[发明专利]变速器冷却润滑流量预测方法、系统、车辆及存储介质

说明书

本发明公开了一种变速器冷却润滑流量预测方法、系统、车辆及存储介质，包括：步骤1：获取不同对象在不同测量工况下的电流、主压力、油泵流量、温度、离合器润滑流量，对数据进行处理，挑选出所需的标签及其特征值，并保存为数据集；步骤2：将数据集分成训练集和测试集；步骤3：利用数据集对多种机器学习模型进行训练，并对各机器学习模型的训练结果进行数据评估，评估出最优预测模型；步骤4：使用最优预测模型来构建变速器冷却润滑流量预测模型；步骤5：获取待预测对象的特定工况的变速器下线测试冷却润滑流量，使用变速器冷却润滑流量预测模型对任意工况下的变速器冷却润滑流量值进行预测。本发明能够对多种工况下的变速器冷却润滑流量进行预测。

技术领域

本发明变速器技术领域，具体涉及一种变速器冷却润滑流量预测方法、系统、车辆及存储介质。

背景技术

如专利文献CN202010456425.9公开的变速器冷却润滑流量控制方法及装置，包括：获取变速器的目标冷却润滑流量，目标冷却润滑流量包括主离合器的目标冷却流量、双离合器的目标冷却流量及轴齿的目标润滑流量；确定当前的变速器油温对应的目标关系表，目标关系表包括冷却润滑流量与油泵转速、流量控制电磁阀的控制电流之间的对应关系；在目标关系表中查找目标冷却润滑流量对应的油泵转速和控制电流；根据查找结果及主离合器的冷却需求控制液压模块工作，以控制变速器的冷却润滑流量。目标关系表采用线性插值计算法得出，但变化趋势呈非线性趋势，也存在一定误差。此方法根据离合器目标润滑流量进行流量调节时，输出目标润滑流量的显著影响因子有流量分配前端的油泵输出流量、油液粘度及油泵出口压力。油泵输出流量和油泵转速相关，油泵可能为机械油泵或电子油泵，机械油泵转速随发动机转速变化，电子油泵由配对控制器进行控制；油液粘度与油温强相关，低温粘度较高，高温粘度较低，且粘度与油温呈指数级分布；油泵出口压力通常为变量，根据汽车离合器或换挡工况不同而进行实时调整。整车工况变化时，很难对实际的离合器润滑流量进行预测及实时计算，如图1和图2所示分别为某项目各种温度和输入流量工况下的润滑流量曲线，可见各工况的流量差异不是完全的线性比例关系，用线性插值法会有较大误差。通常对离合器润滑流量进行控制时为保证各工况下输出足够的流量，往往需要进行余量考虑，但余量较大时会影响离合器拖拽，造成挂挡困难，尤其在低温情况下。

因此，有必要开发一种变速器冷却润滑流量预测方法、系统、车辆及存储介质。

发明内容

本发明的目的在于提供一种变速器冷却润滑流量预测方法、系统、车辆及存储介质，能对多种工况下的变速器冷却润滑流量进行预测，且预测结果较为精准。

第一方面，本发明所述的一种变速器冷却润滑流量预测方法，包括以下步骤：

步骤1：获取不同对象在不同测量工况下的电流、主压力、油泵流量、温度、离合器润滑流量，对数据进行处理，挑选出所需的标签及其特征值，并保存为数据集；

步骤2：将数据集分成训练集和测试集；

步骤3：利用数据集对多种机器学习模型进行训练，并对各机器学习模型的训练结果进行数据评估，评估出最优预测模型；

步骤4：使用最优预测模型来构建变速器冷却润滑流量预测模型；

步骤5：获取待预测对象的特定工况的变速器下线测试冷却润滑流量，并作为变速器冷却润滑流量预测模型的输入，使用变速器冷却润滑流量预测模型对任意工况下的变速器冷却润滑流量值进行预测，预测出各种工况下的冷却润滑流量预测值。

可选地，所述步骤5中，特定工况为电流为0到最大值的常用电流点，油温温度60°C，油泵流量35L/min，主压力10bar。

可选地，所述步骤3中，所述机器学习模型包括lightgbm模型、gbr模型、rf模型、dr模型、et模型、knn模型、ada模型、lr模型、lar模型、br模型、ridge模型、huber模型、omp模型、lasso模型、par模型、en模型、llar模型和dummy模型中的多种。