<b>Multiobjective gear shifting optimization considering a known driving cycle

Abstract

ABSTRACT. The reduction of the fuel consumption of the vehicles driven by combustion engines is a target of the automakers, governments and drivers. The literature asserts that the adjustment of the driver behavior results in a substantial fuel economy. Specifically, the gear shifting is one aspect of the driver behavior that can be changed by the use of support systems installed in the vehicle that indicate the right moment that the gear must be shifted. The interested community is focused on the development of the algorithms that are implemented in these support systems. These algorithms must be able to arbitrate between two antagonistic objective functions simultaneously: the maximization of the performance and the fuel economy. Thus, this paper demonstrates that it is possible to calculate the trade-off threshold between performance and fuel economy of a vehicle by means of the multiobjective optimization of the gear shifting considering a known driving cycle. To reach this objective, it is created a dynamic model of an automobile base on the literature data; the optimization algorithm implemented is Non-dominated Sorting Genetic Algorithm -II and the driving cycle used is described by the standards ABNT NBR6601:2012 and FTP-72.Keywords: fuel economy, performance, trade-off, NSGA-II.Otimização multiobjetivo da troca de marchas em um ciclo de condução previamente conhecido RESUMO. A redução do consumo de combustível dos veículos com motor a combustão é um objetivo tanto da indústria automotiva, quanto dos governos e dos motoristas. A literatura aponta que a correção da conduta do motorista junto ao seu veículo resulta em uma economia de combustível substancial. Especificamente, a mudança de marchas é um aspecto da conduta do motorista que pode ser alterado por meio do uso de sistemas auxiliares instalados no veículo, que indiquem o momento correto para execução da troca. A comunidade interessada está voltada para o desenvolvimento dos algoritmos implementados sobre esses sistemas auxiliares. Esses algoritmos devem ser capazes de arbitrar simultaneamente sobre duas funções de objetivo antagônicas: as maximizações de desempenho e de economia de combustível. Assim, o objetivo deste trabalho é demonstrar que é possível calcular o limiar de compromisso entre desempenho e economia de combustível de um veículo por meio da otimização multiobjetivo da troca de marchas, considerando um ciclo de condução conhecido. Para isso, é construído o modelo dinâmico de um automóvel baseado em dados da literatura; o algoritmo de otimização empregado é o "Non-dominated Sorting Genetic Algorithm -II" e o ciclo de condução utilizado é descrito pelas normas ABNT NBR6601:2012 e FTP-72.Palavras-chave: economia de combustível, desempenho, compromisso, NSGA-II.

Aplicação Das Redes Neurais Artificiais Eu Uma Transmissão Automática Adaptativa.

“…A redução do consumo de combustível é um objetivo dos fabricantes de automóveis. Além disso às reivindicações do consumidor (baseado em razões econômicas e ambientais) para sistemas de transmissões mais eficientes, junto dos vários regulamentos existentes, obrigam a indústria automotiva a avançar na economia de combustível (SANTICIOLLI ET AL., 2015).…”

“…Um mapa fixo de mudança de marcha padronizada que normalmente indica a relação de engrenagem que deve ser engatada em função de duas entradas: velocidade do veículo e abertura da válvula borboleta. Este mapa está instalado na TCU (para transmissões automatizadas) ou no dispositivo indicador de mudança de marcha (para transmissões manuais) em onde são obtidas as entradas e a execução ou indicação de mudança de marcha (SANTICIOLLI ET AL., 2015). Naturalmente, como este mapa é imutável, não há flexibilidade para adaptar a estratégia de mudança de marcha a diferentes condições de condução (HA; JEON, 2013).…”

An Adaptive Shift Schedule Design Method for Multi-Gear AMT Electric Vehicles Based on Dynamic Programming and Fuzzy Logical Control

“…Multi-objective optimization algorithms are becoming more and more popular. The gear ratios or shift schedules can be constantly optimized by simultaneously considering the vehicle's dynamic and economic performance based on the non-dominated sorting genetic algorithm II (NSGA-II) or multi-objective particle swarm optimization algorithm (MOPSO) [25,26]. As a well-known global optimization algorithm, the dynamic program (DP) has been widely accepted as the most popular way to extract an optimal shift schedule based on a prior known driving cycle [7,11,27].…”

Stability analysis and development of gear shift patterns for an eight speed automatic transmission vehicle

“…Santiciolli and colleagues attempted to show that the accompanying gear changing method has a significant impact on the performance and fuel consumption of a typical Brazilian vehicle. To accomplish so, they looked at two approaches: the first was based on an ideal gear map as a function of vehicle torque and velocity, and the second was based on an optimization loop performed above the Brazilian standard driving conditions [11] . Eckert et al proposed an ideal gear-shifting approach that used an Interactive Adaptive Weight Genetic Algorithm to get the best fuel consumption and driving performance.…”