基于多目标遗传算法优化拖拉机燃油经济及动力性的方法技术

本发明专利技术提出了一种基于多目标遗传算法优化拖拉机燃油经济及动力性的方法，包括第一步：选取拖拉机，根据选取的拖拉机结构以及基本参数，分析选取的拖拉机模型建立方法，建立发动机数学模型、传动系统数学模型以及行驶阻力数学模型；第二步：给出拖拉机整车动力性以及燃油经济性模拟计算模型，并以HST和变速箱输入轴转速作为约束条件，以车速、负载作为决策向量；第三步：定义多目标遗传算法NSGA－II的基本要素；第四步：通过多目标遗传算法NSGA－II得到动力性和燃油经济性的最佳匹配，借此，本发明专利技术具有可以达到在满足整车动力性能的前提条件下，以减少燃油消耗，提高行驶效率并改善排放特性，实现拖拉机动力传动系统参数的最佳匹配的优点。的最佳匹配的优点。的最佳匹配的优点。

【技术实现步骤摘要】
基于多目标遗传算法优化拖拉机燃油经济及动力性的方法


[0001]本专利技术属于拖拉机控制
，特别涉及一种基于多目标遗传算法优化拖拉机燃油经济及动力性的方法。

技术介绍

[0002]现在普遍使用的拖拉机因为具有功能多样性的特点，即可以运载货物、也可以挂载各种各样的机具进行田间作业。所以对农业来说使用频率较高。但是传统的轮式拖拉机中拖拉机作业时的负载以及作业时的速度和拖拉机的燃油经济性以及动力性，这两方面没有获得最佳匹配，带来对燃油的浪费和动力损耗。
[0003]而为了获得最佳匹配，就要求拖拉机能够根据车速以及负载的情况自动选择最佳的挡位，目前国外先进的拖拉机都采用电子控制的自动换挡技术。而现在国内的轮式拖拉机在变速箱换挡技术方面，其特点表现承载大、挡位多、速比范围宽。这就造成了在拖拉机作业复杂的情况下，对拖拉机换挡极易造成误换挡，造成对拖拉机燃油经济性、动力性产生极大的差异。
[0004]为了解决上述问题，本专利技术提出了一种基于多目标遗传算法优化拖拉机燃油经济及动力性的方法，使用多目标遗传算法和模糊PID智能控制算法控制变速箱的输入轴转速，在负载一定的情况，能够使得车速和拖拉机燃油经济性以及动力性保持最佳匹配。

技术实现思路

[0005]本专利技术提出一种基于多目标遗传算法优化拖拉机燃油经济及动力性的方法，解决了现有技术中的问题。
[0006]本专利技术的技术方案是这样实现的：一种基于多目标遗传算法优化拖拉机燃油经济及动力性的方法，包括：
[0007]第一步：选取拖拉机，根据选取的拖拉机结构以及基本参数，分析选取的拖拉机模型建立方法，建立发动机数学模型、传动系统数学模型以及行驶阻力数学模型；
[0008]第二步：给出拖拉机整车动力性以及燃油经济性模拟计算模型，并以HST和变速箱输入轴转速作为约束条件，以车速、负载作为决策向量；
[0009]第三步：定义多目标遗传算法NSGA
‑
II的基本要素；
[0010]第四步：通过多目标遗传算法NSGA
‑
II得到动力性和燃油经济性的最佳匹配，然后得到相应的车速，最后使用模糊PID算法控制电推杆达到相应的车速。
[0011]作为一种优选的实施方式，所述第一步中行驶阻力数学模型又分为：运输状态的数学模型以及工作状态的数学模型。
[0012]作为一种优选的实施方式，所述拖拉机行驶阻力模型的函数包括：
[0013]运输状态函数：
[0014]作为一种优选的实施方式，所述拖拉机行驶阻力模型的函数包括：
[0015]运输状态函数：
[0016]其中，f'为道路滚动阻力系数，T
ed
为拖拉机额定转矩，i
n
为n档的总传动比，γ
q
为驱动轮动力半径，G
n
为拖拉机质量，g为重力加速度，F
q
为牵引力。
[0017]工作状态函数：
[0018]其中，H'为工作在地里事的滚动阻力系数，z为耕地的犁铧数，b为单个犁铧的宽度，h为犁铧耕地时的深度，k为每个犁铧耕地时的阻力。
[0019]传动系统数学模型函数为：
[0020]其中，P
n
为传动系输入功率，P
T
为传动系各部件在摩擦中损失的功率，η
t
为传动系功率效率。
[0021]发动机数学模型函数为：
[0022]其中，g
e
为发动机燃油消耗率，A为函数中待定系数，T
λ
为发动机转矩，n
e
为发动机转速，s为模型阶数。
[0023]作为一种优选的实施方式，所述拖拉机发动机转速函数公式为：
[0024][0025]其中，r为驱动轮半径，i0为主减速器传动比，i
gn
为第n档变速器传动比，u
ai
为拖拉机行驶速度。
[0026]所述燃油经济性函数公式为：
[0027][0028]其中，ρ为燃油密度，g为重力加速度，P
e1
为发动机功率，g
e
为燃油消耗率，T为拖拉机行驶时间，Q
t
为等速行驶时间内拖拉机燃油消耗量。
[0029]作为一种优选的实施方式，所述第三步中定义多目标遗传算法NSGA
‑
II的基本要素的方法包括：
[0030]S1：以实数编码和二进制编码构造解向量作为个体X，由n个个体构成种群P，P＝[X1,X2,.........X
n
]；Y做为适应度函数的值，表述前述多个目标，并定义多个算子；
[0031]S2：通过非支配排序方式计算种群P中的个体虚拟适应值，根据非支配排序的定义，对于寻求最小化的多个目标：
[0032]F(x)＝(F1(x),F2(x),.....F
m
(x))
T
；
[0033]初始种群中的个体x
i
,x
j
，如果对于所有的q＝1，2，
……
m，都存F
q
(x
i
)≤F
q
(x
j
)，则称x
i
非支配于x
j
；
[0034]S3：计算同一支配层中的拥挤度系数为i
d
，对于每一级非支配解层，根据个体的目标值大小进行升序，对于每个个体计算最近邻居作为顶点的长方体周长作为拥挤度系数
[0035][0036]其中，m为目标函数数量；i
d
表示i点的拥挤度，分别表示i+1点以及i
‑
1点的第j个目标函数值。边界个体的拥挤度系数被指定为无穷大值，即0
d
＝I
d
＝∞；
[0037]S4：通过以上多目标遗传算法，得出拖拉机在挂载特定负载的情况下，速度和动力性以及燃油经济性关系曲线。然后在基于模糊PID算法的基础上，使用Matlab中的Simulink工具建立相关的模型，通过仿真得出合适的模糊规则库，以及初始的K
p
,K
i
,K
d
三个参数；
[0038]S5：将初始的K
p
,K
i
,K
d
三个参数传入PID调节器中，然后控制变速箱输入轴，保持车速和拖拉机整车动力性以及燃油经济性能够达到最佳匹配的状态。
[0039]作为一种优选的实施方式，所述S1中定义的算子为选择算子、交叉算子和变异算子。
[0040]作为一种优选的实施方式，所述S3中的算法流程为：
[0041]首先将第t代产生的新种群Q
t
与父代P
t
合并组成R
t
，种群大小为为2N；
[0042]然后R
t
进行非支本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多目标遗传算法优化拖拉机燃油经济及动力性的方法，其特征在于，包括：第一步：选取拖拉机，根据选取的拖拉机结构以及基本参数，分析选取的拖拉机模型建立方法，建立发动机数学模型、传动系统数学模型以及行驶阻力数学模型；第二步：给出拖拉机整车动力性以及燃油经济性模拟计算模型，并以HST和变速箱输入轴转速作为约束条件，以车速、负载作为决策向量；第三步：定义多目标遗传算法NSGA－II的基本要素；第四步：通过多目标遗传算法NSGA－II得到动力性和燃油经济性的最佳匹配，然后得到相应的车速，最后使用模糊PID算法控制电推杆达到相应的车速。2.根据权利要求1所述的基于多目标遗传算法优化拖拉机燃油经济及动力性的方法，其特征在于，所述第一步中行驶阻力数学模型又分为：运输状态的数学模型以及工作状态的数学模型。3.根据权利要求1所述的基于多目标遗传算法优化拖拉机燃油经济及动力性的方法，其特征在于，所述拖拉机行驶阻力模型的函数包括：运输状态函数：其中，f'为道路滚动阻力系数，T
ed
为拖拉机额定转矩，i
n
为n档的总传动比，γ
q
为驱动轮动力半径，G
n
为拖拉机质量，g为重力加速度，F
q
为牵引力。工作状态函数：其中，H'为工作在地里事的滚动阻力系数，z为耕地的犁铧数，b为单个犁铧的宽度，h为犁铧耕地时的深度，k为每个犁铧耕地时的阻力。传动系统数学模型函数为：其中，P
n
为传动系输入功率，P
T
为传动系各部件在摩擦中损失的功率，η
t
为传动系功率效率。发动机数学模型函数为：其中，g
e
为发动机燃油消耗率，A为函数中待定系数，T
λ
为发动机转矩，n
e
为发动机转速，s为模型阶数。4.根据权利要求1所述的基于多目标遗传算法优化拖拉机燃油经济及动力性的方法，其特征在于，所述拖拉机发动机转速函数公式为：其中，r为驱动轮半径，i0为主减速器传动比，i
gn
为第n档变速器传动比，u
ai
为拖拉机行驶速度。所述燃油经济性函数公式为：
其中，ρ为燃油密度，g为重力加速度，P
e1
为发动机功率，g
e
为燃油消耗率，T为拖拉机行驶时间，Q
t
为等速行驶时间内拖拉机燃油消耗量。5.根据权利要求1所述的基于多目标遗传算法优化拖拉机燃油经济及动力性的方法，其特征在于，所述第三步中定义多目标遗传算法NSGA－II的基本要素的方法包括：S1：以实数编码和二进制编码构造解向量作为个体X，由n个个体构成种群P，P＝[X1,X2,.........X
n
]；Y做为适应度函数的值，表述前述多个目标，并定义多个算子；S2：通过非支配排序方式计算种群P中的个体虚拟适应值，根据非支配排序的定义，对于寻求最小化的多个目标：F(x)＝(F1(...

【专利技术属性】
技术研发人员：骆亚明，蒋继刚，范琳祥，张伟，
申请(专利权)人：易如山东智能科技有限公司，
类型：发明
国别省市：