基于最優換擋控制目標的仿人智能模糊控制策略

王少杰，侯　亮*，黃鶴艇，祝青園

( 1．廈門大學物理與機電工程學院，福建廈門361005; 2．廈門廈工機械股份有限公司，福建廈門361023)

?

基于最優換擋控制目標的仿人智能模糊控制策略

王少杰1，侯亮1*，黃鶴艇2，祝青園1

( 1．廈門大學物理與機電工程學院，福建廈門361005; 2．廈門廈工機械股份有限公司，福建廈門361023)

摘要:針對裝載機控制系統的多輸入、多輸出、不確定性等復雜非線性特性，本文提出基于仿人智能模糊控制的自動換擋策略，將仿人智能控制與模糊控制相結合，以獲取更好的自動換擋控制效果．首先提出最優換擋控制目標，以最佳動力換擋曲線設計規則庫，通過模糊控制方法，實現最佳動力換擋的信息量輸出;然后引入仿人智能控制，實現多態的仿人控制，最終達到最優換擋控制目標;最后以某企業典型的輪式裝載機為目標樣機，構建仿真模型并進行仿真分析，還在整機上進行性能驗證，仿真結果與整機驗證結果一致．實驗表明仿人智能模糊控制具有比較好的控制效果，能夠保證裝載機工作過程的動力性，同時提高整機的作業效率．

關鍵詞:仿人智能;模糊控制;換擋;裝載機

55( 1) : 131－136．

Citation: WANG S J，HOU L，HUANG H T，et al．Application of optimal shift control strategy on human intelligent fuzzy control［J］．Jour

nal of Xiamen University( Natural Science)，2016，55( 1) : 131－136．( in Chinese)

工程車輛的自動換擋關鍵技術的研究在于設計最優換擋策略，國內外研究學者分別嘗試使用模糊控制［1－3］、神經網絡［4－6］以及模糊神經網絡控制［7－8］等對裝載機的換擋策略進行研究，并取得一定的成果，但也存在某些不足．模糊控制的優勢在于可以不需要精確的被控對象模型而根據已有知識經驗總結得到的控制策略進行控制，適用于復雜的不確定非線性控制系統，但模糊控制也存在一些難以克服的問題，諸如缺少良好的學習機制、控制精度不高等．由于工程車輛的行駛與作業工況復雜，使用模糊控制時，容易出現頻繁的升降擋，控制的智能程度不夠高，缺乏靈活的自適應能力．神經網絡控制是神經網絡理論與控制理論相結合的一種現代控制理論，是一種基本上不依賴于控制模型的控制方法．神經網絡控制適用于不確定性、復雜的環境，具有較強的自適應、自學習、魯棒性和容錯性的能力，但它不適合表達基于規則的知識，而且需要網絡訓練的時間長，數據樣本多，操作復雜．由于工程車輛的整機各異，工作環境惡劣，工況復雜多變，很難實現長期的、準確的網絡訓練，而且臺架實驗與實際整車實驗差別很大，因此采用神經網絡控制很難滿足實際的控制需求．為了克服各控制算法存在的缺點，很多研究學者將各種算法相互組合來實現更優的控制策略，模糊神經網絡控制就是將模糊控制與神經網絡相結合，在一定程度上克服了模糊控制中缺少學習機制、控制精度不高的問題，也解決了神經網絡不適于表達基于規則的知識問題，但是對于訓練時間、樣本長度等方面還是沒辦法解決．

縱觀以上方法，它們都有一個共同的研究目標，就是設計的控制器能夠像人類一樣根據實際作業條件等做出合理的控制選擇，實現智能的控制．20世紀80年末重慶大學周其鑒教授首次提出仿人智能控制理論，經過幾十年的發展與完善，已經廣泛應用于復雜的控制系統中，解決了很多實際工程問題．仿人智能控制是對人的控制思想進行研究與分析，模擬人的控制行為，其與常規的智能控制的最大區別在于控制系統不僅具有較高的控制精度，而且還有一定的智能，能最大限度地根據控制系統的特征信息識別控制系統的狀態，并利用控制系統信息進行啟發與推理，實現對不精確模型的對象的有效控制［9－12］．仿人智能控制的基本特點為模仿控制專家的控制行為，是一個多模態的控制方式，因此可以解決控制系統中諸多的互相矛盾的控制品質要求，如魯棒性、精確性、快速性與平滑性等．仿人智能控制針對的控制對象存在不確定性，需要對其進行模糊化處理使問題簡單化;控制策略是模仿專家的控制行為，控制技術也含有大量的模糊性．因此本文嘗試將模糊控制引入仿人智能控制中，旨在實現更有效的控制方式．

由于工程車輛換擋控制具有多變量、非線性、時變性、干擾強等特點，很難建立精確的數學模型，需要依靠大量的經驗知識等，因此本文提出采用仿人智能控制與模糊控制相結合，即仿人智能模糊控制方法進行自動換擋技術的研究，以便獲得更佳的控制效果．

1裝載機的最優換擋控制目標

1. 1最優換擋控制目標的提出

裝載機的換擋規律可分為經濟性、動力性、綜合性等:經濟性換擋規律以提高車輛的經濟性為主，動力性換擋規律以提高車輛的動力性為主，綜合性換擋規律融合兩者的優點［2－3］．最優換擋控制目標的提出主要是從操作者的角度出發，與之前研究者所設計的單方面追求最佳動力或最佳經濟性的換擋策略，或者簡單將兩者進行結合的設計思想不同．為了更加符合操作者的操作習慣，最優換擋控制目標以最佳動力性換擋的設計為前提，即優先保障裝載機作業的動力性與駕駛員操作的舒適性，然后根據變矩器的效率曲線適當調整換擋策略，從而達到既保證作業的高效性與舒適性又達到節能減排的最優控制目標．

1. 2最優換擋控制目標的實現

裝載機的牽引力F( kN)和速度v( km/h)的計算公式［13］如下:

式中對于液力傳動系統，MT為液力變矩器的渦輪軸轉矩值，nT為液力變矩器的輸出轉速，ii、ηi分別為變速箱的轉速比、效率，i0、η0分別為主傳動轉速比、效率，ig、ηg分別為輪邊傳動轉速比、效率，rd為輪胎滾動半徑．

為獲得最佳動力性換擋曲線，通過圖1所示裝載機牽引特性曲線來確定最佳動力換擋點．圖中各交點A、B、C、D處的牽引力與車速的關系為FA1= FA2與vA1=vA2，在A點處進行換擋牽引力的波動最小，換擋沖擊也最小，A點為最佳換擋點．牽引力F與車速v的大小由柴油發動機的輸入油門開度a決定，在不同油門開度下便可得到不同的最佳換擋點，組成圖2所示的換擋點曲線．

最優換擋控制目標就是基于圖2不同油門開度下的最佳動力換擋點曲線與圖3轉速比與變距器效率(η)關系曲線進行設計的，首先以最佳動力換擋曲線設計規則庫，通過模糊控制方法，實現最佳動力換擋的信息量輸出;然后引入仿人智能控制，以ηmax對應的轉速比i=0．68為趨勢目標，實現多態的仿人控制，最終達到最優換擋控制目標．

圖1裝載機牽引特性曲線Fig．1 The traction characteristic curve of loader

圖2不同油門開度下的最佳動力換擋點曲線Fig．2 The optimal power shift point curve under different throttle opening

圖3轉速比與效率關系曲線Fig．3 The relationship curve of ratio and efficiency

2仿人智能模糊控制方法

2. 1仿人智能模糊控制輸入輸出參數選擇

換擋參數是制定換擋策略的前提和基礎，換擋參數選擇的正確與否直接影響到換擋理論的合理性［13－15］．仿人智能模糊控制以油門開度、液力變矩器渦輪轉速與泵輪轉速比、擋位值為控制輸入參數，以擋位增值為輸出參數．其中油門開度可以反映駕駛員的操作意圖，與柴油發動機的輸入功能密切相關，因此被選為一個重要的換擋參數;變矩器渦輪轉速和泵輪轉速能完全反映液力變矩器的工作特性，同時決定變矩器的傳動效率和輸出功率，通過控制變矩器轉速比，可使變矩器的工況點經常保持在高效區，因此也被選為一個重要的換擋參數;擋位值作為一個循環反饋輸入值而被選為控制輸入參數．為了防止直接以擋位值作為輸出，出現諸如當前擋位為4擋，下一時刻輸出擋位為2擋的多級跳擋現象，選用擋位增值S作為控制系統的輸出．S為0表示保持當前擋位，S為1表示升1擋，S為－1表示降1擋．

2. 2仿人智能模糊控制的實現

仿人智能模糊控制框架如圖4所示，其設計步驟主要分為: 1)使用模糊控制策略設計最佳動力換擋規律; 2)在保證最佳動力換擋的前提下，使用仿人智能控制策略設計最優經濟性換擋規律．

2. 2. 1模糊控制策略的設計

采用多輸入單輸出的模糊控制器，首先將輸入量轉速比、油門開度、擋位和輸出量擋位增值等模糊化;再根據圖1所示的最佳動力換擋曲線編制模糊規則;最后生成模糊控制文件，調入MATLAB仿真模型進行仿真分析．

2. 2. 2仿人智能控制策略的設計

仿人智能控制是對控制問題求解的二次映射的處理過程，即從“認知”到“判斷”的定性推理過程和從“判斷”到“操作”的定量推理過程［9－10］．仿人智能控制器的設計按照以下步驟展開:

1)確立控制目標軌跡

仿人智能控制的目標是在保證最佳動力性換擋的同時，實現最優經濟性換擋，因此以變矩器效率最高時所對應的轉速比0．68作為仿人智能控制器的控制性能指標，并以轉速比的誤差值e、誤差變化率·e建立誤差相平面( e-·e)坐標．

2)建立特征模型

對于裝載機，一般將液力變矩器效率大于等于0．75視為高效區［16－17］，根據圖3可以確定高效區所對應的轉速比的范圍為［0．453，0．907］．理論上說i1= 0．453，i2=0．907是最佳經濟性換擋點．當轉速比高于i2時，表明裝載機的負載阻力變小，可以進行增1擋操作，以提高車速;當速比低于i1時，表明裝載機外負載阻力變大，可以進行減1擋操作，以提高裝載機的牽引力．因此，以變矩器最高效率點對應轉速比i = 0．68與高效區對應的臨界點轉速比i1=0．453、i2=0．907作為劃分依據，分別以轉速比的誤差e=0．1與e=0．2作為2個劃分點，對誤差相平面( e-·e)進行區域劃分．

3)設計運行控制級

仿人智能控制運行控制級的特征模型如圖5所示，其中虛線R表示對被控對象的理想誤差目標控制軌跡fd( e，·e)．采用如下的措施以保證實際的誤差軌跡盡可能地與理想誤差目標軌跡一致［9－12］:

1)當e≥0．2時，對應區域①，為了使液力變矩器效率處于高效區，直接采用升1擋或降1擋操作．

2)當0．1≤e＜0．2且e×·e＞0，即誤差處于增大趨勢時，對應區域②，為了使液力變矩器效率處于高效區，直接采用升1擋或降1擋操作．

3)當0．1≤e＜0．2且e×·e≤0，即誤差處于減弱趨勢時，對應區域③，此時結合誤差e的大小，若e值靠近0．2，直接采用升1擋或降1擋操作，其他情況下結合最佳動力性換擋信息給出最后換擋情況．

4)當e＜0．1時，液力變矩器效率處于高效區內，且短時間不會較快地滑出高效區，此時的換擋信息主要取決于最佳動力性換擋信息．

圖4仿人智能模糊控制框架Fig．4 The framework of humanoid intelligent fuzzy control

圖5仿人智能控制運行控制級的特征模型Fig．5 The characteristic model of the humanoid intelligent control operation control level

3控制策略驗證

為了驗證控制策略設計的有效性，以某企業典型的輪式裝載機為目標樣機，構建仿真模型并進行仿真分析．

3. 1仿真模型的構建

依據裝載機傳動系統的組成建立如圖6所示的仿真模型［16－17］．該模型中仿人模糊控制模塊以渦輪與泵輪轉速比、油門開度、當前擋位作為輸入參數，這些參數首先進入模糊控制器，通過模糊推理與模糊判斷，得到擋位增值信息;然后將轉速比與擋位增值信息作為仿人智能控制的輸入，通過特征區域的比對;最后得到擋位增值作為仿人智能模糊控制器的最后輸出．將擋位增值與當前擋位值進行相加操作，并設置最高擋位值為4、最低擋位值為1，得到最終的擋位值．

3. 2仿真分析與結果討論

仿真是模擬圖7所示的裝載機鏟裝物料的工況進行，仿真的輸入參數如圖8所示．仿真總時間為25 s，裝載機啟動后0～5 s，油門開度從0%加到100%，裝載機快速駛向物料;當快接近物料時自動減速到1擋或2擋插向物料;當插入物料后加大油門，最后完成物料的鏟裝．

圖7裝載機鏟裝物料過程Fig．7 The shovel loading process of the loader

仿真過程分別以邏輯控制(等同于手動換擋控制)、模糊控制、仿人智能模糊控制為控制策略，在相同的設計規則、輸入參數等條件下進行仿真實驗，仿真結果曲線如圖9所示．

圖6裝載機傳動系統仿真模型Fig．6 The simulation model of loader transmission system

3. 2. 1動力性分析

一般情況下，低擋位時牽引力大，動力性更強．由圖9( a)擋位輸出曲線可以看出，由于模糊控制存在控制不準確的問題，導致控制時開檔時機在邏輯控制的前面，出現動力不足的結果．而仿人智能模糊控制策略結合了仿人智能控制與模糊控制的優點，與其他2種控制策略相比，總是延遲升擋，優先降擋，它將保證工作過程具有最佳動力性．

圖8仿真輸入參數曲線Fig．8 The input curve of simulation parameter

圖9仿真輸出曲線Fig．9 The output curve of simulation

3. 2. 2經濟性分析

從圖9( b)可以看出，為了提高換擋效率，使用仿人智能模糊控制策略的仿真模型在遇到物料后，即仿真15～25 s的過程，更快換擋以提高轉速比，使其盡可能趨近0．68的值，保證液力變矩器的高效率;從圖9 ( c)可以看出，使用仿人智能模糊控制策略的仿真模型在遇到物料后，瞬時效率值明顯優于其他2種控制策略的仿真結果;從圖9( d)可以看出，仿人智能模糊控制策略的仿真結果的總效率優于其他的2種控制策略，具體的比較見表1，其中比值誤差為仿人模糊控制的總效率值與另外2種控制策略的總效率值的差，再除以仿人模糊控制的總效率值的值．

從仿真結果可以看出，仿人智能模糊控制在保證最佳動力性換擋的前提下，能夠更加有效地實現經濟性換擋，達到最優換擋控制的目的．

表1 3種換擋控制策略的總效率對比Tab．1 Total efficiency comparison of three shift control strategies

4整機實驗

為了驗證換擋策略的性能，將研制的自動換擋控制器直接安裝在所選的典型樣機上進行實驗，并進行載荷譜的采集與分析．

實驗采用對比方式進行，控制策略選用邏輯控制、模糊控制與仿人模糊控制進行對比;作業工況為重載運輸;作業對象主要為鐵礦石、松散土;各控制策略分別進行3個循環的重載運輸，每個作業循環分為重載運輸與空載跑車．

實驗中在同工況、同里程、同駕駛員等作業條件下，比較其燃油消耗量進行效率比較．由于手工換擋的換擋效率因人而異，而且存在比較大的差別，因此只在自動換擋之間進行效率比較．

表2不同換擋控制策略的實際耗油量對比Tab．2 The actual fuel consumption comparison of different shift control strategy

表2的對比數據表明，仿人智能模糊控制策略的總燃油消耗量最小，總效率明顯優于其他的控制策略;整機實驗結果與仿真結果得出的仿人智能模糊控制策略的總效率優于其他控制策略的結果一致，表明仿真模型是可靠的，仿真結果有效，可以在一定程度上對控制策略的優劣進行評估．

5結論

本文提出基于仿人智能模糊控制的最優換擋控制策略，并以某企業典型的輪式裝載機為目標樣機，構建仿真模型并進行仿真分析，同時將換擋控制策略應用于整機實驗中進行驗證．實驗表明仿人智能模糊控制具有比較好的控制效果，能夠保證裝載機工作過程的動力性，提高整機的作業效率．該換擋策略的研究可應用于工程機械中的其他車輛，對推動工程機械的智能化控制與能源節約具有重要意義．

參考文獻:

［1］張志義，趙丁選，陳寧．工程車輛模糊自動換擋策略研究［J］．農業機械學報，2005，36( 10) : 26－29．

［2］張志義，趙丁選，于微波．工程車輛三參數模糊換擋策略的研究［J］．起重運輸機械，2007( 2) : 37－40．

［3］YI J，WANG X L，HU Y J．Fuzzy control and simulation on automatic transmission of tracked vehicle in complicated driving conditions［C］∥Vehicular Electronics and Safety，IEEE International Conference．Beijing: IEEE，2006: 259－264．

［4］HALILCEVIC S S，GUBINA A F．Automatic transmission network capability assessment scheme in daily scheduling using neural networks［C］∥Power Tech Conference Proceedings．Bologna: IEEE，2003．doi:10．1109/PTC．2003．1304308．

［5］陳寧，趙丁選，龔捷，等．工程車輛自動變速擋位決策的遺傳徑向基神經網絡方法［J］．吉林大學學報(工學版)，2005，35( 3) : 258－262．

［6］張紅彥，趙丁選，陳寧，等．基于遺傳算法的工程車輛自動變速神經網絡控制［J］．中國公路學報，2006，19( 1) :117－121．

［7］王卓，趙丁選，龔捷．工程車輛擋位決策的自適應神經模糊推理系統［J］．農業機械學報，2002，33( 6) : 1－4．

［8］WU S，LU H．Fuzzy neural network control in automatic transmission of construction vehicle［C］∥Proceedings of the 6th World Congress on Intelligent Control and Automation．Dalian: IEEE，2006: 2512－2516．

［9］李祖樞，徐鳴．一種新型的仿人智能控制器( SHIC)［J］．自動化學報，1990( 6) : 503－509．

［10］李祖樞．仿人智能控制研究20年［C］∥1999年中國智能自動化學術會議．重慶:中國自動化學會，1999．

［11］王俊普，郝金波，李國清．一種設計仿人智能控制器特征模型的新方法［J］．自動化學報，2001( 6) : 841－844．

［12］劉克勤，楊志，查智．仿人智能控制策略在不確定性復雜控制系統中的應用［J］．西南師范大學學報(自然科學版)，2007( 3) : 156－161．

［13］龔捷．以提高傳動效率為目的的工程車輛自動變速換擋規律研究［D］．長春:吉林大學，2002: 39－42．

［14］常綠．基于實時工況的裝載機智能換擋規律［J］．農業工程學報，2009，25( 3) : 69－73．

［15］崔功杰．工程車輛三參數最佳換擋規律及控制方法研究［D］．長春:吉林大學，2009: 31－35．

［16］陳寧，王云超．裝載機自動變速智能換擋控制系統設計［J］．廈門理工學院學報，2009，17( 4) : 51－55．

［17］侯亮，官登，黃鶴艇，等．工程車輛的綜合換擋規律研究［J］．中國工程機械學報，2013，11( 3) : 195－199．

Applications of Optimal Shift Control Strategy to Human Intelligent Fuzzy Control

WANG Shaojie，HOU Liang*，HUANG Heting，ZHU Qingyuan

( 1．School of Physics and Mechanical＆Electrical Engineering，Xiamen University，Xiamen 361005，China; 2．Xiamen XGMA Machinery Co．，Ltd，Xiamen 361023，China)

Abstract:For purposes of aiming at the control system of loader multiple input，multiple output，and the uncertainty of the complex nonlinear characteristics，a new controller to realize automatic shift is constructed according to fuzzy control algorithm with Human－Simulated intelligent control，combined with Human－Simulated intelligent fuzzy control，to obtain better results．First，an optimal shift control objectives is proposed．The fuzzy control method is used to achieve the information of optimum power shift，of which rules are designed based on the best power shift curve．And then the humanoid intelligent control method is introduced，design polymorphism humanoid control，and ultimately achieve optimal shift control objectives．Finally a simulation model is built and analysis，with the prototype of an enterprise typically wheel loader，and proved in practice on the loader．The simulation results are consistent with the validation results on the loader．Experiments show humanoid intelligent fuzzy control exerts better control effects．It is possible to ensure that the process of dynamic loader works，while improving the operating efficiency of the machine．

Key words:human intelligent; fuzzy control; gear shift; loader

*通信作者:hliang@ xmu．edu．cn

基金項目:國家“十二五”科技支撐計劃( 2013BAF07B04)

收稿日期:2015－04－13錄用日期: 2015－07－23

doi:10．6043/j．issn．0438－0479．2016．01．025

中圖分類號:U 270．1+4

文獻標志碼:A

文章編號:0438－0479( 2016) 01－0131－06

引文格式:王少杰，侯亮，黃鶴艇，等．基于最優換擋控制目標的仿人智能模糊控制策略［J］．廈門大學學報(自然科學版)，2016，