模糊神经网络的离合器波形片轴滑磨控制.pdf

第8 期2023年8 月机械设计与制造Machinery Design&Manufacture135模糊神经网络的离合器波形片轴滑磨控制徐红梅（烟台大学文经学院信息工程系，山东烟台2 6 40 0 0）摘要：离合器波形片轴滑磨控制受载荷条件影响，导致滑磨控制精度较差，因此提出一种新的基于模糊神经网络的离合器波形片轴滑磨控制方法。分析离合器波形片轴的结构，构建离合器总成动力学方程，获得离合器波形片轴的摩擦力矩。研究模糊神经网络五层结构，选择输入与输出变量，设定模糊规则，计算滑磨力矩，构建离合器有限元模型，确定热分析和静力分析模块约束及载荷条件。设定转速控制规则，完成滑磨控制。由仿真验证结果可知，所提方法能够精准计算滑磨力矩，有效控制滑磨温度与离合器接合速度，为保障离合器稳定运行奠定基础。关键词：模糊神经网络；离合器；波形片轴；滑磨力矩；有限元模型中图分类号：TH16;U467.3文献标识码：ASliding Wear Control of Clutch Wave Plate Shaft Based on Fuzzy Neural Network(Wenjing College Yantai University,Information Engineering Department,Shandong Yantai 264000,China)Abstract:Due to the influence of load conditions,the control precision of clutch wavy disc shaft is poor.Therefore,a new controlmethod of clutch wavy disc shaft based on fuzzy neural network is proposed.The structure of the corrugated disc shaft of the clutchis analyzed,the dynamic equation of the clutch assembly is constructed,and the friction torque of the corrugated disc shaft of theclutch is obtained.Thefive layer structure offuzzy neural network is studied.The input and output variables are selected,thefuzzyrules are set,the friction torque is calculated,the finite element model of clutch is constructed,and the constraints and load con-ditions of thermal analysis and static analysis module are determined.Set the speed control rules to complete the sliding control.The simulation results show that the proposed method can accurately calculate the friction torque,effectively control the frictiontemperature and clutch engagement speed,and lay the foundation for the stable operation of the clutch.Key Words:Fuzzy Neural Network;Clutch;Corrugated Shaft;Sliding Torque;Finite Element Model文章编号：10 0 1-3997(2 0 2 3)0 8-0 135-0 4XU Hong-mei1引言离合器具有传动效率高、压盘压力稳定、工作力小等优点，在汽车上得到广泛的应用 1-3。离合器波形片轴滑磨是一种由振动和摩擦产生的机械领域热点问题，国内外对此已进行了大量的研究。文献 4提出基于SimulationX的离合器波形片轴滑磨控制方法，该方法结合离合器工作原理，对离合器动作过程展开详细分析，引入CVT实际控制策略，延长离合器使用寿命，该控制方法虽具有一定的可行性，但缺少严格的控制机制,无法分析全部离合器波形片轴滑磨载荷规律，导致控制效果较差。文献 51基于模糊PID的离合器波形片轴滑磨控制方法，根据内部发动机恒转速规律设计控制策略，虽然研究时间较短，但缺少对波形片轴滑磨载荷规律分析，导致控制效果不佳。来稿日期：2 0 2 2-0 6-0 9基金项目：2 0 19年烟台大学文经学院青年科研基金重点项目一基于改进蚁群算法的前馈PID控制参数优化仿真研究(2 0 19QNJJA01)；烟台市校地融合项目一基于新一代信息技术的人工智能专业及综合实训平台校地共建（2 0 2 0 XDRHXMXK09作者简介：徐红梅，（198 2-），女，山东郓城人，硕士研究生，高级工程师，主要研究方向：自动化方面的教学和科研为此，提出基于模糊神经网络的离合器波形片轴滑磨控制方法。结合模糊神经网络的模糊控制优势，克服以往方法存在的不足，设计离合器波形片轴滑磨载荷规律分析步骤，提高控制效果。2离合器波形片轴滑磨控制2.1动力学方程构建离合器结构，如图1所示。在滑磨控制中,应用模糊神经网络的模糊特征值分析方法是一种主流，模糊神经网络分析法成为工业应用中唯一可行的方法 6-8。离合器组件的动力学方程如下：mi+z+ka=f(1)式中：m一质量矩阵;z一阻尼矩阵;k一刚度矩阵;f一摩擦力矩阵；a一位移向量；一速度向量；i一加速度向量。上述公式中，矩阵都为对称矩阵，充分考虑摩擦力影响，将公式(1)改写为：136mi+z+k,a=0式中:k一非对称矩阵,无法解耦，需采用复模态分析方式，主要有两种途径，分别是状态空间和拉氏变换，其中拉氏变换是在复域内求解的,在该区域内 9-10)。如果复模态特征是具有非正体实部的，那么该阶段模态将处于稳定状态；反之，如果具有正体实部，那么该阶段模态将处于不稳定状态。变速箱离合器压盘总成压壳离合器从动盘总成膜片弹簧压盘图1离合器位置Fig.1 Clutch Position一图2 波形片大盘Fig.2Wave Plate2.2载荷确定在完成离合器动力学方程构建的基础上，通过分析模糊神经网络结构，确定载荷，由此设计具体控制方案。模糊神经网络具有五层结构，如图3所示。输人层模糊化层模糊推理层补偿运算层反模糊化层图3模糊神经网络结构Fig.3StructureofFuzzy Neural Network徐红梅：模糊神经网络的离合器波形片轴滑磨控制(2)2.2.1选择输入输出变量在油门踏板控制汽车启动这一过程中，主要用加速器开关和加速器开关变化率来反映其启动意图。利用CAN信息可以获得实际车辆的油门开度信号，通过对油门开度的判别和适当的处理，可以获得油门开度的变化量。大型加速器的开口处表示驾驶员需要快速启动；相反，它意味着驾驶员需要缓慢启动。类似地，油门开度变化速度大意味着驾驶员希望快速启动；否则缓慢启飞轮动。两个变量作为输人变量,能够充分反映其对启动控制的影响。并根据实际情况，确定节气门开度变化率的权值小于该值，即节气门开度为主要影响因素 12。本实用新型的起动控制主要是通过控制离合器连接速度来控制连接过程。以离合器连接速度作为输出变量；高速啮合时，离合器啮合迅速;反之,离合器缓慢啮合 1。2.2.2模糊规则确定选择变量语言集为：T：（小，正常，大）：负大，负小，零，：正常，其中，正小，正大快，非常快TE(0,100)i=(-100,100)=（0,1),共有2 5条规则,且都属于高斯函数。为了消除输人和输出量带来的影响，需将输人变量和输出变量的数据进行归一化处理,计算公式为：b:=b:/bmx归一化处理公式为：b=b;-baim式中：b一归一化处理数据；b一原始数据；bmax一原始数据最大值；bmin一原始数据最小值。基于上述模糊神经网络结构，需对离合器波形片轴滑磨过程中滑磨力矩展开分析，在确定热功率后，确定约束及载荷条件。针对压板在滑动过程中大部分摩擦热为压板所吸收的特点，重点研究压板的温度场和变形场。因此有必要计算压力板摩擦面的热流密度。选取摩擦面上半径为r的微元，设微元宽度为dr。半径r内阴影部分的滑磨力矩可表示为：dm=.2mrdrfr(r2-ri)式中:f一压紧力;riv2一摩擦表面内径和外径。结合实际连接关系，建立各部件在有限元模型中的接触关系。压力板和摩擦板在接触面上有摩擦接触，摩擦系数为0.3。以平板表面为目标表面，以摩擦板为接触表面，采用非对称接触方法确定约束及负荷条件。(1)热解约束与负荷条件通过对模型进行热分析，确定初始温度、压板摩擦面的传热系数及传热系数、非摩擦力表面流动换热系数和摩擦力表面热流率随半径变化，设定连续滑动磨削时间为30 s，得到磨削温度随时间的变化规律。(2)静力分析模组的约束与负荷条件根据离合器的实际情况施加约束和载荷：在离合器与飞轮接第8 期非常慢，慢，(3)(4)(5)No.8Aug.2023触面上施加轴向位移约束，使离合器的轴向运动受到限制，在压板的三个孔上分别施加径向和轴向约束，在齿顶处施加50 0 0 N的压力。引进不同时刻的温度场并进行求解，可求出不同温度下压板摩擦面的应力变形与热变形之和。摩擦接触表面的应力变形远小于热变形,其变形可近似为热应变。2.3控制方案设计为了实现良好的离合器波形片轴滑磨控制，在确定滑磨控制约束及载荷条件下，需要对离合器接合速度进行协调控制。利用发动机恒速控制方法，在离合器连接过程的前半部分，将发动机转速判断阀设定为怠速，以每油门开度最大转矩的转速作为目标转速，通过控制电磁离合器电流和电流变化率来控制发动机实际转速与目标转速的偏差。其控制目标是发动机起动时，随油门开度变化的最大扭矩。如果离合器从动盘的转速超过一定的设定转速，基于节流阀开度与主盘、从动盘转速的差异性，离合器实现了一定的速度啮合，当离合器主盘和从动盘的速度差为零时，设置值随油门开度而改变。转速控制结果，如图4所示。局部恒转速控制恒转速控制(uru/l)载n2离合器接合时间/s图4转速控制Fig.4 Rotation Speed Control相对于采用恒速度控制的离合器波片，采用局部恒速度控制的离合器啮合时间更短，打滑工作更少。以电磁式离合器的激励电流增量作为输出变量；在高速运转时，电磁离合器的励磁电流增大，因此，增大发动机负荷；相反，减小电磁离合器激励电流，从而降低发动机负荷。以差速差和目标转速为输人变量，既可降低发动机转速超调，又可考虑短过渡调节时间，改善离合器波片轴滑磨控制性能。3仿真验证为了验证所提出的基于模糊神经网络的离合器波形片轴滑磨控制方法的有效性进行仿真对比验证。此次仿真验证以ANSYS有限元软件为基础，进行离合器波形片轴滑磨控制性能验证。3.1波形片参数该整机波纹板由10 个叶片组成，每个叶片厚度为0.8 mm。每一个叶片的几何尺寸，材料和加工方法都完全一致,所以假设10个叶片的荷载-位移特性相同，用一个叶片来模拟。在实际工作中，仅叶片波形部分具有轴向弹性刚度，对波形板进行了详细的分析，波形片图，如图5所示。机械设计与制造通过建立摩擦板的三维模型，对摩擦板进行装配，模拟其实际的工作状态，导人到有限元软件中。在有限元分析软件中，将上下摩擦板定义为刚体，将材料参数输入四面体格网中，将波板的格网尺寸定义为0.6 mm。波形片材料参数，如表1所示。Tab.1 Wave Sheet Material项目材料密度弹性模量泊松比摩擦系数波高厚度圆角半径接孔直径3.2验证结果与分析根据上述材料参数的设置结果，进行控制性能对比验证。验证指标为滑磨力矩计算精度、滑磨温度控制有效性以及离合器接合速度控制精度,对比方法为文献 4、文献 5方法。具体结果如下。3.2.1滑磨力矩计算精度滑磨力矩计算结果对滑磨最终控制精度有重要影响，因此以滑磨力矩计算精度为对比指标,将所提方法与文献 4-5方法进行对比验证。三种方法的滑磨力矩计算精度对比结果，如图6 所示。25F所提方法文献4方法*文献5方法20/151050.040.030.020.01 0 0.010.02 0.03 0.04计算误差图6 滑磨力矩计算精度对比结果Fig.6 Comparison Results of CalculationAccuracy of Sliding WearTorque137图5波形片Fig.5Wave Plate表1波形片材料7.8510kg/mm31.85x10MPa0.50.231.1mm0.6mm20mm5.2mm11备注64MnNo.8138机械设计与制造分析图6 的滑磨力矩计算精度对比结果可知，当仿真验证时法的控制精度最高均为超过9 0%，且两种文献对比方法的波动间达到10 min时，所提方法的滑磨力矩计算误差为0.0 0 8,此时文幅度较大。因此，充分说明所提出的滑磨控制方法具有更好的献 4-5方法的计算误差分别为0.0 12、0.0 1。而随着验证实验的不控制性能。断增加，所提方法的最高计算误差不超过0.0 2,两种对比方法的4结束语最大计算误差达到0.4,因此说明所提方法能够精准计算波形片为了提升离合器波形片轴的滑磨控制性能,提出利用模糊轴的滑磨力矩。神经网络控制波形片轴滑磨的方法。从理论与仿真验证两方3.2.2滑磨温度控制有效性面对方法的性能进行了验证，该方法在进行离合器波形片轴滑滑磨温度控制要从摩擦片与波形片两方面进行验证，在接合磨控制时，能够精准计算滑磨力矩，有效地控制离合器波形片过程中摩擦片与波形片的最高温度分别要保持在30 0 与2 0 0 轴的滑磨温度与接合速度。具体来讲,与基于Simulation X的控内。所提方法的滑磨温度控制结果，如图7 所示。制方法相比，滑磨力矩计算精度显著提升，最大误差仅为0.0 17；+摩擦片与基于模糊PID的控制方法相比，离合器结合速度控制精度大+一波形片大提高，控制精度始终保持在95%以上。因此，充分说明所提350方法可以使整车具有良好的起动性能，满足整车对离合器起动性300能的要求。AAAA250F200F150100500Fig.7 Sliding Mill Temperature Control Results由图7 可看出，随着时间的增加，接合器之间的接触次数增加，导致摩擦片与波形片的有所上升。在验证时间为2 0 min时，摩擦片与波形片的温度上升开始逐渐趋于稳定，当验证时间达到25min时，摩擦片的最高温度达到2 8 0,波形片的最高温度达到175。摩擦片与波形片的最高温度均为超过规定温度。因此，充分说明所提出的控制方法，能够有效控制离合器的滑磨温度。3.2.3接合速度控制精度接合速度控制精度是离合器滑磨控制的重要指标，三种方法的结合速度控制精度对比结果，如图8 所示。一所提方法-一文献4方法文献 5方法100690807060F5Fig.8 Comparison Results of Engagement Speed Control Accuracy由图8 可看出，当验证时间增加时，三种方法的控制精度变化情况各不相同，所提方法的接合速度控制精度始终保持在95%以上，且所提方法的控制精度波动幅度较小。而文献 4-5方Aug.2023参考文献1孙涛,李冬.基于模糊矩阵和神经网络的航空发动机磨损部位故障识别 J1.燃气涡轮试验与研究2 0 19,5(6)：50-53.(Sun Tao,Li Dong.The wearing part fault identification of aero-enginebased on fuzzy matrix and neural network J.Gas Turbine Experimentand Research,2019,5(6):50-53.)510时间/min图7 滑磨温度控制结果1015时间/min图8 接合速度控制精度对比结果15202025252许磊，王建新.基于模糊神经网络的异常网络数据挖掘算法 J.计算机科学,2 0 19,46(4):7 3-7 6.(Xu Lei,Wang Jian-xin.Data mining algorithm of abnormal networkbased on fuzzy neural networkJ.Computer Science,2019,46(4):73-76.)3严正峰,段亚林,全世平.波形片特性仿真及其疲劳可靠性分析 J.汽车技术,2 0 18,4(11):54-57.(Yan Zheng-feng,Duan Ya-lin,Quan Shi-ping.Simulation of cushionspring characteristics and its fatigue reliability analysis J.AutomobileTechnology,2018,4(11):54-57.)4龚鹏，李灯辉,刘刚，等.基于SimulationX汽车起步过程离合器滑磨功仿真分析 J.机械设计，2 0 19,36(3)：10 5-10 9.(Gong Peng,Li Deng-hui,Liu Gang,et al.Simulation analysis on clutchsfrictional work during the auto-starting process based on Simulation XJ.Journal of Machine Design,2019,36(3):105-109.)5余世明，孙超.插电式混合动力汽车离合器控制方法及仿真研究 J.浙江工业大学学报，2 0 17,45(3)：30 5-30 9.(Yu Shi-ming,Sun Chao.Clutch control method and model-based simu-lation of plug-in hybrid vehicle J.Journal of Zhejiang University ofTechnology,2017,45(3):305-309.)6杨仁虎,凌云，常旭，等.逆时偏移中波形光滑性分析与波形校正研究J.中国地震,2 0 19,35(2)：2 48-2 55.(Yang Ren-hu,Ling Yun,Chang Xu,et al.Analysis of waveform smooth-ness and waveform correction for reverse time migrationJ.EarthquakeResearch in China,2019,35(2):248-255.)7詹华，汪瑞军，李振东，等.边界润滑条件下薄膜碎片对W-DLC薄膜磨损性能的影响 J.中国表面工程，2 0 18,31(2)：59-6 5.(下转第147 页）No.8Aug.20232赵娟，杨慧中.机械臂运动的智能自适应模糊控制策略J.机械设计与制造,2 0 2 0(8):19 2-19 6.(Zhao Juan,Yang Hui-zhong.Intelligent adaptive fuzzy control strategyfor manipulator motionJJ.Mechanical Design and Manufacturing,2020(8):192-196.)3张佳舒，张烨，赵东亚.多机械臂系统无模型自适应神经网络同步控制J.山东科技大学学报（自然科学版),2 0 2 0,3 9(1)：110-119.(Zhang Jia-shu,Zhang Ye,Zhao Dong-ya.Model free adaptive neuralnetwork synchronization control for multi manipulator systems J.Jour-nal of Shandong University of science and Technology(Natural ScienceEdition),2020,39(1):110-119.)4喻昕,陈昭蓉.一类非光滑非凸优化问题的神经网络方法J.计算机应用研究,2 0 19,3 6(9)：2 57 5-2 57 8.(Yu Xin,Chen Zhao-rong.Neural network method for a class of nons-mooth nonconvex optimization problems J.Computer application re-search,2019,36(9):2575-2578.)5喻昕，许治健，陈昭蓉，等.拉格朗日神经网络解决带等式和不等式约束的非光滑非凸优化问题J.电子与信息学报，2 0 17,3 9(8)：19 50-1955.(Yu Xin,Xu Zhi-jian,Chen Zhao-rong,et al.Solving nonsmooth andnonconvex optimization problems with equality and inequality con-straints by Lagrange neural network J.Acta Electronica Sinica,2017,39(8):1950-1955.)6刘畅，杨锁昌，汪连栋，等.基于快速自适应超螺旋算法的制导律J.北京航空航天大学学报，2 0 19,45(7)：13 8 8-13 9 7.(Liu Chang,Yang Suo-chang,Wang Lian-dong,et al.Guidance lawbased on fast adaptive super helix algorithm J.Journal of Beijing Uni-机械设计与制造versity of Aeronautics and Astronautics,2019,45(7):1388-1397.)7张懿，吴嘉欣，韦汉培，等.离散型变增益永磁同步电机超螺旋滑模观测器J.电工技术学报，2 0 18,3 3(2 1)：49 6 2-49 7 0.(Zhang Yi,Wu Jia-xin,Wei Han-pei,et al.Super helix sliding mode ob-server for discrete variable gain permanent magnet synchronous motorJ.Acta Electrotechnics,2018,33(21):4962-4970.)8 Yang Chen,He Wei.Adaptive parameter estimation andcontrol designfor robot manipulators with finite-time convergence,IEEE Trans.ndElectron,2018,65(10):8112-8123.9杨峰，韦常柱,吴荣,等.一阶不确定系统的固定时间收敛扰动观测器J.控制与决策,2 0 19,3 4(5):9 17-9 2 6.(Yang Feng,Wei Chang-zhu,Wu Rong,et al.Fixed time convergent dis-turbance observer for first order uncertain systemsJ.Control and Deci-sion Making,2019,34(5):917-926.)10 Lin Xiao,Tan Hai-yan,Lei Jia,et al.New error function designs forfinite-time ZNN models with application to dynamic matrix inversionJ.Neurocomputing,2020,277(8):713-726.11马璐,刘成菊，林立民，等.基于AM-RPPO的双足机器人适应性行走控制算法J.机器人，2 0 19,41(6)：7 3 1-7 41.(Ma Lu,Liu Cheng-ju,Lin Li-min,et al.Adaptive walking control algo-rithm for biped robot based on AM-RPPOJJ.Robot,2019,41(6):731-741.)12】于欣波，贺威，薛程谦，等.基于扰动观测器的机器人自适应神经网络跟踪控制研究J.自动化学报,2 0 19,45(7)：13 0 7-13 2 4.(Yu Xin-bo,He Wei,Xue Cheng-qian,et al.Research on adaptive neu-ral network tracking control of robot based on disturbance observerJ.Acta automatica Sinica,2019,45(7):1307-1324.)147（上接第13 8 页）(Zhan Hua,Wang Rui-jun,Li Zhen-dong,et al.Effects of film frag-ments on wear properties for W-DLC films under boundary lubricationconditionsJ.China Surface Engineering,2018,31(2):59-65.)8商霖，张海瑞，李璞.导弹前定向件公路机动运输疲劳载荷谱的编制及寿命预估J.振动与冲击,2 0 19,3 8(9)：8 8-9 3.(Shang Lin,Zhang Hai-rui,Li Pu.Compilation of fatigue load spectrumand life estimation for missile front-sliders in road motorized transportenvironmentJJ.Journal of Vibration and Shock,2019,38(9):88-93.)9熊平原，杨洲，孙志全，等.基于离散元法的旋耕刀三向工作阻力仿真分析与试验J.农业工程学报，2 0 18,3 4(18)：113-12 1.(Xiong Ping-yuan,Yang Zhou,Sun Zhi-quan,et al.Simulation analysisand experiment for three-vxis working resistances of rotary blade basedon discrete element methodJ.Transactions of the Chinese Society ofAgricultural Engineering,2018,34(18):113-121.)10孟志立，徐景中.机载激光雷达波形数据横向高斯分解方法J.武汉大学学报（信息科学版）,2 0 18,43(1)：8 1-8 6.(Meng Zhi-li,Xu Jing-zhong.A lateral gaussian decomposition methodfor LiDAR waveform data JJ.Geomatics and Information Science ofWuhan University,2018,43(1):81-86.)11全鑫,莫继良，王安宇，等.高速列车制动片摩擦块尺寸对制动噪声特性的影响J.润滑与密封，2 0 19,6(9)：50-55.(Quan Xin,Mo Ji-liang,Wang An-yu,et al.Effect of friction block sizeof high-speed train brakes on noise characteristics J.Lubrication En-gineering,2019,6(9):50-55.)12宋国强,伍林.基于滑移流模型的微型箔片轴承倾斜性能研究J.组合机床与自动化加工技术，2 0 19,5(6)：12-16.(Song Guo-qiang,Wu Lin.Research on tilt performance of micro-foilbearing based on slip flow model JJ.Modular Machine Tool&Auto-matic Manufacturing Technique,2019,5(6):12-16.)13付昌星，张晓旭.离合器用3 0 CrMnSiA钢制动片和铜基粉末冶金摩擦片的温摩擦磨损性能分析J.粉末冶金工业，2 0 19,2 9(3)：41-45.(Fu Chang-xing,Zhang Xiao-xu.Thermal friction and wear perfor-mance analysis of 30CrMnSiA steel brake plate and copper-based pow-der metallurgy friction plate for clutchJJ.Powder Metallurgy Industry,2019,29(3):41-45.)14罗旋，孟海星，张凯，等.模糊神经网络在矿浆浮选速率预测中的应用J.机械设计与制造，2 0 2 0(4)：19 1-19 3+19 8.(Luo Xuan,Meng Hai-xing,Zhang Kai,et al.Application of fuzzy neu-ral network in pulp flotation rate prediction J.Machinery Design&Manufacture,2020(4):191-193+198.)