陳 龍，任 皓，袁朝春，汪少華，孫曉強，李道宇

(江蘇大學汽車與交通工程學院，江蘇鎮(zhèn)江 212013)

混合動力汽車(hybrid electric vehicle，HEV)因其既繼承了純電動汽車的高效率和低排放，又兼具傳統(tǒng)內(nèi)燃機車的動力性和續(xù)駛里程，從而成為解決當前節(jié)能環(huán)保問題的切實可行方案［1］.但是由于涉及多個動力源的協(xié)調(diào)與匹配，目前HEV動力系統(tǒng)的結構與傳統(tǒng)車輛相比更為復雜［2-3］.

輪轂電動機較普通電動機具有重量輕、轉(zhuǎn)矩大及結構緊湊等優(yōu)點，同時其將動力、傳動和制動裝置都集成在一起，能夠直接驅(qū)動車輪，因此，將其應用于混合動力車輛中可以省去動力耦合裝置，簡化動力系統(tǒng)結構.

基于上述分析，筆者提出在傳統(tǒng)前置前驅(qū)內(nèi)燃機車輛的結構基礎上，引入輪轂電動機置于車輛后橋，形成整車前橋內(nèi)燃機驅(qū)動，后橋輪轂電動機驅(qū)動的多動力源輸出HEV布置方案.根據(jù)車輛各部件參數(shù)以及整車動力性能要求，確定輪轂電動機的性能參數(shù)，在此基礎上，建立輪轂電動機HEV整車動力學仿真模型，設計基于模糊邏輯的HEV能量管理策略，并運用ADVISOR2002對所設計的輪轂電動機HEV的動力性能和經(jīng)濟性能進行仿真分析，驗證設計方案的正確性和有效性.

1 輪轂電動機HEV結構設計

1.1 基本結構

保留了原有前置前驅(qū)車輛前橋部分的動力總成和變速傳動系統(tǒng)，在后橋半軸與車輪之間增設了2個輪轂電動機作為獨立驅(qū)動機構驅(qū)動汽車后橋，設計方案總體布局如圖1所示，所采用的輪轂電動機定子軸與后橋半軸固定連接，轉(zhuǎn)子與后輪輪轂固定連接.

圖1 動力系統(tǒng)總體布局

1.2 工作原理

該動力系統(tǒng)的設計布局實現(xiàn)了HEV前橋內(nèi)燃機驅(qū)動，后橋電動機驅(qū)動的多動力源驅(qū)動形式.其中，2個輪轂電動機可以處于電動機和發(fā)電機工作狀態(tài);動力電池組作為能量單元可以向輪轂電動機提供電能也可以儲存回收輪轂電動機產(chǎn)生的電能;電池管理器能夠監(jiān)控動力電池組SOC等參數(shù);整車控制器能夠根據(jù)當前整車動力需求、動力電池組SOC以及發(fā)動機運行區(qū)間合理確定整車工作模式.整車工作模式如表1所示.

表1 輪轂電動機HEV工作模式

2 動力系統(tǒng)參數(shù)確定

以某輕型前置前驅(qū)車輛為基礎，需要根據(jù)原有車型的具體參數(shù)以及相應的動力性能要求合理確定輪轂電動機和動力電池組的參數(shù).所采用的傳統(tǒng)前置前驅(qū)車型整車質(zhì)量為980 kg，迎風面積為2.0 m2，滾動阻力系數(shù)為0.01，滾動半徑為0.272 m，旋轉(zhuǎn)質(zhì)量換算系數(shù)取1.04.考慮到增設輪轂電動機、動力電池等設備，經(jīng)過一定估算，整車質(zhì)量應在原有車型基礎上增加280 kg(單個輪轂電動機約為60 kg，動力電池約為150 kg，控制設備為10 kg)，即輪轂電動機HEV整車質(zhì)量為1 260 kg

整車動力性能參數(shù)是輪轂電動機和動力電池組參數(shù)選取的主要依據(jù).輪轂電動機HEV保留了原有車型41 kW的汽油發(fā)動機，在此基礎上要求最高車速能達到120 km·h-1，純電動最高車速為40 km·h-1，0～40 km·h-1的加速時間應在 15 s內(nèi)，純電動工況下(10 km·h-1)最大爬坡度能達到20%.

2.1 輪轂電動機參數(shù)

電動機的性能需滿足車輛純電動行駛最高車速、加速時間以及最大爬坡度3方面的指標，并能保證在高速聯(lián)合驅(qū)動模式下提供相應的轉(zhuǎn)矩［4-6］.

1)根據(jù)純電動最高車速確定單個電動機的額定功率:

式中:m為輪轂電動機HEV整車質(zhì)量;g為重力加速度，取9.8 m·s-2;f為滾動阻力系數(shù);uemax為純電動最高車速;CD為空氣阻力系數(shù);A為迎風面積;η為電動機傳動效率，取0.95.

2)根據(jù)最大爬坡度確定單個電動機的峰值功率:

式中:α為坡道角度;ua為爬坡車速.

3)根據(jù)加速性能確定單個電動機的峰值轉(zhuǎn)矩:

式中:F為驅(qū)動力;δ為旋轉(zhuǎn)質(zhì)量換算系數(shù);du/dt為行駛加速度.

4)根據(jù)最高車速確定電動機的最高轉(zhuǎn)速:

式中:umax為最高車速;r為滾動半徑.

根據(jù)上述計算，并結合目前市場上出現(xiàn)的輪轂電動機型號，初步確定單個輪轂電動機基本參數(shù):電動機為直流無刷電動機;額定電壓為132 V;額定功率為5 kW;峰值功率為8 kW;峰值轉(zhuǎn)矩為220 N·m;最高轉(zhuǎn)速為1 200 r·min-1.

2.2 動力電池組參數(shù)

選擇具有較高功率密度和能量密度的鋰離子電池作為動力電池組，電池容量由輪轂電動機HEV純電動行駛里程決定，車輛純電動行駛里程與車速、動力電池容量等參數(shù)的關系為［7］

式中:s為純電動模式續(xù)駛里程，取20 km;SOChigh為動力電池SOC上限，取80%;SOClow為動力電池SOC下限，取30%;Q為動力電池容量.

根據(jù)上述關系以及輪轂電動機相關參數(shù)，最終確定動力電池組參數(shù):容量為2.06 A·h;額定電壓為132 V.

3 HEV整車建模

3.1 模型構建

基于上述動力系統(tǒng)參數(shù)設計，結合整車參數(shù)，利用電動汽車仿真軟件ADVISOR2002建立輪轂電動機HEV仿真模型，整車動力學方程為

式中:Te為發(fā)動機輸出轉(zhuǎn)矩;ig為變速器速比;i0為主減速器速比;ηe為發(fā)動機傳動效率;ηM為電動機傳動效率;ωR為車輪角速度;ωM為電動機角速度;ωe為發(fā)動機角速度.

在此基礎上，結合整車參數(shù)，利用電動汽車仿真軟件ADVISOR2002建立輪轂電動機HEV仿真模型，模型簡圖如圖2所示.

模型分為前向仿真與后向仿真，其中，模型首先進行后向仿真，依據(jù)道路循環(huán)，按照與實際功率流相反的方向，向整車模塊、車輪車軸模塊逐級發(fā)出轉(zhuǎn)速轉(zhuǎn)矩請求，控制策略模塊按照給定的控制策略合理分配發(fā)動機和輪轂電動機的轉(zhuǎn)速和轉(zhuǎn)矩，隨后模型轉(zhuǎn)前向仿真，沿著實際功率流的方向，從不同的動力源出發(fā)，逐級傳遞當前部件可以提供給下一級部件的轉(zhuǎn)速和轉(zhuǎn)矩，直至傳遞至整車模塊，最后得出整車的實際車速和轉(zhuǎn)矩［8-9］.

圖2 整車仿真模型

3.2 控制策略制定

模糊控制技術具有較強的自適應能力且不依賴于精確模型，因而適用于難以建立精確數(shù)學模型的HEV能量管理策略的制定［10］.為了兼顧發(fā)動機燃油經(jīng)濟性和動力電池SOC，采用的模糊控制器以道路總的需求轉(zhuǎn)矩T和發(fā)動機優(yōu)化轉(zhuǎn)矩Topt之差ΔT和動力電池組的SOC為輸入，輸出參數(shù)為系數(shù)K.2個輸入變量均采用5個語言模糊子集，其中ΔT模糊子集為{負大，負小，0，正小，正大}，論域設為［-50，50］，SOC模糊子集為{過低，偏低，適中，偏高，過高}，論域設為［0.20，1.00］，參數(shù)K的值域為{0.80，0.85，0.90，0.95，1.00，1.10，1.15，1.20}，推理方法采用Sugeno型.控制系統(tǒng)的結構如圖3所示，輸入變量的隸屬度函數(shù)分別如圖4，5所示，模糊控制規(guī)則如表2所示.

圖3 模糊控制系統(tǒng)結構圖

圖4 輸入變量ΔT隸屬度函數(shù)

圖5 輸入變量SOC隸屬度函數(shù)

表2 系數(shù)K模糊控制規(guī)則表

道路總的需求轉(zhuǎn)矩為按照傳統(tǒng)前置前驅(qū)車型，在滿足當前道路循環(huán)需求下，發(fā)動機需要提供的轉(zhuǎn)矩T.以發(fā)動機萬有特性曲線為基礎，將不同轉(zhuǎn)速下發(fā)動機燃油經(jīng)濟性最優(yōu)工作點連線，從而得到發(fā)動機優(yōu)化轉(zhuǎn)矩曲線，如圖6所示.

圖6 發(fā)動機優(yōu)化轉(zhuǎn)矩曲線

發(fā)動機輸出轉(zhuǎn)矩為KTopt，整車動力學模型將經(jīng)模糊控制得到的發(fā)動機輸出轉(zhuǎn)矩按照實際功率流方向逐級傳遞得出發(fā)動機傳遞至車輪車軸模塊的轉(zhuǎn)矩，進而根據(jù)車輪車軸模塊的總轉(zhuǎn)矩需求計算出2個輪轂電動機分別需要提供的轉(zhuǎn)矩.

4 仿真結果分析

利用ADVISOR2002中自帶的新歐洲行駛循環(huán)(new European drive cycle，NEDC)工況對所構建的輪轂電動機HEV仿真模型進行仿真分析.NEDC工況由市區(qū)循環(huán)和市郊循環(huán)組成，其中市區(qū)循環(huán)包括15個工況(怠速、加速、勻速、減速等)，平均車速為19.0 km·h-1;市郊循環(huán)包括13個工況(怠速、加速、勻速、減速等)，平均車速為62.6 km·h-1，該工況車速與時間關系如圖7所示，動力電池初始值為0.70，仿真時間為1 184 s.

圖7 NEDC仿真循環(huán)工況

仿真結果如表3所示，其中爬坡性能按照ADVISOR2002默認的以速度88.5 km·h-1，持續(xù)行駛10 s所能爬行的最大坡度進行計算.

表3 仿真結果

由表3可以看出:在模糊控制策略下，輪轂電動機HEV與傳統(tǒng)前置前驅(qū)車型相比，動力性有了較大提升，同時整車油耗降低了23.3%，發(fā)動機平均效率提升了11.3%.輪轂電動機HEV與傳統(tǒng)前置前驅(qū)車型的發(fā)動機轉(zhuǎn)矩對比如圖8所示，四輪混合動力車型在市區(qū)循環(huán)的停車時間段實現(xiàn)了發(fā)動機的關閉，降低了油耗，在市郊循環(huán)高速巡航、加速行駛情況下，發(fā)動機的轉(zhuǎn)矩保持在穩(wěn)定范圍內(nèi).

圖8 發(fā)動機轉(zhuǎn)矩

輪轂電動機HEV的輪轂電動機輸出轉(zhuǎn)矩和工作點動力電池SOC變化分別如圖9，10所示.由圖9可以看出:輪轂電動機在整個工況循環(huán)中提供了較大的助力轉(zhuǎn)矩，并在車輛減速制動過程中作為發(fā)電機工作，實現(xiàn)了制動能量的回收.由圖10可以看出:輪轂電動機工作點主要位于低轉(zhuǎn)速區(qū)域，體現(xiàn)了輪轂電動機在低轉(zhuǎn)速下提供高轉(zhuǎn)矩的特性，選擇的輪轂電動機參數(shù)是合理的.

圖9 輪轂電動機轉(zhuǎn)矩

圖10 輪轂電動機工作點

動力電池SOC變化曲線如圖11所示，動力電池SOC初始值為0.70，終值為0.65，未出現(xiàn)較大波動，實現(xiàn)了電池充放電的平衡.

輪轂電動機HEV與傳統(tǒng)前置前驅(qū)車型發(fā)動機工作點比較如圖12所示，傳統(tǒng)車型發(fā)動機工作點分散，工作點大部分位于低轉(zhuǎn)速、低轉(zhuǎn)矩的高油耗區(qū)域，而在模糊邏輯控制策略下，輪轂電動機混合動力發(fā)動機工作點大部分位于發(fā)動機優(yōu)化轉(zhuǎn)矩曲線附近，因而發(fā)動機油耗得到改善.

圖11 動力電池SOC

圖12 發(fā)動機工作點

5 結論

1)以傳統(tǒng)前置前驅(qū)車型為基礎，通過在車輛后橋引入輪轂電動機，設計了輪轂電動機HEV動力系統(tǒng)布置方案，并根據(jù)整車動力性要求完成對輪轂電動機和動力電池的選型設計.

2)在ADVISOR2002中構建了輪轂電動機HEV仿真模型，并在兼顧燃油經(jīng)濟性和動力電池SOC的基礎上，制定了基于模糊邏輯的整車能量管理策略.

3)仿真結果表明:輪轂電動機HEV在整車質(zhì)量增加的情況下，與傳統(tǒng)前置前驅(qū)車型相比，動力性得到一定提升，同時改善了整車燃油經(jīng)濟性，驗證了設計方案的合理性，為進一步設計開發(fā)輪轂電動機HEV提供了參考.

References)

［1］Chau K T，Chan C C.Emerging energy-efficient technologies for hybrid electric vehicles［J］.Proceedings of the IEEE，2007，95(4):821-835.

［2］于秀敏，曹 珊，李 君，等.混合動力汽車控制策略的研究現(xiàn)狀及其發(fā)展趨勢［J］.機械工程學報，2006，42(11):10-16.

Yu Xiumin，Cao Shan，Li Jun，et al.Present study situation and developing trend of control strategies for hybrid electric vehicle［J］.Chinese Journal of Mechanical Engineering，2006，42(11):10-16.(in Chinese)

［3］Inalpolat M，Kahraman A.Dynamic modelling of planetary gears of automatic transmissions［J］.Journal of Multi-body Dynamics，2008，222(3):229-242.

［4］谷 靖，歐陽明高，盧蘭光，等.微型純電動汽車的系統(tǒng)構型與關鍵參數(shù)設計［J］.汽車工程，2013，35(1):7-12.

Gu Jing，Ouyang Minggao，Lu Languang，et al.System configuration and key parameters design of a micro electric vehicle［J］.Automotive Engineering，2013，35(1):7-12.(in Chinese)

［5］黃萬友，程 勇，曹 紅，等.純電動汽車動力驅(qū)動系統(tǒng)參數(shù)匹配試驗［J］.江蘇大學學報:自然科學版，2013，34(2):131-136.

Huang Wanyou，Cheng Yong，Cao Hong，et al.Matching experiment of EV power-train parameters［J］.Journal of Jiangsu University:Natural Science Edition，2013，34(2):131-136.(in Chinese)

［6］Xu Chunhua，Niu Jigao，Pei Fenglai.Design and simulation of the power-train system for an electric vehicle［C］∥2011 2nd International Conference on Artificial Intelligence，Management Science and Electronic Commerce.Piscataway，USA:IEEE，2011:3868-3871.

［7］馬東兵.四輪驅(qū)動混合動力汽車控制策略仿真與測試［D］.上海:上海交通大學機械與動力工程學院，2013.

［8］石凱凱，羅衛(wèi)東，李亞輝，等.混合動力牽引車控制策略研究［J］.機械設計與制造，2013(1):171-174.

Shi Kaikai，Luo Weidong，Li Yahui，et al.Research on control strategy of hybrid tractor［J］.Machinery Design＆Manufacture，2013(1):171-174.(in Chinese)

［9］Gao D W，Mi C，Emadi A.Modeling and simulation of electric and hybrid vehicles［J］.Proceedings of the IEEE，2007，95(4):729-745.

［10］Schouten N J，Salman M A，Kheir N A.Energy management strategies for parallel hybrid vehicles using fuzzy logic［J］.Control Engineering Practice，2003，11(2):171-177.