非公路车辆混动变速器切换过程可拓优化控制

doi:10.12068/j.issn.1005-3026.2025.20239043

摘要/Abstract

摘要：

混合动力非公路车辆具备多种工作模式，模式切换过程不合理的控制策略会影响离合器的使用寿命及车辆的平顺性.以功率分流式混动专用变速箱为研究对象，利用可拓控制算法建立矛盾特征间的转化关系，通过调整模型预测控制(MPC)的权重矩阵干涉可拓控制器，将矛盾特征量转化.建立非公路车辆传动系统仿真模型，结果显示采用可拓控制器的模式切换过程车辆冲击度小于10 m/s³，比MPC减小约20%，滑摩功约为18 kJ，冲击度和滑摩功效果较传统MPC均有所改善，可拓控制提高了非公路车辆模式切换的品质.

关键词: 混动变速器, 模型预测控制, 可拓控制, 模式切换, 滑摩功

Abstract:

Hybrid off-road vehicles include multiple operating modes， and the inappropriate control strategies will impact the smoothness and clutch life when vehicles switch operating modes. Taking the power split hybrid gearbox as the research object， the transformation relationship of contradictory features is established using the extensible control algorithm. The contradictory feature quantities are transformed by adjusting the weight matrix of model predictive control （MPC） to interfere with the extensible controller. The simulation model of the transmission system of off-road vehicles is established， and the results show that the jerk of the vehicle in the mode switching process using the extensible controller is less than 10 m/s³， which is about 20% lower compared with MPC. The friction work of clutches is about 18 kJ， and the jerk and sliding work effect are improved compared with the traditional MPC. Extensible control improves the smoothness of the mode switching process and enhances the quality of mode switching for off-road vehicles.

Key words: hybrid transmission, model predictive control, extensible control, mode switching, friction work

中图分类号:

TD 57

赵鑫鑫, 李兵, 杨珏. 非公路车辆混动变速器切换过程可拓优化控制[J]. 东北大学学报（自然科学版）, 2025, 46(3): 106-114.

Xin-xin ZHAO, Bing LI, Jue YANG. Extensible Optimization Control of Hybrid Transmission Switching Process for Off-road Vehicles[J]. Journal of Northeastern University(Natural Science), 2025, 46(3): 106-114.

图/表 14

图1 混动变速器结构

Fig.1 Structure of the hybrid transmission

表 1 整车相关参数

Table 1 Vehicle related parameters

总质量/t	车轮动态半径/m	主减速器减速比	空气阻力系数	迎风面积/m²	滚动阻力系数	电池容量/Ah
113	0.837	22.07	0.65	7.5	0.025	158

图2 动力学方程求解过程注：TE， TM1， TM2为各动力源转矩； Tf，x 为各部件的摩擦转矩； Tout为混动变速器输出转矩.

Fig.2 Solving process of dynamic equations

图3 离合器摩擦模型工作模式

Fig.3 Working mode of the clutch friction model

表3 不同模式下离合器的状态

Table 3 States of the clutch in different modes

模式	离合器CL1	离合器CL2	制动器BR1	制动器BR2
1	0	0	1	1
2	1	0	0	1
3	0	1	1	0
4	1	1	0	0

表4 用于控制器设计的模型参数

Table 4 Model parameters for controller design

制动器BR1等效

作用半径R/m

制动器BR1

摩擦副数N

制动器BR1

面积A_c/m²

电磁阀的时间

常数 $τ c v$ /s

电磁阀的增益

$K c v$ /(MPa·A^-1)

制动器片的

摩擦因子 $μ$

表4 用于控制器设计的模型参数

Table 4 Model parameters for controller design

制动器BR1等效

作用半径R/m

制动器BR1

摩擦副数N

制动器BR1

面积A_c/m²

电磁阀的时间

常数 $τ c v$ /s

电磁阀的增益

$K c v$ /(MPa·A^-1)

制动器片的

摩擦因子 $μ$

0.098

0.39

0.04

1.0

0.13

图4 离合器转速参考轨迹t0—起始时刻；tf—结束时刻；ω0—参考转速.

Fig.4 Reference trajectory of clutch speed

图5 基于MPC的离合器转速

Fig.5 Speed of clutch based on MPC

图6 基于MPC的模式切换过程仿真结果（a）—滑摩功；（b）—冲击度；（c）—制动器BR1压力；（d）—车速.

Fig.6 Simulation results of the mode switching process based on MPC

图7 可拓调节模式切换控制总体框架

Fig.7 Overall framework of extendable adjustment in the mode switching control

图8 MPC控制模式切换过程跟踪误差

Fig.8 Tracking error of MPC control in the mode switching process

图9 一维可拓集合

Fig.9 One-dimensional extensible set

图10 可拓控制与MPC控制离合器转速对比

Fig.10 Comparison of clutch speed with extensible control and MPC

图11 可拓控制和模型预测控制结果对比（a）—模式切换过程滑摩功对比；（b）—模式切换过程冲击度对比.

Fig.11 Comparison of extensible control and modelpredictive control results

参考文献 19

1	Tang X L， Zhang D J， Liu T， et al. Research on the energy control of a dual-motor hybrid vehicle during engine start-stop process［J］．Energy， 2019， 166：1181-1193.
2	李显阳．并联混合动力汽车模式切换动态协调控制的仿真研究［D］．北京：北京交通大学，2014．
	Li Xian-yang. Simulation study on mode-shift dynamic coordinated control of parallel hybrid electric vehicle［D］.Beijing： Beijing Jiaotong University， 2014.
3	王卉．混合动力汽车模式切换动态协调控制研究［D］. 镇江：江苏大学，2020．
	Wang Hui. Research on dynamic coordinated control of mode switching for hybrid electric vehicles［D］. Zhenjiang： Jiangsu University， 2020.
4	Zeng X H， Yang N N， Wang J N， et al. Predictive-model-based dynamic coordination control strategy for power-split hybrid electric bus［J］.Mechanical Systems and Signal Processing， 2015， 60：785-798.
5	Beck R， Richert F， Bollig A， et al. Model predictive control of a parallel hybrid vehicle drivetrain［C］// Proceedings of the 44th IEEE Conference on Decision and Control. Seville， 2005： 2670-2675.
6	林歆悠，苏炼，郑清香. 应用模型预测控制的混合动力汽车模式切换动态协调控制［J］. 控制理论与应用， 2020， 37（4）： 897-906.
	Lin Xin-you， Su Lian， Zheng Qing-xiang. Dynamic coordination control of mode transition using model predictive control for hybrid electric vehicle［J］. Control Theory & Applications， 2020， 37（4）：897-906.
7	张扬. 平衡重式叉车防侧翻控制研究［D］.合肥：合肥工业大学，2020.
	Zhang Yang. Research on Anti-rollover Control of Counterbalanced Forklift［D］. Hefei： Hefei University of Technology， 2020.
8	孙友鼎. 弯道工况下自适应巡航系统多目标控制研究［D］.合肥：合肥工业大学，2021.
	Sun You-ding. Research on multi-objective control of adaptive cruise control system under curve condition［D］. Hefei： Hefei University of Technology， 2021.
9	秦顺琪. 基于可拓理论的智能车辆横纵向协调控制研究［D］.镇江：江苏大学，2021.
	Qin Shun-qi. Research on the lateral and longitudinal coordination control of intelligent vehicle based on extension theory［D］. Zhenjiang： Jiangsu University， 2021.
10	童昌圣. 面向AGV控制的故障诊断与知识可拓管理系统［D］.南京：南京航空航天大学，2020.
	Tong Chang-sheng. Fault diagnosis and knowledge extension management system for AGV control［D］. Nanjing： Nanjing University of Aeronautics and Astronaut， 2020.
11	Zhang J G， Zhao X X， Azad N L. LSTM-based adaptive energy management of connected hybrid mining trucks for improving fuel efficiency［C］//2022 IEEE 25th International Conference on Intelligent Transportation Systems （ITSC）. Macau： IEEE： 2848-2855.
12	Patinya S. Modeling and control of automatic transmission with planetary gears for shift quality［D］. Arlington： The University of Texas At Arlington， 2011.
13	Karmel A M. Dynamic modeling and analysis of the hydraulic system of automotive automatic transmissions ［C］// 1986 American Control Conference. Seattle： IEEE， 1986： 273–278.
14	Tugcu A， Hebbale K， Alexandridis A， et al. Modeling and simulation of the powertrain dynamics of vehicles equipped with automatic transmission［C］//Proceedings of Symposium on Simulation of Ground Vehicles and Transportation Systems. Los Angeles， 1986： 39-61.
15	Karnopp D. Computer simulation of stick-slip friction in mechanical dynamic systems［J］. Journal of Dynamic Systems， Measurement， and Control， 1985， 107（1）：100-103.
16	卢晓晖. 汽车传动系的滚动优化控制研究［D］.长春：吉林大学，2013.
	Lu Xiao-hui. Moving Horizon Optimal Control for Automotive Driveline Systems［D］. Changchun： Jilin University， 2013.
17	Sanada K， Kitagawa A. A study of two-degree-of-freedom control of rotating speed in an automatic transmission， considering modeling errors of a hydraulic system［J］. Control Engineering Practice， 1998， 6：1125–1132.
18	Dolcini P， Bechart H， Canudas de Wit C. Observer-based optimal control of dry clutch engagement［C］// Processdings of the 44th IEEE Conference on Decision and Control. Seville： IEEE， 2005： 440-445.
19	Hu C， Wang R R， Yan F J， et al. Output constraint control on path following of four-wheel independently actuated autonomous ground vehicles［J］. IEEE Transactions on Vehicular Technology， 2016， 65（6）： 4033-4043.

[1]	唐传茵, 潘律, 李静红, 章明理. 考虑稳定边界和侧倾稳定的车辆路径跟踪控制[J]. 东北大学学报（自然科学版）, 2024, 45(8): 1123-1134.
[2]	李寿涛，魏玉博，李秋媛，于丁力. 考虑车辆侧偏刚度变化的MPC稳定性控制方法[J]. 东北大学学报（自然科学版）, 2023, 44(2): 162-167.
[3]	唐传茵，赵懿峰，赵亚峰，周淑文. 智能车辆轨迹跟踪控制方法研究[J]. 东北大学学报:自然科学版, 2020, 41(9): 1297-1303.
[4]	王永刚;柴天佑;. 蒸发过程的非线性模型预测控制[J]. 东北大学学报(自然科学版), 2008, 29(10): 1369-1372.