混合動力車輛無線轉矩測試系統設計及參數辨識

摘要：【目的】在復雜路況下，車輛實際行駛產生的轉矩在傳統的臺架測試中動態精度較差，難以模擬真實行駛狀態；而且實車測試存在空間狹小、振動較大以及環境惡劣等問題。對此，創新性地設計了一種基于無線技術的嵌入式轉矩測試系統。【方法】考慮車輛傳動系統內部空間結構，基于遙測技術建立了轉子、定子系統，并對試驗主體進行了模塊定制化設計，構造了一套動態性能強、抗干擾性好的測試系統；進行道路試驗以獲得實車轉矩、轉速數據；采用系統辨識法對試驗數據進行迭代分析，獲得6階辨識值，建立轉矩辨識模型。【結果】試驗系統標定線性度為0. 703%，線性誤差小，精度較高；辨識模型均方根誤差為1. 678 5；在急加速、緩加速、緊急制動3種動態工況下，模型最大誤差分別為8. 456 9、1. 78、5. 4 N·m，平均相對誤差在4%以內。上述結果驗證了測試數據的可靠性，為轉矩模型的精準預測提供了有效的數據基礎。

關鍵詞：混合動力；動態轉矩；無線測試；系統辨識法；精準預測

中圖分類號：U467. 2+1 DOI：10. 16578/j. issn. 1004. 2539. 2025. 04. 013

0 引言

混合動力車輛發動機的輸出轉矩是機械動力傳遞工況的重要參數，是發動機狀態檢測、故障早期預警、控制優化的核心參數[1]。轉矩信號的測量與預測對于復雜機械設備的狀態檢測具有十分重要的意義[2]。目前，建立發動機預測模型的方法主要為解析法[3]和系統辨識法[4]。采用解析法建立發動機模型，建模過程復雜且存在動態偏差，難以應用到發動機預測和監控中[5]。系統辨識法發展比較成熟、完善，是利用數學方法直接從系統的輸入、輸出數據中擬合出系統預測模型的方法，不強調內部機制，只需要足夠的發動機輸出數據就可以簡單快速地建立高精度模型[6]。最小二乘法是最基本、也是最常用的系統辨識方法，通過構建參數函數，利用逼近原則使實測數據和估計數據之間的平方和最小，實現系統辨識[7]。因其原理簡單、收斂速度快、易于實現而被廣泛應用于工業、人工智能、醫療器械等領域中[8]。系統辨識法建立模型需要大量的試驗數據，國內外研究大多采用臺架測試的方法獲得試驗數據[9]。但是，臺架測試的邊界條件無法考慮輪胎滑移、環境溫度、復雜路面情況、氣壓、駕駛行為等影響因素，無法捕捉到發動機行駛狀況下的動態響應，包括急加速、緊急制動等情況，局限性較大，易導致轉矩預測模型動態精度低[10]。因此，有必要設計一套可以進行實車測試的發動機動態轉矩測試系統。

在車輛關鍵部件的動態轉矩測試方面，國內外學者進行了大量研究。光柵型轉矩傳感器和應變片型轉矩傳感器是目前國內外主流的方法。江舒等[11]利用光纖光柵型應變傳感器對船體進行了靜態載荷試驗，但光纖光柵型傳感器受溫度影響較大，長期在惡劣環境下會出現誤差增大，甚至脫落的現象。BEAL[12]采用應變片技術完成了汽車轉向應變轉矩的測量。GOLD等[13]研究了電動機電流與扭轉形變量之間的關系，通過建模估算了機械外部轉矩，并設計了測試系統，但未考慮測點位置誤差對結果的影響。李耀明等[14]基于無線傳感測試技術，對農業聯合收割機構建半軸載荷測試系統，并在道路上進行試驗測試，獲得了樣機的轉矩電壓信號，但在分析轉矩載荷過程中，數據波動較大、穩定性較差。陳建軍等[15]為了測試大轉矩壓濾機，設計了一種壓力轉矩測試裝置，并對部件進行了結構優化，驗證了試驗裝置的合理性。王山明等[16]利用無線數據通信技術，基于STM32單片機主控，建立了無線轉矩測試系統，并進行了實車試驗，得到轉矩載荷變化曲線，并對工況特性進行了分析，但結果誤差較大、數據可重復性較差。趙梓燁等[17]針對軸類部件疲勞失效問題，基于遙測技術設計了動態測試系統，并根據傳動軸實測轉矩實現了疲勞壽命分析，但是該設計裝置無法應用到飛輪類部件。

本文設計了一套可以進行實車試驗的測試系統，并搭載該系統進行了多工況實車道路試驗。利用系統辨識法對實車發動機扭轉力矩進行辨識分析，獲得辨識值，從而建立預測模型。以軸類部件旋轉測試為靈感，使用無線供電的應變式轉矩傳感器測量方式，通過遙測技術將飛輪（轉子）處感應到的輸出轉矩無線傳輸至發動機殼體（定子）接收裝置處，再通過定子連接至數據采集儀獲取試驗數據，得到實車道路測試動態轉矩。最后，對試驗數據與理論模型進行了驗證分析。