張裊娜， 李昊林， 李彥陽(yáng)， 周長(zhǎng)哲

(長(zhǎng)春工業(yè)大學(xué) 電氣與電子工程學(xué)院， 吉林 長(zhǎng)春 130012)

?

神經(jīng)遺傳增程式電動(dòng)汽車控制策略

張裊娜， 李昊林*， 李彥陽(yáng)， 周長(zhǎng)哲

(長(zhǎng)春工業(yè)大學(xué) 電氣與電子工程學(xué)院， 吉林 長(zhǎng)春 130012)

結(jié)合恒溫控制和功率跟隨控制策略, 在增程器開關(guān)啟動(dòng)時(shí)以動(dòng)力電池的SOC和APU的需求功率作為判斷條件。采用模糊規(guī)則，依據(jù)汽車荷電狀態(tài)和駕駛員踏板開度建立APU需求功率模型。需求功率和功率閾值判斷條件與荷電狀態(tài)和電量閾值判斷條件相結(jié)合，實(shí)現(xiàn)了不同狀態(tài)下的增程器開關(guān)控制。通過(guò)Cruise仿真在FTP75工況下得出在不同功率閾值、電量閾值情況下電動(dòng)汽車油耗的數(shù)值，采用神經(jīng)網(wǎng)絡(luò)遺傳算法實(shí)現(xiàn)對(duì)燃油消耗率函數(shù)值的尋優(yōu)。

增程式電動(dòng)汽車; 控制策略; 神經(jīng)網(wǎng)絡(luò)遺傳算法; 燃油消耗率

0 引 言

目前，電動(dòng)汽車?yán)m(xù)航能力不足且充電時(shí)間長(zhǎng)問(wèn)題的存在使得電動(dòng)車行業(yè)的發(fā)展受到了阻礙，而增程式電動(dòng)汽車的良好性能可以有效的規(guī)避上述問(wèn)題，因此，在未來(lái)汽車行業(yè)的發(fā)展過(guò)程中，增程式電動(dòng)汽車得到了各廠家的普遍重視，其中雪佛蘭Vol、寶馬i3REx、凱德拉克ELR等型號(hào)都是增程式電動(dòng)車的代表車型。典型的增程式電動(dòng)汽車的動(dòng)力結(jié)構(gòu)如圖1所示。

圖1 增程式電動(dòng)汽車的動(dòng)力系統(tǒng)結(jié)構(gòu)

其中車輛的動(dòng)力系統(tǒng)主要包括動(dòng)力電池、充電裝置、驅(qū)動(dòng)電機(jī)、電機(jī)控制器等[1-3]。

增程式電動(dòng)汽車的工作模式可以分為純電動(dòng)模式和增程模式兩種，當(dāng)車載動(dòng)力電池電量充足時(shí)提供汽車行駛的全部電能，該階段電動(dòng)汽車純電動(dòng)模式運(yùn)行。當(dāng)動(dòng)力電池的SOC值小于預(yù)先設(shè)定的電量閾值時(shí)，由發(fā)動(dòng)機(jī)、電動(dòng)機(jī)及PWM整流器構(gòu)成的APU將會(huì)開啟工作,為動(dòng)力電池提供電能實(shí)現(xiàn)電動(dòng)汽車的有效續(xù)航[4-5]。

增程式電動(dòng)汽車的控制策略將發(fā)動(dòng)機(jī)脫離驅(qū)動(dòng)車輪的功能，只是實(shí)現(xiàn)對(duì)動(dòng)力電池的充電功能，因此,可以將發(fā)動(dòng)機(jī)的工作點(diǎn)控制在最優(yōu)的工作區(qū)域。目前行業(yè)中常采用增程式電動(dòng)汽車的控制策略包括恒溫式控制策略、功率跟隨式控制策略以及結(jié)合兩種控制優(yōu)勢(shì)的恒溫+跟隨式控制策略，這種控制策略可以有效緩解恒溫式控制策略對(duì)電池使用壽命的損害，同時(shí)又可以規(guī)避功率跟隨式控制策略對(duì)發(fā)動(dòng)機(jī)的頻繁啟動(dòng)，在一定程度上降低了增程式電動(dòng)汽車的油耗[6-9]。

1 基于模糊控制的需求功率預(yù)測(cè)建模

恒溫+跟隨式控制策略中需要在電動(dòng)汽車運(yùn)行過(guò)程中對(duì)增程器需求功率進(jìn)行預(yù)測(cè)，以便與功率閾值進(jìn)行對(duì)比,從而實(shí)現(xiàn)控制增程器的有效開關(guān)。文中采取雙輸入單輸出的模糊控制規(guī)則，以動(dòng)力電池SOC和整車的需求功率作為輸入，APU的需求功率作為輸出，模糊規(guī)則的推理方法采用Mandani法。

對(duì)其中動(dòng)力電池荷電狀態(tài)連續(xù)取值范圍為：

SOC=[SOCmin，SOCmax]=[0.2，0.9]

離散的取值范圍為：

SOC={2,3,4,5,6,…,9}

對(duì)應(yīng)量化因子K1的計(jì)算公式為：

動(dòng)力電池荷電狀態(tài)的模糊子集定為{VL,SL,LO,NM,HI,SH,VH},其隸屬度函數(shù)如圖2所示。

整車需求功率連續(xù)取值范圍為：

Pmot=[Pmotmin，Pmotmax]=[-20，90]

離散的取值范圍為：

Pmot={-2,-1,0,…,9}

對(duì)應(yīng)的量化因子K2的計(jì)算公式為：

通過(guò)以上兩個(gè)譯文比較可以發(fā)現(xiàn)，原譯文語(yǔ)言直白，但語(yǔ)言死板，邏輯稍遜；參考譯文是一個(gè)隱含的因果句，語(yǔ)言優(yōu)美，符合漢語(yǔ)表達(dá)習(xí)慣，較為準(zhǔn)確地表達(dá)了原文意義。在具體翻譯過(guò)程中，要對(duì)所處的情景進(jìn)行具體分析，這便構(gòu)成了靈活運(yùn)用“權(quán)”的前提，仔細(xì)比較，靈活取舍，行權(quán)便是為了更好的行經(jīng)，這樣讀者讀譯文時(shí)便會(huì)身臨其境，如讀原文一般。

整車需求功率的模糊子集定為{RB,RS,ZE,FS,FM,FB,FVB,FEB}，其隸屬度函數(shù)如圖3所示。

圖2 動(dòng)力電池荷電狀態(tài)隸屬度函數(shù)

圖3 整車需求功率隸屬度函數(shù)

增程器需求功率的離散取值范圍為：

Papu={0,1,…,7}

通過(guò)比例因子K3得到連續(xù)的輸出

Papu=[Papumin，Papumax]=[0，35]

對(duì)應(yīng)的比例因子K3的計(jì)算公式為：

增程器需求功率的模糊子集定為{ES,VS,SM,MI,BG,VB,EB,VEB}，其隸屬度函數(shù)如圖4所示。

圖4 增程器需求功率隸屬度函數(shù)

根據(jù)增程式電動(dòng)汽車的仿真實(shí)驗(yàn)和實(shí)際測(cè)試結(jié)果制定模糊控制規(guī)則，其部分模糊規(guī)則如圖5所示。

圖5 增程式電動(dòng)汽車APU功率預(yù)測(cè)模糊規(guī)則

將上述APU功率預(yù)測(cè)的模糊算法嵌入到Matlab/Simulink中的模糊控制模塊，在Matlab的環(huán)境下，利用Cruise汽車仿真軟件建立增程式電動(dòng)汽車的模型，測(cè)試的循環(huán)工況為國(guó)際通常進(jìn)行油耗測(cè)試的美國(guó)市區(qū)模擬測(cè)試循環(huán)工況(FTP75)，設(shè)定動(dòng)力電池的初始荷電狀態(tài)為0.6，采用恒溫+功率跟隨式控制策略，增程器的電量閾值設(shè)定SOC上限值為90，SOC下限值為30，功率閾值上限值設(shè)定為30，功率下限值設(shè)定為15,當(dāng)動(dòng)力電池的荷電狀態(tài)超出電量閾值時(shí)，可以實(shí)現(xiàn)增程器開啟，使發(fā)動(dòng)機(jī)為動(dòng)力電池充電，實(shí)現(xiàn)電動(dòng)汽車的續(xù)航行駛，另外車輛可以準(zhǔn)確跟隨循環(huán)工況，證明通過(guò)模糊規(guī)則建立的功率需求預(yù)測(cè)模塊可以準(zhǔn)確實(shí)現(xiàn)功能，為增程器功率判斷提供參考。

2 基于神經(jīng)網(wǎng)絡(luò)遺傳算法對(duì)電量閾值的優(yōu)化

電量閾值上限值與下限值的確定直接影響到增程式電動(dòng)汽車行駛過(guò)程中的油耗，但參數(shù)之間存在著復(fù)雜的非線性耦合關(guān)系，因此，通過(guò)常規(guī)的建模方法很難找出汽車百公里油耗與增程器電量閾值之間的函數(shù)關(guān)系，對(duì)于這種問(wèn)題文中通過(guò)神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法的方式進(jìn)行最優(yōu)化求解，利用神經(jīng)網(wǎng)絡(luò)的非線性擬合能力和遺傳算法的非線性尋優(yōu)能力來(lái)對(duì)百公里油耗的最優(yōu)值進(jìn)行計(jì)算。

2.1 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

通過(guò)Cruise仿真平臺(tái)對(duì)電量閾值SOCmax、SOCmin不同取值情況下的百公里油耗進(jìn)行測(cè)試，在FTP75工況下共測(cè)得32組數(shù)據(jù)，用該組輸入輸出數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，并使得訓(xùn)練后的網(wǎng)絡(luò)能夠擬合非線性函數(shù)輸出，保存訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)用于計(jì)算遺傳算法下個(gè)體的適應(yīng)度。根據(jù)系統(tǒng)2個(gè)輸入?yún)?shù)和1個(gè)輸出參數(shù)的數(shù)據(jù)特點(diǎn)，確定BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為2-3-1，取函數(shù)的32組輸入輸出數(shù)據(jù)，從中隨機(jī)取得22組數(shù)據(jù)作為數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，10組數(shù)據(jù)測(cè)試網(wǎng)絡(luò)的性能，網(wǎng)絡(luò)訓(xùn)練好后用于預(yù)測(cè)非線性函數(shù)的輸出，神經(jīng)網(wǎng)絡(luò)在訓(xùn)練完成后預(yù)測(cè)輸出與期望輸出的輸出圖像如圖6所示。

圖6 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出與期望輸出的對(duì)比

從BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果可以看出，該BP神經(jīng)網(wǎng)絡(luò)可以近似準(zhǔn)確預(yù)測(cè)非線性函數(shù)輸出，因此，可以將神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出近似看作是函數(shù)實(shí)際輸出。

2.2 基于遺傳算法的函數(shù)尋優(yōu)

BP神經(jīng)網(wǎng)絡(luò)對(duì)函數(shù)進(jìn)行非線性擬合，并將訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果作為個(gè)體適應(yīng)度值，通過(guò)遺傳算法的選擇、交叉和變異操作尋求函數(shù)的全局最優(yōu)值。在遺傳算法中個(gè)體采用實(shí)數(shù)編碼方式，考慮到尋優(yōu)的函數(shù)有2個(gè)輸入?yún)?shù)，取遺傳個(gè)體長(zhǎng)度為2，當(dāng)遺傳算法中適應(yīng)度越小，個(gè)體篩選結(jié)果最優(yōu)。遺傳算法參數(shù)設(shè)置為：種群規(guī)模為20，進(jìn)化代數(shù)為100代，交叉概率為0.4，變異概率取0.2。在Matlab中通過(guò)遺傳算法的操作之后，得到優(yōu)化后的電量上限閾值為80.011 8，下限閾值為28.952 7。

3 優(yōu)化結(jié)果的經(jīng)濟(jì)性能仿真驗(yàn)證

增程式電動(dòng)汽車經(jīng)濟(jì)性能的評(píng)價(jià)指標(biāo)是考慮到純電動(dòng)模式下的續(xù)航里程，以及增程模式下的耗油量和排放量。因此在對(duì)增程式電動(dòng)汽車的經(jīng)濟(jì)性能仿真時(shí)，對(duì)電量閾值的設(shè)定直接決定了汽車行駛過(guò)程中純電動(dòng)模式與增程模式的分配比例。純電動(dòng)模式所占比例越大，則電動(dòng)車的耗油量越小，但同時(shí)動(dòng)力電池荷電狀態(tài)又直接影響到電池的使用壽命和整車性能。因此，文中在保證電動(dòng)汽車行駛性能的基礎(chǔ)上配置電量閾值，以實(shí)現(xiàn)百公里油耗最低。通過(guò)上述神經(jīng)-遺傳算法優(yōu)化出的最優(yōu)電量閾值SOCmax為80.012，SOCmin為28.953,通過(guò)Matlab與Cruise的聯(lián)合仿真在FTP75工況下由不同算法優(yōu)化出不同閾值情況下的百公里油耗見表1。

表1 不同算法優(yōu)化出不同閾值情況下的百公里油耗

4 結(jié) 語(yǔ)

在滿足增程式電動(dòng)汽車的整車性能的基礎(chǔ)上，以提高整車經(jīng)濟(jì)性為目的建立控制策略，首先在Matlab中利用模糊規(guī)則建立增程器需求功率預(yù)測(cè)模型，采用恒溫+功率跟隨式控制策略通過(guò)判斷增程器需求功率、動(dòng)力電池的荷電狀態(tài)與設(shè)定功率閾值及電量閾值的比較決定增程器開關(guān)，此外通過(guò)神經(jīng)-遺傳算法來(lái)對(duì)閾值進(jìn)行優(yōu)化，實(shí)現(xiàn)燃油消耗性能最優(yōu)的組最優(yōu)解，通過(guò)Cruise與Matlab建立聯(lián)合仿真模型來(lái)驗(yàn)證該種控制方法的控制性能，結(jié)果表明,對(duì)比于某論文中采取的遺傳算法優(yōu)化結(jié)果，該種方法實(shí)現(xiàn)了增程式電動(dòng)汽車百公里油耗的降低。

[1] 申彩英，李孟柯，胥帆.增程式電動(dòng)車動(dòng)力系統(tǒng)參數(shù)匹配與仿真研究[J].汽車實(shí)用技術(shù),2013(9):20-25.

[2] 于浩.串聯(lián)式混合動(dòng)力汽車輔助動(dòng)力單元及其控制系統(tǒng)仿真研究[M].北京:北京理工大學(xué)出版社，2006:63-71.

[3] 申彩英.串聯(lián)混合動(dòng)力汽車能量?jī)?yōu)化管理策略研究[D].天津:天津大學(xué)，2010.

[4] 朱正禮.并聯(lián)式混合動(dòng)力轎車動(dòng)力系統(tǒng)性能匹配與優(yōu)化研究[D].上海:上海交通大學(xué)，2004.

[5] 麻友良，陳全世.混合動(dòng)力電動(dòng)汽車的發(fā)展[J].公路交通科技，2001,18(1):78-80.

[6] 周蘇，牛繼高，陳風(fēng)祥，等.增程式電動(dòng)汽車動(dòng)力系統(tǒng)設(shè)計(jì)與仿真研究[J].汽車工程，2011,33(11):924-929.

[7] 張洪延，董煒江.增程式電動(dòng)汽車的設(shè)計(jì)與控制[J].汽車工程學(xué)報(bào)，2014,4(5):342-352.

[8] 宋柯，章桐.增程式純電驅(qū)動(dòng)汽車的動(dòng)力系統(tǒng)研究[J].汽車技術(shù),2011，7:13-14.

[9] 程方曉，李騰飛，王旭.電動(dòng)汽車電池建模及放電管理研究[J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào),2016，37(2):159-164.

Neural networks and genetic extended-range control for electric vehicle

ZHANG Niaona, LI Haolin*, LI Yanyang, ZHOU Changzhe

(School of Electrical & Electronic Engineering, Changchun University of Technology, Changchun 130012， China)

Constant thermostatic control is combined with power follow control to turn on a range extenderswitch with battery SOC and APU required power as judgement conditions. Fuzzy rule is applied to build the APU required power model based on the chargestate of vehicles and pedal opening. The required power & power threshold is combined with charge state & charge threshold to control the range extender switch for different operations. Both the power threshold and charge threshold are obtained with Cruise simulation under FTP75 conditions, and Neural Network Genetic Algorithm is used to optimize the fuel consumption function.

extended-range electric vehicle； control strategy； neural networks and eenetic algorithm； fuel consumption rate.

10.15923/j.cnki.cn22-1382/t.2017.1.09

2016-09-22

吉林省省級(jí)經(jīng)濟(jì)結(jié)構(gòu)戰(zhàn)略調(diào)整引導(dǎo)資金專項(xiàng)項(xiàng)目(2014Y126)； 長(zhǎng)春市科技局重大科技攻關(guān)計(jì)劃基金資助項(xiàng)目(14KG095)

張裊娜(1972-)，女，漢族，吉林長(zhǎng)春人，長(zhǎng)春工業(yè)大學(xué)教授，博士，主要從事非線性系統(tǒng)控制、故障診斷方向研究,E-mail:zhangniaona@163.com. *通訊作者：李昊林(1993-)，男，漢族，吉林白山人，長(zhǎng)春工業(yè)大學(xué)碩士研究生，主要從事新能源汽車巡航控制與建模仿真方向研究,E-mail:842378030@qq.com.

U 463.6

A

1674-1374(2017)01-0048-05