基于T-S模糊神经网络自动换挡策略研究

论文摘要

为了改善车辆动力性、提高燃油经济性、减小车辆的冲击度以及提高乘坐的舒适性,将T-S模糊神经网络应用到自动换挡上,以车速和油门开度作为T-S模糊神经网络的2个输入参数。首先选取训练样本,通过对样本进行训练得到准确的T-S模糊神经网络控制模型,然后在matlab/simulink中搭建仿真模型。在先加速后减速的工况下仿真,仿真结果表明车辆换挡点误差在2%以内,证明了T-S模糊神经网络应用在自动换挡上的可行性,以及较强的鲁棒性。

论文目录

• 0 引言
• 1 T-S模糊神经网络换挡原理
• 2 建立T-S模糊神经网络模型
•   2.1 T-S模糊神经网络结构
•   2.2 学习与训练算法
• 3 仿真与结果
•   3.1 仿真过程
•     3.1.1 数据采集
•     3.1.2 训练模型
•     3.1.3 搭建仿真模型
•   3.2 仿真结果
• 4 结束语

文章来源

类型: 期刊论文

作者: 张小虎,王立勇,唐长亮

关键词: 模糊神经网络,自动换挡,样本训练,换挡规律

来源: 北京信息科技大学学报(自然科学版) 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 汽车工业,自动化技术

单位: 北京信息科技大学机电工程学院,北京信息科技大学现代测控技术教育部重点实验室

基金: 国家自然科学青年基金项目(51605035),北京市教委科技计划重点项目(KZ201611232032)(KM201811232023),北京市优秀人才培养资助(2017000020124G019)

分类号: U463.2;TP183

DOI: 10.16508/j.cnki.11-5866/n.2019.01.005

页码: 23-27

总页数: 5

文件大小: 245K

下载量: 147