汽車有級自動變速器換擋規(guī)律研究進(jìn)展

（西華大學(xué)汽車工程研究所，四川 成都 610039）

石油資源的日益短缺和排放及安全法規(guī)的日趨嚴(yán)格，使節(jié)能、環(huán)保和安全成為當(dāng)今汽車工業(yè)技術(shù)發(fā)展的重要主題。自動變速器作為一種重要的電子控制汽車動力傳動裝置，對于使用者的意義，也已從最初的操縱方便擴(kuò)展到今天的節(jié)能、環(huán)保、動力、安全與方便并重[1－4]。

按傳動機(jī)構(gòu)的速比能否連續(xù)變化，自動變速器可分為無級變速器（continuously variable transmission,CVT）和有級自動變速器（stepped automatic transmissions，SAT）。無級變速器的速比可在一定范圍內(nèi)連續(xù)變化。有級自動變速器則指具有一定數(shù)量固定速比擋位的自動變速器，主要包括液力自動變速器（automatic transmission，AT）、機(jī)械式自動變速器（automated manual transmission，AMT）和雙離合器自動變速器（dual clutch transmission，DCT），是當(dāng)前汽車自動變速器家族的主流產(chǎn)品。

對于汽車有級自動變速器而言，除需對起步、換擋等控制技術(shù)進(jìn)行持續(xù)創(chuàng)新以提高控制品質(zhì)外，從控制的角度來看，還需對處于其技術(shù)體系核心的換擋規(guī)律進(jìn)行優(yōu)化，以改善有級自動變速汽車的動力性、經(jīng)濟(jì)性、排放及安全等性能。本文主要從有級自動變速器換擋規(guī)律制定方法、駕駛意圖識別及性能期望量化方法、換擋規(guī)律行駛條件適應(yīng)性方法三個方面綜述了其研究進(jìn)展，總結(jié)了有級自動變速器換擋規(guī)律的發(fā)展趨勢，并結(jié)合領(lǐng)域發(fā)展趨勢進(jìn)一步展望了需深入研究的技術(shù)問題。

1 有級自動變速器換擋規(guī)律制定方法

換擋規(guī)律定義了有級自動變速器擋位決策的控制參數(shù)以及由這些參數(shù)所確定的換擋時(shí)機(jī)（換擋點(diǎn)），直接影響著有級自動變速汽車的整車性能。按其制定方法，目前可大致分為兩類：一類是基于性能優(yōu)化的換擋規(guī)律，即以獲得最佳動力性、最佳經(jīng)濟(jì)性或多種性能綜合最優(yōu)為目標(biāo)，采用某種計(jì)算（或優(yōu)化）方法得到的換擋規(guī)律；另一類則是基于經(jīng)驗(yàn)學(xué)習(xí)的換擋規(guī)律，即通過學(xué)習(xí)駕駛員的操縱經(jīng)驗(yàn)來提取換擋規(guī)律。

1.1 基于性能優(yōu)化的換擋規(guī)律制定

在基于性能優(yōu)化的換擋規(guī)律制定方面，Ge 等[5]在彼得羅夫二參數(shù)（油門開度和車速）換擋規(guī)律的基礎(chǔ)上，通過引入加速度作為控制參數(shù)，提出了動態(tài)三參數(shù)最佳換擋理論，并給出了圖解法和解析法兩種求解方法。張國勝等[6]、Qu 等[7]通過對發(fā)動機(jī)燃油消耗特性的研究，提出了動態(tài)三參數(shù)最佳燃油經(jīng)濟(jì)性換擋規(guī)律制定方法。陰曉峰等[8－10]在建立基于神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)動態(tài)轉(zhuǎn)矩及油耗模型基礎(chǔ)上，提出了基于神經(jīng)網(wǎng)絡(luò)發(fā)動機(jī)模型的動態(tài)三參數(shù)換擋規(guī)律，并應(yīng)用遺傳算法對考慮動力性、經(jīng)濟(jì)性及排放性能的多性能綜合最優(yōu)換擋規(guī)律進(jìn)行了優(yōu)化。Fofana 等[11]綜合考慮經(jīng)濟(jì)性、動力性和變速箱耐久性，應(yīng)用多目標(biāo)遺傳算法對換擋規(guī)律進(jìn)行了優(yōu)化。陳然等[12]采用支持向量機(jī)方法建立了發(fā)動機(jī)動態(tài)模型，并提出了基于油門、車速和油門變化率的三參數(shù)換擋規(guī)律設(shè)計(jì)方法。Li 等[13]針對電動公交車AMT 研究了最佳動力性三參數(shù)換擋規(guī)律。Bracard 等[14]采用動力傳動系統(tǒng)全局優(yōu)化的方法制定了換擋規(guī)律，在滿足動力性要求的同時(shí)可降低油耗。Bai 等[15]在建立車輛系統(tǒng)模型基礎(chǔ)上，應(yīng)用動態(tài)規(guī)劃方法生成了換擋規(guī)律，在滿足動力性要求的條件下可獲得更好的燃油經(jīng)濟(jì)性；高瑋等[16]以能耗最低為優(yōu)化目標(biāo)，采用動態(tài)規(guī)劃方法制定了純電動公交車AMT 兩參數(shù)換擋規(guī)律。Hou 等[4]采用動態(tài)規(guī)劃方法研究了電動汽車AMT 動力性和經(jīng)濟(jì)性（電機(jī)效率）綜合換擋規(guī)律。Ngo 等[1,17]則采用隨機(jī)動態(tài)規(guī)劃優(yōu)化AMT 換擋規(guī)律，在兼顧動力性的同時(shí)可改善經(jīng)濟(jì)性。Xu 等[18]在動態(tài)規(guī)劃的基礎(chǔ)上應(yīng)用神經(jīng)網(wǎng)絡(luò)對重型車輛最佳擋位進(jìn)行實(shí)時(shí)預(yù)測。李宏才等[19]針對并聯(lián)混合動力汽車，分別以牽引力最大和系統(tǒng)綜合效率最高為優(yōu)化目標(biāo)，制定了動力性和經(jīng)濟(jì)性換擋規(guī)律。

1.2 基于經(jīng)驗(yàn)學(xué)習(xí)的換擋規(guī)律制定

在基于經(jīng)驗(yàn)學(xué)習(xí)的換擋規(guī)律制定方面，Sakaguchi 等[20]、Qin 等[21]應(yīng)用模糊推理方法建立了基于駕駛員操縱經(jīng)驗(yàn)（知識）的換擋規(guī)律。Nelles[22]在制定模糊換擋邏輯的基礎(chǔ)上，通過增加反饋學(xué)習(xí)機(jī)制對隸屬函數(shù)進(jìn)行了優(yōu)化。巫世晶等[23]、劉文光等[24]通過引入油門開度變化率，對基于模糊邏輯的四參數(shù)換擋規(guī)律進(jìn)行了仿真研究。劉振軍等[25]根據(jù)熟練駕駛員的經(jīng)驗(yàn)和專家知識制定了換擋規(guī)律的二參數(shù)模糊推理規(guī)則，并結(jié)合神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練機(jī)制提出了基于Takagi-Sugeno 模型的模糊神經(jīng)網(wǎng)絡(luò)二參數(shù)擋位判斷方法。陳清洪等[26]提出了動態(tài)模糊神經(jīng)網(wǎng)絡(luò)三參數(shù)換擋控制原理及其控制器訓(xùn)練算法。芮挺等[27]利用粒子群優(yōu)化的換檔規(guī)則提取算法，將規(guī)則編碼為粒子，通過粒子群優(yōu)化算法的“位置—速度”搜索模型生成了換檔規(guī)則集。

2 駕駛意圖識別及性能期望量化方法

基于駕駛操縱特征和車輛運(yùn)行狀態(tài)信息的駕駛意圖識別，并在換擋規(guī)律中合理體現(xiàn)駕駛員對整車性能的期望以適應(yīng)不同的駕駛風(fēng)格，是實(shí)現(xiàn)人性化自動換擋的基礎(chǔ)。現(xiàn)有與換擋規(guī)律相關(guān)的駕駛意圖識別及性能期望量化研究，多是基于駕駛意圖識別(分類)對換擋規(guī)律進(jìn)行修正，少量基于量化的性能期望對換擋規(guī)律進(jìn)行優(yōu)化，離實(shí)現(xiàn)人性化換擋的目標(biāo)還存在一定的差距。

2.1 基于駕駛意圖識別的換擋規(guī)律修正

在基于駕駛意圖識別的換擋規(guī)律修正方面，Takahashi 等[28]應(yīng)用解釋結(jié)構(gòu)建模(interpretative structural modeling，ISM)方法提取出車輛運(yùn)行狀態(tài)與下坡滑行時(shí)駕駛員減速意圖之間的關(guān)聯(lián)因子，結(jié)合ID3(interactive dichotomizer 3)算法形成產(chǎn)生式規(guī)則，以確定降擋時(shí)機(jī)。王玉海等[29]將駕駛員期望加速特性分為停車、減速、維持、加速和急加速五類，并將行駛環(huán)境在換擋過程中等效為駕駛員期望的加速特性，通過實(shí)車試驗(yàn)數(shù)據(jù)和經(jīng)驗(yàn)收集，建立了對期望加速特性進(jìn)行量化的模糊推理模型，其結(jié)果可直接應(yīng)用于換擋規(guī)律的修正。孫以澤等[30]將對換擋有較明顯影響的操縱意圖歸納為超車、沖坡、減速和停車四種典型情況，采用模糊識別方法對道路條件和駕駛意圖進(jìn)行了識別。秦大同等[31]采用模糊推理分別識別駕駛員的七種驅(qū)動意圖和三種制動意圖，再根據(jù)識別結(jié)果采用不同的能量管理策略以獲得更好的能耗經(jīng)濟(jì)性。高建平等[32]采用模糊推理分別識別兩種駕駛風(fēng)格(動力型和經(jīng)濟(jì)型)和三種加速意圖(平緩、一般和緊急加速)，再以二者為輸入采用模糊推理確定插電式混合動力公交車需求轉(zhuǎn)矩修正系數(shù)。薛殿倫等[33]以質(zhì)量和油門開度為輸入，采用模糊推理方法確定了表征駕駛意圖的“綜合系數(shù)”，基于最佳動力性和最佳經(jīng)濟(jì)性換擋規(guī)律制定了公交車綜合性換擋規(guī)律。劉璽等[34]采用反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)分類結(jié)合貝葉斯融合決策方法來辨識駕駛員類型，再根據(jù)駕駛員類型計(jì)算動力性系數(shù)，以用于換擋點(diǎn)車速的調(diào)整。

2.2 基于性能期望量化的換擋規(guī)律優(yōu)化

在基于性能期望量化的換擋規(guī)律優(yōu)化方面,Yin 等[35]根據(jù)駕駛員和專家經(jīng)驗(yàn)，以油門開度、油門開度變化率和發(fā)動機(jī)轉(zhuǎn)速為輸入，以駕駛員對各性能期望的量化值為輸出，設(shè)計(jì)了各性能期望的模糊推理規(guī)則，并將性能期望量化結(jié)果應(yīng)用于多性能綜合最優(yōu)換擋規(guī)律的優(yōu)化。

2.3 其它關(guān)于駕駛意圖識別的研究

其它關(guān)于駕駛意圖識別的研究，主要集中在轉(zhuǎn)彎、變道、超車/加速、制動等駕駛行為的識別、預(yù)測或分類，少用于建立識別結(jié)果與換擋規(guī)律之間的聯(lián)系。Ohashi 等[36]在模糊聯(lián)想記憶的基礎(chǔ)上，應(yīng)用基于案例的學(xué)習(xí)方法對訓(xùn)練模式進(jìn)行學(xué)習(xí)，能夠?qū)D(zhuǎn)彎意圖進(jìn)行預(yù)測。Liu 等[37]、Berndt 等[38]使用隱馬爾可夫模型(hidden markov model，HMM)對轉(zhuǎn)彎和車道變更意圖進(jìn)行了識別。Liu 等[39]基于HMM模型開發(fā)了變道車輛駕駛行為估計(jì)和分類模型。Bocklisch 等[40]將自適應(yīng)模糊模式分類方法用于變道意圖的在線識別。劉志強(qiáng)等[41]采用HMM 和支持向量機(jī)(SVM)級聯(lián)算法，對車道保持、換道和超車意圖進(jìn)行分類識別，以提高駕駛意圖識別率。宗長富等[42－43]通過構(gòu)建雙層HMM 模型，實(shí)現(xiàn)了對轉(zhuǎn)向、制動和加速復(fù)合工況下駕駛意圖的實(shí)時(shí)辨識，并在對駕駛員特性進(jìn)行分類的基礎(chǔ)上采用神經(jīng)網(wǎng)絡(luò)建立了其特性辨識模型。Quintero 等[44]基于BP 神經(jīng)網(wǎng)絡(luò)建立了主要由行為分類模塊和辨識模塊組成的駕駛員行為辨識模型。

3 換擋規(guī)律行駛條件適應(yīng)性方法

汽車行駛條件(如坡度、彎道、載荷、路面附著條件等)復(fù)雜多變，若只采用固定不變的換擋規(guī)律(如在良好平直路面、載荷無變化條件下標(biāo)定的最佳動力性或最佳經(jīng)濟(jì)性或二者之間的某種折衷的換擋規(guī)律)，則難以適應(yīng)汽車行駛條件動態(tài)變化的要求。所以，根據(jù)行駛條件對換擋規(guī)律進(jìn)行自動調(diào)整，是換擋規(guī)律向智能化方向發(fā)展的必然要求。相關(guān)研究多聚焦在坡道行駛適應(yīng)性方面，亦涉及對彎道、載荷變化、綜合行駛條件變化等的行駛適應(yīng)性。

3.1 坡道行駛適應(yīng)性

在坡道行駛適應(yīng)性方面，Euplio 等[45]在實(shí)時(shí)估計(jì)坡度基礎(chǔ)上修正換擋規(guī)律。李磊等[46]根據(jù)等效坡道阻力與當(dāng)前和目標(biāo)擋位最大驅(qū)動力的比較結(jié)果，對常規(guī)換擋規(guī)律的決策進(jìn)行修正。張學(xué)鋒等[47]根據(jù)上坡模式基本標(biāo)定原則和零加速度點(diǎn)計(jì)算方法，制定了一種針對坡路模式的乘用車DCT 換擋規(guī)律。Lei 等[48]基于廣義負(fù)載識別，通過在平路和最大坡度換擋線之間采用線性插值的方法設(shè)計(jì)了自適應(yīng)換擋策略。Yin 等[49]通過坡道行駛力學(xué)分析確定了不同坡度有效擋位，在動力性分指標(biāo)計(jì)算中引入坡道阻力，制定了動力性和經(jīng)濟(jì)性綜合最優(yōu)坡道換擋規(guī)律。史俊武等[50]在運(yùn)用改進(jìn)最小二乘法對廣義坡度和整車質(zhì)量進(jìn)行實(shí)時(shí)辨識的基礎(chǔ)上，根據(jù)動力性換擋策略制定原則制定了上坡?lián)Q擋策略，采用模糊推理制定了下坡?lián)Q擋策略。夏光等[51]在應(yīng)用變遺忘因子最小二乘法進(jìn)行整車質(zhì)量和道路坡度辨識的基礎(chǔ)上，將坡度劃分為小坡、中坡和大坡三個等級，針對不同的坡度等級制定了換擋規(guī)律修正原則。孟凡婧等[52]在制動工況車輛帶擋滑行動力學(xué)分析和結(jié)合公路設(shè)計(jì)標(biāo)準(zhǔn)確定目標(biāo)參考車速和約束擋位基礎(chǔ)上，制定了基于道路坡度信息的下坡工況換擋策略。

3.2 多種行駛條件變化的行駛適應(yīng)性

在彎道、載荷、綜合行駛條件變化等的行駛適應(yīng)性方面，叢曉妍等[53]使用降擋提前系數(shù)將側(cè)向加速度安全閾值和人體可容忍側(cè)向加速度閾值用于對過彎降擋速度的修正。Hayashi 等[54]根據(jù)變速器輸入軸轉(zhuǎn)速和加速踏板位移量，采用模糊邏輯推理的方法來估計(jì)汽車載荷，并據(jù)此對換擋規(guī)律進(jìn)行修正。Hebbale 等[55]通過實(shí)際加速度與名義加速度的偏差來估計(jì)載荷的變化，并由此計(jì)算換擋規(guī)律修正因子。金輝等[56]根據(jù)行駛環(huán)境的不同將換擋規(guī)律劃分為多種模式，通過對路面附著系數(shù)、行駛區(qū)域、坡道和彎道的識別，分別采用不同的換擋規(guī)律以提高對行駛環(huán)境的適應(yīng)能力。劉永剛等[57]在對駕駛意圖和行駛工況進(jìn)行模式劃分的基礎(chǔ)上，采用模糊邏輯對駕駛意圖與行駛工況統(tǒng)一識別，并在急加速意圖、上下坡路段、顛簸路段、轉(zhuǎn)彎路段等模式下，對標(biāo)準(zhǔn)換擋規(guī)律進(jìn)行了修正。張炳力等[58]針對傳統(tǒng)換擋規(guī)律在城市擁擠道路、緊急制動、加速超車、彎道、坡道等行駛條件下會出現(xiàn)的不合理換擋現(xiàn)象，以油門開度及其變化率和車速變化率為輸入，通過模糊推理獲得升、降擋臨界車速修正因子對換擋車速進(jìn)行修正。王宇翔等[59]在分析海拔高度改變對發(fā)動機(jī)性能影響的基礎(chǔ)上，通過對最佳動力性換擋規(guī)律控制參數(shù)的修正，提出了基于不同海拔高度的動力性換擋規(guī)律制定方法，以改善有級自動變速汽車高原行駛適應(yīng)能力。

4 總結(jié)與展望

國內(nèi)外學(xué)者在換擋規(guī)律制定、駕駛意圖識別與性能期望量化以及換擋規(guī)律行駛條件適應(yīng)性研究方面，已取得大量成果。換擋規(guī)律作為有級自動變速器的核心控制技術(shù)之一，其控制參數(shù)的數(shù)量經(jīng)歷了單參數(shù)、兩參數(shù)到多參數(shù)的發(fā)展；優(yōu)化方法經(jīng)歷了單一性能指標(biāo)最優(yōu)化到多性能指標(biāo)綜合優(yōu)化的發(fā)展；駕駛意圖體現(xiàn)方面經(jīng)歷了駕駛員不能干預(yù)、按駕駛意圖分類到性能期望連續(xù)量化的發(fā)展；行駛條件適應(yīng)性方面經(jīng)歷了基于行駛條件的修正到將行駛條件變化融入換擋規(guī)律優(yōu)化的發(fā)展。持續(xù)的創(chuàng)新研究，不斷推動著有級自動變速器換擋規(guī)律向高性能、人性化和智能化方向發(fā)展。

結(jié)合當(dāng)前研究進(jìn)展，筆者認(rèn)為，從更高性能、更加人性化和更加智能化的角度出發(fā)，有級自動變速器換擋規(guī)律在以下幾個方面需開展更為深入的研究。

1)在換擋規(guī)律的優(yōu)化計(jì)算或制定過程中，少有考慮變速器輸入轉(zhuǎn)矩、輸入轉(zhuǎn)速、擋位、油溫等對其傳動效率的影響。從通過換擋規(guī)律優(yōu)化進(jìn)一步提升有級自動變速汽車綜合性能的角度來看，兼顧傳動效率變化對性能影響的多性能綜合最優(yōu)換擋規(guī)律的研究亟需加強(qiáng)。

2)就換擋規(guī)律優(yōu)化方法而言，采用模糊推理和神經(jīng)網(wǎng)絡(luò)等方法能很好地學(xué)習(xí)駕駛操縱經(jīng)驗(yàn)，卻較難從理論上確保其在性能上亦達(dá)到最優(yōu)；動態(tài)規(guī)劃方法則對行駛工況有所依賴；多目標(biāo)優(yōu)化算法尚未能充分考慮駕駛員的性能需求。因此，探索可合理反映駕駛員性能需求、對工況變化具有普適性的換擋規(guī)律多性能綜合優(yōu)化方法，是進(jìn)一步提升有級自動變速汽車綜合性能需要解決的關(guān)鍵問題。

3)在換擋規(guī)律人性化方面，主要采用模糊推理或神經(jīng)網(wǎng)絡(luò)等手段識別駕駛意圖，識別結(jié)果多為駕駛意圖分類(用于選擇不同類型的換擋規(guī)律)或某種“修正系數(shù)”(用于修正換擋規(guī)律)，前者因分類的有限性，換擋規(guī)律的“人性化”程度有待提升，后者則由于換擋規(guī)律控制參數(shù)與性能之間并非線性關(guān)系，難以保證修正后的換擋規(guī)律能夠獲得體現(xiàn)個性化需求的綜合最優(yōu)性能。而以駕駛員對不同性能期望的量化值為識別結(jié)果的方法，尚未考慮駕駛員歷史操縱行為和車輛歷史運(yùn)行狀態(tài)對識別結(jié)果的影響，性能期望量化的“精度”還需提升。

4)在換擋規(guī)律行駛條件適應(yīng)性方面，現(xiàn)有研究多是在行駛條件識別或獲取的基礎(chǔ)上，采用一定的算法對換擋規(guī)律控制參數(shù)進(jìn)行修正，或是設(shè)定一些特定換擋規(guī)則或標(biāo)定原則來改善換擋規(guī)律對行駛條件變化的適應(yīng)性，而在兼顧效率影響、提升綜合性能和體現(xiàn)個性化性能需求的前提下改善行駛條件適應(yīng)性的研究亦需加強(qiáng)。