輪式工程車輛防滑差速系統的數值模擬研究

【摘 要】本文概括了汽車常用防滑差速系統的主要形式，并在此基礎上分析了汽車差速器的結構類型以及相應的特點，并給出了衡量防滑差速器性能的技術指標。最后以防滑差速器的數值模擬為背景，通過力學分析模型為基礎，通過簡化分析后利用MATLAB中的SIMULINK工具來進行ＢＰ神經網絡訓練和分析。

【關鍵詞】防滑差速系統；輪式機械；ＢＰ神經網絡

0.概述

汽車上使用的防滑差速系統主要有三種形式：主動控制式、轉矩感應式和轉速感應式。在實踐中防滑差速系統在提高汽車安全性能方面起到了很重要的作用，也逐漸成為一個重點研究的領域。國外汽車公司在防滑差速器方面的研究比較早，經過幾十年的發展逐步形成了以TCS防滑差速系統為代表的電子控制系統，在多種高中檔轎車上都得到了普遍的應用。相比之下國內的防滑差速系統的研究起步晚，受到總體汽車發展水平的限制，在這個方面更多的研究注重于邏輯控制方面，但還缺乏比較成熟的市場化產品。要提高我國汽車設計生產的水平，提高汽車防滑差速系統設計水平是必由之路。

1.汽車差速器的結構類型和特點

差速器的結構類型取決于車輛的具體類型和工作條件。從功能上分，差速器可分為普通對稱式圓錐行星齒輪差速器和防滑差速器兩大類，其中防滑差速器又可以分為自鎖式差速器和強制鎖止式差速器兩類，如果要細分還可以劃分出更多的類型。在本文中針對輪式工程機械的防滑設計，因此在本節中對防滑差速器的設計來展開討論。這里對幾種常見的防滑差速器類型進行概述，將其作為后續研究的重要參考。常用防滑差速器的類型和特點為：（1）強制鎖止式，強制鎖止式差速器的使用需要和差速鎖配合，結構比較簡單，但操作不方便，有可能因為差速鎖摘鎖時間不當而導致左右車輪剛性連接；（2）摩擦片式自鎖差速器摩擦片式自鎖差速器通過產生內摩擦力矩來實現轉矩的重新分配，從而能夠改善汽車在經過惡劣路段時的平衡能力。這類差速器的缺點也比較明顯，主要表現在于其工作方式會增加摩擦片的磨損，油耗量也相對較大；（3）滑塊凸輪式差速器，滑塊凸輪式差速器是一種高摩擦自鎖差速器，其結構緊湊、質量小。但其結構較復雜，其零件材料、機械加工等方面均有較高的技術要求，摩擦件的磨損較大；（4）托森差速器，托森差速器又稱蝸輪-蝸桿式差速器，其結構簡潔、性能優異，在中央軸間差速器和后驅動橋的輪間差速器上應用最為廣泛，但由于在轉速轉矩差較大時有自動鎖止作用，通常不用作轉向驅動橋的輪間差速器。

2.防滑差速器的性能評價指標

不同的場合使用場合對防滑差速器的要求不同，因此需要按照一定的標準來對防滑差速器的性能進行評定。一般來說，有4類參數：①旋轉較快的半軸齒輪上的轉矩；②旋轉較慢的半軸齒輪上的轉矩；③差速器殼上的轉矩；④差速器元件在相對運動時所產生的摩擦力矩。上述四類因素中，以旋轉較慢的半軸齒輪上的轉矩和旋轉較快的半軸齒輪上的轉矩的比值來衡量汽車兩側驅動輪之間的轉矩差異（鎖緊系數）。鎖緊系數是衡量防滑差速器性能的關鍵指標，因此對輪式車輛防滑差速器的設計主要就是針對鎖緊系數的調整，從而達到操作性、穩定性以及磨損等方面的平衡。本文中將采用優化方法和智能控制理論來調整鎖緊系數來完成防滑差速系統的設計。

3.防滑差速系統的建模

3.1力學分析模型

輪式工程車輛一般都是四輪驅動，因此在建模時采用4輪車輛模型，并按動力的不同需求來分配兩軸的輸入功率，通過液壓調整驅動控制系統，從而可構建基于試驗樣本訓練的BP神經網絡差速控制系統。建模時的基本規則如下：（1）打飛輪，當有一個車抽上的內外輪轉速差很大時，應讓模型輸出糾正控制參數，加大輪速差穩定的輸入扭矩；（2）滑移率的控制，滑移率是制動過程中的控制問題，其目的是通過增加前后軸的驅動力矩，減少滑移的比例，這里選取20%滑移率作為閾值，當滑移率超過20%時有控制系統輸出控制參數來進行調整。建模方法采用圖形建模方法，利用MATLAB軟件仿真，主要是利用其中的系統動力學模擬工具箱SIMULINK來完成。

車輛動力學簡化模型為：

aφ-aβ-aλ+aδ=0

bψ+bξ+bλ-bδ+=0

車輛在制動情況下的縱向滑移率為：λ=，其中v，v分別為車輛的縱向速度和輪胎的圓周速度。車輛在制動情況下的橫向滑移率為λ=

tan，其中v為車輛的橫向速度。上述模型中的參數a，b是一組和車速有關的參數，在計算這些系數時分別建立一個子模型，將車速作為輸入，將這些系數作為模型的輸出。在設計時采用防滑差速器和整車系統獨立設置，只要考慮其模型參數即可實現對整車防滑性能的影響程度。

3.2基于MATLAB的BP神經網絡訓練

MATLAB軟件包中已經包含了BP神經網絡的自適應學習算法，在對3.1中的力學模型進行神經網絡訓練時可以直接使用，只需要針對具體問題的特點進行設置即可。具體的MATLAB設置如下：

（1）首先設定網絡各層之間的鏈接權重和閾值，隨機項的數值區間為-1~+1之間的隨機值。

（2）設定初始隨機模式序列，該序列中包含了再一組車體試驗中的車體的知心轉速和轉角等運行數據，用來描述汽車內側車輪和外側車輪的數據。

（3）調用軟件自帶的輸入模式和連接權重以及閾值來計算ＢＰ神經網絡中間層各個神經元的輸入和輸出，其中輸出采用Ｓ型傳遞函數計算。

（4）計算輸出層神經元的輸入值，其計算數據來源于中間層的輸出、連接權重和閾值，進而計算各輸出層神經元的輸出。

（5）調用希望輸出模式和BP神經網絡所計算出的結果之間的一般化誤差。

（6）計算輸出層、中間層各個神經元輸出的一般化誤差。

（7）修正鏈接權重，修正的依據為輸出層的一般化誤差以及中間層中神經元的輸出值。

（8）利用中間層中的神經元一般化誤差計算結果以及輸入來進一步修正鏈接權重和閾值。

（9）隨機設定若干個學習模式讓BP神經網絡進行訓練，直到對所有設定的模式都訓練完成并且滿足了給定的誤差要求后完成訓練。

3.3結果分析

通過上節中的數值分析，得到的基本數據和結論如下。當采用50公里每小時的速度值外加9度的前輪轉向角，得到橫擺角速度瞬態響應峰值反映時間為0.621秒，給差速器的調整量為105.1%，角度值為31.3度。質心側偏角瞬態響應峰值反應時間約為1秒，超調量約為90%，角度為4.32度。為了對比模擬的效果，當采用普通差速器來進行調整時的結果都比模擬結果中的峰值相應時間、超調量以及角度要大，而二者的質心側偏角瞬態響應相比，裝有限滑差速器車輛的響應峰值時間、超調量以及穩態值都較裝有普通差速器車輛略有減小。可以認為限滑差速器加入車輛傳動系后，增加了系統的剛性，而相對降低了系統的阻尼。

傳統的數值分析方式都需要建立在精確數學模型的基礎上，很多實際問題由于影響條件太多而使得建立精確的數學模型幾乎不可能。采用帶有容錯空間和模糊信息的BP神經網絡方法是分析這類問題的有效手段。為了提高模擬分析的精度，可進一步采用更為精確的數學模型，配合BP神經網絡方法來進行。

【參考文獻】

［１］趙健.四輪驅動汽車 TCS 制動壓力調節裝置及附著系數分離路面控制方法的研究[J].吉林大學碩士學位論文.

［２］鄧陽慶.車用粘性式限滑差速器建模仿真與臺架試驗研究[M].吉林大學車輛工程專業.

［３］張玲.模糊模型參考自學習 ABS 控制系統[M].上海交通大學儀器工程系慣性技術及導航設備專業.

［４］李君，喻凡，張建武.基于道路自動識別 ABS 模糊控制系統的研究[J].農業機械學報，2011，(32-5):26-29.