工程车辆自动变速控制：遗传径向基神经网络方法

"这篇论文是2005年发表的，主要探讨了如何利用遗传径向基神经网络（Genetic Radial Basis Function Neural Network, RBFNN）来优化工程车辆自动变速挡位决策，旨在提高传动系统的效率。作者陈宁、赵丁选、龚捷和肖英奎来自吉林大学机械科学与工程学院。文章通过ZL50E装载机的试验数据训练RBF神经网络，并进行了仿真验证，证明了这种方法能有效决定最佳挡位，确保工程车辆的自动换挡及时且精确。" 本文涉及的知识点包括： 1. **液力变矩器**：液力变矩器是一种将发动机动力传递给变速器的液压装置，能够在不同工况下提供不同扭矩，是工程车辆自动变速系统的关键部件。 2. **自动变速系统**：自动变速系统允许车辆根据行驶条件自动调整挡位，以提高驾驶舒适性和燃油效率，尤其是对于工程车辆，更需要在重载、复杂工况下保持高效运行。 3. **径向基函数神经网络(RBFNN)**：RBFNN是一种具有强大非线性映射能力的神经网络模型，其隐藏层神经元使用径向基函数作为激活函数，适合处理复杂的输入输出关系。 4. **遗传算法(GA)**：遗传算法是一种基于生物进化原理的全局优化方法，用于RBFNN的训练，可以寻找到最优网络参数，提高决策的准确性。 5. **挡位决策**：在工程车辆自动变速中，挡位决策是指根据车辆速度、负载等因素选择最佳挡位，以保证液力变矩器工作在高效区间。 6. **仿真试验**：通过计算机模拟实际工况，验证RBFNN结合遗传算法的挡位决策方法的有效性，是研究中的重要步骤。 7. **数据样本**：ZL50E装载机的传动试验台数据用于训练神经网络，这些数据反映了不同工况下的车辆性能，为算法的训练提供了基础。 8. **文献标识码**与**中图分类号**："U270．1"代表交通运输工程，"TP183"代表自动化技术及设备，这表明论文属于工程技术领域，特别是车辆自动控制方面的研究。 9. **关键词**：涵盖了流体传动与控制、工程车辆、挡位决策、径向基网络、遗传算法、神经网络以及仿真等多个关键研究领域，这些都是理解文章核心内容的重要线索。 通过这些知识点，我们可以看出这篇论文在工程车辆自动变速控制方面提出了创新性的解决方案，利用RBFNN和GA实现了更智能、高效的挡位切换策略。