基于转矩的车辆负载识别方法

通过分析汽车行驶方程式中驱动力和外界阻力之间的相互关系,对传统车辆负载的概念进行了扩展,提出了一种能够综合反映自动变速车辆行驶过程中坡道、载荷、空气和滚动阻力等信息,基于转矩的广义负载识别方法。此方法基于车辆常用传感器,通过实时计算当前变速箱输出轴转矩和零负载工况下阻力转矩和之间的差值来识别广义负载。详细阐述了负载识别方法的基本原理,分析了外界工况和识别结果之间的相互关系,并给出了具体的负载识别实现步骤。整车实验结果表明,此方法方便可行,准确可靠,能够有效识别自动变速车辆行驶过程中的负载信息。     

车辆动力传动自动操纵系统软件体系结构的研究*

建立VPAMS软件体系结构,规范地开发控制系统软件,对于VPAMS产品线工程有着重要的意义。在介绍VPAMS工作原理的基础上,提出了VPAMS控制系统软件体系结构的总体框架,并成功应用于VPAMS样车开发,取得满意效果。     

液力变矩器叶栅动量矩分配规律

基于液力变矩器叶栅传统一维束流理论的分析,对传统的等动量矩设计方法进行了改进研究,提出动量矩不等分配法。应用计算流体力学,针对泵轮、涡轮和导轮叶片的三种典型动量矩分配方案分别进行了计算比较,从而获得了液力变矩器叶片动量矩分配的基本规律。     

基于内流场分析的液力变矩器改型设计

为了提高液力变矩器的外特性,使其与发动机匹配良好,利用CFD软件对液力变矩器内流场进行三元流场数值计算和分析,在此基础上根据性能要求对原有变矩器作改型设计,改进了叶型进出口角、骨线形状和厚度分布等参数,以期得到分布合理的内流场,从而使改型后的变矩器具有符合要求的更优的外特性。改型后的液力变矩器具有更高的效率和与发动机匹配更优的泵轮容量系数,试验结果与计算结果非常吻合,改型设计效果良好。     

基于自学习模糊神经网络AMT车辆巡航控制

利用模糊神经网络在不能获得精确数学模型的非线性系统中能够达到最优控制的特性 ,建立了车辆巡航模糊神经网络控制模型 ,并对其离线训练后应用于装有机械式自动变速器桑塔纳 2 0 0 0型轿车进行巡航控制道路试验 ,取得满意效果。     

干式双离合器自动变速器快速控制原型与台架试验

基于dSPACE快速控制原型开发了干式双离合器自动变速器系统的多级控制算法,算法在Simulink/Stateflow环境下完成,通过Real-Time Workshop在硬件中实现。快速控制算法的设计、执行、测试和在真实硬件上的实现,缩短了开发周期。将算法下载到双离合器电控单元进行台架试验,通过与快速原型的半实物仿真对比,验证了控制算法的正确性。目前控制系统已应用于干式双离合器自动变速器的开发中。     

基于神经网络发动机模型的动态三参数换挡规律

精确的发动机动态模型是制定换挡规律并实现车辆动力传动系统最佳匹配的基础。采用神经网络辨识的方法建立发动机动态转矩和油耗模型;并在此基础上提出基于该模型的动态三参数换挡规律计算方法。该方法在AMT样车开发中的应用表明：与两参数换挡规律相比,基于神经网络发动机模型的动态三参数换挡规律可使自动变速汽车具有更好的动力性和燃油经济性。     

车辆换档质量概念的完善与评价

研究了换档质量对车辆各部分性能的影响,给出了相应的评价指标。基于支持向量机的理论和技术,构建了换档质量评价系统。同时结合试验对装载自动机械式变速器的车辆进行分析,提出了新的、更加完整的换档质量评价概念,从而扩宽了传统换档质量评价的研究范围。试验分析表明,所建立的换档评价系统与传统评价方法相比,能够更加全面地表征换档质量对车辆性能的影响。     

AMT换挡过程发动机转速Fuzzy-Bang Bang双模态控制

为在机械式自动变速器(AMT)换挡过程中达到节省燃油、降低发动机噪声、提高换挡平顺性和减少离合器滑磨的目的,综合最速控制和模糊控制的优点,提出了Fuzzy-Bang Bang双模态发动机转速控制算法,并在SC6350小客车AMT样车上进行了换挡试验,取得满意效果。     

基于理想换挡过程的换挡品质评价模型

分析了目前有级式自动变速器换挡品质评价的各种方法,提出了有级式自动变速器理想换挡过程的概念,以DCT典型动力升挡工况为例建立了换挡品质评价指标体系。构建了以理想换挡过程为参考的换挡品质评价模型。基于此模型,进行了与换挡品质主观评价的对比试验,试验结果表明:该模型客观地评价了换挡品质且与主观评价有较好的一致性,为有级式自动变速器换挡品质评价提供了新的思路和方法。