Control of an electromechanical clutch actuator by a parallel Adaptive Feedforward and Bang-Bang controller: Simulation and Experimental results
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Vehicle’s powertrain performance and comfort are largely depending on the clutch control strategy for an Automated Manual Transmission (AMT). The aim of the clutch control strategy is to ensure the smooth running of clutch operational cases: a comfortable clutch launch (vehicle takes off smoothly without jerk), a fast upshift/downshift (gear ratio changes) and a fast clutch opening. In most industrial cases, regardless of clutch actuation technology, clutch control is managed by clutch pressure control. However, the clutch pressure control is a challenge regarding clutch non-linearities and time-varying parameters. In this paper, a parallel adaptive feedforward and bang-bang controller is proposed in order to control the clutch pressure with an electromechanical clutch actuator. In this system, a control issue comes from potential time-varying parameters but the main challenge comes from the hysteretic behavior of the system due to dry friction in the actuator assembly. An analytic model of the clutch and its electromechanical actuator including dry friction has been constructed and a prototype has been designed and integrated on a test bench. The parallel adaptive feedforward and bang-bang controller architecture and algorithms are developed. For three critical clutch operational cases, simulations and experiments have been run. Finally, in spite of time-varying parameters and a high hysteretic system behavior, simulation and experimental control results highlight that the controller allows a precise tracking of the pressure reference and a fast time response.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle