張文學(xué)，張幽彤，秦 靖

(北京理工大學(xué)，清潔車輛北京市重點實驗室，北京 100081)

2016166

基于發(fā)動機(jī)運(yùn)行區(qū)域動態(tài)邊界優(yōu)化的混合動力客車能量管理策略研究*

張文學(xué)，張幽彤，秦 靖

(北京理工大學(xué)，清潔車輛北京市重點實驗室，北京 100081)

針對插電式單軸并聯(lián)天然氣發(fā)動機(jī)-電機(jī)混合動力城市客車開發(fā)了整車控制系統(tǒng)和能量管理策略，完成了系統(tǒng)硬、軟件設(shè)計并進(jìn)行了試驗驗證。其中能量管理策略的開發(fā)是基于電池荷電狀態(tài)和發(fā)動機(jī)最高效率區(qū)動態(tài)邊界優(yōu)化，即引入空間軌跡優(yōu)化算法實時優(yōu)化發(fā)動機(jī)高效運(yùn)行的邊界參數(shù)，以保證發(fā)動機(jī)能在所需模式和電池允許的SOC下盡可能運(yùn)行于高效區(qū)域。在道路試驗中，該策略能夠使車輛在多種工作模式之間穩(wěn)定可靠運(yùn)行和切換，結(jié)果表明，搭載該整車控制系統(tǒng)的混合動力城市客車與同類型傳統(tǒng)客車相比，0-50km/h的加速時間縮短15.8%，燃料消耗降低26.9%。

插電式并聯(lián)混合動力車；發(fā)動機(jī)；能量管理策略；動態(tài)邊界；軌跡優(yōu)化

前言

混合動力系統(tǒng)中對發(fā)動機(jī)實際運(yùn)行區(qū)域的優(yōu)化對于提高整車燃料經(jīng)濟(jì)性和排放性能具有十分重要的作用[1-7]。對于單軸并聯(lián)構(gòu)型的混合動力系統(tǒng)，發(fā)動機(jī)的運(yùn)行貫穿于純發(fā)動機(jī)模式、混合驅(qū)動模式和行車充電模式，幾乎涵蓋了發(fā)動機(jī)的整個轉(zhuǎn)速范圍。以策略中允許的發(fā)動機(jī)最低運(yùn)行轉(zhuǎn)速和發(fā)動機(jī)最高輸出轉(zhuǎn)速為左右邊界，以發(fā)動機(jī)在各轉(zhuǎn)速下實際輸出的最大和最小轉(zhuǎn)矩為上下邊界，在發(fā)動機(jī)轉(zhuǎn)矩轉(zhuǎn)速圖上可形成發(fā)動機(jī)的實際運(yùn)行區(qū)。而發(fā)動機(jī)在每一轉(zhuǎn)速下均存在一個使該轉(zhuǎn)速下的輸出效率最高的轉(zhuǎn)矩，在發(fā)動機(jī)轉(zhuǎn)矩轉(zhuǎn)速圖上這些點可形成一條貫穿于整個轉(zhuǎn)速范圍的最高效率運(yùn)行軌跡。發(fā)動機(jī)高效區(qū)邊界優(yōu)化的目標(biāo)就是在滿足規(guī)定的限定條件下盡可能地使發(fā)動機(jī)的實際運(yùn)行區(qū)向最高效率軌跡收攏，形成一條狹長且隨參數(shù)變化而優(yōu)化的動態(tài)高效運(yùn)行區(qū)，從而提高發(fā)動機(jī)運(yùn)行效率。

目前基于優(yōu)化的能量管理策略在插電式混合動力領(lǐng)域的研究較多。文獻(xiàn)[8]中采用粒子群非梯度全局優(yōu)化算法獲得最優(yōu)的PHEV能量管理策略。文獻(xiàn)[9]中采用動態(tài)規(guī)劃全局優(yōu)化算法對能量管理策略的控制參數(shù)進(jìn)行優(yōu)化，建立能量管理策略。但全局優(yōu)化算法能量管理策略計算需求量大，且需要對轉(zhuǎn)矩進(jìn)行準(zhǔn)確預(yù)測[10]，因而不能直接應(yīng)用到實際控制中[11]。文獻(xiàn)[12]中提出了更具實用性的峰值電源最大荷電狀態(tài)與發(fā)動機(jī)開關(guān)控制策略，將轉(zhuǎn)矩劃分為大、中和小3個區(qū)域，并結(jié)合荷電狀態(tài)與需求轉(zhuǎn)矩所在區(qū)域，計算發(fā)動機(jī)的實際輸出轉(zhuǎn)矩。

為實現(xiàn)發(fā)動機(jī)高效運(yùn)行的目的，本文中開發(fā)了基于電池荷電狀態(tài)與發(fā)動機(jī)高效運(yùn)行邊界優(yōu)化的綜合能量管理策略，并引入了空間軌跡優(yōu)化算法進(jìn)行發(fā)動機(jī)高效區(qū)運(yùn)行邊界實時優(yōu)化?；趩屋S并聯(lián)構(gòu)型提出了發(fā)動機(jī)高效區(qū)“動態(tài)邊界”的概念，通過優(yōu)化算法實時獲取發(fā)動機(jī)高效區(qū)的運(yùn)行邊界，充分利用了基于規(guī)則控制策略的實用性和實時優(yōu)化算法的高效性。

1 整車控制策略

1.1 整車電控系統(tǒng)方案與功能

圖1為天然氣發(fā)動機(jī)-電機(jī)混合動力城市客車電控系統(tǒng)結(jié)構(gòu)圖。整車控制器采集加速和制動踏板信號，結(jié)合車速擋位等信息計算出轉(zhuǎn)矩。通過多路CAN總線與電機(jī)控制器、發(fā)動機(jī)控制器、AMT控制器和電池管理系統(tǒng)實時通信，實現(xiàn)轉(zhuǎn)矩的合理分配和整車模式切換等控制策略。同時將車輛運(yùn)行信息發(fā)送到儀表控制系統(tǒng)，并對發(fā)動機(jī)、電機(jī)和控制器等發(fā)熱部件的溫度信息進(jìn)行相應(yīng)的實時監(jiān)測和保護(hù)。

圖1 整車電控系統(tǒng)結(jié)構(gòu)圖

1.2 能量管理策略

在充分利用基于規(guī)則控制策略實用性優(yōu)勢的基礎(chǔ)上，根據(jù)城市客車實際運(yùn)行工況的特點并利用重混車型電機(jī)功率較大的優(yōu)勢，制訂了基于電池荷電狀態(tài)和發(fā)動機(jī)動態(tài)邊界優(yōu)化的綜合能量管理策略。車輛的能量分配由整車控制器通過當(dāng)前轉(zhuǎn)矩和當(dāng)前車速下最高效率所對應(yīng)的轉(zhuǎn)矩值之間的關(guān)系和電池SOC值來判斷，并通過對發(fā)動機(jī)和電機(jī)轉(zhuǎn)矩的分配和對離合器動作的控制來實現(xiàn)。根據(jù)實驗獲取的發(fā)動機(jī)效率MAP并通過實時優(yōu)化算法提取發(fā)動機(jī)高效率運(yùn)行的邊界參數(shù)，除鋰電池電量過低的極端工況外，使發(fā)動機(jī)最大限度運(yùn)行于高效率區(qū)域內(nèi)。該策略中，由于高效區(qū)的“動態(tài)邊界”是根據(jù)城市工況運(yùn)行特點、發(fā)動機(jī)特性和整車運(yùn)行參數(shù)，通過實時優(yōu)化算法而獲得，發(fā)動機(jī)在高效運(yùn)行區(qū)內(nèi)根據(jù)既定規(guī)則響應(yīng)轉(zhuǎn)矩需求，因此不依賴于發(fā)動機(jī)輸出轉(zhuǎn)矩的精確估計。而在實際轉(zhuǎn)矩輸出中發(fā)動機(jī)的輸出轉(zhuǎn)矩需求盡量保持相對穩(wěn)定，對于急劇變化的工況不予快速響應(yīng)，而由電機(jī)滿足瞬間轉(zhuǎn)矩變化需求，以避免瞬變工況對整車經(jīng)濟(jì)性的影響。

車輛采用2擋起步，基于能量管理策略對電池SOC的保證，本文中在控制策略中結(jié)合換擋規(guī)律將2擋強(qiáng)制規(guī)定為純電動驅(qū)動模式，并給出發(fā)動機(jī)的起動條件為

(1)

式中：vCur為當(dāng)前車速；GCur為當(dāng)前擋位。當(dāng)車速大于30km/h而由2擋升3擋時，采用離合器接合過程中的轉(zhuǎn)矩控制策略[13]起動發(fā)動機(jī)。進(jìn)入3擋后開始執(zhí)行能量管理策略。表1為基于電池荷電狀態(tài)和發(fā)動機(jī)最高效率的綜合能量管理策略。

表1中，以需求轉(zhuǎn)矩和電池SOC為依據(jù)將整個

表1 基于電池荷電狀態(tài)和發(fā)動機(jī)最高效率的綜合能量管理策略

發(fā)動機(jī)運(yùn)行區(qū)域劃分為9個區(qū)域，但基于需求轉(zhuǎn)矩為依據(jù)的區(qū)域邊界并非固定，而是通過優(yōu)化算法實時計算獲得。Treq為根據(jù)當(dāng)前車速和加速踏板行程從需求轉(zhuǎn)矩MAP中查到的當(dāng)前需求轉(zhuǎn)矩值；Tη_MAX為當(dāng)前轉(zhuǎn)速下發(fā)動機(jī)最高效率點對應(yīng)的轉(zhuǎn)矩值；Tb1和Tb2分別為發(fā)動機(jī)輸出轉(zhuǎn)矩區(qū)間的上下邊界，在本控制策略中通過實時優(yōu)化算法獲得；TE為發(fā)動機(jī)輸出的轉(zhuǎn)矩值；TM為電機(jī)輸出的轉(zhuǎn)矩值；TG1，TG2和TG3分別為3種工況下的充電轉(zhuǎn)矩， 由下式確定：

(2)

式中：SOCCharge為優(yōu)化后得到的電池最低荷電值[14]；SOCCur為當(dāng)前SOC值；TG_MAX為規(guī)定的最大充電轉(zhuǎn)矩，根據(jù)整車參數(shù)確定。

按照目前混合動力技術(shù)研究中對SOC高、中、低水平的劃分[15]，當(dāng)鋰電池荷電狀態(tài)處于低水平時(SOC≤40%)，發(fā)動機(jī)輸出轉(zhuǎn)矩在滿足車輛需求的同時增加額外的輸出轉(zhuǎn)矩用于充電；當(dāng)鋰電池荷電狀態(tài)處于中等水平時(40%60%)，發(fā)動機(jī)只運(yùn)行于最高效率點，需求轉(zhuǎn)矩低于高效區(qū)下邊界轉(zhuǎn)矩時發(fā)動機(jī)不工作，而高于高效區(qū)上邊界轉(zhuǎn)矩時所需的額外轉(zhuǎn)矩則由電機(jī)提供。

1.3 邊界參數(shù)實時優(yōu)化提取方法

PHEV能量管理策略的最優(yōu)控制問題均可描述為尋找從初始狀態(tài)到終了狀態(tài)使系統(tǒng)性能代價函數(shù)最小的最優(yōu)控制變量問題。針對本文所研究的發(fā)動機(jī)高效區(qū)運(yùn)行邊界優(yōu)化問題，其控制變量為發(fā)動機(jī)轉(zhuǎn)矩輸出區(qū)間的上下邊界，即Tb1和Tb2，而代價函數(shù)即為發(fā)動機(jī)的能量消耗，因此可以建立系統(tǒng)性能代價函數(shù)：

(3)

式中：N為控制節(jié)點數(shù)；n為轉(zhuǎn)速；T為轉(zhuǎn)矩；L為瞬時性能代價值；t為運(yùn)行的時間節(jié)點。

為了能夠快速合理得到氣耗率場內(nèi)的動態(tài)邊界優(yōu)化方程，將動態(tài)邊界參數(shù)優(yōu)化問題轉(zhuǎn)換為空間軌跡優(yōu)化問題。本文中的邊界參數(shù)優(yōu)化問題是一個離散數(shù)學(xué)問題，因此適合采用空間軌跡優(yōu)化方法中的直接法進(jìn)行計算[15-16]。

引入空間軌跡優(yōu)化問題的Bolza型特征性能指標(biāo)函數(shù)、邊界條件及其等式或不等式約束[17-18]，并進(jìn)行簡化。該控制因素約束條件受發(fā)動機(jī)控制策略影響，其邊界條件受發(fā)動機(jī)外特性、驅(qū)動電動機(jī)功率和電池SOC的影響，以轉(zhuǎn)速步長代替時間步長。在進(jìn)行優(yōu)化計算前對軌跡優(yōu)化函數(shù)在氣耗率場空間中進(jìn)行代入和簡化計算。

(1) 離散場空間內(nèi)Bolza型特征性能指標(biāo)函數(shù)

J=φ(x(t0),t0,x(tf),tf)+

(4)

式中：φ(x(t0),t0,x(tf),tf)為邊界條件函數(shù)；x(t)為狀態(tài)變量；u(t)為控制約束；t0和tf分別為初始和終止時間。

簡化目標(biāo)因素函數(shù)，將式(3)中目標(biāo)函數(shù)轉(zhuǎn)換到轉(zhuǎn)速n和轉(zhuǎn)矩T無直接數(shù)學(xué)關(guān)系的坐標(biāo)內(nèi)，則有

L(x(t),u(t),t)=

L(Tb1(n),Tb2(n),n(t),T(t),t)=L(n,T)

(5)

(2) 建立在加速過程中邊界條件函數(shù)。由于Tb1和Tb2分別為發(fā)動機(jī)在當(dāng)前轉(zhuǎn)速下的轉(zhuǎn)矩輸出邊界，因此有邊界條件：

Tb2(n)≤T(n)≤Tb1(n)≤Te(n)

(6)

式中Te為該轉(zhuǎn)速下的外特性轉(zhuǎn)矩。

當(dāng)考慮驅(qū)動電動機(jī)助力作用時，有

T≥T0-Tmi-a0Is

(7)

式中：Tmi為當(dāng)前電池SOC下驅(qū)動電動機(jī)能夠?qū)崿F(xiàn)的助力轉(zhuǎn)矩(再生轉(zhuǎn)矩為負(fù))；a0為系統(tǒng)初始加速度。初始時系統(tǒng)為動平衡狀態(tài)，則有初始條件

T0+Tm0=Tf0+a0Is

(8)

式中：Tm0為驅(qū)動電動機(jī)初始轉(zhuǎn)矩；Tf0為系統(tǒng)初始阻力矩。

(3) 建立約束條件函數(shù)

CL≤dT≤CR

(9)

根據(jù)發(fā)動機(jī)控制邏輯求解約束函數(shù)得

CL=max(T(dqLLim),T(dnLLim))

(10)

CR=min(T(dqRLim),T(dnRLim),T(dpRLim))

(11)

式中：dqLLim為循環(huán)噴氣量最大降低率；dnLLim為轉(zhuǎn)速最大降低率；dqRLim為每循環(huán)噴氣量最大升高率；dnRLim為轉(zhuǎn)速最大升高率；dpRLim為軌壓最大升高率。

對于起動過程有

CR=dTs,max

(12)

式中dTs,max為發(fā)動機(jī)起動過程中轉(zhuǎn)矩的最大升高率，根據(jù)發(fā)動機(jī)性能和起動時的溫度確定。

以上約束函數(shù)的建立一方面是對發(fā)動機(jī)的響應(yīng)能力進(jìn)行表征，從而將其作為邊界參數(shù)優(yōu)化過程中的考慮因素，同時也屬于發(fā)動機(jī)控制策略中的保護(hù)策略范疇，通過發(fā)動機(jī)控制邏輯經(jīng)驗標(biāo)定完成。

建立驅(qū)動電動機(jī)效率和電池SOC約束條件：

(13)

式中：ηM為驅(qū)動電動機(jī)在需求工況下的效率；ηLim為驅(qū)動電動機(jī)使能的效率閾值；SOCLim為動力電池荷電狀態(tài)允許放電閾值。

(4) 得到Bolza型特征性能指標(biāo)函數(shù)

J=φ+∑Li=Fi

(14)

通過以上的公式推導(dǎo)及變換，將邊界參數(shù)優(yōu)化問題簡化為全轉(zhuǎn)速下系統(tǒng)性能函數(shù)最小化問題。為了便于代碼化，在氣耗率場空間內(nèi)采用離散空間的最速梯度法求解工況場空間內(nèi)的軌跡優(yōu)化問題[16]。可以求得以怠速轉(zhuǎn)速為始點、最高轉(zhuǎn)速為終點的全轉(zhuǎn)速工況場空間內(nèi)的最優(yōu)邊界曲線公式為

(15)

此時有效范圍內(nèi)最優(yōu)邊界曲線公式中的任一轉(zhuǎn)速n下的點Tb1(n)和Tb2(n) 即為在這一轉(zhuǎn)速下發(fā)動機(jī)最優(yōu)輸出轉(zhuǎn)矩的上下邊界?；谠撋舷逻吔缰蹬c當(dāng)前需求轉(zhuǎn)矩，并根據(jù)表1中的相應(yīng)控制規(guī)則確定當(dāng)前發(fā)動機(jī)和電機(jī)的輸出轉(zhuǎn)矩。

1.4 邊界參數(shù)優(yōu)化和能量管理策略實現(xiàn)

在發(fā)動機(jī)實際運(yùn)行的動態(tài)過程中，整車轉(zhuǎn)矩動態(tài)協(xié)調(diào)算法會造成發(fā)動機(jī)實際轉(zhuǎn)矩滯后，因此算法中取多個延時效應(yīng)后的工況點位置作為系統(tǒng)的目標(biāo)工況位置。由于下一工況點位置受整車動態(tài)協(xié)調(diào)策略控制，計算的最優(yōu)邊界隨著行車過程中參數(shù)的變化而改變，最優(yōu)邊界參數(shù)在整車和發(fā)動機(jī)轉(zhuǎn)矩控制策略的協(xié)調(diào)過程中受上周期計算的延時時間和目標(biāo)轉(zhuǎn)矩的影響，呈現(xiàn)迭代運(yùn)算過程。

基于以上分析，將前面關(guān)于最優(yōu)邊界參數(shù)提取的理論推導(dǎo)表示為邏輯算法，包括簡化數(shù)學(xué)公式、優(yōu)化數(shù)據(jù)空間、邊界條件和約束條件等。整個能量管理策略的代碼流程如圖2所示。

圖2 能量管理策略算法代碼流程圖

2 試驗分析

為驗證該能量管理策略達(dá)到對轉(zhuǎn)矩分配的基本功能要求，對整車工作模式進(jìn)行試驗驗證，并將整車性能試驗與之結(jié)合進(jìn)行。應(yīng)用上述設(shè)計的整車管理系統(tǒng)，在天然氣-電機(jī)混合動力城市客車上進(jìn)行了車輛運(yùn)行試驗和分析。試驗車輛動力系統(tǒng)主要參數(shù)見表2。

2.1 整車工作模式驗證

根據(jù)整車能量管理策略，行車過程的工作模式分為：純電動模式、發(fā)動機(jī)單獨(dú)驅(qū)動模式、行車充電模式和混合驅(qū)動模式。圖3(a)為電機(jī)單獨(dú)驅(qū)動車輛運(yùn)行模式，一般在車速較低時采用，另外當(dāng)電池SOC高于設(shè)定閾值時，車輛采用純電動模式起步；圖3(b)為發(fā)動機(jī)單獨(dú)驅(qū)動車輛運(yùn)行模式，一般在發(fā)動機(jī)運(yùn)行于高效區(qū)域或電量過低時采用；圖3(c)為混合驅(qū)動運(yùn)行模式；圖3(d)為電池SOC較低情況下的行車充電運(yùn)行模式，電機(jī)工作在充電模式(轉(zhuǎn)矩為負(fù)值)，可以控制發(fā)動機(jī)工作于高效率區(qū)，提高經(jīng)濟(jì)性。

表2 天然氣電機(jī)混合動力客車的基本參數(shù)

圖3 混合動力客車不同工作模式下的工況曲線

2.2 整車動力性測試

整車的動力性能主要包括最大車速、爬坡性能和加速性能等，而整車加速性能是車輛動力性能的主要方面。參考GB/T 19752—2005《混合動力電動汽車動力性能試驗方法》對試驗用PHEV城市客車滿載狀態(tài)下0-50km/h的加速時間進(jìn)行測試。

對混合動力車和傳統(tǒng)車分別進(jìn)行多次加速試驗，結(jié)果如表3所示。6次試驗的算術(shù)平均，混合動力車0-50km/h加速平均用時29.2s，比傳統(tǒng)車的34.7s縮短了5.5s，即15.8%。圖4和圖5分別為加速過程中車速和發(fā)動機(jī)、電機(jī)轉(zhuǎn)速變化曲線。

表3 整車加速試驗結(jié)果

圖4 加速過程中車速和擋位變換曲線

圖5 發(fā)動機(jī)和電機(jī)轉(zhuǎn)速隨擋位變換關(guān)系

2.3 整車燃料經(jīng)濟(jì)性測試

參考混合動力電動汽車能量消耗量試驗方法[19]，在燃料經(jīng)濟(jì)性試驗中，燃料的消耗量通過試驗前后記錄電能存儲系統(tǒng)的電能消耗(net energy ange, NEC)，并將電量消耗轉(zhuǎn)換為燃料消耗量，試驗數(shù)據(jù)如表4所示。

將表4中3次試驗的數(shù)據(jù)取算術(shù)平均，得到車輛的燃料消耗率為每百公里29.5m3天然氣，比同類型傳統(tǒng)車降低了26.9%。圖6和圖7為試驗中發(fā)動機(jī)和電機(jī)的運(yùn)行點(提取部分點集)在發(fā)動機(jī)和電 機(jī)萬有特性圖中的分布。從圖中可以看出，發(fā)動機(jī)運(yùn)行基本集中在高效區(qū)域；而為保證發(fā)動機(jī)最大限度運(yùn)行于高效率區(qū)，電機(jī)的運(yùn)行點分布相對而言較為分散，但仍然主要分布于高效區(qū)。

表4 整車經(jīng)濟(jì)性試驗數(shù)據(jù)

圖6 發(fā)動機(jī)工作點分布圖

圖7 電機(jī)工作點分布圖

3 結(jié)論

本文中針對插電式氣電混合動力客車開發(fā)了整車管理系統(tǒng)。完成了相關(guān)硬件的設(shè)計和模塊化軟件的編寫；建立了多路復(fù)合CAN網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，并將各控制器進(jìn)行合理地安排；開發(fā)了基于電池荷電狀態(tài)和發(fā)動機(jī)最高效率的能量管理策略，使發(fā)動機(jī)最大限度地工作于高效率區(qū)域。開發(fā)過程中通過運(yùn)用優(yōu)化標(biāo)定技術(shù)獲取相關(guān)控制參數(shù)，保證了整車控制系統(tǒng)的高效穩(wěn)定可靠運(yùn)行。采用該控制策略的混合動力客車整車動力性提高了15.8%，經(jīng)濟(jì)性提高了26.7%。

[1] RAHMAN S A, ZHANG N, ZHU J. A comparison on fuel economy and emissions for conventional hybrid electric vehicles and the UTS plug-in hybrid electric vehicle[C]. 2nd Int. Conf. Comput. Autom. Eng.,Singapore,2010,5:20-25.

[2] 高建平,何洪文,孫逢春.混合動力電動汽車機(jī)電耦合系統(tǒng)歸類分析[J].北京理工大學(xué)學(xué)報,2008,28(3):197-201.

[3] 張曉偉,朱黎明,熊瑞.混合動力整車控制系統(tǒng)開發(fā)[J].電力電子技術(shù),2011,45(6):50-52.

[4] SIURU B.CNG hybrid-electric buses [EB/OL].(2010-01-13). http://www.masstransitmag.com/online/article.jsp?siteSection=5&id=6180&pageNum=1.

[5] 何樺,楊福源,楊雨平,等.天然氣串聯(lián)式混合動力城市客車開發(fā)[J].汽車工程,2008,30(3):202-205.

[6] 辛世界,隆武強(qiáng),范立云,等.并聯(lián)混合動力城市客車控制策略研究[J].大連理工大學(xué)學(xué)報,2007,47(4):515-520.

[7] 舒紅宇,王錕,陳齊平,等.天然氣混合動力城市客車動力系統(tǒng)的設(shè)計與開發(fā)[J].重慶大學(xué)學(xué)報,2012,35(2):112-117.

[8] BANVAIT H, LIN X, SOHEL S, et al. Plug-in hybrid electric vehicle energy management system using particle swarm optimization[C]. Proc. EVS-24,Stavanger,Norway,May 2009.

[9] LIN C C, PENG H, GRIZZLE J, et al. Power management strategy for a parallel hybrid electric truck[J]. IEEE Trans. Control Syst. Technol.,2004,11(6):839-848.

[10] KESSELS J T B A, KOOT M W T, VAN DBPPJ, et al. Online energy management for hybrid electric vehicles[C]. IEEE Transactions on Vehicular Technology,2008,57(6):3428-3440.

[11] BOUKEHILI A, ZHANG Y T, ZHAO Q, et al. Hybrid vehicle power management modeling and refinement[J]. International Journal of Automotive Technology,2012,13(6):987-998.

[12] EHSANI M, GAO Y, EMADI A. Modern electirc, hybrid electric, and fuel cell vehicles: fundamentals, theory, and design[M]. Roca Raton: CRC Press,2010:242-243.

[13] 倪成群,張幽彤,趙強(qiáng),等.伴隨發(fā)動機(jī)起動的混合動力模式切換策略[J].北京理工大學(xué)學(xué)報,2013,33(10):1032-1036.

[14] BOUKEHILI A, ZHANG Y, SUN S. Simulation and comparison of HEV battery control for best fue-l economy and longer battery life[C]. Proc.25th World Battery,Hybrid and Fuel Cell Electric Vehicle Symp.&Exhibition,Shenzhen,China.

[15] 雍恩米,陳磊,唐國金.飛行器軌跡優(yōu)化數(shù)值方法綜述[J].宇航學(xué)報,2008,29(2):397-406.

[16] FANTI M P,PEDRONCELLI G,STECCO G,et al.Modeling and optimization of aircraft trajectories: a review[C].2012 7th International Conference on Systemof Systems Engineering. Proceedings,16-19 July,2012:235-240.

[17] 陳功,傅瑜,郭繼峰.飛行器軌跡優(yōu)化方法綜述[J].飛行力學(xué),2011,29(4):1-5.

[18] BASIN M, CALDERON A D,FERRARA A. Sliding mode optimal regulator for a Bolza-Meyer criterion with non-quadratic state energy terms[C]. 2009 American Control Conference,10-12 June,2009:4951-4955.

[19] GB/T 19754—2005重型混合動力電動汽車能量消耗量試驗方法[S].北京:中國標(biāo)準(zhǔn)出版社,2005.

A Research on Energy Management Strategy for Hybrid Electric Bus Based onDynamic Boundary Optimization of Engine Operation Region

Zhang Wenxue, Zhang Youtong & Qin Jing

BeijingInstituteofTechnology,LowEmissionVehicleResearchLaboratory,Beijing100081

The vehicle control system and the energy management strategy for a parallel single-axle plug-in CNG engine-motor hybrid electric bus are developed, with its system hardware and software designed and test verification conducted. In them, the development of energy management strategy is based on the SOC of battery and the optimization of dynamic boundary of the highest efficiency region, i.e. the real-time optimization of boundary parameters of high efficiency operation region of engine by spatial trajectory optimization algorithm to ensure the engine can operate within high efficiency region in desired mode at a permissible SOC of battery. In road test, the strategy can make the vehicle stably operates in different modes and reliably switches between them. The results indicate that the hybrid electric city bus with that control system achieves a better power performance and fuel economy with its 0-50km/h acceleration time and fuel consumption reduce by 15.8% and 26.9% respectively, compared with the traditional bus of same category.

plug-in PHEV; engine; energy management strategy; dynamic boundary; trajectory optimization

*湖北省自然科學(xué)基金(2010CDA010)和湖北省中青年創(chuàng)新團(tuán)隊(T201114)項目資助。

原稿收到日期為2014年12月23日，修改稿收到日期為2015年11月21日。