況下的綜合換擋策略。

2） 設(shè)計BP神經(jīng)網(wǎng)絡(luò)對制定的換擋規(guī)律進(jìn)行訓(xùn)練，針對重載工況隨機(jī)載荷波動導(dǎo)致?lián)Q擋頻繁問題，引入速度修正系數(shù)，擴(kuò)大擋位使用范圍，形成完整的多工況下自適應(yīng)換擋控制。不同工況下仿真結(jié)果表明，在燃油經(jīng)濟(jì)性方面，該換擋策略使得拖拉機(jī)在道路運輸工況和輕載荷運輸工況下燃油消耗量分別減少5.78%、3.28%；在動力性方面，該換擋策略在重載荷工況下工作速度穩(wěn)定，波動小，恢復(fù)時間快且在載荷波動影響下，抑制換擋循環(huán)問題的發(fā)生。

3） 搭建硬件在環(huán)仿真平臺，驗證所設(shè)計換擋控制器滿足不同工況下拖拉機(jī)性能要求，解決耗油量高，速度不穩(wěn)定和換擋頻繁問題。

參 考 文 獻(xiàn)

［1］ 尹永芳， 魯力群， 趙靜， 等. 拖拉機(jī)全動力換擋自動變速器技術(shù)應(yīng)用現(xiàn)狀與展望［J］. 拖拉機(jī)與農(nóng)用運輸車， 2019， 46（2）： 1-5.

Yin Yongfang， Lu Liqun， Zhao jing， et al. Application status and trend of tractor full-power shift transmission technology ［J］. Tractor and Farm Transporter， 2019， 46（2）： 1-5.

［2］ 席志強， 周志立， 張明柱， 等. 動力換擋自動變速器在拖拉機(jī)上的應(yīng)用技術(shù)分析［J］. 機(jī)械設(shè)計與研究， 2014， 30（2）： 140-144.

Xi Zhiqiang， Zhou Zhili， Zhang Mingzhu， et al. Application analysis of automatic powershift transmission on tractor ［J］. Machine Design and Research， 2014， 30（2）： 140-144.

［3］ 楊晨曦. 匹配大功率拖拉機(jī)的自動變速箱換擋控制策略研究［D］. 蕪湖： 安徽工程大學(xué)， 2019.

［4］ 李方邑陸. 基于BP神經(jīng)網(wǎng)絡(luò)的重型拖拉機(jī)換擋策略與自動控制方法研究［D］. 長春： 吉林大學(xué)， 2019.

［5］ 楊彪. 拖拉機(jī)動力換擋變速器控制策略研究［D］. 重慶： 重慶大學(xué)， 2019.

［6］ 施信信. 大功率拖拉機(jī)動力換擋變速器控制系統(tǒng)研究［D］合肥： 合肥工業(yè)大學(xué)， 2018.

［7］ 符冉. 拖拉機(jī)動力換擋變速器換擋規(guī)律研究［D］. 洛陽： 河南科技大學(xué)， 2015.

［8］ 高子茵， 杜明剛， 李慎龍， 等. 基于遺傳算法優(yōu)化和模糊控制動態(tài)優(yōu)化的自動變速器換擋規(guī)律設(shè)計［J］. 兵工學(xué)報， 2021， 42（4）： 684-696.

［9］ 劉文光， 何仁， 陸煒， 等. 基于事件觸發(fā)器的AMT換擋控制策略研究［J］. 汽車工程， 2014， 36（10）： 1274-1277.

Liu Wenguang， He Ren， Lu Wei， et al. A research on AMT gear shift control strategy based on event trigger ［J］. Automotive Engineering， 2014， 36（10）： 1274-1277.

［10］ 葛安林， 李煥松. 動態(tài)三參數(shù)最佳換檔規(guī)律的研究［J］. 汽車工程， 1992， 14（4）： 239-247.

Ge Anlin， Li Huansong. Optimized shift schedule controlled by dynamic 3-parameter ［J］. Automotive Engineering， 1992， 14（4）： 239-247.

［11］ 席志強， 周志立， 張明柱. 拖拉機(jī)動力換擋自動變速器經(jīng)濟(jì)性換擋規(guī)律研究［J］. 機(jī)械傳動， 2016， 40（11）：144-150.

［12］ Li Baogang， Sun Dongye， Hu Minghui， et al. Automatic gear-shifting strategy for fuel saving by tractors based on real-time identification of draught for characteristics ［J］. Biosystems Engineering 2020， 193： 46-61.

［13］ 江昊， 趙韓， 黃康， 等. 純電動汽車經(jīng)濟(jì)性換擋規(guī)律仿真研究［J］. 汽車工程， 2015， 37（7）： 819-824.

［14］ 葛安林. 自動變速器（九）——變速器的自動控制系統(tǒng)（上）［J］. 汽車技術(shù)， 2002（1）： 1-4.

［15］ 曹青梅. 拖拉機(jī)PST控制系統(tǒng)關(guān)鍵技術(shù)研究［D］. 西安： 西安理工大學(xué)， 2018.

［16］ Cao Q， Zhou Z， Zhang M. Fuzzy adaptive shift schedule of tractor subjected to random load ［J］. Mathematical Problems in Engineering， 2017（6）： 1-8.

［17］ 孫冬野， 楊彪， 陳旭東. 拖拉機(jī)田間作業(yè)工況自適應(yīng)換擋控制策略［J］. 重慶大學(xué)學(xué)報， 2020， 43（2）： 32-41.

［18］

Rainer R. Leistungsverzweigte Mehrbereichsfahrantriebe mit Kettenwandlern ［D］. München： Technischen Universitt München， 2004.

［19］ 陳清洪， 秦大同. 自動變速汽車神經(jīng)網(wǎng)絡(luò)三參數(shù)換擋策略［J］. 控制理論與應(yīng)用， 2010， 27（11）： 1580-1584.

Chen Qinghong， Qin Datong. Neural-networked three-parameter gear-shift schedule for automated-manuai-transmission car ［J］. Control Theory & Applications， 2010， 27（11）： 1580-1584.

［20］ 李寶剛. 動力換擋傳動箱擋位設(shè)計方法及控制策略研究［D］. 重慶： 重慶大學(xué)， 2020.