徐小東， 張冰戰(zhàn)

（1.安徽交通職業(yè)技術學院 汽車與機械工程系，安徽 合肥 230051；2.合肥工業(yè)大學 機械與汽車工程學院，安徽 合肥 230009）

0 引 言

能源短缺和環(huán)境污染是當今世界面臨的兩大難題，插電式混合動力汽車（Plug－in Hybrid Electric Vehicles，簡稱PHEV）是電動汽車發(fā)展過程中新出現(xiàn)的一種低油耗、低排放且不受續(xù)駛里程限制，兼具純電動汽車和傳統(tǒng)燃油汽車優(yōu)點的新型汽車［1－2］。由于其在經濟和環(huán)境等方面的綜合優(yōu)勢，發(fā)展PHEV被認為是當前解決這兩大難題的有效途徑?；旌蟿恿ζ嚨哪芰抗芾聿呗允腔旌蟿恿ζ嚳刂葡到y(tǒng)的核心，基于特定的能量管理策略，根據不同的行駛工況，采用不同的動力系統(tǒng)工作模式，獲得傳統(tǒng)汽車所不能達到的優(yōu)化控制目標［3－4］。

目前應用最廣泛的是基于規(guī)則的控制策略，其實質是通過對系統(tǒng)的研究，根據工程經驗表述成可用計算機處理的簡單推理規(guī)則，利用邏輯判斷來實現(xiàn)動力系統(tǒng)工作模式的切換及功率分配［5－6］。與經典邏輯相比，在模仿人的推理和決策行為方面，模糊控制更接近人的思維方式，表述上更接近自然語言的形式，并且魯棒性強、對參數不敏感，在混合動力汽車控制中得到廣泛的應用。

本文根據PHEV電池存儲的能量在整個行駛工況都期望能得到合理分配的特點，提出一種基于轉矩分配的模糊控制策略，并且把路況里程也作為一個輸入條件來考慮，使得電量消耗續(xù)駛里程能盡量接近總行駛里程，并且燃油經濟性能得到提高。

1 動力系統(tǒng)結構組成

混合動力系統(tǒng)結構如圖1所示，整車由發(fā)動機、電機、電機控制器、動力電池組、自動變速箱、力矩合成器、主減速器和車輪等組成，各個部件通過CAN總線接受整車控制單元的指令并將信號反饋給整車控制器，整車控制器通過一定的能量管理策略分配能量。樣車采用發(fā)動機和電機2套驅動系統(tǒng)，以發(fā)動機為主動力源，電機為輔助動力源。發(fā)動機通過機械裝置與驅動橋聯(lián)接，電機通過力矩合成器也與驅動橋相聯(lián)，發(fā)動機和電機可以單獨工作，也可以聯(lián)合工作共同為驅動輪提供轉矩?？梢酝ㄟ^調節(jié)電機的輸出功率，起到“削峰平谷”的作用，使發(fā)動機一直工作在高效區(qū)域，來減少排放，提高燃油經濟性。

圖1 混合動力系統(tǒng)結構

2 模糊控制策略建模

常用的控制策略是根據電池的SOC、駕駛員的加速或制動踏板位置、轉矩和車速等參數，按照一定的規(guī)則確定發(fā)動機和電機輸出相應的轉矩，以滿足驅動力矩的要求［7－8］。模糊邏輯可以有多個輸入參數，并按照一定的法則生成多種模糊規(guī)則。模糊控制器的輸入參數一般為道路總的需求轉矩Tt和電池狀態(tài)SOC。

隨著GPS和現(xiàn)代交通技術日益廣泛的應用，出發(fā)前行程距離也可以作為一個已知條件，再考慮到PHEV電池容量大的特點，工況運行結束既能最大程度地利用電池容量，又能保持發(fā)動機工作在高效區(qū)域，所以本文將出行工況的行駛里程作為模糊控制器的輸入條件，如圖2所示，模糊控制器有3個輸入變量，1個輸出變量。電池SOC、出行距離以及由車輛當前速度和駕駛員指令得到的車輛需求轉矩作為輸入，電機轉矩分配系數作為輸出。

圖2 模糊邏輯控制器

2.1 輸入量模糊化

輸入變量車輛需求轉矩Tt的論域為［0，Te－max］。當車輛需求轉矩大于發(fā)動機所能提供的最大轉矩Te－max時，發(fā)動機工作在最大轉矩曲線；當車輛需求轉矩小于0時，采用制動控制策略，發(fā)動機關閉，回收制動能量給電池充電。根據發(fā)動機的效率圖，把車輛需求轉矩分成5個模糊子集，并歸一化。

根據電池的效率曲線，把電池的SOC也分為5個模糊子集。出行距離對PHEV的影響很大，如果距離小于純電動續(xù)駛里程，顯然純電動模式是最優(yōu)的。本文考慮了超過純電動續(xù)駛里程的情形，把輸入的范圍設為［40，160］，單位為km，也將其分為5個模糊子集。

將精確量轉矩輸入［0，Te－max］轉化到 ［0，1］區(qū)間的公式為：

將距離輸入［40，160］轉換到［0，1］區(qū)間的公式為：

輸入變量SOC的論域為［0，1］。模糊邏輯控制器的輸出變量為λ，λ為電機提供轉矩Tm占需求轉矩的比值，取值范圍為［－0.5，1.0］，Tm＝λTreq。本文將SOC的5個模糊子集以｛TL，L，M，H，TH｝表示｛太低，低，中，高，太高｝；Tt、距離D和λ的5個模糊子集以｛TS，S，M，B，TB｝表示｛太小，小，中，大，太大｝。

2.2 隸屬函數構建

隸屬函數是模糊控制應用于實際問題的基礎，正確構造隸屬函數是用好模糊控制器的關鍵。目前確定隸屬函數還沒有一套成熟有效的方法，大多數系統(tǒng)的隸屬函數仍然停留在依靠經驗確定，然后通過試驗或計算機模擬得到反饋信息進行修正。確定隸屬函數的方法主要有模糊統(tǒng)計法、專家經驗法、二元對比排序法和典型函數法等。典型函數法是指選用某些典型函數作為隸屬函數，常見的有三角形、梯形、鐘形和高斯型等。選擇隸屬函數時要遵循論域中的每個點應該至少屬于1個隸屬函數的區(qū)域且同時一般不超過2個隸屬函數的區(qū)域；對同一點不能有2個隸屬函數同時達到最大值；重疊部分的任何點的隸屬函數的和應該小于1。

本文選用鐘型函數和三角形函數相結合來表示輸入變量和輸出變量，輸入變量和輸出變量的隸屬函數如圖3所示。

圖3 輸入變量和輸出變量的隸屬函數

2.3 規(guī)則庫的設計

模糊規(guī)則是模糊控制器的重要組成部分，它的數量與模糊子集的劃分有關，劃分越細，規(guī)則條數就越多。在設計模糊規(guī)則時，必須考慮控制規(guī)則的完備性、交叉性和一致性［9－10］。對于任意給定的輸入均能找到相應的規(guī)則起作用，而且不能存在相互矛盾的規(guī)則。

本文設計的原則是電池能量正好在行程終點耗盡，根據出行距離、轉矩需求和電池SOC，建立轉矩分配的控制規(guī)則，比如轉矩需求較小，出行路程距離較短，電池SOC很高，這時電機要提供較大轉矩。設計的控制器有3個輸入變量，每個變量有5個語言值。經過多次調試，最終確定的模糊控制規(guī)則為：

3 仿真結果與分析

為了評價不同行駛距離下模糊邏輯控制策略效果，分別對美國環(huán)保署制訂的城市道路循環(huán)UDDS（Urban Dynamometer Driving Schedule）、高速公路燃油經濟性測試循環(huán)HWFET（Highway Fuel Economy）進行仿真。不同的行駛距離是通過重復UDDS和HWFET工況來實現(xiàn)的，本文采用8個連續(xù)UDDS工況和10個連續(xù)UDDS工況、4個連續(xù)HWFET工況和6個連續(xù)HWFET工況來仿真。選擇的發(fā)動機為2.4 L排氣量，最大功率為127 k W，最大轉矩為220 N·m，電機采用永磁同步電機，最大功率為58 k W，最大轉矩為220 N·m；蓄電池系統(tǒng)采用鋰離子電池，電池組容量9.8 k W·h，額定電壓300 V，質量180 kg。整車主要參數見表1所列。

表1 整車參數

在8個連續(xù)UDDS和10個連續(xù)UDDS工況下，距離分別為96 km和120 km，電池SOC變化情況如圖4a所示。在4個連續(xù)HWFET和6個連續(xù)HWFET工況下，距離分別為66 km和99 km，電池SOC變化情況如圖4b所示。初始SOC為1.0，目標SOC設為0.3，從圖4可以看出，在不同行駛工況類型和不同行駛距離下，通過模糊控制器自適應控制，電池能量基本都能在接近行程終點時耗盡，達到了控制策略設計的目標，體現(xiàn)了控制策略具有很好的魯棒性。

圖4 不同距離和工況下電池SOC變化情況

模糊控制策略的目的是要實現(xiàn)發(fā)動機和電動機轉矩的合理分配，并保持電池SOC在行程終點時達到目標值。在HWFET循環(huán)工況下，對發(fā)動機工作點進行了仿真分析，模糊控制策略下發(fā)動機工作點的分布情況如圖5所示。由圖5可以看出，模糊邏輯控制策略在全程中都通過電機來調節(jié)發(fā)動機的工作點，在高效區(qū)發(fā)動機的工作點比較密集。

圖5 模糊邏輯控制策略下發(fā)動機工作點

4 結束語

本文應用模糊邏輯技術，根據PHEV的特點，建立了以車輛需求轉矩、電池SOC和路況行駛里程為輸入，以電機轉矩指令為輸出的模糊控制器。在此仿真模型平臺上對模糊邏輯控制策略進行了仿真試驗。仿真結果表明，在不同行駛距離和行駛工況下，模糊邏輯控制策略都能針對具體工況進行自適應調整，合理分配電池能量，使發(fā)動機工作在高效區(qū)域，取得較好的燃油經濟性，并能很好地控制電池SOC變化。

［1］Zhang Bingzhan，Mi C.Charge depleting control strategies and fuel optimization of blended－mode plug－in hybrid electric vehicles［J］.IEEE Transactions on Vehicle Technology，2011，60（4）：1516－1525.

［2］李興虎.電動汽車概論［M］.北京：北京理工大學出版社，2005：22－24.

［3］錢立軍，趙 韓，魯付俊.混合動力汽車傳動系結構分析［J］.合 肥 工 業(yè) 大 學 學 報：自 然 科 學 版，2003，26（6）：1121－1126.

［4］尹安東，馮 瑞，趙 韓.基于超級電容的混合動力客車動力系統(tǒng)設計［J］.合肥工業(yè)大學學報：自然科學版，2011，34（4）：481－484.

［5］錢立軍，趙 韓，吳偉岸.并聯(lián)混合動力電動汽車控制策略優(yōu)化研究［J］.中國機械工程，2004，15（9）：251－254.

［6］王保華，王偉明.并聯(lián)混合動力汽車控制策略比較研究［J］.系統(tǒng)仿真學報，2006，18（2）：401－404.

［7］Schouten N J，Salman M A，Kheir N A.Fuzzy logic control for parallel hybrid vehicles［J］.IEEE Transactions on Control Systems Technology，2002，10（3）：460－468.

［8］席愛民.模糊控制技術［M］.西安：西安電子科技大學出版社，2008：102－108.

［9］資新運，杜常清，張增建，等.混合動力汽車模糊邏輯轉矩管理策略仿真［J］.武漢理工大學學報：信息與管理工程版，2008，30（4）：561－564.

［10］張邦基，于德介，鄧元望.基于模糊邏輯的并聯(lián)式混合動力電動汽車能量控制系統(tǒng)［J］.汽車工程，2009，31（6）：496－502.