（车辆工程专业论文）农用车辆静液压动力总成优化匹配的研究.pdf

江苏大学硕士学位论文 摘要 车辆动力性、燃油经济性的好坏，在很大程度上取决于发动机的 性能和传动系型式及参数的选择，即取决于动力传动系统合理匹配 的程度。对于装备h s t 的农用车辆而言，有效控制发动机的工作状态、 合理的匹配静液压系统的参数可以达到降低能耗、提高效率的目的。 本文结合某“2 0 , - - - 3 0 马力 农用车设计项目，对发动机静液 压系统共同工作性能进行了优化匹配分析。主要就以下问题进行了研 究并取得了一定的成果： 1 首次创新的使用支持向量机的理论建立发动机的数学模型。 基于支持向量机理论泛化能力强、训练样本少等优点，得到比常用的 曲线、曲面拟合等回归方法预测精度更高、泛化能力和适应性更强的 数学模型。 2 基于s v m 和混沌优化算法的燃油消耗最低点检测。对s v m 训 练得到的数学模型嵌套使用后作为优化函数，并采用混沌优化算法优 化分析，得到发动机最佳经济性目标曲线。 3 分析发动机和静液压系统共同工作性能。在建立发动机最佳 经济性模型和静液压系统的性能模型的基础上，提出了共同工作性能 的评价指标，确定了发动机静液压系统共同工作最优参数选择方 法并进行了实例分析。 4 对农用车在等速、恒功率、恒转矩三种不同工况下，发动机 静液压系统负载整个传动系统进行了建模分析，以发动机工 江苏大学硕士学位论文 作在最佳经济区和静液压工作在高效区为目标，得到系统共同工作最 优匹配参数。 关键词：支持向量机；混沌优化算法；静液压传动；优化；匹配 江苏大学硕士学位论文 a b s t r a c t d y n a m i cp r o p e r t ya n df u e le c o n o m yd e p e n d sl a r g e l yo nt h ee n g i n e p e r f o r m a n c e ，p o w e r t r a i nt y p ea n dp a r a m e t e rs e l e c t i o n i na n o t h e rw o r d s ， i td e p e n d so nt h ee x t e n to fr e a s o n a b l em a t c h i n g a sf a ra sh y d r o s t a t i c t r a n s m i s s i o nw i d e l yu s i n gi na g r i c u l t u r a lv e h i c l e s ，e f f e c t i v ec o n t r o lo ft h e e n g i n ew o r k i n gc o n d i t i o na n dr e a s o n a b l em a t c h i n gp a r a m e t e r s o f h y d r o s t a t i cs y s t e ml e a d st ol o w e re n e r g yc o n s u m p t i o na n di m p r o v e e f f i c i e n c y i nt h i s p a p e r , c o m b i n i n gw i t hy a n c h e n gk u b o t a ，”2 0 t o3 0 h o r s e p o w e r ”a g r i c u l t u r a lv e h i c l ed e s i g np r o j e c t s ，t h em o d e la n dt h e a n a l y s i so fo p t i m i z a t i o nm a t c h i n gp e r f o r m a n c eo fe n g i n e h y d r o s t a t i c d r i v es y s t e ma r ep r o v i d e d m a i n l yo nt h ef o l l o w i n gi s s u e sh a v eb e e n s t u d i e da n dh a v ea c h i e v e dc e r t a i nr e s u l t s 1 f o rt h ef i r s tt i m ea ni n n o v a t i v eu s eo fs u p p o r tv e c t o rm a c h i n e t h e o r yi ne s t a b l i s h i n gm a t h e m a t i c a lm o d e lo ft h ee n g i n e b a s e do i lt h e a b i l i t yo fg e n e r a l i z a t i o n , t r a i n i n ga n ds m a l ls a m p l e so fs u p p o r tv e c t o r m a c h i n et h e o r y , m a t h e m a t i c a lm o d e l si se s t a b l i s h m e n tw h i c hi sb e t t e r t h a nt h em o d e l u s i n g t h em e t h o d so fc u r v e ，s u r f a c ef i t t i n g ，n e u r a ln e t w o r k r e g r e s s i o n i n p r e d i c t i o na c c u r a c y , h i g h e rg e n e r a l i z a t i o na b i l i t ya n d a d a p t a b i l i t y 2 b a s e do nc h a o so p t i m i z a t i o na l g o r i t h ma n ds v m ，t h el o w e s t n l 江苏大学硕士学位论文 p o m o ff u e lc o n s u m p t i o ni st e s t e d b ym e a n so fo p t i m i z a t i o nf u n c t i o n w h i c hi st h en e s t e d u s i n gm a t h e m a t i c a lm o d e lt r a i n e db ys v ma n dc h a o s o p t i m i z a t i o na l g o r i t h mt oo p t i m i z ea n a l y s i s ，t h eb e s te c o n o m i ce n g i n e t a r g e tc u r v ei so b t a i n e d 3 a n a l y s i sw o r k i n g - t o g e t h e r - p e r f o r m a n c e o f e n g i n e a n d h y d r o s t a t i cs y s t e m b a s e do nt h ee c o n o m i cm o d e lo fe n g i n ea n d p e r f o r m a n c em o d e lo fh y d r o s t a t i ct r a n s m i s s i o ns y s t e m ， ac o m m o n p e r f o r m a n c ee v a l u a t i o ni n d e xi sp r o p o s e d ap a r a m e t e rs e l e c t i o nm e t h o d o ft h ee n g i n e - h y d r o s t a t i c - - w o r k i n g - - t o g e t h e r - s y s t e mi sd e t e r m i n e da n da n i l l u s t r a t i v ee x a m p l ei sp r o v i d e d 4 i no r d e rt om a k et h ee n g i n ew o r ki nt h eb e s te c o n o m i cz o n e sa n d t h eh y d r o s t a t i cw o r ki nh i g he f f i c i e n c ya r e a s ，e n g i n e - h y d r o s t a t i c - l o a do f t h ew h o l et r a n s m i s s i o ns y s t e mw a sm o d e l e da n da n a l y z e d ，a n dt h eb e s t m a t c h i n gp a r a m e t e r si sf o u n df i n a l l yu n d e rt h r e ed i f f e r e n tc o n d i t i o n so f c o n s t a n ts p e e d ，c o n s t a n tp o w e r , c o n s t a n tt o r q u eo fa g r i c u l t u r a lv e h i c l e s k e yw o r d s ：s u p p o r tv e c t o rm a c h i n e ；c h a o so p t i m i z a t i o na l g o r i t h m ； h y d r o s t a t i ct r a n s m i s s i o n ；o p t i m i z a t i o n ；m a t c h i n g i v 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权江苏大学可以将本学位论文的全部 内容或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存和汇编本学位论文。 保密口，在年解密后适用本授权书。 本学位论文属于 不保密口。 学位论文作者签名：雇少蕾 2 0 1 0 年6 月j 7 日 指导教师签名： 汤黝 2 0 1 0 年6 月7 日 独创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究工作所取得的成果。除文中已注明引用的内容以外，本论 文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文 的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本 人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：往少蕾 日期：2 0 1 0 年月7 日 江苏大学硕士学位论文 1 1引言 第一章绪论 车辆动力性、燃料经济性的好坏，在很大程度上取决于发动机的性能和传动 系型式及参数的选择，即取决于动力传动系统合理匹配的程度。即使一台发动机 具有良好的性能，如果没有一个与之合理匹配的传动系，也不能充分发挥其性能。 与发动机合理匹配的传动系可以使发动机经常在其理想工作区附近工作，这样 不仅可以减少燃料消耗、减轻发动机磨损，提高发动机的使用寿命，而且可以取 得良好的排放效果。 农用车辆长期以来一直存在的关键问题是，如何最简单而又适宜地使发动机 和传动系同外部负荷之间始终保持最合理的匹配。传统的机械传动和液力机械传 动车辆都是通过不同传动比的多档变速装置使之适应宽广的负荷和变速范围要 求。然而档位的有级变化不能与循环作业工序中波动剧烈且周期短暂的负荷要求 实现最合理的匹配，因而无法保证车辆在最佳状态工作，动力性、经济性、作业 生产率都将降低。 理论研究表明：只有采用无级变速传动，并辅以适当的控制装置与之配合， 才有可能在大的调速区间形成理想的传动系统，它能使发动机的转速及其输出转 矩适应外部负荷变化而连续变化，并且保持高效率。静液压传动是目前具有这种 无级调节能力且可控性好的传动装置之一，而且，静液压系统具有容易实现正反 转、能防止发动机超负荷等一系列特点，所以使传统的只靠操作者的经验和感觉 来进行的人工操作油门踏板和变速杆的操作大大简化了，并且使机械的性能和作 业效率大大提高。其效益足以补偿由于采用液压传动引起的制造成本的提高。 静液压传动系统( h s t ，h y d r o s t a t i ct r a n s m i s s i o n ) 即通常的泵马达系 统，油源泵和执行马达之间为单一油路供油，其物理关系为流量连续性方程，因 而又称之为流量耦合系统。该驱动系统可以实现前进、倒退、驱动、制动等转矩 转速平面内四个象限的工作需求。并且可以充分利用变量泵一次调节来扩大 调节装置的调速范围，实现无级调速，因此在农用车辆上得到广泛的应用。图 1 1 和图1 2 分别是静液压传动单元的结构图和原理图。 江苏大学硕士学位论文 6 5 4 1 一油箱2 一内置式过滤器3 一弹簧4 一中心块5 一输出轴6 一弹簧7 一旁通阀8 一缸体9 一柱 塞l o 一推力轴承1 l 一壳体1 2 一球轴承1 3 一轴封1 4 一输入轴1 5 一冷却风扇1 6 一斜盘 图1 1b d u 静液压传动单元剖视图 f i g 1 1c u t a w a yv i e wo fb d uh y d r o s t a t i ct r a n s m i s s i o nu n i t l 一， 硌 - j 方法中，采用了经验风险最小化但r m ，e m p i r i c a lr i s km i n i m i z a t i o n ) 准则，即采用样本定义经验风险 1， ( 叻= 亨弘，厂似功】 ( 2 2 ) i = 1 来逼近式( 2 1 ) 定义的期望风险。经验风险最小化的实质是在样本趋于无穷的情况 下，使经验风险恐祓咖逼近于实际风险只( ) ，同时使风矗叫达到最小值时，也 可以使尺( ) 达到最小。 事实上，用e r m 准则代替期望风险最小化并没有经过充分的理论论证，只 是直观上合理的想当然做法，但这种思想却在多年的机器学习方法研究中占据了 主要地位。人们多年来将大部分注意力集中到如何更好地最小化经验风险上，而 实际上，即使可以假定当以趋向于无穷大时式( 2 2 ) 趋近于式( 2 1 ) ，在很多问题中 的样本数目也离无穷大相去甚远，则在有限样本下e r m 准则很难得到较小的真 实风险。 2 2 2v c 维 为了研究学习过程一致收敛的速度和推广性，统计学习理论定义了一系列有 关函数集学习性能的指标，其中最重要的是v c 维( v a p n i k - c h e r v o n e n k i s d i m e n s i o n ) 。模式识别方法中v c 维的直观定义是：对一个知识函数集，如果存 在h 个样本能够被函数集中的函数按所有可能的矽种形式分开，则称函数集能 够把h 个样本打散；函数集的v c 维就是它能打散的最大样本数目h 。若对任意 数目的样本都有函数能将它们打散，则函数集的v c 维是无穷大。有界实函数的 v c 维可以通过用一定的阈值将它转化成指示函数来定义。 v c 维反映了函数集的学习能力，v c 维越大则学习机器越复杂。然而，目 前尚没有通用的关于任意函数集v c 维计算的理论，只对一些特殊的函数集知道 其v c 维。一般说来，函数集的v c 维与其自由参数的数目不同，它可以大于自 由参数个数，也可以小于自由参数个数，是函数集的v c 维，而不是其自由参数 的个数影响了学习机器的推广能力。因此，用个包含很多参数，但是有较小 v c 维的函数集为基础，学习机将具有很好的推广能力。 9 江苏大学硕士学位论文 2 2 3 结构风险最小化原则 在传统方法中，选择学习模型和算法的过程就是调整置信范围的过程，如果 模型比较适合现有的训练样本，则可以取得比较好的效果。但因为缺乏理论指导， 这种选择只能依赖先验知识和经验，造成了如神经网络等方法对使用者“技巧 的过分依赖。 统计学习理论提出了一种新策略，即把函数集构造为一个函数子集序列，使 各个子集按照v c 维的大小排列；在每个子集中寻找最小经验风险，在子集间折 中考虑经验风险和置信范围，取得实际风险的最小，如图2 1 所示。折中思想称 作结构风险最小化( s r m ，s t r u c t u r a lr i s km i n i m i z a t i o n ) 。图2 1 给出了结构风险最 小化的原理图。 风险 函数集子集：s i c $ 2 c s ， v c 维：h 1 h 2 h ， 图2 1 结构风险最小化原理图 f i g 2 1s c h e m a t i cd i a g r a mo fs r m 围 实现s r m 原则可以有两种思路，一是在每个子集中求最小经验风险，然后 选择使最小经验风险和置信范围之和最小的子集。显然这种方法比较费时，当子 集数目很大甚至是无穷时不可行。因此有第二种思路，即设计函数集的某种结构 使每个子集中都能取得最小的经验风险，然后只需选择适当的子集使置信范围最 小，则这个子集中使经验风险最小的函数就是最优函数。s v m 方法实际上就是 这种思想的具体实现【3 1 1 。 1 0 江苏大学硕士学位论文 2 3 支持向量机回归理论 支持向量机理论是基于统计学习理论( v c 维理论) 发展起来的，v c 维理 论学习机器的一个重要特性就是对未知数据的泛化能力强。大多数传统方法都是 基于经验风险最小化原则，使训练误差达到最小；而s v m 则基于结构风险最小 化原则，最小化的是推广误差的上界，从而通过在模型的复杂性和训练误差之间 寻求平衡点，得到一个最优的网络结构，较好地解决了过学习和欠学习问题。另 外，s v m 的训练等价于一个线性约束二次规划问题，从而可以得到唯一的全局 最优解，而不像神经网络训练那样容易陷入局部极小点。正是由于上述优点， s v m 在模式识别领域得到了广泛的应用 3 2 - 3 6 1 ，而且，近年来还被扩展应用到了 回归 3 7 - 3 9 1 、时间序列预测【舡饲、故障诊断 4 3 , 4 4 等方面。 2 3 1 支持向量机回归函数 发动机建模时利用s v m 的函数拟合性能。s v m 方法可以很好地应用于函数 拟合问题中f 4 5 彻，其思路- q 模式识别中十分相似。首先考虑用线性回归函数 删= 眺+ 6 拟合数据协，弦 ，i - - i ，n ，而d 弘厅的问题，并假设所有训练数据 都可以在精度下无误差地用线性函数拟合，即 仨z 薹吼，万 ， 【- 国薅+ 6 一咒占 77 u ，j 与最优分类面中最大化分类间隔相似，这里控制函数集复杂性的方法是使回归函 数最平坦，它等价于最小化圳i 1 1 2 0 考虑到允许拟合误差的情况，引入松弛因子 6 o 和已 1 0 ，则条件( 2 3 ) 变成 髓c o x i ：嚣三露m ，万 【+ 6 一咒g + 等 。 | r 。 铲_ 优化目标变成最小化 ( 彩，善，孝。) = 丢i i 彩0 2 + c 窆( 磊+ )( 2 5 ) 常数c o 控制对超出误差的样本的惩罚程度。采用同样的优化方法可以得到 其对偶问题。在条件 1 1 江苏大学硕士学位论文 i = i ( 呸一蟹0 ( 2 6 ) 0 啦，彳ci = l ，以 下，对l a g r a n g e 因子1 1 i 最大化目标函数 w ( a ，口) = 一g ( 彳+ q ) + ) ，( 彳一q ) 一寺( 彳一q ) ( 巧一哆) _ ) ( 2 7 ) 得回归函数为 矗 ，= ( 缈帕= ( z 一呸) 哪+ 易( 2 8 ) i = i 与模式识别中的s v m 方法一样，这里a i ，仅i 也将只有小部分不为o ，它们 对应的样本就是支持向量，一般是在函数变化比较剧烈的位置上的样本；而且这 里也只涉及内积运算，只要用核函数k ( x i , 劫代替式( 2 7 ) 和式( 2 8 ) 中的内积运算 就可以实现非线性函数拟合。 2 3 2 核函数 s v md e 不同的内积核函数将形成不同的算法，目前研究最多的核函数主要 有三类，一是多项式核函数 k ( x ，鼍) = 【( z 毛) + 1 】口( 2 9 ) 所得到的是q 阶多项式分类器；二是本文所采用的径向基函数( r b f , r a d i a lb a s i s f u n c t i o n ) 唧 一亭) 阻 所得分类器与传统r b f 方法的重要区别是，这里每个基函数中心对应一个r b f 支持向量，它们及其权值都是由算法自动确定的。也可以采用s i g m o i d 函数作为 内积，即 k ( x ，五) = t a n h ( v ( x 鼍) + c ) ( 2 1 1 ) 这时s v m 实现的就是包含一个隐层的多层感知器，隐层节点数由算法自动确定， 而且算法不存在困扰神经网络方法的局部极小点问题。本文中发动机的训练模型 江苏大学硕士学位论文 中采用径向基函数作为核函数。 2 4 本章小结 s v m 通过引入s r m 准则，克服了传统方法由于单纯依靠e r m 准则而导致 的不足，从理论上说明s v m 是一种更加适合实际情况的机器学习方法。由于采 用s v m 方法建立的模型泛化能力强，对样本的需求量少，因此采用s v m 理论， 针对发动机及静液压传动系统的有限测量数据建立s v m 模型是确实可行的。下 一章将用实例证明采用s v m 方法建立发动机模型的实用性、准确性和有效性。 江苏大学硕士学位论文 第三章基于s v m 和混沌优化算法燃油最低点检测方法 3 1引言 发动机与传动系参数的优化匹配，是通过合理地选择传动系的参数，使发动 机的实际使用工况尽可能的接近最佳经济区。而在农用车辆运行中，也需要根据 不同的运行工况来选择适当的档位、传动系的传动比或静液压斜盘角度等，使发 动机处于其最佳经济区。而这些工作的前提是知道发动机的最佳工作区在什么地 方。由此可见，发动机最佳经济区的定量确定是发动机与传动系优化匹配的必要 条件，而实现该目标的关键就是检测发动机低能耗的工作状态点。 发动机万有特性与调速外特性如图3 1 所示，横坐标为发动机转速n e ，纵坐 标为输出转矩m e ，虚线双曲线为等功率线n c i ，实线环线为等油耗线踟。 图3 1 发动机万有特性与调速外特性 f i g3 1u n i v e r s a la n ds p e e dc h a r a c t e r i s t i c so fe n g i n e 发动机等功率线与等油耗双曲线相切点是该功率下的最低油耗点，不同的负荷 等功率曲线与各等油耗曲线的切点相连，构成一条最经济的工作曲线，如图中曲线 a ，这就是理想的经济目标控制曲线，理想控制曲线获得的关键就在于切点的寻求。 本章首先以某发动机实验数据为基础，比较了采用s v m 、最小二乘回归建 模结果，从而用实例证明了s v m 建模方法的精确性和实用性。然后将s v m 回 归拟合出的参数间的非线性关系作为目标函数，采用混沌优化算m 法来搜索最 1 4 江苏大学硕士学位论文 优点，最后得到不同功率下的发动机燃油消耗最低点及最佳经济曲线，进而验证 了该方法的精确性和实用性。 3 2 基于s v m 发动机建模与传统建模方法比较分析 发动机数学模型的建立是车辆动力性和燃油经济性的模拟计算的重要依据。 发动机数学模型的描述，包括汽车发动机外特性( 使用外特性，对于柴油机 来说，是功率特性) 和发动机万有特性。 描述发动机性能特性的方法有表格法、插值法和模型法三种。前两种即用数 据表格的方法输入发动机的特性数据，不在试验点的数据通过插值得到，精确度 较高，但是占用计算机的内存较大、运算的速度较慢，并且得不到发动机数学模 型的数学表达式，故目前都采用数学模型法。 对于已知实验数据的发动机，其使用外特性可以看作发动机转速的一元函 数，常用最小二乘法曲线拟合法获得；而万有特性可以看作发动机转速和发动机 转矩的二元函数，常用的方法是通过最小二乘法曲面拟合得到，采用此方法时为 了防止计算机溢出，需要将发动机的转速除以1 0 0 0 。但是此方法的泛化能力不 强，对模型实验数据的依赖性较强。 采用支持向量机建模，基于支持向量机泛化能力强、训练样本少等优点，得 到比常用的曲线、曲面拟合等方法预测精度更高、泛化能力和适应性更强的数学 模型。本节以某型号发动机实验数据为基础，分析比较s v m 和传统方法回归方 法发动机数学模型方法。 3 2 1 最小二乘法回归方法 1 ) 发动机外特性最小二乘法曲线拟合 发动机使用外特性下发动机的转矩m e 可以看成是发动机转速n c 的函数，用 以下多项式表示： k m c i = a j n 。j ( k 1 ，2 ，n ；j = o ，1 ，k ) ( 3 1 ) j 眚0 式中n e _ 发动机转速n 1 0 0 0 ( r r a i n ) ； a 一多项式中的系数； 江苏大学硕士学位论文 l r 多项式中的阶数。 设已知n 个( 组) 试验数据( m 。i ，如) ，因为计算中需要用矩阵的乘积运算， 为防止计算机溢出，故将转速i i 降低1 0 0 0 倍( 或1 0 0 倍) ，即n 。= n 1 0 0 0 。 将每组数据( m 。i ，n e i ) 代入上式，并计入随机误差e i 有： m e l m e 2 m e n 写成矩阵形式为： 1 n e l 1 n e 2 n 三 n ：2 1 n 州n 削2 n k 一 - a o n 圳a n x + e l e 2 ： e n ( 3 2 ) m e = g 。a + e ( 3 3 ) 式中g 为n x ( k + 1 ) 阶矩阵，m 。、e 均为n x l 列向量。 假设j ：y 彳：e r e _ j 应用最b - 乘法原理，按照极值理论，有： 彭i，、 l- - - u 翻i a ( 3 4 ) 易得 a = ( g t g ) 。1 g t m 。( 3 5 ) 则 m 。= g a( 3 6 ) 按以上原理，编制曲线拟合程序计算，即可求得a 和k 。 这里值得注意的是，k 值的确定取决于计算的精度，并且k n 一1 。 拟合值m 。与观测值m 。的拟合程度，可用拟合度c 来评价，可以确定最佳 k 值。 c = i1 一 n ( m 。 t - 1 n ( m 。 t = l m 。) 2 一丽。) 2 1 6 x 1 0 0 ( 3 7 ) 江苏大学硕士学位论文 其中 丽。= 雨1 善n m 。为总体均值。 以功率一转速、转矩一转速拟合为例，拟合曲线图如下： e 邑 ： 壤 辩 e 弓 。 正 铸 督 转速n e = n 1 0 0 0 ( r m i n ) 图3 2 发动机调速特性1 f i g 3 2e n g i n e t o r q u ec h a r a c t e r i s t i c s 转速n c f n 1 0 0 0 ( r r a i n ) 图3 3 发动机调速特l i 2 f i g 3 3 e n g i n ep o w e rc h a r a c t e r i s t i c s 2 ) 发动机万有特性的最小二乘法曲面拟合 1 7 江苏大学硕士学位论文 万有特性是指负荷和速度都变化时的性能指标或特性参数的变化规律，又称 综合特性或多参数特性 4 8 - 5 7 1 。在三维坐标图上可表示为以工况面为自变量域的特 性曲面，在工况面的二维坐标图上则表示为各种指标或参数的等值线。最常用的 万有特性曲线是以转速i 为横坐标，平均有效压力只或扭矩瓦为纵坐标画出等 功率曲线、等燃油消耗率曲线。 发动机的使用万有特性的数学模型可以表示为： 铲喜圭i = 0 a 阻+ 1 ) ( j + 2 ) 十1 + t k r ( 3 8 ) i = oi 二l 式中： g 。发动机燃油消耗率( g k w h ) ： e 发动机的有效压力( m p a ) ： n 。发动机的转速刀1 0 0 0 ( r r a i n ) ； a 模型中各项系数组； s 模型的阶数。 采用曲面拟合的方法，求取模型中的参数。所谓曲面拟合实际上是个拟线性 回归问题，即认为平面上各测点z 是其坐标( 口，n ) 的函数，建立的回归模式 为： z 1 z 2 z n 式中： 口o ，”，d ) _ 一模型的待定系数； 矗， 一随机误差； + 巨 ( 3 9 ) n 试验观测点数。 写成矩阵形式为： z = f a + e 0 1 0 ) 其中f 为n x k 阶矩阵，z 和e 均为n x l 列向量，而g 的列数k 与多项式阶 数s 存在着如下关系： 七：掣 ( 3 1 1 ) 1 8 q ； viiiiiji且 瞄呓；砖 竹如 咖； 嗒 簖吖；瞄 一 ； 一 砰；砖 帆警吼砰z ；簖毗屯；q 吃； 江苏大学硕士学位论文 假设：j = 孑= e r e ，按极值理论应有 l - 1 易得 “ 1 器卜 其中之= 万1 善nz ，为总体均值。 ( 3 1 2 ) 同时也确定了最 ( 3 1 3 ) 按照以上原理编写最小二乘法面拟合程序，由某柴油发动机实验数据可得到 燃油消耗率随转速i l 和转矩m e 的拟合方程的次数s 和拟合系数a 。 对某发动机试验数据，采用拟合次数s = 3 ，得到拟合方程为： g 。= 6 2 6 7 6 5 3 7 5 6 7 3 8 1 3 5 - 7 7 7 9 8 3 3 1 4 0 6 9 5 3 1 6 p , - o 1 6 9 4 6 2 5 6 8 7 1 7 9 n , 蒜585059020696黧-00m844m8167毗9866713轷p,n,。+3572 7 4 0 7 8 1 6 5 8 6 4 8 p , 1 1 8 2 8 0 4 3 3 1 3 凡2 ( 3 1 4 ) - 。+ o 1 4 8 0 1 7 6 町0 2 1 2 p 、7 0 0 0 0 0 3 1 5 4 6 3 2 3 6 p , n 。2 0 0 0 0 0 0 0 0 0 6 3 2 9 7 n 。3 为了便于同s v m 建模方法进行比较，同样采用最, b - - 乘回归拟合方法拟合 得到转速1 1 随有效压力p 。和功率p 变化的方程： l l g = 1 9 9 9 9 9 9 9 9 9 9 6 0 7 3 - 1 1 5 1 2 1 3 5 ( 1 3 6 5 3 2 8 6 p 。+ 5 8 9 3 7 6 7 3 5 5 6 8 1 0 p + 2 4 2 3 9 6 4 1 5 7 5 4 2 2 8 3 p , 1 6 5 2 6 6 8 0 4 7 4 8 3 9 7 p 。p + 1 9 5 3 5 8 1 8 9 2 5 8 4 p z 1 5 6 1 7 4 7 6 1 3 4 6 7 7 p e 3 + 1 3 3 7 5 3 9 0 6 1 8 3 5 7 1 p , 2 p ( 3 1 5 ) 一3 1 1 8 5 9 0 7 0 2 8 9 8 p p 2 + 0 2 5 4 2 8 8 9 1 9 9 8 p a 3 2 2 基于s v m 建模 s v m 中不同的内积核函数将形成不同的算法，本文所采用核函数为径向基 1 9 z t 0 g = ， 一 h ：、 捌 心 一甜 旷 = _ a 江苏大学硕士学位论文 函数( ；f ，r a d i a lb a s i sf u n c t i o n ) 叫一掣) 似。 在s v m 训练过程中，需要对输入数据进行预处理来避免大数值的变量主导 小数值变量的情况，同时可以避免计算过程中的“数值灾难 。将所输入的数据 均映射n 0 ，1 】内，映射等式见式( 3 1 7 ) 。 ( 3 1 7 ) = 一 3 1 7 、 毛皿一n 其中：矿为预处理后的变量值，x 为变量的真实值，为该变量的最小值，m 为该变量的最大值。 通过s v m 回归建模的方法建立两个关系，分别为有效压力、转速与燃油消 耗量之间的关系和有效压力、功率和转速之间的关系。见式( 3 1 8 ) 和( 3 1 9 ) 。 g 。- - 1 g 。( n ，p 。) ( 3 1 8 ) n = g 2 ( p c ，p ) ( 3 1 9 ) 其中：为燃油消耗量，g ( k w h ) ；刀为发动机转速，r m i r a 仇为有效压力， m p a ：p 为功率，k w 。函数g 1 和g 2 均由s v m 回归训练得出。由此可见，在给 定发动机功率p 和有效压力p e 之后可以建立与燃油消耗量的关系，并同时得出 该点的转速n 。 采用均方误差似s e ) 、最大绝对误差( m a e ) 和最大相对误差三个误差 评价指标来反映两个s v m 模型的拟合精度。其计算方式见式( 3 2 0 ) 、( 3 2 1 ) 和 ( 3 2 2 ) 。 肱s e = y x y , 一y ：、| n q 。2 0 ) m a e = m a x ( y 。一剪i )( 3 2 1 ) m r e = m a x ( k 一咒l 1 0 0 y , ) ( 3 2 2 ) 其中：y i 为拟合值，y i 为实验值。 以某农用车辆的实验数据经数次训练所得函数g 1 和函数g 2 中s v m 参数分 江苏大学硕士学位论文 别为c 1 = 5 0 0 、o r l = 0 2 8 、e l = o 0 6 ，c 2 = 4 0 0 、以= o 2 0 、e 2 = o 0 3 。s v m 和最小二 乘回归方法对g 1 、g 2 两个函数的拟合误差对比见表3 1 和表3 2 。 表3 1 试验点处函数g 1 和g 2 的s v m 和最小二乘回归拟合误差对比 t a b l e3 1i m p o r t a n tp a r a m e t e r so fg e n e t i ca l g o r i t h ma tt e s tp o i n t s 表3 2 非试验点处函数g 1 和g 2 的s v m 和最小二乘回归拟合误差对比 t a b l e3 2i m p o r t a n tp a r a m e t e r so fg e n e t i ca l g o d t h r aa tn o n - t e s tp o i n t s 由此可以看出最小二乘法曲面拟合法虽然在实验数据点处的拟合精度较高， 但是因为此方法的泛化能力较差，对数据的依赖性较强，模型的精度与对所采用 数据的数量、质量都要求较高，因此对于非试验数据点处的拟合精度显著降低， 当需要拟合方程嵌套使用时，累计误差增加将会更加明显。 相反，采用s v m 方法对于试验点处和非实验点处的差别不大，适合于拟合 公式嵌套使用，并且在实验点处的拟合精度也比最d x - - 乘方法的精度高。如图 3 4 是采用s v m 方法拟合数据得到的发动机燃油消耗曲面和图3 5 万有特性曲 线。 江苏大学硕士学住论文 5 0 。 l o 3 熊2 0 0 錾 臻 o 燃* * # 率拟e i 图34 发动机燃油消耗拟合曲面厦万有特- 挂曲线 啦3 4 e g ；n e f u e lc o 盥u m p i i s 耐蛳f i t t m ga n d u n i v e r s a lc h a 吣d s 6 龉c u w e 囤35 发动机万有特性与调速特性拟台曲线 f i g l 3 5c r v c 自t i i n g o f g 呲u n i v e r s a la n d p o w e r c b a m “c 33 基于混沌优化算法燃油最低点的检测 在建立的发动机的s v m 模型的基础上，恒功率的燃油是低点的检测，需要 将两个模型g l 和0 2 嵌套使用后作为优化函数采用混沌优化算法寻求燃油最低 点。 。 拍 抓 江苏大学硕士学位论文 混沌运动具有遍历性、随机性和“规律性”【4 7 】等特点，混沌运动能在一定 范围内按其自身的“规律 不重复地遍历所有状态，因而可用于优化搜索本文采 用一种变尺度混沌优化算法来搜索最优目标函数值。采用的l o g i s t i c 映射如下： & h = 4 气( 1 一气)( 3 2 3 ) 选择合适的目标函数之后可以利用混沌理论搜索最优函数值，其算法步骤如 下【5 8 5 9 l ： 步骤1 ：初始化。k = - o ，细搜索标志r = o ，如f ( 0 ) ，f = 柳，a r - a ，b r = b ，当前 最优目标函数值初始化为一个较大的正数广。 步骤2 ：将产映射到优化变量取值区间成为 z 七= 口7 + ( 6 7 一a r ) t ( 3 2 4 ) 步骤3 ：优化搜索。若翮邻，则广弓，f = 产；否则继续。 步骤4 ：k = k + l ，1 = 4 1 6 。 步骤5 ：重复步骤2 一步骤4 ，直到一定步数内广保持不变为止，然后进行以 下步骤。 步骤6 ：缩小变量的搜索范围，即 a，rh+l：=zz*+-缈(、b，r一-a，rb t p ( b a ； ( 3 筋) 7 + l = z + 7 71 、7 其中：9 ( 0 ，o 5 ) ，z * = a r + t ( 班口 为当前最优解。为保证新范围不越界，做 以下处理：若a r + l b r ，则矿1 = b r 。同时，依据新范围将 矿映射到产。 步骤7 ：用下式确定新的混沌变量产 ，+ 1 = 0 - - f z ) t + ( 3 2 6 ) 其中：n 为一较小正数。重复步骤2 步骤4 操作直到一定步数内广保持不变 为止，然后进行以下步骤。 步骤8 ：r f r + l ，减小仅重复步骤6 一步骤7 重复步骤8 若干次后，结束寻优计算，z 掌即为搜索到的最优点。 将s v m 回归方程( 3 1 8 ) 、( 3 1 9 ) 引入到混沌优化算法之中用于优化算法中目 标函数的计算。通过混沌优化算法在给定功率下，便可得到燃油消耗最低点所对 江苏大学硕士学位论文 应的转速和节气门开度。表3 2 给出功率分别为5 k w 、1 0 k w 、1 5 k w 、2 0 k w 和 2 5 k w 的条件下的燃油消耗量的最低点及其所对应的发动机转速和有效压力值。 通过该优化算法得到的燃油消耗最低点如图3 6 所示。 表3 2 不同功率下最低燃油消耗的发动机状态 t a b l e3 2i m p o r t a n tp a r a m e t e r so fg e n e t i ca l g o r i t h m 可 也 芝 r 幽 较 忙 图3 6 等功率下燃油最低点的检测结果 f i g3 6 t h el o w e s tp o i l l to ff u e lt e s tr e s u l tu n d e rt h ec o n s t a n tp o w e r 从图中可以看出，采用g 1 、g 2 的s v m 模型嵌套作为优化函数，优化得到 的恒功率数据点始终沿着理想的经济控制目标曲线移动，满足恒功率、低油耗工 况的要求，可信度极高。 3 4 本章小结 本章在s v m 理论基础上，以某发动机的实验数据为依据，建立了发动机的 s v m 模型，并将其与传统发动机建模方法一最小二乘回归拟合法做了比较， 2 4 江苏大学硕士学位论文 得到比最d - 乘回归拟合法拟合精度更高，泛化能力更强的发动机模型。在s v m 模型基础上采用混沌优化算法检测恒功率下的燃油最低点，在证明了该方法实用 性和可靠性的同时，为后面章节中整个系统的优化匹配提供了一个嵌套使用时高 精度的发动机数学模型。 江苏大学硕士学位论文 第四章静液压驱动系统匹配分析 要研究整个传动系的匹配，就必须考虑整个系统的能量传递，即系统的功 率匹配。对所有动力与传动装置进行研究的核心无不集中在性能的高度发挥与 能量的充分利用方面。静液压驱动系统( f i s t , h y d r o s t a t i ct r a n s m i s s i o n ) 作为一个 动力传递与变换装置同样如此，作为整个传动系中间关键环节的静液压系统如 何选择参数，从而实现在发动机和变速箱之间高效率的传递能量成为了问题的 关键。因此，静液压系统的合理参数选择和匹配的目的在于改善发动机与负荷 之间的适应性【删】，提高发动机在负荷工况下的动力性和燃料经济性；同时努 力提高传动装置的传动效率，根据各种外界负荷的变化，使发动机和传动系的各 项性能指标最佳化。 4 1静液压驱动系统的能量传递 静液压系统实际上是由液压泵和液压马达组成的封闭的液压系统。静液压系 统做为车辆传动系统的中间环节，其前面要与发动机相连，由发动机决定输入转 速和扭矩，即输入功率，此时油泵将发动机的机械能转变为系统的液压能( 液体 的压力和流量) 。液压系统向后又与负载相连，此时马达将液压能转变为机械能， 带动负载，其中负载的大小直接决定了静液压系统的压力。在静液压系统能量传 递过程中液压泵和液压马达在能量转换过程中