严格的汽车排放规定和高油价加剧了对节能型汽车的需求。与此同时，消费者继续期望汽车的性能与燃油价格较低时一样。这些相互冲突的需求给汽车制造商提出了一个优化的挑战:如何使油耗和CO最小化2排放而不牺牲性能?
在遥远的过去，汽车制造商解决这个问题的方法是分别优化每一个动力总成部件的功率效率。在20世纪70年代的燃料危机期间，大型汽车制造商开始开发内部计算机模拟模型，以实现最佳的系统级性能。尽管朝着系统级优化的方向发展，但在一些新兴市场中，优化单个组件仍然很常见。这种零零碎碎的方法错过了通过协调各部件的操作点来降低汽车燃油消耗的大好机会。
利用MATLAB进行基于模型的设计®和仿真软万博1manbetx件®使所有汽车制造商和供应商，以实现优化结果一旦预留与资源几大汽车制造商开发大型的内部仿真模型和优化方案。通过使用结合了发动机，变速器，驱动桥降速比，驱动程序和车辆的系统模型，工程师可以精确匹配动力传动系部件和优化硬件变量，如轴比和校准参数，如换档时间表，同时。相反，从昂贵的替代技术衍生的燃油经济性的影响粗略估计，他们则必须在此基础关键硬件的选择决策硬的指标。
例如，假设我们要优化的动力传动系为经济型汽车用五速，双离合变速器（DCT）和一个涡轮增压，2升，4缸发动机（表1）。我们的目标是在联邦测试程序（FTP75）驱动周期少的燃料使用尽可能同时保持的10秒的最小性能阈值的0-100公里每小时加速时间（所花费的时间从原地起步达到每小时100公里）。
| 引擎 | 涡轮增压2.0L 4缸I4 SI发动机，双vvt |
| 汽车类（质量） | 小型至中型(1600kg) |
| 传输 | 5档DCT |
| 阻力系数Cd | 0.4 |
| 驱动循环 | FTP75(燃油经济性) 0-100公里/小时加速(性能) |
表1。车辆的特征。
为了找到组合的齿轮换挡计划校准和轴比率，满足这些要求，我们测试了一系列的轴比率。对于每个比率，我们使用数值优化来找到FTP75循环的最省油排档校准，以及将0-100公里/小时加速时间最小化的单独排档校准。为了与当前的实践保持一致，生产动力系统控制器根据驾驶员通过油门踏板发送的扭矩需求大小，选择两种最佳换挡计划中的哪一种。每个轴比对应的燃料成本和0-100公里/小时加速时间被绘制在一起，形成燃料经济性和性能与轴比的权衡图(图1)。
而不是使用昂贵和耗时的车载测试与轴硬件和换挡规律调整变化,从而产生不确定的结果由于测量噪声,我们现在有一个明确的结果:给定一个10秒0 - 100公里的设计约束,一个轴的比率3.0结合最优转移安排校准提供了最佳的燃油效率。
为什么DCT ?
甲DCT结合有手动变速器的燃料效率的自动变速器的便利性。它安置两个单独的离合器，一个用于奇数和一个用于偶数齿轮组（图2），消除了对变矩器的需要。为了确保顺利移动和最佳效率，DCT的需要能够预选一个档位并在需要时精确地接合相应的离合器的复杂的控制器。
dct比手动变速器的燃油效率高3-5%，手动变速器的燃油效率又比自动变速器高5-10%。这种效率的提高促进了DCT市场最近的增长，特别是在欧洲和中国。
开发系统级模型
在Simulink工作万博1manbetx，我们构建包括来自发动机映射数据导出一个准确的发动机模型的系统级模型中，DCT（包括它的控制器），车辆，和一个autodriver部件通过一特定驱动周期驱动仿真（图3）。
发动机建模与标定
由于发动机是传统动力系统的核心，并且直接消耗燃料，一个精确的发动机燃料消耗模型和扭矩生产是至关重要的。为了得到最准确的结果，我们必须根据测量数据建立这个模型。使用基于模型的校准工具箱™我们将统计模型与发动机测功器中的发动机测试数据相匹配，并将这些模型自动导出到Simulink中(图4)。万博1manbetx
使用基于模型的标定工具箱中的标定生成（CAGE）工具，我们产生了在整个模拟的发动机控制器模型利用发动机校准表。这些表捕获最佳的火花提前，空气 - 燃料比，进气凸轮相位和排气相位作为发动机速度和负载的函数（图5）。
变速器与车辆建模
我们模型的DCT使用执行机构，狗离合器，齿轮，轴块从SimDriveline™(如图3中的Simulink系统模万博1manbetx型所示)变速箱控制器，包括燃油经济性和性能换挡计划，使用Simulink和Stateflow建模®。
我们还使用SimDriveline来建模一个包含车辆质量和道路负载特性的车辆动力学子系统。
驱动周期和自动驱动实现
为了完成系统级模型，我们添加了FTP75驱动循环和autodriver子系统。FTP75块采用了代表标准联邦测试程序75驱动循环的车速跟踪，其中包括低速和中速驾驶，通常用于燃油经济性和排放认证测试。autodriver接受FTP75块的车辆速度命令和实际车辆速度作为输入。它使用比例积分(PI)控制器来产生扭矩需求信号，从而命令发动机扭矩，从而使实际车速与FTP75驱动循环中命令的车速相匹配。
仿真和优化
一旦我们有一个完整的系统级模型，我们可以运行任何排班和轴率的模拟，我们要测试。的总燃料消耗和0-100 KPH时间可通过模拟来计算。
我们将测试7轴率，范围从1.75至4.25，并确定每个最佳换档进度。模拟每一个可能的换档规律甲搜索是不可行的，因为移调度包括32个不同的参数（图6）。假设每个换档规律校准值可以在一定范围+/- 10英里每小时1英里每小时（不占约束）的工程的分辨率而改变，穷举搜索将需要2.05×10调查42(2132)可能的换班时间表模拟。
我们将使用全局优化工具箱中的模式搜索优化算法来代替这种暴力方法，从而减少所需的模拟次数——在本例中为15,400次。
单独模拟FTP75循环只需250秒，比实时快5倍。然而，需要在单个处理器上运行15,400次模拟的优化将需要44天以上才能得到结果。这个计算密集型问题很适合并行计算，因为仿真可以在不同的处理器上独立运行。
我们用16台四核pc建立了一个计算集群，总共有64个工作人员。为了进一步加速搜索，我们在Simulink中使用快速加速器模式构建独立的可执行目标，以保持运行之间完整的仿真模型参数独立性。万博1manbetx
我们通过设置优化参数来开始优化过程(图7)。然后，全局优化工具箱中的模式搜索算法使用模式搜索的2N优化方法识别要模拟的参数变化。在这个例子中有两个轮班时间表，每个都有16个可变点(N=32)。这意味着模式搜索将一次运行64 (2N)个模拟，完全匹配可用的工人数量。在集群中的不同处理器上模拟当前轴比的每个变化。如果搜索空间分辨率或网格大小不低于预定的阈值，则会产生一组新的参数变化并重复此过程。当搜索空间筛孔尺寸当低于阈值时，算法在0-100公里/小时的时间内找到了一个全局的最小油耗值，并给出了结果。
64工人群集上分发这一过程减少了从超过44天至约26小时的总的计算时间。
在运行一个完整的轮轴扫描和找到最佳换挡计划为每个轮轴比率，我们产生的性能和燃油经济性折衷图，如图1所示。结果表明，在轴比约2.6时，燃料消耗最低。然而，这个比率导致0-100公里每小时的行驶时间超过了10秒——超过了我们为目标市场所设计的10秒性能阈值。低于我们期望的性能阈值的最佳轴比是3.0。
图8。仿真结果显示最佳轴比为0-100公里每小时的时间不到10秒。
在运行优化之前，我们估计了一个最佳的换挡计划和轴比。这个基线配置,主传动比为3.8,导致汽车每加仑31.85英里的燃油效率和8.03秒的0 - 100公里/小时的时间(表2)。在运行优化后找到最节能换挡规律对于这个主传动比,我们增加了5.8%的燃油效率。通过将轮轴比降低到3.0，我们可以平衡性能(0-100公里/小时的时间从8.03增加到9.54)，从而实现燃油效率比基线提高12.5%。
如果我们在没有重新优化换挡时间表的情况下，在手动过程中将轮轴比改为3.0，我们将无法实现最大的油耗降低，因为手动调整32个换挡点很难或不可能达到同样的效果。
| 换挡规律 | 基础 | 选3.8 | 选3.0 |
| 轴比 | 3.8 | 3.8 | 3.0 |
| MPG | 31.85 | ↑5.8% | ↑12.5% |
| 性能 时间0-100 kph (s) |
8.03 | 8.03 | 9.54 |
结论
精确的车辆仿真模型使工程师能够定量地确定在一组可用的硬件选择的车辆性能和燃油经济性之间的最优权衡。
通过使用本文中介绍的方法，工程师们可以继续响应不断变化的市场需求，改变传动系车轴比选择符合客户的期望，给定类车辆的权衡。
