隗寒冰，何義團(tuán)，李 軍，鄧 濤

(重慶交通大學(xué)機(jī)電與汽車工程學(xué)院，重慶400074)

0 引言

控制策略和電池、電機(jī)一起構(gòu)成了混合動力汽車開發(fā)的3大關(guān)鍵技術(shù)［1］?？刂撇呗缘膬?yōu)劣直接決定了整車性能，因此控制策略的相關(guān)研究也是混合動力汽車(Hybrid Electric Vehicle，HEV)領(lǐng)域內(nèi)研究范圍最廣、程度最深的技術(shù)之一?；旌蟿恿ζ嚳刂撇呗缘难芯糠秶菑尼槍μ囟ür的靜態(tài)優(yōu)化發(fā)展到通過對實(shí)際行駛工況進(jìn)行辨識、預(yù)測以對控制策略在隨機(jī)道路條件下的在線調(diào)節(jié)和動態(tài)優(yōu)化;研究的重點(diǎn)從穩(wěn)態(tài)工況下的燃油經(jīng)濟(jì)性單目標(biāo)優(yōu)化發(fā)展到考慮各種瞬態(tài)工況和復(fù)雜環(huán)境下對各個(gè)部件性能影響的燃油經(jīng)濟(jì)性、排放和動力源之間協(xié)調(diào)控制的綜合控制。

筆者對現(xiàn)有混合動力汽車控制策略進(jìn)行了歸納和分析，指出了當(dāng)前混合動力汽車控制策略研究的局限性。在此基礎(chǔ)之上，提出未來需要進(jìn)一步研究的發(fā)展方向，為后續(xù)的研究工作指明思路，避免了研究工作的重復(fù)。

1 混合動力汽車燃油經(jīng)濟(jì)性控制

1.1 規(guī)則控制策略

規(guī)則控制策略的基本思想是根據(jù)發(fā)動機(jī)效率MAP圖將發(fā)動機(jī)工作區(qū)域劃分為高負(fù)荷、中負(fù)荷和中低負(fù)荷區(qū)，結(jié)合駕駛員油門踏板開度和開度變化率判斷當(dāng)前需求功率對應(yīng)的發(fā)動機(jī)工作區(qū)域。如果需求功率處于發(fā)動機(jī)高負(fù)荷區(qū)域，則將發(fā)動機(jī)控制在高效率工作區(qū)域，不足的動力由電動機(jī)提供;如果處于中負(fù)荷區(qū)域則動力由發(fā)動機(jī)單獨(dú)提供;如果處于中低負(fù)荷區(qū)域則進(jìn)入純電動模式或行車充電模式?；诖怂枷?，王慶年，等［2］將發(fā)動機(jī)最優(yōu)工作曲線與電動機(jī)最優(yōu)工作曲線聯(lián)合定義為廣義最優(yōu)工作曲線，以廣義最優(yōu)曲線作為劃分工作區(qū)域的依據(jù)。胡明輝，等［3］基于發(fā)動機(jī)最優(yōu)工作曲線，考慮電池充放電效率、CVT效率和電動機(jī)工作效率，從整個(gè)傳動系統(tǒng)效率出發(fā)劃分發(fā)動機(jī)工作區(qū)域，作為劃分混合動力系統(tǒng)工作模式依據(jù)。秦大同，等［4］對各個(gè)工作模式下的系統(tǒng)最優(yōu)效率進(jìn)行離線計(jì)算，根據(jù)離線計(jì)算結(jié)果提出SOC閥值、發(fā)動機(jī)充電曲線和發(fā)動機(jī)關(guān)閉曲線共3個(gè)參數(shù)的模式切換規(guī)則。類似的研究還有N.Jalil，等［5］針對串聯(lián)混合動力系統(tǒng)中開發(fā)的開關(guān)式控制策略和功率跟隨式控制策略。

規(guī)則控制策略算法較為簡單，易于在對實(shí)時(shí)性要求較高的嵌入式系統(tǒng)中實(shí)現(xiàn)，且具有較好的魯棒性。但從最優(yōu)控制理論上講，規(guī)則控制策略不能實(shí)現(xiàn)能量最優(yōu)分配;規(guī)則控制策略針對特定工況開發(fā)，移植性較差，規(guī)則不能自適應(yīng)工況的動態(tài)變化。

1.2 瞬時(shí)優(yōu)化控制策略

瞬時(shí)優(yōu)化控制策略有“等效燃油消耗最少”法(Equivalent Consumption Minimization Strategies，ECMS)和“功率損失最小”法兩種方法。兩種方法優(yōu)化的出發(fā)點(diǎn)不同，但基本原理類似，都是建立發(fā)動機(jī)油耗與蓄電池過去或者未來消耗電量之間的聯(lián)系，將等效油耗定義為發(fā)動機(jī)實(shí)際油耗和與電池耗電量折算的油耗之和，再對每瞬時(shí)的等效油耗求最小值。

一般認(rèn)為瞬時(shí)油耗算法是由 S.Delprat，等［6］和G.Paganelli，等［7］提出?；舅枷胧菑哪繕?biāo)函數(shù)中的油耗與荷電狀態(tài)SOC之間的關(guān)系出發(fā)，采用等效油耗的辦法，取控制變量為發(fā)動機(jī)和電動機(jī)轉(zhuǎn)矩，引入松弛量，將不等式約束轉(zhuǎn)化為等式約束，將約束條件下最優(yōu)計(jì)算轉(zhuǎn)化為無約束優(yōu)化問題。J.P.Gao，等［8］比較了ECMS、功率跟隨控制、開關(guān)式控制和動態(tài)規(guī)劃，指出開關(guān)控制能夠優(yōu)化發(fā)動機(jī)工作區(qū)域，功率跟隨控制能夠減少電池充放電頻次，而ECMS能對發(fā)動機(jī)工作效率和電池的充放電進(jìn)行綜合優(yōu)化。

1.3 全局優(yōu)化控制策略

從最優(yōu)控制理論的角度分析，混合動力汽車在整個(gè)工況內(nèi)的能量管理可以理解為單步、多階段的決策問題，其實(shí)質(zhì)上是一個(gè)全局優(yōu)化問題，目標(biāo)函數(shù)的瞬時(shí)最優(yōu)解并不等于全局最優(yōu)解。求解全局優(yōu)化問題的數(shù)學(xué)方法有動態(tài)規(guī)劃算法(Dynamig Programming，DP)和龐特里亞金極小值原理(Pontryagin Minimal Principle，PMP)。

應(yīng)用動態(tài)規(guī)劃算法求解以油耗為單目標(biāo)的全局優(yōu)化問題的研究已經(jīng)非常普遍。如張炳力，等［9］采用離散動態(tài)規(guī)劃法對并聯(lián)式混合動力燃油經(jīng)濟(jì)性最優(yōu)目標(biāo)函數(shù)進(jìn)行了仿真計(jì)算。歐陽易時(shí)，等［10］分析了動態(tài)規(guī)劃算法求解最優(yōu)目標(biāo)函數(shù)解的性能指標(biāo)，該指標(biāo)融入了電池(電機(jī))輸出功率和整車需求功率，能夠表示燃油消耗和荷電狀態(tài)變化量之間的物理關(guān)系。

動態(tài)規(guī)劃算法是根據(jù)Bellman最優(yōu)原則將狀態(tài)變量離散后逆向求解，需要預(yù)知整個(gè)時(shí)間段內(nèi)的車速，而這點(diǎn)在工程實(shí)際中難以實(shí)現(xiàn)?？紤]到該問題，Lin Chanchiao ，等［11］和 L.Johannesson，等［12］根據(jù)駕駛員的駕駛行為只與當(dāng)前和未來有關(guān)而與過去無關(guān)的特點(diǎn)，采用隨機(jī)動態(tài)規(guī)劃算法(又稱馬爾可夫鏈)對混合動力汽車能量管理策略進(jìn)行優(yōu)化。

應(yīng)用動態(tài)規(guī)劃算法的另外一個(gè)難點(diǎn)是計(jì)算量較大。為解決該問題，浦金歡，等［13］通過限制最優(yōu)搜索區(qū)域的方法減少計(jì)算量;Y.Bin等［14］對數(shù)學(xué)模型進(jìn)行簡化，采用功率分配率作為控制變量以降低控制維度;Lin Chanchiao，等［15］采取的方法是根據(jù)動態(tài)規(guī)劃離線計(jì)算的結(jié)果，如發(fā)動機(jī)和電動機(jī)工況點(diǎn)分布等，采用線性回歸方法歸納出可以應(yīng)用于實(shí)時(shí)控制的規(guī)則。

另外一種求解全局最優(yōu)控制問題的數(shù)學(xué)方法是從古典變分法引申而來的龐特里亞金極小值原理。它克服了古典變分法不能對控制變量和目標(biāo)函數(shù)受約束的泛函求極值的缺陷。特定循環(huán)工況下的混合動力汽車性能最優(yōu)控制問題都可以認(rèn)為是時(shí)變、非線性、末端固定、控制變量受約束的最優(yōu)控制問題。

以極小值原理為理論依據(jù)對混合動力汽車燃油經(jīng)濟(jì)性最優(yōu)控制問題進(jìn)行求解具有計(jì)算量相對DP較小、適用于實(shí)時(shí)控制、滿足全局最優(yōu)要求等優(yōu)點(diǎn)，所以這方面的研究成果也已有很多。L.Serrao，等［16］深入研究了ECMS和PMP方法在理論上的區(qū)別和聯(lián)系，并基于極小值原理對ECMS求解析解。P.Tulpule，等［17］在制定 Plug-in 混合動力汽車等效油耗目標(biāo)函數(shù)時(shí)，考慮了外接電源價(jià)格、電池壽命和充電方便程度等外部條件。J.Lescot，等［18］在建立Hamilton函數(shù)時(shí)考慮了發(fā)動機(jī)冷卻液溫度對發(fā)動機(jī)油耗的影響，當(dāng)狀態(tài)變量中增加了冷卻液溫度這一時(shí)變量時(shí)，將時(shí)間和油耗的最優(yōu)控制轉(zhuǎn)化為油耗最優(yōu)控制問題，確定了冷卻液溫度上升所需的油耗與驅(qū)動車輛所需油耗之間的等效關(guān)系。

1.4 基于工況自適應(yīng)的路況預(yù)測控制策略

以上3種類型的控制策略開發(fā)都是針對某一典型工況進(jìn)行。這些典型工況是對實(shí)際交通特征進(jìn)行概率統(tǒng)計(jì)分析后提取特征參數(shù)獲取的，與實(shí)際工況往往存在著較大差異。這種差異會導(dǎo)致所開發(fā)的控制策略并不能使車輛在實(shí)際行駛時(shí)的性能達(dá)到最優(yōu)，駕駛員的駕駛習(xí)慣也會影響到控制效果。為解決特定工況與實(shí)際道路不一致導(dǎo)致的車輛運(yùn)行性能下降的問題，根據(jù)歷史行駛信息提取特征參數(shù)，并結(jié)合GPS/ITS(Intelligent Traffic System)對未來路況進(jìn)行判斷和預(yù)測，以提高實(shí)時(shí)控制策略對路況和駕駛員風(fēng)格的“自適應(yīng)”能力，這已經(jīng)成為目前研究的熱點(diǎn)。

S.L.Jeon，等［19］統(tǒng)計(jì)了能夠反映典型循環(huán)工況的24種特征參數(shù)，根據(jù)這24種特征參數(shù)將所有實(shí)際路況歸納為6種典型工況?？刂破骼肏ammin神經(jīng)網(wǎng)絡(luò)對車輛在運(yùn)行時(shí)的特征參數(shù)進(jìn)行辨識，以確定當(dāng)前所對應(yīng)的工況，然后根據(jù)神經(jīng)網(wǎng)絡(luò)的辨識結(jié)果來修正控制策略參數(shù)。莊繼暉，等［20］采用類似辦法，提取出15種典型特征參數(shù)，用SOM神經(jīng)網(wǎng)絡(luò)將純電動汽車運(yùn)行時(shí)采集到的數(shù)據(jù)進(jìn)行運(yùn)動學(xué)片段的聚類分析，得到適用于開發(fā)純電動汽車控制策略的3種典型工況，為電動汽車基于道路行駛工況控制策略的自適應(yīng)優(yōu)化提供更為可靠和有效的基礎(chǔ)數(shù)據(jù)。這一類研究的主要思想是只依據(jù)歷史車速和路況信息，計(jì)算量相對較少，但是對路況預(yù)測的準(zhǔn)確度不夠，得到的解也非全局最優(yōu)解。

為克服確定性動態(tài)規(guī)劃算法只能針對特定工況進(jìn)行優(yōu)化的缺陷，S.J.Moura［21］將駕駛員的功率輸入作為隨機(jī)輸入，對駕駛員的加速、制動、減速等進(jìn)行概率預(yù)測，采用隨機(jī)動態(tài)規(guī)劃算法對隨機(jī)功率輸入條件下的能量管理進(jìn)行全局優(yōu)化，另外還對燃油價(jià)格和電能價(jià)格之間的不同比值對目標(biāo)函數(shù)優(yōu)化結(jié)果、控制策略的影響進(jìn)行分析。Gong Qiuming，等［22］采用K均質(zhì)聚類算法對從實(shí)際行駛工況數(shù)據(jù)中提取的特征參數(shù)進(jìn)行聚類分析，根據(jù)聚類分析結(jié)果和不同駕駛風(fēng)格對ECMS中的拉格朗日系數(shù)進(jìn)行在線調(diào)節(jié)。這一類研究主要是依靠過去和現(xiàn)在路況信息對油耗和電池SOC之間的等效系數(shù)即目標(biāo)函數(shù)中的拉格朗格日系數(shù)進(jìn)行閉環(huán)修正。

M.Koot，等［23］依靠歷史和現(xiàn)在的路況信息，將預(yù)測控制理論應(yīng)用到混合動力汽車蓄電池充放電控制中。A.Sciarretta，等［24］系統(tǒng)分析了 ECMS 策略中等效系數(shù)λ對控制策略及整車性能的影響，針對不同工況下等效系數(shù)λ隨時(shí)間變化的問題，提出一種計(jì)算等效系數(shù)的概率轉(zhuǎn)移算法。J.M.Park，等［25］通過在PSAT軟件中建立動力學(xué)模型進(jìn)行仿真計(jì)算，得到了在11個(gè)標(biāo)準(zhǔn)工況中的控制參數(shù)，從歷史車速和道路信息中提取14種特征參數(shù)來預(yù)測前方車速和道路擁擠條件，并引用M.Koot的方法，對系數(shù)λ和發(fā)動機(jī)燃油消耗率與電池充放電功率之間的二次函數(shù)關(guān)系式系數(shù)進(jìn)行PID反饋調(diào)節(jié)，最后還對歷史數(shù)據(jù)時(shí)間長度和預(yù)測時(shí)間長度對預(yù)測精度的影響進(jìn)行了對比分析。這一類研究的主要思想是結(jié)合歷史車速、路況信息，預(yù)測當(dāng)前駕駛員的功率需求，對控制策略中的參數(shù)進(jìn)行閉環(huán)修正，以反映工況和駕駛員風(fēng)格對控制策略的影響。

C.Manzie，等［26］基于發(fā)動機(jī)轉(zhuǎn)矩一定時(shí)油耗隨轉(zhuǎn)速線性上升的簡化條件，假設(shè)駕駛員無超車而只有理性跟車行為，通過ITS和車載雷達(dá)提供40 s內(nèi)的車速信息來預(yù)測前方車速，研究了在傳統(tǒng)汽車和HEV上利用ITS和車載網(wǎng)絡(luò)通信技術(shù)提供的車流量、車速信息來對車速進(jìn)行智能控制。Gong Qiuming，等［27］借助ITS對車速進(jìn)行預(yù)測時(shí)考慮了快速路進(jìn)出口交通流，將車速簡化為三角形函數(shù)，采用人工神經(jīng)網(wǎng)絡(luò)預(yù)測車速三角形函數(shù)的形狀參數(shù)，在得到預(yù)測車速后采用分段DP算法來得到控制軌跡，即車輛起動時(shí)對整個(gè)工況執(zhí)行宏觀DP求解，車輛進(jìn)行到實(shí)際分段工況后為微觀DP求解。Gong Qiuming［28］還針對Plug-in混合動力系統(tǒng)采用外接電網(wǎng)充電、在每個(gè)循環(huán)工況末端電池均處于SOC下限的特點(diǎn)，采用DP算法對能量管理進(jìn)行全局優(yōu)化。

這一類研究的主要思想是借助于車載GPS系統(tǒng)和ITS提供的交通流信息來預(yù)測道路狀況，在預(yù)知前方道路工況的條件下再采用DP算法得到全局最優(yōu)解。根據(jù)實(shí)時(shí)道路條件對控制策略進(jìn)行反饋控制，是道路預(yù)測能量管理的最高等級。

2 混合動力汽車動力協(xié)調(diào)控制

混合動力汽車由于其結(jié)構(gòu)的特殊性，兩個(gè)動力源在模式切換過程中存在動力突變而造成沖擊，這將影響乘坐舒適性。隨著對混合動力總成控制系統(tǒng)研究的深入，動力源耦合過程中的協(xié)調(diào)控制問題受到越來越多的關(guān)注。A.Kimura，等［29］針對行星排式功率耦合機(jī)構(gòu)的結(jié)構(gòu)特點(diǎn)和電機(jī)響應(yīng)速度快的優(yōu)點(diǎn)，在TOYOTA普銳斯車型上成功解決了該協(xié)調(diào)問題，但該方法很難其他混合動力系統(tǒng)上推廣應(yīng)用。童毅［30］基于發(fā)動機(jī)開環(huán)控制和電動機(jī)轉(zhuǎn)矩閉環(huán)控制思想，提出了通用性較強(qiáng)的驅(qū)動轉(zhuǎn)矩比例控制方法。羅禹貢，等［31］基于模型匹配控制方法，開展了對雙驅(qū)動電動機(jī)結(jié)構(gòu)的協(xié)調(diào)控制硬件在環(huán)仿真研究。古艷春，等［32］建立了包含能量管理和協(xié)調(diào)控制的分層控制系統(tǒng)。楊陽［33］對制動工況下的壓力協(xié)調(diào)控制策略進(jìn)行了研究。彭?xiàng)?，等?4］采用模糊控制邏輯對液壓制動力矩和能量回收制動力矩進(jìn)行動態(tài)協(xié)調(diào)控制進(jìn)行了相關(guān)研究。趙峰，等［35］基于動態(tài)協(xié)調(diào)控制思想建立了混合動力汽車牽引力分層控制體系，上層采用基于動態(tài)滑模的整車期望總驅(qū)動轉(zhuǎn)矩制定策略;中間層采用基于低通濾波的發(fā)動機(jī)目標(biāo)轉(zhuǎn)矩計(jì)算方法和基于模型匹配2自由度控制的動態(tài)協(xié)調(diào)控制策略，底層采用基于動態(tài)補(bǔ)償?shù)幕旌蟿恿ζ嚑恳刂撇呗浴?/p>

怠速起停是混合動力汽車的一種特殊工作模式，在城市工況下可以節(jié)省10%的燃油，在城市工況下怠速起停也更頻繁［36-37］。與傳統(tǒng)發(fā)動機(jī)采用起動電機(jī)邊拖邊點(diǎn)火的起動方式不同，混合動力汽車由大功率電動機(jī)起動，噴油器在800 r/m以上才開始點(diǎn)火，起動過程縮短，轉(zhuǎn)矩波動也更加明顯，因此研究起停階段的振動、噪聲對舒適性的影響便尤為重要［38］。通過電動機(jī)的起動扭矩可以協(xié)調(diào)控制動力源的動力輸出，有助于降低怠速啟停、模式切換時(shí)的振動，改善駕乘舒適性。如李紅朋，等［39］對發(fā)動機(jī)起動過程的阻力特性進(jìn)行了分析，建立了ISG電機(jī)-發(fā)動機(jī)的綜合控制模型，提出了ISG電機(jī)驅(qū)動控制策略，進(jìn)行了發(fā)動機(jī)起動過程中的動力學(xué)仿真分析。M.Canova，等［40］針對裝備 BSG(belted starter/alternator)的1.9 L高壓共軌柴油機(jī)混合動力系統(tǒng)，建立怠速起停動力學(xué)模型，分析其高頻扭矩和轉(zhuǎn)速波動;根據(jù)動力學(xué)模型設(shè)計(jì)了二階前饋控制器對發(fā)動機(jī)進(jìn)行閉環(huán)控制，以降低發(fā)動機(jī)起動和怠速時(shí)的波動。

3 混合動力汽車排放控制

過去普遍認(rèn)為汽車油耗降低必然也會降低排放水平。隨著排放法規(guī)的日益嚴(yán)格和相關(guān)研究的不斷深入，人們認(rèn)識到油耗和排放之間并非簡單的一一對應(yīng)關(guān)系，尤其是低溫冷起動工況時(shí)油耗和排放的多目標(biāo)均衡控制更為復(fù)雜。

混合動力汽車發(fā)動機(jī)起動速度更高，時(shí)間更短，瞬態(tài)特征也更加明顯。由于缺乏適用于開發(fā)控制策略的發(fā)動機(jī)瞬態(tài)排放模型，目前對于混合動力汽車起動-停機(jī)過程排放特性的研究僅限于實(shí)驗(yàn)研究［41-43］，對混合動力汽車排放性能控制策略的研究主要體現(xiàn)在依據(jù)發(fā)動機(jī)轉(zhuǎn)速、轉(zhuǎn)矩和發(fā)動機(jī)排氣管出口排放這3者之間的穩(wěn)態(tài)插值表，結(jié)合油耗和排放進(jìn)行多目標(biāo)優(yōu)化的控制策略研究。如 N.A.Kheir，等［44］建立了以油耗和排放為多目標(biāo)優(yōu)化的模糊邏輯控制器，將目標(biāo)函數(shù)分別定義為油耗、HC、CO和NOx排放，將發(fā)動機(jī)工作點(diǎn)控制在每一種目標(biāo)函數(shù)對應(yīng)的高效區(qū)域來優(yōu)化穩(wěn)態(tài)運(yùn)行時(shí)的整車性能。K.Dongsuk，等［45］考慮了電池 SOC 和三元催化器溫度，采用DP算法對冷起動工況下的發(fā)動機(jī)油耗和排放多目標(biāo)函數(shù)進(jìn)行離線優(yōu)化，并對DP求解的結(jié)果進(jìn)行線性回歸，歸納出可應(yīng)用于實(shí)時(shí)控制的策略。

4 結(jié)論

綜合國內(nèi)外關(guān)于混合動力電動汽車控制策略的研究現(xiàn)狀，對其進(jìn)行歸納和分析，可以得出以下結(jié)論：

1)目前對混合動力汽車燃油經(jīng)濟(jì)性最優(yōu)或者動力傳動系統(tǒng)效率最大為控制目標(biāo)的研究已經(jīng)較為普遍，對以油耗和排放、尤其是三元催化器起燃前冷起動階段的油耗和排放綜合控制的理論研究尚處于初始階段。

2)綜合考慮低溫條件對電池充放電特性以及對發(fā)動機(jī)油耗和排放的影響，研究如何優(yōu)化控制策略以降低低溫環(huán)境下的油耗和排放綜合水平等方面的相關(guān)研究還較少報(bào)道。

5 研究方向

綜合上述分析，筆者認(rèn)為，下一步的研究工作可以在以下幾個(gè)方面開展：

1)研究發(fā)動機(jī)熱管理、蓄電池?zé)峁芾硐到y(tǒng)與混合動力汽車能量管理的集成控制策略。

目前對混合動力汽車油耗和瞬態(tài)排放控制策略的研究僅僅考慮了催化器溫度對排放的影響，而沒有考慮發(fā)動機(jī)冷卻液溫度和蓄電池溫度的影響。而發(fā)動機(jī)冷卻液溫度對整車油耗和排放有著直接影響，蓄電池溫度也與蓄電池SOC即整車等效燃油消耗密切相關(guān)，尤其是在寒冷的環(huán)境里，由于電池充放電能力降低，混合動力汽車動力性、燃油經(jīng)濟(jì)性、排放性能和純電動行駛里程等性能下降。關(guān)于這方面的研究目前缺乏深入的理論建模分析，僅以實(shí)驗(yàn)為主［46］?？紤]電池溫度、電池壽命、模式切換時(shí)的平順性以及各部件的可靠性等因素，整體分析、系統(tǒng)優(yōu)化以油耗和排放為多目標(biāo)的能量管理策略，研究發(fā)動機(jī)熱管理、蓄電池?zé)峁芾砼c混合動力汽車能量管理的集成控制策略，對于滿足日趨嚴(yán)格的排放法規(guī)具有重要的現(xiàn)實(shí)意義，是值得進(jìn)一步研究的方向。

2)從“人-車-路”閉環(huán)系統(tǒng)角度研究混合動力汽車路況自適應(yīng)能量管理策略。

利用ITS智能交通系統(tǒng)和車載GPS技術(shù)提供的相關(guān)信息，結(jié)合微觀交通流理論，建立駕駛員跟車和變道行為特征模型來預(yù)測汽車在未來路段的運(yùn)行狀態(tài)，從而提高混合動力汽車能量管理策略對復(fù)雜環(huán)境和駕駛風(fēng)格的自適應(yīng)能力，進(jìn)一步降低混合動力汽車在實(shí)際運(yùn)行工況下的油耗和排放水平，這也是非常值得關(guān)注的研究領(lǐng)域。

［1］Chan C C.The state of the art of electric，hybrid，and fuel cell vehicles［J］.Proceedings of the IEEE，2007，95(4)：704-718.

［2］王慶年，孫樹韜，曾小華，等.并聯(lián)混合動力客車廣義最優(yōu)工作曲線控制研究［J］.汽車工程，2008，30(5)：391-394.Wang Qingnian，Sun Shutao，Zeng Xiaohua，et al.A study on the optimal operation line control strategy for hybrid electric bus［J］.Automotive Engineering，2008，30(5)：391-394.

［3］胡明輝，秦大同，楊亞聯(lián)，等.輕度混合動力汽車巡航工況總工作效率分析和優(yōu)化［J］.機(jī)械工程學(xué)報(bào)，2008，44(9)：148-153.Hu Minghu，Qin Datong，Yang Yalian，et al.Optimization and analysis of system efficiency for the mild hybrid electric vehicle under the cruise conditions［J］.Chinese Journal of Mechanical Engineering，2008，44(9)：148-153.

［4］秦大同，葉心，胡明輝，等.ISG型中度混合動力汽車驅(qū)動工況控制策略優(yōu)化［J］.機(jī)械工程學(xué)報(bào)，2010，46(12)：86-92.Qin Datong，Ye Xin，Hu Minghui，et al.Optimization of control strategy for medium hybrid electric vehicle with ISG at drive condition［J］.Chinese Journal of Mechanical Engineering，2010，46(12)：86-92.

［5］Jalil N，Kheir N A，Salman M.Rule-Based Energy Management Strategy for a Series Hybrid Vehicle［C］//Proceedings of the American Control Conference.Albuquerque：IEEE，1997：689-695.

［6］Delprat S，Guerra T M，Rimaux J.Optimal Control of a Parallel Powertrain：from Global Optimization to Real time Control Strategy［C］//IEEE 55th Vehicular Technology Conference.Berlin：IEEE，2002：2082-2088.

［7］Paganelli G，Delprat S，Guerra T M，et al.Equivalent Consumption Minimization Strategy for Parallel Hybrid Powertrains［C］//proceeding of IEEE 55th Vehicular Technology Conference.Berlin：IEEE，2002：2076-2081.

［8］Gao J P，Zhu G M，Strangas E G，et al.Equivalent fuel consumption optimal control of a series hybrid electric vehicle［J］.Journal of Automobile Engineering，2009，223(8)：1003-1018.

［9］張炳力，張平平，趙韓，等.基于離散動態(tài)規(guī)劃的PHEV燃油經(jīng)濟(jì)性全局最優(yōu)控制［J］.汽車工程，2010，32(11)：923-927.Zhang Bingli，Zhang Pingping，Zhao Han，et al.Fuel economy global optimal control of PHEV based on discrete dynamic programming［J］.Automotive Engineering，2010，32(11)：923-927.

［10］歐陽易時(shí)，金達(dá)鋒，羅禹貢.并聯(lián)混合動力汽車功率分配最優(yōu)控制及其動態(tài)規(guī)劃性能指標(biāo)的研究［J］.汽車工程，2006，28(2)：117-121.Ouyang Yishi，Jin Dafeng，Luo Yugong.An investigation into the optimal control of power distribution for PHEV and the appropriate performance indicator for dynamic programming［J］.Automotive Engineering，2006，28(2)：117-121.

［11］Lin Chanchiao，Peng Huei，Grizzle J W.A stochastic control strategy for hybrid electric vehicles［C］.Boston，Massachusetts：Proceedings of the 2004 American Control Conference，2004：4710-4715.

［12］Johannesson L，Asbogard M，Egardt B.Assessing the potential of predictive control for hybrid vehicle power trains using stochastic dynamic programming ［J］.Intelligent Transportation Systems，2007，8(1)：71-83.

［13］浦金歡，殷承良，張建武.并聯(lián)型混合動力汽車燃油經(jīng)濟(jì)性最優(yōu)控制［J］.上海交通大學(xué)學(xué)報(bào)，2006，40(6)：947-951.Pu Jinhuan，Yin Chengliang，Zhang Jianwu.Fuel optimal control of parallel hybrid electric vehicles［J］.Journal of Shanghai Jiaotong University，2006，40(6)：947-951.

［14］Bin Y，Reama A，Cela A.On Fast Dynamic Programming for Power Splitting Control of Plug-in Hybrid Electric Vehicles［C］//Hollywood，C A：Proceedings of ASME Conference，2009：229-236.

［15］Lin Chaochiao，Soonil J，Peng Huei，et al.Driving pattern recognition for control of hybrid electric trucks［J］.International Journal of Vehicle Mechanics and Mobility，2004，42(1/2)：41-58.

［16］Serrao L，Onori S，Rizzoni G.ECMS as a Realization of Pontryagin’s Minimum Principle for HEV Control［C］//American Control Conference.St.Louis，USA：IEEE，2009：3964-3969.

［17］Tulpule P，Marano V，Rizzoni G.Effects of Different PHEV Control Strategies on Vehicle Performance［C］//American Control Conference.St.Louis：IEEE，2009：3950-3955.

［18］Lescot J，Sciarretta A，Chamaillard Y，et al.On the Integration of Optimal Energy Management and Thermal Management of Hybrid Electric Vehicles［C］//Vehicle Power and Propulsion Conference.Lille：IEEE，2010：1-6.

［19］Jeon S L，Sung T J，Yeong L P，et al.Multi-mode driving control of a parallel hybrid electric vehicle using driving pattern recognition［J］.Journal of Dynamic Systems，Measurement，and Control，2002，124(1)：141-149.

［20］莊繼暉，謝輝，嚴(yán)英.基于GPRS的電動汽車道路行駛工況自學(xué)習(xí)［J］.天津大學(xué)學(xué)報(bào)，2010，43(4)：283-286.Zhuang Jihui，Xie Hui，Yan Ying.GPRS based driving cycle selflearning for electric vehicle ［J］.Journal of Tianjin University，2010，43(4)：283-286.

［21］Moura S J，F(xiàn)athy H K，Callaway D S，et al.A stochastic optimal control approach for power management in plug-in hybrid electric vehicles［J］.IEEE Transactions on Control Systems Technology，2011，19(3)：545-555.

［22］Gong Qiuming，Tulpule P，Marano V，et al.The Role of ITS in PHEV Performance Improvement［C］//2011 American Control Conference.San Francisco，C A：IEEE，2011：2119-2128.

［23］Koot M，Kessels，J T B A，de Jager B，et al.Energy management strategies for vehicular electric power systems［J］.IEEE Transactions on Vehicular Technology，2005，54(3)：771-782.

［24］Sciarretta A，Back M，Guzzella L.Optimal control of parallel hybrid electric vehicles［J］.IEEE Transactions on Control System Technology，2004，12(3)：352-363.

［25］Park J M，Chen Zhihang，Kiliaris L，et al.Intelligent vehicle power control based on machine learning of optimal control parameters and prediction of road type and traffic congestion［J］.IEEE Transactions on Vehicular Technology，2009，58(9)：4741-4756.

［26］Manzie C，Watson H C，Halgamuge S，et al.A comparison of fuel consumption between hybrid and intelligent vehicles during urban driving［J］.Proceedings of the Institution of Mechanical Engineers，Part D：Journal of Automobile Engineering，2006，220(1)：67-76.

［27］Gong Qiuming，Li Yaoyu，Peng Zhongren.Trip-based optimal power management of plug-in hybrid electric vehicles［J］.IEEE Transactions on Vehicular Technology，2008，57(6)：3393-3401.

［28］Gong Qiuming，Li Yaoyu，Peng Zhongren.Optimal Power Management of Plug-in HEV with Intelligent Transportation System［C］//Advanced IntelligentMechatronics，IEEE/ASME International Conference.Zurich：IEEE，2007：1-6.

［29］Kimura A，Tetsuya A，Sasaki S.Drive force control of a parallelseries hybrid system［J］.JSAE Review，1999，20(3)：337-341.

［30］童毅.并聯(lián)式混合動力系統(tǒng)動態(tài)協(xié)調(diào)控制問題的研究［D］.北京：清華大學(xué)，2004.Tong Yi.Study on the Coordinated Control Issue in Parallel Hybrid Electric System［D］.Beijing：Tsinghua University，2004.

［31］羅禹貢，楊殿閣，李孟海，等.并聯(lián)式混合動力汽車(PHEV)動態(tài)協(xié)調(diào)控制方法硬件在環(huán)仿真［J］.機(jī)械工程學(xué)報(bào)，2008，44(5)：80-85.Luo Yugong，Yang Diange，Li Menghai，et al.Hardware-in-theloop simulation on dynamical coordinated control method in parallel hybrid electric vehicle(PHEV)［J］.Chinese Journal of Mechanical Engineering，2008，44(5)：80-85.

［32］古艷春，殷承良，張建武.并聯(lián)混合動力汽車扭矩協(xié)調(diào)控制策略仿真研究［J］.系統(tǒng)仿真學(xué)報(bào)，2007，19(3)：631-636.Gu Yanchun，Yin Chengliang，Zhang Jianwu.Investigation to coordinated torque control strategy of parallel hybrid electric vehicles［J］.Journal of System Simulation，2007，19(3)：631-636.

［33］楊陽，楊文輝，楊亞聯(lián)，等.ISG混合動力再生制動系統(tǒng)壓力協(xié)調(diào)控制策略［J］.重慶大學(xué)學(xué)報(bào)：自然科學(xué)版，2009，32(5)：493-498.Yang Yang，Yang Wenhui，Yang Yalian，et al.Coordinated pressure control of a regenerative braking system based on a hybrid electric vehicle with an integrated starter and generator［J］.Journal of Chongqing University：Natural Science，2009，32(5)：493-498.

［34］彭?xiàng)?，殷承良，張建?混合動力汽車制動力矩動態(tài)分配控制策略研究［J］.系統(tǒng)仿真學(xué)報(bào)，2007，19(22)：5254-5259.Peng Dong，Yin Chengliang，Zhang Jianwu.Braking control strategy study for hybrid electric vehicle with braking torque dynamic distribution［J］.Journal of System Simulation，2007，19(22)：5254-5259.

［35］趙峰，羅禹貢，李克強(qiáng)，等.基于動態(tài)協(xié)調(diào)控制的ISG型混合動力電動汽車牽引力控制方法［J］.汽車工程，2011，33(6)：463-467.Zhao Feng，Luo Yugong，Li Keqiang，et al.Traction control scheme for ISG hybrid electric vehicle based on dynamic coordinated control［J］.Automotive Engineering，2011，33(6)：463-467.

［36］Schmidt M，Isermann R，Lenzen B，et al.Potential of regenerative braking using an integrated starter alternator［C］.［S.l.］：SAE Technical Paper，2000.

［37］Kusumi H，Yahi K，Ny Y，et al.42 V power control system for mild hybrid vehicle［C］.［S.l.］：SAE Technical Paper，2002.

［38］Kuang M L.An investigation of engine start-stop NVH in a power split powertrain hybrid electric vehicle［C］.［S.l.］：SAE Technical Paper，2006.

［39］李紅朋，秦大同，楊陽，等.汽車發(fā)動機(jī)起動過程的動力學(xué)仿真［J］.重慶大學(xué)學(xué)報(bào)：自然科學(xué)版，2005，28(6)：4-8.Li Hongpeng，Qin Datong，Yang Yang，et al.Dynamics simulation of ISG-HEV engine during starting［J］.Journal of Chongqing University：Natural Science，2005，28(6)：4-8.

［40］Canova M，Guezennec Y，Yurkovich S.On the control of engine start/stop dynamics in a hybrid electric vehicle［J］.Journal of Dynamic Systems， Measurement， and Control-Transactions of the ASME，2009，131(6)：1-12.

［41］梁海波，高衛(wèi)民，朱軍，等.混合動力Start/Stop控制策略對整車排放影響的研究［J］.內(nèi)燃機(jī)工程，2008，29(2)：15-18.Liang Haibo，Gao Weimin，Zhu Jun，et al.Study on influence of start/stop control strategy of HEV on vehicle emission［J］.Chinese Internal Combustion Engine Engineering，2008，29(2)：15-18.

［42］陳紹剛，李孟良，徐達(dá)，等.基于PEMS的混合動力客車發(fā)動機(jī)起動/停止對排放影響的研究［J］.汽車工程，2010，32(3)：198-202.Chen Shaogang，Li Mengliang，Xu Da，et al.A study on the influence of start/stop of hybrid electric bus engine on its emissions based on PEMS ［J］.Automotive Engineering，2010，32(3)：198-202.

［43］周光偉，蔡憶昔，張彤，等.點(diǎn)火提前角對混合動力發(fā)動機(jī)起動工況HC排放的影響［J］.車用發(fā)動機(jī)，2008(6)：64-67.Zhou Guangwei，Cai Yixi，Zhang Tong，et al.Effects of the spark advance angle on hybrid engine HC emission during start［J］.Vehicle Engine，2008(6)：64-67.

［44］Kheir N A，Salman M A，Schouten N J，et al.Emissions and fuel economy trade-off for hybrid vehicles using fuzzy logic［J］.Mathematics and Computers in Simulation，2004，66(2/3)：155-172.

［45］Dongsuk K，Peng H，Bucknor M.Modeling and Control of Hybrid Electric Vehicles for Fuel and Emission Reduction［C］//Dynamic Systems and Control Conference.Michian，USA：ASME，2008：553-560.

［46］Smith R，Morison M，Capelle D.GPS-based optimization of plugin hybrid electric vehicles’power demands in a cold weather city［J］.Transportation Research Part D：Transport and Environment，2011，16(8)：614-618.