時間:2024-01-18來源:科技創(chuàng)新與應用
某試驗用車進行路試時,出現(xiàn)換擋不平順及有頓挫的感覺,為解決該問題,針對兩參數(shù)自動變速器(AMT)換擋規(guī)律,采用 AVL Cruise 軟件建模并選取 Cruise 自帶的新歐洲工況路譜(NEDC)進行仿真,得出變速箱原始換擋規(guī)律曲線,然后針對 AMT 換擋規(guī)律進行優(yōu)化,將優(yōu)化后的數(shù)據(jù)導入控制器并生成新的換擋規(guī)律曲線,較之前的換擋規(guī)律更加平順。實踐證明,采用新的換擋規(guī)律參數(shù)來控制換擋,汽車加速更加順暢并能減少油耗。
換擋規(guī)律主要是針對換擋參數(shù)物理變量如何選取及如何優(yōu)化合理傳動比,使發(fā)動機輸出的轉矩最大限度地通過離合器及變速箱傳動比分配給后橋及車輪。獲取其傳動比數(shù)據(jù)對車輛平穩(wěn)順暢換擋,提高燃油效率及車輛舒適性具有重要意義。
控制參數(shù)的多少對車輛換擋有指導性,如單參數(shù)換擋規(guī)律通??梢赃x取油門開度、發(fā)動機轉速及車速等中的一個作為控制變量,車速可根據(jù)后文(3)式中公式積分求得,其控制系統(tǒng)結構相對簡單,但道路條件不好時需要頻繁換擋;兩參數(shù)換擋規(guī)律一般以車速和油門開度作為控制參數(shù);相較于兩參數(shù)換擋規(guī)律,三參數(shù)換擋規(guī)律在其基礎上引入了車輛加速度,進一步反映了車輛的實際操縱規(guī)律,但由于車輛在行駛中很多時間處于非穩(wěn)定狀態(tài),如車輛的起步、加速過程等,由于安裝加速度傳感器增加了成本且不利于控制,因此沒大范圍推廣使用。兩參數(shù)換擋規(guī)律介于以上兩者之間,既能滿足要求又能控制成本,因此本文以兩參數(shù)為基礎,采用Cruise GSP 模塊對汽車 AMT 換擋規(guī)律進行分析,并結合相應工況進行優(yōu)化,來提高車輛的燃油消耗率及排放性。
一、汽車系統(tǒng)模型建立
整車建模參數(shù)
仿真車輛整車建模參數(shù)見表 1。
Cruise 整車模型建立
Cruise 軟件由奧地利李斯特公司研發(fā),其良好的部件參數(shù)設置界面,為傳統(tǒng)汽車、新能源汽車建模與仿真提供了方便,也對新車型的開發(fā)提供了指導。為研究 AMT 的兩參數(shù)換擋規(guī)律,選用 Cruise 內(nèi)置的換擋規(guī)律生成功能及優(yōu)化模塊——GSP Generation/Optimiza- tion.,可根據(jù)用戶自定義的邊界條對換擋進行控制和優(yōu)化。在 Cruise 中建立的 AMT 模型如圖 1 所示。
換擋規(guī)律生成
換擋原理:傳動系統(tǒng)的合理匹配及相關參數(shù)的選取直接決定車輛動力性與經(jīng)濟性的好壞。制定換擋規(guī)律就是為了求得在最佳油耗下某相鄰兩檔位換擋點的速度 ν,根據(jù) ν 即可得到發(fā)動機特性下的油門開度 a,由(a,ν)計算出動力總成功率及發(fā)動機轉矩,但由于換擋的延遲性,計算出的數(shù)據(jù)只能無線逼近理想特性曲線。因此根據(jù)加速度特性進行經(jīng)濟性換擋規(guī)律制定,輸入整車各部件的參數(shù)之后,在 GSP 模塊的子目錄下進行換擋參數(shù)設置,并在 cycle run 下設置循環(huán)工況條件。圖 2 為相鄰檔位間車速與節(jié)氣門開度關系,用于指導換擋參數(shù)設置。
為了生成換擋規(guī)律,需首先獲得車輛加速度曲線。速度阻力是車輛加速時必須克服的慣性力,根據(jù)牛頓第二定律,加速度阻力使車輛產(chǎn)生線加速度。
而總的驅動力
因此,整車及加速度為
式中:a 為整車加速度,F(xiàn)te 為牽引力,F(xiàn)rr 為滾動阻尼,F(xiàn)rg 為坡道阻尼,F(xiàn)ad 為空氣阻力,Mν 為整車質量。根據(jù)公式得到整車加速度曲線及換擋時序曲線,圖 3 為不同節(jié)氣門開度下整車加速度曲線。
由 AVL Cruise 軟件仿真得到的換擋規(guī)律如圖 4 所示。
二、汽車傳動系統(tǒng)仿真分析
傳動系統(tǒng)優(yōu)化流程
因汽車通常是根據(jù)某一循環(huán)工況行駛的,因此很有必要研究汽車換擋規(guī)律在某一循環(huán)工況內(nèi)對汽車傳動系統(tǒng)狀態(tài)有何影響。Cruise 的 GSP 模塊是基于 Cruise 環(huán)境中搭建的車輛模型,主要設置兩大參數(shù),一個是固定任務里的不同檔位下發(fā)動機在 1 000 轉時的車速、踏板采樣點等。另一個為優(yōu)化參數(shù)設置,燃油排放上限、循環(huán)工況等設置。根據(jù)這些設置,考慮檔位、油門開度、踏板等參數(shù),并在所給工況條件下運行,得出優(yōu)化數(shù)據(jù),如工況優(yōu)化、K 曲線優(yōu)化、節(jié)氣門開度優(yōu)化等,進而得出燃油經(jīng)濟性能和排放性能的平衡曲線,如圖 5 所示。
根據(jù) Cruise 優(yōu)化流程,現(xiàn)對汽車換擋規(guī)律優(yōu)化流程進行簡要描述:GSP 模塊讀取設置的發(fā)動機轉速數(shù)據(jù)與車速,然后擬合出發(fā)動機 map 圖,再根據(jù)設置的排放上限值和循環(huán)工況數(shù)據(jù)進行運行,來計算汽車燃油性和排放性,軟件根據(jù)時間車速工況來計算相應工況下的功率,計算出不同的 K 因子后,得到相應的傳動系統(tǒng)狀態(tài),燃油經(jīng)濟性能和排放性能的平衡曲線。任務結束后,根據(jù) GSP 生成的報告,即可查看不同擋位的工作情況、燃油消耗、尾氣排放、循環(huán)工況敏感性分析等數(shù)據(jù)。
在 GSP Optimization 中,Cruise 是通過 K -Factor 來實現(xiàn)給定的循環(huán)工況對燃油消耗量和 NOx 的排放進行平衡計算。最優(yōu)K-因子的定義如下式
Optimum=(l-K)×Consumption+K×Emission,(4)
式中:Optimum 為最優(yōu),Consumption 為燃油消耗量,Emission 為尾氣的排放量。
傳動系優(yōu)化結果
1)圖 6 為 K 因子曲線與尾氣排放的疊加圖,根據(jù)發(fā)動機設計的排放標準,綜合考慮 NEDC 工況和計算精度,計算得出 NEDC 循環(huán)工況下該車結果,K 最優(yōu)值可取為 0.7(K 的取值與設置的尾氣排放量有關),消耗燃油 5.35 L/100 km;氮氧化物排放 0.299 g/km。表 2 為 NEDC 循環(huán)工況換擋規(guī)律優(yōu)化前后運行油耗對比,由圖 4 與圖 7 比較,將優(yōu)化后的換擋參數(shù)輸入到控制器后重新調校后,優(yōu)化后的換擋規(guī)律曲線較之前平順不少,重新進行路試時換擋更加平順穩(wěn)定,換擋時的頓足感明顯減輕,燃油消耗和尾氣排放也相應減少。
2)軟件根據(jù)節(jié)氣門位置傳感器來測量駕駛員踩下加速踏板的程度,ECU 根據(jù)該信息來調整換擋規(guī)律、管路油壓、換擋感覺和變矩鎖止離合器的控制,通過調整 K 因子曲線,車速節(jié)氣門開度曲線及換擋曲線得到兩者疊加圖(圖 8),由采用疊加重合區(qū)域的數(shù)據(jù)進行整合,通過此方法能快速優(yōu)化給定工況下的換擋規(guī)律,有利于車輛的開發(fā)。
三、結論
1)采用 Cruise 優(yōu)化模塊,選取換擋參數(shù),生成最佳經(jīng)濟性換擋規(guī)律。并根據(jù) NEDC 工況,對換擋規(guī)律數(shù)據(jù)進行優(yōu)化整合,用整合后的數(shù)據(jù)生成新的換擋曲線,并再次對整車實際路況測試,事實證明,采用再次生成的換擋曲線進行換擋指導能提高整車性能。
2)本文較為深入地研究了改裝電動車的 AMT 換擋規(guī)律,取得一定成績,但主要還是基于理論研究來對換擋規(guī)律進行研究與制定,因此還需要在實際使用中不斷地修改和調整變速箱的標定數(shù)據(jù)。另外針對我國的道路情況與 NEDC 工況的差異性,有必要采集相應的路譜數(shù)據(jù),導入 Cruise 中,用于檢測優(yōu)化后的換擋規(guī)律。
參考文獻略.
上一篇:齒輪嚙合間隙常用測量方法
下一篇:某機齒輪齒面磨削缺陷技術研究
免責聲明:凡注明(來源:齒輪頭條網(wǎng))的所有文字、圖片、音視和視頻文件,版權均為齒輪頭條網(wǎng)(www.19dnf.cn)獨家所有,如需轉載請與本網(wǎng)聯(lián)系。任何機構或個人轉載使用時須注明來源“齒輪頭條網(wǎng)”,違反者本網(wǎng)將追究其法律責任。本網(wǎng)轉載并注明其他來源的稿件,均來自互聯(lián)網(wǎng)或業(yè)內(nèi)投稿人士,版權屬于原版權人。轉載請保留稿件來源及作者,禁止擅自篡改,違者自負版權法律責任。
相關資訊
產(chǎn)品新聞
更多>2024-11-26
2024-11-25
商用車新能源產(chǎn)品又一力作 萬里揚2PS60試制成
2024-11-22
2024-11-21
2024-11-19
推薦專題
更多>