【技术实现步骤摘要】
本专利技术属于汽车换挡，特别涉及一种离合器控制方法、系统和设备。
技术介绍
1、随着汽车工业的发展，机械式自动变速器(amt)相较于液力机械式自动变速器(at)、金属带式自动变速器(cvt)等其它典型的自动变速器，其传动效率高，成本低，制造容易等优势使其在汽车领域得到越来越多的应用。机械式自动变速器汽车起步自动化的核心问题就是最佳的离合器控制，由于amt起步时的离合器控制问题是多参数控制问题，为体现不同参数对总体离合器控制影响的大小及其重要程度，需对各参数进行合理的权重分配。
2、根据起步性能指标，需减少起步过程中离合器滑摩接合阶段的滑摩功、滑摩时间以及冲击度。传统的模型预测控制对模型的变化和扰动比较敏感，进而会导致控制算法失效。
技术实现思路
1、为了解决上述技术问题，本专利技术提出了一种离合器控制方法、系统和设备，不仅提高离合器控制精度，而且缩短了起步时间。
2、为实现上述目的，本专利技术采用以下技术方案：
3、一种离合器控制方法，包括以下步骤：
4、采集车辆在起步时离合器的历史控制信号，从所述历史控制信号中选取出滑摩功、滑摩时间和冲击度三参数，然后三参数再通过二进制转化的can数据图像构建数据集；
5、构建卷积神经网络，在卷积神经网络中利用自注意力机制对提取到的特征进行不同权重的分配；以及利用所述数据集对卷积神经网络进行训练，并利用自适应时刻估计方法对参数进行优化得到训练后的卷积神经网络；
6、将从当前控
7、进一步的，所述采集车辆在起步时离合器的历史控制信号的过程包括：将车载控制器标定系统分别与整车和amt变速箱连接，采集车辆在起步时离合器的控制信号。
8、进一步的，所述卷积神经网络包括三个输入层和一个输出层；所述滑摩功、滑摩时间和冲击度三参数通过二进制转化构建的can数据图像作为卷积神经网络的输入；所述输出层输出最佳离合器控制参数。
9、进一步的，所述在卷积神经网络中利用自注意力机制对提取到的特征进行不同权重的分配的过程包括：
10、
11、
12、其中，x代表卷积神经网络提取到的特征图，f(x)、g(x)、h(x)为分别通过3个卷积核为1*1，利用relu激活函数生成的第一特征图、第二特征图和第三特征图；fi代表第一特征图f(x)中的像素；gj代表第二特征图g(x)中的像素；s(x)为注意力特征，s(x)计算的过程为第一特征图f(x)通过转置矩阵与第二特征图g(x)相乘；n代表所有的位置空间。
13、进一步的，所述采用自适应时刻估计方法对参数进行优化的过程包括：通过对最近一段不同时刻历史观察值赋予不同的权值，来预测下一时刻学习率的值，使得学习率的自适应变化。
14、进一步的，所述方法还包括采用自适应时刻估计方法对参数进行优化的过程还包括设置学习率用于防止训练时间过长。
15、进一步的，所述通过对最近一段不同时刻历史观察值赋予不同的权值，来预测下一时刻学习率的值，使得学习率的自适应变化的详细过程包括：
16、首先，在t＝0时刻，对一阶矩向量mt、二阶矩向量vt进行初始化；
17、然后，在t＝t+1时刻，计算梯度gt、累计梯度mt、累计梯度的平方vt，同时计算一阶矩估计与二阶矩估计的偏差纠正
18、最后，计算模型参数的更新；
19、
20、其中，lr代表输入至卷积神经网络的can数据图像；θt代表t时刻模型参数；ε取值为10-8。
21、进一步的，学习率的计算过程为：
22、
23、其中，β1为第一次矩估计指数衰减率；β2为第二次矩估计指数衰减率；gt是均方误差函数相对于参数的梯度；n代表步长；i代表数据块标号；xi代表未经过卷积神经网络的can数据图像块；yi代表经过卷积神经网络的can数据图像块。
24、本专利技术还提出了一种离合器控制系统，包括采集模块、训练模块和输出模块；
25、所述采集模块用于采集车辆在起步时离合器的历史控制信号，从所述历史控制信号中选取出滑摩功、滑摩时间和冲击度三参数通过二进制转化的can数据图像构建数据集；
26、所述训练模块用于构建卷积神经网络，在卷积神经网络中利用自注意力机制对提取到的特征进行不同权重的分配；以及利用所述数据集对卷积神经网络进行训练，并利用自适应时刻估计方法对参数进行优化得到训练后的卷积神经网络；
27、所述输出模块用于将从当前控制信号中选取出滑摩功、滑摩时间和冲击度三参数，然后三参数再通过二进制转化的can数据图像作为训练后卷积神经网络的输入，输出最佳离合器控制参数。
28、本专利技术还提出了一种离合器控制设备，包括：
29、存储器，用于存储计算机程序；
30、处理器，用于执行所述计算机程序时实现所述的方法步骤。
31、
技术实现思路
中提供的效果仅仅是实施例的效果，而不是专利技术所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：
32、本专利技术提出了一种离合器控制方法、系统和设备，该方法包括：采集车辆在起步时离合器的历史控制信号，从所述历史控制信号中选取出滑摩功、滑摩时间和冲击度三参数，然后三参数再通过二进制转化的can数据图像构建数据集构建数据集；构建卷积神经网络，在卷积神经网络中利用自注意力机制对提取到的特征进行不同权重的分配；以及利用所述数据集对卷积神经网络进行训练，并利用自适应时刻估计方法对参数进行优化得到训练后的卷积神经网络；将从当前控制信号中选取出滑摩功、滑摩时间和冲击度三参数，然后三参数再通过二进制转化的can数据图像为训练后卷积神经网络的输入，输出最佳离合器控制参数。基于一种离合器控制方法，还提出了一种离合器控制系统和设备。本专利技术得到的最优卷积神经网络模型可以作为车辆起步时离合器控制策略，滑摩功、滑摩时间和冲击度通过最优卷积神经网络模型后得到最终的离合器控制参数，不仅可以降低起步时间，而且可以选择最佳离合器控制策略进行离合器控制，提高离合器控制的精度。
本文档来自技高网...【技术保护点】
1.一种离合器控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种离合器控制方法，其特征在于，所述采集车辆在起步时离合器的历史控制信号的过程包括：将车载控制器标定系统分别与整车和AMT变速箱连接，采集车辆在起步时离合器的控制信号。
3.根据权利要求1所述的一种离合器控制方法，其特征在于，所述卷积神经网络包括三个输入层和一个输出层；所述滑摩功、滑摩时间和冲击度三参数通过二进制转化构建的CAN数据图像作为卷积神经网络的输入；所述输出层输出最佳离合器控制参数。
4.根据权利要求3所述的一种离合器控制方法，其特征在于，所述在卷积神经网络中利用自注意力机制对提取到的特征进行不同权重的分配的过程包括：
5.根据权利要求1所述的一种离合器控制方法，其特征在于，所述采用自适应时刻估计方法对参数进行优化的过程包括：通过对最近一段不同时刻历史观察值赋予不同的权值，来预测下一时刻学习率的值，使得学习率的自适应变化。
6.根据权利要求5所述的一种离合器控制方法，其特征在于，所述方法还包括采用自适应时刻估计方法对参数进行优化的过程还
7.根据权利要求6所述的一种离合器控制方法，其特征在于，所述通过对最近一段不同时刻历史观察值赋予不同的权值，来预测下一时刻学习率的值，使得学习率的自适应变化的详细过程包括：
8.根据权利要求6所述的一种离合器控制方法，其特征在于，学习率的计算过程为：
9.根据权利要求1所述的一种离合器控制系统，其特征在于，包括采集模块、训练模块和输出模块；
10.一种离合器控制设备，其特征在于，包括：
...【技术特征摘要】
1.一种离合器控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种离合器控制方法，其特征在于，所述采集车辆在起步时离合器的历史控制信号的过程包括：将车载控制器标定系统分别与整车和amt变速箱连接，采集车辆在起步时离合器的控制信号。
3.根据权利要求1所述的一种离合器控制方法，其特征在于，所述卷积神经网络包括三个输入层和一个输出层；所述滑摩功、滑摩时间和冲击度三参数通过二进制转化构建的can数据图像作为卷积神经网络的输入；所述输出层输出最佳离合器控制参数。
4.根据权利要求3所述的一种离合器控制方法，其特征在于，所述在卷积神经网络中利用自注意力机制对提取到的特征进行不同权重的分配的过程包括：
5.根据权利要求1所述的一种离合器控制方法，其特征在于，所述采用自适应时刻...
【专利技术属性】
技术研发人员：李颖华，韩峰，韩伟，兰海龙，王志飞，高海龙，李文兵，昝守彪，
申请(专利权)人：中国重汽集团济南动力有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。