機械式變速箱的多軸轉向控制優化研究

陳偉全

摘 要：為了提高機械式變速箱的多軸轉向控制的穩定性，提出基于非線性多剛體動力學分析的機械式變速箱的多軸轉向控制方法，構建機械式變速箱的轉向動力學模型，以輸出轉向力矩、換檔阻力以及負載力矩等為約束參量，構建機械式變速箱的多軸轉向控制的被控對象模型，采用自適應迭代學習控制方法實現多軸轉向力矩的最大增益調節，采用非線性多剛體動力學分析方法進行最優控制參量估計，結合期望軌跡的模糊跟蹤識別方法實現機械式變速箱的多軸轉向控制律優化設計。仿真結果表明，采用該方法進行機械式變速箱的多軸轉向控制的輸出穩定性較好，軌跡跟蹤誤差較低，提高了機械式變速箱的控制品質。

關鍵詞：機械式變速箱;多軸轉向控制;動力學模型;力矩

文章編號：2095-2163（2019）04-0230-05 中圖分類號：TG156 文獻標志碼：A

0 引 言

機械式變速箱作為汽車的主要機械部件，是確保汽車安全穩定可靠運行的關鍵，機械式變速箱的多軸轉向控制是整個變速箱設計的基礎，機械式變速箱為變速換擋提供了一種高效的解決技術，采用人工智能技術和控制技術進行機械式變速箱的多軸轉向控制，結合對機械式變速箱的控制參數調節和擾動抑制方法，進行機械式變速箱執行器優化設計，提高多軸轉向控制能力和品質。對機械式變速箱的多軸轉向控制是建立在對機械式變速箱的運行姿態參數采集和信息融合基礎上，結合對參數的穩定性調節方法進行機械式變速箱助力轉向控制，相關的控制方法研究受到人們的極大關注[1]。

傳統方法中，對機械式變速箱的多軸轉向控制主要采用模糊PID控制方法，結合對運行的結構參數調節和運行動力學分析方法[2]，進行機械式變速箱運行的控制律設計，取得一定的研究成果[3]，例如，文獻[4]中提出一種基于二次型調節模型的機械式變速箱運行控制方法，采用模糊控制方法進行參量自適應調節，提高機械式變速箱高度和航向的控制性能，但該方法的控制穩定性不高，多軸調節性能不好。針對傳統方法存在的弊端，本文提出基于非線性多剛體動力學分析的機械式變速箱的多軸轉向控制方法，構建機械式變速箱的轉向動力學模型，以輸出轉向力矩、換檔阻力以及負載力矩等為約束參量，構建機械式變速箱的多軸轉向控制的被控對象模型，采用自適應迭代學習控制方法實現多軸轉向力矩的最大增益調節，采用非線性多剛體動力學分析方法進行最優控制參量估計，結合期望軌跡的模糊跟蹤識別方法實現機械式變速箱的多軸轉向控制律優化設計。最后進行仿真實驗分析，展示了本文方法在提高機械式變速箱的多軸轉向控制能力方面的優越性能。

1 動力學模型建立和約束參量分析

1.1 機械式變速箱的轉向動力學模型

為了實現機械式變速箱多軸轉向的優化控制，首先構建機械式變速箱的運行運動學和動力學參數模型，機械式變速箱多軸轉向的動力學過程是一個復雜的多剛體動力學模型[5]，構建一個優化目標函數來進行機械式變速箱多軸轉向控制設計，以輸出轉向力矩、換檔阻力以及負載力矩等為約束參量，采用陀螺儀、加速度計等敏感元件進行參數采集，采集的機械式變速箱動力學參數輸入到控制執行器中進行信息融合處理，實現參數的自適應融合，結合Kalman濾波融合方法，進行機械式變速箱的多軸轉向參數調節[6]，在不確定性和干擾作用下，構建機械式變速箱在各個方向的運行動力學方程描述為：

1.2 控制約束參量分析

2 控制算法優化

2.1 多軸轉向力矩的最大增益調節

在上述構建機械式變速箱的轉向動力學模型和控制約束參量模型的基礎上，進行控制律的優化設計，本文提出基于非線性多剛體動力學分析的機械式變速箱的多軸轉向控制方法，構建機械式變速箱的多軸轉向控制的被控對象模型，采用自適應迭代學習控制方法實現多軸轉向力矩的最大增益調節，自適應迭代學習控制函數表示為：

2.2 機械式變速箱的多軸轉向控制

采用非線性多剛體動力學分析方法進行最優控制參量估計，結合期望軌跡跟蹤方法進行控制律設計[10]，機械式變速箱運行軌跡預測方程表示為：

其中，T表示運行工況采樣時間間隔，ei表示參數誤差，結合期望軌跡的模糊跟蹤識別方法實現機械式變速箱的多軸轉向控制，綜上分析，實現控制算法的優化設計。

3 仿真實驗與結果分析

為了驗證本文方法在實現機械式變速箱的多軸轉向控制中的應用性能，進行實驗分析，實驗采用Matlab 7 仿真設計，對變速箱的工況信息采樣頻率為fs=10*f0Hz=10 KHz; 電樞電感設定為0.005 H;反電動勢系數為0.018 V·s/rad;傳動效率為0.87，等效阻尼系數為0.004 N·ms/rad;根據上述仿真參數設定，進行機械式變速箱的多軸轉向控制仿真分析，在模擬實車運行條件下，變速箱的樣機如圖1所示。

首先采用傳感器進行機械式變速箱的多軸轉向的力矩信息采集，得到轉向力矩如圖2所示。

以圖2的數據為研究樣本，進行機械式變速箱的多軸轉向控制，得到期望軌跡的模糊跟蹤結果如圖3所示。

分析圖3得知，采用本文方法進行機械式變速箱的多軸轉向控制的軌跡跟蹤性能較好，測試不同方法進行機械式變速箱的多軸轉向控制的誤差，得到對比結果如圖4所示，分析圖4得知，本文方法進行機械式變速箱的多軸轉向控制的誤差較低，提高了控制的品質。

4 結束語

本文提出基于非線性多剛體動力學分析的機械式變速箱的多軸轉向控制方法，構建機械式變速箱的轉向動力學模型，以輸出轉向力矩、換檔阻力以及負載力矩等為約束參量，構建機械式變速箱的多軸轉向控制的被控對象模型，采用自適應迭代學習控制方法實現多軸轉向力矩的最大增益調節，采用非線性多剛體動力學分析方法進行最優控制參量估計，結合期望軌跡的模糊跟蹤識別方法實現機械式變速箱的多軸轉向控制律優化設計。研究得知，本文方法進行機械式變速箱的多軸轉向控制的誤差較低，性能較好，改善了控制精度和靈敏度。

參考文獻

[1]姚世鵬，熊歡，蘭曉霞，等. 汽車四輪轉向最優控制技術的研究[J]. 船電技術，2018，38（11）：33-36，42.

[2]劉成強，徐海港. 汽車電動助力轉向系統控制策略研究[J]. 機械設計與制造，2018（10）：265-268.

[3]靳立強，田端洋，劉閱. 電動輪汽車驅動助力轉向與穩定性協調控制[J]. 機械工程學報，2018，54（16）：160-169.

[4]何凱， 林成濤， 李亮， 等. 電控機械式變速箱換檔過程迭代學習控制[J]. 機械工程學報， 2019， 55（4）：84-90.

[5]尹冠生，姚如洋，趙振宇. 高速公路防撞墊概念模型的優化及控制參數研究[J]. 工程力學，2017，34（S1）：220-226.

[6]桑楠，魏民祥. 基于ESO與NTSM的汽車主動前輪轉向控制[J]. 南京航空航天大學學報，2018，50（4）：521-527.

[7]LORIA A. Observers are unnecessary for output-feedback control of lagrangian systems[J]. IEEE Transactions on Automatic Control， 2016， 61（4）：905-920.

[8]MUJUMDAR A， TAMHANE B， KURODS S R. Observer-based sliding mode control for a class of noncommensurate fractional-order systems[J]. IEEE/ASME Transactions on Mechatronics， 2015， 20（5）：2504-2512.

[9]ATEN Q T， ZIRBEL S A， JENSEN B D， et al. A numerical method for position analysis of compliant mechanisms with more degrees of freedom than inputs[J]. Journal of Mechanical Design， 2010， 133（6）：491-502.

[10]楊延勇. 汽車車身結構件設計與性能計算分析[J]. 機械工程與自動化，2018（2）：117-119.