原文传递
纯电动汽车双离合变速器换档控制优化研究
| 论文题名： | 纯电动汽车双离合变速器换档控制优化研究 |
| 关键词： | 电动汽车;双离合变速器;换挡控制;高斯核径向基函数神经网络;强化学习 |
| 摘要： | 电动汽车多挡变速器的换挡控制问题，特别是考虑实际换挡过程中对象非线性和工况不确定性的换挡控制优化问题，是目前电动汽车动力传动技术领域的技术难点和研究热点之一。本文以某款搭载两挡双离合自动变速器的纯电动汽车为具体对象，开展面向实际换挡过程的换挡策略和控制器优化研究。 详细分析了双离合自动变速器的工作原理，将换挡过程划分为转矩相和惯性相两阶段，考虑各阶段的旋转部件动力学特性，建立11自由度系统模型和整车纵向动力学模型，制定了适用于纯电动汽车的动力型和经济型换挡规律，并在WLTC工况下进行了换挡仿真，验证了模型和换挡规律的正确性。 建立了前馈-反馈换挡控制模型，其中前馈控制基于换挡策略的优化轨迹。基于Legendre伪谱法进行换挡策略多目标优化，以换挡时间，滑磨功和换挡冲击度为换挡性能的评价指标，以电机转矩和离合器传递转矩为控制量，通过选取不同的性能指标权重值分别获得Time-pattern和Jerk-pattern优化轨迹。进行了11自由度整车系统的PID反馈换挡控制仿真，分析发现换挡控制稳定性和鲁棒性欠佳。 针对实际换挡过程中对象非线性和工况不确定性的换挡控制优化问题，在反馈控制中使用高斯核径向基函数神经网络RBFNN控制器，并应用PILCO强化学习算法进行控制器参数优化。使用高斯过程学习整车非线性系统概率动力学模型，将当前步长的离合器实际-参考转速差差值分布均值输入径向基函数神经网络，计算所有步长的转速差差值分布和值函数，使用梯度下降法更新由状态参数、信号方差和噪声方差组成的控制器参数矩阵。经过PILCO强化学习算法的多次迭代运算，通过控制器参数优化实现面向实际换挡过程的控制策略提升。 在不同道路坡度和车辆载重下进行了换挡控制优化效果的对比分析。结果表明，基于PILCO强化学习算法优化的RBFNN控制器在实际换挡过程中具有良好的换挡控制效果，在坡度、载重变化的条件下具有较好的适应性和鲁棒性。本文的研究工作对于复杂行驶条件下电动汽车各类多挡变速器的控制优化和工程开发中的控制器标定具有较为广泛的借鉴意义。 |
| 作者： | 陈煜中 |
| 专业： | 机械工程 |
| 导师： | 刘延伟;关超华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广东工业大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
