(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111272009.4 (22)申请日 2021.10.2 9 (71)申请人 江苏大学 地址 212013 江苏省镇江市京口区学府路 301号江苏 大学 (72)发明人 刘玺　 (74)专利代理 机构 重庆强大凯创专利代理事务 所(普通合伙) 50217 代理人 蒙捷 (51)Int.Cl. F16D 48/06(2006.01) G06F 30/27(2020.01) (54)发明名称 基于模糊神经网络的湿式离合器状态识别 方法 (57)摘要 本发明涉及离合器控制设计的技术领域， 具 体为一种基于模糊神经网络的湿式离合器状态 识别方法， 包括以下内容： 分析预设的半结合点 状态参数全集筛选生成最优特征子集一； 根据预 设的滑摩特征参数生成滑摩状态 参数全集， 分析 滑摩状态 参数全集筛选生 成最优特征子集二； 根 据最优特征子集一、 最优特征子集二和预设的模 糊神经网络模型生成离合器状态； 获取工况信 息， 根据工况信息判断是否满足学习条件， 若满 足学习条件， 则根据模糊神经网络模 型获取离合 器状态， 根据离合器状态生成控制信息。 采用本 方案， 能够根据模糊神经网络模 型分析湿式离合 器的离合器状态， 从而执行不同的控制操作， 提 高湿式离合器的控制精度。 权利要求书2页 说明书8页 附图3页 CN 113915249 A 2022.01.11 CN 113915249 A 1.基于模糊神经网络的湿式离合器 状态识别方法， 其特 征在于， 包括以下内容： 分析预设的半结合 点状态参数全集筛 选生成最优特 征子集一； 根据预设的滑摩特征参数生成滑摩状态参数全集， 分析滑摩状态参数全集筛选生成最 优特征子集二； 根据最优特 征子集一、 最优特 征子集二和预设的模糊神经网络模型生成离合器 状态。 2.根据权利要求1所述的基于模糊神经网络的湿式离合器状态识别方法， 其特征在于： 分析预设的半结合 点状态参数全集筛 选生成最优特 征子集一， 具体包括以下内容： 获取湿式离合器半结合点状态下的筛选条件， 根据筛选条件分析半结合点状态参数全 集， 筛选出最优特 征子集一， 最优特 征子集一包括发动机扭矩。 3.根据权利要求1所述的基于模糊神经网络的湿式离合器状态识别方法， 其特征在于： 根据预设的滑摩特 征参数生成滑摩状态参数全集， 具体包括以下内容： 调用预设的滑摩特征参数对滑摩特征参数之间的边界进行搜索寻优生成滑摩状态参 数全集。 4.根据权利要求3所述的基于模糊神经网络的湿式离合器状态识别方法， 其特征在于： 对滑摩特 征参数之间的边界进行搜索寻优生成滑摩状态参数全集， 具体包括以下内容： 根据智能搜索算法对滑摩特征参数之间的边界进行搜索寻优， 生成滑摩状态参数全 集。 5.根据权利要求3所述的基于模糊神经网络的湿式离合器状态识别方法， 其特征在于： 分析滑摩状态参数全集筛 选生成最优特 征子集二， 具体包括以下内容： 根据浮动搜索算法搜索滑摩状态参数全集， 生成最优特 征子集二。 6.根据权利要求1所述的基于模糊神经网络的湿式离合器状态识别方法， 其特征在于： 根据最优特征子集一、 最优特征子集二和预设的模糊神经网络模型生成离合器状态， 具体 包括以下内容： 对最优特征子集一和最优特征子集二进行归一化处理， 生成归一化处理结果， 获取模 糊神经网络模型根据归一 化处理结果输出的离合器 状态。 7.根据权利要求1或6所述的基于模糊神经网络的湿式离合器状态识别方法， 其特征在 于： 模糊神经网络模型包括模糊层， 通过模糊层对 模糊神经网络模型的输入进行模糊处 理。 8.根据权利要求7所述的基于模糊神经网络的湿式离合器状态识别方法， 其特征在于， 还包括以下内容： 获取工况信 息， 根据工况信息判断是否满足学习条件， 若满足学习条件， 则根据模糊神 经网络模型获取离合器 状态， 根据离合器 状态生成控制信息 。 9.根据权利要求8所述的基于模糊神经网络的湿式离合器状态识别方法， 其特征在于： 离合器状态包括 不足和过度， 控制信息包括减小压力和 增大压力； 当离合器状态为不足时， 根据离合器状态生成的控制信息为减小压力； 当离合器状态 为过度时， 根据离合器 状态生成的控制信息为增大压力。 10.根据权利要求8所述的基于模糊神经网络的湿式离合器状态识别方法， 其特征在 于： 学习条件 包括半结合 点学习条件和扭矩学习条件， 当学习条件为半结合点学习条件时， 根据离合器状态生成的控制信 息为增大或减小离 合器的半结合 点压力；权　利　要　求　书 1/2 页 2 CN 113915249 A 2当学习条件为扭矩学习条件时， 根据离合器状态生成的控制信 息为增大或减小离合器 的控制压力。权　利　要　求　书 2/2 页 3 CN 113915249 A 3