【技术实现步骤摘要】
本专利技术属于神经网络预测领域，具体涉及一种汽车湿式双离合器空载状态下带排转矩的预测方法。
技术介绍
1、湿式离合器具有工作稳定、安全可靠、散热性能好以及传递转矩大等优点被广泛应用于汽车传动系统中。当湿式离合器在空载状态下，摩擦片和钢片之间具有一定的间隙，摩擦片和钢片可以独立旋转，此时若摩擦片和钢片的转速不同，两者间的润滑油将受粘性剪切作用产生带排转矩。带排转矩不仅消耗发动机的功率，还伴随着摩擦副和润滑油液的显著温升，危害车辆传动系统的可靠性，降低车辆的燃油经济性，其负面影响不容忽视。因此，研究湿式离合器带排转矩对提升我国车辆自动换挡传动装置的性能，增强车辆机动性等具有重要意义。
2、湿式离合器带排转矩问题自20世纪70年代以来便受到国内外研究人员的关注，几十年以来，在试验研究、解析建模与数值模拟等方面进行了大量研究，并取得显著成果。随着计算机技术的蓬勃发展，运用数据驱动方法进行预测已广泛应用于各个领域，最近，相关研究开始运用数据驱动方法研究湿式离合器带排转矩。虽然国内外学者对湿式离合器带排转矩进行了大量研究并取得显著成果，但普遍存在耗费时间长、试验成本高等问题，对于研究湿式离合器带排转矩具有一定的局限性。目前，尚无准确预测湿式离合器在宽速范围内带排转矩的技术方案。本专利技术提出了一种结合传统湿式离合器带排转矩模型与粒子群优化反向传播（pso-bp）神经网络的混合预测方法与系统，通过大量实验数据的学习，能够精确预测高速带排的回升变化，为优化传动系统和提高车辆可靠性提供理论支持。
技术实现思
1、针对现有技术中存在的问题，本专利技术提出一种汽车湿式双离合器空载状态下带排转矩的预测方法。
2、本专利技术是通过如下技术方案实现的：
3、一种汽车湿式双离合器空载状态下带排转矩的预测方法，包括如下步骤：
4、s1、低速阶段：利用低速机理模型进行粘性剪切带排转矩的预测
5、具体操作为：采用有限体积法求解湿式离合器摩擦副间隙旋转流场统一控制方程，根据质量流量守恒原则和密压与粘压方程，得到间隙旋转流场的密度与粘度，然后根据牛顿内摩擦定律，积分得到湿式离合器带排转矩计算表达式；利用所述的计算表达式得到摩擦副的带排转矩。
6、s2、高速阶段：利用pso-bp神经网络模型进行高速阶段带排转矩的回升预测
7、具体操作为：通过试验获取在不同工况下不同设计参数的湿式离合器的带排转矩，将获得的带排转矩数据作为训练集，并选取合适的神经元个数、训练次数、学习率和误差阈值模型参数，构建pso-bp神经网络模型，不断进行迭代寻优，以实现对高速阶段带排转矩的准确预测。
8、进一步的，所述步骤s1的带排转矩的计算表达式：
9、
10、其中，式中，z为摩擦副数；μl为非槽区流场粘度；μg为槽区流场粘度；td为摩擦副带排转矩；数为ng；θl为台区对应的角度；摩擦副内半径ri和外半径ro；w为摩擦片与钢片的角速度差；h0为摩擦副间隙；θg为槽区对应的角度；槽深为hg。
11、进一步的，所述步骤s2的具体操作如下：
12、（1）数据获取：搭建多片湿式离合器带排转矩测量试验台，并设计带排转矩测量试验流程，获取在不同工况下不同设计参数的湿式离合器的运行数据，并将其作为训练集，用于训练pso-bp神经网络模型；
13、（2）神经网络训练：用于对所述样本数据集进行归一化处理，将归一化处理后的样本数据作为输入向量，将归一化处理后的样本标签作为输出向量，在经过归一化处理的样本数据集上对预先构建好的pso-bp神经网络模型进行训练，达到收敛条件后，将训练好的pso-bp神经网络模型作为湿式离合器带排转矩预测模型；
14、（3）预测输出：将需要测试的湿式离合器带排转矩的主要影响因素作为待测输入向量，将待测输入向量经过归一化处理后输入到湿式离合器带排转矩预测模型中，得到初始预测输出向量，对初始预测输出向量经反归一化处理后，得到最终预测输出向量，实现湿式离合器带排转矩预测；其中，所述初始预测输出向量为湿式离合器带排转矩的归一化预测值，所述最终预测输出向量为湿式离合器带排转矩的反归一化预测值。
15、进一步的，所述pso-bp神经网络模型的算法流程为：
16、（1）输入湿式离合器带排转矩测量试验台收集到的样本数据；
17、（2）建立bp神经网络结构并进行初始化；
18、（3）初始化粒子群的位置和速度，计算适应度值，得到当前种群的个体极值和全局极值；
19、（4）迭代寻优，使每个粒子根据个体极值和全局极值不断调整自己的速度和位置，从而得到bp神经网络权值和阈值的最优值；
20、（5）pso优化后的bp神经网格根据输入信号、权值和阈值进行对输出信号进行迭代计算，直至达到最小误差精度或迭代最大次数，得到最终结果。
21、与现有技术相比，本专利技术的有益效果在于：
22、本专利技术提出了一种结合传统湿式离合器带排转矩模型和粒子群优化反向传播(pso-bp)神经网络的混合模型，根据离合器运行工况参数和设计参数快速预测空载湿式离合器宽速范围带排转矩，并通过大量试验数据提高了模型预测精度。
23、1、应用本专利技术的湿式离合器带排转矩预测方法，可以准确预测高转速下湿式离合器带排转矩的回升变化，预测结果相较于传统模型更加准确。
24、2、相较于传统带排转矩机理模型，本专利技术的混合预测模型有更高的计算效率和更优异的稳定性。
本文档来自技高网...【技术保护点】
1.一种汽车湿式双离合器空载状态下带排转矩的预测方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的汽车湿式双离合器空载状态下带排转矩的预测方法，其特征在于：所述步骤S1的带排转矩的计算表达式：
3.根据权利要求1所述的汽车湿式双离合器空载状态下带排转矩的预测方法，其特征在于：所述步骤S2的具体操作如下：
4.根据权利要求3所述的汽车湿式双离合器空载状态下带排转矩的预测方法，其特征在于：所述PSO-BP神经网络模型的算法流程为：
【技术特征摘要】
1.一种汽车湿式双离合器空载状态下带排转矩的预测方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的汽车湿式双离合器空载状态下带排转矩的预测方法，其特征在于：所述步骤s1的带排转矩的计算表达式：
3.根据权利...
【专利技术属性】
技术研发人员：张琳，薛冒，周浩雨，严运兵，邹俊逸，刘晟，崔霄阳，
申请(专利权)人：武汉科技大学，
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。