基于混合粒子群算法的双离合变速器参数优化设计

doi:10.13229/j.cnki.jdxbgxb20190539

摘要/Abstract

摘要：

基于混合粒子群算法，提出了一种针对轴间混合动力汽车双离合变速器参数的优化设计方法。将增强型粒子群算法和混沌局部搜索粒子群算法组合成混合粒子群算法，采用当量油耗最小值策略，对双离合变速器最小传动比和偏置速比进行优化。应用AMESim-Simulink联合仿真平台进行优化过程中油耗仿真，其中AMESim被应用于混合动力汽车整车模型搭建，MATLAB/Simulink被应用于控制策略和优化算法模型搭建。仿真结果表明:优化后的传动系统参数在保证动力需求的基础上油耗降低2.04%，具有更好的燃油经济性。

关键词: 车辆工程, 混合动力汽车, 双离合变速器, 混合粒子群算法, 参数优化

Abstract:

Based on Hybrid Particle Swarm Optimization(HPSO), a parameter optimization method is proposed for a Dual Clutch Transmission(DCT) of a multi-mode axle-split Hybrid Electric Vehicle (HEV). Combining the enhanced Particle Swarm Optimization(PSO) and chaotic local search PSO, the HPSO algorithm is proposed to optimize the minimum transmission ratio and partial geometric progression gear ratio of DCT by adopting the equivalent consumption minimization strategy. The optimization is based on a co-simulation platform, in which, the HEV is modeled in AMESim and the control/optimization algorithms are programmed in MATLAB/Simulink. The simulation results show that the optimized transmission parameters can reduce fuel consumption by 2.04%, not only ensuring the dynamic demand, but also having good fuel economic performance.

Key words: vehicle engineering, hybrid electric vehicle, dual clutch transmission, hybrid particle swarm optimization, parametric optimization

中图分类号:

U463.2

杜常清,曹锡良,何彪,任卫群. 基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报(工学版), 2020, 50(5): 1556-1564.

Chang-qing DU,Xi-liang CAO,Biao HE,Wei-qun REN. Parameters optimization of dual clutch transmission based on hybrid particle swarm optimization[J]. Journal of Jilin University(Engineering and Technology Edition), 2020, 50(5): 1556-1564.

图/表 13

图1

表1

图2

表2

DCT速比选择综合分析"

挡位	限制因素	总速比要求
1挡	最大爬坡度≥30%	$i g 1 ≥ 11.36$
	最低稳定车速要求	$i g 1 ≤ 17.74$
	道路附着条件	$i g 1 ≤ 17.34$
6挡	发动机单独驱动时动力性要求	$i g 6 ≥ 2.36$
1~6挡	偏置速比	$1 ≤ Q ≤ 1.15$

表2

图3

图4

图5

图6

图7

图8

图9

图10

表3

优化前、后结果对比"

项	优化前	优化后
$i g 1$	17.11	17.34
$i g 2$	9.69	9.55
$i g 3$	6.15	5.88
$i g 4$	4.27	4.04
$i g 5$	3.25	3.1
$i g 6$	2.68	2.66
Q	-	1.117
0~100 km/h加速时间/s	7.594	7.600
百公里油耗值/L	6.3383	6.2089

表3

参考文献 18

1	余捷, 姚立纲, 闫晓磊, 等. 一种变速器参数优化匹配方法研究[J]. 福州大学学报：自然科学版, 2017, 45（5）: 687-691．
	Yu Jie, Yao Li-gang, Yan Xiao-lei, et al. Research on a novel method for transmission parameters optimal matching[J]. Journal of Fuzhou University(Natural Science Edition), 2017, 45(5): 687-691.
2	尹安东, 赵韩, 杨亚娟, 等. 多目标遗传算法的混合动力传动系参数优化[J]. 中国机械工程, 2013, 24（4）: 552-556．
	Yin An-dong, Zhao Han, Yang Ya-juan, et al. Parametric optimization of hybrid powertrain based on Multi-objective genetic algorithm[J]. China Mechanical Engineering, 2013, 24(4): 552-556.
3	靖阳. 小型汽车机械式变速器的设计与仿真分析[D]. 武汉：武汉理工大学汽车工程学院, 2014．
	Jing Yang. The design and optimization of small car mechanical transmission[D]. Wuhan: School of Automotive Engineering, Wuhan University of Technology, 2014.
4	宋丰源, 刘心文, 吴贵新. 一种汽车变速器传动比优化方法及装置[P]. 中国: CN201610220039.3, 2016-04-11．
5	Walker P D, Abdul R S, Zhu B, et al. Modelling, simulations, and optimisation of electric vehicles for analysis of transmission ratio selection[J]. Advances in Mechanical Engineering, 2013(5): 1-13.
6	周兵, 江清华, 杨易. 两挡变速器纯电动汽车动力性经济性双目标的传动比优化[J]. 汽车工程, 2011, 33（9）: 792-797, 828．
	Zhou Bing, Jiang Qing-hua, Yang Yi. Transmission ratio optimization with dual objectives of power performance and economy for a two-speed electric vehicle[J]. Automotive Engineering, 2011, 33(9): 792-797, 828.
7	Ye S, Qiang S, Habibi S. Dynamic optimization method for speed ratio of electric vehicle with two-speed transmission system[C]∥Power & Renewable Energy,Shanghai， 2017: 530-536.
8	余志生. 汽车理论[M]. 5版. 北京：机械工业出版社, 2009．
9	盛继新, 张邦基, 朱波, 等. 两挡纯电动汽车传动系统参数优化和试验对比[J]. 中国机械工程, 2019, 30（7）: 763-770, 77．
	Sheng Ji-xin, Zhang Bang-ji, Zhu Bo, et al. Parameter optimization and experimental comparison of two-speed pure electric vehicle transmission systems[J]. China Mechanical Engineering, 2019, 30(7): 763-770, 77.
10	李晏, 李炎, 陈辛波, 等. 双离合器变速器速比的设计计算与分析[J]. 机械传动, 2011, 35（12）: 42-45．
	Li Yan, Li Yan, Chen Xin-bo, et al. Design calculation and analysis of dual clutch transmission gear ratio[J]. Journal of Mechanical Transmission, 2011, 35(12): 42-45.
11	韩鹏, 程秀生, 李兴忠, 等. 基于传动系一体化控制的DCT换挡规律研究[J]. 汽车工程, 2015（5）: 538-543．
	Han Peng, Cheng Xiu-sheng, Li Xing-zhong, et al. A study on the shift schedule of DCT based on integrated powertrain control[J]. Automotive Engineering, 2015(5): 538-543.
12	孙亮, 徐海浪, 葛宏伟. 保证全局收敛的随机粒子群新算法[J]. 吉林大学学报: 工学版, 2017, 47（2）: 615-623．
	Sun Liang, Xu Hai-lang, Ge Hong-wei. Novel global convergence stochastic particle swarm optimizers[J]. Journal of Jilin University(Engineering and Technology Edition), 2017, 47(2): 615-623.
13	谭跃, 谭冠政, 邓曙光. 基于遗传交叉和多混沌策略改进的粒子群优化算法[J]. 计算机应用研究, 2016, 33（12）: 3643-3647．
	Tan Yue, Tan Guan-zheng, Deng Shu-guang. Improved particle swarm optimization algorithm based on genetic crossover and multi-chaotic strategies[J]. Application Research of Computers, 2016, 33(12): 3643-3647.
14	杨景明, 马明明, 车海军, 等. 多目标自适应混沌粒子群优化算法[J]. 控制与决策, 2015, 30（12）: 2168-2174．
	Yang Jing-ming, Ma Ming-ming, Che Hai-jun, et al. Multi-objective adaptive chaotic particle swarm optimization algorithm[J]. Control and Decision, 2015, 30(12): 2168-2174.
15	唐娜. 改进粒子群算法及其应用研究[D]. 合肥：合肥工业大学管理学院, 2016．
	Tang Na. The Research of improved particle swarm optimization algorithm and its applications [D]. Hefei: School of Management, Hefei Polytechnic University, 2016.
16	张静, 刘向东. 混沌粒子群算法优化最小二乘支持向量机的混凝土强度预测[J]. 吉林大学学报: 工学版, 2016, 46（4）: 1097-1102．
	Zhang Jing, Liu Xiang-dong. Prediction of concrete strength based on least square support vector machine optimized by chaotic particle swarm optimization[J]. Journal of Jilin University(Engineering and Technology Edition), 2016, 46(4): 1097-1102.
17	范冬萍. 复杂系统突现论[M]. 北京：人民出版社, 2011．
18	李雪岩, 李雪梅, 李学伟, 等. 基于混沌映射的元胞遗传算法[J]. 模式识别与人工智能, 2015（1）: 42-49．
	Li Xue-yan, Li Xue-mei, Li Xue-wei, et al. Cellular genetic algorithm based on chaotic map[J]. Pattern Recognition and Artificial Intelligence, 2015(1): 42-49.

相关文章 15

[1]	李静,石求军,洪良,刘鹏. 基于车辆状态估计的商用车ESC神经网络滑模控制[J]. 吉林大学学报(工学版), 2020, 50(5): 1545-1555.
[2]	陈鑫,王宁,沈传亮,冯晓,杨昌海. 后视镜造型对前侧窗气动噪声的影响[J]. 吉林大学学报(工学版), 2020, 50(2): 426-436.
[3]	李小雨,许男,仇韬,郭孔辉. 各向异性刚度对轮胎力学特性及车辆操纵性的影响[J]. 吉林大学学报(工学版), 2020, 50(2): 389-398.
[4]	赖晨光,王擎宇,胡博,文凯平,陈彦宇. 静气动弹性影响下带小翼汽车尾翼的设计与优化[J]. 吉林大学学报(工学版), 2020, 50(2): 399-407.
[5]	叶辉,刘畅,闫康康. 纤维增强复合材料在汽车覆盖件中的应用[J]. 吉林大学学报(工学版), 2020, 50(2): 417-425.
[6]	李银平,靳添絮,刘立. 纯电动铲运机弓网续能系统设计与动态特性仿真[J]. 吉林大学学报(工学版), 2020, 50(2): 454-463.
[7]	郭孔辉,黄世庆,吴海东. 适用于高频激励的面内轮胎动态模型[J]. 吉林大学学报(工学版), 2020, 50(1): 19-28.
[8]	王哲,谢怡,臧鹏飞,王耀. 基于极小值原理的燃料电池客车能量管理策略[J]. 吉林大学学报(工学版), 2020, 50(1): 36-43.
[9]	马芳武,梁鸿宇,赵颖,杨猛,蒲永锋. 内凹三角形负泊松比结构耐撞性多目标优化设计[J]. 吉林大学学报(工学版), 2020, 50(1): 29-35.
[10]	史文库,陈龙,张贵辉,陈志勇. 多级刚度双质量飞轮扭转特性建模与试验验证[J]. 吉林大学学报(工学版), 2020, 50(1): 44-52.
[11]	管欣,金号,段春光,卢萍萍. 汽车行驶道路侧向坡度估计[J]. 吉林大学学报(工学版), 2019, 49(6): 1802-1809.
[12]	马芳武,倪利伟,吴量,聂家弘,徐广健. 轮腿式全地形移动机器人位姿闭环控制[J]. 吉林大学学报(工学版), 2019, 49(6): 1745-1755.
[13]	靳立强, 田端洋, 田浩, 刘蒙蒙. 汽车电子稳定系统制动增力辅助技术[J]. 吉林大学学报(工学版), 2019, 49(6): 1764-1776.
[14]	王杨,宋占帅,郭孔辉,庄晔. 转动惯量试验台的惯性参数测量[J]. 吉林大学学报(工学版), 2019, 49(6): 1795-1801.
[15]	庄蔚敏,刘洋,王鹏跃,施宏达,徐纪栓. 钢铝异质自冲铆接头剥离失效仿真[J]. 吉林大学学报(工学版), 2019, 49(6): 1826-1835.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

技术规范	数值
整车满载质量/kg	2270
车轮滚动半径/m	0.353
滚动阻力与空气阻力系数a/N	227.71
滚动阻力与空气阻力系数b/[N·(m·s^-1)^-1]	0.19
滚动阻力与空气阻力系数c/[N·(m·s^-1)^-2]	0.62
轴距/m	2.82
质心高度/m	0.57
发动机峰值功率/kW	90
驱动电机峰值功率/kW	110
BSG电机峰值功率/kW	40