纯电动汽车变速器优化算法综述

2019-02-11兰利波

时代农机 2019年5期

兰利波

（长安大学汽车学院，陕西西安 710064）

进化遗传算法是一种模拟自然进化过程的全局优化方法，它借用达尔文“物竞天择、适者生存”的生物进化观点，通过选择、交叉、变异等机制来提高个体的适应性[1]。朱虹燃等为纯电动汽车两挡自动变速器选择其驱动电机的转矩、转速和功率，以整车经济性最优为目标，在动力性约束条件下，运用进化算法对变速器传动比进行优化设计，得到了很好的优化结果[2]。陈淑侠基于模拟退火算法优化设计变速箱，取得了很好的结果[3]。闫帅印基于智能混合算法优化设计优化汽车变速器齿轮组参数[4]。刘振军等通过分析纯电动汽车两档变速器的结构特点，设计了纯电动汽车两档变速器的基本结构，对整车参数进行了匹配研究，利用Simulink软件优化变速器的传动比，并进行了齿轮以及轴的参数设计[5]；卢培文基于MATLAB遗传算法优化变速箱壳体数控切削加工工艺[6]。

1 进化遗传算法

1.1 进化遗传算法的基本原理

遗传算法从种群的初始的解决方案开始其搜索过程，群体中的每个个体被称为染色体，在迭代过程中染色体的不断更新称为遗传，遗传算法主要通过交叉、变异、选择算子来实现，染色体的优点和缺点通常通过适应性来评估[7]。

1.2 进化遗传算法的研究总结

王雪敏为了使变速器结构更紧凑和成本更低，以齿轮箱体积最小和齿轮传动重合度最大为目标进行匹配优化，运用遗传算法确定了纯电动专用两挡变速器齿轮的结构布置、齿轮齿数、模数、齿宽等齿轮箱具体参数[8]。赵广宣建立了可随电机参数变化的电机效率模型，以电机过载系数和扩大恒功率区系数以及传动系速比作为优化变量，采用多目标优化联合遗传算法，对纯电动汽车的电机参数和传动系参数进行了整体优化匹配[9]。高惠东等以某纯电动汽车为研究对象，对其驱动电机进行参数匹配.以整车动力性最优为目标，运用遗传算法优化设计变速器传动比[10]。卢培文基于MATLAB遗传算法优化变速箱壳体数控切削加工工艺，以最大生产率为优化目标，以变速器壳体数控切削加工为研究对象建立了变速器壳体的加工参数优化模型，以机床工作环境和加工制造情况的限制为基础，分析研究了加工制造过程中相应的约束条件，以最大生产率为优化目标，以遗传算法为加工参数的优化，确定约束条件，利用MATLAB软件遗传算法工具，进行加工参数优化，得到优化参数。蔡亚对多目标遗传算法进行改进并优化设计变速箱参数[11]。褚永康等基于遗传算法对汽车变速箱进行轻量化设计[12]。

2 模拟退火法

2.1 模拟退火法基本原理

模拟退火法利用统计力学中物质退火过程与优化问题的相似性，采用Metropohis接受准则并控制适当温度的下降过程实现模拟退火，以而达到求解全局优化的目的。

2.2 模拟退火法优化思路

因为模拟退火算法具有并行性，适用于并行处理，可用于求解复杂的非线性优化问题，同时具有全局搜索能力，模拟退火算法已经成为一个重要的工具来解决复杂的优化问题。考虑接触强度、弯曲强度和配齿约束条件，建立汽车行星变速器优化模型，尽量减少行星传动的体积和质量。目标函数与处罚条款是由加法惩罚策略的类型，从而改变约束优化为无约束优化。然后采用Matlab模拟退火算法工具箱对基于惩罚策略的优化模型求解。应用具有全局搜索能力的模拟退火算法进行启发式搜索和并行计算，与传统方法进行比较验证，其搜索效率和精度都非常高，这样保证了可靠的全局最优解。

3 混合智能算法

首先按照变速器设计规范和齿轮参数设计的流程，利用VisualBasic语言，实现了齿轮组的自动参数设计，并利用Access数据库，实现了设计数据自动化管理；然后利用ActiveX调用技术，在MATLAB平台上以改进的遗传算法和BP神经网络遗传算法作为混合优化工具，实现了齿轮组的参数优化设计，建立齿轮组的优化设计模型。在优化过程中，结合动态惩罚函数与非线性规划构造出动态惩罚函数非线性规划遗传算法，并结合BP神经网络的相关特性，通过练习获得齿轮组输入参数与强度之间的映射关系曲线，加速遗传算法的收敛速度。