[发明专利]基于BP神经网络的无级变速器滑移率控制方法及系统

说明书

本发明公开了一种无级变速器控制领域的基于BP神经网络的无级变速器滑移率控制方法及系统，包括：获取无级变速器运行时的参数数据，参数数据包括滑移率、从动轮夹紧力和辅助参数数据；对参数数据进行预处理，将经过预处理后的参数数据划分为训练样本数据和测试样本数据；以滑移率和辅助参数数据为输入，以从摩擦因数为输出构建BP神经网络，重复训练得到最优模型；以目标滑移率和实时辅助参数数据作为输入代入最优模型得到摩擦因数；根据得到的摩擦因数，代入夹紧力计算公式得到从动轮夹紧力，逐渐调整从而得到目标滑移率。本发明的控制方法灵活，速度快，实时性好。

技术领域

本发明属于无级变速器滑移率控制方法，具体涉及一种基于BP神经网络的无级变速器滑移率控制方法及系统。

背景技术

无级变速器效率偏低是因为金属带夹紧力过大,避免遇到道路阻力时不打滑，但是夹紧力过大不仅会使无级变速器传动效率降低,而且增大了液压系统的损耗。一些研究表明，减少金属带的夹紧力，使金属带和带轮之间存在一定的滑移，可以提高带与带轮间的摩擦因数，从而提高传动效率。但滑移率过大则会影响金属带的寿命，并且在滑移率达到某一临界点时，无级变速器的传动效率急剧下降。因此无级变速器一定存在一个最佳滑移率，使得无级变速器的效率最大。为此，需要对滑移率进行精准，快速的的控制。

发明内容

本发明目的在提供于一种基于BP神经网络的无级变速器滑移率控制方法及系统，以解决现有技术中存在的技术缺陷。

为实现上述目的，本发明提供了一种基于BP神经网络的无级变速器滑移率控制方法，包括以下步骤：

S1：获取无级变速器运行时的参数数据，参数数据包括滑移率、速比、油温和摩擦因数；

S2：对参数数据进行预处理，将经过预处理后的参数数据划分为训练样本数据和测试样本数据；

S3：构建以训练样本数据中的滑移率、速比和油温为输入，以摩擦因数为输出的BP神经网络，重复训练得到最优模型；

S4：以目标滑移率、实时油温和实时速比作为输入代入最优模型得到目标摩擦因数；

S5：根据所得目标摩擦因数，根据夹紧力计算公式计算得到所需输出夹紧力，调整夹紧力至所需输出夹紧力从而得到目标滑移率。

优选地，S3得到最优模型后，通过测试样本数据对最优模型的性能进行评价，若模型性能值低于指定阀值则返回S1，重新获取无级变速器运行时的参数数据。

优选地，S2中将经过预处理后的参数数据三分之二划分为训练样本数据，三分之一划分为测试样本数据。

优选地，变速器几何速比的计算方法为：

其中，R_smax、R_pmin、R_s、R_p、x_s、x_p和a分别为从动轮最大半径、主动轮最小半径、从动轮当前半径、主动轮当前半径、从动轮位移、主动轮位移和带轮半锥角。

优选地，夹紧力计算公式如下：

μ为金属带与主动带轮之间的摩擦因数；α为带轮半锥角；Rp为主动轮工作半径；Tp为主动带轮输入转矩；F_s为从动轮夹紧力。

依托于上述方法，本发明还提供了基于BP神经网络的无级变速器滑移率控制系统，包括：

第一模块：用于获取无级变速器运行时的参数数据，参数数据包括滑移率、速比、油温和摩擦因数；

第二模块：用于对参数数据进行预处理，将经过预处理后的参数数据划分为训练样本数据和测试样本数据；