盤朝奉，韓福強(qiáng)，陳 燎，徐 興，陳 龍

(1.江蘇大學(xué) 汽車與交通工程學(xué)院，江蘇 鎮(zhèn)江 212013；2.江蘇大學(xué) 汽車工程研究院，江蘇 鎮(zhèn)江 212013；3.濰柴動力股份有限公司，山東 濰坊 261000)

新能源汽車相對于傳統(tǒng)燃油汽車具有排放低、噪聲小、操縱簡單、維修方便等優(yōu)點(diǎn)，在環(huán)保和節(jié)能上具有不可比擬的優(yōu)勢，它是解決人類能源和環(huán)境壓力的有效途徑。因此，新能源汽車是21世紀(jì)汽車的發(fā)展方向[1]。目前，已上市和正在研究的新能源汽車整車方案主要包括混合動力汽車(Hybrid Electric Vehicle，HEV)、純電動汽車(Electric Vehicle，EV)、增程式汽車(Extend Range Electric Vehicle，EREV)、雙模汽車等車輛形式。

增程式電動汽車與其它不同方案進(jìn)行對比優(yōu)勢明顯：相對于傳統(tǒng)燃油車，燃油經(jīng)濟(jì)性有效提高，傳統(tǒng)機(jī)械傳動系統(tǒng)復(fù)雜機(jī)構(gòu)被去除；相對于EV，在達(dá)到同樣高效的純電動運(yùn)行情況下，具備長距離行駛功能，解決了EV續(xù)駛里程不足的問題；相對于HEV，減去了傳統(tǒng)的機(jī)械混動結(jié)構(gòu)，離合器、變速箱等結(jié)構(gòu)，減輕了重量。

因此，在目前電池技術(shù)無重大突破，比能量密度難以較大提高的情況下，EREV相對于已經(jīng)大量研究的HEV、EV等車輛形式具有很大優(yōu)勢，是新能源汽車發(fā)展的重要方向。但目前國內(nèi)對于EREV的研究還處于起步階段，因此，有必要深入研究EREV。

1 EREV動力系統(tǒng)結(jié)構(gòu)的選型

在采用串聯(lián)混動結(jié)構(gòu)的基礎(chǔ)上，通過整車能量分配策略設(shè)計發(fā)動機(jī)工作在燃油經(jīng)濟(jì)區(qū)，可以降低排放。考慮到車輛在電池SOC允許條件下以消耗電能為主，輔助動力系統(tǒng) (Auxiliary Power Unit，APU)并不啟動，因此，在汽車整個行駛過程中，即便部分情況下APU將化學(xué)能轉(zhuǎn)換為機(jī)械能再轉(zhuǎn)為能驅(qū)動整車，效率有所降低，但在城市工況下，整體效率依然占優(yōu)。因此，筆者采用串聯(lián)混動結(jié)構(gòu)的EREV動力系統(tǒng)，如圖1。串聯(lián)混動動力系統(tǒng)主要由主動力系統(tǒng)(蓄電池組和驅(qū)動電機(jī))、輔助動力系統(tǒng)(發(fā)動機(jī)和發(fā)電機(jī))和減速器等部件組成。輔助動力系統(tǒng)中的發(fā)動機(jī)僅用于驅(qū)動發(fā)電機(jī)發(fā)電，所發(fā)出的電能一部分直接供給驅(qū)動電機(jī)，驅(qū)動EREV行駛；一部分電能向電池充電，來延長EREV的行駛里程。另外，蓄電池組還可以單獨(dú)向驅(qū)動電機(jī)提供電能來驅(qū)動汽車，此時EREV運(yùn)行在純電動模式，汽車在零污染狀態(tài)下行駛。

圖1 串聯(lián)混動結(jié)構(gòu)的EREV動力系統(tǒng)結(jié)構(gòu)Fig.1 EREV power system structure of SHEV

2 基于FC理論的能量分配策略設(shè)計

EREV能量分配控制的目的是實(shí)現(xiàn)能量在APU和蓄電池之間的合理有效分配，使整車系統(tǒng)效率達(dá)到最高，同時獲得最優(yōu)的燃油經(jīng)濟(jì)性、最低的排放以及平穩(wěn)的駕駛性能[2]。

筆者提出基于模糊控制(Fuzzy Control，F(xiàn)C)的穩(wěn)態(tài)能量分配策略，采取雙輸入、單輸出的二維結(jié)構(gòu)，以蓄電池SOC、驅(qū)動電機(jī)需求功率作為模糊控制器輸入，輔助動力單元的需求功率作為輸出。

2.1 蓄電池SOC

為了保證蓄電池SOC維持在最佳范圍，并避免電池的過充或者過放，結(jié)合整車參數(shù)及電池性能將SOC的運(yùn)行區(qū)間定為0.3～0.9之間。在電池SOC達(dá)到0.9設(shè)定電池電量為滿，電池電量降至0.3就顯示電量已降至0，超過0.9定義為過充，低于0.3定義為過放。

考慮到檔級多，規(guī)則制定靈活、細(xì)致，共設(shè)有7個模糊子集，分別是極低(EL)、很低(VL)、較低(LO)、正常(ST)、較高(HI)、很高(VH)、極高(EH)。其中模糊子集正常的取值范圍是[0.5，0.7]，其隸屬度在SOC=0.6時達(dá)到最大，此時蓄電池作為主動力源驅(qū)動整車運(yùn)行，車輛運(yùn)行于純電動模式。結(jié)合大量的實(shí)驗數(shù)據(jù)和理論分析，設(shè)計了電池SOC的隸屬度函數(shù)如圖2。

圖2 動力電池組SOC隸屬度函數(shù)Fig.2 Membership function of power train batteries

2.2 電機(jī)需求功率Pmot

驅(qū)動電機(jī)作為整車唯一的驅(qū)動單元，對電機(jī)的選擇要考慮到整車的動力性等相關(guān)因素。筆者采用的驅(qū)動電機(jī)為三相交流異步電機(jī)，四象限可再生制動，通過擬合得到驅(qū)動電機(jī)在驅(qū)動模式及再生制動模式下的特性曲線如圖3。

圖3 驅(qū)動模式及再生制動模式下的特性曲線Fig.3 Characteristic curves in drive model and regenerative braking model

由于驅(qū)動電機(jī)可工作在驅(qū)動模式和再生制動模式兩種不同狀態(tài)，Pmot作為模糊控制器的輸入，取值范圍為[-20，88] kW，與實(shí)際電機(jī)工作功率范圍相符，其中需求功率為負(fù)值表示電機(jī)處于再生制動狀態(tài)，88 kW是電機(jī)的理論最大輸出功率值。電機(jī)需求功率Pmot包含9個模糊子集，分別為負(fù)大(NB)、負(fù)小(NS)、正零(ZE)、正小(PS)、正中(PM)、正大(PB)、正很大(PVB)、正極大(PEB)、正超極大(PVEB)。驅(qū)動電機(jī)Pmot的隸屬度函數(shù)如圖4。

圖4 電機(jī)需求功率的隸屬度函數(shù)Fig.4 Membership function of motor needing power

2.3 APU的輸出功率Papu

APU的輸出功率Papu作為模糊控制器的輸出，范圍為[0，35] kW。為了能制定出更加詳細(xì)的控制規(guī)則，對電機(jī)需求功率Pmot與蓄電池SOC的不同輸入組合能做出更加細(xì)致的響應(yīng)，APU輸出功率Papu共包含的8個模糊子集，分別為極小(ES)，很小(VS)， 較小(SM)，中等 (MI)，較大(BG)，很大(VB)，極大(EB)，超極大(VEB)。隸屬度函數(shù)如圖5。

圖5 APU輸出功率隸屬度函數(shù)Fig.5 Membership function of APU output power

2.4 模糊控制規(guī)則設(shè)計

根據(jù)仿真實(shí)驗和長期積累的經(jīng)驗制定出相應(yīng)的模糊控制規(guī)則庫，如表1[3]。

表1 APU功率分配模糊推理規(guī)則

功率分配的模糊推理，一共有63條規(guī)則，根據(jù)模糊輸入和規(guī)則庫中蘊(yùn)涵的輸入輸出關(guān)系，通過模糊推理得到模糊控制器的輸出模糊值，用重心法進(jìn)行解模糊。

模糊控制系統(tǒng)結(jié)構(gòu)如圖6。模糊控制器穩(wěn)態(tài)輸出APU的目標(biāo)功率，APU模塊中發(fā)電機(jī)作為發(fā)動機(jī)負(fù)載，通過PID實(shí)現(xiàn)對發(fā)動機(jī)的轉(zhuǎn)速閉環(huán)控制，通過調(diào)節(jié)發(fā)電機(jī)在相應(yīng)轉(zhuǎn)速下的輸出功率即可實(shí)現(xiàn)發(fā)動機(jī)的對外輸出轉(zhuǎn)矩控制，這樣發(fā)動機(jī)便一直工作在燃油經(jīng)濟(jì)區(qū)最優(yōu)曲線上。

圖6 模糊控制系統(tǒng)模型Fig.6 Fuzzy control system model

3 基于FC的能量分配策略仿真

通過分析發(fā)動機(jī)萬有特性曲線，依據(jù)APU發(fā)動機(jī)最優(yōu)工作點(diǎn)連續(xù)擬合得到最優(yōu)工作曲線，如圖7中粗線。

在Simulink模型中，二維模糊控制器輸出Papu，然后利用發(fā)動機(jī)的萬有特性曲線計算出最小BSFC曲線對應(yīng)的轉(zhuǎn)速，將轉(zhuǎn)速信號作為目標(biāo)值發(fā)送給PID控制模塊，同時檢測發(fā)動機(jī)瞬時轉(zhuǎn)速作為實(shí)際值，取差值作為PID控制器輸入， PID控制器輸出一個取值范圍在[0，1]之間的發(fā)動機(jī)油門踏板開度信號，并將該值賦值給發(fā)動機(jī)，實(shí)現(xiàn)發(fā)動機(jī)轉(zhuǎn)速的閉環(huán)控制。

圖7 APU發(fā)動機(jī)運(yùn)行特性Fig.7 Operation characteristics of APU engine

如圖8，為利用發(fā)動機(jī)燃油經(jīng)濟(jì)性最優(yōu)曲線逆向擬合計算出的最小燃油消耗率曲線對應(yīng)的目標(biāo)轉(zhuǎn)速與實(shí)際轉(zhuǎn)速的比較，A線為經(jīng)過模糊控制策略依據(jù)實(shí)時輸入蓄電池SOC與電機(jī)的需求功率推算出來的發(fā)動機(jī)目標(biāo)轉(zhuǎn)速值。B線為發(fā)動機(jī)實(shí)際轉(zhuǎn)速，對轉(zhuǎn)速進(jìn)行PID控制。由圖8可以看出，它們速度在趨勢上保持一致，基本實(shí)現(xiàn)了對發(fā)動機(jī)轉(zhuǎn)速的有效控制。

圖8 發(fā)動機(jī)目標(biāo)轉(zhuǎn)速與實(shí)際轉(zhuǎn)速曲線Fig.8 Relationship between engine desire speed and actual speed curve

Cruise搭建整車模型進(jìn)行NEDC工況測試。仿真參數(shù)如表2。

表2 仿真參數(shù)

4 仿真結(jié)果分析

應(yīng)用模糊控制策略進(jìn)行仿真，結(jié)果見表3?？梢钥闯鰬?yīng)用模糊邏輯控制策略整車油耗明顯減少，排放降低，達(dá)到了提高EREV系統(tǒng)整體效率的目的。這說明，基于模糊邏輯的能量分配策略能夠很好的實(shí)現(xiàn)增程式電動汽車的性能優(yōu)化。

表3性能仿真結(jié)果

Table3Performancesimulationresults

性 能仿真結(jié)果 動力性最高車速/(km·h-1)131加速性(0～96．6km/h)/s14．5 排放NOx/(g·km-1)0．174CO/(g·km-1)1．743HC/(g·km-1)0．35 續(xù)駛里程/km500 油耗/(100km·L-1)5．94 傳動系統(tǒng)效率/%16．2

5 結(jié) 語

增程式電動汽車能夠有效解決純電動汽車?yán)m(xù)駛里程不足的問題，筆者結(jié)合蓄電池SOC和驅(qū)動電機(jī)的需求功率提出了基于模糊控制的能量分配策略，通過Cruise與MATLAB/Simulink聯(lián)合仿真及NEDC工況試驗驗證了該策略能夠有效降低排放，并維持電池SOC在理想范圍內(nèi)。由于車輛實(shí)際運(yùn)行工況復(fù)雜，該控制策略需進(jìn)一步完善，兼顧車輛動力性。

[1] 雷驚雷,張占軍,吳立人,等.電動車，電動車用電源及其發(fā)展戰(zhàn)略[J].電源技術(shù),2001,25(1): 40-46,59.

Lei Jinglei,Zhang Zhanjun,Wu Liren,et al.Electric vehicles, power sources for electric vehicles and their developing strategy in China [J].Chinese Journal of Power Sources, 2001, 25(1): 40-46, 59.

[2] 盧蘭光,何彬,歐陽明高.燃料電池城市客車能量分配算法研究[J].機(jī)械工程學(xué)報,2005,41(12):8-12.

Lu languang,He bin,Ouyang Minggao.Energy management strategies for fuel cell hybrid electric vehicle [J].Journal of Mechanical Engineering, 2005, 41(12): 8-12.

[3] 竇國偉,馬濤峰,馬先萌.基于模糊控制算法的增程式電動車能量分配策略[J].上海汽車,2012,3(3):10-14.

Dou Guowei,Ma Taofeng,Ma Xianmeng.A kind of distribution control strategy for extended range electric vehicle based on fuzzy control technology [J].Shanghai Auto, 2012, 3(3): 10-14.

[4] 段巖波,張武高,黃震.混合動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 Yanbo,Zhang Wugao,Huang Zhen.Simulation of fuzzy logic control strategy for HEV [J].Chinese Internal Combustion Engine Engineering, 2003, 24(2): 66-69.

[5] 姜海斌.純電動車整車控制策略及控制器的研究[D].上海:上海交通大學(xué),2010.

Jiang Haibin.Research on Vehicle Control Strategy and Controller of Electric Vehicle[D].Shanghai: Shanghai Jiaotong University,2010.

[6] 安東尼·索左斯基. 混合電動車輛基礎(chǔ)[M].陳清泉,孫逢春,譯.北京:北京理工大學(xué)出版社,2001:109-118.

Antoni Szumanowski. Hybrid Electric Vehicle Basic[M].Chen Qingquan,Sun Fengchun, translation.Beijing:Beijing Institute of Technology Press,2001:109-118.

[7] Tate E D,Harpster M O,Savagian P J.The electrification of the automobile:From conventional Hybrid,to Plug-in Hybrids,to Extended- Range Electric Vehicles[C]//Advanced Hybrid Vehicle Powertrain: Proceedings of the SAE 2008 World Congress & Exhibition.Detroit,MI: SAE,2008:1-11.

[8] Jalil N,Kheir N A,Salman M.A rule-baed energy management strategy for a series hybrid vehicle[C]//Proceedings of the American Control Conference.Albuquerque,New Mexico:IEEE,1997:689-693.