[发明专利]基于模糊神经网络的湿式离合器状态识别方法

权利要求书

1.基于模糊神经网络的湿式离合器状态识别方法，其特征在于，包括以下内容：

分析预设的半结合点状态参数全集筛选生成最优特征子集一；

根据预设的滑摩特征参数生成滑摩状态参数全集，分析滑摩状态参数全集筛选生成最优特征子集二；

根据最优特征子集一、最优特征子集二和预设的模糊神经网络模型生成离合器状态。

2.根据权利要求1所述的基于模糊神经网络的湿式离合器状态识别方法，其特征在于：分析预设的半结合点状态参数全集筛选生成最优特征子集一，具体包括以下内容：

获取湿式离合器半结合点状态下的筛选条件，根据筛选条件分析半结合点状态参数全集，筛选出最优特征子集一，最优特征子集一包括发动机扭矩。

3.根据权利要求1所述的基于模糊神经网络的湿式离合器状态识别方法，其特征在于：根据预设的滑摩特征参数生成滑摩状态参数全集，具体包括以下内容：

调用预设的滑摩特征参数对滑摩特征参数之间的边界进行搜索寻优生成滑摩状态参数全集。

4.根据权利要求3所述的基于模糊神经网络的湿式离合器状态识别方法，其特征在于：对滑摩特征参数之间的边界进行搜索寻优生成滑摩状态参数全集，具体包括以下内容：

根据智能搜索算法对滑摩特征参数之间的边界进行搜索寻优，生成滑摩状态参数全集。

5.根据权利要求3所述的基于模糊神经网络的湿式离合器状态识别方法，其特征在于：分析滑摩状态参数全集筛选生成最优特征子集二，具体包括以下内容：

根据浮动搜索算法搜索滑摩状态参数全集，生成最优特征子集二。

6.根据权利要求1所述的基于模糊神经网络的湿式离合器状态识别方法，其特征在于：根据最优特征子集一、最优特征子集二和预设的模糊神经网络模型生成离合器状态，具体包括以下内容：

对最优特征子集一和最优特征子集二进行归一化处理，生成归一化处理结果，获取模糊神经网络模型根据归一化处理结果输出的离合器状态。

7.根据权利要求1或6所述的基于模糊神经网络的湿式离合器状态识别方法，其特征在于：模糊神经网络模型包括模糊层，通过模糊层对模糊神经网络模型的输入进行模糊处理。

8.根据权利要求7所述的基于模糊神经网络的湿式离合器状态识别方法，其特征在于，还包括以下内容：

获取工况信息，根据工况信息判断是否满足学习条件，若满足学习条件，则根据模糊神经网络模型获取离合器状态，根据离合器状态生成控制信息。

9.根据权利要求8所述的基于模糊神经网络的湿式离合器状态识别方法，其特征在于：离合器状态包括不足和过度，控制信息包括减小压力和增大压力；

当离合器状态为不足时，根据离合器状态生成的控制信息为减小压力；当离合器状态为过度时，根据离合器状态生成的控制信息为增大压力。

10.根据权利要求8所述的基于模糊神经网络的湿式离合器状态识别方法，其特征在于：学习条件包括半结合点学习条件和扭矩学习条件，

当学习条件为半结合点学习条件时，根据离合器状态生成的控制信息为增大或减小离合器的半结合点压力；

当学习条件为扭矩学习条件时，根据离合器状态生成的控制信息为增大或减小离合器的控制压力。