基于ANFIS的純電動(dòng)輕卡自動(dòng)換擋策略

倪 紅

(福建船政交通職業(yè)學(xué)院 汽車運(yùn)用工程系，福州 350007)

?

基于ANFIS的純電動(dòng)輕卡自動(dòng)換擋策略

倪 紅

(福建船政交通職業(yè)學(xué)院 汽車運(yùn)用工程系，福州 350007)

在純電動(dòng)輕卡中，不同的換擋策略對(duì)于汽車的能耗有著很大的影響?；谀：窠?jīng)網(wǎng)絡(luò)控制理論，依據(jù)傳統(tǒng)的兩參數(shù)換擋規(guī)律，采用具有2輸入單輸出的Sugeno模糊推理結(jié)構(gòu)，建立了ANFIS換擋策略。通過具體的樣本數(shù)據(jù)對(duì)換擋策略進(jìn)行訓(xùn)練，在Cruise中搭建純電動(dòng)輕卡的整車模型作為仿真環(huán)境，代入整車參數(shù)進(jìn)行仿真，將得到的仿真結(jié)果與傳統(tǒng)模糊換擋策略進(jìn)行分析比較，結(jié)果表明：ANFIS換擋策略能有效改善車輛的操作穩(wěn)定性和經(jīng)濟(jì)性能，并在能耗上得到優(yōu)化。

模糊系統(tǒng)；ANFIS；換擋策略；純電動(dòng)輕卡；整車仿真

隨著能源危機(jī)和環(huán)境污染日益嚴(yán)重，發(fā)展新能源汽車成為目前的趨勢(shì)。用于短途運(yùn)輸?shù)妮p型卡車在汽車總量中占有很大比重，開發(fā)純電動(dòng)輕卡對(duì)于解決上述問題有著積極意義。在純電動(dòng)輕卡的開發(fā)過程中，采用自動(dòng)換擋技術(shù)可以提高車輛的使用性能。自動(dòng)換擋技術(shù)的關(guān)鍵在于換擋策略的制定，即根據(jù)車輛參數(shù)確定車輛運(yùn)行狀態(tài)中的最佳擋位。

傳統(tǒng)的自動(dòng)換擋控制策略分為單參數(shù)(車速)，二參數(shù)(車速、油門開度)，三參數(shù)(車速、油門開度、加速度)換擋策略。其中，兩參數(shù)換擋策略運(yùn)用較為成熟。但傳統(tǒng)的兩參數(shù)換擋策略是建立在被控對(duì)象精確模型上的，而卡車的工作環(huán)境、操縱控制非常復(fù)雜，建立其精確的數(shù)學(xué)模型極其困難，因此近年來智能控制技術(shù)在汽車上的運(yùn)用越來越廣泛，其中模糊控制和神經(jīng)網(wǎng)絡(luò)控制在汽車自動(dòng)換擋控制策略的制定中已逐漸得到應(yīng)用。呂歡歡[1]基于模糊控制理論，建立了車輛坡道換擋過程的模糊換擋控制系統(tǒng)，并進(jìn)行了仿真。葛江城[2]針對(duì)車輛自動(dòng)變速系統(tǒng)的非線性，應(yīng)用模糊邏輯控制理論，設(shè)計(jì)了能反映駕駛員意圖的車輛換擋模糊控制器，并利用遺傳算法對(duì)模糊控制器的參數(shù)進(jìn)行了優(yōu)化。李秀蘭等[3]以多尺度小波神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)構(gòu)建了換擋模型，并利用數(shù)據(jù)對(duì)建立的模型進(jìn)行了實(shí)驗(yàn)驗(yàn)證。模糊系統(tǒng)可以表達(dá)人的經(jīng)驗(yàn)型知識(shí)，便于理解，但移植性較差。神經(jīng)網(wǎng)絡(luò)具有極強(qiáng)的非線性映射能力和泛化能力，可以進(jìn)行動(dòng)態(tài)訓(xùn)練以適應(yīng)車況、路況、駕駛員特性的變化。模糊神經(jīng)網(wǎng)絡(luò)(ANFIS)將模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)相結(jié)合，即具有模糊信息處理能力又有學(xué)習(xí)、識(shí)別和自適應(yīng)能力。與采用單一模糊系統(tǒng)相比，模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)在處理大規(guī)模的模糊應(yīng)用問題方面表現(xiàn)出更優(yōu)越的效果。因此，本文提出一種基于ANFIS的自動(dòng)換擋策略，并在CRUISE中進(jìn)行整車模型仿真實(shí)驗(yàn)。將基于ANFIS的換擋策略與模糊換擋策略進(jìn)行仿真比較來驗(yàn)證所制定的換擋策略的合理性與優(yōu)越性。

1 模糊神經(jīng)網(wǎng)絡(luò)換擋策略

模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)其本質(zhì)就是將模糊輸入信號(hào)和模糊權(quán)值輸入常規(guī)的神經(jīng)網(wǎng)絡(luò)。在模糊神經(jīng)網(wǎng)絡(luò)中，神經(jīng)網(wǎng)絡(luò)的輸入、輸出節(jié)點(diǎn)表示模糊系統(tǒng)的輸入、輸出信號(hào)，神經(jīng)網(wǎng)絡(luò)的隱含(中間)節(jié)點(diǎn)表示隸屬函數(shù)和模糊規(guī)則。傳統(tǒng)模糊系統(tǒng)的規(guī)則集和隸屬度函數(shù)等設(shè)計(jì)參數(shù)只能靠設(shè)計(jì)經(jīng)驗(yàn)來選擇，而模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)則利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法，根據(jù)輸入、輸出的學(xué)習(xí)樣本自動(dòng)設(shè)計(jì)和調(diào)整模糊系統(tǒng)的設(shè)計(jì)參數(shù)，實(shí)現(xiàn)模糊系統(tǒng)的自學(xué)習(xí)和自適應(yīng)功能。

1.1 輸入、輸出變量及隸屬度函數(shù)

以目前最為通用的二參數(shù)換擋規(guī)律作為主要研究目標(biāo)，以車速和油門開度為輸入量，以擋位為輸出量，采用2輸入、單輸出的1階Sugeno模糊推理系統(tǒng)[4]，其模糊規(guī)則形式為：

ifx1isA1iandx2isA2i, thenui=pix1+qix2+ri(i=1、2、3、…、n)

當(dāng)xi激活m條模糊規(guī)則時(shí)，輸出結(jié)論將由這m條規(guī)則的輸出ui決定。

基于Sugeno型模糊推理建立模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)(ANFIS)結(jié)構(gòu)，該結(jié)構(gòu)通過對(duì)已知數(shù)據(jù)的學(xué)習(xí)，經(jīng)過訓(xùn)練，可使設(shè)計(jì)出的模糊系統(tǒng)能模擬理想的輸入、輸出關(guān)系。

根據(jù)優(yōu)秀駕駛員的駕駛經(jīng)驗(yàn)和車輛行駛時(shí)的狀態(tài)參數(shù)，選取車輛的行駛速度和油門開度作為ANFIS換擋策略的輸入量，選取擋位位置作為輸出量[5-8]。

根據(jù)所建立的Sugeno模糊推理系統(tǒng)的需要，選擇輸入變量車速和油門開度的模糊集合分別為：

車速：{VS(很小)、S(小)、M(中)、B(大)、VB(很大)}

油門開度：{VS(很小)、S(小)、M(中)、B(大)、VB(很大)}

將車速和油門開度進(jìn)行量化，選取各變量的論域分別為：

車速：

{0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18}

油門開度：

{0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1}

車速的實(shí)際范圍是[0 120]；油門開度的實(shí)際范圍是[0 1]。

根據(jù)各變量的論域和實(shí)際范圍可得量化因子分別為：車速量化因子k1=0.15,油門開度量化因子k2=1。

取各輸入模糊變量的隸屬度函數(shù)為高斯分布，車速和油門開度的各模糊子集的隸屬度曲線如圖1、2所示。

1.2 建立ANFIS換擋規(guī)則

ANFIS換擋則基于優(yōu)秀駕駛員的駕駛經(jīng)驗(yàn)和專家知識(shí)，并參照Sugeno模糊推理系統(tǒng)結(jié)構(gòu)，制定出如表1所示的自動(dòng)換擋規(guī)則。

表1 換擋規(guī)則

1.3 基于ANFIS的換擋策略

以車速和油門開度為輸入量，以擋位為輸出量，將上述建立的ANFIS換擋規(guī)則導(dǎo)入Simulink中，建立最終的換擋控制策略，如圖3所示。

圖1 車速隸屬度函數(shù)

圖3 ANFIS換擋策略模型

2 整車仿真及結(jié)果分析

將制定的ANFIS換擋策略嵌入整車環(huán)境中進(jìn)行仿真分析，來驗(yàn)證其優(yōu)越性和合理性。利用Cruise搭建純電動(dòng)輕卡的整車模型，并通過與Matlab(DLL)的接口，將換擋策略嵌入整車模型中。由于Cruise中沒有相應(yīng)的切換擋位的模塊，因此采用開閉離合器的方式[9]來達(dá)到切換擋位的目的。整車模型如圖4所示。

圖4 純電動(dòng)輕卡整車模型

選擇NEDC循環(huán)行駛工況，對(duì)模糊換擋策略和ANFIS換擋策略進(jìn)行對(duì)比仿真。純電動(dòng)輕卡的整車參數(shù)如表2所示。

表2 純電動(dòng)輕卡整車參數(shù)

將純電動(dòng)輕卡的主要參數(shù)輸入整車模型的相應(yīng)模塊中進(jìn)行仿真分析，仿真結(jié)束后得到車輛跟隨曲線和擋位變化情況，見圖5～7。

圖5 NEDC工況下車輛跟隨曲線(模糊換擋策略)

圖6 NEDC工況下車輛跟隨曲線(ANFIS換擋策略)

圖5、6分別為基于模糊換擋策略和ANFIS換擋策略的車輛跟隨曲線。從圖中可以看出：基于ANFIS換擋策略的車輛的跟隨曲線較為平順光滑，車輛可以跟隨設(shè)定的目標(biāo)車速運(yùn)行；而基于模糊換擋策略的跟隨車速在某一時(shí)刻出現(xiàn)了尖峰，并且在運(yùn)行過程中存在循環(huán)換擋的現(xiàn)象。

經(jīng)過分析發(fā)現(xiàn)：出現(xiàn)尖峰和循環(huán)換擋現(xiàn)象的原因是由于模糊換擋策略中的某一些關(guān)鍵參數(shù)設(shè)置不夠準(zhǔn)確，而這些關(guān)鍵參數(shù)的設(shè)置是基于經(jīng)驗(yàn)得來，并不能保證適合所有的控制對(duì)象。ANFIS換擋策略通過自身的學(xué)習(xí)能力，經(jīng)過樣本數(shù)據(jù)的訓(xùn)練后，關(guān)鍵參數(shù)可以自動(dòng)調(diào)整到準(zhǔn)確值，進(jìn)而模擬出更加符合駕駛員駕駛習(xí)慣的輸入、輸出關(guān)系，與模糊換擋策略相比，提高了車輛的操作穩(wěn)定性，驗(yàn)證了ANFIS換擋策略的優(yōu)越性。

圖7為NEDC工況下?lián)跷蛔兓闆r，從圖中可以看出：在整個(gè)仿真過程中，擋位的變化符合駕駛員的操作意圖，驗(yàn)證了ANFIS換擋策略的合理性。

圖7 NEDC工況下?lián)跷蛔兓闆r(ANFIS換擋策略)

圖8為不同換擋策略下的工況能耗對(duì)比，從圖中可以看出：模糊換擋NEDC工況能耗為2.2 kW·h，基于ANFIS的自動(dòng)換擋策略的NEDC工況能耗為1.93 kW·h，可以看出基于ANFIS的自動(dòng)換擋策略下的能耗降低了12.3%。與模糊換擋策略相比，ANFIS換擋策略可以明顯改善車輛的經(jīng)濟(jì)性能。

圖8 兩種換擋策略的工況能耗對(duì)比

3 結(jié)束語

本文基于傳統(tǒng)的兩參數(shù)換擋規(guī)律，建立了ANFIS換擋策略，并通過具體的樣本數(shù)據(jù)對(duì)換擋策略進(jìn)行了訓(xùn)練，在整車環(huán)境中與模糊換擋策略進(jìn)行分析比較。仿真結(jié)果表明：ANFIS換擋策略能有效地改善車輛的操作穩(wěn)定性和經(jīng)濟(jì)性能。

[1] 呂歡歡.基于模糊修正的AT車輛坡道換擋策略研究[D].長春：吉林大學(xué)，2013.

[2] 葛江城.并聯(lián)混合動(dòng)力轎車機(jī)械式自動(dòng)變速器換擋策略研究[D].長春：吉林大學(xué)，2012.

[3] 李秀蘭，秦四成，楊洪韜.基于多尺度神經(jīng)網(wǎng)絡(luò)的工程車輛換擋策略[J].四川大學(xué)學(xué)報(bào)(工程科學(xué)版)，2013(2):173-176.

[4] 顏振萍，艾劍良.ANFIS在飛機(jī)穩(wěn)定控制系統(tǒng)中的應(yīng)用[J].復(fù)旦學(xué)報(bào)，2010,49(4):530-534.

[5] 朱丹丹.基于城市道路工況純電動(dòng)汽車自動(dòng)變速器換擋規(guī)律的研究[D].合肥：合肥工業(yè)大學(xué)，2012.

[6] 姚海峰.純電動(dòng)汽車整車性能建模與仿真[D].南京：南京理工大學(xué)，2011.

[7] 張炳力，張友皇，趙韓.基于Simulink與Stateflow的自動(dòng)變速器性能仿真[J].合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2010,33(8):125-130.

[8] 于英，肖棒，彭耀潤，等．基于效率換擋規(guī)律的工程車輛換擋品質(zhì)研究[J]．重慶理工大學(xué)學(xué)報(bào)(自然科學(xué))，2016(7):1 -9．

[9] 秦浩.并聯(lián)式混合動(dòng)力客車AMT換擋策略研究[D].長春：吉林大學(xué)，2014.

(責(zé)任編輯 劉 舸)

Study on Strategy of Automatic Shift Based on ANFIS for Electric Truck

NI Hong

(Vehicle Application Department, Fujian Chuanzheng Communications College, Fuzhou 350007, China)

In pure electric light truck, different shift strategies have a great influence in energy consumption. The paper established the ANFIS shifting strategy based on the fuzzy neural network control theory and the traditional two parameters shift rules, training the ANFIS shifting strategy by the Sample data, and then built the vehicle model in the Cruise as a simulation environment. And substituting the parameters of the simulation, we obtained the simulation results, and then compared with the single fuzzy shift strategy. The results show that ANFIS shift strategy can effectively improve the efficiency of the vehicle. And the energy consumption has been optimized in the energy.

fuzzy system; ANFIS; shifting strategy; electric truck; vehicle simulation

10.3969/j.issn.1674-8425(z).2017.05.005

2016-10-22 基金項(xiàng)目：福建省交通運(yùn)輸廳基金資助項(xiàng)目(2014Y062)

倪紅(1969—),女,福建福清人,副教授，主要從事汽車運(yùn)用與技術(shù)服務(wù)研究，E-mail:416458823@qq.com。

倪紅.基于ANFIS的純電動(dòng)輕卡自動(dòng)換擋策略[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué))，2017(5):29-33.

format：NI Hong.Study on Strategy of Automatic Shift Based on ANFIS for Electric Truck[J].Journal of Chongqing University of Technology(Natural Science)，2017(5):29-33.

U469.722

A

1674-8425(2017)05-0029-05