基于ANFIS的純電動輕卡自動換擋策略

倪 紅

(福建船政交通職業學院 汽車運用工程系，福州 350007)

?

基于ANFIS的純電動輕卡自動換擋策略

倪 紅

(福建船政交通職業學院 汽車運用工程系，福州 350007)

在純電動輕卡中，不同的換擋策略對于汽車的能耗有著很大的影響?；谀：窠浘W絡控制理論，依據傳統的兩參數換擋規律，采用具有2輸入單輸出的Sugeno模糊推理結構，建立了ANFIS換擋策略。通過具體的樣本數據對換擋策略進行訓練，在Cruise中搭建純電動輕卡的整車模型作為仿真環境，代入整車參數進行仿真，將得到的仿真結果與傳統模糊換擋策略進行分析比較，結果表明：ANFIS換擋策略能有效改善車輛的操作穩定性和經濟性能，并在能耗上得到優化。

模糊系統；ANFIS；換擋策略；純電動輕卡；整車仿真

隨著能源危機和環境污染日益嚴重，發展新能源汽車成為目前的趨勢。用于短途運輸的輕型卡車在汽車總量中占有很大比重，開發純電動輕卡對于解決上述問題有著積極意義。在純電動輕卡的開發過程中，采用自動換擋技術可以提高車輛的使用性能。自動換擋技術的關鍵在于換擋策略的制定，即根據車輛參數確定車輛運行狀態中的最佳擋位。

傳統的自動換擋控制策略分為單參數(車速)，二參數(車速、油門開度)，三參數(車速、油門開度、加速度)換擋策略。其中，兩參數換擋策略運用較為成熟。但傳統的兩參數換擋策略是建立在被控對象精確模型上的，而卡車的工作環境、操縱控制非常復雜，建立其精確的數學模型極其困難，因此近年來智能控制技術在汽車上的運用越來越廣泛，其中模糊控制和神經網絡控制在汽車自動換擋控制策略的制定中已逐漸得到應用。呂歡歡[1]基于模糊控制理論，建立了車輛坡道換擋過程的模糊換擋控制系統，并進行了仿真。葛江城[2]針對車輛自動變速系統的非線性，應用模糊邏輯控制理論，設計了能反映駕駛員意圖的車輛換擋模糊控制器，并利用遺傳算法對模糊控制器的參數進行了優化。李秀蘭等[3]以多尺度小波神經網絡為基礎構建了換擋模型，并利用數據對建立的模型進行了實驗驗證。模糊系統可以表達人的經驗型知識，便于理解，但移植性較差。神經網絡具有極強的非線性映射能力和泛化能力，可以進行動態訓練以適應車況、路況、駕駛員特性的變化。模糊神經網絡(ANFIS)將模糊系統和神經網絡相結合，即具有模糊信息處理能力又有學習、識別和自適應能力。與采用單一模糊系統相比，模糊神經網絡系統在處理大規模的模糊應用問題方面表現出更優越的效果。因此，本文提出一種基于ANFIS的自動換擋策略，并在CRUISE中進行整車模型仿真實驗。將基于ANFIS的換擋策略與模糊換擋策略進行仿真比較來驗證所制定的換擋策略的合理性與優越性。

1 模糊神經網絡換擋策略

模糊神經網絡系統其本質就是將模糊輸入信號和模糊權值輸入常規的神經網絡。在模糊神經網絡中，神經網絡的輸入、輸出節點表示模糊系統的輸入、輸出信號，神經網絡的隱含(中間)節點表示隸屬函數和模糊規則。傳統模糊系統的規則集和隸屬度函數等設計參數只能靠設計經驗來選擇，而模糊神經網絡系統則利用神經網絡的學習方法，根據輸入、輸出的學習樣本自動設計和調整模糊系統的設計參數，實現模糊系統的自學習和自適應功能。

1.1 輸入、輸出變量及隸屬度函數

以目前最為通用的二參數換擋規律作為主要研究目標，以車速和油門開度為輸入量，以擋位為輸出量，采用2輸入、單輸出的1階Sugeno模糊推理系統[4]，其模糊規則形式為：

ifx1isA1iandx2isA2i, thenui=pix1+qix2+ri(i=1、2、3、…、n)

當xi激活m條模糊規則時，輸出結論將由這m條規則的輸出ui決定。

基于Sugeno型模糊推理建立模糊神經網絡系統(ANFIS)結構，該結構通過對已知數據的學習，經過訓練，可使設計出的模糊系統能模擬理想的輸入、輸出關系。

根據優秀駕駛員的駕駛經驗和車輛行駛時的狀態參數，選取車輛的行駛速度和油門開度作為ANFIS換擋策略的輸入量，選取擋位位置作為輸出量[5-8]。

根據所建立的Sugeno模糊推理系統的需要，選擇輸入變量車速和油門開度的模糊集合分別為：

車速：{VS(很小)、S(小)、M(中)、B(大)、VB(很大)}

油門開度：{VS(很小)、S(小)、M(中)、B(大)、VB(很大)}

將車速和油門開度進行量化，選取各變量的論域分別為：

車速：

{0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18}

油門開度：

{0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1}

車速的實際范圍是[0 120]；油門開度的實際范圍是[0 1]。

根據各變量的論域和實際范圍可得量化因子分別為：車速量化因子k1=0.15,油門開度量化因子k2=1。

取各輸入模糊變量的隸屬度函數為高斯分布，車速和油門開度的各模糊子集的隸屬度曲線如圖1、2所示。

1.2 建立ANFIS換擋規則

ANFIS換擋則基于優秀駕駛員的駕駛經驗和專家知識，并參照Sugeno模糊推理系統結構，制定出如表1所示的自動換擋規則。

表1 換擋規則

1.3 基于ANFIS的換擋策略

以車速和油門開度為輸入量，以擋位為輸出量，將上述建立的ANFIS換擋規則導入Simulink中，建立最終的換擋控制策略，如圖3所示。

圖1 車速隸屬度函數

圖3 ANFIS換擋策略模型

2 整車仿真及結果分析

將制定的ANFIS換擋策略嵌入整車環境中進行仿真分析，來驗證其優越性和合理性。利用Cruise搭建純電動輕卡的整車模型，并通過與Matlab(DLL)的接口，將換擋策略嵌入整車模型中。由于Cruise中沒有相應的切換擋位的模塊，因此采用開閉離合器的方式[9]來達到切換擋位的目的。整車模型如圖4所示。

圖4 純電動輕卡整車模型

選擇NEDC循環行駛工況，對模糊換擋策略和ANFIS換擋策略進行對比仿真。純電動輕卡的整車參數如表2所示。

表2 純電動輕卡整車參數

將純電動輕卡的主要參數輸入整車模型的相應模塊中進行仿真分析，仿真結束后得到車輛跟隨曲線和擋位變化情況，見圖5～7。

圖5 NEDC工況下車輛跟隨曲線(模糊換擋策略)

圖6 NEDC工況下車輛跟隨曲線(ANFIS換擋策略)

圖5、6分別為基于模糊換擋策略和ANFIS換擋策略的車輛跟隨曲線。從圖中可以看出：基于ANFIS換擋策略的車輛的跟隨曲線較為平順光滑，車輛可以跟隨設定的目標車速運行；而基于模糊換擋策略的跟隨車速在某一時刻出現了尖峰，并且在運行過程中存在循環換擋的現象。

經過分析發現：出現尖峰和循環換擋現象的原因是由于模糊換擋策略中的某一些關鍵參數設置不夠準確，而這些關鍵參數的設置是基于經驗得來，并不能保證適合所有的控制對象。ANFIS換擋策略通過自身的學習能力，經過樣本數據的訓練后，關鍵參數可以自動調整到準確值，進而模擬出更加符合駕駛員駕駛習慣的輸入、輸出關系，與模糊換擋策略相比，提高了車輛的操作穩定性，驗證了ANFIS換擋策略的優越性。

圖7為NEDC工況下擋位變化情況，從圖中可以看出：在整個仿真過程中，擋位的變化符合駕駛員的操作意圖，驗證了ANFIS換擋策略的合理性。

圖7 NEDC工況下擋位變化情況(ANFIS換擋策略)

圖8為不同換擋策略下的工況能耗對比，從圖中可以看出：模糊換擋NEDC工況能耗為2.2 kW·h，基于ANFIS的自動換擋策略的NEDC工況能耗為1.93 kW·h，可以看出基于ANFIS的自動換擋策略下的能耗降低了12.3%。與模糊換擋策略相比，ANFIS換擋策略可以明顯改善車輛的經濟性能。

圖8 兩種換擋策略的工況能耗對比

3 結束語

本文基于傳統的兩參數換擋規律，建立了ANFIS換擋策略，并通過具體的樣本數據對換擋策略進行了訓練，在整車環境中與模糊換擋策略進行分析比較。仿真結果表明：ANFIS換擋策略能有效地改善車輛的操作穩定性和經濟性能。

[1] 呂歡歡.基于模糊修正的AT車輛坡道換擋策略研究[D].長春：吉林大學，2013.

[2] 葛江城.并聯混合動力轎車機械式自動變速器換擋策略研究[D].長春：吉林大學，2012.

[3] 李秀蘭，秦四成，楊洪韜.基于多尺度神經網絡的工程車輛換擋策略[J].四川大學學報(工程科學版)，2013(2):173-176.

[4] 顏振萍，艾劍良.ANFIS在飛機穩定控制系統中的應用[J].復旦學報，2010,49(4):530-534.

[5] 朱丹丹.基于城市道路工況純電動汽車自動變速器換擋規律的研究[D].合肥：合肥工業大學，2012.

[6] 姚海峰.純電動汽車整車性能建模與仿真[D].南京：南京理工大學，2011.

[7] 張炳力，張友皇，趙韓.基于Simulink與Stateflow的自動變速器性能仿真[J].合肥工業大學學報(自然科學版)，2010,33(8):125-130.

[8] 于英，肖棒，彭耀潤，等．基于效率換擋規律的工程車輛換擋品質研究[J]．重慶理工大學學報(自然科學)，2016(7):1 -9．

[9] 秦浩.并聯式混合動力客車AMT換擋策略研究[D].長春：吉林大學，2014.

(責任編輯 劉 舸)

Study on Strategy of Automatic Shift Based on ANFIS for Electric Truck

NI Hong

(Vehicle Application Department, Fujian Chuanzheng Communications College, Fuzhou 350007, China)

In pure electric light truck, different shift strategies have a great influence in energy consumption. The paper established the ANFIS shifting strategy based on the fuzzy neural network control theory and the traditional two parameters shift rules, training the ANFIS shifting strategy by the Sample data, and then built the vehicle model in the Cruise as a simulation environment. And substituting the parameters of the simulation, we obtained the simulation results, and then compared with the single fuzzy shift strategy. The results show that ANFIS shift strategy can effectively improve the efficiency of the vehicle. And the energy consumption has been optimized in the energy.

fuzzy system; ANFIS; shifting strategy; electric truck; vehicle simulation

10.3969/j.issn.1674-8425(z).2017.05.005

2016-10-22 基金項目：福建省交通運輸廳基金資助項目(2014Y062)

倪紅(1969—),女,福建福清人,副教授，主要從事汽車運用與技術服務研究，E-mail:416458823@qq.com。

倪紅.基于ANFIS的純電動輕卡自動換擋策略[J].重慶理工大學學報(自然科學)，2017(5):29-33.

format：NI Hong.Study on Strategy of Automatic Shift Based on ANFIS for Electric Truck[J].Journal of Chongqing University of Technology(Natural Science)，2017(5):29-33.

U469.722

A

1674-8425(2017)05-0029-05