一种钢带夹紧力预测控制方法及相关装置与流程

本技术涉及车辆控制，具体涉及一种钢带夹紧力预测控制方法及相关装置。

背景技术：

1、在实际应用中，无级变速器(continuously variable transmission，cvt)通过摩擦来传递扭矩，夹紧力一般采用1.3倍的安全系数，即利用当前扭矩对应夹紧力的1.3倍来传递下一周期的发动机扭矩。图1为一种cvt钢带夹紧的示意图，其中，fax为夹紧力，ft为钢带移动切向摩擦力，fn为法向压力。

2、然而，在tip in动态工况(即从没有油门到有油门的工况)下，发动机扭矩存在扭矩快速增加的现象，若仍使用当前扭矩的1.3倍安全系数来传递下一周期的扭矩，会存在一定的风险，因此为了防止钢带系统打滑，通常会额外依据发动机进气温度、油门等信息标定加大夹紧力，而这种操作方式会导致标定工作更加繁琐，且安全余度过大，还会降低整个传动系统的传动效率。

技术实现思路

1、本技术实施例提供了一种钢带夹紧力预测控制方法及相关装置，能够在提升夹紧力控制精度的同时，降低能耗，提高系统效率。

2、有鉴于此，本技术第一方面提供了一种钢带夹紧力预测控制方法，所述方法包括：

3、当识别到进入目标工况时，根据上一周期的扭矩预估值、当前周期的扭矩测量值、以及当前周期的扭矩预估测量值，确定当前周期的卡尔曼滤波值；所述当前周期的扭矩测量值是在所述当前周期实际测得的扭矩值，所述当前周期的扭矩预估测量值是根据所述上一周期的扭矩预估值确定的；

4、根据所述当前周期的卡尔曼滤波值，确定下一周期的扭矩预估值；

5、根据所述下一周期的扭矩预估值，控制所述当前周期的钢带夹紧力。

6、可选的，所述当前周期的扭矩预估测量值是通过以下方式确定：

7、通过观测方程，根据所述当前周期的车速和所述上一周期的扭矩预估值，确定所述当前周期的扭矩预估测量值；所述观测方程是以扭矩和车速为状态变量的观测方程。

8、可选的，所述根据上一周期的扭矩预估值、当前周期的扭矩测量值、以及当前周期的扭矩预估测量值，确定当前周期的卡尔曼滤波值，包括：

9、计算所述当前周期的扭矩测量值与所述当前周期的扭矩预估测量值的差，作为参考差值；

10、利用卡尔曼增益乘以所述参考差值，得到参考乘积；

11、计算所述参考乘积与所述上一周期的扭矩预估值的和值，得到所述当前周期的卡尔曼滤波值。

12、可选的，所述根据所述当前周期的卡尔曼滤波值，确定下一周期的扭矩预估值，包括：

13、通过系统方程，根据所述当前周期的卡尔曼滤波值，确定所述下一周期的扭矩预估值；所述系统方程是对以扭矩、车速为状态变量的整车纵向行驶动力学方程进行线性化处理得到的。

14、可选的，所述根据所述下一周期的扭矩预估值，控制所述当前周期的钢带夹紧力，包括：

15、根据所述下一周期的扭矩预估值、带轮锥角度、带轮摩擦系数、带轮半径、以及带轮油缸作用面积，确定所述当前周期的钢带夹紧力。

16、可选的，所述根据所述下一周期的扭矩预估值、带轮锥角度、带轮摩擦系数、带轮半径、以及带轮油缸作用面积，确定所述当前周期的钢带夹紧力，包括：

17、在所述下一周期的扭矩预估值和所述当前周期的扭矩测量值中选择最大值，作为目标扭矩预估值；

18、根据所述目标扭矩预估值、带轮锥角度、带轮摩擦系数、带轮半径、以及带轮油缸作用面积，确定所述当前周期的钢带夹紧力。

19、可选的，所述方法还包括：

20、当检测到所述下一周期的扭矩预估值与所述下一周期的扭矩测量值之间的偏差小于预设阈值时，退出执行用于确定所述扭矩预估值的扭矩预估算法。

21、可选的，所述方法还包括：

22、当检测到油门下降、或者无油门时，退出执行用于确定所述扭矩预估值的扭矩预估算法。

23、本技术第二方面提供了一种钢带夹紧力预测控制装置，所述装置包括：

24、第一确定模块，用于当识别到进入目标工况时，根据上一周期的扭矩预估值、当前周期的扭矩测量值、以及当前周期的扭矩预估测量值，确定当前周期的卡尔曼滤波值；所述当前周期的扭矩测量值是在所述当前周期实际测得的扭矩值，所述当前周期的扭矩预估测量值是根据所述上一周期的扭矩预估值确定的；

25、第二确定模块，用于根据所述当前周期的卡尔曼滤波值，确定下一周期的扭矩预估值；

26、控制模块，用于根据所述下一周期的扭矩预估值，控制所述当前周期的钢带夹紧力。

27、可选的，所述装置还包括：

28、第三确定模块，用于通过观测方程，根据所述当前周期的车速和所述上一周期的扭矩预估值，确定所述当前周期的扭矩预估测量值；所述观测方程是以扭矩和车速为状态变量的观测方程。

29、可选的，所述第一确定模块具体用于：

30、计算所述当前周期的扭矩测量值与所述当前周期的扭矩预估测量值的差，作为参考差值；

31、利用卡尔曼增益乘以所述参考差值，得到参考乘积；

32、计算所述参考乘积与所述上一周期的扭矩预估值的和值，得到所述当前周期的卡尔曼滤波值。

33、可选的，所述第二确定模块具体用于：

34、通过系统方程，根据所述当前周期的卡尔曼滤波值，确定所述下一周期的扭矩预估值；所述系统方程是对以扭矩、车速为状态变量的整车纵向行驶动力学方程进行线性化处理得到的。

35、可选的，所述控制模块具体用于：

36、根据所述下一周期的扭矩预估值、带轮锥角度、带轮摩擦系数、带轮半径、以及带轮油缸作用面积，确定所述当前周期的钢带夹紧力。

37、可选的，所述控制模块具体用于：

38、在所述下一周期的扭矩预估值和所述当前周期的扭矩测量值中选择最大值，作为目标扭矩预估值；

39、根据所述目标扭矩预估值、带轮锥角度、带轮摩擦系数、带轮半径、以及带轮油缸作用面积，确定所述当前周期的钢带夹紧力。

40、可选的，所述控制模块还用于：

41、当检测到所述下一周期的扭矩预估值与所述下一周期的扭矩测量值之间的偏差小于预设阈值时，退出执行用于确定所述扭矩预估值的扭矩预估算法。

42、可选的，所述控制模块还用于：

43、当检测到油门下降、或者无油门时，退出执行用于确定所述扭矩预估值的扭矩预估算法。

44、从以上技术方案可以看出，本技术实施例具有以下优点：

45、本技术实施例提供了一种钢带夹紧力预测控制方法，该方法包括：当识别到进入目标工况时，根据上一周期的扭矩预估值、当前周期的扭矩测量值、以及当前周期的扭矩预估测量值，确定当前周期的卡尔曼滤波值；此处当前周期的扭矩测量值是在当前周期实际测得的扭矩值，当前周期的扭矩预估测量值是根据上一周期的扭矩预估值确定的；然后，根据当前周期的卡尔曼滤波值，确定下一周期的扭矩预估值；进而，根据下一周期的扭矩预估值，控制当前周期的钢带夹紧力。

46、在常规的卡尔曼滤波算法中，“预估”结果是中间变量，“校正”结果是最终控制变量，本技术实施例创新性地将“校正”结果作为中间变量，将“预估”结果作为最终控制变量，也即将当前周期的卡尔曼滤波值作为中间变量，将下一周期的扭矩预估值作为最终控制变量，如此实时地对下一周期发动机将要产生的扭矩进行最优预估，并将其作为当前周期夹紧力的计算依据，而非对当前周期钢带系统所传递的扭矩进行估计和校正。该方法利用卡尔曼滤波中隐含的预估功能算法对发动机扭矩进行最优预估，既可满足实时性要求，又能降低钢带系统的工作压力，提升系统效率。