譚德榮，孫靜霞，王興偉

(山東理工大學(xué)交通與車輛工程學(xué)院，山東淄博255049)

隨著社會(huì)的進(jìn)步、科技的發(fā)展，面對(duì)傳統(tǒng)汽車亟待解決的一系列問題，具有改善油耗、降低排放等優(yōu)勢(shì)的混合動(dòng)力電動(dòng)汽車(HEV)開始大范圍的推廣。但HEV仍依賴于石油燃料，遠(yuǎn)景并不樂觀，在此基礎(chǔ)上誕生了插電式混合動(dòng)力電動(dòng)汽車(PHEV)［1］。保證車輛的動(dòng)力性，提高燃油經(jīng)濟(jì)性降低排放，并保持電池的充放電平衡，合理的能量分配控制是PHEV的關(guān)鍵技術(shù)。為了解決這方面問題，筆者以PHEV的設(shè)計(jì)目標(biāo)為基礎(chǔ)，提出一種PHEV最優(yōu)模糊邏輯控制策略，在模糊輸入方面綜合考慮了電池電量、汽車驅(qū)動(dòng)需求的輸出轉(zhuǎn)矩以及電動(dòng)機(jī)轉(zhuǎn)速等因素，對(duì)能量回收不足SOC下降的情況進(jìn)行改進(jìn)，并使用基于Simulink的電動(dòng)汽車仿真軟件二次開發(fā)ADVISOR進(jìn)行仿真試驗(yàn)驗(yàn)證。

1 工作模式

由于插電式混合動(dòng)力汽車可通過外部電網(wǎng)充電，其配置蓄電池的功率和能量都比普通混合動(dòng)力汽車要大，純電動(dòng)行駛里程更長(zhǎng)，可優(yōu)先考慮蓄電池單獨(dú)驅(qū)動(dòng)車輛行駛。根據(jù)電池組SOC消耗一定值時(shí)為分界，將PHEV分為電量消耗模式和電量保持模式2種工作模式，這2種工作模式的控制策略有很大不同［2］:

1)以電能為主要能源的電量消耗模式。電池系統(tǒng)充滿電后車輛以純電動(dòng)方式啟動(dòng)，蓄電池從電網(wǎng)獲取的電能可以滿足短距離內(nèi)的車輛行駛需求。若大功率工況需求，繼續(xù)純電動(dòng)行駛需要采用昂貴的大功率電機(jī)和電池，這樣成本太高。所以采用以電能為主要能量源的混合控制策略，電機(jī)提供大部分功率，發(fā)動(dòng)機(jī)提供小部分輔助功率。

2)以發(fā)動(dòng)機(jī)為主的電量保持模式。當(dāng)電池組能量消耗到一定程度，電池從電網(wǎng)獲取能量不能滿足車輛行駛需求，要依靠發(fā)動(dòng)機(jī)與電機(jī)共同驅(qū)動(dòng)。

2 Plug-in HEV最優(yōu)模糊控制策略

最優(yōu)模糊控制策略的制定主要針對(duì)電量保持的混合驅(qū)動(dòng)模式，當(dāng)PHEV車速或扭矩需求達(dá)到一定切換值，車輛即從純電動(dòng)模式切換到以發(fā)動(dòng)機(jī)為主的混合驅(qū)動(dòng)模式，在該模式下通常發(fā)動(dòng)機(jī)工作在最優(yōu)曲線上提供大部分功率，其輸出扭矩和車輛行駛需求扭矩的差值依靠電機(jī)來補(bǔ)充，只有當(dāng)電池的SOC不足以及電機(jī)的補(bǔ)充能力不能滿足整車行駛需求時(shí)，發(fā)動(dòng)機(jī)的工作點(diǎn)才偏離最優(yōu)曲線，同時(shí)要控制SOC的平衡。根據(jù)上述由按發(fā)動(dòng)機(jī)最優(yōu)曲線進(jìn)行動(dòng)力分配和SOC平衡控制一起構(gòu)成PHEV最優(yōu)模糊控制策略。

2.1 發(fā)動(dòng)機(jī)最優(yōu)區(qū)間模糊控制

模糊控制是以模糊集合論、模糊語言變量及模糊邏輯推理為基礎(chǔ)的一種計(jì)算機(jī)數(shù)字控制［3］。ADVISOR的兼顧排放的模糊控制策略只將發(fā)動(dòng)機(jī)需求扭矩和電池荷電狀態(tài)SOC作為求取發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩的依據(jù)，而沒有考慮電機(jī)的效率。實(shí)際上混合動(dòng)力能量二次轉(zhuǎn)換的損失主要是電動(dòng)機(jī)工作時(shí)的能量損失，因此控制發(fā)動(dòng)機(jī)的輸出扭矩時(shí)應(yīng)兼顧電動(dòng)機(jī)的效率［4］。根據(jù)模糊控制器設(shè)計(jì)目標(biāo)，又以發(fā)動(dòng)機(jī)作為主要?jiǎng)恿υ刺峁┲饕D(zhuǎn)矩，電機(jī)對(duì)剩余轉(zhuǎn)矩差值進(jìn)行緩沖和補(bǔ)償，將模糊控制器的輸入確定為:整車需求轉(zhuǎn)矩與發(fā)動(dòng)機(jī)工作在最優(yōu)工作區(qū)間的實(shí)際轉(zhuǎn)矩的差值ΔT、電池荷電狀態(tài)SOC及當(dāng)前電機(jī)轉(zhuǎn)速Nm，模糊控制器結(jié)構(gòu)如圖1。

圖1 模糊控制器結(jié)構(gòu)Fig.1 Fuzzy controller structure

考慮到發(fā)動(dòng)機(jī)的負(fù)荷特性，將輸入變量需求輸出轉(zhuǎn)矩Trq在論域［0，1］上分為5個(gè)模糊集{較小，稍小，適中，稍大，較大}。根據(jù)電池內(nèi)阻特性，將輸入變量電池SOC分為5個(gè)模糊集{過低，偏低，正常，偏高，較高}。根據(jù)電機(jī)特性，將電機(jī)轉(zhuǎn)速Nm分為2個(gè)模糊集{低，高}。發(fā)動(dòng)機(jī)實(shí)際輸出扭矩Te模糊集分為{較小，稍小，最佳，稍大，較大}5種情況，其中“最佳”表示發(fā)動(dòng)機(jī)最佳轉(zhuǎn)矩。模糊輸入語言變量和輸出語言變量均采用梯形隸屬度函數(shù)，便于參數(shù)的調(diào)節(jié)，根據(jù)Matlab仿真工具箱中模糊控制輸入量、輸出量的隸屬函數(shù)如圖2［5］。

圖2 發(fā)動(dòng)機(jī)最優(yōu)區(qū)間模糊控制輸入、輸出變量的隸屬函數(shù)Fig.2 Fuzzy membership function of input and output parameterfor optimum interval control

在模糊推理中，與(AND)運(yùn)算采用取小，蘊(yùn)涵運(yùn)算采用Mamdani方法，建立了50條規(guī)則，結(jié)論合成采用累加法，非模糊化則采用面積重心法。綜合電機(jī)轉(zhuǎn)速的因素，將模糊控制規(guī)則分2部分:當(dāng)電機(jī)轉(zhuǎn)速較高時(shí)，電機(jī)的負(fù)荷較高;電機(jī)轉(zhuǎn)速較低時(shí)，電機(jī)的負(fù)荷較低，從而使電機(jī)有更高的效率，控制規(guī)則如表1，控制規(guī)則曲面圖如圖3。

表1 模糊控制規(guī)則Tab.1 Fuzzy control rules

列舉幾條規(guī)則說明:①如果Trq較小，同時(shí)SOC過低，且Nm高，則Te最佳轉(zhuǎn)矩輸出。表示請(qǐng)求轉(zhuǎn)矩很小，且SOC很低需及時(shí)充電，這時(shí)電動(dòng)機(jī)作為發(fā)電機(jī)來發(fā)電并處于高效率狀態(tài)。發(fā)動(dòng)機(jī)輸出的轉(zhuǎn)矩用于驅(qū)動(dòng)行駛和驅(qū)動(dòng)發(fā)電機(jī)發(fā)電;②如果Trq較大，同時(shí)SOC較高，且Nm高，則Te以最佳轉(zhuǎn)矩輸出。表示需求轉(zhuǎn)矩較大，SOC較高，且電機(jī)處于高效率狀態(tài)，可以用電動(dòng)機(jī)來提供部分動(dòng)力，使發(fā)動(dòng)機(jī)處于最佳轉(zhuǎn)矩狀態(tài)。

圖3 輸入、輸出參數(shù)的控制規(guī)則曲面Fig.3 Fuzzy controlling surface of input and output parameter

為了使模糊控制更準(zhǔn)確，對(duì)模糊規(guī)則進(jìn)行反饋調(diào)節(jié)。把實(shí)際響應(yīng)和期望響應(yīng)的偏差δ反饋給控制器，則控制器基于 δ((ΔT)、δ(SOC)、δ(Nm)對(duì)發(fā)動(dòng)機(jī)模糊化輸出做出校正，再把控制器輸出所需的校正p(n)轉(zhuǎn)化成施加于控制器的輸出校正r(n)，具體數(shù)學(xué)模型可表示為:

式中:H為過程增量模型矩陣。

把控制器的輸入 δ ΔT(nt－mt)、δ SOC(ntmt)、δ Nm(nt－mt)量和期望的輸出量 Te(nt－mt)+r(nt)模糊化，得到相應(yīng)的模糊子集 ΔT(nt－mt)、SOC(nt－mt)、Nm(nt－mt)、T'e(nt－mt)，則控制規(guī)則修改的關(guān)系矩陣為:

2.2 電池SOC平衡控制

最優(yōu)曲線控制策略基本能夠?qū)崿F(xiàn)PHEV電量保持階段的控制目標(biāo)，但當(dāng)制動(dòng)回收的能量不足以滿足電機(jī)需要提供的助力能量時(shí)，如果不使用發(fā)動(dòng)機(jī)發(fā)電，就需要消耗電池本身電量，導(dǎo)致循環(huán)結(jié)束時(shí)電池SOC值要比循環(huán)開始時(shí)有所降低。因此，有必要制定電池SOC平衡模糊控制策略，以協(xié)助發(fā)動(dòng)機(jī)最優(yōu)區(qū)間控制達(dá)到更好的控制效果。

這個(gè)模糊控制單元同樣采用Mamdani方法，兩輸入?yún)?shù)分別是電池電量差值SOC1和電池電量的變化量SOC2。電池電量的差值指行駛循環(huán)結(jié)束時(shí)電池電量值與電池電量目標(biāo)控制值之差，它的模糊集有{偏低，正常，偏高}，分別表示行駛循環(huán)結(jié)束時(shí)電池SOC值與目標(biāo)控制值相比偏低、正常和偏高。電池電量的變化量指行駛循環(huán)結(jié)束時(shí)電池電量值與行駛循環(huán)開始時(shí)電池電量值之差，其模糊集有{下降，平衡，上升}，分別表示行駛循環(huán)結(jié)束時(shí)與行駛循環(huán)開始時(shí)比電池SOC值有所下降、平衡和有所上升。

Tec'表示對(duì)發(fā)動(dòng)機(jī)扭矩要求的調(diào)整值，Tec'的模糊集有{較小，稍小，最佳，稍大，較大}，其中:“較小”表示大幅度減少發(fā)動(dòng)機(jī)的輸出扭矩;“稍小”表示稍微減少發(fā)動(dòng)機(jī)扭矩的輸出;“稍大”表示小幅度增大發(fā)動(dòng)機(jī)扭矩的輸出;“較大”表示大幅度增加發(fā)動(dòng)機(jī)輸出扭矩。利用仿真工具箱中模糊控制輸出量的隸屬函數(shù)，如圖4。

圖4 SOC平衡控制調(diào)節(jié)后輸出轉(zhuǎn)矩Tec'隸屬度函數(shù)Fig.4 SOC balance control membership function of output parameter

電池SOC平衡控制規(guī)則表的建立，首先判斷電池SOC1狀態(tài)，再根據(jù)SOC2的正負(fù)狀態(tài)，改變發(fā)動(dòng)機(jī)的輸出扭矩調(diào)節(jié)電池SOC值上升或下降，使SOC值恢復(fù)平衡。

3 模糊控制策略仿真

完成模糊邏輯控制器設(shè)計(jì)后，就可以根據(jù)ADVISOR中控制策略模塊的輸入輸出在Matlab/Simu-link環(huán)境下搭建模糊控制策略模塊(圖5)，將所建立的模型嵌入到ADVISOR，對(duì)ADVISOR進(jìn)行二次開發(fā)［6－7］。根據(jù)發(fā)動(dòng)機(jī)當(dāng)前轉(zhuǎn)速計(jì)算出發(fā)動(dòng)機(jī)最佳轉(zhuǎn)矩和最大轉(zhuǎn)矩，然后把汽車需求輸出轉(zhuǎn)矩進(jìn)行比例化，再根據(jù)需求轉(zhuǎn)矩的比例化、電池SOC信號(hào)、電機(jī)轉(zhuǎn)速進(jìn)行模糊化處理，得到發(fā)動(dòng)機(jī)實(shí)際輸出轉(zhuǎn)矩比例值，最后將這些轉(zhuǎn)矩比例值按照對(duì)應(yīng)關(guān)系通過解模糊過程轉(zhuǎn)化成發(fā)動(dòng)機(jī)實(shí)際輸出轉(zhuǎn)矩。

圖5 模糊控制策略模塊Fig.5 Fuzzy control strategy model

4 仿真結(jié)果對(duì)比

通過二次開發(fā)的ADVISOR對(duì)插電式混合動(dòng)力汽車能量控制策略進(jìn)行仿真［8］，在北京能量回收充足工況和紐約能量回收不足工況下模擬仿真，驗(yàn)證PHEV最優(yōu)模糊控制策略比傳統(tǒng)電輔助控制策略的優(yōu)勢(shì)，以及增加SOC平衡模糊控制協(xié)助最優(yōu)區(qū)間模糊控制策略達(dá)到了更優(yōu)的控制效果。

4.1 增加了SOC平衡模糊控制前后性能比較

在紐約循環(huán)能量回收不足情況下，對(duì)PHEV進(jìn)行仿真。在最優(yōu)工作區(qū)間模糊控制下，PHEV的燃油經(jīng)濟(jì)性下降，且電池電量SOC處于下降狀態(tài)(圖6)。由于電池電量比較低，沒有足夠的放電能力，此時(shí)發(fā)動(dòng)機(jī)首先提供外載所需能量，還要發(fā)出更多功率為電池充電，因此發(fā)動(dòng)機(jī)不可避免的工作于低效率區(qū)(圖7)。而增加SOC平衡模糊控制后，電池SOC雖略有降低，但變化不大，且一直處于電量充足狀態(tài)(圖8)，能有效的輔助發(fā)動(dòng)機(jī)工作于適當(dāng)?shù)墓ぷ髂Ｊ?，因此發(fā)動(dòng)機(jī)仍能很好的工作于高效率區(qū)(圖9)。

圖6 電輔助控制下SOC變化Fig.6 SOC changes of electrically-assisted control

4.2 經(jīng)濟(jì)性分析

表2是傳統(tǒng)電輔助控制和最優(yōu)區(qū)間模糊控制2種控制策略經(jīng)濟(jì)性比較。從仿真結(jié)果可看出，對(duì)于北京循環(huán)的能量回收充足循環(huán)，應(yīng)用模糊控制能將控制參數(shù)進(jìn)行模糊化處理，實(shí)現(xiàn)功率的合理分配，取得較好的控制效果，相對(duì)于電輔助控制策略燃油經(jīng)濟(jì)性有一定改善，燃油消耗率分別下降2.1%。但對(duì)于紐約循環(huán)能量回收不充足循環(huán)，模糊控制策略與電輔助控制策略相比，燃油經(jīng)濟(jì)性反而下降了。

表2 兩種控制策略經(jīng)濟(jì)性比較Tab.2 Economic comparison of two different control

經(jīng)過對(duì)紐約循環(huán)這種能量回收不充足工況將模糊控制策略進(jìn)行一定的調(diào)整，制定電池SOC平衡模糊控制策略。表3是在紐約循環(huán)工況下，能量回收不足時(shí)，通過電池SOC平衡控制的協(xié)助發(fā)動(dòng)機(jī)最優(yōu)區(qū)間控制，調(diào)整前后蓄電池效率、制動(dòng)能量回收效率以及燃油消耗量變化情況，制動(dòng)能量回收效率有所提高，致使燃油經(jīng)濟(jì)性也有大幅度提高。

表3 紐約工況下模糊控制調(diào)整前后經(jīng)濟(jì)性比較Tab.3 Economic comparison of fuzzy control adjusted under NewYork Conditions

5 結(jié)語

1)PHEV控制的關(guān)鍵是發(fā)動(dòng)機(jī)和電動(dòng)機(jī)轉(zhuǎn)矩的合理分配，筆者設(shè)計(jì)了一種兼顧發(fā)動(dòng)機(jī)燃油經(jīng)濟(jì)性和電池SOC平衡的最優(yōu)模糊控制策略。

2)控制策略的仿真依賴于一定的道路工況，控制策略的仿真依賴于一定的道路工況，對(duì)于能量回收充足的情況，采用發(fā)動(dòng)機(jī)最優(yōu)區(qū)間控制策略相對(duì)于電輔助控制策略燃油經(jīng)濟(jì)性有一定的改善，但對(duì)于能量回收不足的工況，需要進(jìn)行改進(jìn)，通過對(duì)不同的控制策略進(jìn)行仿真分析，改進(jìn)的最優(yōu)模糊控制能將發(fā)動(dòng)機(jī)控制在最佳燃油線附近，并實(shí)現(xiàn)電池SOC變化在合理的范圍內(nèi)。

3)最優(yōu)模糊控制策略具有一定的魯棒性，比基礎(chǔ)的電力輔助控制策略在整體上更具高效性。

［1］孫逢春.電動(dòng)汽車［M］.北京:北京理工大學(xué)出版社，1997:243－250.

［2］毛文剛.插電式混合動(dòng)力客車動(dòng)力總成設(shè)計(jì)與研究［D］.武漢:武漢理工大學(xué)，2009:42－47.

［3］熊祖品.并聯(lián)混合動(dòng)力城市客車動(dòng)力系統(tǒng)研究與優(yōu)化［D］.武漢:武漢理工大學(xué)，2008:29－30.

［4］段巖波，張武高，黃震.混合動(dòng)力汽車模糊邏輯控制策略仿真［J］.內(nèi)燃機(jī)工程，2003，24(2):66 －69.DUAN Yan-bo，ZHANG Wu-gao，HUANG Zhen.Simulation of fuzzy logic control strategy for HEV［J］.Neiranji Gongcheng，2003，24(2):66 －69.

［5］吳劍.并聯(lián)式混合動(dòng)力汽車能量管理策略優(yōu)化研究［D］.濟(jì)南:山東大學(xué)，2008:50－58.

［6］曾小華.基于ADVISOR 2002混合動(dòng)力汽車控制策略模塊開發(fā)［J］.汽車工程，2004，26(4):394－396.ZENG Xiao-hua.The development of HEV control strategy module based on ADVISOR 2002 software［J］.Automotive Engineering，2004，26(4):394 －396.

［7］曾小華，王慶年，李勝，等.正向仿真模型與反向軟件ADVISOR的集成開發(fā)［J］.汽車工程，2007，29(10):851 －854.ZENG Xiao-hua，WANG Qing-nian，LI Sheng，et al.Development of forward simulation model in ADVISOR 2002［J］.Automotive Engineering，2007，29(10):851 －854.

［8］王婷.混合動(dòng)力電動(dòng)汽車控制策略的優(yōu)化研究［D］.北京:北京交通大學(xué)，2009:55－60.