电控机械式自动变速器(Automatic Mechanical Transmission,简称“AMT”)是在手动换档机械式变速器和干式离合器的基础上改进而成。它继承了手动变速器传动效率高、成本低、容易维护等优点,而且实现了换档的自动化。由于其继承性好,改造比较容易,非常适合目前中国的国情,应用前景广阔。 目前车辆自动变速技术已经进入了智能化时代,人们已经不再满足于简单的功能实现,而是开始追求车辆更高的智能性。神经网络具有分布式存储和并行处理信息的能力,可以同时传递和处理信息,并且并行处理机制中的冗余性使得它的容错性很强,控制精度高;神经网络本身具有非线性特性,可以实现非线性映射;神经网络最吸引人之处在于它具有自学习、自适应功能,可以对不明确的对象按照一定的学习规则进行学习式控制,体现了神经网络的智能性。因此利用神经网络建模,只要将实际测得的过程输入输出数据利用MATLAB进行训练,就可获得其输入输出特性与实际过程等价的神经网络模型,不必对过程或对象内部进行分析,这对于未知系统建模是非常方便的。 本文首先介绍了电控机械式自动变速器(AMT)的发展概况、控制原理、控制装置组成、液压执行机构;其次介绍了神经网络的应用领域、特点、网络数据的归一化处理以及RBF网络模型、工作特性、学习算法。重点选择了离合器接合过程作为研究对象,分析了离合器接合过程、影响因素、评价指标,以及离合器接合量和接合速度的确定,介绍了支持RBF算法的神经元芯片ZISC036、PIC单片机的功能和特点,制定了基于RBF网络的离合器接合控制策略;讨论了AMT最佳换档规律,利用MATLAB对已有数据进行了训练仿真,表明RBF网络辨别方法可以解决档位识别问题,并且给出了神经网络换档控制策略。本文的研究为AMT的改进设计及其实际应用打下了理论基础。