基于支持向量機的靜態換擋性能評價模型

張堯 胡俊勇 黃召明

摘 要：作為車輛傳動系統中重要的組成部分，變速箱的換擋性能對整車駕駛的平穩性和舒適性具有重要的影響，因此換擋性能的評價具有重要的工程意義。隨著人工智能發展，機器學習在預測與分類問題中取得顯著成就。本文在換擋性能評價中引入支持向量機，基于數據進行分析與判斷，提高換擋性能評價的客觀性與可靠性，并與主觀評價進行對比，驗證了方法的有效性。

關鍵詞：支持向量機;換擋性能;變速箱;靜態

0 前言

隨著經濟的發展，人們對汽車性能的需求也日益提升，推動汽車向更高效、更舒適的方向發展。變速箱作為整車傳遞動力的重要部件，其性能的好壞直接影響車輛的操作舒適性和安全性。而手動汽車駕駛過程中頻繁換擋，直接影響整車駕駛的性能[1]。

目前，換擋性能評價缺少客觀數據的支持，主要通過專業人士駕駛測評，通過自身舒適感受對換擋性能進行評價，多次統計分析得到最終評價結果，對整體換擋性能進行打分與分類。但是評價結果往往受到駕駛評測人員的身體、心理、操作習慣等多種因素影響[2]，主觀因素較大且一致性不好，存在一定的不確定性，造成對換擋性能分類的不準確。此外，對不同變速箱進行性能測試，通過數據進行對比例如換擋力、換擋行程、沖量，從而得到變速箱在某一性能上的優劣，但缺少對整體變速箱性能的判定[3]。因此，主觀打分與客觀數據相結合，通過采集獲取客觀信號，進而提取能夠反映變速箱換擋性能的特征參數，構造一種換擋性能評價新模型具有重要的工程意義。支持向量機是一種基于數據驅動的機器學習模型，通過對歷史設備數據進行算法分析構造學習模型[4]，在尋求降低模型復雜度的情況下，保障其學習能力，最終通過實現平衡，使得模型具有良好的推廣能力，在小樣本、非線性、高維模式識別中能夠有效地避免維度災難等問題，在數據分類中有著廣泛的應用，因此，利用支持向量機優秀的數據分類性能，尋求客觀數據與打分類別之間的對應關系，對整體換擋性能進行準確分類有著良好應用前景。

因此，本文提出一種基于支持向量機的換擋性能評價模型，將其應用于MT變速箱靜態換擋評價中。通過對變速箱換擋性能進行相關測試，通過采集力、位移等信號，計算得到能夠反映變速箱性能的參數，以特征參數作為模型輸入矩陣，以主觀評價作為輸出，基于支持向量機尋求基于客觀數據的換擋性能分類模型，并通過實際數據能夠驗證模型有效性。

1 支持向量機分類模型

支持向量機是由Vapnik提出的一種機器學習算法，算法滿足統計學習理論中的VC維理論和結構風險最小化原則，在尋求保證將兩類樣本無錯誤分開的同時，使得分類間隔最大，從而保證泛化的真實風險達到最小。

2 靜態換擋性能評價模型建立

對于一款手動變速箱，換擋性能評價往往通過是在手進行換擋時依據換擋力、選檔力、吸入力等明顯感覺進行判斷與分類，因此整體測試過程主觀因素較大。而整體性能的優劣往往能夠在客觀數據中體現，如力、行程、沖量、游隙等客觀參數。因此，尋求客觀參數與整體性能之間的關系對評價模型至關重要。支持向量機在小樣本、非線性數據分類中有著廣泛卓越的應用，根據式（1），利用客觀數據構造輸入矩陣X，對應評分類別作為輸出Y，建立兩者對應模型。

利用支持向量機建立換擋性能評價模型首要目標是確定評價指標，而由于換擋過程是多機構協調工作且相互影響的復雜過程，因此選擇合適的指標對模型的建立至關重要，主要考慮以下原則：1）能夠聯系主觀評價與客觀評價;2）能夠簡化非線性問題;3）具備較好的適應能力。

利用變速箱換擋分析系統（GSA）進行靜態換擋性能測試，對各檔位進行測試，采集力和位移信號：

1）操縱換擋桿由空擋位置至各檔位，繼續推動換擋桿，得到各檔位的進檔力、吸入力、檔位行程以及剛度;

2）對各檔位橫向推動換擋桿，分析曲線得到各檔位橫向剛度;

3）對各檔位在5N和10N力作用下，換擋桿縱向和橫向移動間隙，得到各檔位游隙;

4）操縱換擋桿從各檔位至空擋位置，得到各檔位摘擋力。

換擋過程是相互影響相互協調的復雜過程，客觀特征參數之間具有一定相關性，引入主成分分析技術（PCA），高維度的數據映射到低維度空間中，并在所投影的維度上數據的信息量最大，以此保證較少的維度，同時保留住較多的原數據特征。通過PCA對換擋性能特征參數進行處理，在保證信息量損失最少的基礎，降低特征維度，有效降低模型計算復雜度。

在模型建立中，模型的參數選擇直接影響到學習性能和效率。支持向量機模型中懲罰系數C以及核函數的參數直接控制了模型的學習與泛化能力，懲罰系數C表示模型對干擾樣本的包容程度，核函數參數決定了核函數的映射構造，因此選擇合適的參數對模型的構造至關重要。粒子群優化算法（PSO）通過設計具有速度和位置的粒子，在空間中搜索最優解，并相互共享信息，實現問題求解的智能性。算法操作簡單、收斂速度快，在函數優化中了廣泛應用。因此利用粒子群優化算法對評價模型的參數進行優化，提高模型預測分類精度。

對某6擋位手動變速箱進行靜態換擋性能測試，在換擋手桿上安裝力傳感器和位移傳感器，隨機選取5臺該型號變速箱，為避免整車因素引起的換擋性能差異，分別將5臺變速箱安裝于同一臺整車進行測試。對各擋位分別進行20組性能測試，由專業人士針對每一次的測試進行主觀打分，打分標準見表1。

3 結論

通過變速箱換擋測試采集換擋力、位移信號，構造力-位移曲線，提取反映換擋性能的評價指標，通過客觀指標與主觀評價結合，建立支持向量機靜態換擋性能評價模型，并通過粒子群算法優化參數，對變速箱靜態換擋性能進行評價，提高了手動變速箱靜態換擋性能評價的客觀性與可靠性。

參考文獻：

[1]彭彩虹，張志剛，余曉霞，等.手動變速器選換擋系統建模與影響因素分析[J].中國科技論文，2020，15（02）：180-187.

[2]王幻之.變速器換擋特性的車載試驗系統設計與分析[D].重慶理工大學，2018.

[3]許東.選換擋機構性能仿真與試驗分析[D].重慶理工大學，2018.

[4]陸明顯.手動變速器換擋性能分析與優化[J].汽車工藝師，2020（06）：48-49.

[5]V.T.Tran，H.Thom Pham，B.-S.Yang and T.Tien Nguyen， Machine performance degradation assessment and remaining useful life prediction using proportional hazard model and support vector machine[J].Mechanical Systems and Signal Processing，2012（32）：320-330.

[6]陳然，米林，譚偉.基于SVM發動機模型的換擋規律及其應用[J]. 機械傳動，2012（06）：15-20.