一种利用车辆发动机扭矩实时估计离合器传递扭矩的方法

摘要

本发明公开了一种利用车辆发动机扭矩实时估计离合器传递扭矩的方法，通过推导车辆法定即离合器系统的离散状态空间模型，采用经典离散卡尔曼滤波算法，由发动机扭矩、发动机角速度、发动机角加速度实时计算离合器传递扭矩的估计值，可用于车辆自动离合器控制系统，对离合器分离和接合过程中传递的扭矩进行实时估计。

说明书

技术领域

本发明属于车辆动力传动系统参数估计与控制技术领域，尤其是 涉及一种根据发动机扭矩实时估计车辆摩擦离合器传递扭矩的方 法。

背景技术

车辆发动机离合器系统如图1所示，目前自动离合器往往以离 合器主从动端的转速或转速差为控制目标，通过控制执行机构动 作，实现离合器分离和接合的控制。由于发动机和离合器具有非 线性特性,如何保证在各种工况下都有较好的控制效果是一个问题。

若能够通过在线实时测量离合器传递的摩擦扭矩，则能够根 据实时发动机的扭矩和转速的变化及时估计出扭矩传递的大小， 经过车辆ECU的调整，使对离合器的控制更高效，更可靠地工作。

但是，根据目前的查新检索结果，汽车摩擦离合器传递扭矩 的在线估计，还缺乏完善的方法与技术。宝马股份公司在专利 CN103688078A中阐释的方法是理论上的扭矩加入干扰扭矩,其干 扰扭矩通过卡尔曼滤波进行观测。干扰扭矩影响因素较多，且卡 尔曼滤波的校正仅在内燃机启动时刻才起作用，且校正是基于模 型和现实之间的离合器转速误差，对于模型要求较高，误差相对 大。

发明内容

本发明的目的在于，通过建立发动机与离合器主动端动力学系统 离散状态空间模型，采用卡尔曼滤波技术，提出一种根据发动机扭 矩估计离合器实时传递扭矩的方法。

为了实现上述目的，本发明提出的技术方案是，一种利用车辆发动 机扭矩实时估计离合器传递扭矩的方法，其特征是，所述方法包 括：

步骤1：初始化发动机角速度估计值、发动机角加速度的估计值、 车辆发动机离合器系统状态向量和估计误差协方差矩阵；初始化角速 度估计值；初始化采样时间间隔和采样时长；

步骤2：列车辆发动机离合器系统动力学微分方程；

步骤3：根据采样时间间隔和采样时长采样发动机输出扭矩和发 动机角速度的测量值；

步骤4：将车辆发动机系统动力学微分方程离散化，得到其线 性随机微分方程；

步骤5：判断车辆发动机离合器系统是否满足：系统的状态转换 过程可以描述为一个离散时间的随机过程；系统状态受发动机扭矩和 角速度的影响；系统状态及观测过程都不可避免受噪声影响；对系统 状态是非直接可观测的，这列车辆发动机离合器系统观测方程；

步骤6：利用步骤4中车辆发动机离合器系统线性随机微分方 程，得到车辆发动机离合器系统下一时刻的预测值；

步骤7：计算车辆发动机离合器系统的协方差，由步骤6得到 车辆发动机离合器系统协方差下一时刻的预测值；

步骤8：结合步骤5中车辆发动机离合器系统观测方程和步骤 6中车辆发动机离合器系统测量值，得到下一时刻车辆发动机离合 器系统的最优化估算值，即可得到最优化离合器扭矩估算值；

步骤9：更新车辆发动机系统下一时刻的最优化估算值的协方 差；

步骤10：当k≤t/T_s时，循环步骤4-步骤9，其中k为k时刻，t 为采样时长，Ts为采样间隔。

所述车辆发动机离合器系统线性随机微分方程为

X_k+1＝AX_k+BU_k+W_k；

其中，X_k是系统状态向量，$X_k={\left(\begin{array}{cccc}{\omega }_e^k& {\omega }_e^{k-1}& T_c^k& T_c^{k-1}\end{array}\right)}^T;$U_k是车辆 发动机离合器系统的控制量，$U_k={\left(\begin{array}{cc}{T}_e^k& T_e^{k-1}\end{array}\right)}^T;$W_k是车辆发动机离合 器系统过程噪声向量，满足正态分布的白噪声，均值为0，方差为Q； k是离散化时刻；为k时刻发动机的转速；为k-1时刻发动机的 转速；为k时刻离合器动摩擦扭矩的测量值，为k-1时刻离合器 动摩擦扭矩的测量值，为k时刻发动机扭矩的测量值，为k-1时 刻发动机扭矩的测量值；A是系统状态转移矩阵；B是系统输出矩阵。

所述系统状态转移矩阵A为：

$A=\left(\begin{array}{cccc}\frac{T_s-2}{2(T_s-1)}& \frac{T_s+2}{2(T_s-1)}& \frac{{T_s}^2}{4J_e(T_s-1)}& 0\\ 0& 1& \frac{T_s}{2J_e}& 0\\ \frac{-J_e}{2T_s(T_s-1)}& \frac{3J_e}{2T_s(T_s-1)}& \frac{1}{4(T_s-1)}& 0\\ 0& 0& 0& 0\end{array}\right);$

系统输出矩阵B为：

$B=\left(\begin{array}{cc}\frac{2{T^2}_s}{J_e(T_s-1)}& \frac{-{T^2}_s}{2J_e(T_s-1)}\\ 0& \frac{T_s}{J_e}\\ \frac{T_s+1}{T_s-1}& \frac{1-2T_s}{2(T_s-1)}\\ 0& 0\end{array}\right);$

其中，J_e是发动机的转动惯量，T_s是采样时刻。

所述步骤3中车辆发动机离合器系统测量值为：

Z_k＝HX_k+V_k

其中H＝[1 0 0 0]是系数，V_k是系统量测噪声向量；均值为0， 方差为R，与W_k相互独立，满足正态分布的白噪声。

所述步骤8中下一时刻系统的最优化估算值为：

${\hat{X}}_{k+1}={\hat{X}}_k+K_k(Z_k-H{\hat{X}}_{k-1})$

其中，Z_k为系统观测量；为k时刻的估计值；为k-1时刻的 估计值；K_k为卡尔曼增益矩阵；H＝[1 0 0 0]。

所述步骤9中车辆发动机离合器系统下一时刻的最优化估算 值的协方差为：

P_k＝(I-K_kH)P_k|k-1

其中，I是单位矩阵，K_k为卡尔曼增益矩阵，P_k|k-1是先验估计的 协方差矩阵，P_k是后验估计协方差矩阵且为一对角阵，H＝[1 0 0 0]。

本发明用车辆发动机扭矩实时估计离合器动摩擦扭矩的方法，是 一种直接通过发动机扭矩来估计离合器的传递扭矩，且精度较高，便 于控制。

附图说明：

图1是车辆发动机离合器系统；

图2是利用车辆发动机扭矩实时估计离合器传递扭矩的方法 流程图；

图3是卡尔曼滤波算法结构图；

图4是利用本发明方法估计离合器传递扭矩与实际离合器传递 扭矩曲线对比图；

具体实施方式：

下面结合附图，对优选实施例作详细说明。应该强调的是， 下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应 用。

实施例1：

图2示出利用车辆发动机扭矩实时估计离合器传递扭矩的方 法流程，图3是卡尔曼滤波算法结构图，所述车辆发动机扭矩是指 车辆发动机输出扭矩，离合器传递扭矩是指离合器动摩擦传递扭 矩。结合图2和图3，当车辆正常工作时，所述方法步骤为：

步骤1：初始化发动机角速度估计值发动机角加速度的估计 值系统状态向量X_k和估计误差协方差矩阵P₀；初始化角速度估 计值初始化采样时间间隔T_k；其中，k为k时刻，k＝1，2，…… t/T_k；t为采样时长；

初始化角加速度估计值

初始化系统状态向量X₁＝[0；0；0；0]；

初始化协方差P₀＝[1,0,0,0；0,1,0,0；0,0,1,0；0,0,0,1]。

步骤2:列车辆发动机离合器系统(例如，电控机械式自动变 速系统(AMT，Automated Mechanical Transmission)、双离合变速系 统(DCT，Dual Clutch Transmission)动力学微分方程；

$T_e-T_c=J_e{\stackrel{.}{\omega }}_e---\left(1\right)$

其中，T_e是发动机输出扭矩，T_c是离合器传递的动摩擦扭矩，J_e是发 动机的转动惯量，是发动机的角加速度，其中发动机扭矩Te可以 通过实际测量得到，发动机角加速度可通过实际测量发动机角速度 ω_e，再按照角速度与角加速度公式计算得到。

步骤3：根据采样时间间隔和采样时长采样发动机输出扭矩T_e和发动机角速度ω_e的测量值；

例如，采样时间间隔T_k可以为0.001秒；采样时长t可以为5秒， 所以k＝t/T_k＝5000。

步骤4：将车辆发动机离合器系统动力学微分方程离散化，得 到车辆发动机离合器系统线性随机微分方程；

X_k+1＝AX_k+BU_k+W_k    (2)

其中，X_k是系统状态向量，$X_k={\left(\begin{array}{cccc}{\omega }_e^k& {\omega }_e^{k-1}& T_c^k& T_c^{k-1}\end{array}\right)}^T;$U_k是系统 的控制量，$U_k={\left(\begin{array}{cc}{T}_e^k& T_e^{k-1}\end{array}\right)}^T;$W_k是系统过程噪声向量，满足正态分布 的白噪声，均值为0，方差为Q,例如，Q ＝[1,0,0,0；0,1,0,0；0,0,1,0；0,0,0,1]；k是离散化时刻；为k时刻发动机的 角速度测量值；为k-1时刻发动机的角速度测量值；为k时刻离 合器动摩擦扭矩的测量值，为k-1时刻离合器动摩擦扭矩的测量值， 为k时刻发动机扭矩的测量值，为k-1时刻发动机扭矩的测量值； A是系统状态转移矩阵；B是系统输出矩阵；T为转置运算；

$A=\left(\begin{array}{cccc}\frac{T_s-2}{2(T_s-1)}& \frac{T_s+2}{2(T_s-1)}& \frac{{T_s}^2}{4J_e(T_s-1)}& 0\\ 0& 1& \frac{T_s}{2J_e}& 0\\ \frac{-J_e}{2T_s(T_s-1)}& \frac{3J_e}{2T_s(T_s-1)}& \frac{1}{4(T_s-1)}& 0\\ 0& 0& 0& 0\end{array}\right),B=\left(\begin{array}{cc}\frac{2{T^2}_s}{J_e(T_s-1)}& \frac{-{T^2}_s}{2J_e(T_s-1)}\\ 0& \frac{T_s}{J_e}\\ \frac{T_s+1}{T_s-1}& \frac{1-2T_s}{2(T_s-1)}\\ 0& 0\end{array}\right),$其 中，J_e是发动机的转动惯量(例如一般发动机转动惯量可以为0.3)， T_s是采样间隔(例如Ts可以为0.001s)。

步骤5：系统满足客观性要求条件为：①系统的状态转换过程可 以描述为一个离散时间的随机过程；②系统状态受发动机扭矩和角速 度的影响；③系统状态及观测过程都不可避免受噪声影响；④对系统 状态是非直接可观测的，如果全部满足以上条件，则引入车辆发动机 离合器系统观测方程；

Z_k＝HX_k+V_k    (3)

其中H＝[1 0 0 0]是系数，V_k是系统量测噪声向量。均值为0， 方差为R，例如，R＝0.01,V_k与W_k相互独立，满足正态分布的白噪声。

步骤6：利用步骤4中车辆发动机离合器系统线性随机微分方 程，得到其下一时刻的预测值；

${\hat{X}}_{k+1}=A{\hat{X}}_k+B{U}_k---\left(4\right)$

其中，A是车辆发动机离合器系统状态转移矩阵，是k时刻车辆 发动机离合器系统状态的估计值${\hat{X}}_k={\left(\begin{array}{cccc}{\hat{W}}_e^k& W_e^{k-1}& {\hat{T}}_c^k& T_c^{k-1}\end{array}\right)}^T$(由于不是实 际测量值，而是在不考虑噪声的情况下，利用式 X(k+1)＝AX(k)+BU(k)估计出来的)是k+1时刻车辆发动机离 合器系统的预测估计值，U_k是车辆发动机离合器系统的控制量，B 是车辆发动机离合器系统输出矩阵。A、B和U_k同步骤(2)。

步骤7：计算系统协方差，由步骤6得到系统协方差的下一时 刻的预测值；

P_k+1|k＝AP_kA^T+Q    (5)

其中，Q是系统过程激励噪声协方差，P_k+1|k是先验估计的误差 协方差矩阵，P_k是k时刻估计的误差协方差矩阵；A是系统状态转 移矩阵，右上标T是转置运算；所述估计误差协方差矩阵为一对角阵， 例如，对角线上各元素的取值可取为相应变量的滤波估计精度值平方 的10倍。

步骤8：结合步骤5中车辆发动机离合器系统观测方程和步骤 6中系统测量值，得到下一状态下系统的最优化估算值，即可得到 最优化离合器扭矩估算值

${\hat{X}}_{k+1}={\hat{X}}_k+K_{k+1}(Z_k-H{\hat{X}}_{k-1})---\left(6\right)$

其中，是k时刻车辆发动机离合器系统状态的估计值，是k+1 时刻系统的预测估计值，U_k是系统的控制量，B是系统输出矩阵，K_k+1为卡尔曼增益矩阵；

K_k+1＝P_k+1|kH^T(HP_k+1|kH^T+R)^-1    (7)

其中，K_k是最优卡尔曼增益矩阵，P_k|k-1是先验估计误差的协方差矩 阵，H＝[1 0 0 0]是系数，T是转置运算，R是测量噪声的协方差 矩阵，R＝[1,0,0,0；0,1,0,0；0,0,1,0；0,0,0,1]。

步骤9：更新系统下一状态的最优化估算值的协方差；

P_k+1＝(I-K_k+1H)P_k+1|k    (8)

其中，(P_k+1|k是先验估计误差的协方差矩阵，P_k+1是后验估计误差协 方差矩阵，K_k+1是最优卡尔曼增益矩阵，I是单位矩阵，系数 H＝[1 0 0 0]。

步骤10：当k≤t/T_s时，循环步骤4-步骤9。

经过上述滤波递推计算后，可以确定出在每个离散时刻k的状态 ${\hat{X}}_k={\left(\begin{array}{cccc}{\hat{W}}_e^k& W_e^{k-1}& {\hat{T}}_c^k& T_c^{k-1}\end{array}\right)}^T,$即根据测量出来的发动机转速和扭矩估算 出

图4为利用本发明方法估计离合器传递扭矩与实际离合器传递 扭矩曲线对比图；本图中，发动机转动惯量J_e取0.3，采样时刻T从 0s到5s时间内，采样间隔T_s取0.001s，测得的发动机角速度ω_e的值 和发动机扭矩T_e的值。由图4可以看出，离合估计扭矩与实际扭矩曲 线图中可以看出离合器扭矩估计值与真实值的拟合效果还是可以的， 在0～0.5s时间内，离合器的估计值与实际值的绝对误差是在0～1之 间。离合器动态扭矩卡尔曼估计值与实际值的平均误差为0.485，说 明估计较为准确。平均误差计算公式为：

本发明的有益效果为：

(1)利用本发明提供的用车辆发动机扭矩实时估计离合器动摩 擦扭矩的方法，是一种直接通过发动机扭矩来估计离合器的传递扭矩， 且精度较高，便于控制。

(2)本发明的控制方法避免了一系列非线性的影响因素(比如： 温度/压紧力/摩擦系数等)对离合器扭矩估计的影响。

(3)本发明建立的扭矩传递数学模型较为简单，且能够准确估 计离合器实时扭矩。

(4)本发明提供的用车辆发动机扭矩实时估计离合器动摩擦扭 矩的方法可用于自动操作控制的车辆主离合器中(包括自动膜片弹簧 离合器、电磁离合器等)。在估计的离合器传递扭矩基础上，有望实 现离合器扭矩的直接控制，提高离合器控制的稳定性和可靠性。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范 围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技 术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围 之内。因此，本发明的保护范围应该以权利要求的保护范围为准。