劉向前，閆 娟，楊慧斌，賈茜偉

（上海工程技術(shù)大學(xué)機(jī)械與汽車(chē)工程學(xué)院，上海 201620）

0 引言

為實(shí)現(xiàn)AT 變速器自動(dòng)換擋，在保留傳統(tǒng)變速器原有零部件結(jié)構(gòu)的同時(shí)，還需一套自動(dòng)換擋的執(zhí)行機(jī)構(gòu)裝置。選用AT 換擋執(zhí)行機(jī)構(gòu)不僅可使變速緩和、行駛平穩(wěn)，而且可大幅降低駕駛疲勞，這是當(dāng)前換擋常用主流方法。但是，由于變速箱及執(zhí)行機(jī)構(gòu)加工、制造及裝配誤差的存在，導(dǎo)致不同的變速箱在與執(zhí)行機(jī)構(gòu)進(jìn)行安裝匹配時(shí)存在初始誤差角度值問(wèn)題。針對(duì)該問(wèn)題，國(guó)內(nèi)外眾多研究者對(duì)其安裝精度要求、控制算法進(jìn)行了不同的試驗(yàn)研究［1-3］，包括原點(diǎn)集匹配、負(fù)荷預(yù)測(cè)及對(duì)特征點(diǎn)進(jìn)行QRS 特征提取等方法。原點(diǎn)集的匹配與QRS 均通過(guò)提取不同特征點(diǎn)方法實(shí)現(xiàn)不同點(diǎn)之間的匹配；文獻(xiàn)［4-5］從幾何精度入手進(jìn)行了相應(yīng)試驗(yàn)探究，發(fā)現(xiàn)隨著時(shí)間的累計(jì)，誤差值也在累積；文獻(xiàn)［6］探討了AT 切換檔位規(guī)律方法；文獻(xiàn)［7］等研究了執(zhí)行機(jī)構(gòu)與AT 匹配的互補(bǔ)性關(guān)系；文獻(xiàn)［8-12］等對(duì)換擋的自動(dòng)檢測(cè)系統(tǒng)進(jìn)行了不同設(shè)計(jì)與研究；文獻(xiàn)［13］探討了自適應(yīng)的組合算法；文獻(xiàn)［14-17］通過(guò)優(yōu)化不同粒子算法達(dá)到零速修正的目的。針對(duì)初始角度誤差值問(wèn)題，本文基于32 位STM 型系列單片機(jī)對(duì)執(zhí)行機(jī)構(gòu)進(jìn)行自學(xué)習(xí)算法開(kāi)發(fā)與設(shè)計(jì)，通過(guò)采集執(zhí)行機(jī)構(gòu)電流、位置、旋轉(zhuǎn)角度等信號(hào)搭建換擋執(zhí)行機(jī)構(gòu)（見(jiàn)圖1），采用自設(shè)計(jì)的自學(xué)習(xí)控制策略自行對(duì)初始角度誤差值進(jìn)行補(bǔ)償與修正，并在算法程序設(shè)計(jì)的基礎(chǔ)上進(jìn)行實(shí)車(chē)試驗(yàn)。結(jié)果顯示，本文開(kāi)發(fā)優(yōu)化的自學(xué)習(xí)策略可消除初始誤差值，滿(mǎn)足執(zhí)行機(jī)構(gòu)性能要求。

1 機(jī)構(gòu)自學(xué)習(xí)控制策略總體設(shè)計(jì)方案

本文學(xué)習(xí)控制策略采用32 位ARM-Cortex-M4 內(nèi)核單片機(jī)S9S12ZVC12VLF_LQFP48 作為中心處理器，運(yùn)用內(nèi)部特征定時(shí)器、AD 轉(zhuǎn)換等模塊實(shí)時(shí)采集各種輸入信號(hào)信息和機(jī)構(gòu)反饋信號(hào)信息，進(jìn)而對(duì)輸入信號(hào)與反饋信號(hào)進(jìn)行運(yùn)算處理。采用PWM 脈寬調(diào)制對(duì)執(zhí)行機(jī)構(gòu)的電機(jī)進(jìn)行控制，實(shí)現(xiàn)換擋時(shí)速度大小控制。

Fig.1 Structure of shift actuator圖1 換擋執(zhí)行機(jī)構(gòu)結(jié)構(gòu)

其中，①代表?yè)Q擋齒輪組，②代表位置傳感器，③代表?yè)Q擋軸，④代表直流驅(qū)動(dòng)電機(jī)，⑤代表?yè)Q擋限檢測(cè)裝置。

由于不同變速箱軸的起始位置不能保證完全在同一個(gè)位置，即存在一定初始誤差，所以在執(zhí)行機(jī)構(gòu)與變速箱連接時(shí)需執(zhí)行機(jī)構(gòu)自動(dòng)匹配變速箱不同的初始角度值。本文通過(guò)采集執(zhí)行機(jī)構(gòu)在工作狀況下的各檔位初始角度值，構(gòu)建機(jī)構(gòu)系統(tǒng)流程（見(jiàn)圖2），與實(shí)際理論值作比較，求出誤差并補(bǔ)償角度值，進(jìn)而實(shí)現(xiàn)其執(zhí)行機(jī)構(gòu)與不同型號(hào)的變速箱匹配安裝［18］。其SBW 接口信號(hào)如圖3 所示。

2 硬件系統(tǒng)搭建

為了使自學(xué)習(xí)控制策略適應(yīng)不同的工作環(huán)境、使用要求，進(jìn)行硬件系統(tǒng)搭建。

2.1 最小系統(tǒng)模塊

本文采用32 位ARM-Cortex-M4 內(nèi)核S9S12ZVC_LQFP48 作為處理器，將設(shè)計(jì)優(yōu)化的控制策略與執(zhí)行機(jī)構(gòu)系統(tǒng)匹配，使換擋和變速器處理方面更迅速、可靠性更高，適應(yīng)性更強(qiáng)。同時(shí)，為使處理器發(fā)揮最大性能效應(yīng)，為其搭建濾波電路、過(guò)流檢測(cè)電路、H 橋電路及復(fù)位電路。

Fig.2 Flow of mechanism system圖2 機(jī)構(gòu)系統(tǒng)流程

2.2 過(guò)流檢測(cè)模塊

在執(zhí)行機(jī)構(gòu)與變速箱匹配后，由于執(zhí)行機(jī)構(gòu)及變速器運(yùn)行過(guò)程存在不確定性，可能引起機(jī)構(gòu)驅(qū)動(dòng)電機(jī)堵轉(zhuǎn)的情況，在該情況下，系統(tǒng)電流會(huì)迅速增大。因此本文基于LM2904 芯片設(shè)計(jì)電機(jī)過(guò)流檢測(cè)保護(hù)電路，如圖4 所示。

2.3 電機(jī)驅(qū)動(dòng)模塊

電機(jī)驅(qū)動(dòng)速度調(diào)節(jié)由核心處理器PWM 模塊輸出的占空比控制。由于為中心處理器輸出的脈寬電流指標(biāo)僅為幾毫安，無(wú)法驅(qū)動(dòng)芯片運(yùn)轉(zhuǎn)。因此必須通過(guò)搭建H 橋驅(qū)動(dòng)放大毫安級(jí)電流，進(jìn)而提高驅(qū)動(dòng)電機(jī)能力。其設(shè)計(jì)電路如圖5 所示。

該電路通過(guò)集成芯片設(shè)計(jì)全橋驅(qū)動(dòng)，由搭建的H 橋驅(qū)動(dòng)電路，實(shí)現(xiàn)控制電機(jī)驅(qū)動(dòng)進(jìn)行正常運(yùn)轉(zhuǎn)工作。

2.4 通訊模塊

本文中采用S9S12ZVC12VLF_LQFP48 中心處理器進(jìn)行通訊連接，通過(guò)執(zhí)行機(jī)構(gòu)與變速箱安裝連接試驗(yàn)，實(shí)現(xiàn)電流、位置變化信號(hào)實(shí)時(shí)監(jiān)測(cè)，以便更精確控制。由于處理器處理的信號(hào)需要對(duì)其進(jìn)行跟蹤監(jiān)測(cè)，本文采用與上位機(jī)進(jìn)行相連方式，由上位機(jī)對(duì)其進(jìn)行實(shí)時(shí)檢測(cè)與反饋。由于處理器輸出的是TTL 信號(hào)，需要將進(jìn)行信號(hào)轉(zhuǎn)換才可被上位機(jī)接收。本文采用RS232 通訊電路，該電路芯片采用性能良好的MAX232 芯片將USB 信號(hào)轉(zhuǎn)為T(mén)TL 信號(hào)，總體通訊結(jié)構(gòu)如圖6 所示。

3 優(yōu)化的機(jī)構(gòu)自學(xué)習(xí)控制策略與驗(yàn)證

Fig.3 SBW interface signal圖3 SBW 接口信號(hào)

Fig.4 Over current detection module圖4 過(guò)電流檢測(cè)模塊

本文通過(guò)執(zhí)行機(jī)構(gòu)電流信號(hào)與機(jī)構(gòu)冠齒輪位置角度信號(hào)實(shí)現(xiàn)換擋執(zhí)行機(jī)構(gòu)控制。由于不同的執(zhí)行機(jī)構(gòu)需與不同的變速箱進(jìn)行安裝匹配，會(huì)導(dǎo)致一定的配合誤差，需通過(guò)自學(xué)習(xí)策略進(jìn)行初始化位置角度誤差修正與補(bǔ)償。

通過(guò)實(shí)時(shí)采集機(jī)構(gòu)電流與冠齒角度信號(hào)，首先判斷電流信號(hào)變化情況，若增大或恒定不變，再對(duì)角度值是否達(dá)到增檔規(guī)律的換擋極限點(diǎn)進(jìn)行判斷，其中不同的臨界點(diǎn)由不同的角度值確定，若達(dá)到增檔極限點(diǎn)則進(jìn)行自動(dòng)升檔操作處理；同理，可判別是否達(dá)到減檔臨界限點(diǎn)，若達(dá)到則進(jìn)行自動(dòng)減檔操作處理。

3.1 采集信號(hào)處理

Fig.5 H-bridge drive circuit圖5 H 橋驅(qū)動(dòng)電路

Kalman［19］在1960 年發(fā)表的論文《A New Approach to Linear Filtering and Prediction Problems》中闡釋了卡爾曼濾波原理，即采用在與系統(tǒng)狀態(tài)關(guān)聯(lián)的觀測(cè)量中預(yù)測(cè)所需信號(hào)值的最優(yōu)算法遞推濾波。由于卡爾曼濾波設(shè)計(jì)范圍是在時(shí)域內(nèi)設(shè)計(jì)的濾波器，而且需要保存的數(shù)據(jù)相對(duì)較少，所以具有很強(qiáng)的適應(yīng)性［20］。由于實(shí)現(xiàn)過(guò)程由計(jì)算機(jī)實(shí)現(xiàn)，需將方程進(jìn)行離散過(guò)程化處理，假設(shè)系統(tǒng)模型方程為：

Fig.6 General communication structure layout圖6 總體通訊結(jié)構(gòu)布置

X（n）為狀態(tài)函數(shù)，W（n-1）為模型噪聲，Z（n）為模型觀測(cè)向量，H（n）是模型觀測(cè)矩陣，V（n）是模型觀測(cè)噪聲。

W（n-1）和V（n）是概率密度函數(shù)且服從：

其中，Q 和R 為協(xié)方差矩陣。

建立具有不確定性的卡爾曼濾波方程可分為兩個(gè)環(huán)節(jié)。

（1）系統(tǒng)狀態(tài)過(guò)程預(yù)估為：

系統(tǒng)狀態(tài)預(yù)估誤差矩陣為：

需初始值X（0|0）和P（0|0），即可根據(jù)當(dāng)前時(shí)刻系統(tǒng)值與前一時(shí)刻的值得到當(dāng)前預(yù)估值。

增益矩陣：

（2）系統(tǒng)狀態(tài)估計(jì)為：

系統(tǒng)狀態(tài)估計(jì)誤差矩陣為：

得出濾波前后圖形如圖7 所示。

Fig.7 Filter view圖7 濾波視圖

由圖7 可知，經(jīng)卡爾曼濾波后信號(hào)干擾濾除，同時(shí)系統(tǒng)抗干擾能力極大增強(qiáng)。

3.2 雞冠圖線(xiàn)提取

本文在雞冠線(xiàn)上手動(dòng)提取83 個(gè)測(cè)點(diǎn)數(shù)據(jù)。為提高曲線(xiàn)光滑程度，采用插值處理方法，等距提取測(cè)量點(diǎn)，擴(kuò)充數(shù)據(jù)點(diǎn)至187 個(gè)（測(cè)點(diǎn)個(gè)數(shù)可根據(jù)實(shí)際提取測(cè)點(diǎn)更改），其提取圖像如圖8 所示。

Fig.8 Cockscomb line圖8 雞冠線(xiàn)圖

由皮爾遜相關(guān)系數(shù)判斷其相關(guān)性：

計(jì)算相關(guān)系數(shù)前提，x 和y 數(shù)據(jù)量必須一致，x 為測(cè)點(diǎn)提取數(shù)據(jù)（187 個(gè)），y 為實(shí)際測(cè)量數(shù)據(jù)。后期可根據(jù)需要實(shí)際測(cè)量數(shù)據(jù)個(gè)數(shù)，更改雞冠線(xiàn)測(cè)點(diǎn)數(shù)據(jù)。為保證準(zhǔn)確性，需等距測(cè)量實(shí)際數(shù)據(jù)，其結(jié)果值為0.8-1.0 時(shí)，判斷極強(qiáng)相關(guān)，并得出電流與角度擬合曲線(xiàn)圖8 所示。

3.3 二分類(lèi)邏輯回歸迭代改進(jìn)

傳統(tǒng)多元回歸輸出對(duì)于每個(gè)輸入的x 均有對(duì)應(yīng)的y 輸出，通常是連續(xù)的、線(xiàn)性的。而對(duì)于執(zhí)行機(jī)構(gòu)驅(qū)動(dòng)電機(jī)，為實(shí)現(xiàn)精確的控制器機(jī)構(gòu)換擋操作，需將采集的模擬量信號(hào)轉(zhuǎn)換為數(shù)字量信號(hào)，對(duì)應(yīng)于驅(qū)動(dòng)電機(jī)的啟動(dòng)或停止。顯然，線(xiàn)性多元回歸不滿(mǎn)足該模型機(jī)構(gòu)控制要求［20］。為使機(jī)構(gòu)對(duì)采集的不同類(lèi)信號(hào)進(jìn)行歸類(lèi)處理，本文采用優(yōu)化的邏輯回歸算法，運(yùn)用Sigmoid 函數(shù)y=構(gòu)造預(yù)測(cè)函數(shù)（9），其中Z 代表預(yù)測(cè)值。

其中函數(shù)值大小結(jié)果取1 的概率，因此，根據(jù)輸入x 分類(lèi)結(jié)果，即類(lèi)別1、類(lèi)別0 的概率為：

其運(yùn)行結(jié)果如圖9 所示。

Fig.9 Experimental execution effect of self-learning algorithm圖9 自學(xué)習(xí)算法實(shí)驗(yàn)執(zhí)行效果

由圖9（a）可看出，在自學(xué)習(xí)控制算法未載入前，得到的最終曲線(xiàn)圖無(wú)法采集到機(jī)構(gòu)中間信號(hào)變化量；而且，初始安裝誤差無(wú)法自行校正；圖9（b）顯示了本文自學(xué)習(xí)邏輯算法對(duì)信號(hào)采集的優(yōu)化效果。在自學(xué)習(xí)控制策略載入后，得到了與理想機(jī)構(gòu)近似相同的圖線(xiàn)，同時(shí)機(jī)構(gòu)中間信號(hào)極值處可被采集到，使換擋點(diǎn)得到更好控制。這不僅進(jìn)一步證明自學(xué)習(xí)控制策略準(zhǔn)確性高，具有更優(yōu)靈敏度，而且可使執(zhí)行機(jī)構(gòu)與不同變速器匹配后換擋操作穩(wěn)定運(yùn)行。

4 結(jié)語(yǔ)

執(zhí)行機(jī)構(gòu)與不同AT 安裝匹配時(shí)存在大小值不一的初始誤差角度值，為解決該問(wèn)題，本文基于改進(jìn)卡爾曼濾波與二分類(lèi)邏輯回歸算法，設(shè)計(jì)雙芯片架構(gòu)的自學(xué)習(xí)控制策略，兼具功能性與工程實(shí)用性，最終實(shí)現(xiàn)了初始角度誤差值自行補(bǔ)償與修正，克服了傳統(tǒng)機(jī)構(gòu)存在的缺陷。

本文自學(xué)習(xí)控制策略具有良好可靠性、適應(yīng)性及實(shí)用性，對(duì)我國(guó)執(zhí)行機(jī)構(gòu)自動(dòng)換擋技術(shù)發(fā)展與產(chǎn)業(yè)化具有重要推進(jìn)意義。但本文在換擋執(zhí)行過(guò)程中可能存在誤差值，未進(jìn)行實(shí)時(shí)檢測(cè)及補(bǔ)償修正，這是下一步研究?jī)?nèi)容。