基于BP神经网络的工程车辆四参数自动变速控制

　　工程车辆液力机械传动系效率低下,为了使液力变矩器尽量保持在高效区工作,必须采用多档位变速箱并且不断变换档位。然而,换档操纵沉重,频繁换档将提高驾驶员劳动强度,使驾驶员容易疲劳,导致工作效率降低,工作质量下降^[1-2]。因此,为了提高工程车辆传动效率、改善工程车辆操纵性能、提高作业生产率、减轻驾驶员劳动强度,必须采用自动变速技术。而工程车辆液力传动系统中的发动机和液力变矩器都是高度非线性的系统,致使传统的控制方法很难解决,而智能控制恰恰为解决复杂的非线性、不确定系统的控制问题开辟了一条新途径^[3]。

　　本文将采用前馈网络反向传播(BP)神经网络对工程车辆四参数自动变速系统进行建模,利用自动变速控制试验数据对BP神经网络进行训练和仿真实验。

　　1 四参数自动变速原理

　　工程车辆四参数自动变速是指以油门开度(A)、液力变矩器泵轮转速(n_b)、涡轮转速(n_w)以及工作油泵压力(p)四个参数为依据而制定的换档策略^[4]。

　　液力机械传动的传动效率在很大程度上取决于液力变矩器的传动效率。当遇到高强度负载时,液力变矩器效率会大幅度下降^[5]。由YJ355液力变矩器原始特性(见图1)可知,随着载荷的增加,工况点沿K曲线向左上方移动,传动效率曲线向左方快速下降。工程车辆作业装载时,平均传动效率小于25%。为了使工程车辆保持在高效区(假定η_min=75%)工作,将变矩器效率曲线与高效区最低限的交点(i₁,i₂)作为最佳换档点。通过测量变矩器泵轮转速nb和涡轮转速n_w得到变矩器速比i,将i控制在(i₁,i₂)内,从而使变矩器工况点经常保持在高效区。工程车辆的运行状态可以用i、A、p来描述。以ZL50装载机为例,若i>i₂,则进行升档处理;若i₁≤i≤i₂,原档位保持不变。四参数自动变速的关键在于找出最佳换档点i₁、i₂与A、p的关系,即

　　式中:ΔA为工作泵消耗功率等效的油门开度。

　　2 BP神经网络换档模型

　　BP神经网络的各层均是由神经元(Neuron)独立组成,每个神经元都有一个处理器用来完成对信息的简单加工,层与层之间由一组权(Weight)连接,每个连接权都用来存储一定的信息,并提供信息通道^[6]。

　　对于工程车辆自动变速控制,所控制的变量是变速器档位。i(i=n_w/n_b)、A以及p能够描述车辆系统运行状态,并确定液力变矩器当前的效率。根据节能换档理论^[7]和四参数自动变速原理^[8],可以选择i、A、p三个参数作为神经网络控制系统的输入变量,输出为四位档位信号。变速器档位作为输出变量构建神经网络模型,因此可以建立如图2所示的BP神经网络模型。