1、基于最優(yōu)換擋控制目標(biāo)的仿人智能模糊控制策略的研究王少杰1 侯亮1* 黃鶴艇2 祝青園1(1. 廈門大學(xué) 機(jī)電工程系 廈門 3610052. 廈門廈工機(jī)械股份有限公司，廈門 361023)摘要：針對裝載機(jī)控制系統(tǒng)的多輸入、多輸出、不確定性等復(fù)雜非線性特性，本文提出基于仿人智能模糊控制的自動(dòng)換擋策略，將仿人智能控制與模糊控制相結(jié)合，以獲取更好的自動(dòng)換擋控制效果。首先提出最優(yōu)換擋控制目標(biāo)，以最佳動(dòng)力換擋曲線設(shè)計(jì)規(guī)則庫，通過模糊控制方法，實(shí)現(xiàn)最佳動(dòng)力換擋的信息量輸出；然后引入仿人智能控制，實(shí)現(xiàn)多態(tài)的仿人控制，最終達(dá)到最優(yōu)換擋控制目標(biāo)；最后以某企業(yè)典型的輪式裝載機(jī)為目標(biāo)樣機(jī)，構(gòu)建仿真模型并進(jìn)仿真分析，并

2、在整機(jī)上進(jìn)行性能驗(yàn)證。仿真結(jié)果與整機(jī)驗(yàn)證結(jié)果一致，實(shí)驗(yàn)表明仿人智能模糊控制具有比較好的控制效果，能夠在保證裝載機(jī)工作過程的動(dòng)力性，同時(shí)提高整機(jī)的作業(yè)效率。關(guān)鍵字：仿人智能 模糊控制 換擋 裝載機(jī)The Application of Optimal Shift Control Strategy on Human Intelligent Fuzzy ControlWang Shaojie, Hou Liang*, Huang Heting, Zhu Qingyuan(1. Department of Mechanical and Electrical Engineering, Xiamen Uni

3、versity, Xiamen, 3610052. Xiamen XGMA Machinery Co., Ltd, Xiamen 361023, China)Abstract: Aiming at the control system of loader multiple input, multiple output, the uncertainty of the complex nonlinear characteristics, a new controller to realize automatic shift was constructed according to fuzzy co

4、ntrol algorithm with Human-Simulated intelligent control, a combination of Human-Simulated intelligent fuzzy control, to get a better result. First, an optimal shift control objectives is proposed. The fuzzy control method is used to achieve the information of optimum power shift, which rules is des

5、igned based on the best power shift curve. And then the humanoid intelligent control method is introduced, design polymorphism humanoid control, and ultimately achieve optimal shift control objectives; finally a simulation model is built and analysis, with the prototype of an enterprise typically wh

6、eel loader, and proved in practice on the loader. The simulation results are consistent with the validation results on the loader, experiments show humanoid intelligent fuzzy control has better control effect, it is possible to ensure that the process of dynamic loader work, while improving the oper

7、ating efficiency of the machine.Keywords: human intelligent; fuzzy control; gear shift; loader0 引言工程車輛的自動(dòng)換擋關(guān)鍵技術(shù)的研究在于設(shè)計(jì)最優(yōu)換擋策略，國內(nèi)外研究學(xué)者分別嘗試使用模糊控制1-3、神經(jīng)網(wǎng)絡(luò)4-6以及模糊神經(jīng)網(wǎng)絡(luò)控制7-9等對裝載機(jī)的換擋策略進(jìn)行研究，并取得一定的成果，但也存在某些不足。模糊控制的優(yōu)勢在于可以不需要精確的被控對象模型而根據(jù)知識(shí)經(jīng)驗(yàn)總結(jié)得到的控制策略進(jìn)行控制，適用于復(fù)雜的不確定非線性控制系統(tǒng)，但模糊控制也存在一些難以克服的問題，諸如缺少良好的學(xué)習(xí)機(jī)制、控制精度不高等。由于

8、工程車輛的行駛與作業(yè)工況復(fù)雜，使用模糊控制時(shí)，容易出現(xiàn)頻繁的升降擋，控制的智能程度不夠高，缺乏靈活的自適應(yīng)能力。神經(jīng)網(wǎng)絡(luò)控制是神經(jīng)網(wǎng)絡(luò)理論與控制理論相結(jié)合的一種現(xiàn)代控制理論，是一種基本上不依賴于控制模型的控制方法。神經(jīng)網(wǎng)絡(luò)控制適用于不確定性、復(fù)雜的環(huán)境，具有較強(qiáng)的自適應(yīng)、自學(xué)習(xí)、魯棒性和容錯(cuò)性的能力，但它不適合表達(dá)基于規(guī)則的知識(shí)，而且需要網(wǎng)絡(luò)訓(xùn)練的時(shí)間長、數(shù)據(jù)樣本多，操作復(fù)雜。由于工程車輛的整機(jī)各異、工作環(huán)境惡劣、工況復(fù)雜多變，很難實(shí)現(xiàn)長期的、準(zhǔn)確的網(wǎng)絡(luò)訓(xùn)練，而且臺(tái)架實(shí)驗(yàn)與實(shí)際整車實(shí)驗(yàn)差別很大，因此采用神經(jīng)網(wǎng)絡(luò)控制很難滿足實(shí)際的控制需求。為了克服各控制算法存在的缺點(diǎn)，很多研究學(xué)者將各種算法相互

9、組合來實(shí)現(xiàn)更優(yōu)的控制策略，模糊神經(jīng)網(wǎng)絡(luò)控制就是將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合，在一定程度上克服了模糊控制的缺少學(xué)習(xí)機(jī)制、控制精度不高的問題，也解決了神經(jīng)網(wǎng)絡(luò)不適于表達(dá)基于規(guī)則的知識(shí)問題，但是對于訓(xùn)練時(shí)間、樣本長度等方面還是沒辦法解決。綜觀以上的智能控制方法，它們都有一個(gè)共同的研究目標(biāo)，就是設(shè)計(jì)的控制器能夠像人類一樣根據(jù)實(shí)際作業(yè)條件等做出合理的控制選擇，實(shí)現(xiàn)智能的控制。因此，人類的控制方法依然是各種機(jī)器算法模仿與實(shí)現(xiàn)的最終來源依據(jù)，都是以模仿人的控制過程開始，期待將人腦的控制結(jié)構(gòu)功能應(yīng)用于控制系統(tǒng)中。20世紀(jì)80年底末重慶大學(xué)周其鑒教授首次提出仿人智能控制理論，經(jīng)過幾十年的發(fā)展與完善，已經(jīng)廣泛應(yīng)用于

10、很多復(fù)雜的控制系統(tǒng)中，解決了很多實(shí)際工程問題。仿人智能控制是對人的控制思想進(jìn)行研究與分析，模擬人的控制行為，其與常規(guī)的智能控制的最大區(qū)別在于控制系統(tǒng)不僅具有較高的控制精度，而且還有一定的智能，能最大限度的根據(jù)控制系統(tǒng)的特征信息識(shí)別控制系統(tǒng)的狀態(tài)，并利用控制系統(tǒng)信息進(jìn)行啟發(fā)與推理，實(shí)現(xiàn)對不精確模型的對象的有效控制10-13。仿人智能控制的基本特點(diǎn)為模仿控制專家的控制行為，是一個(gè)多模態(tài)的控制方式，因此可以解決控制系統(tǒng)中諸多的互相矛盾的控制品質(zhì)要求，如魯棒性與精確性、快速性與平滑性等。仿人智能控制針對的控制對象存在不確定性，需要對其進(jìn)行模糊化處理使問題簡單化；控制策略是模仿專家的控制行為，控制技術(shù)也

11、含有大量的模糊性。因此嘗試將模糊控制引入仿人智能控制中，實(shí)現(xiàn)更有效的控制方式。由于工程車輛換擋控制具有多變量、非線性、時(shí)變性、干擾強(qiáng)等特點(diǎn)，很難建立精確的數(shù)學(xué)模型，需要依靠大量的經(jīng)驗(yàn)知識(shí)等，因此本文提出采用仿人智能控制與模糊控制相結(jié)合，即仿人智能模糊控制方法進(jìn)行自動(dòng)換擋技術(shù)的研究，以便獲得更佳的控制效果。1 裝載機(jī)的最優(yōu)換擋控制目標(biāo)1.1 最優(yōu)換擋控制目標(biāo)的提出裝載機(jī)的換擋規(guī)律可分為經(jīng)濟(jì)性換擋規(guī)律、動(dòng)力性換擋規(guī)律、綜合性換擋規(guī)律等，經(jīng)濟(jì)性換擋規(guī)律以提高車輛的經(jīng)濟(jì)性為主，動(dòng)力性換擋規(guī)律以提高車輛的動(dòng)力性為主，綜合性換擋規(guī)律融合兩者的優(yōu)點(diǎn)2-3。最優(yōu)換擋控制目標(biāo)的提出主要是從操作者的角度出發(fā)，占有

12、較大的人為主觀因素，與之前研究者所設(shè)計(jì)的單方面追求最佳動(dòng)力或最佳經(jīng)濟(jì)性的換擋策略，或者簡單的將兩者進(jìn)行結(jié)合的設(shè)計(jì)思想不同。為了更加符合操作者的操作習(xí)慣，最優(yōu)換擋控制目標(biāo)以最佳動(dòng)力性換擋的設(shè)計(jì)為前提，即優(yōu)先保障裝載機(jī)作業(yè)的動(dòng)力性與駕駛員操作的舒適性，然后根據(jù)變矩器的效率曲線適當(dāng)調(diào)整換擋策略，從而達(dá)到既保證作業(yè)的高效性與舒適性又到達(dá)節(jié)能減排的最優(yōu)控制目標(biāo)。1.2 最優(yōu)換擋控制目標(biāo)的實(shí)現(xiàn)裝載機(jī)的牽引力F和速度V的計(jì)算公式14-15如下： (1) (2)式中對于液力傳動(dòng)系統(tǒng)，MT為液力變矩器的渦輪軸轉(zhuǎn)矩值，nT為液力變矩器的輸出轉(zhuǎn)速，、分別為變速箱的速比、效率，、分別為主傳動(dòng)速比、效率，、分別為輪邊傳

13、動(dòng)速比、效率，為輪胎滾動(dòng)半徑。為獲得最佳動(dòng)力性換擋曲線，通過圖1所示裝載機(jī)牽引特性曲線來確定最佳動(dòng)力換擋點(diǎn)，圖中各交點(diǎn)A、B、C、D處的牽引力與車速的關(guān)系為FA1=FA2與VA1=VA2，在A點(diǎn)處進(jìn)行換擋牽引力的波動(dòng)最小，換擋沖擊也最小， A點(diǎn)為最佳換擋點(diǎn)。牽引力F與車速V的大小由柴油發(fā)動(dòng)機(jī)的輸入油門開度a決定，在不同油門開度下便可得到不同的最佳換擋點(diǎn)，組成圖2所示的換擋點(diǎn)曲線。最優(yōu)換擋控制目標(biāo)就是基于圖2不同油門開度下的最佳動(dòng)力換擋點(diǎn)曲線與圖3轉(zhuǎn)速比與效率關(guān)系曲線進(jìn)行設(shè)計(jì)的，首先以最佳動(dòng)力換擋曲線設(shè)計(jì)規(guī)則庫，通過模糊控制方法，實(shí)現(xiàn)最佳動(dòng)力換擋的信息量輸出；然后引入仿人智能控制，以最大變矩器效

14、率對應(yīng)的轉(zhuǎn)速比=0.68為趨勢目標(biāo)，實(shí)現(xiàn)多態(tài)的仿人控制；最終達(dá)到最優(yōu)換擋控制目標(biāo)。圖1 裝載機(jī)牽引特性曲線圖2 不同油門開度下的最佳動(dòng)力換擋點(diǎn)曲線圖3 轉(zhuǎn)速比與效率關(guān)系曲線2 仿人智能模糊控制方法2.1仿人智能模糊控制輸入輸出參數(shù)選擇換擋參數(shù)是制定換擋策略的前提和基礎(chǔ)，換擋參數(shù)選擇的正確與否直接影響到換擋理論的合理性14-17。仿人智能模糊控制以油門開度a、液力變矩器渦輪轉(zhuǎn)速與泵輪轉(zhuǎn)速比i、擋位值G為控制輸入?yún)?shù)，以擋位增值S為輸出參數(shù)。其中油門開度a可以反映駕駛員的操作意圖，與柴油發(fā)動(dòng)機(jī)的輸入功能密切相關(guān)，因此被選為一個(gè)重要的換擋參數(shù)； 變矩器泵輪轉(zhuǎn)速nB和渦輪轉(zhuǎn)速nT能完全反映液力變矩器的

15、工作特性，同時(shí)決定變矩器的傳動(dòng)效率和輸出功率，通過控制變矩器轉(zhuǎn)速比i，可使變矩器的工況點(diǎn)經(jīng)常保持在高效區(qū)，因此也被選為一個(gè)重要的換擋參數(shù)；擋位值G作為一個(gè)循環(huán)反饋輸入值而被選為控制輸入?yún)?shù)。為了防止直接以擋位值作為輸出，出現(xiàn)諸如當(dāng)前擋位為4擋，下一時(shí)刻輸出擋位為2擋的多級跳擋現(xiàn)象，選用擋位增值S作為控制系統(tǒng)的輸出。擋位增值S為0表示保持當(dāng)前擋位，擋位增值S為1表示升一擋，擋位增值為-1表示降一擋。2.2 仿人智能模糊控制的實(shí)現(xiàn)仿人智能模糊控制框架如圖4所示，其設(shè)計(jì)步驟主要分為：1、使用模糊控制策略設(shè)計(jì)最佳動(dòng)力換擋規(guī)律。2、在保證最佳動(dòng)力換擋的前提下，使用仿人智能控制策略設(shè)計(jì)最優(yōu)經(jīng)濟(jì)性換擋規(guī)律。

16、圖4 仿人智能模糊控制框架2.2.1 模糊控制策略的設(shè)計(jì)采用多輸入單輸出的模糊控制器，首先將輸入量轉(zhuǎn)速比i、油門開度a、擋位G和輸出量擋位增值S等模糊化；再次根據(jù)圖1所示的最佳動(dòng)力換擋曲線編制模糊規(guī)則；最后生成模糊控制文件FIS，調(diào)入MATLAB仿真模型進(jìn)行仿真分析18-19。2.2.2 仿人智能控制策略的設(shè)計(jì)仿人智能控制是對控制問題求解的二次映射的處理過程，即從“認(rèn)知”到“判斷”的定性推理過程和從“判斷”到“操作”的定量推理過程10-11。仿人智能控制器的設(shè)計(jì)按照以下步驟展開：1）確立控制目標(biāo)軌跡仿人智能控制的目標(biāo)是在保證最佳動(dòng)力性換擋的同時(shí)，實(shí)現(xiàn)最優(yōu)經(jīng)濟(jì)性換擋，因此以變矩器效率最高時(shí)所對應(yīng)

17、的轉(zhuǎn)速比i=0.68作為仿人智能控制器的控制性能指標(biāo)，并以轉(zhuǎn)速比i的誤差值e、誤差變化率建立誤差相平面(e-)坐標(biāo)。2）建立特征模型對于裝載機(jī)，一般將液力變矩器效率大于等于0.75視為高效區(qū)20-21，根據(jù)圖3可以確定高效區(qū)所對應(yīng)的速比i的范圍為0.453,0.907。理論上說i1=0.453，i2=0.907是最佳經(jīng)濟(jì)性換擋點(diǎn)。當(dāng)速比高于i2時(shí)，表明裝載機(jī)的負(fù)載阻力變小，可以進(jìn)行增一擋操作，以提高車速；當(dāng)速比低于i1時(shí)，表明裝載機(jī)外負(fù)載阻力變大，可以進(jìn)行減一擋操作，以提高裝載機(jī)的牽引力。因此，以變矩器最高效率點(diǎn)對應(yīng)轉(zhuǎn)速比i=0.68與高效區(qū)對應(yīng)的臨界點(diǎn)轉(zhuǎn)速比i1=0.453、i2=0.907

18、作為劃分依據(jù)，分別以轉(zhuǎn)速比i的誤差e=0.1與e=0.2作為2個(gè)劃分點(diǎn)，對誤差相平面(e-)進(jìn)行區(qū)域劃分。3）設(shè)計(jì)運(yùn)行控制級仿人智能控制運(yùn)行控制級的特征模型如圖5所示，其中虛線R表示對被控對象的理想誤差目標(biāo)控制軌跡。采用如下的措施以保證實(shí)際的誤差軌跡盡可能地與理想誤差目標(biāo)軌跡一致10-13：(1) 當(dāng)e0.2時(shí)，對應(yīng)區(qū)域 = 1 * GB3 ，為了使液力變矩器效率處于高效區(qū)，直接采用升一擋或降一擋操作。(2) 當(dāng)0.1e0，即誤差處于增大趨勢時(shí)，對應(yīng)區(qū)域 = 2 * GB3 ，為了使液力變矩器效率處于高效區(qū)，直接采用升一擋或降一擋操作。(3) 當(dāng)0.1e0.2且e*0，即誤差處于減弱趨勢時(shí)，對

19、應(yīng)區(qū)域 = 3 * GB3 ，此時(shí)結(jié)合誤差e的大小，若e值靠近0.2，直接采用升一擋或降一擋操作；其他情況下結(jié)合最佳動(dòng)力性換擋信息給出最后換擋情況。(4) 當(dāng)e0.1時(shí)，液力變矩器效率處于高效區(qū)內(nèi)，且短時(shí)間不會(huì)較快的滑出高效區(qū)，此時(shí)的換擋信息主要取決于最佳動(dòng)力性換擋信息。圖5 仿人智能控制運(yùn)行控制級的特征模型3 控制策略驗(yàn)證為了驗(yàn)證控制策略設(shè)計(jì)的有效性，以某企業(yè)典型的輪式裝載機(jī)為目標(biāo)樣機(jī)，構(gòu)建仿真模型并進(jìn)仿真分析。3.1仿真模型的構(gòu)建依據(jù)裝載機(jī)傳動(dòng)系統(tǒng)的組成建立如圖6所示的仿真模型20-21。該模型中仿人模糊控制模塊以渦輪與泵輪轉(zhuǎn)速比i、油門開度a、當(dāng)前擋位G作為輸入?yún)?shù)，這些參數(shù)首先進(jìn)入模糊

20、控制器，通過模糊推理與模糊判斷，得到擋位增值信息；然后將轉(zhuǎn)速比i與擋位增值信息作為仿人智能控制的輸入，通過特征區(qū)域的比對，最后得到擋位增值S作為仿人智能模糊控制器的最后輸出。將擋位增值S與當(dāng)前擋位值G進(jìn)行相加操作，并設(shè)置最高擋位值為4、最低擋位值為1，得到最終的擋位值。圖6裝載機(jī)傳動(dòng)系統(tǒng)仿真模型3.2 仿真分析與結(jié)果討論仿真是模擬圖7所示的裝載機(jī)鏟裝物料的工況進(jìn)行，仿真的輸入?yún)?shù)如圖8所示，從上而下分別為油門開度、工作阻力、剎車制動(dòng)力、坡度。仿真總時(shí)間為25s，裝載機(jī)啟動(dòng)后0-5s，油門開度從0%加到100%，裝載機(jī)快速駛向物料；當(dāng)快接近物料時(shí)自動(dòng)減速到1擋或2擋插向物料；當(dāng)插入物料后加大油門

21、，最后完成物料的鏟裝。圖7 裝載機(jī)鏟裝物料過程圖8 仿真輸入?yún)?shù)曲線仿真過程分別以邏輯控制（等同于手動(dòng)換擋控制）、模糊控制、仿人智能模糊控制為控制策略，在相同的設(shè)計(jì)規(guī)則、輸入?yún)?shù)等條件下進(jìn)行仿真實(shí)驗(yàn)，仿真結(jié)果曲線如圖9所示。 (a) 擋位輸出曲線 (b) 轉(zhuǎn)速比曲線 (c) 瞬時(shí)效率曲線 (d) 總效率輸出曲線圖9 仿真輸出曲線(注：紅色-邏輯控制，藍(lán)色-模糊控制，綠色-仿人智能模糊控制)動(dòng)力性分析一般情況下，低擋位時(shí)牽引力大，動(dòng)力性更強(qiáng)。圖9(a)擋位輸出曲線可以看出，由于模糊控制存在控制不準(zhǔn)確的問題，導(dǎo)致控制時(shí)升檔時(shí)機(jī)在邏輯控制升檔時(shí)機(jī)的前面，出現(xiàn)動(dòng)力不足的結(jié)果。而仿人智能模糊控制策略結(jié)合

22、了仿人智能控制與模糊控制的優(yōu)點(diǎn)，與其他兩種控制策略相比，總是延遲升擋，優(yōu)先降擋，這就保證了工作過程的最佳的動(dòng)力性。 經(jīng)濟(jì)性分析從圖9(b)轉(zhuǎn)速比曲線可以看出，為了提高換擋效率，使用仿人智能模糊控制策略的仿真模型在遇到物料后，即仿真15s至25s的過程，更快換擋以提高轉(zhuǎn)速比，使其盡可能趨近0.68的值，保證液力變矩器的高效率；從圖9(c)的瞬時(shí)效率曲線可以看出，使用仿人智能模糊控制策略的仿真模型在遇到物料后，瞬時(shí)效率值明顯優(yōu)于其他的兩種控制策略的仿真結(jié)果；從圖9(d)可以看出，仿人智能模糊控制策略的仿真結(jié)果的總效率優(yōu)于其他的兩種控制策略，具體的比較見下表1所示，其中比值誤差為仿人模糊控制的總效率

23、值與另外兩種控制策略的總效率值的差，再除以仿人模糊控制的總效率值的商值。表1 三種換擋控制策略的總效率對比邏輯控制模糊控制仿人模糊控制總效率值17.717.519.3差值比例8.3%9.3%-從仿真結(jié)果可以看出，仿人智能模糊控制在保證最佳動(dòng)力性換擋的前提下，更加有效的實(shí)現(xiàn)經(jīng)濟(jì)性換擋，達(dá)到最優(yōu)換擋控制的目的。4 整機(jī)實(shí)驗(yàn) 為了驗(yàn)證換擋策略的性能，將研制的自動(dòng)換擋控制器直接安裝在所選的典型樣機(jī)上進(jìn)行實(shí)驗(yàn)，并進(jìn)行載荷譜采集與分析。 實(shí)驗(yàn)采用對比方式進(jìn)行，控制策略選用邏輯控制、模糊控制與仿人模糊控制進(jìn)行對比；作業(yè)工況為重載運(yùn)輸；作業(yè)對象主要為鐵礦石、松散土；各控制策略分別進(jìn)行3個(gè)循環(huán)的重載運(yùn)輸，每個(gè)作

24、業(yè)循環(huán)分為重載運(yùn)輸與空載跑車。實(shí)驗(yàn)中我們采用同工況、同里程、同駕駛員等作業(yè)條件下，比較其燃油消耗量方式進(jìn)行效率比較。由于手工換擋的換擋效率因人而異，而且存在比較大的差別，因此只在自動(dòng)換擋之間進(jìn)行效率比較。表2 不同換擋控制策略的實(shí)際耗油量對比物料總耗油量(L)邏輯控制模糊控制仿人模糊控制鐵礦石6.56.36松散土54.84.5從表2的對比數(shù)據(jù)表明，仿人模糊控制策略的總?cè)加拖牧孔钚?，總效率明顯優(yōu)于其他的控制策略；整機(jī)實(shí)驗(yàn)結(jié)果與仿真結(jié)果得出的仿人模糊控制策略的總效率優(yōu)于其他控制策略的結(jié)果一致，表明仿真模型是可靠的、仿真結(jié)果有效，可以在一定程度上對控制策略的優(yōu)劣進(jìn)行評估。5 結(jié)論本文提出基于仿人智

25、能模糊控制的最優(yōu)換擋控制策略，并以某企業(yè)典型的輪式裝載機(jī)為目標(biāo)樣機(jī)，構(gòu)建仿真模型并進(jìn)仿真分析，同時(shí)將換擋控制策略應(yīng)用于整機(jī)實(shí)驗(yàn)中進(jìn)行驗(yàn)證。實(shí)驗(yàn)表明仿人智能模糊控制具有比較好的控制效果，能夠在保證裝載機(jī)工作過程的動(dòng)力性，同時(shí)提高整機(jī)的作業(yè)效率。該換擋策略的研究可應(yīng)用于工程機(jī)械中的其他車輛，對推動(dòng)工程機(jī)械的智能化控制與能源節(jié)約具有重要意義。參考文獻(xiàn)1 張志義 , 趙丁選 , 陳寧 . 工程車輛模糊自動(dòng)換擋策略研究 J. 農(nóng)業(yè)機(jī)械學(xué)報(bào).2005,36(10):26-29.2 張志義, 趙丁選,于微波. 工程車輛三參數(shù)模糊換擋策略的研究J. 起重運(yùn)輸機(jī)械.2007(2):37-40.3 Yi Jun,

26、 Wang Xuelin,Hu Yuj In. Fuzzy Control and Simulation on Automatic Transmission of Tracked Vehicle in Complicated Driving ConditionsC. Vehicular Electronics and Safety, IEEE International Conference, 2006:259-264.4 S.S Halilcevic,Gubina a F. Automatic transmission network capability assessmentscheme

27、in daily scheduling using neural networksC. Power Tech Conference Proceedings, 2003 IEEE Bologna, 2003.06.2(2):23-26.5 陳寧, 趙丁選, 龔捷,等. 工程車輛自動(dòng)變速擋位決策的遺傳徑向基神經(jīng)網(wǎng)絡(luò)方法J. 吉林大學(xué)學(xué)報(bào)：工學(xué)版.2005,35(3):258-262.6 張紅彥, 趙丁選, 陳寧,等. 基于遺傳算法的工程車輛自動(dòng)變速神經(jīng)網(wǎng)絡(luò)控制J.中國公路學(xué)報(bào).2006,19(1):117-121.7 王卓, 趙丁選,等. 工程車輛擋位決策的自適應(yīng)神經(jīng)模糊推理系統(tǒng)J. 農(nóng)業(yè)機(jī)械學(xué)報(bào).2002,33(6):1-4.8 Hwang C, Hsieh C. A neuro-adaptive variable structure control for partially unknown nonlinear dynamic systems and its applicationJ. Control Systems Tech