莊懷天

(合肥工業(yè)大學(xué)交通運(yùn)輸工程學(xué)院，安徽合肥 230009)

0 引言

隨著科學(xué)技術(shù)的發(fā)展，傳統(tǒng)內(nèi)燃機(jī)汽車、純電動(dòng)汽車、混合動(dòng)力汽車和燃料電池汽車近年來發(fā)展迅速。然而，由于發(fā)動(dòng)機(jī)及其相關(guān)技術(shù)的限制，內(nèi)燃機(jī)汽車的能耗和排放很難有突破性的改善。純電動(dòng)汽車雖然能夠?qū)崿F(xiàn)零污染排放，但是受電池能量密度、壽命、價(jià)格等問題的制約，難以推廣應(yīng)用［1］。燃料電池汽車的可靠性和能量轉(zhuǎn)換效率問題依然沒有徹底解決?；旌蟿?dòng)力汽車的出現(xiàn)在一定程度上緩解了這種難題。

混合動(dòng)力的關(guān)鍵技術(shù)是如何制定更好的控制策略，無論串聯(lián)式還是并聯(lián)式都是為了保證發(fā)動(dòng)機(jī)在最佳效率區(qū)和最低排放區(qū)工作。恒溫器模式、發(fā)動(dòng)機(jī)跟蹤器控制模式及基于規(guī)則型策略是串聯(lián)式的代表。并聯(lián)式的控制策略主要有:靜態(tài)邏輯門限值策略、瞬時(shí)優(yōu)化控制策略、全局優(yōu)化控制策略和模糊邏輯控制策略。后三種控制策略同樣適用于混聯(lián)式，另外發(fā)動(dòng)機(jī)恒定工作點(diǎn)策略和最優(yōu)工作曲線策略是混聯(lián)式特有的兩種策略［2-4］。

現(xiàn)有控制策略或多或少存在一些問題而不能滿足要求，模糊控制由于其獨(dú)特的性質(zhì)在一定程度上緩解了這種矛盾。

1 設(shè)計(jì)模糊控制策略

傳統(tǒng)控制策略依賴的是被控系統(tǒng)的數(shù)學(xué)模型，而模糊控制則是依賴于被控系統(tǒng)的物理特性。必須將這些物理特性抽象總結(jié)成為一系列概念和規(guī)則，然后才能推理得到有意義的結(jié)果。為了實(shí)現(xiàn)此過程，必須構(gòu)造模糊控制器。

該模糊控制器由兩個(gè)輸入變量，一個(gè)輸出變量構(gòu)成。行駛過程中發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩大小取決于總需求轉(zhuǎn)矩，不僅要求電池荷電狀態(tài)值SOC能穩(wěn)定在適當(dāng)?shù)姆秶鷥?nèi)，還要保證行駛過程中獲得良好的動(dòng)力性和經(jīng)濟(jì)性。因此將離合器模塊輸出的總需求轉(zhuǎn)矩Treq、電池模塊得到的電池SOC作為模糊控制的輸入量，發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩Tice為輸出變量［5-7］。所構(gòu)建的模糊控制系統(tǒng)框圖如圖1所示。

圖1 模糊控制系統(tǒng)框圖

1.1 模糊控制量化

在輸入之前需要對(duì)實(shí)際輸入變量進(jìn)行尺度變換，以達(dá)到規(guī)定的論域范圍，然后再做量化處理，其結(jié)果作為模糊推理系統(tǒng)的輸入值。同樣，系統(tǒng)的輸出值也需要進(jìn)行相應(yīng)的處理。比如，若SOC實(shí)際的輸入量Q*在［，］范圍內(nèi)變化，而要求的論域是［Qmin，Qmax］，這時(shí)就要采用線性變換進(jìn)行處理，如式(1)。這里我們將SOC的實(shí)際變化范圍定義在［0，1］內(nèi)，所對(duì)應(yīng)的論域?yàn)椋?，11］。

式中:Qsoc是經(jīng)過尺度變換之后的值，k是比例因子。

根據(jù)式(1)把變換結(jié)果作為模糊推理系統(tǒng)的輸入。

1.2 模糊化

在模糊控制應(yīng)用中，被觀測(cè)量通常是在一定精度范圍內(nèi)的數(shù)值量，由于模糊控制中操作是基于模糊集合理論的，因此，首先必須進(jìn)行模糊化［8］。模糊化的核心思想是定義一個(gè)從數(shù)值域到語言域的模糊的語言映射關(guān)系，以便實(shí)現(xiàn)模糊推理。人們通常把輸入變量分為離散的若干等級(jí)以便操作，定義的級(jí)數(shù)取決于精確度。對(duì)于一個(gè)模糊輸入變量e，其模糊子集可以采用NB，NS，ZO，PS，PB表示輸入或輸出變量由負(fù)大、負(fù)小、零、正小，正大的變化過程，輸入、輸出變量均采用1～17這17個(gè)數(shù)來表示由最小到最大的一個(gè)連續(xù)變化的過程，其中1表示最小的模糊子集，9表示輸入、輸出變量位于中間部分的模糊子集，17表示最大的模糊子集。模糊子集的大小表示了該值的高低。

1.3 隸屬函數(shù)

隸屬函數(shù)是一條曲線，它定義了論域上的點(diǎn)與0和1之間的隸屬度，隸屬度是表示一個(gè)數(shù)值屬于某一區(qū)間的程度。隸屬函數(shù)對(duì)于模糊推理系統(tǒng)的性能有著很大的影響，若想控制較靈敏，必須選擇瘦窄的隸屬度函數(shù)，相反的，控制就會(huì)較平穩(wěn)和粗略。隸屬函數(shù)的確定主要有模糊統(tǒng)計(jì)法、三分法、增量法和分析推理法。

為簡(jiǎn)化設(shè)計(jì)過程采用分析推理的方法，選擇三角函數(shù)和梯形函數(shù)作為隸屬函數(shù)。鑒于總需求轉(zhuǎn)矩Treq、電池SOC和發(fā)動(dòng)機(jī)的需求輸出轉(zhuǎn)矩都是由初始值零開始變化的，所以輸入、輸出變量的隸屬函數(shù)均采用兩邊梯形隸屬函數(shù)，中間為三角隸屬函數(shù)的設(shè)計(jì)方法［9］。

1.4 模糊推理系統(tǒng)規(guī)則的制定

模糊規(guī)則表示為“if…then…”條件語句。在應(yīng)用中，通常將采用的模糊規(guī)則用模糊控制規(guī)則表的行駛表示出來?？梢詮南嚓P(guān)專家或者大量實(shí)驗(yàn)數(shù)據(jù)中得到模糊規(guī)則。但是這些規(guī)則都是相似的，所以還有解決他們的協(xié)調(diào)問題。既要保證模糊規(guī)則的完備性，又要保證模糊規(guī)則的相容性問題。

根據(jù)已有的工程經(jīng)驗(yàn)，設(shè)計(jì)模糊推理系統(tǒng)的控制規(guī)則，輸入的總需求轉(zhuǎn)矩和SOC各有17個(gè)模糊子集，因此形成17×17=289條模糊規(guī)則，再由混合動(dòng)力汽車行駛過程總滿足的動(dòng)力性和經(jīng)濟(jì)性得到表1的控制規(guī)則。

表1 模糊推理系統(tǒng)控制規(guī)則

1.5 反模糊化

當(dāng)輸出量構(gòu)成一個(gè)模糊輸出集μB(y)時(shí)，為了產(chǎn)生能夠表達(dá)模糊系統(tǒng)輸出的單值必須壓縮其分布，即反模糊化。實(shí)現(xiàn)反模糊化常用的方法有最大值平均和重力中心算法。相比較而言，重力中心反模糊化算法便于產(chǎn)生一個(gè)更加平滑的輸出曲面。故本次設(shè)計(jì)就是采用重力中心反模糊化的方法。根據(jù)式(2)得到發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩為:

式中:T0為發(fā)動(dòng)機(jī)需求輸出轉(zhuǎn)矩的精確值;T為模糊值;a、b分別表示T所在論域范圍的上下限值。

2 控制策略的嵌入和仿真

將制定好的控制策略嵌入到整車模型中進(jìn)行仿真，以觀察所制定的模糊邏輯推理系統(tǒng)是否滿足要求。

2.1 模糊控制轉(zhuǎn)矩控制策略的仿真

在ADVISOR已經(jīng)建立的仿真模型的基礎(chǔ)上，將其原先的電輔助控制策略替換成模糊控制策略進(jìn)行仿真比較?？刂颇K的仿真模型主要包括輸入量化模塊、模糊推理模塊和輸出量化模塊。

由上文可知，首先要將總需求轉(zhuǎn)矩量化到［0，11］的論域區(qū)間，并一分為二。如果總需求轉(zhuǎn)矩≤T，需求轉(zhuǎn)矩量化到［0，6］的論域內(nèi);否則量化到［6，11］的論域內(nèi)。Treq為總需求轉(zhuǎn)矩，Ttarget為發(fā)動(dòng)機(jī)目標(biāo)轉(zhuǎn)矩，它們與特定轉(zhuǎn)速下發(fā)動(dòng)機(jī)的效率和排放、溫度、電機(jī)最大輸出轉(zhuǎn)矩有關(guān)，我們可以通過調(diào)整權(quán)重來調(diào)整其對(duì)目標(biāo)轉(zhuǎn)矩的影響程度。當(dāng)然，在駕駛條件變化時(shí)權(quán)重系數(shù)隨著仿真的進(jìn)行而不斷變化。模糊邏輯仿真模型如圖2所示。

圖2 模糊邏輯仿真模型

2.2 模糊邏輯控制系統(tǒng)嵌入Advisor

為驗(yàn)證所提出的模糊控制能量管理策略的有效性，需要將建立的模糊控制能量管理策略嵌入Advisor仿真軟件進(jìn)行仿真。由于筆者采用能量管理模糊控制策略，因此首先需將上述設(shè)計(jì)的能量管理模糊控制模塊嵌入到Advisor軟件的頂層控制模塊，以便Advisor軟件能夠識(shí)別這個(gè)控制模塊。然后把整車模型也嵌入Advisor中。完成管理策略嵌入和整車模型嵌入之后，即可對(duì)本文提出的能量管理模糊控制策略進(jìn)行仿真驗(yàn)證。

2.3 仿真比較

如圖3為電輔助控制策略仿真結(jié)果圖。

圖3 電輔助控制策略仿真結(jié)果

在完成以上步驟之后，就可以進(jìn)行對(duì)原有的電機(jī)輔助控制策略和模糊邏輯控制策略的比較分析，選擇仿真的路況為CYC-UDDS，仿真時(shí)間1 369 s，仿真距離 7.45 miles，電池 SOC 初始值設(shè)定為 0.7。該道路循環(huán)下，停車17次，怠速259 s，需求的最大速度為56.7 km/h，最小速度為 19.58 km/h。仿真得電輔助策略如圖3。將嵌入的模糊推理控制規(guī)則模型進(jìn)行仿真，得到仿真結(jié)果如圖4所示。在相同的仿真條件下，采用原有的電輔助控制策略的仿真結(jié)果如圖3。

圖4 模糊推理控制規(guī)則仿真結(jié)果

由圖3(a)可知電池SOC的變化緩慢;由圖3(b)可知，汽車起步時(shí)HC污染物的排放超過0.1，明顯高于單模糊控制策略;由3(c)圖可知，發(fā)動(dòng)機(jī)提供主要?jiǎng)幽埽姍C(jī)提供輔助動(dòng)能。而采用模糊控制策略之后由圖4可知，電池放電深度增加，更有助于整車燃油經(jīng)濟(jì)性的提高，并且發(fā)動(dòng)機(jī)中的HC、CO、NOx的排放量明顯降低。在電池SOC值較大的時(shí)候，在滿足動(dòng)力性的前提下發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩較小，此時(shí)主要是由電池提供動(dòng)力，當(dāng)電池電量下降到一定水平時(shí)，發(fā)動(dòng)機(jī)開始工作，此時(shí)發(fā)動(dòng)機(jī)不僅提供行駛的動(dòng)力，并且為電池充電。

由表2比較可看出采用模糊控制策略能夠使得發(fā)動(dòng)機(jī)的燃油經(jīng)濟(jì)性以及排放性能均有所提高，并且系統(tǒng)的總效率也由原來的0.103提高到現(xiàn)在的0.128。

表2 兩種控制策略的仿真結(jié)果比較

從電池充放電效率圖5中可看出:電池充放電的效率保持在較高的水平，循環(huán)中始終保持在0.8以上。

通過比較可知，嵌入模糊邏輯轉(zhuǎn)矩控制策略的混合動(dòng)力汽車，在保證動(dòng)力性的前提下可有效的提高燃油經(jīng)濟(jì)性，可使電池的電量在一定范圍內(nèi)充分利用，當(dāng)電池電量下降到一定程度時(shí)，發(fā)動(dòng)機(jī)不僅提供汽車的行駛動(dòng)力而且為電池提供能量，使電池電量不至于降到較低水平，從而延長(zhǎng)電池的使用壽命。

圖5 電池充放電效率圖

3 結(jié)語

詳細(xì)介紹了模糊控制的基本原理、制定過程，指出首先要將輸入輸出量進(jìn)行模糊化，然后根據(jù)工程經(jīng)驗(yàn)，構(gòu)建一個(gè)以總需求轉(zhuǎn)矩和電池SOC值為輸入，發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩為輸出的模糊控制器，并制定了相應(yīng)的控制規(guī)則。在動(dòng)力性和燃油經(jīng)濟(jì)性的基礎(chǔ)上，將模糊子集盡可能的細(xì)化。同時(shí)對(duì)該控制策略進(jìn)行仿真，通過對(duì)比得出模糊邏輯控制策略能夠在保證動(dòng)力性的前提下更好的改善燃油經(jīng)濟(jì)性。并且模糊規(guī)則的增多對(duì)這種效果更加顯著。

如今各種控制策略層出不窮，但都存在一些問題。筆者提出細(xì)分模糊子集的缺點(diǎn)是不能做到無線劃分，所以不能徹底解決問題。未來控制策略應(yīng)該向兩種或多種控制策略共同作用的方向發(fā)展。

［1］ 孫遠(yuǎn)濤，張洪田.混合動(dòng)力汽車研究狀況及發(fā)展趨勢(shì)［J］.黑龍江工程學(xué)院學(xué)報(bào)(自然科學(xué)版)，2011(2):13-16.