大功率拖拉機多工況換擋自適應控制策略

摘要：拖拉機牽引不同農機具完成不同作業，其作業要求隨著牽引機具的不同而變化。針對大功率拖拉機在不同工況下作業要求不同的問題，提出一種多工況換擋自適應控制方法。分析不同工況對拖拉機動力性經濟性的要求，以滑轉率、油門開度和速度為參數，根據工況要求計算兼顧動力性和經濟性的理論換擋規律，采用神經網絡離線訓練換擋規律實現擋位智能控制；針對重載荷下隨機載荷波動導致循環換擋問題，引入加速度和油門開度變化量作為參數，利用模糊邏輯判斷拖拉機負載和駕駛員操作意圖得到速度修正系數，對換擋速度進行修正，擴大擋位使用范圍；通過對拖拉機縱向動力學分析，利用Simulink搭建大功率拖拉機數學仿真模型，并建立變速箱換擋控制系統硬件在環仿真平臺驗證換擋策略的有效性。仿真結果表明，在燃油經濟性方面，道路運輸和輕載荷作業工況燃油經濟性分別下降5.78%、3.28%。在動力性方面，保證克服牽引阻力的同時，輕載荷和重載荷工況加速時間較快，速度波動減小且有效避免重載荷工況下循環換擋問題。

關鍵詞：拖拉機；換擋規律；神經網絡；速度修正；自適應換擋

中圖分類號：S219

文獻標識碼：A

文章編號：2095-5553 （2024） 05-0122-07

收稿日期：2022年9月21日" 修回日期：2023年2月13日*基金項目：國家重點研發計劃（2020YFB1713502，2017YFD0700101）

第一作者：毛恩榮，男，1961年生，北京人，教授；研究方向為農機裝備數字化設計與流體傳動技術。E-mail： gxy15@cau.edu.cn

通訊作者：杜岳峰，男，1984年生，山東泰安人，副教授；研究方向為農機裝備數字化設計與自動控制技術。E-mail： dyf@cau.edu.cn

Adaptive shift control strategy of high-power tractor under multiple working conditions

Mao Enrong， Wang Haojie， Du Yuefeng， Zhu Zhongxiang， Zhai Zhiqiang， Zhang Lirong

（College of Engineering， China Agricultural University， Beijing， 100083， China）

Abstract：

The tractor pulls" different agricultural implements" to complete different operations， and its operation requirements change with the different traction machinery. Aiming at the problem that high-power tractors have different operating requirements under different working conditions， a multi-working condition shifting adaptive control method is proposed. Firstly， the requirements of different conditions on the power and economy of the tractor are analyzed. Slip rate， the throttle opening and vehicle speed are chosen as the control parameters， according to the requirements of the workings conditions， calculating the theoretical shift schedule that takes into account the power and the economy， and adopt neural network offline training shift schedule to realize intelligent control of shift control. Secondly， in view of the problem of cyclic shifting caused by random load fluctuations under heavy loads， the acceleration and the throttle opening changes are introduced as parameters. Fuzzy logic is used to judge the tractor load and the driver’s operation intention to obtain the speed correction coefficient， and the shifting speed is corrected to expand the range of shift. A longitudinal dynamic simulation model of a high-power tractor is built by Simulink to verify the effectiveness of the shifting strategy. The simulation results show that in terms of fuel economy， the fuel economy of road transportation and light load operating conditions decreases by 5.78% and 3.28%， respectively. In terms of power performance， while ensuring the overcoming of traction resistance， the acceleration time under light load and heavy load conditions is faster， the speed fluctuation is reduced， and the problem of cyclic shifting under heavy load conditions is effectively avoided.

Keywords：

tractor; shift schedule; neural network; speed correction; adaptive control

0 引言

為提高擋位和工況的匹配性以及發動機功率的利用率，現代拖拉機往往都配有動力換擋變速箱［1］。此類變速箱具有功率流不中斷、可用擋位多等優點。但隨著擋位的增加，換擋速度密集，在不同工況下的換擋自適應性受到了嚴峻挑戰［2］。因此，研究拖拉機多工況自適應換擋控制策略對提高拖拉機工作性能、駕駛員操縱舒適性和換擋穩定性有重要意義。

雖然道路車輛自動換擋技術已經十分成熟，但是道路車輛和拖拉機的工作特性、環境以及動力系統之間存在差異，現有的控制策略無法直接應用于拖拉機［3］。近年來國內外學者對動力換擋變速箱換擋規律和換擋控制進行深入研究，通過引入更多換擋參數設計換擋規律與神經網絡、智能識別、模糊控制等現代控制方法相結合，改善了拖拉機工作性能［4-10］。如在改善燃油經濟性方面，席志強等［11］采用二元協同的控制方式，使發動機工作點始終保持在最低油耗區。Li等［12］引入工況因子，制定了基于RLS工況識別的拖拉機自動換擋規律，提高了輕載荷田間作業時的燃油經濟性。江昊等［13］使用動態優化的方法修正換擋曲線，仿真結果驗證能量消耗率降低5.48%。在改善動力性方面，葛安林［14］在二參數基礎上引入反映動態過程的加速度參與控制，加速性能較二參數控制提高了8%。曹青梅［15］將發動機分區控制，提高了發動機輸出功率利用率。Cao等［16］在三參數換擋規律基礎上引入了隨機載荷，給出低頻隨機載荷，提出一種基于隨機載荷標準差的模糊算法，靈活識別拖拉機工況提高換擋效率。孫冬野等［17］制定了田間作業自適應換擋策略，結合模糊控制修正換擋曲線避免了換擋循環。上述研究均不同程度提高了拖拉機作業性能。但是拖拉機作業環境復雜，大部分方法只是提高了特定工況的性能，在實現不同工況自適應換擋策略上所有欠缺。

基于此，本文為解決不同工況下換擋性能要求不同的問題，提出一種多工況自適應換擋策略。依據不同工況對拖拉機性能的要求分別制定換擋規律，采用神經網絡離線訓練換擋規律以適應不同工況作業要求實現智能修正擋位，提高燃油經濟性和動力性。同時在重載荷作業時，引入速度修正系數，擴大當前擋位速度范圍，以解決載荷波動帶來的循環換擋問題。

1 拖拉機工況分析及換擋規律制定

1.1 工況分析

按照拖拉機牽引的農機具種類其作業形式可以分為犁耕、旋耕、播種、施肥等；按照牽引阻力大小可以分為重載荷，輕載荷和道路運輸模式。

不同工況換擋過程遇到問題包括：（1）重載荷工況下如犁耕旋耕等作業，拖拉機受到的牽引阻力大，且載荷波動隨機，駕駛員為維持作業速度，頻繁踩踏油門踏板，循環換擋，引起速度波動；（2）輕載荷工況下如噴灑施肥等，拖拉機作業受到的牽引阻力小，載荷變化平穩，此類作業對動力性要求降低，對燃油經濟性要求提高。所以，輕載荷作業下要求保證動力輸出的同時以較低的燃油消耗量實現作業速度穩定；（3）道路轉場運輸時不需要懸掛農機具，不會受到牽引阻力的影響，其換擋存在如何保持高速行駛且燃油消耗率最低的問題。

針對以上換擋過程中出現的換擋問題，表1給出了不同作業環境下的作業要求和評價指標。

2.1.3 初始權值和閾值優化

改進的BP神經網絡控制方案如圖7所示。

初始權值和閾值對神經網絡的訓練速度和結果準確性有較大影響。遺傳算法（GA）可以解決BP神經網絡得到最優初始權值和閾值的問題。

對上述計算得到的理論換擋值進行訓練，在第26次到達訓練誤差要求，訓練誤差0.082%。選取100組數據對訓練結果進行檢測，圖8為預測結果，結果表明擋位預測誤差為2%。

2.2 速度智能修正

在隨機載荷波動較大的情況下，駕駛員為保持當前作業速度，頻繁踩踏油門踏板，容易引起發動機轉速波動，導致循環換擋，即當速度在換擋臨界狀態時，油門開度和載荷的微小變化導致速度來回穿越換擋曲線。過頻繁換擋不僅增加拖拉機燃油消耗率，并且會加快換擋機構的磨損。雖然傳統采用換擋延遲的方法可以減少換擋循環問題，但是換擋延遲的時間提前確定無法適應駕駛員操作意愿和外界環境變化。基于此，引入速度系數，在載荷波動時擴大擋位工作范圍，提高換擋規律抗外界因素微小變動的能力。其換擋系數的原則有：（1）換擋系數隨油門開度變化和阻力變化實時調整，避免引發換擋頻繁。（2）在載荷向上波動時延遲升擋，保證作業動力需求。在載荷向下波動時延遲降擋，提高燃油經濟性。載荷波動越大，延遲量也相應越大。（3）對于平穩載荷變化，盡量不改動原有的換擋規律，保證拖拉機性能要求。

上述原則關鍵在于判斷載荷波動程度的大小以及當前擋位輸出驅動力能否克服阻力。因此在重載荷工況作業下，基于上述原則提出換擋修正方法，引入加速度、油門開度變化反映當前變化。

速度修正公式

vth=v+δvs

（18）

式中：

vth——修正后的換擋速度值，km/h；

vs——實際速度，km/h；

δ——修正系數。

由于δ是關于加速度和油門開度變化的函數，很難用具體函數關系表示，因此采用模糊規則描述速度修正系數與加速度、油門開度變化之間的關系。

將油門開度變化量和加速度實際論域變化為內部論域分別為{0，1，2，3，4，5}和{-3，-2，-1，0，1，2，3}。輸出修正系數論域為{-1，0，1}。

將精確的輸入量轉為模糊量。油門開度變化量Δ劃分為5個模糊集合，其模糊集為{VS S M B VB}，加速度劃分為5個模糊集合，其模糊集為{NB NS Z PS PB}。輸出修正系數δ分為3個模糊集合，其模糊集為{N O P}。

通過對拖拉機動力學分析可知，當牽引阻力增加，加速度減小，速度減小，油門開度變化量增大，速度增加。即加速度和油門開度變化量同向變化時，系統的狀態變化最大，反向變化時，系統的變化相對較小，兩者不變時，系統穩定。由此設計的模糊推理規則如表2所示。

3 仿真分析

利用MATLAB/Simulink建立包括發動機模塊、動力換擋變速箱模塊以及整車縱向動力學模塊的拖拉機數學模型，如圖9所示。

3.1 硬件在環仿真平臺搭建

硬件在環仿真系統可以為控制器的設計開發提供虛擬的被控對象，是仿真模型的硬件載體。硬件在環仿真原理如圖10所示。

通過CAN通信接口、上位機和通訊板卡等可以高效數據傳輸，實現控制器的物理信息與仿真被控對象模型的數字信息之間的傳遞。將所建立模型下載到dSPACE中，利用I/O（CAN總線）實現虛擬的拖拉機數學模型和控制器之間的信號傳遞。

3.2 仿真結果分析

為驗證換擋策略多工況自適應控制的有效性，分別在道路運輸作業、噴灑作業、犁耕作業下進行仿真。

1） 道路運輸工況參考汽車鄉間道路行駛工況。由于拖拉機最高行駛速度50km/h，汽車循環測試工況中鄉間道路運輸段速度等比縮小得到拖拉機運輸工況。副變速箱固定在5擋，油門開度50%起步，仿真時間為30s，道路運輸仿真結果如圖11所示。

由圖11可知，起步階段兩種換擋方式燃油消耗量差值較小，隨著拖拉機運行時間增加，自適應換擋通過智能修正擋位，耗油量明顯下降，其平均耗油量降低5.78%。

2） 拖拉機輕載作業主要包括噴灑、施肥等，以噴灑為例，作業過程中載荷波動較輕，其作業速度要求為10km/h，副變速箱固定在3擋，油門開度50%起步。作業時，分別給出作業阻力穩定增大和減小工況，仿真結果如圖12所示。

由圖12可知，田間工況定速作業時，自適應換擋策略較傳統換擋耗油量明顯下降，平均耗油量降低3.28%。在動力性方面，自適應換擋2s左右到達要求速度，且在載荷變化大的工況下，速度變化較小且平穩。在第10s時載荷變大，自適應換擋速度降低0.21km/h，傳統換擋速度降低0.9km/h。在第25s時載荷變小，自適應換擋速度升高0.38km/h，傳動換換擋速度升高2.3km/h。

3） 將拖拉機牽引五劃犁作為重載荷換擋仿真工況。在該工況下，其工作速度為5km/h，穩態載荷變化由小到大模擬拖拉機耕地時從黏土駛入沙壤地的載荷變化，通過添加高斯白噪聲［20］構建載荷波動部分。其仿真結果如圖13所示。

由圖13可知，重載荷作業工況下，自適應重載荷換擋策略動力性較好，加速到作業速度時間為4s，作業過程中速度平穩。引入速度修正系數擴大擋位使用范圍，抑制7次換擋過程，有效避免了載荷隨機波動帶來的循環換擋問題，加快速度恢復，保證速度穩定。

4 結論

1） 本文分析拖拉機不同工況下對動力性和經濟性的要求，通過驅動力和燃油消耗率曲線的交點分別制定動力性換擋策略和經濟性換擋策略，并依據工況對拖拉機性能的要求提出綜合換擋系數，制定不同工況下的綜合換擋策略。

2） 設計BP神經網絡對制定的換擋規律進行訓練，針對重載工況隨機載荷波動導致換擋頻繁問題，引入速度修正系數，擴大擋位使用范圍，形成完整的多工況下自適應換擋控制。不同工況下仿真結果表明，在燃油經濟性方面，該換擋策略使得拖拉機在道路運輸工況和輕載荷運輸工況下燃油消耗量分別減少5.78%、3.28%；在動力性方面，該換擋策略在重載荷工況下工作速度穩定，波動小，恢復時間快且在載荷波動影響下，抑制換擋循環問題的發生。

3） 搭建硬件在環仿真平臺，驗證所設計換擋控制器滿足不同工況下拖拉機性能要求，解決耗油量高，速度不穩定和換擋頻繁問題。

參 考 文 獻

［1］ 尹永芳， 魯力群， 趙靜， 等. 拖拉機全動力換擋自動變速器技術應用現狀與展望［J］. 拖拉機與農用運輸車， 2019， 46（2）： 1-5.

Yin Yongfang， Lu Liqun， Zhao jing， et al. Application status and trend of tractor full-power shift transmission technology ［J］. Tractor and Farm Transporter， 2019， 46（2）： 1-5.

［2］ 席志強， 周志立， 張明柱， 等. 動力換擋自動變速器在拖拉機上的應用技術分析［J］. 機械設計與研究， 2014， 30（2）： 140-144.

Xi Zhiqiang， Zhou Zhili， Zhang Mingzhu， et al. Application analysis of automatic powershift transmission on tractor ［J］. Machine Design and Research， 2014， 30（2）： 140-144.

［3］ 楊晨曦. 匹配大功率拖拉機的自動變速箱換擋控制策略研究［D］. 蕪湖： 安徽工程大學， 2019.

［4］ 李方邑陸. 基于BP神經網絡的重型拖拉機換擋策略與自動控制方法研究［D］. 長春： 吉林大學， 2019.

［5］ 楊彪. 拖拉機動力換擋變速器控制策略研究［D］. 重慶： 重慶大學， 2019.

［6］ 施信信. 大功率拖拉機動力換擋變速器控制系統研究［D］合肥： 合肥工業大學， 2018.

［7］ 符冉. 拖拉機動力換擋變速器換擋規律研究［D］. 洛陽： 河南科技大學， 2015.

［8］ 高子茵， 杜明剛， 李慎龍， 等. 基于遺傳算法優化和模糊控制動態優化的自動變速器換擋規律設計［J］. 兵工學報， 2021， 42（4）： 684-696.

［9］ 劉文光， 何仁， 陸煒， 等. 基于事件觸發器的AMT換擋控制策略研究［J］. 汽車工程， 2014， 36（10）： 1274-1277.

Liu Wenguang， He Ren， Lu Wei， et al. A research on AMT gear shift control strategy based on event trigger ［J］. Automotive Engineering， 2014， 36（10）： 1274-1277.

［10］ 葛安林， 李煥松. 動態三參數最佳換檔規律的研究［J］. 汽車工程， 1992， 14（4）： 239-247.

Ge Anlin， Li Huansong. Optimized shift schedule controlled by dynamic 3-parameter ［J］. Automotive Engineering， 1992， 14（4）： 239-247.

［11］ 席志強， 周志立， 張明柱. 拖拉機動力換擋自動變速器經濟性換擋規律研究［J］. 機械傳動， 2016， 40（11）：144-150.

［12］ Li Baogang， Sun Dongye， Hu Minghui， et al. Automatic gear-shifting strategy for fuel saving by tractors based on real-time identification of draught for characteristics ［J］. Biosystems Engineering 2020， 193： 46-61.

［13］ 江昊， 趙韓， 黃康， 等. 純電動汽車經濟性換擋規律仿真研究［J］. 汽車工程， 2015， 37（7）： 819-824.

［14］ 葛安林. 自動變速器（九）——變速器的自動控制系統（上）［J］. 汽車技術， 2002（1）： 1-4.

［15］ 曹青梅. 拖拉機PST控制系統關鍵技術研究［D］. 西安： 西安理工大學， 2018.

［16］ Cao Q， Zhou Z， Zhang M. Fuzzy adaptive shift schedule of tractor subjected to random load ［J］. Mathematical Problems in Engineering， 2017（6）： 1-8.

［17］ 孫冬野， 楊彪， 陳旭東. 拖拉機田間作業工況自適應換擋控制策略［J］. 重慶大學學報， 2020， 43（2）： 32-41.

［18］

Rainer R. Leistungsverzweigte Mehrbereichsfahrantriebe mit Kettenwandlern ［D］. München： Technischen Universitt München， 2004.

［19］ 陳清洪， 秦大同. 自動變速汽車神經網絡三參數換擋策略［J］. 控制理論與應用， 2010， 27（11）： 1580-1584.

Chen Qinghong， Qin Datong. Neural-networked three-parameter gear-shift schedule for automated-manuai-transmission car ［J］. Control Theory amp; Applications， 2010， 27（11）： 1580-1584.

［20］ 李寶剛. 動力換擋傳動箱擋位設計方法及控制策略研究［D］. 重慶： 重慶大學， 2020.