郑宇龙

（陕西重型汽车有限公司，陕西 西安 710020）

基于遗传算法车辆传动系统优化

郑宇龙

（陕西重型汽车有限公司，陕西 西安 710020）

本文采用遗传算法，以汽车的动力性和燃油经济性最优为目标，同时考虑一定的约束条件，对汽车的传动系参数进行优化，并通过仿真进行验证。

传动系 优化 遗传算法

CLC NO.:U463.2Docum ent Code:AArticle ID:1671-7988(2014)06-18-03

前言

汽车的动力性和燃油经济性是汽车的重要性能。汽车动力性和燃油经济性的好坏，很大程度上取决于发动机的特性和汽车传动系形式及参数选择，也就是取决于汽车动力传动系统匹配的合理程度。汽车的动力性和燃油经济性在传动系参数选取中是相互矛盾的，需要优化手段来协调。本文综合考虑了影响汽车性能的诸多因素，以动力性和燃油经济性最优作为目标函数，以变速器的速比作为设计变量，运用遗传算法进行优化计算，以达到合理匹配传动系参数的目的，进而优化汽车的动力性和燃油经济性。

1、优化设计的数学模型

1.1 设计变量

由于实际条件限制，本文发动机参数给定，优选变速器及桥速比，达到合理匹配汽车传动系统的目的。因此设计变量取变速器各档速比1gi、2gi……ig8和桥速比i0。

1.2 目标函数

本文以动力性和燃油经济性最优作为目标函数。

1.2.1 动力性目标函数

动力性的诸多评价指标中，能够综合反映汽车极限动力性能的评价指标为原地起步连续换挡加速时间，优化中要求加速时间尽量小。原地起步连续换挡加速时间T的数学表达式为：

式中，Ft为汽车的驱动力, Ff为滚动阻力, Fw为空气阻力,为汽车旋转质量换算系数；G为汽车的满载重力,uamin为汽车最低档最低车速，ua为汽车加速终了时的速度，忽略汽车原地起步时离合器打滑的时间。

1.2.2 燃油经济性

要尽可能准确的评价燃油经济性，应按照多工况模式建立燃油经济性数学模型。因此本文采用GB/T12545．2-2001中六工况循环的百公里燃油消耗量作为目标函数。

式中，Q(x1x2......xm)为循环工况中每一种工况的燃油消耗量。

1.3 约束条件

汽车在获得较好的动力性和燃油经济性同时，某些性能还需要满足一定的约束条件

1.3.1 速比约束条件

为了换挡方便，同时充分利用发动机的功率，变速器各档的传动比大体上是按照等比级数分配。因为较高档的利用率、行驶时间及换挡频率均大于低档，因此对等比级数分配方案进行修正，随档位升高，相邻两档的传动比也逐渐减小。相邻两档之间的传动比比值还不宜过大，否则会造成换挡困难。一般认为比值不宜大于1.7-1.8。

因此，确定速比约束条件如下：式中：ig1,ig2......ig8为变速器各档传动比。

1.3.2 最高档动力因数要求

D'max-Dmax≤0

式中：Dm'ax为最高档动力因数要求值；

Dmax为最高档最大动力因数

1.3.3 最大车速要求

式中：ua'max为最高车速要求值；

uamax为最高车速

2、优化模型求解

早期解决多目标优化问题一般都是先通过加权法、约束法、目标规划法等方法将多目标优化问题转化为单目标优化问题，然后再用经典的单目标优化算法将问题解决。

但传统的多目标优化方法存在着各目标之间定量比较困难、主观性强等缺点，使得优化结果经常不能令人满意。为了更好的解决实际中的多目标优化问题，研究人员又引入了多目标进化算法。如向量评价遗传算法的多目标遗传算法、基于Pareto排序的多目标遗传算法、基于Pareto支配性的小生境遗传算法、带精英策略的非支配排序遗传算法等。

遗传算法具有使用范围广、具有良好的全局优化性、具有强的通用性、使用概率搜索技术使搜索的灵活性大大增强、易于编程实现等优点，所以广泛应用于许多学科。

NSGA-Ⅱ（改进的带精英策略的非支配排序遗传算法）通过非支配排序算法保证得到比较优越的子代，通过共享函数保证了种群的多样性，使得该算法优于其余的进化算法。本文采用NSGA-Ⅱ多对目标参数进行优化。

3、结果评价

我们用这种方法对某重型汽车传动系参数进行优化，目标参数计算结果见图1。

最终确定参数优化结果见表1。

表1 最终确定参数优化结果

优化前后性能对比见图2。

优化后整车动力性和燃油经济性对比见表2。

表2 优化后整车动力性和燃油经济性对比

由动力特性曲线可知，优化后低档动力因数高于优化前，说明这些档位动力特性得到改善；由最高档油耗曲线可以得出，在优化后油耗在低速时与优化前相当，在高速时油耗小于优化前，即最高档燃油经济性得到了改善。

4、结论

汽车的动力性和燃油经济性是相互矛盾的，不可能存在一种方案，使汽车的动力性和燃油经济性都达到最优。经过本文优化后的动力传动系统，整车低档位行驶时动力性得到了提高，在最高档行驶时具有更好的燃油经济性。因此本文匹配优化后的传动系参数是合理的，验证了本文优化方法的正确性。

[1] 余志生 汽车理论 北京 机械工业出版社 2000.

[2] 何仁 汽车动力性、燃油经济性模拟计算方法及其应用北京 机械工业出版社 1996.

[3] 徐宗本，陈志平 遗传算法基础理论研究的新近发展 数学进展 2004（4）：91-114.

Optim ization of parameters for vehicle transm ission based on genetic algorithm

Zheng Yulong
（Shaanxi Heavy Duty Automobile Co. Ltd, Shaanxi Xi’an710020）

This thesis optimized parameters of vehicle transmission based on genetic algorithm for the best vehicle dynamic property and fuel economy. We validated the parameters of vehicle transmission on computer simulation considering some constraint condition.

Powertrain; Optim ization; Genetic algorithm

U463.2

A

1671-7988(2014)06-18-03

郑宇龙，就职于陕西重型汽车有限公司。