新能源汽车减速器齿轮间隙与靠齿力补偿方法与流程
本发明属于汽车,具体地说,本发明涉及一种新能源汽车减速器齿轮间隙与靠齿力补偿方法。
背景技术:
1、新能源电动汽车的减速器需将驱动电机的高转速转换为车轮所需的低转速,其齿轮啮合面需预留微小间隙以保证灵活性。
2、现有技术普遍采用固定值补偿法以抵消该间隙在电机反转时带来的滞后与振动。然而,齿轮间隙受磨损、温度、载荷等因素影响而动态变化,且在全转速范围内呈非线性分布,导致固定补偿值长期运行后效果恶化,无法适配不同工况。
3、此外,间隙标定依赖人工经验,效率低、一致性差,易引发过零异响;且缺乏自适应能力,长里程磨损会恶化传动平顺性并影响齿轮寿命。
4、提供一种新能源汽车减速器齿轮间隙与靠齿力补偿方法,特别是关于改善新能源汽车电驱系统传动精度。
技术实现思路
1、本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提供一种新能源汽车减速器齿轮间隙与靠齿力补偿方法,目的是提高新能源汽车电驱系统传动精度。
2、为了实现上述目的,本发明采取的技术方案为:新能源汽车减速器齿轮间隙与靠齿力补偿方法,用于对新能源汽车电驱系统中减速器的齿轮间隙进行补偿控制,包括步骤:
3、s1、多维度因子数据采集:获取与新能源汽车减速器齿轮间隙相关的多维度影响因子数据,所述多维度影响因子数据包括齿轮间隙基准数据、电机扭矩数据、减速器振动基准数据、温度关联系数数据、行驶里程数据以及靠齿力基准数据;
4、s2、ai自学习模型处理:将步骤s1获取的多维度影响因子数据输入预训练完成的ai自学习模型,通过所述ai自学习模型输出各影响因子对应的权重系数;
5、s3、自适应靠齿力计算:基于步骤s2输出的权重系数与步骤s1获取的多维度影响因子数据,建立自适应靠齿力计算式,通过所述计算式得到当前工况下的实时最优靠齿力;
6、s4、动态补偿执行:根据步骤s3得到的实时最优靠齿力,对电机控制器发出指令,控制电机输出对应转矩,使减速器齿轮啮合面保持贴合,实现减速器齿轮间隙的实时补偿;
7、s5、模型迭代优化:持续采集齿轮间隙补偿后的减速器传动状态数据,将所述传动状态数据反馈至所述ai自学习模型进行迭代训练,动态更新各影响因子对应的权重系数。
8、所述步骤s1中,所述齿轮间隙基准数据通过如下方式获取:
9、在减速器台架试验阶段及整车eol下线检测阶段,通过电机控制器启动齿轮间隙自学习指令,控制电机输出±5n.m范围内的扭矩,记录减速器齿轮从正齿面贴合切换至反齿面贴合过程中驱动电机对应的电角度变化值,对n次采集的电角度变化值取平均值,得到齿轮间隙基准值△θ。
10、所述齿轮间隙基准值△θ与行驶里程数据关联修正,具体修正方式为:
11、以5000km为步长,当整车累计行驶里程达到预设公里数时,在整车首次下电且满足安全行驶条件的状态下,通过电机控制器启动齿轮间隙自学习指令,控制驱动电机输出±2n.m的扭矩,记录减速器齿轮从正齿面贴合切换至反齿面贴合过程中驱动电机对应的电角度变化值,基于所述电角度变化值对齿轮间隙基准值△θ进行修正。
12、所述步骤s1中,所述电机扭矩数据为电机控制器的扭矩命令值t,所述扭矩命令值t通过整车控制器经can总线实时读取,采样频率不低于100hz,所述扭矩命令值t覆盖整车驱动、制动、滑行全工况的扭矩信号,采集完成后对所述扭矩信号进行滤波去噪处理。
13、所述步骤s1中,所述减速器振动基准数据通过如下方式获取:
14、在整车eol下线检测阶段,通过安装于减速器壳体预设关键位置的振动传感器,采集50hz-8000hz频段内的减速器振动数据,计算所述振动数据的均方根值,得到减速器振动基准值g。
15、所述步骤s1中,所述温度关联系数数据为减速器油温与环境温度、电机扭矩、电机转速的线性关系系数kt,所述线性关系系数kt通过如下方式计算:
16、预先通过减速器台架稳态热试验标定拟合常数d、e、f,建立油温与环境温度、扭矩、转速的线性关联模型;整车实时运行过程中,采集实时电机扭矩t、电机转速n、环境温度tenv、减速器实时油温toil,通过公式kt=(toil-tenv)/(d*t+e*n+f)计算得到线性关系系数kt。
17、所述步骤s1中,所述行驶里程数据为整车累计行驶里程m,从整车仪表系统实时读取,精度不低于1km;所述整车累计行驶里程m对应的权重系数k5随里程区间动态调整:
18、当m≤5000km时,k5的取值范围为0.008-0.02;
19、当5000km<m≤80000km时,k5的取值范围为0.02-0.07;
20、当m>80000km时,k5的取值范围为0.07-0.11。
21、所述步骤s1中,所述靠齿力基准数据为靠齿力基准值f,通过实车道路试验标定获取,具体标定方式为:
22、在城市道路、高速道路、山路的多工况下调整驱动电机输出的靠齿力,所述靠齿力的输出范围为±5n,控制精度不超过±0.3n,响应时间不超过30ms;结合主观驾乘评价与冲击度、振动值的客观测试数据,确定减速器传动平顺性最优时对应的靠齿力数值,作为靠齿力基准值f。
23、所述ai自学习模型采用cnn-lstm混合神经网络架构,所述ai自学习模型的输入层对输入的多维度影响因子数据进行标准化处理,隐藏层包括2层卷积层与3层lstm层,输出层输出各影响因子对应的权重系数k0-k5,所述ai自学习模型的训练收敛误差不超过2%;所述ai自学习模型以减速器传动平顺性最优为目标函数进行预训练,学习多维度影响因子数据与靠齿力之间的非线性映射关系。
24、所述自适应靠齿力计算式为:
25、
26、其中,fk为实时最优靠齿力,f为靠齿力基准值,△θ为齿轮间隙基准值,t为电机控制器mcu的扭矩命令值,g为减速器振动基准值,kt为温度关联系数,m为整车累计行驶里程,k0为基准补偿系数,k1-k5为ai自学习模型输出的各影响因子对应的权重系数。
27、所述步骤s5中,所述减速器传动状态数据包括补偿后的减速器振动数据、驱动电机扭矩数据、驱动电机位置数据、减速器油温数据,所述ai自学习模型基于所述传动状态数据持续迭代,使补偿精度持续适配整车工况变化与减速器齿轮磨损状态。
28、本发明的新能源汽车减速器齿轮间隙与靠齿力补偿方法,具有如下的有益效果:
29、1、补偿精度高:融合六大核心因子,ai 模型刻画非线性映射关系,补偿误差≤2%,显著优于传统方法;
30、2、自适应鲁棒性强:动态适配温度、扭矩、里程等工况变化,下线标定学习与周期性自学习预测相结合,动态更新间隙数据与补偿策略,适配不同工况变化,延长减速器使用寿命,全生命周期无需人工调整参数;
31、3、传动性能优:有效降低齿轮冲击噪声,传动平顺性提升 40%以上,驾驶体验更佳;
32、4、降低成本与依赖:减少对人工经验和硬件高精度加工的依赖,提升生产调试效率,降低维护成本与规模化生产难度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com