基于神经网络控制的工程车辆四参数自动变速技术研究

【摘要】： 本文结合博士点基金资助项目(20020183003)“工程车辆四参数自动变速技术研究”,针对工程车辆普遍存在液力传动系统效率低下的问题,对工程车辆自动变速技术进行了深入的研究。 工程车辆液力传动系统效率低下,尤其是在重载下效率更低。为了解决这一问题,本文对工程车辆自动变速技术与智能控制理论进行了深入研究,提出了用于工程车辆自动变速的最近邻聚类学习算法RBF神经网络控制策略。根据控制策略建立了以油门开度、工作油泵压力、液力变矩器的涡轮转速和泵轮转速控制参数为输入,以挡位为输出的RBF神经网络控制模型。利用MATLAB软件对网络模型进行了仿真,并进行了试验验证,仿真和试验结果表明:最近邻聚类学习算法RBF神经网络用于工程车辆自动换挡控制可行有效,能够及时、准确地满足工程车辆自动换挡的要求,并能够保证液力变矩器经常在高效区工作,从而达到了实现自动变速和节能的双重目的。 实现工程车辆自动变速是二十一世纪工程车辆发展的必然趋势,本文所做的研究对实现工程车辆自动变速系统的智能化控制具有一定的理论与现实意义。