混合動力商用車AMT擋位自學習控制技術優化

趙 力，冒曉建，祝軻卿，唐航波，王俊席

（上海交通大學 機械與動力工程學院，上海 200240）

變速器的電子控制是現代汽車電子化典型代表[1]，其中電控機械式自動變速器（Automated Mechanical Transmission，AMT）是在傳統手動固定軸式變速器的基礎上，加裝了電控離合器和選換擋執行機構，即用電機代替了駕駛員進行選擋、換擋和離合器分合動作，從而降低了駕駛疲勞強度，保證了行車安全，提高了舒適性。AMT系統不僅具有控制精度高的換擋品質，而且具有適應性好、污染小和改裝成本低等優點。

AMT系統在實際車載動力換擋（變速器有轉矩傳遞時）過程前，必須獲得各個擋位位置數據，才能有效控制選換擋電機在車輛運行時能準確換擋，而各個擋位的位置數據需通過靜態（變速器無轉矩傳遞）時啟動擋位自學習控制程序來獲得。

由于AMT選換擋驅動電機輸出軸到變速器驅動齒輪的尺寸鏈較長，每臺AMT制造和裝配存在差異，使用后的零部件磨損、松動及維修后的重裝也會產生差異，所以不同變速器各擋位的位置有所不同，且同臺變速器的位置也會相應變化。因此需要不斷優化AMT擋位自學習控制技術來自動精確、高效地獲得每臺變速器各擋位坐標位置，實現精準良好的選換擋控制效果和減小在線自學習的等待時間，以滿足快速、精準的換擋品質[2]，進而滿足AMT的智能控制[3]，保證車輛運行安全。本文就是以此為目標，針對AMT靜態時各擋位位置自學習控制策略，從擋位學習順序、再次進擋學習策略和通過自整定PID技術進行自適應參數優化，開展AMT擋位自學習控制技術優化的研究。

1 AMT系統介紹

本系統采用的5個前進擋位變速器體，分為3層，即R-1擋層、2-3擋層和4-5擋層，選換擋機械原理簡圖及執行機構簡圖如圖1和圖2所示。AMT通過脈寬調制法控制選擋電機和換擋電機驅動，通過執行將電機旋轉轉換成所需選擋和換擋操作。當3個撥塊在空擋時，通過控制選擋電機的占空比和旋轉方向，帶動換擋軸沿軸向運動進行選擋操作；當某個撥塊到達互鎖板換擋槽位置時，控制換擋電機的占空比和旋轉方向，就可以進行相應擋位層的換擋動作，其中互鎖板的存在確保了選換擋的唯一性。

如圖1所示，利用選擋角位移傳感器和換擋角位移傳感器檢測選擋和換擋情況，即本文用選/換擋角位移傳感器輸出的位置電壓（mV）表示選/換擋位置。

2 擋位位置定義分析

根據變速器選換擋原理，將換擋軸的選擋直線運動和換擋旋轉運動轉化成X-Y二維“王”字平面運動[4]，擋位位置信息如圖3所示。空擋位置為xN=0.5(xNmin+xNmax)。在實際情況中，需要考慮到電機輸出特性，且為了避免碰壁沖擊，各擋位的目標位置并不是物理極限位置，而是在物理極限位置的基礎上增加偏移量項，如1擋換擋極限位置為x1lim，偏移量為D1x；1擋選擋極限位置為y1lim，偏移量為D1y。則1擋的目標位置點坐標為： P1=(x1lim+D1x，y1min+D1y)，而有偏移量的選/換擋電機電流分別為is和ic，選/換擋電機占空比分別為 Ps和Pc，擋位極限位置為ymin、xlim和ymax，選/換擋電機靈敏度分別為φc和φs。同理可得其它擋位位置。

3 擋位位置自學習控制技術優化

3.1 擋位自學習順序優化

在AMT系統中，空擋位置的精確確定非常重要，因為每次選換擋都要經過空擋，若空擋位置有誤或未能回到正確的空擋位置，則會造成換擋卡滯或不能換擋的嚴重后果。常規的AMT擋位自學習順序是先學習空擋位置，再學習上層擋位位置、下層擋位位置、中間層擋位位置。

然而，經過試驗發現，新裝配的AMT系統因零部件之間未經過運動磨合，換擋阻力較大，影響空擋學習中換擋步長移動。在第1次擋位自學習過程中，空擋位置的左右偏差范圍明顯偏窄，見表1。第1次空擋寬度為434 mV，后3次的空擋寬度平均值為(682+702+674)/3=686 mV，與第1次差值252 mV，而后3次空擋寬度散差僅為28 mV。通過此學習數據比較，說明第1次學習的空擋位置的偏差很大，正確率很低。

表1 優化前空擋位置自學習結果數據

為提高第1擋位自學習的準確性及效率，考慮改變擋位自學習順序，如圖4所示。通過先學習上層擋位位置，實現在空擋學習之前對換擋機構進行磨合以減小換擋阻力。

3.2 空擋自學習選擋自適應性優化

空擋位置的精確確定在AMT控制系統中最為關鍵，故空擋學習的時間相對其它擋位較長，但為了提高自學習效率，減少自學習時間，需要對空擋學習時間優化。因空擋位置的精確程度是由空擋位置的上偏差和下偏差確定的，都屬于換擋值，故可以從選擋運動中得以優化。最初的自學習策略空擋位置學習時的選擋運動是定占空比運動模式，響應比較慢，結合當前成熟的控制技術[5-7]，采用自整定PID控制會加快響應速度，節約時間，且控制柔和無沖擊。

圖5中r(k)、u(k)、y(k)分別為控制系統k時刻的輸入量、控制量、輸出量；e(k)為實時誤差；Kp(k)、Ki(k)、Kd(k)分別為比例積分微分系數，由實時誤差實時調整。數字PID控制式為

3.3 再次進擋學習策略

對于新裝配的AMT系統，在第1次擋位位置自學習時因零部件之間未經過運動磨合換擋阻力較大，會影響擋位位置的準確性，一般需要多次學習校正。為提高第1次自學習的擋位位置值的準確性，減少多次學習以提高效率節省時間，提出了再次進擋學習策略，即在學習某擋位過程中，當學習擋位極限值成功后，進行回退學習功能，在回退學習成功后不及時回擋，而是再次進擋學習擋位位置值，兩次進擋選取最佳值作為為此輪學習的擋位極限值。此策略避免了第2輪重復學習及校驗合格擋位的時間，從而使擋位學習效率大大提升。

4 優化試驗驗證

4.1 擋位自學習順序優化及一致性比較

優化前的擋位自學習是先學習空擋位置再學習上層、下層、中層位置，優化后是通過先學習上層擋位位置，實現在空擋學習之前對換擋機構進行磨合以減小換擋阻力，從而提高空擋左右偏差位置的學習準確性。優化前后檢測圖如圖6和圖7所示，第1次自學習擋位的準確性及一致性比較見表1和表2。

比較圖6和圖7中的學習時間可得到，優化前總體自學習時間可由圖6中時間軸看出，即134.16－8.52=125.64 s，優化后總體自學習時間可由圖7時間軸看出，即112.81－22.13=90.68 s，故優化后每輪自學習能夠節約時間125.64－90.68=34.96 s，由此可見優化方法能夠縮短自學習時間，提高自學習效率。

通過比較表2和表3中的數據可以看出，優化前的后3次自學習的散差最大值為16，明顯大于優化后的最大散差值4；優化前第1次自學習值誤差較大，與后3次均值之差最大值為204，而優化后第1次自學習值誤差較小，與后3次均值之差最大為8，由此可得出優化方法能夠提高自學習的一致性及第1次自學習的準確性。

表2 優化前自學習結果數據統計

表3 優化后自學習結果數據統計

4.2 空擋自學習選擋自適應性優化

為對比空擋自學習選擋自適應性優化效果，將優化前空擋學習檢測圖和優化后檢測圖列出，如圖8和圖9所示。從兩圖的時間軸中可看出優化前后選擋每循環運動的時間，對比見表4。

表4 優化前后空擋選擋時間對比

從圖8和圖9中可以看出空擋學習過程中選擋運動的比較。由表4可以看出，優化后選擋上下一次的時間AC為1.42 s，比優化前AC時間6.44 s少了5.02 s，效率提高了80%，從而使優化后自學習時間大大節約，減少了自學習的等待時間。

4.3 再次進擋試驗驗證

從圖10的圓圈處可以看出，選擋處于最大位置，換擋也處于最大位置附近，即為4擋學習檢測圖，圓圈中第1次進擋位置為A(3 750 mV)處，因AMT機構裝配后零部件之間未經過運動磨合，換擋阻力較大，進擋深度不夠。經過回退學習后，第2次進擋為B (4 013 mV)點，明顯比A點深，經過多次學習驗證4擋最深即4 013 mV，深度增加了19%，由此說明了二次進擋的必要性及有效性。

5 結論

（1）本文通過對擋位自學習優化，縮短了擋位自學習時間，提高了擋位自學習的一致性以及第1次自學習的準確率，從而提高了擋位自學習的整體效率。

（2）利用自整定PID控制技術對空擋擋位自學習過程中的選擋運動進行控制，通過優化前后比較，結果表明空擋擋位學習時間大為縮短，提高了學習效率。

（3）再次進擋學習功能，減少了對擋位位置的重新校核，提高了擋位位置學習值的正確性。

總之， 對AMT擋位自學習控制策略的優化，提高了擋位自學習成功率、效率和一致性。

References)

[1]何忠波，白鴻柏. AMT技術的展望[J]. 農業機械學報，2007，38(5)：181-186.He Zhongbo，Bai Hongbai. Automatic Mechanical Transmission Technique Development Actuality and Expectation[J]. Transaction of the Chinese Society for Agricultural Machinery，2007，38(5)：181-186. (in Chinese)

[2]葛安林，沈波. AMT換擋品質的研究[J]. 汽車技術，2003(3)：43-45.Ge Anlin，Shen Bo. Study on AMT Gear Shifting Behavior [J]. Automobile Technology， 2003(3)：43-45.(in Chinese)

[3]李勇，常思勤，魏英俊. AMT選換擋機構自學習控制策略研究[J]. 汽車工程，2010，32(10)：878-882.Li Yong，Chang Siqin，Wei Yingjun. A Study on the Self-Learning Control Strategy for AMT Shift Actuator [J].Automotive Engineering，2010，32(10)：878-882.(in Chinese)

[4]楊志剛，曹長修，黃建明.智能控制技術在汽車AMT中的應用[J]. 重慶交通學院學報，2002，21(4)：110-113.Yang Zhigang，Cao Changxiu，Huang Jianming. Application of Intelligent Control Methods in Automobile AMT System[J]. Journal of Chongqing Jiaotong University，2002，21(4)：110-113. (in Chinese)

[5]余天明，鄭磊，李頌.電控機械式自動變速器離合器灰色預測PID控制技術[J]. 農業機械學報，2011，42(8)：1-6.Yu Tianming， Zheng Lei，Li Song. Gray Prediction PID Control Technology of Automated Mechanical Transmission Clutch [J]. Transaction of the Chinese Society for Agricultural Machinery，2011，42(8)：1-6.(in Chinese)

[6]任正云，邵惠鶴，張立群. 幾種不穩定滯后對象的預測PID控制[J]. 控制與決策，2004，19(6)：671-674.Ren Zhengyun，Shao Huihe，Zhang Liqun. Predictive PID Control for Several Kinds of Unstable Plus Time Delay Processes [J]. Control and Decision，2004，19(6)：671-674. (in Chinese)

[7]吳振順，姚建均，岳東海. 模糊自整定PID控制器的設計及其應用[J]. 哈爾濱工業大學學報， 2004， 36(11)：1578-1580.Wu Zhenshun，Yao Jianjun，Yue Donghai. A Self-Tuning Fuzzy PID Controller and Its Application [J]. Journal of Harbin Institute of Technology，2004，36(11)：1578-1580. (in Chinese)