王 磊，張 勇，殷承良

(上海交通大學(xué)，汽車電子控制技術(shù)國家工程實驗室，上海 200240)

前言

混合動力汽車(hybrid electric vehicle，HEV)技術(shù)已成為解決能源短缺和降低溫室氣體排放的有效手段［1-2］。對于高油耗的大型車而言，如城市公交客車，其應(yīng)用混合動力技術(shù)所節(jié)省的燃油要遠(yuǎn)高于小型車。因此，開展混合動力城市客車的研究具有現(xiàn)實意義。整車控制系統(tǒng)(hybrid control unit，HCU)的開發(fā)是 HEV節(jié)能技術(shù)的關(guān)鍵。要實現(xiàn)HEV的高性能運行，須對其動力系統(tǒng)進(jìn)行優(yōu)化控制，即由HCU實時監(jiān)控車輛的運行狀態(tài)，按照特定的控制策略，實現(xiàn)車輛工作模式的轉(zhuǎn)換和能量的優(yōu)化分配，并對部件進(jìn)行實時保護(hù)，使各部件能夠協(xié)調(diào)、可靠地工作。

HCU的開發(fā)包括能量管理策略(energy management strategy，EMS)和控制器硬件的設(shè)計開發(fā)［1-4］。由于混聯(lián)式混合動力系統(tǒng)的結(jié)構(gòu)和控制功能復(fù)雜，應(yīng)用優(yōu)化算法的EMS可使動力系統(tǒng)能量流動的控制和整車燃油消耗的優(yōu)化更加靈活，因此基于優(yōu)化算法的EMS開發(fā)成為HEV控制系統(tǒng)開發(fā)的研究熱點，包括實時優(yōu)化算法和全局最優(yōu)算法［1-2，5］。由于HEV控制功能的增多和為滿足復(fù)雜算法實時控制的精度要求，對HEV控制系統(tǒng)CPU的存儲容量和運算速度的要求也日益提高，使得基于PowerPC架構(gòu)的 32 位處理器被逐步應(yīng)用［1-4，6］。

本文中針對某型混聯(lián)式混合動力客車，設(shè)計開發(fā)了基于PowerPC的混合動力總成控制器，同時以最小燃油消耗為目標(biāo)，提出了基于迭代動態(tài)規(guī)劃優(yōu)化算法和Elman動態(tài)神經(jīng)網(wǎng)絡(luò)的實時優(yōu)化能量管理策略，并對設(shè)計開發(fā)的HCU進(jìn)行了硬件在環(huán)驗證。目前，應(yīng)用全局優(yōu)化算法進(jìn)行HEV EMS設(shè)計的研究通常采用基于動態(tài)規(guī)劃優(yōu)化結(jié)果的規(guī)則提取法，其計算量大且結(jié)果處理方式復(fù)雜。而本文中采用的迭代動態(tài)規(guī)劃算法可減小優(yōu)化計算量且有利于提高計算精度，同時Elman動態(tài)神經(jīng)網(wǎng)絡(luò)可以高精度逼近任何非線性過程，獲得較好的實時控制效果。所設(shè)計的HCU采用32位單片機(jī)MPC5554作為控制器CPU，相對于16位單片機(jī)，其具有浮點運算單元，不僅能提高控制器系統(tǒng)質(zhì)量，且有利于新型復(fù)雜算法的研究和實施。

1 混合動力總成及其控制系統(tǒng)

混合動力客車動力系統(tǒng)結(jié)構(gòu)見圖1。其驅(qū)動系統(tǒng)由6缸柴油發(fā)動機(jī)、起動發(fā)電一體化電機(jī)(integrated starter generator，ISG)、驅(qū)動電機(jī)、電控離合器和磷酸鐵鋰電池等部件組成。ISG電機(jī)轉(zhuǎn)子與發(fā)動機(jī)曲軸直接相連，驅(qū)動電機(jī)空套在自動離合器的輸出軸上，其輸出與電機(jī)減速器的輸入齒輪連接，并通過減速器的輸出齒輪與發(fā)動機(jī)的輸出相耦合。整個動力系統(tǒng)的動力由自動離合器輸出軸傳出。

HEV整車控制系統(tǒng)采用基于控制器局域網(wǎng)(controller area network，CAN)總線的分布式控制系統(tǒng)方案，其具有層次化、模塊化和可靠性高等優(yōu)點，便于整車控制系統(tǒng)的開發(fā)。HCU通過CAN總線與發(fā)動機(jī)控制器、電池管理系統(tǒng)、離合器執(zhí)行機(jī)構(gòu)和ISG/驅(qū)動電機(jī)控制器通信。混合動力系統(tǒng)控制原理如圖2所示。在HEV的行駛過程中，HCU實時動態(tài)采集駕駛員指令信號和動力系統(tǒng)各部件的狀態(tài)參數(shù)信號，根據(jù)預(yù)先開發(fā)的EMS來進(jìn)行信號流和能量流的處理和分配，并通過CAN總線向各部件ECU和執(zhí)行器發(fā)出控制信號，使動力系統(tǒng)各部件間相互協(xié)調(diào)工作，實現(xiàn)車輛工作模式的切換。在保證期望動力輸出的條件下，實現(xiàn)較低的燃油消耗和維持電池荷電狀態(tài)(state-of-charge，SOC)的平衡。

2 HCU控制軟件設(shè)計

HCU控制軟件部分主要包括驅(qū)動軟件模塊和應(yīng)用軟件模塊［1，4，7-8］。驅(qū)動軟件模塊用于實現(xiàn)硬件驅(qū)動和整車及部件工作狀態(tài)信號的采集與處理;應(yīng)用軟件模塊通過獲取的狀態(tài)信號和當(dāng)前各部件參數(shù)確定車輛行駛的工作模式，并根據(jù)能量管理算法，在各個工作模式下合理分配能量，以達(dá)到經(jīng)濟(jì)性和動力性的要求。這里主要介紹應(yīng)用層軟件，即整車EMS的開發(fā)。

整車EMS的設(shè)計目標(biāo)是在特定的循環(huán)工況下，滿足混合動力客車整車駕駛性能和維持電池SOC平衡的同時獲得最優(yōu)的燃油經(jīng)濟(jì)性。因此整車EMS設(shè)計的最優(yōu)控制問題相當(dāng)于在有限的時間段內(nèi)，滿足所有狀態(tài)變量和控制變量的約束條件下，尋求使選定目標(biāo)函數(shù)最小的控制策略:

式中:J為燃油消耗量的代價函數(shù)，U(t)為控制向量，X(t)為狀態(tài)向量，tf為給定循環(huán)工況時間，Γ為最終狀態(tài)懲罰函數(shù)，Lfuel為瞬時燃油消耗量，x0為狀態(tài)向量初始值，φ為狀態(tài)向量和控制向量約束。由于動態(tài)規(guī)劃算法易于解決動態(tài)系統(tǒng)的多約束和非線性問題，且能得到全局最優(yōu)解［1-2，9］，可用于求解HEV在特定循環(huán)工況下的最佳性能。鑒于城市公交車的行駛線路固定，因此動態(tài)規(guī)劃算法可用于混合動力客車EMS的設(shè)計［1］。對于給定的循環(huán)工況，車輛的行駛速度和驅(qū)動轉(zhuǎn)矩需求為已知，根據(jù)圖1所示的HEV動力系統(tǒng)結(jié)構(gòu)和圖2所示的混合動力控制系統(tǒng)原理，定義HEV最小燃油消耗最優(yōu)控制的狀態(tài)向量和控制向量為

同時，為維持電池SOC平衡，避免行駛過程中發(fā)動機(jī)頻繁起停和離合器的頻繁操縱，將HEV最小燃油消耗最優(yōu)控制的目標(biāo)函數(shù)定義為

式中:R為離合器分離行程，Ten為發(fā)動機(jī)轉(zhuǎn)矩，TTM為驅(qū)動電機(jī)轉(zhuǎn)矩，Rcl為離合器操縱指令，Rcl=0為接合指令，Rcl=1為分離指令，P為循環(huán)工況離散的時間段數(shù)，Esw為發(fā)動機(jī)開關(guān)信號，α、β、γ分別為加權(quán)系數(shù)，k為階段數(shù)。

為解決傳統(tǒng)動態(tài)規(guī)劃算法采用較細(xì)的控制變量和狀態(tài)變量網(wǎng)格所產(chǎn)生的計算負(fù)荷大以及采用線性插值方法產(chǎn)生的計算精度不高的問題［1，9］，本文中采用迭代動態(tài)規(guī)劃(iterative dynamic programming，IDP)算法進(jìn)行混合動力客車EMS的設(shè)計。給定循環(huán)工況下，應(yīng)用IDP求解HEV最小燃油消耗最優(yōu)控制問題的計算方法如下:

IDP采用較為稀疏的控制變量和狀態(tài)變量網(wǎng)格。當(dāng)計算出的狀態(tài)變量為非網(wǎng)格點時，取距離最近網(wǎng)格點上的控制變量為最優(yōu)控制策略［9］:

當(dāng)每步迭代計算完成之后，分別將得到的最優(yōu)狀態(tài)變量和控制變量作為下一步迭代計算的狀態(tài)變量網(wǎng)格和控制變量網(wǎng)格的中點:

同時縮小狀態(tài)變量網(wǎng)格和控制變量網(wǎng)格的大小:

式中:J*、X*和U*為每步迭代時的最優(yōu)計算結(jié)果;r、s分別為狀態(tài)變量和控制變量的許可范圍，h為迭代步數(shù)，ε為縮減因子，M為控制變量數(shù)目，N為狀態(tài)變量數(shù)目，Xg為網(wǎng)格點上的變量。通過一定步數(shù)的迭代，控制變量網(wǎng)格和狀態(tài)變量網(wǎng)格將會變細(xì)并可求得全局最優(yōu)解。圖3為中國公交客車典型循環(huán)工況(CTBDC)。圖4為所設(shè)計的混合動力客車在CTBDC循環(huán)工況下，初始SOC為0.53時，經(jīng)18步迭代計算得到的最優(yōu)控制策略。

由圖4可見，通過IDP算法得到的給定循環(huán)工況下的最優(yōu)控制策略為時間和狀態(tài)的變量，因而不能直接用于實時控制，且HEV最小燃油消耗最優(yōu)控制的計算是基于車輛能準(zhǔn)確跟蹤預(yù)定循環(huán)工況的假設(shè)。在車輛實際行駛過程中，HCU根據(jù)動力系統(tǒng)部件當(dāng)前工作狀態(tài)和駕駛員加速踏板和制動踏板操作來協(xié)調(diào)動力系統(tǒng)輸出，以滿足預(yù)定循環(huán)工況的車速要求，因此HCU對混合動力系統(tǒng)的控制不在預(yù)定循環(huán)工況的確定時間點產(chǎn)生，且在行駛過程中，循環(huán)工況的速度軌跡不能完全精確跟蹤，因此采用Elman動態(tài)神經(jīng)網(wǎng)絡(luò)，將IDP最優(yōu)控制策略應(yīng)用于實時控制。圖5為Elman實時控制神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖，它采用3層Elman動態(tài)神經(jīng)網(wǎng)絡(luò)，輸入為該段時間步長和前段時間步長的狀態(tài)變量，即電池SOC、車速、離合器分離行程和驅(qū)動功率需求，輸出為該段時間步長的控制變量，即離合器操縱指令、發(fā)動機(jī)轉(zhuǎn)矩和驅(qū)動電機(jī)轉(zhuǎn)矩。為了獲得較高的充放電效率，電池SOC的工作范圍限定為0.45～0.65，因此采用3組不同SOC初始值 (SOC=0.65，0.55，0.45)時的最優(yōu)控制向量為神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本，采用兩組不同SOC初始值(SOC=0.6，0.5)時的最優(yōu)控制向量為神經(jīng)網(wǎng)絡(luò)驗證樣本［10］。

采用Levenberg-Marquardt對ELman神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練結(jié)果如圖6和圖7所示。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差為0.001，且神經(jīng)網(wǎng)絡(luò)對于最優(yōu)控制變量的預(yù)測值與IDP最優(yōu)控制策略之間的誤差較小，因此訓(xùn)練后的Elman神經(jīng)網(wǎng)絡(luò)應(yīng)用于HCU可以得到較為優(yōu)化的實時控制性能。

3 HCU硬件設(shè)計

控制系統(tǒng)硬件是提供實現(xiàn)控制策略和算法的硬件平臺，同時還要完成如傳感器數(shù)據(jù)采集、濾波和CAN數(shù)據(jù)收發(fā)等功能，控制系統(tǒng)硬件主要包括外圍接口電路與信號處理部分和CPU。通過對整車動力系統(tǒng)結(jié)構(gòu)和整車能量管理策略的分析，HCU的輸入輸出信號主要包括CAN總線信號和車輛傳感器信號，且HCU的能量管理策略采用基于IDP最優(yōu)控制的Elman神經(jīng)網(wǎng)絡(luò)控制，因此要求控制器有較大的存儲容量和浮點運算能力。設(shè)計的HCU采用Freescale 32位單片機(jī)MPC5554作為控制器CPU，其整合了1個64位浮點運算單元，最高工作頻率為132MHz，片內(nèi)集成了 32kB RAM，64kB SRAM 和2MB Flash存儲器，包含2個CAN收發(fā)寄存器和3個CAN總線接口，2個32通道時間處理單元(TPU)，1個12位40通道A/D轉(zhuǎn)換器，1個12位1通道D/A轉(zhuǎn)換器，4個DSPI接口，2個SCI接口和1個24通道的模塊化I/O系統(tǒng)，其為控制軟件的設(shè)計和執(zhí)行提供了豐富的資源和強(qiáng)大的平臺，適用于需要復(fù)雜算法的實時控制。根據(jù)整車動力系統(tǒng)結(jié)構(gòu)和整車能量管理策略，混聯(lián)式混合動力客車HCU硬件系統(tǒng)框圖如圖8所示。

混合動力客車HCU的控制輸入信號包括模擬信號、開關(guān)量信號和CAN信號。控制器的模擬量輸入為制動踏板傳感器信號和加速踏板傳感器信號，其輸出電壓范圍為0～5V，表示0～100%的踏板行程，模擬量信號接口電路用于對傳感器信號進(jìn)行濾波和跟隨及過壓保護(hù)，制動踏板傳感器和加速踏板傳感器信號經(jīng)模擬量信號接口電路輸入HCU用以進(jìn)行駕駛員駕駛意圖的識別和驅(qū)動/制動轉(zhuǎn)矩需求的計算?？刂破鞯拈_關(guān)量信號輸入主要包括車輛的狀態(tài)信號，如點火鑰匙位置、倒擋開關(guān)、制動開關(guān)等，其輸出電壓為0/24V，開關(guān)量信號接口電路用于對開關(guān)量輸入信號進(jìn)行光電隔離和整形，并將0/24V的輸入信號轉(zhuǎn)換為0/5V的電壓輸出，從而能被HCU讀取進(jìn)行車輛狀態(tài)信息的判斷。CPU通過CAN信號驅(qū)動器82C250實現(xiàn)CAN信號的收發(fā)。HCU通過CAN總線與發(fā)動機(jī)ECU、ISG/驅(qū)動電機(jī)控制器和電池管理系統(tǒng)進(jìn)行雙向通信，接收電池SOC、電池充放電電壓及電流、發(fā)動機(jī)轉(zhuǎn)速、電機(jī)溫度、轉(zhuǎn)速和轉(zhuǎn)矩等信息，并根據(jù)整車EMS發(fā)送電機(jī)和發(fā)動機(jī)的控制信息，且通過HCU的CAN通信模塊進(jìn)行基于CCP協(xié)議的在線標(biāo)定。HCU的開關(guān)量輸出信號包括發(fā)動機(jī)斷油控制、診斷指示和離合器操縱指令等信號，開關(guān)量驅(qū)動電路用于對輸入信號進(jìn)行光電隔離，并將0/5V的輸入信號轉(zhuǎn)換為0/24V的電壓輸出到各執(zhí)行機(jī)構(gòu)。HCU的模擬量輸出信號為發(fā)動機(jī)節(jié)氣門控制信號，其輸出電壓范圍為0～5V，模擬量信號驅(qū)動電路用于對信號進(jìn)行電壓跟隨，可實現(xiàn)對發(fā)動機(jī)輸出轉(zhuǎn)矩的控制。HCU的串口調(diào)理電路采用MAX232芯片，通過HCU的串口通信模塊可進(jìn)行控制系統(tǒng)的診斷。

4 試驗驗證與結(jié)果分析

以ETAS PT-LABCAR為平臺，建立混合動力客車HCU硬件在環(huán)仿真試驗系統(tǒng)，以驗證HCU控制策略的實時控制功能和硬件系統(tǒng)的可靠性，如圖9所示。HCU硬件在環(huán)仿真試驗系統(tǒng)由上位機(jī)、HCU和PT-LABCAR硬件(包括RTPC和I/O接口)組成。系統(tǒng)通過上位機(jī)的MATLAB/Simulink環(huán)境建立混合動力客車前向仿真模型，包括駕駛員、循環(huán)工況和整車模型，且在硬件在環(huán)試驗時，通過上位機(jī)可進(jìn)行參數(shù)測量和在線標(biāo)定。PT-LABCAR的I/O接口將HEV模型計算出的電池SOC、車速、加速/制動踏板位置等信息轉(zhuǎn)化為HCU可接收的電信號，并將HCU發(fā)送的發(fā)動機(jī)轉(zhuǎn)矩、電動機(jī)轉(zhuǎn)矩和離合器操作指令等控制信號傳遞給HEV模型，用以實現(xiàn)HEV模型和HCU之間的雙向通信。

混合動力客車HCU硬件在環(huán)仿真試驗在CTBDC循環(huán)工況下進(jìn)行，HEV在滿載(17000kg)時的實際運行工況如圖10所示。由圖可見，HCU可根據(jù)設(shè)計的EMS調(diào)節(jié)混合動力系統(tǒng)的輸出，使HEV獲得滿足CTBDC工況需求的驅(qū)動功率，車輛的實際運行工況同目標(biāo)工況相符，且車輛不同工作模式之間的切換過渡平穩(wěn)，表明HCU控制策略的能量分配較為合理并能滿足混合動力客車的實時控制要求。

對于混合動力客車，電荷消耗量直接影響了車輛的循環(huán)油耗。當(dāng)電池電力充足時，車輛可以消耗較多的電能，電機(jī)長時間處于電動工作模式，有利于節(jié)省燃油;而當(dāng)電池電力不足時，發(fā)動機(jī)在驅(qū)動車輛的同時必須帶動ISG發(fā)電，為電池補(bǔ)充能量。文中采用電池SOC平衡(ΔSOC=0)時的油耗表征混合動力客車的燃油經(jīng)濟(jì)性?；旌蟿恿蛙嚺c原型車滿載時的CTBDC工況經(jīng)濟(jì)性試驗結(jié)果如表1所示。HEV電池SOC變化曲線及電荷平衡時發(fā)動機(jī)、ISG電機(jī)和驅(qū)動電機(jī)工作點分布如圖11～圖14所示。

表1 混合動力客車經(jīng)濟(jì)性試驗結(jié)果

根據(jù)表1中的試驗結(jié)果，采用基于IDP最優(yōu)控制和Elman神經(jīng)網(wǎng)絡(luò)實時控制算法的混合動力客車的燃油經(jīng)濟(jì)性相對于傳統(tǒng)柴油發(fā)動機(jī)原型客車提高了24.60%。從圖11可以看出，HCU在獲得較高燃油經(jīng)濟(jì)性的同時，可有效地將電池SOC控制在低內(nèi)阻的工作范圍(0.45～0.65)之內(nèi)，從而實現(xiàn)較高的充放電效率，且電池淺充淺放，有利于提高電池組的壽命和可靠性。在圖12中，1區(qū)為發(fā)動機(jī)串聯(lián)發(fā)電區(qū)，2區(qū)為發(fā)動機(jī)并聯(lián)工作區(qū)或發(fā)動機(jī)單獨驅(qū)動工作區(qū)。圖13中的1區(qū)為ISG電機(jī)串聯(lián)發(fā)電區(qū)(對應(yīng)于圖12的1區(qū))。由圖12和圖13可以看出，發(fā)動機(jī)避開了怠速工作區(qū)，且在串聯(lián)和并聯(lián)驅(qū)動模式時，發(fā)動機(jī)均能較好地被控制在高效區(qū)，因此極大地提高了HEV的燃油經(jīng)濟(jì)性;而ISG電機(jī)的工作點大部分位于發(fā)電區(qū)，主要用于串聯(lián)發(fā)電維持電池SOC，且發(fā)電工作點位于電機(jī)的高效區(qū)，有利于提高發(fā)動機(jī)-ISG發(fā)電機(jī)組的能量轉(zhuǎn)換效率，由于急加速工況占CTBDC工況的比例較低，因此只有少部分ISG電機(jī)工作點位于電動區(qū)域，其主要用于快速起動發(fā)動機(jī)工況。由圖14可見，由于驅(qū)動電機(jī)的效率較高，相對于ISG電機(jī)和發(fā)動機(jī)，其工作點的分布范圍較廣，主要用于低速純電動驅(qū)動、制動能量回收和調(diào)節(jié)發(fā)動機(jī)負(fù)荷，從而提高車輛的燃油經(jīng)濟(jì)性。

5 結(jié)論

(1)針對某型混聯(lián)式混合動力客車，以Freescale MPC5554為CPU，設(shè)計開發(fā)了混合動力客車整車控制系統(tǒng)，完成了HCU的硬件系統(tǒng)和軟件系統(tǒng)設(shè)計，并建立了基于ETAS PT-LABCAR的混合動力客車HCU硬件在環(huán)仿真試驗系統(tǒng)，進(jìn)行了CTBDC工況下的HCU硬件在環(huán)仿真試驗。結(jié)果表明，設(shè)計開發(fā)的HCU運行穩(wěn)定、可靠，且能有效完成預(yù)定的循環(huán)工況，車輛不同工作模式之間的切換過渡平穩(wěn)。

(2)以整車燃油消耗最小化為目標(biāo)，設(shè)計開發(fā)了基于迭代動態(tài)規(guī)劃全局優(yōu)化算法和Elman動態(tài)神經(jīng)網(wǎng)絡(luò)的實時優(yōu)化能量管理策略。HCU硬件在環(huán)仿真試驗結(jié)果表明，所制定的優(yōu)化能量管理策略能有效滿足混合動力客車實時控制的要求，且行駛過程中的能量分配合理，其燃油經(jīng)濟(jì)性比原型車提高了24.60%，實現(xiàn)了混合動力客車的優(yōu)化控制。

［1］Lino Guzzella，Antonio Sciarretta.Vehicle Propulsion System［M］.Springer Berlin Heidelberg，2007.

［2］Dong Suk Kum.Modeling and Optimal Control of Parallel HEVs and Plug-in HEVs for Multiple Objectives［D］.The University of Michigan，2010.

［3］Fathy Hosam K，F(xiàn)ilipi Zoran S，Hagena Jonathan，et al.Review of Hardware-in-the-Loop Simulation and Its Prospects in the Automotive Area［C］.Proceedings of SPIE，The International Society for Optical Engineering，F(xiàn)L，USA，2006，62280E.1-20.

［4］王偉華，曾小華，劉志茹.混合動力客車多能源動力總成控制器［J］.農(nóng)業(yè)機(jī)械學(xué)報，2006，37(11):5-8.

［5］Lin Chan Chiao，Peng Huei，Grizzle Jessy W.Power Management Strategy for a Parallel Hybrid Electric Truck［J］.IEEE Transctions on Control Systems Technology，2003，6(11):839-849.

［6］George Saikalis，Shigeru Oho，Andrew Wabnitz.Hardware-in-theloop Real-time Optimization of Electronic Controllers［C］.SAE Paper 2005-01-1317.

［7］朱磊，袁銀南，張彤.并聯(lián)混合動力集成式多能源電控管理系統(tǒng)開發(fā)［J］.內(nèi)燃機(jī)學(xué)報，2008，26(6):519-524.

［8］羅禹貢，楊殿閣，金達(dá)鋒.輕度混合動力電動汽車多能源動力總成控制器的開發(fā)［J］.機(jī)械工程學(xué)報，2006，42(7):98-102.

［9］Rein Luus.Optimal Control by Dynamic Programming Using Systematic Reduction in Grid Size［J］.International Journal of Control，1990，51(5):995-1013.

［10］Sartori Michael A，Antsaklis Panos J.A Simple Method to Derive Bounds on the Size and to Train Multilayer Neural Networks［J］.IEEE Transaction on Neural Network Industrial Electronics，1991，2(4):467-471.