Описание модели муфты

Simulink ® модель системы сцепления, simple_clutch, показано ниже.

Эта модель состоит из двух инерций, соединенных муфтой. Первоначально давление, приложенное к пластинам муфты, равняется нулю, и Inertia 2 имеет нулевую скорость. Постоянный крутящий момент прикладывается также к Инерции 1. Когда давление в муфте начинает увеличиваться, Inertia 2 начинает вращаться. Однако трение между пластинами сцепления вызывает скольжение, так что две инерции ускоряются с различными скоростями и имеют различные скорости.

Система сцепления состоит из двух инерций вращения и муфты. Давление прикладывается к пластинам муфты, которая затем соединяет две инерции. Блок Simscape Driveline используется для моделирования муфты, которая имеет зависящий от скорости коэффициент трения, линейно варьирующийся от C1 при 0 рад/с до C2 при 10 рад/с.

Коэффициенты трения (C1, C2) в блоке Управляемая Фрикционная Муфта неизвестны и оцениваются с помощью экспериментальных данных для выходных скоростей Инерции 1 и Инерции 2.

Использование Simulink ® Design Optimization™

На вкладке Apps нажмите Parameter Estimator в разделе Control Systems, чтобы запустить приложение Parameter Estimator.

Запущенный UI Оценки параметров состоит из проектов, где мы храним наши экспериментальные наборы данных и результаты оценки. Эти проекты можно сохранить и повторно использовать позже.

Также можно дважды кликнуть оранжевый цветной блок в левом нижнем углу схемы Simulink. Проект, который уже сохранен, будет перезагружен.

В целом оценка параметров модели состоит из трех основных шагов: импорт экспериментальных наборов данных в проект, выбор параметров модели для оценки и выполнение оценки и анализ результатов.

Экспериментальные данные для оценки

У нас есть два набора выхода данных по этой системе сцепления. Первый, EstimationData, будет использоваться для оценки параметра, а другой, ValidationData, для проверки отклика модели Simulink с предполагаемыми параметрами.

В первом эксперименте давление сцепления соответствует профилю Сигнала 1, подаваемого блоком Давления Сцепления в модели Simulink. Этот сигнал прикладывает давление нарастания и опускания на пластины сцепления. Щелкните Добавить график в пользовательском интерфейсе оценки параметра и выберите EstimationData, чтобы просмотреть выходные скорости инерции в ответ на этот вход. Такие наборы данных также могут быть импортированы из различных источников, включая переменные MATLAB ®, файлы MAT, файлы Excel ® или файлы с разделенными запятыми файлами.

Значения параметров для коэффициентов трения точно не известны. Нажатие графика Model Response обеспечивает просмотр отклика этой системы и показывает, что он не соответствует экспериментальным данным, поэтому параметры необходимо оценить для лучшей подгонки.

Настройка и выполнение оценки

Мы будем использовать экспериментальный набор данных EstimationData, чтобы оценить параметры трения системы сцепления.

Первым шагом является определение переменных, которые будут оценены. Это устанавливает, какие параметры симуляции могут быть скорректированы, и любые правила, регулирующие их значения. Нажмите Select Parameters, чтобы задать параметры, которые будут оценены. Здесь мы хотим оценить коэффициенты трения C1 и C2 в блоке Controllable Triction Mutch модели Simulink. В примере оценки предварительно загруженного параметра эти параметры уже были заданы для оценки. Если существуют известные ограничения значений параметров, они могут быть установлены в минимальном и максимальном полях.

Затем нажмите Select Experiments, чтобы определить, какие эксперименты будут использоваться для оценки. Возможно использовать один или несколько наборов данных сразу в заданной оценке. Для нашего примера мы будем использовать набор данных EstimationData.

Теперь вы готовы запустить оценку. Нажмите Estimate, чтобы начать процесс оценки. Мы предоставляем ряд методов оценки, включая минимизацию нелинейного метода наименьших квадратов, градиентного спуска, поиск шаблона или симплексный поиск. Выполняемая оценка будет варьировать параметры модели в порядок, чтобы уменьшить ошибку между выходами симуляции и экспериментальными данными. Во время оценки график эксперимента, показывающий измеренные данные и характеристику симуляции, будет обновлен. Когда значения параметров улучшаются, кривая симуляции должна приблизиться к экспериментальной кривой данных. Кроме того, график траектории покажет значения параметров при каждой итерации. Эти кривые должны достичь устойчивого состояния, когда значения параметров приближаются к их физическим значениям.

В сложение в таблице Отчета по Прогрессу оценки будут показаны данные, касающиеся процесса оценки, такие как количество итераций, количество симуляций и функция затрат. Значение функции стоимости представляет степень подгонки между откликом симуляции и данными оценки. Это значение уменьшается при каждой итерации, что указывает на количество улучшения подгонки.

Валидация

После завершения оценки важно подтвердить результаты по другим наборам данных. Успешная оценка должна быть способна не только соответствовать экспериментальным данным, которые мы использовали для оценки, но и другим наборам данных, которые мы собрали в наших экспериментах.

Во втором наборе экспериментальных данных, которые мы имеем для системы сцепления, давление сцепления соответствует профилю Сигнала 2, поставляемому блоком Давления сцепления в модели Simulink. Этот сигнал прикладывает периодическое давление к пластинам сцепления. Чтобы использовать это, первый двойной клик по блоку Manual Switch, чтобы изменить входной сигнал на тот, который используется для данных валидации (Сигнал 2). Затем в пользовательском интерфейсе оценки параметра щелкните вкладку Валидация, Выберите эксперименты и выберите для валидации эксперимент ValidationData. Это содержит выходные данные, соответствующие входу от Сигнала 2. Наконец, нажмите Проверить, чтобы выполнить валидацию. График эксперимента сравнит реакцию симуляции с экспериментальными данными. Мы видим, что матч очень хороший.

Сводные данные, мы провели оценку, задав эксперимент с измеренными выходными данными и обозначив определенные параметры, которые будут оценены. Затем мы проверили значения параметров путем проверки с помощью другого набора данных, придавая доверие в значениях параметров.

Закройте модель