[发明专利]一种拥堵工况辨识与自动变速换挡修正系统及其方法

权利要求书

1.一种拥堵工况辨识与自动变速换挡修正系统，是应用于包含传感器模块和电磁阀组的自动变速器中，所述传感器模块包括：节气门开度传感器、制动踏板传感器、车速传感器和档位传感器；其特征是，

所述拥堵工况辨识与自动变速换挡修正系统包括：信号处理模块、拥堵工况辨识模块、换挡修正模块和电磁阀驱动模块；

所述信号处理模块包括：训练样本获取模块和辨识样本获取模块；

所述拥堵工况辨识模块包括：T-S模糊神经网络训练模块和T-S模糊神经网络辨识模块；

所述训练样本获取模块在训练样本周期内采集所述节气门开度传感器、制动踏板传感器和车速传感器输出的信号并进行计算处理，获得训练样本周期内由平均节气门开度、制动次数和行驶里程构成的训练样本，并发送至所述T-S模糊神经网络训练模块；

所述辨识样本获取模块在辨识样本周期内采集所述节气门开度传感器、制动踏板传感器和车速传感器输出的信号并进行计算处理，获得辨识样本周期内由平均节气门开度、制动次数和行驶里程构成的辨识样本，并发送至所述T-S模糊神经网络辨识模块；

所述T-S模糊神经网络训练模块根据所接收的训练样本，对T-S模糊神经网络进行训练，直到误差不超过所设定的阈值时，得到训练好的T-S模糊神经网络辨识模型；

所述T-S模糊神经网络辨识模块利用所述训练好的T-S模糊神经网络模型对所接收到的辨识样本进行拥堵工况辨识，并将辨识得到的拥堵工况级别输出至所述自动变速器的换挡修正模块；所述拥堵工况级别分为一级拥堵、二级拥堵和三级拥堵；

所述换挡 修正模块采集所述档位传感器、节气门开度传感器、车速传感器、制动踏板传感器输出的信号，得到当前拥堵工况，并根据所接收的拥堵工况级别，将所述拥堵工况分为一级拥堵、二级拥堵和三级拥堵；再根据基本换挡规律计算得到当前档位；然后对基本换挡规律进行修正，得到车辆自动变速换挡修正策略并转换为换挡修正指令输出至所述电磁阀驱动模块，由所述电磁阀驱动模块控制所述电磁阀组执行换挡修正操作；

所述车辆自动变速换挡修正策略为：若当前拥堵工况处于一级拥堵工况，则对当前档位降一档；若当前拥堵工况处于二级拥堵工况，则对当前档位降二档；若当前拥堵工况处于三级拥堵工况，则将当前档位钳制在一档。

2.一种拥堵工况辨识与自动变速换挡修正方法，其特征是按以下步骤进行：

步骤1、建立T-S模糊神经网络，令T-S模糊神经系统的输出y_i为：

式(1)中，x_i为第i个系统输入；p_i为第i个模糊系统参数；w_i为第i个模糊规则适用度，i为系统输入变量数，i＝1,2,3，并有：

式(2)中：为第i个输入变量的第j个分量的适用度函数；j为每个输入变量的模糊分割数，j＝1,2,3；

步骤2、对标准拥堵工况下所采集的节气门传感器、制动踏板传感器、车速传感器输出的信号进行计算，得到训练样本周期内由平均节气门开度、制动踏板制动次数和行驶里程构成的训练样本；

步骤3、将所述训练样本作为所述T-S模糊神经网络的系统输入，利用T-S模糊神经网络对所述训练样本进行训练，得到T-S模糊神经网络辨识模型；

步骤3.1、计算所述T-S模糊神经网络的实际输出与期望输出的误差e：

式(3)中：y_d为所述T-S模糊神经网络的期望输出；y_c为所述T-S模糊神经网络的实际输出；

步骤3.2、采用梯度法调整模糊系统参数与适用度函数参数，直到误差e不超过所设定的阈值为止；

步骤4、对正常行驶工况下所采集的节气门传感器、制动踏板传感器、车速传感器输出的信号进行计算，得到辨识样本周期内由平均节气门开度、制动踏板制动次数、行驶里程构成的辨识样本；

步骤5、利用所述T-S模糊神经网络辨识模型对所述辨识样本进行拥堵工况辨识，得到拥堵工况；

步骤6、根据所述拥堵工况对基本换挡规律进行修正，得到车辆自动变速换挡修正策略并生成相应自动变速换挡修正指令以驱动电磁阀组执行换挡修正操作；

步骤6.1、对所述拥堵工况进行分级，分为一级拥堵、二级拥堵和三级拥堵；

步骤6.2、采集档位传感器、节气门开度传感器、车速传感器、制动踏板传感器输出的信号进行计算，得到当前拥堵工况，并根据基本换挡规律计算得到当前档位；

步骤6.3、判断当前拥堵工况是否处于一级拥堵工况，若是，则执行步骤6.4；否则，执行步骤6.5；

步骤6.4、令车辆自动变速换挡修正策略为对当前档位降一档；

步骤6.5、判断当前拥堵工况是否处于二级拥堵工况，若是，则执行步骤6.6；否则，执行步骤6.7；

步骤6.6、令车辆自动变速换挡修正策略为对当前档位降二档；

步骤6.7、令车辆自动变速换挡修正策略为将当前档位钳制在一档。