濕式雙離合器自動變速器起步控制策略綜述

曹珊 馬巖 寧甲奎 曹龍

（中國第一汽車股份有限公司 智能網聯開發院 長春 130013）

主題詞：濕式離合器 DCT 起步控制 模糊控制

1 引言

雙離合器式自動變速器（DCT）是一種新型變速器，起步技術是DCT開發過程中關鍵技術之一。

車輛起步控制是變速器最基本的控制技術，主要是根據路況和駕駛員意圖，控制離合器接合過程，使車輛按駕駛員意圖起動。同時兼顧舒適性、快捷性，保證離合器的使用壽命。

本文深入挖掘了國際上汽車科技文獻，對目前濕式雙離合器起步控制策略進行了總結、論述，并對各個控制策略進行分析比較。

2 DCT起步控制策略

起步控制策略的目標是在滿足駕駛員意圖、發動機運行狀態、離合器壽命等前提下，使起步性能達到最佳。而對起步性能影響最大的是離合器接合品質，離合器接合品質的主要評價指標是沖擊度和滑摩功。起步控制策略就是使這兩個相互矛盾的評價指標達到平衡，提高車輛的起步品質。國內外對于離合器在起步過程中的自動控制領域，已經進行了廣泛深入的研究[1]。

2.1 建模技術

通過研究離合器的動力學模型、狀態空間模型并對其進行仿真，對離合器的穩態和瞬態特性進行分析等，為起步控制策略的研究奠定基礎。

文獻[2-10]對雙離合器變速器（DCT）的工作原理及執行機構的工作過程進行分析，建立濕式離合器退化嚙合動力學模型，包括濕式離合器執行器的詳細動力學模型和換擋動力學模型。

文獻[11-12]對現有動力學模型根據實際情況進行整合調整。文獻[11]由于雙離合器在行駛時會改變其傳動性能，根據在起動過程中的扭矩傳輸的變化相應地調整了離合器控制系統的動力學模型。文獻[12]確定溫度演化的動力學模型，并將其與影響扭矩的機械部件特性聯系起來。在扭矩傳遞率模型中使用離合器溫度估計，補償離合器扭矩對溫度和滑動速度的依賴性。

文獻[13]利用發動機模型、駕駛員模型、DCT模型、變速器控制模塊模型和車輛模型，建立了車輛仿真模型，并進行了仿真。結果表明，所建立的模型能夠正確反映換檔時的扭矩和速度變化，并能正確地實現換檔時的扭矩和速度變化

文獻[14-16]建立濕式離合器的動力學模型，用于分析和比較離合器在不同工作模式下的穩態和瞬態特性。

2.2 現代控制技術

濕式DCT起步控制策略不僅僅要考慮駕駛員的駕駛意圖，還有考慮發動機運行狀態、離合器的使用壽命、起步平順性和快捷性等多方面的要求。在離合器起步控制中應用基于約束條件的最優算法及最優控制，能夠找到比較滿意的綜合最優解。

文獻[17-21]采用線性二次型最優控制的方法，文獻[7,17-18]考慮滑摩功和沖擊度兩項性能指標，較好的解決DCT起步過程中離合器壓力控制問題，通過控制離合器壓力達到最優接合速度。文獻[19-20]將沖擊度轉換為最優控制約束條件之一，以滑摩功最小為目標，實現離合器最優起步控制。文獻[21]對濕式離合器基于兩級約束的最優控制。文獻[22]是以曲軸轉速和離合器片轉速為狀態變量，采用線性二次型方法設計了反饋控制器。控制器保證快速接合、最小滑動損失和舒適性。

文獻[23-24]根據發動機的輸出扭矩、離合器的傳遞扭矩、離合器的滑差率以及車輛阻力矩建立滑模控制器，控制輸出離合器控制油壓。實現DCT車輛平穩起步，并且提高離合器壽命。

文獻[25]利用預測控制和遺傳算法，在線對發動機轉速和車輛速度的目標跟蹤曲線進行了優化設計，并設計了起動滑模變結構協調控制策略來跟蹤這些曲線。仿真結果表明，所設計的協調控制器不僅體現了駕駛員的意圖，有效地提高轎車的起動性能，而且在車輛參數變化時具有很強的魯棒性。

文獻[26]考慮起步及換擋中發動機扭矩波動及油門踏板抖動等不確定因素，基于Riccati不等式設計H∞魯棒控制器，探討離合器最優傳遞扭矩的求解問題。H∞魯棒控制顯著改善離合器控制的魯棒性能。

2.3 智能控制技術

車輛起步過程中，離合器控制問題具有非線性、時變性、強耦合與難于建模的特征，并且存在駕駛員意圖、車況、路況的多變性。模糊控制、神經網絡、遺傳算法等智能控制技術被用于離合器的起步控制策略中。

文獻[27-28]為通過模糊控制器控制離合器接合。文獻[27]以提高汽車起步品質和減少起步離合器片磨損為原則，設計駕駛員意圖模糊控制器和滑轉率閾值模糊控制器，控制兩個離合器分離、接合時刻與速度。有效的提高了車輛起步品質。文獻[28]以駕駛員意圖和離合器主從動盤的轉速差、發動機實際轉速和目標轉速的差值為輸入設計模糊控制器，控制兩個離合器的接合速度。仿真結果表明，控制方法能實現離合器快速平穩起步。

文獻[29]針對雙離合器變速器（DCT）在起動過程的問題，提出了一種基于最小原理的最優控制方法。以最小的沖擊強度和摩擦功為優化指標，獲得最佳的離合器和發動機扭矩及其轉速。仿真結果表明，所提出的離合器起動控制策略不僅降低了沖擊度和滑摩功損耗，而且遵循了駕駛員不同的起動意圖。

文獻[30-31]鑒于模糊控制沒有自學習功能，引進具有自學習功能的神經網絡，設計模糊神經網絡的起步控制策略。仿真結果表明，該控制策略的起步性能指標，如起步時間、滑摩功、沖擊度等均得到優化，且該控制策略具有較強的自適應能力。

文獻[32-33]基于實現對離合器壓力精確控制，制定實現離合器起步的模糊智能控制策略。分別以蟻群算法和神經網絡優化模糊控制器參數設計離合器壓力智能控制系統，實現離合器壓力精確控制。

文獻[34]針對起步工況以及車輛本身動力學特性的復雜性，設計了基于魯棒模糊神經網絡的起步滑摩過程的魯棒自適應控制器。仿真結果表明，該控制器具有更好的跟蹤效果。

文獻[35-36]針對模糊控制技術中模糊規則冗余致使控制系統復雜性增加的問題，提出基于粒子群優化的模糊控制方法。仿真結果表明，該方法減少起步模糊規則的數量，提高控制的實時性，滿足車輛起步平穩、快捷的要求。

3 結論

由于DCT車輛起步滑摩功和沖擊度使兩個相互矛盾的性能指標，引進最優控制方法。其中線性二次型最優控制的方法是最常用的方法。車輛起步工況復雜多變，很難建立完全精準的動力學模型。最優控制需要精確的傳動系統動力學模型，而且車輛起步時離合器傳動系參數時動態變化的，路面、載荷、擋位也是變化的，使最優控制很難達到最佳。

包括模糊控制在內的智能控制對難以建立數學模型、非線性和大滯后的控制對象，具有很好的適應性，適用于離合器起步控制領域。但是在車輛起步多參數的情況下，模糊控制參數優化很難做到全局最優。而且模糊控制還不具有自學習能力和自適應功能。引進神經網絡、粒計算、遺傳算法等優化參數，提高控制器的自適應性，提升車輛起步品質。

在使用模糊控制模擬優秀的駕駛員操作的基礎上，應用神經網絡、粒計算、遺傳算法（文獻[37]）優化控制參數，提升控制的實時性和學習能力。基于神經網絡及遺傳算法的模糊控制系統，不僅能夠模擬人類的邏輯推理，還具備很好的學習和自適應能力，尤其基于遺傳算法的模糊控制已應用于直升機飛行控制、智能機器人等對智能化要求高的復雜控制領域（文獻[38-42]）。基于神經網絡、遺傳算法的模糊控制策略對于離合器起步的控制領域具有良好的應用前景。