王少杰，侯　亮*，黃鶴艇，祝青園

( 1．廈門大學(xué)物理與機(jī)電工程學(xué)院，福建廈門361005; 2．廈門廈工機(jī)械股份有限公司，福建廈門361023)

?

基于最優(yōu)換擋控制目標(biāo)的仿人智能模糊控制策略

王少杰1，侯亮1*，黃鶴艇2，祝青園1

( 1．廈門大學(xué)物理與機(jī)電工程學(xué)院，福建廈門361005; 2．廈門廈工機(jī)械股份有限公司，福建廈門361023)

摘要:針對(duì)裝載機(jī)控制系統(tǒng)的多輸入、多輸出、不確定性等復(fù)雜非線性特性，本文提出基于仿人智能模糊控制的自動(dòng)換擋策略，將仿人智能控制與模糊控制相結(jié)合，以獲取更好的自動(dòng)換擋控制效果．首先提出最優(yōu)換擋控制目標(biāo)，以最佳動(dòng)力換擋曲線設(shè)計(jì)規(guī)則庫，通過模糊控制方法，實(shí)現(xiàn)最佳動(dòng)力換擋的信息量輸出;然后引入仿人智能控制，實(shí)現(xiàn)多態(tài)的仿人控制，最終達(dá)到最優(yōu)換擋控制目標(biāo);最后以某企業(yè)典型的輪式裝載機(jī)為目標(biāo)樣機(jī)，構(gòu)建仿真模型并進(jìn)行仿真分析，還在整機(jī)上進(jìn)行性能驗(yàn)證，仿真結(jié)果與整機(jī)驗(yàn)證結(jié)果一致．實(shí)驗(yàn)表明仿人智能模糊控制具有比較好的控制效果，能夠保證裝載機(jī)工作過程的動(dòng)力性，同時(shí)提高整機(jī)的作業(yè)效率．

關(guān)鍵詞:仿人智能;模糊控制;換擋;裝載機(jī)

55( 1) : 131－136．

Citation: WANG S J，HOU L，HUANG H T，et al．Application of optimal shift control strategy on human intelligent fuzzy control［J］．Jour

nal of Xiamen University( Natural Science)，2016，55( 1) : 131－136．( in Chinese)

工程車輛的自動(dòng)換擋關(guān)鍵技術(shù)的研究在于設(shè)計(jì)最優(yōu)換擋策略，國(guó)內(nèi)外研究學(xué)者分別嘗試使用模糊控制［1－3］、神經(jīng)網(wǎng)絡(luò)［4－6］以及模糊神經(jīng)網(wǎng)絡(luò)控制［7－8］等對(duì)裝載機(jī)的換擋策略進(jìn)行研究，并取得一定的成果，但也存在某些不足．模糊控制的優(yōu)勢(shì)在于可以不需要精確的被控對(duì)象模型而根據(jù)已有知識(shí)經(jīng)驗(yàn)總結(jié)得到的控制策略進(jìn)行控制，適用于復(fù)雜的不確定非線性控制系統(tǒng)，但模糊控制也存在一些難以克服的問題，諸如缺少良好的學(xué)習(xí)機(jī)制、控制精度不高等．由于工程車輛的行駛與作業(yè)工況復(fù)雜，使用模糊控制時(shí)，容易出現(xiàn)頻繁的升降擋，控制的智能程度不夠高，缺乏靈活的自適應(yīng)能力．神經(jīng)網(wǎng)絡(luò)控制是神經(jīng)網(wǎng)絡(luò)理論與控制理論相結(jié)合的一種現(xiàn)代控制理論，是一種基本上不依賴于控制模型的控制方法．神經(jīng)網(wǎng)絡(luò)控制適用于不確定性、復(fù)雜的環(huán)境，具有較強(qiáng)的自適應(yīng)、自學(xué)習(xí)、魯棒性和容錯(cuò)性的能力，但它不適合表達(dá)基于規(guī)則的知識(shí)，而且需要網(wǎng)絡(luò)訓(xùn)練的時(shí)間長(zhǎng)，數(shù)據(jù)樣本多，操作復(fù)雜．由于工程車輛的整機(jī)各異，工作環(huán)境惡劣，工況復(fù)雜多變，很難實(shí)現(xiàn)長(zhǎng)期的、準(zhǔn)確的網(wǎng)絡(luò)訓(xùn)練，而且臺(tái)架實(shí)驗(yàn)與實(shí)際整車實(shí)驗(yàn)差別很大，因此采用神經(jīng)網(wǎng)絡(luò)控制很難滿足實(shí)際的控制需求．為了克服各控制算法存在的缺點(diǎn)，很多研究學(xué)者將各種算法相互組合來實(shí)現(xiàn)更優(yōu)的控制策略，模糊神經(jīng)網(wǎng)絡(luò)控制就是將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合，在一定程度上克服了模糊控制中缺少學(xué)習(xí)機(jī)制、控制精度不高的問題，也解決了神經(jīng)網(wǎng)絡(luò)不適于表達(dá)基于規(guī)則的知識(shí)問題，但是對(duì)于訓(xùn)練時(shí)間、樣本長(zhǎng)度等方面還是沒辦法解決．

縱觀以上方法，它們都有一個(gè)共同的研究目標(biāo)，就是設(shè)計(jì)的控制器能夠像人類一樣根據(jù)實(shí)際作業(yè)條件等做出合理的控制選擇，實(shí)現(xiàn)智能的控制．20世紀(jì)80年末重慶大學(xué)周其鑒教授首次提出仿人智能控制理論，經(jīng)過幾十年的發(fā)展與完善，已經(jīng)廣泛應(yīng)用于復(fù)雜的控制系統(tǒng)中，解決了很多實(shí)際工程問題．仿人智能控制是對(duì)人的控制思想進(jìn)行研究與分析，模擬人的控制行為，其與常規(guī)的智能控制的最大區(qū)別在于控制系統(tǒng)不僅具有較高的控制精度，而且還有一定的智能，能最大限度地根據(jù)控制系統(tǒng)的特征信息識(shí)別控制系統(tǒng)的狀態(tài)，并利用控制系統(tǒng)信息進(jìn)行啟發(fā)與推理，實(shí)現(xiàn)對(duì)不精確模型的對(duì)象的有效控制［9－12］．仿人智能控制的基本特點(diǎn)為模仿控制專家的控制行為，是一個(gè)多模態(tài)的控制方式，因此可以解決控制系統(tǒng)中諸多的互相矛盾的控制品質(zhì)要求，如魯棒性、精確性、快速性與平滑性等．仿人智能控制針對(duì)的控制對(duì)象存在不確定性，需要對(duì)其進(jìn)行模糊化處理使問題簡(jiǎn)單化;控制策略是模仿專家的控制行為，控制技術(shù)也含有大量的模糊性．因此本文嘗試將模糊控制引入仿人智能控制中，旨在實(shí)現(xiàn)更有效的控制方式．

由于工程車輛換擋控制具有多變量、非線性、時(shí)變性、干擾強(qiáng)等特點(diǎn)，很難建立精確的數(shù)學(xué)模型，需要依靠大量的經(jīng)驗(yàn)知識(shí)等，因此本文提出采用仿人智能控制與模糊控制相結(jié)合，即仿人智能模糊控制方法進(jìn)行自動(dòng)換擋技術(shù)的研究，以便獲得更佳的控制效果．

1裝載機(jī)的最優(yōu)換擋控制目標(biāo)

1. 1最優(yōu)換擋控制目標(biāo)的提出

裝載機(jī)的換擋規(guī)律可分為經(jīng)濟(jì)性、動(dòng)力性、綜合性等:經(jīng)濟(jì)性換擋規(guī)律以提高車輛的經(jīng)濟(jì)性為主，動(dòng)力性換擋規(guī)律以提高車輛的動(dòng)力性為主，綜合性換擋規(guī)律融合兩者的優(yōu)點(diǎn)［2－3］．最優(yōu)換擋控制目標(biāo)的提出主要是從操作者的角度出發(fā)，與之前研究者所設(shè)計(jì)的單方面追求最佳動(dòng)力或最佳經(jīng)濟(jì)性的換擋策略，或者簡(jiǎn)單將兩者進(jìn)行結(jié)合的設(shè)計(jì)思想不同．為了更加符合操作者的操作習(xí)慣，最優(yōu)換擋控制目標(biāo)以最佳動(dòng)力性換擋的設(shè)計(jì)為前提，即優(yōu)先保障裝載機(jī)作業(yè)的動(dòng)力性與駕駛員操作的舒適性，然后根據(jù)變矩器的效率曲線適當(dāng)調(diào)整換擋策略，從而達(dá)到既保證作業(yè)的高效性與舒適性又達(dá)到節(jié)能減排的最優(yōu)控制目標(biāo)．

1. 2最優(yōu)換擋控制目標(biāo)的實(shí)現(xiàn)

裝載機(jī)的牽引力F( kN)和速度v( km/h)的計(jì)算公式［13］如下:

式中對(duì)于液力傳動(dòng)系統(tǒng)，MT為液力變矩器的渦輪軸轉(zhuǎn)矩值，nT為液力變矩器的輸出轉(zhuǎn)速，ii、ηi分別為變速箱的轉(zhuǎn)速比、效率，i0、η0分別為主傳動(dòng)轉(zhuǎn)速比、效率，ig、ηg分別為輪邊傳動(dòng)轉(zhuǎn)速比、效率，rd為輪胎滾動(dòng)半徑．

為獲得最佳動(dòng)力性換擋曲線，通過圖1所示裝載機(jī)牽引特性曲線來確定最佳動(dòng)力換擋點(diǎn)．圖中各交點(diǎn)A、B、C、D處的牽引力與車速的關(guān)系為FA1= FA2與vA1=vA2，在A點(diǎn)處進(jìn)行換擋牽引力的波動(dòng)最小，換擋沖擊也最小，A點(diǎn)為最佳換擋點(diǎn)．牽引力F與車速v的大小由柴油發(fā)動(dòng)機(jī)的輸入油門開度a決定，在不同油門開度下便可得到不同的最佳換擋點(diǎn)，組成圖2所示的換擋點(diǎn)曲線．

最優(yōu)換擋控制目標(biāo)就是基于圖2不同油門開度下的最佳動(dòng)力換擋點(diǎn)曲線與圖3轉(zhuǎn)速比與變距器效率(η)關(guān)系曲線進(jìn)行設(shè)計(jì)的，首先以最佳動(dòng)力換擋曲線設(shè)計(jì)規(guī)則庫，通過模糊控制方法，實(shí)現(xiàn)最佳動(dòng)力換擋的信息量輸出;然后引入仿人智能控制，以ηmax對(duì)應(yīng)的轉(zhuǎn)速比i=0．68為趨勢(shì)目標(biāo)，實(shí)現(xiàn)多態(tài)的仿人控制，最終達(dá)到最優(yōu)換擋控制目標(biāo)．

圖1裝載機(jī)牽引特性曲線Fig．1 The traction characteristic curve of loader

圖2不同油門開度下的最佳動(dòng)力換擋點(diǎn)曲線Fig．2 The optimal power shift point curve under different throttle opening

圖3轉(zhuǎn)速比與效率關(guān)系曲線Fig．3 The relationship curve of ratio and efficiency

2仿人智能模糊控制方法

2. 1仿人智能模糊控制輸入輸出參數(shù)選擇

換擋參數(shù)是制定換擋策略的前提和基礎(chǔ)，換擋參數(shù)選擇的正確與否直接影響到換擋理論的合理性［13－15］．仿人智能模糊控制以油門開度、液力變矩器渦輪轉(zhuǎn)速與泵輪轉(zhuǎn)速比、擋位值為控制輸入?yún)?shù)，以擋位增值為輸出參數(shù)．其中油門開度可以反映駕駛員的操作意圖，與柴油發(fā)動(dòng)機(jī)的輸入功能密切相關(guān)，因此被選為一個(gè)重要的換擋參數(shù);變矩器渦輪轉(zhuǎn)速和泵輪轉(zhuǎn)速能完全反映液力變矩器的工作特性，同時(shí)決定變矩器的傳動(dòng)效率和輸出功率，通過控制變矩器轉(zhuǎn)速比，可使變矩器的工況點(diǎn)經(jīng)常保持在高效區(qū)，因此也被選為一個(gè)重要的換擋參數(shù);擋位值作為一個(gè)循環(huán)反饋輸入值而被選為控制輸入?yún)?shù)．為了防止直接以擋位值作為輸出，出現(xiàn)諸如當(dāng)前擋位為4擋，下一時(shí)刻輸出擋位為2擋的多級(jí)跳擋現(xiàn)象，選用擋位增值S作為控制系統(tǒng)的輸出．S為0表示保持當(dāng)前擋位，S為1表示升1擋，S為－1表示降1擋．

2. 2仿人智能模糊控制的實(shí)現(xiàn)

仿人智能模糊控制框架如圖4所示，其設(shè)計(jì)步驟主要分為: 1)使用模糊控制策略設(shè)計(jì)最佳動(dòng)力換擋規(guī)律; 2)在保證最佳動(dòng)力換擋的前提下，使用仿人智能控制策略設(shè)計(jì)最優(yōu)經(jīng)濟(jì)性換擋規(guī)律．

2. 2. 1模糊控制策略的設(shè)計(jì)

采用多輸入單輸出的模糊控制器，首先將輸入量轉(zhuǎn)速比、油門開度、擋位和輸出量擋位增值等模糊化;再根據(jù)圖1所示的最佳動(dòng)力換擋曲線編制模糊規(guī)則;最后生成模糊控制文件，調(diào)入MATLAB仿真模型進(jìn)行仿真分析．

2. 2. 2仿人智能控制策略的設(shè)計(jì)

仿人智能控制是對(duì)控制問題求解的二次映射的處理過程，即從“認(rèn)知”到“判斷”的定性推理過程和從“判斷”到“操作”的定量推理過程［9－10］．仿人智能控制器的設(shè)計(jì)按照以下步驟展開:

1)確立控制目標(biāo)軌跡

仿人智能控制的目標(biāo)是在保證最佳動(dòng)力性換擋的同時(shí)，實(shí)現(xiàn)最優(yōu)經(jīng)濟(jì)性換擋，因此以變矩器效率最高時(shí)所對(duì)應(yīng)的轉(zhuǎn)速比0．68作為仿人智能控制器的控制性能指標(biāo)，并以轉(zhuǎn)速比的誤差值e、誤差變化率·e建立誤差相平面( e-·e)坐標(biāo)．

2)建立特征模型

對(duì)于裝載機(jī)，一般將液力變矩器效率大于等于0．75視為高效區(qū)［16－17］，根據(jù)圖3可以確定高效區(qū)所對(duì)應(yīng)的轉(zhuǎn)速比的范圍為［0．453，0．907］．理論上說i1= 0．453，i2=0．907是最佳經(jīng)濟(jì)性換擋點(diǎn)．當(dāng)轉(zhuǎn)速比高于i2時(shí)，表明裝載機(jī)的負(fù)載阻力變小，可以進(jìn)行增1擋操作，以提高車速;當(dāng)速比低于i1時(shí)，表明裝載機(jī)外負(fù)載阻力變大，可以進(jìn)行減1擋操作，以提高裝載機(jī)的牽引力．因此，以變矩器最高效率點(diǎn)對(duì)應(yīng)轉(zhuǎn)速比i = 0．68與高效區(qū)對(duì)應(yīng)的臨界點(diǎn)轉(zhuǎn)速比i1=0．453、i2=0．907作為劃分依據(jù)，分別以轉(zhuǎn)速比的誤差e=0．1與e=0．2作為2個(gè)劃分點(diǎn)，對(duì)誤差相平面( e-·e)進(jìn)行區(qū)域劃分．

3)設(shè)計(jì)運(yùn)行控制級(jí)

仿人智能控制運(yùn)行控制級(jí)的特征模型如圖5所示，其中虛線R表示對(duì)被控對(duì)象的理想誤差目標(biāo)控制軌跡fd( e，·e)．采用如下的措施以保證實(shí)際的誤差軌跡盡可能地與理想誤差目標(biāo)軌跡一致［9－12］:

1)當(dāng)e≥0．2時(shí)，對(duì)應(yīng)區(qū)域①，為了使液力變矩器效率處于高效區(qū)，直接采用升1擋或降1擋操作．

2)當(dāng)0．1≤e＜0．2且e×·e＞0，即誤差處于增大趨勢(shì)時(shí)，對(duì)應(yīng)區(qū)域②，為了使液力變矩器效率處于高效區(qū)，直接采用升1擋或降1擋操作．

3)當(dāng)0．1≤e＜0．2且e×·e≤0，即誤差處于減弱趨勢(shì)時(shí)，對(duì)應(yīng)區(qū)域③，此時(shí)結(jié)合誤差e的大小，若e值靠近0．2，直接采用升1擋或降1擋操作，其他情況下結(jié)合最佳動(dòng)力性換擋信息給出最后換擋情況．

4)當(dāng)e＜0．1時(shí)，液力變矩器效率處于高效區(qū)內(nèi)，且短時(shí)間不會(huì)較快地滑出高效區(qū)，此時(shí)的換擋信息主要取決于最佳動(dòng)力性換擋信息．

圖4仿人智能模糊控制框架Fig．4 The framework of humanoid intelligent fuzzy control

圖5仿人智能控制運(yùn)行控制級(jí)的特征模型Fig．5 The characteristic model of the humanoid intelligent control operation control level

3控制策略驗(yàn)證

為了驗(yàn)證控制策略設(shè)計(jì)的有效性，以某企業(yè)典型的輪式裝載機(jī)為目標(biāo)樣機(jī)，構(gòu)建仿真模型并進(jìn)行仿真分析．

3. 1仿真模型的構(gòu)建

依據(jù)裝載機(jī)傳動(dòng)系統(tǒng)的組成建立如圖6所示的仿真模型［16－17］．該模型中仿人模糊控制模塊以渦輪與泵輪轉(zhuǎn)速比、油門開度、當(dāng)前擋位作為輸入?yún)?shù)，這些參數(shù)首先進(jìn)入模糊控制器，通過模糊推理與模糊判斷，得到擋位增值信息;然后將轉(zhuǎn)速比與擋位增值信息作為仿人智能控制的輸入，通過特征區(qū)域的比對(duì);最后得到擋位增值作為仿人智能模糊控制器的最后輸出．將擋位增值與當(dāng)前擋位值進(jìn)行相加操作，并設(shè)置最高擋位值為4、最低擋位值為1，得到最終的擋位值．

3. 2仿真分析與結(jié)果討論

仿真是模擬圖7所示的裝載機(jī)鏟裝物料的工況進(jìn)行，仿真的輸入?yún)?shù)如圖8所示．仿真總時(shí)間為25 s，裝載機(jī)啟動(dòng)后0～5 s，油門開度從0%加到100%，裝載機(jī)快速駛向物料;當(dāng)快接近物料時(shí)自動(dòng)減速到1擋或2擋插向物料;當(dāng)插入物料后加大油門，最后完成物料的鏟裝．

圖7裝載機(jī)鏟裝物料過程Fig．7 The shovel loading process of the loader

仿真過程分別以邏輯控制(等同于手動(dòng)換擋控制)、模糊控制、仿人智能模糊控制為控制策略，在相同的設(shè)計(jì)規(guī)則、輸入?yún)?shù)等條件下進(jìn)行仿真實(shí)驗(yàn)，仿真結(jié)果曲線如圖9所示．

圖6裝載機(jī)傳動(dòng)系統(tǒng)仿真模型Fig．6 The simulation model of loader transmission system

3. 2. 1動(dòng)力性分析

一般情況下，低擋位時(shí)牽引力大，動(dòng)力性更強(qiáng)．由圖9( a)擋位輸出曲線可以看出，由于模糊控制存在控制不準(zhǔn)確的問題，導(dǎo)致控制時(shí)開檔時(shí)機(jī)在邏輯控制的前面，出現(xiàn)動(dòng)力不足的結(jié)果．而仿人智能模糊控制策略結(jié)合了仿人智能控制與模糊控制的優(yōu)點(diǎn)，與其他2種控制策略相比，總是延遲升擋，優(yōu)先降擋，它將保證工作過程具有最佳動(dòng)力性．

圖8仿真輸入?yún)?shù)曲線Fig．8 The input curve of simulation parameter

圖9仿真輸出曲線Fig．9 The output curve of simulation

3. 2. 2經(jīng)濟(jì)性分析

從圖9( b)可以看出，為了提高換擋效率，使用仿人智能模糊控制策略的仿真模型在遇到物料后，即仿真15～25 s的過程，更快換擋以提高轉(zhuǎn)速比，使其盡可能趨近0．68的值，保證液力變矩器的高效率;從圖9 ( c)可以看出，使用仿人智能模糊控制策略的仿真模型在遇到物料后，瞬時(shí)效率值明顯優(yōu)于其他2種控制策略的仿真結(jié)果;從圖9( d)可以看出，仿人智能模糊控制策略的仿真結(jié)果的總效率優(yōu)于其他的2種控制策略，具體的比較見表1，其中比值誤差為仿人模糊控制的總效率值與另外2種控制策略的總效率值的差，再除以仿人模糊控制的總效率值的值．

從仿真結(jié)果可以看出，仿人智能模糊控制在保證最佳動(dòng)力性換擋的前提下，能夠更加有效地實(shí)現(xiàn)經(jīng)濟(jì)性換擋，達(dá)到最優(yōu)換擋控制的目的．

表1 3種換擋控制策略的總效率對(duì)比Tab．1 Total efficiency comparison of three shift control strategies

4整機(jī)實(shí)驗(yàn)

為了驗(yàn)證換擋策略的性能，將研制的自動(dòng)換擋控制器直接安裝在所選的典型樣機(jī)上進(jìn)行實(shí)驗(yàn)，并進(jìn)行載荷譜的采集與分析．

實(shí)驗(yàn)采用對(duì)比方式進(jìn)行，控制策略選用邏輯控制、模糊控制與仿人模糊控制進(jìn)行對(duì)比;作業(yè)工況為重載運(yùn)輸;作業(yè)對(duì)象主要為鐵礦石、松散土;各控制策略分別進(jìn)行3個(gè)循環(huán)的重載運(yùn)輸，每個(gè)作業(yè)循環(huán)分為重載運(yùn)輸與空載跑車．

實(shí)驗(yàn)中在同工況、同里程、同駕駛員等作業(yè)條件下，比較其燃油消耗量進(jìn)行效率比較．由于手工換擋的換擋效率因人而異，而且存在比較大的差別，因此只在自動(dòng)換擋之間進(jìn)行效率比較．

表2不同換擋控制策略的實(shí)際耗油量對(duì)比Tab．2 The actual fuel consumption comparison of different shift control strategy

表2的對(duì)比數(shù)據(jù)表明，仿人智能模糊控制策略的總?cè)加拖牧孔钚?，總效率明顯優(yōu)于其他的控制策略;整機(jī)實(shí)驗(yàn)結(jié)果與仿真結(jié)果得出的仿人智能模糊控制策略的總效率優(yōu)于其他控制策略的結(jié)果一致，表明仿真模型是可靠的，仿真結(jié)果有效，可以在一定程度上對(duì)控制策略的優(yōu)劣進(jìn)行評(píng)估．

5結(jié)論

本文提出基于仿人智能模糊控制的最優(yōu)換擋控制策略，并以某企業(yè)典型的輪式裝載機(jī)為目標(biāo)樣機(jī)，構(gòu)建仿真模型并進(jìn)行仿真分析，同時(shí)將換擋控制策略應(yīng)用于整機(jī)實(shí)驗(yàn)中進(jìn)行驗(yàn)證．實(shí)驗(yàn)表明仿人智能模糊控制具有比較好的控制效果，能夠保證裝載機(jī)工作過程的動(dòng)力性，提高整機(jī)的作業(yè)效率．該換擋策略的研究可應(yīng)用于工程機(jī)械中的其他車輛，對(duì)推動(dòng)工程機(jī)械的智能化控制與能源節(jié)約具有重要意義．

參考文獻(xiàn):

［1］張志義，趙丁選，陳寧．工程車輛模糊自動(dòng)換擋策略研究［J］．農(nóng)業(yè)機(jī)械學(xué)報(bào)，2005，36( 10) : 26－29．

［2］張志義，趙丁選，于微波．工程車輛三參數(shù)模糊換擋策略的研究［J］．起重運(yùn)輸機(jī)械，2007( 2) : 37－40．

［3］YI J，WANG X L，HU Y J．Fuzzy control and simulation on automatic transmission of tracked vehicle in complicated driving conditions［C］∥Vehicular Electronics and Safety，IEEE International Conference．Beijing: IEEE，2006: 259－264．

［4］HALILCEVIC S S，GUBINA A F．Automatic transmission network capability assessment scheme in daily scheduling using neural networks［C］∥Power Tech Conference Proceedings．Bologna: IEEE，2003．doi:10．1109/PTC．2003．1304308．

［5］陳寧，趙丁選，龔捷，等．工程車輛自動(dòng)變速擋位決策的遺傳徑向基神經(jīng)網(wǎng)絡(luò)方法［J］．吉林大學(xué)學(xué)報(bào)(工學(xué)版)，2005，35( 3) : 258－262．

［6］張紅彥，趙丁選，陳寧，等．基于遺傳算法的工程車輛自動(dòng)變速神經(jīng)網(wǎng)絡(luò)控制［J］．中國(guó)公路學(xué)報(bào)，2006，19( 1) :117－121．

［7］王卓，趙丁選，龔捷．工程車輛擋位決策的自適應(yīng)神經(jīng)模糊推理系統(tǒng)［J］．農(nóng)業(yè)機(jī)械學(xué)報(bào)，2002，33( 6) : 1－4．

［8］WU S，LU H．Fuzzy neural network control in automatic transmission of construction vehicle［C］∥Proceedings of the 6th World Congress on Intelligent Control and Automation．Dalian: IEEE，2006: 2512－2516．

［9］李祖樞，徐鳴．一種新型的仿人智能控制器( SHIC)［J］．自動(dòng)化學(xué)報(bào)，1990( 6) : 503－509．

［10］李祖樞．仿人智能控制研究20年［C］∥1999年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議．重慶:中國(guó)自動(dòng)化學(xué)會(huì)，1999．

［11］王俊普，郝金波，李國(guó)清．一種設(shè)計(jì)仿人智能控制器特征模型的新方法［J］．自動(dòng)化學(xué)報(bào)，2001( 6) : 841－844．

［12］劉克勤，楊志，查智．仿人智能控制策略在不確定性復(fù)雜控制系統(tǒng)中的應(yīng)用［J］．西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版)，2007( 3) : 156－161．

［13］龔捷．以提高傳動(dòng)效率為目的的工程車輛自動(dòng)變速換擋規(guī)律研究［D］．長(zhǎng)春:吉林大學(xué)，2002: 39－42．

［14］常綠．基于實(shí)時(shí)工況的裝載機(jī)智能換擋規(guī)律［J］．農(nóng)業(yè)工程學(xué)報(bào)，2009，25( 3) : 69－73．

［15］崔功杰．工程車輛三參數(shù)最佳換擋規(guī)律及控制方法研究［D］．長(zhǎng)春:吉林大學(xué)，2009: 31－35．

［16］陳寧，王云超．裝載機(jī)自動(dòng)變速智能換擋控制系統(tǒng)設(shè)計(jì)［J］．廈門理工學(xué)院學(xué)報(bào)，2009，17( 4) : 51－55．

［17］侯亮，官登，黃鶴艇，等．工程車輛的綜合換擋規(guī)律研究［J］．中國(guó)工程機(jī)械學(xué)報(bào)，2013，11( 3) : 195－199．

Applications of Optimal Shift Control Strategy to Human Intelligent Fuzzy Control

WANG Shaojie，HOU Liang*，HUANG Heting，ZHU Qingyuan

( 1．School of Physics and Mechanical＆Electrical Engineering，Xiamen University，Xiamen 361005，China; 2．Xiamen XGMA Machinery Co．，Ltd，Xiamen 361023，China)

Abstract:For purposes of aiming at the control system of loader multiple input，multiple output，and the uncertainty of the complex nonlinear characteristics，a new controller to realize automatic shift is constructed according to fuzzy control algorithm with Human－Simulated intelligent control，combined with Human－Simulated intelligent fuzzy control，to obtain better results．First，an optimal shift control objectives is proposed．The fuzzy control method is used to achieve the information of optimum power shift，of which rules are designed based on the best power shift curve．And then the humanoid intelligent control method is introduced，design polymorphism humanoid control，and ultimately achieve optimal shift control objectives．Finally a simulation model is built and analysis，with the prototype of an enterprise typically wheel loader，and proved in practice on the loader．The simulation results are consistent with the validation results on the loader．Experiments show humanoid intelligent fuzzy control exerts better control effects．It is possible to ensure that the process of dynamic loader works，while improving the operating efficiency of the machine．

Key words:human intelligent; fuzzy control; gear shift; loader

*通信作者:hliang@ xmu．edu．cn

基金項(xiàng)目:國(guó)家“十二五”科技支撐計(jì)劃( 2013BAF07B04)

收稿日期:2015－04－13錄用日期: 2015－07－23

doi:10．6043/j．issn．0438－0479．2016．01．025

中圖分類號(hào):U 270．1+4

文獻(xiàn)標(biāo)志碼:A

文章編號(hào):0438－0479( 2016) 01－0131－06

引文格式:王少杰，侯亮，黃鶴艇，等．基于最優(yōu)換擋控制目標(biāo)的仿人智能模糊控制策略［J］．廈門大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016，