基于锁存状态分类和高斯过程回归的液压离合器控制压力快速数据驱动建模

本文提出了一种对液压离合器控制回路压力响应进行数据驱动建模的方法。该系统由可变力电磁阀、蓄能器、调压阀和锁存阀组成，并表现出由迟滞、锁存转换和执行器动力学引起的非线性行为。使用指令电流变量的基线模型捕获了总体压力响应，但未能准确表示迟滞和锁存行为。因此，输入向量扩展了电流导数信息，并测试了几种分类器以分离与锁存相关的操作区域，然后对所得分区拟合高斯过程回归模型。非线性SVC和梯度提升产生了最高的锁存分类精度，非线性SVC被选为最终局部回归流程。所提出的方法在未见过的斜坡速率数据上进行了评估，并与基于物理的Amesim模型进行了比较。在测试的操作条件下，机器学习模型比基于物理的模拟更准确地再现了测得的压力响应和迟滞行为。这些结果表明，当有代表性的试验台数据可用时，机器学习被控对象模型可以在硬件开发和控制器标定期间补充基于物理的液压模型。