唐邦強 尹志宏 張炳力 李鎖斌

（昆明理工大學機電工程學院1） 昆明 650093） （合肥工業(yè)大學機械與汽車工程學院2） 合肥 230009）

行駛工況是純電動汽車能量管理系統(tǒng)的重要輸入?yún)?shù)之一，合理設計工況對應的控制策略可以獲得良好的控制效果，降低能耗．然而實際運行工況是一個隨機的、不確定的過程（盡管實際行駛工況可能包含一些理論循環(huán)）［1］，這樣的輸入影響控制策略的效果，也會加大動力系統(tǒng)的匹配優(yōu)化的難度，因此有必要尋找一種合理的處理方法將實際工況輸入轉變?yōu)橐粋€標準工況．本文以合肥市純電動公交工況（HF－PEB－DC）為例，利用模糊控制開發(fā)出工況自識別系統(tǒng)，并搭建一個SIMULINK模型進行仿真，得出整定后的工況作為純電動公交車能量管理系統(tǒng)的工況輸入．

1 工況自識別研究的意義

純電動汽車能耗與行駛工況等諸多因素有著密切的關系，蓄電池的凈能量消耗由式（1）表述，蓄電池輸出功率由式（2）表達，蓄電池端的再生制動功率由式（3）表達［2］．

式中：Pb－out為蓄電池輸出功率；Pb－in為蓄電池端的再生制動功率；v為車速；M為車輛質量；fr為滾動阻力系數(shù)；i為路面坡度；ρa為空氣密度；Af為迎風正面面積；CD為空氣阻力系數(shù)；δ為旋轉質量轉換系數(shù)；ηt為傳動裝置功率損耗；ηm為電機驅動中的功率損耗；α為再生制動系數(shù)．公式表明Eout不僅與 M，fr，i，Af，CD，δ，ηt，ηm等車輛自身和道路參數(shù)有關，還與v，dv／dt，α等工況參數(shù)有關，在車輛自身和道路參數(shù)確定的情況下，合理的工況參數(shù)可以降低能量消耗．電動汽車能量管理系統(tǒng)對檢測到的狀態(tài)按預定的算法進行推理和計算，并向能量存儲裝置發(fā)出指令．將實際行駛工況分解為典型的工況模塊，制定相應的控制策略，優(yōu)化預定的算法，使能耗有最優(yōu)解．即當車輛處于某個行駛狀態(tài)時，系統(tǒng)能依據(jù)過去n段的狀態(tài)，結合特征量的變化自動識別目前的狀態(tài)符合哪個模塊，控制系統(tǒng)按照此模塊對應的控制策略發(fā)出指令，從而達到節(jié)能的目的．因此識別工況并以此為基礎制定控制策略有利于降低純電動汽車的能耗，這就是設計純電動公交工況自識別系統(tǒng)的出發(fā)點．

2 合肥市純電動公交工況循環(huán)（HF－PEB－DC）

文獻［3］給出了合肥市純電動公交工況A，B，C 3個典型模塊，A模塊駐車時間長，低速狀態(tài)，平均車速4．67km／h，是急加速緩減速模式，適合紅綠燈多及其擁堵路段；B模塊駐車時間短，慢速狀態(tài)，平均車速15km／h，是加減速均衡模式，適合紅綠燈較多擁堵狀況一般的路段；C模塊駐車時間極短，中速狀態(tài)，平均車速28km／h，是緩加速急減速模式，適合紅綠燈少暢通路段．純電動公交車實際行駛狀態(tài)大都是A，B，C模塊的組合，只不過組合狀態(tài)不同而已．合肥市純電動公交工況循環(huán)見圖1．

圖1 合肥市純電動公交工況循環(huán)圖

3 工況自識別系統(tǒng)的開發(fā)

工況自識別系統(tǒng)的功能是將純電動公交車的實際行駛參數(shù)輸入模糊控制器，由模糊控制器自動識別目前的行駛狀態(tài)符合哪種典型模塊，并將識別出的模塊作為能量管理系統(tǒng)的輸入之一，因此模糊控制器的開發(fā)是自識別系統(tǒng)開發(fā)的最關鍵環(huán)節(jié)．圖2是工況自識別系統(tǒng)框圖，這是一個雙參數(shù)三輸入－輸出模糊控制系統(tǒng)．首先判斷平均速度是否超過30km／h，超過使用其他方式處理，結果輸入能量管理系統(tǒng)，否則信號進入模糊控制器，模糊控制器另兩項輸入為純電動公交車駐車時間比例、最大加速度值a，輸出是典型模塊參數(shù)u．

圖2 工況自識別系統(tǒng)框圖

3.1 控制策略

在總結實際操作經(jīng)驗的基礎上，結合模糊控制的特點和能量管理系統(tǒng)的要求，純電動公交工況自識別系統(tǒng)的主要控制策略如下［4］：

1）平均車速高（v＞30km／h）時，電動車按高速控制方式執(zhí)行．

2）平均車速中等（20＜v≤30km／h）時，若駐車時間不長，在加速、勻速或微減速狀態(tài)下車輛按中速控制方式執(zhí)行，強減速狀態(tài)時車輛按慢速控制方式執(zhí)行；若駐車時間長，在強加速、微加速、勻速狀態(tài)下車輛按中速控制方式執(zhí)行；減速狀態(tài)下車輛按慢速控制方式執(zhí)行．

3）平均車速慢（10＜v≤20km／h）時：若駐車時間短，在加速狀態(tài)下車輛按中速控制方式執(zhí)行．勻速或微減速狀態(tài)時車輛按慢速控制方式執(zhí)行，強減速狀態(tài)時車輛按低速控制方式執(zhí)行；若駐車時間中等，在強加速狀態(tài)下車輛按中速控制方式執(zhí)行．微加速、勻速或微減速狀態(tài)下按慢速控制方式執(zhí)行，強減速狀態(tài)時車輛按低速控制方式執(zhí)行；若駐車時間長，在加速狀態(tài)下車輛按慢速控制方式執(zhí)行．勻速或減速狀態(tài)下車輛按低速控制方式執(zhí)行．

4）平均車速低（0＜v≤10km／h）時：若駐車時間短，在加速狀態(tài)下車輛按慢速控制方式執(zhí)行．勻速或減速狀態(tài)時車輛按低速控制方式執(zhí)行；若駐車時間不短，在強加速狀態(tài)下車輛按慢速控制方式執(zhí)行．其余狀態(tài)下按低速控制方式執(zhí)行．

3.2 模糊器語言變量的賦值表

模糊器輸入駐車時間比例scale的語言變量選為SCALE、平均速度va的語言變量為VA、加速度值a的語言變量為A，輸出u的語言變量為U．設純電動公交車駐車時間比例的論域為［0，100%］，選定scale的論域為 X＝｛0，0．05，0．1，0．15，0．2，0．3，0．45，0．5，0．6，1｝，其語言變量SCALE選取3個語言值：｛PB，PM，PS｝，根據(jù)合肥市純電動公交工況循環(huán)的特點，可確定隸屬函數(shù)μ（x）為梯形分布函數(shù)，并據(jù)此建立語言變量SCALE的賦值見表1．

平均速度va的論域為［0，30］，選定語言變量VA 的論域為｛－6，－5，…，0，…，5，6｝，量化因子kva＝6／15，語言值選?。鸓B，PM，PS｝，確定隸屬函數(shù)為梯形分布函數(shù)，建立語言變量VA賦值見表2．

加速度a的論域為［－1．5，1．5］，選定語言變量A的論域為｛－6，－5，…，0，…，5，6｝，量化因子ka＝4，語言值選?。鸓B，PM，O，NM，NB｝，確定PB，NB的隸屬函數(shù)為梯形分布函數(shù)，PM，O，NM的隸屬函數(shù)為三角分布函數(shù)，建立語言變量A賦值見表3．

輸出u的論域為［0，30］，選定語言變量U 的論域為｛－6，－5，…，0，…，5，6｝，量化因子ku＝6／15，語言值選取｛PB，PM，PS｝，確定隸屬函數(shù)為梯形分布函數(shù)，建立語言變量U賦值見表4．

表1 語言變量SCALE賦值表

表2 語言變量VA賦值表

表3 語言變量A賦值表

表4 語言變量U賦值表

3.3 模糊狀態(tài)表

根據(jù)總結的經(jīng)驗共有45條控制規(guī)則，將其合并歸類可得出模糊狀態(tài)表，如表5所列．表中每一條規(guī)則都決定一個模糊關系，用Rn（n＝1，2，…，45）表示，它們一共是45個，例如R1，R2，R25，R26分別為

通過45個模糊關系的并運算可獲取表征工況自識別系統(tǒng)模糊控制器控制規(guī)則總的模糊關系R，即

3.4 模糊控制總算法

計算出模糊關系R以后，利用推理合成規(guī)則計算

表5 模糊狀態(tài)表

語言變量U 的模糊子集Uijl有10×13×13＝1 690個模糊子集合，應用最大隸屬度法對此模糊集合進行模糊判決，編制一個計算程序存儲到計算機中．實際控制過程中，在每一個控制周期中，將采集到的駐車時間比例和平均速度以及加速度分別乘以量化因子取得相應論域元素，輸入計算程序即可求得輸出U所需的論域元素，再乘以比例因子ku，便是輸出的實際控制量變化值．這一部分主要依靠計算機完成．

4 仿真實現(xiàn)

利用matlab／simulink對工況自識別系統(tǒng)進行建 模 如 圖 3 所 示［5－6］，模 糊 控 制 器 （fuzzy logic controller）輸入語言變量駐車時間比例scale、平均速度va、加速度a的隸屬函數(shù)分別如圖4～6所示，輸出u的隸屬函數(shù)如圖7所示．圖8是輸入輸出關系曲面圖．

圖3 工況自識別系統(tǒng)仿真模型

仿真采用合肥市純電動汽車示范工程中18路純電動公交車實驗采集的實際行駛數(shù)據(jù)，其速度－時間曲線如圖9所示，將其作為輸入，通過仿真得出圖10結果．將2幅圖進行對比，可以看出原來隨意性很強的速度－時間歷程已變得有明顯特征，分為3個層次，第一個層次是一個低速狀態(tài)，平均速度在5km／h左右，即為合肥市典型公交工況的A模塊；第二個層次是慢速狀態(tài)，平均速度在15km／h左右，為B模塊；第三層次為中速狀態(tài)，平均速度在28km／h左右，為C模塊，高速狀態(tài)在圖中沒有出現(xiàn)是因為公交車在行駛過程中平均速度沒有超過30km／h．標準化處理后的工況作為輸入，可以讓能量管理系統(tǒng)按照對應的分類控制策略執(zhí)行控制，簡化了能量管理系統(tǒng)的結構，提高控制效率，也就是降低了能耗．

圖5 平均速度隸屬函數(shù)圖

圖6 加速度隸屬函數(shù)圖

圖7 輸出U隸屬函數(shù)圖

圖8 輸入輸出關系曲面圖

圖9 實際行駛工況速度－時間圖

圖10 自識別后的速度－時間歷程圖

5 結束語

本文利用合肥市純電動汽車示范工程采集的數(shù)據(jù)，開發(fā)設計了工況自識別系統(tǒng)．該系統(tǒng)采用模糊控制原理，以行駛階段的駐車時間比例、平均速度和加速度作為模糊控制器的輸入，合肥市純電動公交工況典型模塊參數(shù)為輸出．給出了系統(tǒng)的控制策略，制定了各個語言變量的賦值表和模糊狀態(tài)表，并使用SIMULINK搭建了仿真模型，仿真結果顯示原來隨機的、不確定的工況已轉化為符合典型工況模塊特征的工況，說明開發(fā)的純電動公交工況自識別系統(tǒng)是可行的．使用這些整定后的工況作為能量管理系統(tǒng)的輸入可以簡化能量管理系統(tǒng)的結構，提高控制效率，降低能耗，同時也為控制策略的優(yōu)化提供了思路．

［1］羅玉濤，胡紅斐，沈繼軍．混合動力電動汽車行駛工況分析與識別［J］．華南理工大學學報：自然科學版，2007，35（6）：8－13．

［2］Ehsani M，Gao Y，Gay S E，et al．Modern electric，hybird electri and fuel cell vehicles fundamentals，theory and design［M］．北京：機械工業(yè)出版社，2008．

［3］曾光奇．模糊控制理論與工程應用［M］．武漢：華中科技大學出版社，2006．

［4］張國良．模糊控制及其MATLAB應用［M］．西安：西安交通大學出版社，2002．

［5］李 穎．Simulink動態(tài)系統(tǒng)建模與仿真基礎［M］．西安：西安電子科技大學出版社，2004．

［6］賈秋玲．基于 Matlab 7．x／Simulink／stateflow系統(tǒng)仿真、分析及設計［M］．西安：西北工業(yè)大學出版社，2006．