综合传动换挡品质的误差逆传播神经网络评价方法

王叶，陶刚，李德晴，马岳峰

(北京理工大学 机械与车辆学院，北京100081)

0 引言

车辆换挡过程中，不可避免地存在着换挡冲击，这对车辆换挡的平顺性会产生很大的影响，为此人们提出换挡品质这一概念，以此来表征换挡性能的好坏。换挡品质是指在保证车辆动力和传动系统寿命的前提下，能够迅速换挡并感觉舒适的程度，可以表征为换挡操纵的平顺性、舒适性以及耐久性。基于换挡品质评价的研究，能够指导换挡过程控制方法的设计，在综合传动装置控制系统的开发阶段具有重要的现实意义。

影响换挡品质的因素有很多，评价手段也没有统一的标准，对换挡品质的评价方法包括主观评价和客观评价［1］。主观评价集中体现在驾驶员或乘员的主观感受;客观评价则主要用换挡过程的动态参数来反映换挡性能的优劣。主观评价方法，即请一些受过专业训练的或者有经验的驾驶员通过试驾进行评定，根据个人或公司的评分标准为试驾车辆进行打分(1 ～10 分)，分数越高，换挡品质越好，但是该方法耗时，且易受到驾驶员驾驶习惯、身体条件、心理因素甚至天气条件等多方面因素的影响［2］。随着神经网络理论的不断发展和完善，以及在解决非线性数学模型问题上的优势，从技术方面对建立换挡品质客观评价体系提供了有力的支持。本文拟以履带车辆为试验平台，通过对若干动态参量的处理得到客观评价指标，基于误差逆传播神经网络(BPNN)的基本原理，构建评价模型，对车辆换挡品质进行客观评价，以此取代传统意义上的主观评价方法，通过对比试验结果验证此方法的可行性。

1 换挡品质评价指标的确定

1.1 评价指标的确定原则

综合传动换挡控制的过渡过程中，传动系统处于不稳定工况，需要根据可获得的物理信号来判知当前状态。合理地选择换挡品质评价指标非常重要，这些指标应该与人的主观感觉密切相关，且必须被证明是影响换挡品质的重要因素，否则，它们可能会对评价的真实性产生负面影响。因此确定能够真实反映换挡性能优劣的、易测的评价参量，是换挡品质客观评价体系研究面临的首要问题［3］。

评价指标的确定应该遵循以下3 个基本原则:

1)评价指标要求具有良好的可获取性;

2)研究确定的评价指标应具有较强的物理表征意义，能直接或间接反映车辆的动力学特性;

3)评价指标要求具有全面性，适用于履带车辆不同工况下行驶时的换挡过程。

车辆换挡品质评价的相关指标很多，目前广泛采用的客观评价指标有平稳性指标-冲击度、快速性指标-换挡时间以及摩擦元件寿命指标-滑摩功［4］。

1)冲击度:冲击度是车辆纵向加速度的变化率。大量试验研究表明人体对车辆的纵向加速度更敏感，更易产生不适感，所以纵向加速度可作为车辆动力性及舒适性评价指标;冲击度可以反映真实的换挡品质，其大小与驾驶员的冲击感基本吻合，且未将外界影响因素如路况、驾驶员个人偏好等加入到换挡品质评价中，因此可作为衡量车辆换挡平顺性主要评价指标;

2)换挡时间:换挡时间是一个十分重要的指标，优良的换挡品质是在保证换挡尽可能平稳、冲击尽可能小的基础上，使换挡时间尽可能的缩短，以此提高换挡快速性，是车辆动力性和耐久性评价指标;

3)滑摩功:滑摩功是离合器摩擦片之间滑动摩擦力做功的大小。滑摩功越大，越易导致离合器温度急剧升高，在过高温工况下离合器会降低其工作的可靠性，甚至造成部件烧毁，故滑摩功可作为车辆耐久性评价标准。

上述评价指标分析中，以冲击度为例，虽能较好的反映换挡过程的动力学本质，但直接测量冲击度较困难，基于现有实验条件，可通过输出轴转速的二阶导数计算间接求取冲击度，然而，对实车试验采集的数据进行二阶求导，会放大转速采集时的误差，不能达到理想的使用效果;此外，用来表征换挡过程离合器滑摩程度的滑摩功指标的测量计算更为复杂，精度无法保证，不能得到理想的参量。

1.2 评价指标的确定

车辆追求性能的差异导致不同指标的倾向性不尽相同，如英国Schwab 在1994 年发表了一篇关于乘用车换挡品质客观评价标准的文章，指出以滤波后的加速度峰峰值(波峰到波谷的差值)、冲击度峰峰值、表示换挡过程平均能量大小的平均功率最大值及能量含量较高的10 ～14 Hz 频率范围内的加速度峰峰值作为换挡品质经济性、平顺性及舒适性客观评价标准4 个组成部分［5］。

车辆换挡过程主要保证动力性及平顺性，从换挡过程控制的角度出发，根据工程实践经验可知，若整个换挡过程中瞬时最大加速度和平均加速度同时限定在某一个可接受范围之内，可保证此换挡过程的平顺性，据此确定选取加速度信号为其性能评价指标。目前在综合传动控制中，仅装有转速传感器，其中涡轮轴转速在整个换挡过程变化明显，信号容易获取，并能够很好的反映换挡过程中充放油缓冲控制对整个换挡动力学过程的影响;且涡轮转速与车速成正比关系，因此将涡轮轴转速变化情况作为指标参量进行换挡平顺性评价，既满足客观评价指标的确定原则，又能够很好的反映换挡品质。

车辆的不同挡位，阶比不同，其中以1 挡升2 挡的阶比最大，且此时车辆的惯性较小，换挡过程控制更困难;待结合离合器主、从部分速差最大，故此过程更易产生相对较大的冲击，且滑摩时间和换挡时间相对较长。据此将车辆换挡品质评价指标细化定义:

1)涡轮转速变化率的峰值:整个换挡过程中，涡轮转速变化率的峰值。通过对涡轮转速变化率的峰值的评价，限制由于控制出现偏差，造成涡轮转速变化率瞬时值过大，可能会造成的冲击;

2)涡轮转速平均变化率:以整个同步过程中，离合器主、从动部分转速差与同步时间的比值来表述。通过对转速平均变化率的评价，限制滑摩时间;

3)挡位:不同挡位下的换挡，由于车辆工况不同，控制过程不同，所以评价方式应有所区别。本文主要以1 挡升2 挡的换挡过程数据进行研究。

2 换挡品质评价方法的确定

2.1 评价方法的介绍

目前对于自动变速器换挡品质评价的方法有很多，例如基于D-S 证据理论和模糊神经网络的汽车换挡平顺性评价方法［6］，基于BPNN 和RBF 神经网络的评价方法［7］;AVL 公司采用神经网络开发出AVL-DRIVE 评价系统，将试验获得的一百多个数据作为神经网络的输入量，输出量为起步、加速、换挡等工况的客观评价等级［8-9］;瑞典Volvo 利用神经网络开发了换挡平顺性评价专家系统，建立起主观评价与车辆换挡舒适性之间的映射关系［10］。

换挡品质客观评价是一个非线性、复杂的动态过程，且换挡品质评价指标之间互相耦合，综合作用，因而难以建立客观、准确的数学模型［11］。BPNN具有非线性系统辨识特性，其强大的自学习能力及高度非线性映射特点，为换挡品质客观评价方法的研究提供了有力的理论支撑。

BP 网络结构如图1 所示，神经元分层排列，分别组成输入层、中间层(隐藏层)和输出层。网络同层节点间没有任何耦合，输入模式经过各层次的顺序传播，最后在输出层输出。

2.2 BPNN 模型

换挡品质客观评价模型是一个多输入、单输出系统，利用Matlab/Simulink 开发环境搭建模型如图2 所示。

图1 基本BP 网络的拓扑结构Fig.1 Basic BP network topology

图2 换挡品质客观评价模型Fig.2 Objective evaluation model of shift quality

将记录保存下的不同量纲的客观评价指标归一化处理，使其落在［0，1］区间，输入到已训练好的BPNN，经过权值计算得出客观评价等级结果，最后通过反归一处理得到当前工况下换挡过程平顺性客观评价等级［12］，以此取代传统的专家打分来完成评价任务。

2.3 换挡品质评价软件的开发

Matlab/GUI 神经网络工具箱可进行网络设计、训练与仿真、数据导入导出操作等，操作简单方便，基于此开发客观评价软件，即履带车辆大功率AT换挡品质客观评价软件(TVOESQ)，评价软件界面如图3 所示，其中的功能键可调用相应的子函数功能。

图3 履带车辆换挡品质客观评价软件界面Fig.3 Interface of TVOESQ

3 BPNN 的建立及训练

3.1 神经网络的建立

借助于GUI，利用神经网络工具箱函数完成BPNN 的设计与分析。首先定义神经网络训练样本，训练样本取自实车试验时采集系统通过CAN 总线实时采集保存的动态物理参量，经过滤波除噪及换算后作为换挡品质的评价指标导入GUI;然后运行Matlab/GUI，在Network/Data Manager 窗口创建一个BPNN，对于BPNN，有一个非常重要的定理，即对于任何在闭区间内的一个连续函数都可以用单隐层的BPNN 逼近，因而选取单隐层的BP 网络来进行评价;最后对建立的神经网络进行初始化、训练、自适应及仿真分析研究。

3.2 神经网络的训练

从实车试验采集数据中选出50 组1 挡升2 挡的换挡过程数据作为输入数据向量，其中换挡过程以涡轮转速连续下降点为起始，以涡轮转速与输出轴转速同步点为结束，同时将专业人员对该换挡品质的评分作为50 组结果输出数据向量，选其中40 组数据作为训练样本进行训练。选取logsig 作为隐层神经元的传递函数，选取tansig 作为输出层神经元的传递函数，确定训练精度为0.1，训练步数为500. 部分输入数据如表1 所示。

表1 部分输入参数Tab.1 Partial input parameters

神经网络的隐含层神经元个数将影响网络训练误差的大小，取3 ～8 个神经元分别进行训练，通过误差对比，综合考虑网络性能的训练速度，隐含层神经元为7 的BPNN 逼近误差为0.075 7，对函数的逼近效果最好，误差较小且训练时间较短，其训练误差性能曲线如图4 所示。

图4 神经网络训练误差性能曲线Fig.4 Error performance curves of neural network training

4 试验及评价效果验证

4.1 试验方法

图5 换挡品质评价试验示意图Fig.5 Experimental evaluation of shift quality

换挡品质评价试验研究方法如图5 所示，试验场地为专业跑车试验场地，试验设备均已标定。测试车辆为履带车辆，测试过程中由专家对换挡品质进行打分，试验数据及专家评分由采集系统实时采集并保存到TXT 文本，方便后期数据预处理;如图6所示为预处理前保存的1 挡升2 挡实验过程数据曲线，试验车辆在稳定的70%油门开度下从1 挡升至2 挡，从图中可看出此过程中涡轮转速变化明显。

参加试验的有专业驾驶员、技术人员以及控制设计人员，以技术人员和控制设计人员为主，专业驾驶员为辅，通过对换挡过程离线数据分析后进行主观打分，换挡品质主观评价等级标准如表2 所示，在专家主观评价过程中应注意换挡平顺性，换挡时间，测试过程中对乘员舱内乘员听觉及呼吸系统、消化系统、神经系统等的影响，还应注意对驾驶员正常操作的影响，如其应对紧急情况的能力等，最后将主观打分结果进行均值处理，作为主观评价等级结果。

表2 主观评价等级标准Tab.2 Subjective rating scale

通过对试验数据进行离线预处理，可得到换挡品质客观评价指标作为神经网络的输入向量，客观评价等级则可以通过TVOESQ 获得。对比测试的10 组试验数据客观评价等级结果与主观评价的分数，可以验证此客观评价方法的可行性和一致性。

4.2 评价效果验证

列出的所有客观评价指标都是对图6 的试验过程数据处理后得到的，对测试的10 组试验数据通过TVOESQ 进行仿真，得到每次试验换挡品质客观评价等级。将主观评价分数与客观评价等级结果进行对比，对比结果如表3 所示。

图6 1 挡升2 挡实车试验数据Fig.6 1 block | 2 block real vehicle test data

表3 主客观评价对比Tab.3 Comparison of subjective and objective evaluations

由表3 可以看出，神经网络的客观评价等级结果与实际主观评价等级误差在［-0.6，+0.6］内，这一误差范围对于换挡平顺性评价优劣的标准(1 ～10)来说已可达到客观正确评价的目的，甚至小于不同专家之间的主观评价差异，从而可被接受，具备一定的使用价值。

从评价结果1 与评价结果6 的对比可以看出:在涡轮转速平均变化率相同的情况下，涡轮转速变化率峰值的不同会导致评价等级的改变，这说明涡轮转速变化率峰值是一个具有较强表征意义的客观评价指标;通过评价结果9 与评价结果10 的对比也可以发现，涡轮转速平均变化率较大的，说明滑摩时间稍长，涡轮转速变化率峰值较大的，则可能造成的冲击会较大，评价等级较低，这说明涡轮转速平均变化率也具有强烈的表征意义。

5 结论

本文从换挡平顺性的角度出发，提出履带车辆换挡品质客观评价指标及确定依据，利用BPNN 进行客观评价试验测试。确定的客观评价指标获取方便，且能较好的反映换挡品质;试验结果对比分析得出，基于BPNN 的客观评价结果具有良好的数值逼近性和稳定性，证实该方法是合理的、有发展前景的。该评价模型具有一定的使用价值，可以部分替代专家打分的评价方法，缩短开发周期并节省大量人力，并可为开发神经网络在线学习自适应功能、动态综合评价功能提供理论基础。

References)

［1］刑如飞，管欣，田承伟，等. 汽车操纵稳定性主观评价指标权重确定方法［J］. 吉林大学学报:工学版，2009，39(3):33 -38.XING Ru-fei，GUAN Xin，TIAN Cheng-wei，et al. Weight of subjective evaluation indexes for car handling and stability［J］.Journal of Jilin University:Engineering and Technology Edition，2009，39(3):33 -38. (in Chinese)

［2］Huang Q，Wang H. Fundamental study of jerk:evaluation of shift quality and ride comfort，SAE Technical Paper，2004-01-2065［R］.US:SAE，2004.

［3］Zhang J，Lei Y，Hua X，et al. Proposed shift quality metrics and experimentation on AMT shift quality evaluation［C］∥Third International Conference on Natural Computation. Haikou:IEEE，2007.

［4］王健，雷雨龙，郭孔辉，等. 车辆换挡质量概念的完善与评价［J］.吉林大学学报:工学版，2007，37(5):1014 -1018.WANG Jian，LEI Yu-long，GUO Kong-hui，et al. Concept improvement and assessment on vehicle gear shift quality［J］.Journal of Jilin University:Engineering and Technology Edition，2007，37(5):1014 -1018. (in Chinese)

［5］Schwab L F. Development of a shift quality metric for an automatic transmission［J］. SAE Transactions，1994，103(6):1402 -1407.

［6］陈刚，张为公，龚宗洋，等.基于证据理论和模糊神经网络的汽车换挡平顺性评价方法［J］.汽车工程，2009，31(4):308-312.CHEN Gang，ZHANG Wei-gong，GONG Zong-yang，et al.Evaluation model for vehicle shift quality based on evidence theory and FNN［J］.Automatic Engineering，2009，31(4):308 -312.(in Chinese)

［7］孙贤安，吴光强.双离合器式自动变速器车辆换挡品质评价系统［J］.机械工程学报，2011，47(8):146 -151.SUN Xian-an，WU Guang-qiang. Shifting quality evaluation system for dual clutch transmission vehicle［J］. Journal of Mechanical Engineering，2011，47(8):146 -151. (in Chinese)

［8］List H，Sehoeggl P. Objective evaluation of vehicle driveability，SAE Technical Paper，980204［R］. US:SAE，1998.

［9］Schoeggl P，Ramschak E. Vehicle driveability assessment using neural networks for development，calibration and quality tests［J］.SAE Transactions，2000，109(6):1052 -1061.

［10］Schnetzler S，Pettersson J，Murtonen P. Quality assurance of driver comfort for automatic transmissions，SAE Technical Paper，2000-01-0175［R］. US:SAE，2000.

［11］张建国，雷雨龙，王健，等.基于BP 神经网络的换挡品质评价方法［J］.吉林大学学报:工学版，2007，37(5):1019 -1022.ZHANG Jian-guo，LEI Yu-long，WANG Jian，et al. Methods for shift quality evaluation based on BP neural network［J］. Journal of Jilin University:Engineering and Technology Edition，2007，37(5):1019 - 1022. (in Chinese)

［12］刘洪波，雷玉龙，张建国，等. 双离合器式自动变速器控制品质评价与优化［J］.吉林大学学报:工学版，2012，42(6):1360 -1365.LIU Hong-bo，LEI Yu-long，ZHANG Jian-guo，et al. Shift quality assessment and optimization of double clutch transmission［J］.Journal of Jilin University:Engineering and Technology Edition，2012，42(6):1360 -1365. (in Chinese)