Diseño Óptimo de Estrategia de Punto de Cambio para DCT Basado en Optimización por Enjambre de Partículas
Autores: Zhang, Houzhong; Yang, Xiangtian; Sun, Xiaoqiang; Liang, Jiasheng
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Diseño Óptimo de Estrategia de Punto de Cambio para DCT Basado en Optimización por Enjambre de Partículas
Categoría
Tecnología de Equipos y Accesorios
Subcategoría
Diseño de equipos y herramientas
Palabras clave
Vehículo
DCT
Cambio
Función objetivo
Optimización
Rendimiento
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
Para un vehículo equipado con DCT, el modelo del vehículo se establece según los datos experimentales existentes. Se utiliza el método tradicional para resolver la ley de cambio económico y dinámico, respectivamente. Luego, se diseñan la función objetivo dinámica y la función objetivo económica. Después de la normalización de las dos funciones, se lleva a cabo la combinación ponderada para obtener la función objetivo integral. La ley de cambio tradicional obtenida en el documento anterior se considera como el valor límite de la optimización variable mediante el algoritmo de optimización por enjambre de partículas, y se resuelve la función objetivo integral diseñada en este documento. La ley de cambio obtenida por los tres métodos se integra en el modelo de Simulink, y se llevan a cabo las verificaciones dinámica y económica, respectivamente. Al comparar el tiempo de aceleración de 0-100, 0-70 y 70-120 km/h, se obtiene el rendimiento dinámico del punto de cambio por los tres métodos. Los resultados finales de las pruebas muestran que la economía del punto de cambio optimizado mejora en un 1.37% y un 3.17%, respectivamente. El rendimiento de potencia aumentó en un 4.087%, 15.28% y -10.70%, logrando así los resultados deseados.
Descripción
Para un vehículo equipado con DCT, el modelo del vehículo se establece según los datos experimentales existentes. Se utiliza el método tradicional para resolver la ley de cambio económico y dinámico, respectivamente. Luego, se diseñan la función objetivo dinámica y la función objetivo económica. Después de la normalización de las dos funciones, se lleva a cabo la combinación ponderada para obtener la función objetivo integral. La ley de cambio tradicional obtenida en el documento anterior se considera como el valor límite de la optimización variable mediante el algoritmo de optimización por enjambre de partículas, y se resuelve la función objetivo integral diseñada en este documento. La ley de cambio obtenida por los tres métodos se integra en el modelo de Simulink, y se llevan a cabo las verificaciones dinámica y económica, respectivamente. Al comparar el tiempo de aceleración de 0-100, 0-70 y 70-120 km/h, se obtiene el rendimiento dinámico del punto de cambio por los tres métodos. Los resultados finales de las pruebas muestran que la economía del punto de cambio optimizado mejora en un 1.37% y un 3.17%, respectivamente. El rendimiento de potencia aumentó en un 4.087%, 15.28% y -10.70%, logrando así los resultados deseados.