基于转矩预测的混合动力登高车控制策略是什么??    广州登高车租赁,   广州登高车出租多少钱,   登高车租赁价格       本文提出基于转矩预测的随机动态规划控制算法。根据登高车循环工况的前若干周期转矩变化情况，对下一周期内转矩变化进行预测。根据转矩以及蓄能器充液状态计算价值函数，通过调节液压泵/马达的排量使价值函数取得最小值。

      1负载分析,   利用AMESim软件对登高车工作循环进行仿真，得到登高车工作时发动机转矩曲线。登高车作业时，其挖掘动作为往复循环动作，在周期性动作的作用下，登高车负载也呈周期性变化。利用自相关分析对登高车负载周期性进行验证,自相关函数描述随机信号Xt分别在1t和2t时刻的取值1Xt和1Xt之间的相关程度。对于连续信号，自相关函数可以表示为ddxxR，为实测登高车负载样本；t为采样时间序列。对于实际测量信号，有221limdTxxTTRxtxttT,   (2)对于实际测量的周期信号，有01dTxxRxtxttT,   3)信号的自协方差函数为12,xxCtt，E(X)为信号X的数学期望。自相关系数为xCtDXtDXt，DX为信号X的方差。作登高车负载信号的自相关系数曲线。根据自相关系数的特性，周期信号的自相关系数也呈现周期性，且二者周期相同。当0.8时，可视为高度相关；当0.5-  0.8时，可视为中度相关；当0.3- 0.5时，视为低度相关；当=0.3时，相关程度极弱。通过自相关系数图像可以看出，自相关系数呈现较强的周期性波动，时间为0附近的周期性波动极大值大于0.8。因此登高车负载信号可以认为是周期性的，且周期性明显。对负载信号进行傅里叶变换，得到频谱。登高车工作周期一般较长，频谱主要能量集中在低频区，负载频率主要为0～1Hz；登高车负载信号并非多路信号的叠加，难以提取谐波；若忽略噪声干扰，信号不存在高频振动源。

       2负载预测,  为预测登高车循环工况下一工作周期的负载变化情况，需要提取一个周期内负载信号的变化情况。由于登高车正常工作时为循环工况，若对采集到的样本总体进行统计分析，则计算量较大，需要的特征参数数量庞大。而对于循环工况，常用的分析方法为对样本进行截断，将其分割成若干子样本，将研究重点集中在子样本上，对其进行分析。采用经验模态分解法，按照循环工况的周期对登高车发动机转矩样本进行截断，对每一个周期内的样本进行统计分析，以得到登高车工作的特点，从而获得周期内负载变化情况，对负载进行预测。利用近似均值精度估计法确定判断登高车负载变化趋势的最小样本长度，当置信度为68.3%时，有2rSxK，K为相互独立的子样本个数；Sx为实测登高车样本标准差的估计值；x为实测登高车负载样本均值的估计值；r为给定的统计误差。按约1个工作循环为一个子样本，求得采集的100个子样本序列的均值和标准差，分别作为均值和标准差的估计值。根据相对统计误差的定义计算相对统计误差，i为子样本均值与总体均值的差值ˆi为子样本均值；为样本总体均值；子样本均值与总体均值之差的标准差，定义为随机统计误差(9)由实测登高车负载100个循环周期样本可求得样本总体均值117.9880N·m。子样本均值与总体均值之差的标准差为37.9328iN·m，故根据计算结果给定统计误差为32.15%。对采集的100个子样本序列数据进行计算，可得x117.9880N·m，Sx144.8748N·m。故当置信度为68.3%时214.58rSxK取K15，得到样本长度为15个周期。经验模态分解法可解决信号成分提取的问题，其基本原理是从复杂的多频信号中分离出有限数目的本征模函数，所分离出的本征模函数分别代表了原始信号在不同时间尺度上的局部特征信号。经验模态分析法适用于任何类型信号的分析，特别是非线性非平稳信号。通过对登高车工作模式及对负载信号的自相关分析可以得出负载信号是周期信号。在对其进行模态分解时，找出数据信号所有极大值和极小值点，对极大值点和极小值点进行三次样条插值，得到信号曲线的上下包络线。求出上下包络线的平均值，得到包络平均线。对包络平均线进行分析，若其为平滑的周期函数曲线，且函数周期与实际登高车工作周期相近，则可认为是理想曲线。反之，则继续对前一次得到的包络平均线求包络平均线，直至得到理想曲线。经过上述处理，实测样本信号变化(以30个周期为例)。经过试验，在进行三次经验模态分解后所得到的负载曲线周期性较明显，但仍包含小幅波动。这些小幅波动会增加截断点判断的难度，并带来误差。为减小负载曲线的小幅波动，向负载信号中叠加一个高频信号，将负载信号边界模糊化以掩盖小幅波动，重新寻找基线，并用基线的极值点作为截断点。经过经验模态分解和边界模糊化后，周期的截断点会出现一定偏差。选取周期长度的中位数为样本周期的估计值，则样本周期的估计值为17.00s。剔除周期相差较大的几个子样本，选取15个周期的子样本，求出负载幅值的平均值，得到的平均负载。由于登高车负载信号每个周期不完全相同，因此根据15个周期求出的平均负载信号并非平滑曲线，存在较多波动。这些波动会对控制策略的效果带来影响，因此需要对预测负载曲线进行平滑处理。利用LOWESS法对预测负载信号曲线进行平滑处理，作为下一个周期的预测负载曲线。

    广州登高车租赁,   广州登高车出租多少钱,   登高车租赁价格

     3控制策略,  本文所述控制策略适用于并联式油液混合动力登高车，由发动机作为登高车的主驱动元件，液压泵/马达与蓄能器共同组成辅助驱动元件。当登高车需求转矩较小时，发动机带动液压泵/马达向蓄能器中充液，将发动机输出能量转化为液压能储存；当登高车需求转矩较大时，蓄能器向液压泵/马达提供高压油液，使之与发动机共同驱动负载。登高车的燃油消耗量由发动机转速和转矩决定。对于给定的工况循环，发动机转速是一定的，发动机转矩由液压泵/马达转矩和负载转矩决定，而液压泵/马达转矩由蓄能器压力和液压泵/马达排量决定，因此混合动力登高车燃油消耗由蓄能器压力和液压泵/马达排量决定。选取蓄能器压力为状态变量，液压泵/马达排量为控制变量。将登高车一个工况循环划分为N个阶段，对于蓄能器，由波义耳定律可知11nkPV，kP为第k阶段蓄能器压力；kV为蓄能器在第k阶段的充液容积；n为多变指数。混合动力登高车在工作过程中，蓄能器充放液速度较快，可以认为工作在绝热过程，即n1.4。则状态转移方程，pk为液压泵/马达在第k阶段转速；kD为液压泵/马达在第k阶段的排量；t为时间间隔。液压蓄能器储存的能量，maxP为蓄能器充液压力最大值；minP为蓄能器充液压力最小值；maxV、minV分别为蓄能器充液压力最大和最小工况下的充液体积。在相同的多变指数下，为使蓄能器储能效果达到最佳，通过式(14)对蓄能器体积求导，可以得到当蓄能器能量密度最高时最低工作压力与最高工作压力的比值为minmax=0.3PP,  (15)本系统中取蓄能器压力变化范围为10.5～35.0MPa。为减少计算量，不考虑发动机的动态过程，将发动机的燃油消耗率简化为发动机转矩和转速的函数，由于登高车工作过程中保持发动机转速恒定，发动机燃油消耗率可进一步简化为发动机转矩的函数，em为发动机燃油消耗率；eT为发动机转矩。发动机转矩为混合动力登高车需求转矩与液压泵/马达提供转矩之差，即enpT，e发动机传动效率；nT为登高车需求转矩；pT为液压泵/马达提供的转矩；p为液压泵/马达传动效率。12ppmTPD，P为蓄能器压力；D为液压泵/马达排量；pm为液压泵/马达机械效率。混合动力登高车的控制目标是使循环工况下登高车燃油消耗量最低，同时应维持蓄能器压力在设定压力范围内变化。在相同工况条件下，如果蓄能器压力不同，优化结果也应有所差别，因此需要引入惩罚函数，根据蓄能器压力对价值函数进行修正。引入惩罚函数后的价值函数，ekT为第k阶段发动机转矩；ekm为第k阶段发动机燃油消耗率；为加权因数；pkT为第k阶段液压泵/马达转矩；PK为惩罚函数，本文采用由3次曲线和4次曲线函数拟合而成的S形函数作为惩罚函数，pmaxT为液压泵/马达最大转矩；pkT为第k阶段液压泵/马达的转矩；kP为第k阶段蓄能器内充液压力；kD为第k阶段液压泵/马达排量；maxD为液压泵/马达最大排量。

      4仿真分析,  由于动态规划算法的计算量较大，为提高计算效率，将预测的周期以1s为步长离散化为若干阶段，计算每个阶段的液压泵/马达最优排量。在每一个预测周期的起始和结束时刻，要求蓄能器的储能基本保持不变，同时在工作过程中蓄能器压力不超过设定的最高压力和最低压力。对前述工作循环应用动态规划法对登高车燃油消耗量优化并进行仿真。可得到登高车工作曲线。而未加入动态规划算法时，相同工况下登高车发动机转矩。在混合动力登高车0～500s的工作循环中，在未加入动态规划算法时的发动机最大转矩约为450N·m，而加入动态规划算法后的发动机最大转矩约为320N·m，发动机转矩下降了28.9%。利用动态规划算法可使蓄能器压力维持在11MPa至32MPa之间，符合蓄能器压力设定范围的要求，但随着登高车需求转矩的增加，蓄能器压力总体呈现下降趋势。进一步计算登高车燃油消耗量可知，在一定的发动机油耗曲线下，未加入动态规划算法时登高车油耗量为32.33L/h，而加入动态规划算法后的油耗量为21.82L/h，油耗量降低了32.5%。仿真结果表明采用基于预测的动态规划算法对于油液混合动力登高车的节油效果有较高的提升。

    广州登高车租赁,   广州登高车出租多少钱,   登高车租赁价格