混合动力商用车AMT挡位自学习控制技术优化

赵 力，冒晓建，祝轲卿，唐航波，王俊席

（上海交通大学 机械与动力工程学院，上海 200240）

变速器的电子控制是现代汽车电子化典型代表[1]，其中电控机械式自动变速器（Automated Mechanical Transmission，AMT）是在传统手动固定轴式变速器的基础上，加装了电控离合器和选换挡执行机构，即用电机代替了驾驶员进行选挡、换挡和离合器分合动作，从而降低了驾驶疲劳强度，保证了行车安全，提高了舒适性。AMT系统不仅具有控制精度高的换挡品质，而且具有适应性好、污染小和改装成本低等优点。

AMT系统在实际车载动力换挡（变速器有转矩传递时）过程前，必须获得各个挡位位置数据，才能有效控制选换挡电机在车辆运行时能准确换挡，而各个挡位的位置数据需通过静态（变速器无转矩传递）时启动挡位自学习控制程序来获得。

由于AMT选换挡驱动电机输出轴到变速器驱动齿轮的尺寸链较长，每台AMT制造和装配存在差异，使用后的零部件磨损、松动及维修后的重装也会产生差异，所以不同变速器各挡位的位置有所不同，且同台变速器的位置也会相应变化。因此需要不断优化AMT挡位自学习控制技术来自动精确、高效地获得每台变速器各挡位坐标位置，实现精准良好的选换挡控制效果和减小在线自学习的等待时间，以满足快速、精准的换挡品质[2]，进而满足AMT的智能控制[3]，保证车辆运行安全。本文就是以此为目标，针对AMT静态时各挡位位置自学习控制策略，从挡位学习顺序、再次进挡学习策略和通过自整定PID技术进行自适应参数优化，开展AMT挡位自学习控制技术优化的研究。

1 AMT系统介绍

本系统采用的5个前进挡位变速器体，分为3层，即R-1挡层、2-3挡层和4-5挡层，选换挡机械原理简图及执行机构简图如图1和图2所示。AMT通过脉宽调制法控制选挡电机和换挡电机驱动，通过执行将电机旋转转换成所需选挡和换挡操作。当3个拨块在空挡时，通过控制选挡电机的占空比和旋转方向，带动换挡轴沿轴向运动进行选挡操作；当某个拨块到达互锁板换挡槽位置时，控制换挡电机的占空比和旋转方向，就可以进行相应挡位层的换挡动作，其中互锁板的存在确保了选换挡的唯一性。

如图1所示，利用选挡角位移传感器和换挡角位移传感器检测选挡和换挡情况，即本文用选/换挡角位移传感器输出的位置电压（mV）表示选/换挡位置。

2 挡位位置定义分析

根据变速器选换挡原理，将换挡轴的选挡直线运动和换挡旋转运动转化成X-Y二维“王”字平面运动[4]，挡位位置信息如图3所示。空挡位置为xN=0.5(xNmin+xNmax)。在实际情况中，需要考虑到电机输出特性，且为了避免碰壁冲击，各挡位的目标位置并不是物理极限位置，而是在物理极限位置的基础上增加偏移量项，如1挡换挡极限位置为x1lim，偏移量为D1x；1挡选挡极限位置为y1lim，偏移量为D1y。则1挡的目标位置点坐标为： P1=(x1lim+D1x，y1min+D1y)，而有偏移量的选/换挡电机电流分别为is和ic，选/换挡电机占空比分别为 Ps和Pc，挡位极限位置为ymin、xlim和ymax，选/换挡电机灵敏度分别为φc和φs。同理可得其它挡位位置。

3 挡位位置自学习控制技术优化

3.1 挡位自学习顺序优化

在AMT系统中，空挡位置的精确确定非常重要，因为每次选换挡都要经过空挡，若空挡位置有误或未能回到正确的空挡位置，则会造成换挡卡滞或不能换挡的严重后果。常规的AMT挡位自学习顺序是先学习空挡位置，再学习上层挡位位置、下层挡位位置、中间层挡位位置。

然而，经过试验发现，新装配的AMT系统因零部件之间未经过运动磨合，换挡阻力较大，影响空挡学习中换挡步长移动。在第1次挡位自学习过程中，空挡位置的左右偏差范围明显偏窄，见表1。第1次空挡宽度为434 mV，后3次的空挡宽度平均值为(682+702+674)/3=686 mV，与第1次差值252 mV，而后3次空挡宽度散差仅为28 mV。通过此学习数据比较，说明第1次学习的空挡位置的偏差很大，正确率很低。

表1 优化前空挡位置自学习结果数据

为提高第1挡位自学习的准确性及效率，考虑改变挡位自学习顺序，如图4所示。通过先学习上层挡位位置，实现在空挡学习之前对换挡机构进行磨合以减小换挡阻力。

3.2 空挡自学习选挡自适应性优化

空挡位置的精确确定在AMT控制系统中最为关键，故空挡学习的时间相对其它挡位较长，但为了提高自学习效率，减少自学习时间，需要对空挡学习时间优化。因空挡位置的精确程度是由空挡位置的上偏差和下偏差确定的，都属于换挡值，故可以从选挡运动中得以优化。最初的自学习策略空挡位置学习时的选挡运动是定占空比运动模式，响应比较慢，结合当前成熟的控制技术[5-7]，采用自整定PID控制会加快响应速度，节约时间，且控制柔和无冲击。

图5中r(k)、u(k)、y(k)分别为控制系统k时刻的输入量、控制量、输出量；e(k)为实时误差；Kp(k)、Ki(k)、Kd(k)分别为比例积分微分系数，由实时误差实时调整。数字PID控制式为

3.3 再次进挡学习策略

对于新装配的AMT系统，在第1次挡位位置自学习时因零部件之间未经过运动磨合换挡阻力较大，会影响挡位位置的准确性，一般需要多次学习校正。为提高第1次自学习的挡位位置值的准确性，减少多次学习以提高效率节省时间，提出了再次进挡学习策略，即在学习某挡位过程中，当学习挡位极限值成功后，进行回退学习功能，在回退学习成功后不及时回挡，而是再次进挡学习挡位位置值，两次进挡选取最佳值作为为此轮学习的挡位极限值。此策略避免了第2轮重复学习及校验合格挡位的时间，从而使挡位学习效率大大提升。

4 优化试验验证

4.1 挡位自学习顺序优化及一致性比较

优化前的挡位自学习是先学习空挡位置再学习上层、下层、中层位置，优化后是通过先学习上层挡位位置，实现在空挡学习之前对换挡机构进行磨合以减小换挡阻力，从而提高空挡左右偏差位置的学习准确性。优化前后检测图如图6和图7所示，第1次自学习挡位的准确性及一致性比较见表1和表2。

比较图6和图7中的学习时间可得到，优化前总体自学习时间可由图6中时间轴看出，即134.16－8.52=125.64 s，优化后总体自学习时间可由图7时间轴看出，即112.81－22.13=90.68 s，故优化后每轮自学习能够节约时间125.64－90.68=34.96 s，由此可见优化方法能够缩短自学习时间，提高自学习效率。

通过比较表2和表3中的数据可以看出，优化前的后3次自学习的散差最大值为16，明显大于优化后的最大散差值4；优化前第1次自学习值误差较大，与后3次均值之差最大值为204，而优化后第1次自学习值误差较小，与后3次均值之差最大为8，由此可得出优化方法能够提高自学习的一致性及第1次自学习的准确性。

表2 优化前自学习结果数据统计

表3 优化后自学习结果数据统计

4.2 空挡自学习选挡自适应性优化

为对比空挡自学习选挡自适应性优化效果，将优化前空挡学习检测图和优化后检测图列出，如图8和图9所示。从两图的时间轴中可看出优化前后选挡每循环运动的时间，对比见表4。

表4 优化前后空挡选挡时间对比

从图8和图9中可以看出空挡学习过程中选挡运动的比较。由表4可以看出，优化后选挡上下一次的时间AC为1.42 s，比优化前AC时间6.44 s少了5.02 s，效率提高了80%，从而使优化后自学习时间大大节约，减少了自学习的等待时间。

4.3 再次进挡试验验证

从图10的圆圈处可以看出，选挡处于最大位置，换挡也处于最大位置附近，即为4挡学习检测图，圆圈中第1次进挡位置为A(3 750 mV)处，因AMT机构装配后零部件之间未经过运动磨合，换挡阻力较大，进挡深度不够。经过回退学习后，第2次进挡为B (4 013 mV)点，明显比A点深，经过多次学习验证4挡最深即4 013 mV，深度增加了19%，由此说明了二次进挡的必要性及有效性。

5 结论

（1）本文通过对挡位自学习优化，缩短了挡位自学习时间，提高了挡位自学习的一致性以及第1次自学习的准确率，从而提高了挡位自学习的整体效率。

（2）利用自整定PID控制技术对空挡挡位自学习过程中的选挡运动进行控制，通过优化前后比较，结果表明空挡挡位学习时间大为缩短，提高了学习效率。

（3）再次进挡学习功能，减少了对挡位位置的重新校核，提高了挡位位置学习值的正确性。

总之， 对AMT挡位自学习控制策略的优化，提高了挡位自学习成功率、效率和一致性。

References)

[1]何忠波，白鸿柏. AMT技术的展望[J]. 农业机械学报，2007，38(5)：181-186.He Zhongbo，Bai Hongbai. Automatic Mechanical Transmission Technique Development Actuality and Expectation[J]. Transaction of the Chinese Society for Agricultural Machinery，2007，38(5)：181-186. (in Chinese)

[2]葛安林，沈波. AMT换挡品质的研究[J]. 汽车技术，2003(3)：43-45.Ge Anlin，Shen Bo. Study on AMT Gear Shifting Behavior [J]. Automobile Technology， 2003(3)：43-45.(in Chinese)

[3]李勇，常思勤，魏英俊. AMT选换挡机构自学习控制策略研究[J]. 汽车工程，2010，32(10)：878-882.Li Yong，Chang Siqin，Wei Yingjun. A Study on the Self-Learning Control Strategy for AMT Shift Actuator [J].Automotive Engineering，2010，32(10)：878-882.(in Chinese)

[4]杨志刚，曹长修，黄建明.智能控制技术在汽车AMT中的应用[J]. 重庆交通学院学报，2002，21(4)：110-113.Yang Zhigang，Cao Changxiu，Huang Jianming. Application of Intelligent Control Methods in Automobile AMT System[J]. Journal of Chongqing Jiaotong University，2002，21(4)：110-113. (in Chinese)

[5]余天明，郑磊，李颂.电控机械式自动变速器离合器灰色预测PID控制技术[J]. 农业机械学报，2011，42(8)：1-6.Yu Tianming， Zheng Lei，Li Song. Gray Prediction PID Control Technology of Automated Mechanical Transmission Clutch [J]. Transaction of the Chinese Society for Agricultural Machinery，2011，42(8)：1-6.(in Chinese)

[6]任正云，邵惠鹤，张立群. 几种不稳定滞后对象的预测PID控制[J]. 控制与决策，2004，19(6)：671-674.Ren Zhengyun，Shao Huihe，Zhang Liqun. Predictive PID Control for Several Kinds of Unstable Plus Time Delay Processes [J]. Control and Decision，2004，19(6)：671-674. (in Chinese)

[7]吴振顺，姚建均，岳东海. 模糊自整定PID控制器的设计及其应用[J]. 哈尔滨工业大学学报， 2004， 36(11)：1578-1580.Wu Zhenshun，Yao Jianjun，Yue Donghai. A Self-Tuning Fuzzy PID Controller and Its Application [J]. Journal of Harbin Institute of Technology，2004，36(11)：1578-1580. (in Chinese)