曹珊 马岩 宁甲奎 曹龙
（中国第一汽车股份有限公司 智能网联开发院 长春 130013）
主题词：湿式离合器 DCT 起步控制 模糊控制
1 引言
双离合器式自动变速器（DCT）是一种新型变速器，起步技术是DCT开发过程中关键技术之一。
车辆起步控制是变速器最基本的控制技术，主要是根据路况和驾驶员意图，控制离合器接合过程，使车辆按驾驶员意图起动。同时兼顾舒适性、快捷性，保证离合器的使用寿命。
本文深入挖掘了国际上汽车科技文献，对目前湿式双离合器起步控制策略进行了总结、论述，并对各个控制策略进行分析比较。
2 DCT起步控制策略
起步控制策略的目标是在满足驾驶员意图、发动机运行状态、离合器寿命等前提下，使起步性能达到最佳。而对起步性能影响最大的是离合器接合品质，离合器接合品质的主要评价指标是冲击度和滑摩功。起步控制策略就是使这两个相互矛盾的评价指标达到平衡，提高车辆的起步品质。国内外对于离合器在起步过程中的自动控制领域，已经进行了广泛深入的研究[1]。
2.1 建模技术
通过研究离合器的动力学模型、状态空间模型并对其进行仿真，对离合器的稳态和瞬态特性进行分析等，为起步控制策略的研究奠定基础。
文献[2-10]对双离合器变速器（DCT）的工作原理及执行机构的工作过程进行分析，建立湿式离合器退化啮合动力学模型，包括湿式离合器执行器的详细动力学模型和换挡动力学模型。
文献[11-12]对现有动力学模型根据实际情况进行整合调整。文献[11]由于双离合器在行驶时会改变其传动性能，根据在起动过程中的扭矩传输的变化相应地调整了离合器控制系统的动力学模型。文献[12]确定温度演化的动力学模型，并将其与影响扭矩的机械部件特性联系起来。在扭矩传递率模型中使用离合器温度估计，补偿离合器扭矩对温度和滑动速度的依赖性。
文献[13]利用发动机模型、驾驶员模型、DCT模型、变速器控制模块模型和车辆模型，建立了车辆仿真模型，并进行了仿真。结果表明，所建立的模型能够正确反映换档时的扭矩和速度变化，并能正确地实现换档时的扭矩和速度变化
文献[14-16]建立湿式离合器的动力学模型，用于分析和比较离合器在不同工作模式下的稳态和瞬态特性。
2.2 现代控制技术
湿式DCT起步控制策略不仅仅要考虑驾驶员的驾驶意图，还有考虑发动机运行状态、离合器的使用寿命、起步平顺性和快捷性等多方面的要求。在离合器起步控制中应用基于约束条件的最优算法及最优控制，能够找到比较满意的综合最优解。
文献[17-21]采用线性二次型最优控制的方法，文献[7,17-18]考虑滑摩功和冲击度两项性能指标，较好的解决DCT起步过程中离合器压力控制问题，通过控制离合器压力达到最优接合速度。文献[19-20]将冲击度转换为最优控制约束条件之一，以滑摩功最小为目标，实现离合器最优起步控制。文献[21]对湿式离合器基于两级约束的最优控制。文献[22]是以曲轴转速和离合器片转速为状态变量，采用线性二次型方法设计了反馈控制器。控制器保证快速接合、最小滑动损失和舒适性。
文献[23-24]根据发动机的输出扭矩、离合器的传递扭矩、离合器的滑差率以及车辆阻力矩建立滑模控制器，控制输出离合器控制油压。实现DCT车辆平稳起步，并且提高离合器寿命。
文献[25]利用预测控制和遗传算法，在线对发动机转速和车辆速度的目标跟踪曲线进行了优化设计，并设计了起动滑模变结构协调控制策略来跟踪这些曲线。仿真结果表明，所设计的协调控制器不仅体现了驾驶员的意图，有效地提高轿车的起动性能，而且在车辆参数变化时具有很强的鲁棒性。
文献[26]考虑起步及换挡中发动机扭矩波动及油门踏板抖动等不确定因素，基于Riccati不等式设计H∞鲁棒控制器，探讨离合器最优传递扭矩的求解问题。H∞鲁棒控制显着改善离合器控制的鲁棒性能。
2.3 智能控制技术
车辆起步过程中，离合器控制问题具有非线性、时变性、强耦合与难于建模的特征，并且存在驾驶员意图、车况、路况的多变性。模糊控制、神经网络、遗传算法等智能控制技术被用于离合器的起步控制策略中。
文献[27-28]为通过模糊控制器控制离合器接合。文献[27]以提高汽车起步品质和减少起步离合器片磨损为原则，设计驾驶员意图模糊控制器和滑转率阈值模糊控制器，控制两个离合器分离、接合时刻与速度。有效的提高了车辆起步品质。文献[28]以驾驶员意图和离合器主从动盘的转速差、发动机实际转速和目标转速的差值为输入设计模糊控制器，控制两个离合器的接合速度。仿真结果表明，控制方法能实现离合器快速平稳起步。
文献[29]针对双离合器变速器（DCT）在起动过程的问题，提出了一种基于最小原理的最优控制方法。以最小的冲击强度和摩擦功为优化指标，获得最佳的离合器和发动机扭矩及其转速。仿真结果表明，所提出的离合器起动控制策略不仅降低了冲击度和滑摩功损耗，而且遵循了驾驶员不同的起动意图。
文献[30-31]鉴于模糊控制没有自学习功能，引进具有自学习功能的神经网络，设计模糊神经网络的起步控制策略。仿真结果表明，该控制策略的起步性能指标，如起步时间、滑摩功、冲击度等均得到优化，且该控制策略具有较强的自适应能力。
文献[32-33]基于实现对离合器压力精确控制，制定实现离合器起步的模糊智能控制策略。分别以蚁群算法和神经网络优化模糊控制器参数设计离合器压力智能控制系统，实现离合器压力精确控制。
文献[34]针对起步工况以及车辆本身动力学特性的复杂性，设计了基于鲁棒模糊神经网络的起步滑摩过程的鲁棒自适应控制器。仿真结果表明，该控制器具有更好的跟踪效果。
文献[35-36]针对模糊控制技术中模糊规则冗余致使控制系统复杂性增加的问题，提出基于粒子群优化的模糊控制方法。仿真结果表明，该方法减少起步模糊规则的数量，提高控制的实时性，满足车辆起步平稳、快捷的要求。
3 结论
由于DCT车辆起步滑摩功和冲击度使两个相互矛盾的性能指标，引进最优控制方法。其中线性二次型最优控制的方法是最常用的方法。车辆起步工况复杂多变，很难建立完全精准的动力学模型。最优控制需要精确的传动系统动力学模型，而且车辆起步时离合器传动系参数时动态变化的，路面、载荷、挡位也是变化的，使最优控制很难达到最佳。
包括模糊控制在内的智能控制对难以建立数学模型、非线性和大滞后的控制对象，具有很好的适应性，适用于离合器起步控制领域。但是在车辆起步多参数的情况下，模糊控制参数优化很难做到全局最优。而且模糊控制还不具有自学习能力和自适应功能。引进神经网络、粒计算、遗传算法等优化参数，提高控制器的自适应性，提升车辆起步品质。
在使用模糊控制模拟优秀的驾驶员操作的基础上，应用神经网络、粒计算、遗传算法（文献[37]）优化控制参数，提升控制的实时性和学习能力。基于神经网络及遗传算法的模糊控制系统，不仅能够模拟人类的逻辑推理，还具备很好的学习和自适应能力，尤其基于遗传算法的模糊控制已应用于直升机飞行控制、智能机器人等对智能化要求高的复杂控制领域（文献[38-42]）。基于神经网络、遗传算法的模糊控制策略对于离合器起步的控制领域具有良好的应用前景。
