论文题目：工程机械动力总成匹配优化
摘要：随着我国经济的快速发展,工程机械扮演的地位逐渐重要起来,并且被广泛应用于开矿,建筑等工程建设相关产业。但是工程机械在运行的同时也会带来很大的环境污染问题,包括有害排放物和能源危机两个主要方面。工程机械的发动机排量较大,工况恶劣,在高负载状态下的油耗也相对较高,高油耗所带来的环境污染因素有以下几点:从环境方面来说,首先,工程机械在运行过程中,会排放出大量温室气体CO2,造成地球环境变暖进而引发温室效应;其次,发动机在运行过程中会排出NOx,SOx等有害物质,这些物质是酸雨的形成因素;除此之外,当燃料燃烧不充分时,所排出的颗粒物是引发雾霾的因素之一,这些物质的排放进一步加剧了环境的恶化;另外,工程机械在工作过程中,会产生大量的噪声污染,这些噪声污染会给人民的生活带来极大的不便,这一点也是也是不可忽视的。从能源危机方面来说,目前我国正面临着日益严峻的能源紧缺问题,比如,石油开采过度,可替代能源的开采量又不足。能源危机的加剧,使得人们开始慢慢从事与节能减排有关的活动,国家同时也采取了各种措施及来维持可持续发展。由上述环境污染问题可知,环境保护问题是急需解决的问题,而工程机械和乘用车中的发动机排放是环境污染的几大主要污染源之一,因此工程机械的节能减排的研究价值逐渐显现出来。为了解决环境问题,维持可持续发展,本文着手从工程机械动力总成匹配的优化方面进行研究。研究过程中,所做工作如下:（1）本文通过查阅文献的方法,结合以前的研究人员对工程机械动力传动系统的研究成果,分析了他人在工程机械的动力匹配中研究的过程及采用的方法,并通过总结归纳寻找出了前人在动力匹配方面所做研究的优点与不足,为自己的论文工作做好准备,并把改进其中的不足作为本文论文的创新点。（2）本文通过参考目前各高校所研发的液力机械传动计算软件,归纳各软件中较好的算法,之后自行研发了一款具有实用价值的动力匹配软件。该软件具有多种功能:该软件可以进行发动机和液力变矩器的共同工作点的计算;该软件在有车辆性能参数的情况下还能进行最大牵引力、最高车速、加速性能等动力性匹配计算;并且该软件还可以对工作循环进行油耗量的拟合,通过处理发动机运行过程中的转速扭矩等数据,求取工作循环中的油耗量。利用该软件,能方便的对工程机械的传动系统进行匹配计算,对工程机械的研发厂家具有指导意义以及实用价值。（3）在拟合过程中,发现该软件的计算油耗量和实验数据的实测油耗量有差距,在确定边界条件设置无误的情况下,推断该差距是由静态和动态的差距引起,考虑到神经网络的学习性和适应性,采用神经网络对该软件的油耗拟合进行修正。在修正的过程中,建立由计算油耗值到实测油耗值的神经网络模型,并测试不同的神经网络参数对训练过程的影响,通过对比不同的参数对神经网络调试的影响,选取出了训练效果最好的神经网络做为最终结果。最后,通过实验验证了神经网络模型的有效性,可用于后续油耗量的修正计算。
关键词：工程机械;推土机;动力匹配;神经网络
学科专业：动力工程（专业学位）
摘要
ABSTRACT
主要符号列表
本文使用主要MATLAB函数及功能列表
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 推土机研究现状
1.2.2 动力匹配国内外研究现状
1.3 本文研究的主要内容
第二章 动力总成的数学模型及神经网络理论基础
2.1 动力总成数学模型
2.1.1 发动机的数学模型
2.1.2 附件消耗转矩
2.1.3 液压泵的数学模型
2.1.4 液力变矩器的数学模型
2.1.5 变速箱的数学模型
2.1.6 主减速器模型
2.1.7 车身模型的建立
2.2 神经网络的理论基础
2.2.1 神经网络的学习方式
2.2.2 神经网络的学习规则
2.2.3 神经网络的学习算法
第三章 动力总成匹配计算
3.1 发动机参数
3.2 液压系统的参数
3.3 液力变矩器的参数
3.4 变速箱参数和传动系参数
3.5 整车参数
3.6 动力性计算及油耗量计算
3.7 优化结果对比
3.8 工况
3.8.1 抬铲工况
3.8.2 行车工况
3.8.3 铲土工况
3.8.4 支车工况
3.9 对比与实测油耗量的差距
第四章 利用MATLAB神经单元的学习性修正
4.1 神经网络计算框架及思路
4.2 神经网络计算流程
4.3 学习样本
4.4 修正代码
4.5 神经网络参数的确定
4.6 修正验证
第五章 总结与展望
5.1 全文工作总结
5.2 展望
参考文献
致谢