王愛國

(1.安徽機電職業(yè)技術學院，安徽 蕪湖 241002;2.合肥工業(yè)大學 機械與汽車工程學院，安徽 合肥 230009）

隨著全球逐漸變暖和污染的加劇，混合動力汽車以排量小、油耗少的優(yōu)點逐漸被推廣。相對于常規(guī)車，混合動力車有更大的節(jié)油潛力。由于動力系統(tǒng)由發(fā)動機和電機組成，控制方面有更多的自由度，這就給優(yōu)化提供了更多的空間。

線性規(guī)劃有結構簡單，運行速度快的優(yōu)點，它通過發(fā)動機、電機、電池等元件的效率取定值來使系統(tǒng)線性化[1－2]。但是各個元件本身的特性是非線性的，線性規(guī)劃的優(yōu)化結果與實際運行的誤差較大，很難在控制系統(tǒng)中取得最優(yōu)值。動態(tài)規(guī)劃基于模型對特定的循環(huán)工況進行優(yōu)化，很難應用于實時的控制。

基線控制策略，即BCS(baseline control strategy)使發(fā)動機在高效率區(qū)間內運行[3]，遺傳算法對優(yōu)化效率區(qū)間和SOC的門限值進行了優(yōu)化以達到最大程度的節(jié)油效果[4]。優(yōu)化控制理論中的最小值原理來對混合動力汽車的扭矩分配進行優(yōu)化，通過使用哈密頓(Hamiltonian)方程對整個動力系統(tǒng)進行分析和優(yōu)化[5－7]，主要對基線控制和最小值原理方法進行研究，對混合動力車輛的雙離合系統(tǒng)進行優(yōu)化和實驗。

1 車輛概況

1.1 混合動力系統(tǒng)

混合動力雙離合系統(tǒng)進行如圖1所示，該系統(tǒng)主要配置有一個140KW發(fā)動機，扭矩輸出由發(fā)動機控制器(ECU)控制。一個額定功率為100KW的三相交流電機，扭矩由電機控制系統(tǒng)(DMCM)來控制。和一個容量為40Ah的電池箱，電池箱連接的電池管理系統(tǒng)(BMS)使用算法對當前電池的電荷狀態(tài)(SOC)進行估計。在發(fā)動機和電機之間有一個氣動的電控離合器，用來控制發(fā)動機與動力連接的斷開和結合。一個整車控制器HCU控制整個系統(tǒng)的動力輸出。

1.2 動力系統(tǒng)的控制

在對單軸并聯(lián)混合動力系統(tǒng)的控制時要滿足以下要求，首先，混合動力的駕駛性不能差于常規(guī)車的駕駛性。另外，為了保持電機正常工作同時延長電池的壽命，電池SOC值要控制在一定的范圍內。當前控制策略如下:

(1)車速較低時，斷開離合器使電機單獨驅動整車運行，一方面可以改善車輛起步過程的舒適性，減少離合器的滑磨所帶來的沖擊。另一方面可以避免發(fā)動機在轉速特別低的區(qū)域內工作，節(jié)省燃油消耗。

(2)盡可能地在回饋制動時增加能量的吸收。

(3)在正常驅動時，電控離合器結合，發(fā)動機和電機共同驅動車輛。這就需要一定的方法來對電機和發(fā)動機進行扭矩分配。

文中主要對第三種情況進行研究，根據(jù)當前加速踏板，電機和發(fā)動機轉速等輸入信號。考慮到當前的SOC的值，如果當前SOC值較低則系統(tǒng)對電池趨向于充電。相反，如果SOC較高則系統(tǒng)對電池傾向于放電。整車控制器HCU對發(fā)動機控制器(ECU)和電機控制器(DMCM)發(fā)出扭矩指令。HCU中能量管理策略如圖2所，Treq表示整車需求扭矩，TDM表示發(fā)送給DMCM的扭矩指令，TICE表示發(fā)送給ECU的扭矩指令。從圖中可以看出，在對整車需求扭矩的控制時主要通過查表進行，表格的一般是通過離線的優(yōu)化得到，將各個元件的特性進行提取存儲在控制器中。

2 扭矩分配優(yōu)化

在HCU的控制中，動力系統(tǒng)要實時滿足駕駛員的需求，這就要求HCU的控制程序中每一循環(huán)的時間盡可能的要短。而且單片機中的儲存能力要大于計算能力，所以有很大計算量的優(yōu)化一般離線完成，將優(yōu)化的結果儲存在需要查的表格中。

為了使混合動力車輛在控制中使燃油最小化，需要對車輛進行一定的優(yōu)化控制。在對混合動力的優(yōu)化時要考慮到發(fā)動機和電機的萬有特性，如圖3、圖4所示。

根據(jù)電池的電化學特性，電池可以使用內阻模型進行計算，內阻與SOC的關系如圖5所示，則電流產生的能量關系可以表示成:

I—電池電流，Uoc—開路電壓，R—電池內阻，Pdm—電機功率，Pbp—電池功率

考慮到發(fā)動機要帶動車輛的附件工作，發(fā)動機的自動起停并沒有在考慮范圍以內，主要對基線和最小值原理兩種扭矩分配方法進行研究。

2.1 基線扭矩分配方法

基線方法主要對對發(fā)動機工作在區(qū)間進行優(yōu)化，主要是保證發(fā)動機工作在最優(yōu)的區(qū)間內。在控制中主要有兩種模式:當SOC大于設定的門限值時，整車的需求扭矩和發(fā)動機轉速在發(fā)動機高效率區(qū)間，而其它區(qū)域電控離合器斷開，整車由電機單獨驅動。如圖6所示。當SOC小于設定的門限值時，整車的需求扭矩和發(fā)動機轉速在發(fā)動機高效率區(qū)間，此時整車由發(fā)動機來驅動。如圖7所示。

2.2 最小值原理的分配方法

最小值原理的分配方法在有些論文中也叫等價燃油消耗方法，也就是將要消耗的電量等價成燃油消耗，如式3所示:

式中Pf(t)為發(fā)動機消耗燃油對應的功率。λ(t)是等價因子，也可以看作是“懲罰因子”。它主要反映對當前電量需求的大小。如果λ(t)越大則反映當前系統(tǒng)對電量的使用需求越大。如果λ(t)越小，則更傾向于使用燃油能量。所以在一定的車輛運行中λ(t)的取值決定扭矩分配的關鍵因素。

為了使運行中燃油消耗最小，將整個運行的工況分成N個時間點，考慮到每個時刻的轉速和整車需求扭矩的變化，則優(yōu)化目標為

根據(jù)最小值原理，對哈密頓方程進行求導

可見，當λ(t)取定值時哈密頓函數(shù)可以得到最小值[8]。即，可以將式(3)可以寫成:

式中，Pf(t)可以通過圖3查表計算得到;Pbp(t)是通過圖4查表得到電機的功率后按式(1)、(2)得到的電池功率。以此計算出分配表格，扭矩分配表格如圖8所示，當λ為2.5時主要使用發(fā)動機不但要滿足車輛的驅動需求，還要提供額外的扭矩來給電池充電。隨著λ值的不斷變小，在扭矩分配中發(fā)動機輸出扭矩的比例也逐漸減少。當λ為1.7時，發(fā)動機在整車需求扭矩較低時發(fā)動機的需求扭矩基本為0。

由此可以根據(jù)當前SOC來選擇對應的λ所算出的表格，當前SOC＞標定值時，SOC選擇λ較小值的表格。相反當SOC較小時，選擇λ較大值的表格。來使SOC在車輛運行中維持在一定的范圍。

3 試驗結果

3.1 測試循環(huán)

測試實驗在臺架上進行，臺架試驗不但可以反映動力系統(tǒng)的控制精度，而且外界環(huán)境的干擾較小，有較好的實驗復現(xiàn)性。實驗臺架如圖9所示，主要目的是使動力系統(tǒng)在特定的駕駛循環(huán)中運行，來對兩種扭矩分配方法進行比較。

本次實驗室主要對中國典型城市公交循環(huán)工況進行測試，對應的車速軌跡如圖10所示。實驗中主要對動力系統(tǒng)進行控制，運行轉速和需求扭矩是整車道路實驗時在運行時監(jiān)測和采集的數(shù)據(jù)，這樣可以使用臺架模擬真實車輛實驗時動力系統(tǒng)的運行工況。電力測功機采用轉速控制模式，控制間隔為0.1秒，目的是使動力系統(tǒng)的運行轉速與實際車輛行駛中的轉速相同。動力系統(tǒng)由HCU來控制扭矩，HCU收到的油門信號和剎車信號是由測功機實時發(fā)送，與當前的轉速相對應。

3.2 運行結果

試驗采用中國典型城市公交循環(huán)實車實驗得到的數(shù)據(jù)，圖11和圖12分別為基線控制和最小值原理的情況下整車需求扭矩、發(fā)動機分配的扭矩和SOC的變化軌跡。

從兩種方法的運行結果可以看出:發(fā)動機的運行軌跡可以看到，最小值原理對發(fā)動機的扭矩控制有更好的平順性，在正常情況下發(fā)動機在低扭矩也在輸出扭矩。而基線控制會在300Nm到0Nm會有突然的變動。相對于最小值原理控制，基線控制SOC變化區(qū)間較小，運行區(qū)域一直在[－0.1，0.1]之間，雖然有較好的SOC平衡。但是節(jié)油潛力也被限制。

最小值原理中SOC則趨于平衡，基線控制中SOC的上升了0.6%，采用經驗將一升油等效成三度電，將電轉換成對應的油耗，來計算整個循環(huán)的油耗。最小值原理的試驗結果是28.2L/100Km，基線控制的試驗結果是30L/100Km。相對于常規(guī)車36 L/100Km都有一定的節(jié)油效果。

4 結論

本論文對混合動力系統(tǒng)，進行了基線控制和最小值原理兩種分配方法的對比研究。

基線控制的分配策略是對主要輸出動力的元件－－發(fā)動機的運行區(qū)間進行優(yōu)化。確保發(fā)動機運行在最優(yōu)的效率區(qū)間，但是發(fā)動機在動態(tài)運行時有較大的波動。最小值原理分配策略除了發(fā)動機的效率以外，還將電池和電機的效率進行計算匯總到扭矩分配表格中。發(fā)動機的扭矩控制波動較小。

對兩種方法進行了試驗驗證，結果最小值原理比基線控制節(jié)油5%，有更大的節(jié)油潛力。

[1]Laura V.Perez，Elvio A.Pilotta.Optimal power split in a hybrid electric vehicle using direct transcription of an optimal control problem[J].Mathematics and Computer in simulation，2009，79(6):1959 －1970.

[2]Hofman T，Steinbuch M，Van Druten R，et al.Rule－ based Energy Management Strategies for Hybrid Vehicles[J].Journal of Electric and Hybrid Vehicles，2007，1(1):71 －94.

[3]Smith K，Kim G H，Darcy E，et al.Thermal/electrical Modeling for Abuse－Tolerant Design of Lithium fon)Modules)[J].International Journal of Energy Research，2010，34(2):204－215.

[4]Morteza Montazeri Gh，Amir Poursamad，Babak Ghalichi.Application of genetic algorithm for optimization of control strategy in parallel hybrid electric vehicles[J].Journal of the Franklin Institute，2006，343(4):420 －435.

[5]Paganelli G，Delprat S，Guerra T M，et al.Equivalent Consumption Minimization Strategy For Parallel Hybrid Powertrains[C].IEEE Vehicular Technology Conference，2002，4(2):2076－2081.

[6]Delprat，T M，Guerra T M，Rimaux J.Optimal control of a parallel powertrain:from global optimization to real time control strategy[C].IEEE Vehicular Technology Conference，2002，4(2):2082 －2088.

[7]Sebastien Delprat，Jimmy Lauber，Thierry Marie Guerra，et al.Control of a parallel hybrid powertrain:optimal control[J].Vehicular Technology IEEE Transactions on，2004，53(3):872－881.

[8]Kermani S，Delprat S，Guerra T M，et al.Predictive energy management for hybrid vehicle[J].Control Engineer Practice，2012，20(4)408 －420.