汽车电控理论_变速器_换挡策略.pptVIP

其中， 为学习率。 （二）RBFN网络权值的递推最小二乘算法RLS如下: 对于多输入多输出的RBF网络，由上可知网络的输出为 j=1，2，…M 在第n时刻，定义误差评价函数为 式中，λ称为遗忘因子，其作用是将过去样本对当前估计值的影响逐渐忘掉，使估计值尽量反映当前样本特性， ， ， 分别表示输出节点j的误差、期望输出和实际输出。 为了通过训练学习来调整权值 ，对评价函数求导数 ，并令其为零，可以得到调整权值的递推最小二乘算法RLS如下： 令 其中， 进一步，令 ，利用矩阵求逆可得递推公式。 （1）给定初始权值 ，训练样本逆相关阵初始值PSXS(0)和递推迭代的结束值 ，对于输入的样本，递推过程如下: （2）根据输入的样本和调整好的中心，计算隐层结点的输出 ， i=1，2，...S （3）计算增益矩阵 其中，λ为遗忘因子。 （4）更新连接权值 ， j=1，2，… M 其中，误差 , 是网络输入样本时第j个输出结点的期望输出。 （5）更新矩阵P （6）误差评价函数E(n)，如果E 转（3）继续计算，否则迭代结束。 2. 电控液力机械式自动变速器人工神经网络自动变速研究 以装备有4D180型液力机械式自动变速器的ZL50C装载机为参考，分析了一种基于人工神经网络（ANN）控制的，可以根据作业工况实现工程车辆液力机械式自动变速器自动换档的换档策略。 液力机械式自动变速器中，由于液力变矩器的液力损失，加上驾驶员操纵不当，使得变矩器可能经常工作在低效率区，影响了整机的使用效率，加大了作业成本，从这种情况下出发，利用人工神经网络的模式识别能力，对输入的采样数据进行分类，辨别最佳换档时刻，确定合适的档位，从而改变变矩器的工作状态，使其工作在高效区。以此实现车辆保证动力性的同时兼顾经济性之操作目的。 （1）换档控制策略 4D180型液力机械式变速器具有前进、后退档位各4个。由装载机液力机械变速器试验结果，作出了发动机与变速器共同工作时的变速器效率与输出动力的特性曲线，当发动机油门开度一定时，即发动机输出转速一定时，液力机械式变速器升档时各档位效率和输出转矩的统计特性如图3.13所示。 效率η/% 0 400 800 1200 1600 2000 20 40 60 80 I II III IV 0 输出转矩/kN.m 1 2 3 4 I II III IV 0 0 480 800 1200 1600 2000 液力机械变速器输出转速/ 图3.13 4D180型液力机械式变速器输出转速/ （2）控制原理 在不同的油门开度下将相邻两档的换档点连结起来形成换档线，这样有3条换档线将整个工作区分为4个档位区，当工作点通过该线时，系统实现换档。应用具有误差反向传播的BP神经网络可以识别出系统工作点所在的档位区，从而进行换档操作。 由于实际换档时有“速差”存在，即系统升档与降档曲线不重合，这样就应该有2个网络分别识别升、降档状态。 升、降档网络都采用3-7-3BP网络结构，即输入层3个节点，输入油门、车速、加速度信号，中间隐层7个节点，输出层3个节点，输出3位档位编码。隐层的节点k的输出 式中: 为连接隐层第k节点和输入层的权向量， ，k=1，2，…，7；θ为隐层的阈值向量， ；x为网络的输入向量， 。 输出层的输出形式与隐层类似。 给定输入输出样本(X，Y)，权值按下式调整 式中: 为各层的输入向量; 为学习率。 使得误差 最小，式中:Y为网络希望输出， 。 对于输出层 对于隐层 式中:Φ′为函数对其自变量的导数。 阈值的调整具有和权值类似的形式。设定档位编码Yi(out)=000、001、010、100，i=1、2、3、4分别代表 I、II、III、IV档。利用合适的输入输出样本训练网络的权、阈值，然后，任给一个测试数据x，网络将输出这个数据的中心 ，通过判断它到各个档位编码的欧氏距离，实现了对输入数据分类