第1 期
履带车辆电传动系统发动机的建模、控制与仿真
13
表2 修正规则表（!） Tab .2 Modif yi ng rules（!）
模糊 变量
"
NL
NS
Z
PS
PL
PL
SC
F
F
SC
LC
PS
SC
SC
SA
SC
LC
#
Z
LC
SC

SC
LC
NS
LC
SC
SA
SC
SC
NL
LC
SC
F
F
SC
! 仿真试验
电传动系统发动机的控制目标与机械传动的全 程调速含义不一样，它要求迅速接近最优功率点的 转速，即尽快地靠近复合优化图谱，充分发挥发动机 的性能。因此，有关柴油机调速系统试验方法不能 完全套用。但给定一个最优功率点，控制器控制系 统反应越快越好，稳态误差越小越好，这与控制系统 一般要求又很类似。
x
NL
NS
Z
PS
PL
PL
PL
NS
NB
NB
NL
PS
PL
Z
NS
NS
NL
y
Z
PL
PS
Z
NS
NL
NS
PL
PS
PS
Z
NL
NL
PL
PL
PL
PS
NL
图5 模糊控制器框图 Fi g .5 Fra me chart of f uzzy controller
修正参数 T 值由模糊变量x、y 决定，通过仿真 试验优化它们的对应关系，如表2 所示。修正参数 T 定为大放（LA）、小放（SA）、不变（F ）、小缩（SC ）和 大缩（LC）。对应的离散值｛LA，SA，F ，SC ，LC ｝= ｛5 ，2 ，1 ，\ 5 ，\ 2 ｝.
2（a ）所示，其中数值是齿杆的位置；辨识精度见图
（a ）神经网络输出结果 （a ）NN out put results
2（b ）所示，其中实线是发动机水上的实际螺旋浆特 性，虚线是神经网络的输出值，二者的误差最大值小
于9 % 。这说明用 RBF 神经网络对发动机进行建 模已有足够的精度。
发动机用直线位移电磁铁作为控制齿杆的执行
装置，简化传递函数为［9 ］
S（s U（s
） ）=
（s
T
M+
k 1 ）（s
TE
+
1
）e -"s ，
（2 ）
式中：S 为齿杆位移；U 为电磁铁两端的平均有效
电压；k 为增益；T M 为机械时间常数；T E 为电气时
间常数；" 为滞后时间。由于 T M " T E ，（2 ）式可简
化为
S（s U（s
） ）=
! 发动机建模
柴油机的建模是进行控制研究的基础，也是仿 真试验的前提。模型要在一定的精度范围内反映发 动机特性，又不要过于复杂。
发动机燃烧过程是个多元的、复杂的、非线性的 连续过程。它的动态过程涉及流体、燃烧和动力学 等理论，要建立精确的数学模型并进行精确定量分 析有一定困难［1 ］，但建立工程上应用的、便于分析 发动机的基本特性、研究控制算法和仿真的数学模 型是比较容易的，常见的发动机建模有：抓住主要特 征，建立发动机的简化模型［2 ］；动力装置的关键稳 态力矩—速度特性模拟［3 ］；利用经验公式［4 -5 ］等。
11
RBF 输出的精度就会达到要求。 RBF 神经网络隐层作用函数（基函数）用高斯
函数表示为
Ri（o
）=
exp［-
!o - c i 2!i2
!2 ］，i =
1 ，2 …，N
.
（1 ）
其中：!·!是泛数；c i 是第i 个基函数的中心；!i 基
函数围绕中心的宽度；N 是隐层神经元的个数，输
入到隐层权值固定为1 。在学习过程中，RBF 神经
采用均匀分步的单点隶属函数。这样选择模糊化算
法简单，仿真试验效果良好。
模糊控制规则见表1 ，在实际的模糊控制器中 规则表要相反设置，以符合负反馈控制习惯表达方
式。采用 Ma mdani 推理方法，解模糊用重心法。 表1 模糊控制规则表（z）
tab .1 Fuzzy control rules（z）
模糊 变量
由于多层前馈神经网络能以任意精度逼近紧密 集上的任意连续实函数［7 -8 ］，故用 RBF 神经网络对 发动机速度特性进行学习，完成建模（图1 ），而不用 最小二乘法或多项式拟合的方法。其中 ! 是齿杆 位移，" 是发动机转速。学习成功的 RBF 神经网络 运算简单，给出任意齿杆位置和转速，会立刻得到输 出扭矩 #$只要作为试验数据的样本足够，
第26 卷 第1 期
兵工学报
Vol .26 No .1
2 0 0 5 年1 月
ACTA AR MAMENTARII
Jan . 2005
!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
履带车辆电传动系统发动机的建模、控制与仿真
图1 神经网络对关键稳态力矩—速度特性的辩识 Fi g .1 I dentificati on of engi ne speed characteristics by a NN
收稿日期：2004 -01 -15 基金项目：国家“十五”预研项目（404020701. 1 ）
第1 期
履带车辆电传动系统发动机的建模、控制与仿真
为了消除模糊控制系统静差，采用对偏差积分 并进行限值，这样不仅可消除系统静差，而且还可以 避免极限环［16 ］。
模糊控制器框图如图5 。如果x、y 和z 代表模 糊控制器输入量e、'e 和控制量u 的模糊论域（x、y
和z !［~1 ，1 ］），它们的模糊集合定为正大（PL ）、 正小（PS）、零（Z ）、负小（NS）、负大（NL ）。输入变量 隶属函数选用对称、均匀分布、全交迭三角形，输出
其次进行发动机的动态仿真试验，即复合优化 图谱控制目标下的加载和卸载负荷试验。从60 % 功率 加 载 至8 0 % 时 ，发 动 机 转 速 变 化 见 图6 ；从
图6 复合优化图谱控制目标下加载负荷仿真试验 Fi g .6 Si mulati on of load i ncrease at t he ai m of t he
无级变速履带车辆常以最佳燃油消耗率的功率 —转速曲线（优化图谱）为目标进行控制［13 ］。只要 发动机的工作点在这条曲线上，那么该转速下功率 点对应的燃油消耗率最小。经过研究，不完全按最 佳燃油消耗率的功率—转速曲线进行控制，而在两
（b ）神经网络输出的精度 （b ）Out put accuracy of NN
combi ned control opti mal graph
图7 复合优化图谱控制目标下卸载负荷仿真试验 Fi g .7 Si mulati on of load decrease at t he ai m of t he
combi ned control opti mal graph
60 % 功率卸载至40 % 时，发动机转速曲线如图7 。 从图6 、图7 中看出，发动机的动态过程要偏离
在以往的关键稳态力矩—速度特性模拟中，首 先取得发动机的试验数据，然后采用最小二乘法或 多项式对扭矩特性进行拟合。只要发动机输入下降 是操作规程所允许的，而不是波动得非常快，那么发 动机的动力性能基本与稳态特性一致，这种方法结 果的最大误差是15 %［6 ］，它也是发动机动力仿真的
有效方法。 多项式拟合法是分别在不同齿杆位置或油门开
表3 稳态误差
Tab .3 Stable errors
功率百分比／ %
普通模糊控制 误差／%
带有修正的模糊 控制误差／%
20
1 .48
0 .05
40
1 .28
0 .56
60
1 .23
0 .75
80
1 .20
0 .84
100
0 .84
0 .55
仿真试验表明，控制器能很好地控制发动机沿 复合优化图谱稳定运行。由于积分环节的存在，带 有修正的 模 糊 控 制 比 普 通 的 模 糊 控 制 稳 态 误 差 要 小。
析。得到的控制方法和结论对电传动系统有重要意义。
关键词：自动控制技术；履带车辆；电传动；发动机；RBF 神经网络；模糊控制
中图分类号：TJ81 +0 .31
文献标志码：A
文章编号：1000- 1093（2005 ）01- 0010- 05
在履带车辆电传动系统中，对柴油机进行建模、 控制与仿真是重要的问题，也是电传动系统全数字 仿真平台的重要部分。电传动数字仿真平台是电传 动系统项目论证、评估、指标、可靠性和基本费用确 定的重要技术基础和科学手段。
虽然模糊控制的鲁棒性好，但当参数发生变化 或在新的平衡点时，系统传递函数发生了变化，不能 保证系统具有原来的良好的调节性能。因此，设计 变参数模糊控制器，运用论域缩小逼近法对模糊控 制器的量化因子和比例因子进行在线调整。在误差 和误差变化率大时采用较小的量化因子和较大比例 因子，缩小误差基本论域，增大对误差的控制作用， 对系统进行“粗调”，加快系统的调整过程，提高动态 性能；相反，则 采 用 较 大 的 量 化 因 子 和 较 小 比 例 因 子，对系统进行“细调”，提高控制器对误差和误差变 化率的分辨率，改善系统的稳态性能。
张豫南1 ，2 ，葛蕴珊1 ，颜南明2 ，谢永海2
（1 . 北京理工大学，北京 100081 ；2 . 装甲兵工程学院，北京 100072 ）
摘要：履带车辆电传动系统是全电战斗车辆的基础，柴油机—发电机机组又是电传动中的重要部