算法分析
基于动态数据的汽车
动力系统的多目标优化算法研究
刘朔
(武汉轻工大学数学与计算机学院湖北武汉430063)
热字执本与成用
摘要:汽车动力系统在运行的过程中会产生大量的动态数据，如何通过数据据算法提取历史数据中的模式，并利用面向丧入式控制器的并行算法在线快寻找最优的策略是其研究的热点。同时，动力系统应该满足动力充沛、行驶舒适、经济省油等要求，是一个多目标优化问间题。本文设计一种算法,利用动态数据离线求取切模系统面向不同给定与外界干抗时的最住切换律,同时满足舒适性与经济性指标的模档规律。
关键词动态数据多目标优化汽车动力系统
中图分类号：TP751
文献标识码：A
文章编号:1007-9416(2014)02-0124-01
近年来，随着科学技术特别是信息技术的飞速发展，生产生活中需要控制对象越来越多也越来越复杂。面对于许多复杂的控制对象，采用传统的方法(即依据物理化学机理建立精确数学模型，并基于此模型进行控制与优化已变得越来越围难，另一方面随着信息采集、存储和处理技术的普及，被控的复杂对象在不停地产生并储存着大量的过程状态数据，这些数据客观地反映着系统运行中的各种信息。如何有效利用大量的在线数据和其它知识，在难于建立机理模型的条件下实现复杂对象的优化控制，已成为十分重要的热点研究问题。
1基于动态数据的汽车动力系统研究的创新点和难点
针对传统换挡控制算法未能充分利用系统中丰富数据资源的缺点，提出了汽车动力系统中基于动态数据、面向嵌人式控制平台的驾驶员意图、路面环境模式识别和发动机建模方法。针对传统算法不能充分利用历史优化结果的不足，提出了目标函数变动时采用基于数据挖据的高效二次寻优的算法，为该算法在最人式汽车动力系统控制器上实现提供了保证。
但是，在研究中，如何在模型不确知的情况下，基于数据设计汽车动力系统连续部分的校正环节，使整个切换系统在尽可能多的切换率下保持稳定。如何从换档序列的历史优化结果数据中挖掘有用信息，作为动力系统面临新情况下二次导优的借鉴，在此基础上设计快速多目标优化算法。
2基于动态数据的汽车动力系统的研究问题
从汽车动力系统传统控制方法中丰富的数据与有限的优化控制手段之间的矛盾人手，提出了新型动力系统结构和基于动态数据的优化控制方法，始终抓住汽车动力系统的切换性、给定与干扰的随机性、发动机环节的非线性、优化间题的多目标性等特点，并运用模式识别、神经网络、切换系统理论与多目标优化算法加以分析解决；采用理论分析、仿真计算、模拟演示与台架实验有机结合的研究方法。
(1)基于同步自动换档的汽车新型动力系统结构：将驾驶员动作通过识别抽象为加速度指令，并通过发动机节气门与变速器的综合控制实现驾驶员的加减速意图。节气门由行车电脑直接控制，因而突破了传统换档控制中“只能通过换挡施加控制作用"的约束，增加广优化的手段，变速器采用自动同步机械式换挡机构，此机构以传统机械式变速器为基础，在换挡过程中通过对发动机的控制实现变速箱齿轮之间先同步、后换档。由于换档时刻传动链中没有液力变矩器、离合器等环节，其系统模型相对简单，使于建模与控制。
(2)基于动态数据的汽车动力系统状态识别：随着汽车传感器与车载总线的发展，汽车动力系统相关数据的采集已经比较容易实现，各个车轮的解时转速、发动机节气门开度、飞轮转速、瞬时油耗
124
等数据采集在不增加额外设备的情况下即可实现，为动力系统状态识别提供了信息量的保证。发动机可以结合数据挖掘善于发现未知信息的特点与神经网络强大的非线性系统辨识能力进行建模。神经网络具有高度的自学习、自组织和自适应能力，加上神经网络自身的非线性，通过学习和训练系统的输入输出数据就可获取网络的权值和结构，从而得出隐含在系统输人/输出数据中的关系。建立以节气门开度和发动机转速作为输人、发动机输出转矩和单位时间油耗作为输出的神经网络，首先利用发动机稳态特性曲线进行离线训练，将其结果作为神经网络初始权值，再根据实际工作时的数据利用神经网络子学习能力实时修正
(3)切换系统稳定性分析：切换系统稳定性的研究主要集中在三个问题：寻找切换系统在任意切换规律下均渐进稳定的条件，切换系统在某个（些特定的切换律下渐进稳定的验证，构造切换律使切换系统在此切换律下渐进稳定。在通过在线辨识获得发动机环节模型的基础上，我们将从上述三个方面，采用公共Lyapunov函数法，多 Lyaunov函数法、驻留时间法等方法来研究汽车动力系统的稳定性。并进一步设计校正环节，使系统在尽可能多的切换率下保持稳定。
(4)基于数据的多目标优化：在保证整个搜索空间上系统稳定性的基础上，采用多目标粒子群优化算法(Multiple ObjectiveParticle SwarmOptimization，MOPSO)对换档序列进行寻优，该算法由于采用基于领域的搜索机制，无需采用其它辅助措施就能很好的保证种群的多样性，所以MOPSO算法中无论选择压力如何，该算法都可以较好的保证多样性。MOPSO算法中收效性由邻居的规模大小来控制，该参数越大算法的收敛越快，并不影响种群的多样性，整个搜索更新过程是跟随当前最优解的过程，这是一种单向的信息流动，因而所有粒子有可能更快的收敏于最优解。优化的目标函数包括舒适性指标(一次加速过程中各次换档前后瞬间车辆织向加速度跳变值
之和)与燃油经济性指标(一次加速过程中消耗的燃油总量) 3结语
随着我国汽车电子与整车生产行业的高速发展，虽然针对汽车生产各个环节的研究都取得了一些进步，但是一些核心技术的研究还存在着明显的不足，特别是以自动变速器为代表的汽车动力系统优化控制技术取待进步。基于动态数据实现对汽车新型动力系统的多目标优化控制，提升汽车的整体舒适性与燃油经济性，对我国自
主产权汽车动力系统的研究具有重要意义。参考文献
[1吴锋，贾赁润，姚栋伟，杨志家.电控汽油机点火提前角多目标优化方法研究[J].内燃机工程,2008,29(1):24-28.
[2]杨志.汽车自动变速系统智能控制方法研究[D].重庆大学：博士学位论文.2003.