【电动汽车AMT换挡过程控制研究现状的文献综述3500字】

电动汽车AMT换挡过程控制研究现状的文献综述1.1换挡过程驱动电机转速控制研究换挡过程中驱动电机的转速控制具有非线性特性，且要求精度高，响应快，一直以来是国内外学者研究的热点。对于驱动电机在调速阶段的主动控制研究则兴起于上世纪80年代。MasdingP.W.，Lee等人首先开始对驱动电机的主动同步技术进行研究，在换挡过程中通过主动调节电机的转速实现接合套与接合齿圈的同步，进而实现了无离合器式变速器系统的换挡控制[3~6]。张晓光等人提出一种滑模算法，将位置、速度滑模控制器一体化设计方法，并利用状态变量之间的关系改进传统的滑模面，消除了系统抖振，提高了系统动态性能和鲁棒性[7]。邹敏等提出一种前馈补偿算法，将负载所需要的力矩以及负载惯量所产生的力作为总扰动，建立扰动前馈模块，将总扰动辨识出来，并且补偿到速度环上，增强了系统的鲁棒性[8]。范婷等提出一种自抗扰控制算法，将位置和速度控制结合，通过二阶的自抗扰控制器进行控制，达到了较好的控制效果[9]。李涛等提出一种在线调整学习速率的BP神经网络PID控制算法。利用PID神经网络的自学习和逼近任意函数的功能，能够对PID控制参数进行在线整定，增强了调速系统的稳定性和鲁棒性[10]。Zhu，Zhang提出一种基于线性二次调节器（LQR）和极点配置的鲁棒控制器，提高了电机的暂态响应[11]。以上的一些智能算法或传统与智能相结合的算法都取得了较好的控制效果，但这些算法没有考虑转速控制中变速箱控制器TCU与电机控制器MCU之间的CAN总线通讯时延，通讯网络的加入会使得控制对象模型发生改变，使得上述依赖于控制对象而设计的控制算法效果降低，最终导致调速精度的降低和调速时间的增加，因此，有必要设计优化算法降低通讯时延的影响以提高控制效果。调速阶段的驱动电机控制需要电机控制器(MCU)和变速器控制器(TCU)共同参与，而在现代汽车中都是通过CAN总线(controllerareanetwork)实现控制器之间的通讯。由于带宽的限制和控制器使用的增加，在通讯过程中会出现延迟，而该通讯延迟会降低控制系统的稳定性REF_Ref36403218\r\h[12]，其工作原理图如图1-1所示。目前针对调速阶段通讯延迟的驱动电机控制研究较少。邓建球等提出一种状态反馈控制器，采用锥互补线性化(CCL)算法求解了镇定控制器的状态反馈增益值，用于网络控制系统参数的优化[13]。钱伟等提出一种基于模型的预测控制方法用于网络控制系统中[14]。梁军等提出一种PID-Smith延时补偿控制器，提出了球杆网络化控制系统的根据延时分段补偿控制的策略及在线获取当前延时的方法[15]。张琰，赵韩等人通过频域分析优化得到一组最佳的史密斯预估器模型，补偿了发动机进气-扭矩过程的时延[16]。Zhu，Zhang等人采用马尔科夫链对通讯时延进行了理论上的建模，并且在其基础上设计了转速控制算法，仿真结果表明该算法获得了更好的效果。Huang，Zhang等人提出一种基于动作等待（A&W）与扰动观测的转速控制器，前者用于时延的补偿，后者用于增强系统的自抗扰性，并与PI控制器对比，仿真结果显示该算法获得了更小的超调量和更短的调速时间[16]。Cao等人介绍了电动汽车机械自动变速器的CAN总线控制系统，在考虑到CAN通讯过程中数据包容量和利用率的限制的基础上建立通讯延迟的数学模型，并提出了一种基于Lyapunov稳定性准则的滑模控制器与离线优先级调度的协同设计方法来改变通讯过程的特性，进而保证调速过程的稳定性，最终通过仿真验证了该方法可以有效的消除通讯延迟对调速过程的影响REF_Ref36410244\r\h[17]。该团队在另一项研究中提出了一种自适应滑模控制器与模糊动态采样周期调度策略相结合的协同设计方法，以解决CAN通讯带宽限制带来的调速过程实时性变差的问题，并通过仿真进行了验证REF_Ref36410781\r\h[18]。上述研究对调速阶段的CAN通讯延迟进行了理论建模，并设计了较为复杂的控制算法，但这些研究都缺少进一步的实验验证。但在该研究中未对通讯延迟出现的规律和时长进行讨论，而这会影响到执行-等待控制算法中执行阶段和等待阶段的时间分配。因此，有必要对CAN通讯延迟的规律进行分析，并根据延迟规律设计易于应用的调速阶段控制策略，以消除通讯延迟对调速过程的不利影响。图1-1电动汽车机械自动变速器CAN总线控制系统框图1.2换挡过程换挡执行机构控制研究换挡执行机构控制系统具有非线性而导致控制效果差，针对此问题相关学者进行了以下研究，对于换挡电机的控制精度，丁然然使用了模糊控制算法用于换挡电机的控制，仿真证明了模糊算法可以有效的适应摩擦系数，具有较好的适应性和鲁棒性[19]；刘家发采用积分分离PID控制，即根据给定位置与反馈位置之差将控制分为2个阶段，提高了系统的控制精度[20]。Yoshinori.Taguchi等通过在AMT换挡过程中采用干扰观测器实现对换挡执行机构的前馈和反馈并行的鲁棒控制，使系统在保证快速性的前提下又能保证鲁棒性，并通过仿真和试验验证了算法可靠性和有效性[21]。高智等基于线性二次最优控制和滑模控制，实现对换挡电机的位置最优控制，通过仿真与试验对照的方法，验证该控制方法可以改善AMT的换挡品质[22]。HongFu等以纯电动汽车为研究对象，研究选换挡电机控制策略，采用定子磁链定向的直接转矩控制方法，基于滑模控制对电机的磁链进行观测，以保证系统响应的快速性和系统的鲁棒性，采用双环控制以保证换挡品质，并进行试验验证，控制方法适用于直接耦合的动力系统[23]。。Malin等人采用串级PID控制算法实现接合齿圈转速的主动调节，并进行了实车实验，实验结果表明与机械同步相比，电机主动同步时间缩短了67%REF_Ref36553155\r\h[24]。对于电控电动式AMT，TCU控制选换挡电机占空比完成选换挡操作，从本质上讲换挡执行机构的精确控制就是对选换挡电机的精确控制[25]。作为换挡电机的有刷直流电机在低转速运行时会受到较大的扭矩波动，易造成系统的不稳定性[26]。FBeltran-Carbajal对直流电机进行建模，基于位置基准轨迹跟踪提出了一种误差积分补偿的控制方法[27]。申业等分析了AMT选换挡执行机构的机构与工作原理，并建立了二级齿轮减速器与蜗轮蜗杆式换挡执行机构模型，通过滑模控制器进行仿真，相对于传统的PID控制算法，取得了较高的精度和较快的换挡速度[28]。高智等基于线性二次型（LQR）和滑模变结构控制（SMC）提出了换挡执行机构位置最优控制方法，有效减小了换挡时间和动力中断[29]。何雄等将动态滑模控制理论作用与换挡执行机构，提高了响应速度和控制精度[30]。以上算法都基于滑模控制，也出现了一些智能控制方法。叶文针对换挡过程的不确定问题，提出了布谷鸟优化神经网络PID的控制算法，提高了换挡平顺性[31]。任玉平、葛安林设计了蜗轮蜗杆式双拨叉结构的换挡执行机构，并通过模糊控制对直流电机进行控制[32]。王大方等以缩短换挡时间为目标，提出了一种时间最优的执行电机转速闭环控制方法，节省了换挡时间，且控制精度达到0.08mm[33]。针对电控电动AMT换挡执行机构控制董荷强提出了换挡执行机构三闭环自适应模糊PID控制器，提高了控制器响应速度，降低了调节时间[34]。鄢挺等针对换挡机构提出了双闭环控制系统，使同步器位移紧密跟随换挡目标轨迹，同时加入了补偿器来针对机构参数不确定以及动态干扰的问题[35]。赵玉才基于永磁直流电机，搭建了齿轮减速换挡执行机构模型，并对PID控制算法进行了改进[36]。郭学茂等利用Adams与dSPACE等采集数据并处理分析问题产生的机理，通过Meca标定软件控制标定参数确定了最优PWM指令，缓解了换挡过程的冲击，增加了换挡过程的舒适性[37]。林树森等建立了二自由度电磁执行器AMT换挡执行机构模型，通过机械耦合分析，对换挡过程分阶段控制，取得了较好的控制性能[38]。张宽等针对PID控制存在的参数调整难的问题，对换挡执行机构采用模糊PID控制，仿真结果显示，超调量更小[39]。参考文献[1]葛文庆,李波,赵彦峻,等.基于直接驱动和自增力技术的AMT换挡系统[J].农业机械学报,2014,45(09):1-7.[2]杨竞衡.电动汽车的电气传动系统[J].电气传动,1999(4):3-10.[3] MASDINGPW,JRBUMBY.IntegratedmicroprocessorcontrolofahybridICengine/battery-electricautomotivepowertrain[J].TransactionsoftheInstituteofMeasurementandControl,1990,12(3):128-146.[4] STUBBSPWR.ThedevelopmentofaPerburytractiontransmissionformotorcarapplications[J].JournalofMechanicalDesign,1981,103(1):29-40.[5] LEEHD,etal.Advancedgear-shiftingandclutchingstrategyforaparallel-hybridvehicle[J].IndustryApplicationsMagazine,IEEE,2000,6(6),26-32.[6] YOONYS,KYUNGSKIM,SUNJK.Clutchlessgearedsmarttransmission[J].SAETechnicalPaper,2011,2011-01-2031.[7]张晓光,孙力,赵克.基于负载转矩滑模观测的永磁同步电机滑模控制[J].中国电机工程学报,2012,32(3):111-116.[8]吕帅帅,林辉,李兵强,等.一种改进的PMSM模型预测直接转矩控制方法[J].电机与控制学报,2020,24(07):102-111.[9]吴建华,吴航.永磁同步电机电流扰动补偿无位置传感器控制[J].电机与控制学报,2020,24(04):80-86+95.[10]李涛,邵光保,孙楚杰,等.改进型BP神经网络无刷直流电机速度控制方法[J].湖北工业大学学报,2019,34(05):1-5.[11]ZHUXY,ZHANGH,XJQ,etal.Robustspeedsynchronizationcontrolforclutchlessautomatedmanualtransmissionsystemsinelectricvehicles[J].ProceedingsoftheInstitutionofMechanicalEngineers,PartD:JournalofAutomobileEngineering,2015,229(4).[12] ZHANGL,SHIY,CHENT,etal.ANewMethodforStabilizationofNetworkedControlSystemswithRandomDelays[J].IEEETransactiononAutomaticControl,2005,50(8):1177-1181.[13]邓建球,郝翠,张正霞,等.短时延网络控制系统的状态反馈控制器设计[J].东南大学学报(自然科学版),2013,43(S1):28-31.[14]杨蒙蒙,钱伟,李冰锋.时变时延网络化控制系统的镇定[J].控制工程,2018,25(02):313-318.[15]吕良,胡云峰,宫洵,等.发动机调速史密斯预估定量反馈控制[J].农业机械学报,2017,48(02):348-353+377.[16]YANGX,ZHANGH,FANGZD.Speedsynchronizationcontrolforintegratedautomotivemotor–transmissionpowertrainsystemwithrandomdelays[J].MechanicalSystemsandSignalProcessing,2015,64-65.[17]HUANGJF,ZHANGJL,HUANGW,etal.OptimalSpeedSynchronizationControlWithDisturbanceCompensationforanIntegratedMotor-TransmissionPowertrainSystem[J].JournalofDynamicSystems,Measurement,andControl,2019,141(4).[18] CAOW,WUY,CHANGY,etal.Speedsynchronizationcontr