劉世達(dá)，齊毅，譚超廣，劉豪睿

（德州學(xué)院汽車工程學(xué)院，山東 德州 253023）

前言

目前，電動汽車和混合動力電動汽車的發(fā)展，插電式混合動力電動汽車獲得關(guān)注。PHEV使用存儲電力汽車是首選的用戶，在價格和經(jīng)濟(jì)性上比汽油更有競爭力。車輛僅由電池——這一過程被稱為充電損耗（CD）模式，在SOC達(dá)到預(yù)定的閾值。SOC到達(dá)截止閥值后，車輛是由發(fā)動機和電池一起，稱為電荷保持（CS）模式[1]。CD/CS模式是最簡單和最直接的方式實現(xiàn)能源管理 PHEV；盡管如此，這種方法只能部分優(yōu)化燃油經(jīng)濟(jì)性通過正確確定其控制參數(shù)。

插電式混合動力車能源管理可以作為一個隨機優(yōu)化問題。如果所有的駕駛信息是已知的在旅行開始之前，可方便地求得最優(yōu)能源管理等目標(biāo)改善燃油經(jīng)濟(jì)性，減少排放，并降低整體成本的電力和燃料汽油的價格。這促使許多研究者試圖優(yōu)化能源管理通過應(yīng)用各種控制算法，眾多研究人員基于模糊控制技術(shù)提出了一個能量控制策略。從這些研究中，模糊控制技術(shù)的適用性測試中混合動力電動汽車。然而，客觀性和全局優(yōu)化可能很難實現(xiàn)，因為隸屬函數(shù)和模糊規(guī)則是由專家經(jīng)驗的模糊控制系統(tǒng)。因此，有必要修改PHEV的模糊能量控制器與一個合適的優(yōu)化算法。

1 動力結(jié)構(gòu)圖

圖1 并聯(lián)動力汽車結(jié)構(gòu)圖

1.1 車輛模型

在并聯(lián)混合動力結(jié)構(gòu)中，發(fā)動機通過動力分配裝置與電動機/發(fā)電機連接；電動機既可以提供動力，又可以利用發(fā)動機的剩余能量和汽車制動時的制動能來發(fā)電。Treq為混合驅(qū)動系統(tǒng)的總需求轉(zhuǎn)矩，由車輛加速踏板信號、當(dāng)前車速和變速器檔位確定；Tengine和Tmotor分別為發(fā)動機和電機轉(zhuǎn)矩。電機所能提供的正/負(fù)轉(zhuǎn)矩可以調(diào)整發(fā)動機的工作點，調(diào)整的依據(jù)是發(fā)動機的效率曲線圖。能量管理策略可根據(jù)混合驅(qū)動系統(tǒng)的需求轉(zhuǎn)矩及當(dāng)前電池組SOC，基于發(fā)動機效率曲線圖合理地分配發(fā)動機和電機的輸出轉(zhuǎn)矩，以提高車輛的燃油經(jīng)濟(jì)性。

原始的PHEV模型的參數(shù)在表1中列出。動態(tài)性能要求從美國PNGV標(biāo)準(zhǔn)得到[2]，這些目標(biāo)在表2中定義。

表1 車輛參數(shù)

表2 動力性能區(qū)間值

1.2 駕駛循環(huán)

有兩個主要類別的駕駛周期，標(biāo)準(zhǔn)和非標(biāo)準(zhǔn)[3]。兩個不同的城市駕駛循環(huán)及其統(tǒng)計，即NEDC和FTP，分別如表3所示。

表3 駕駛循環(huán)參數(shù)

2 ICPSO模糊控制策略

模糊控制器是模糊控制的重要核心，主要是由反模糊化接口、規(guī)則庫、模糊化接口以及推理機制所構(gòu)成的[4]。在經(jīng)過多次計算后得到整車需求轉(zhuǎn)矩 Treq和發(fā)動機在車速不變情況下最低油耗點所對應(yīng)的轉(zhuǎn)矩Topt，將以上兩個數(shù)值相減后，與動力電池SCO共同作為輸入變量。而在模糊推理后便可得到輸出變量。其模糊控制器總體結(jié)構(gòu)圖為圖2所示。

圖2 并行混合動力車的模糊控制器

2.1 模糊控制規(guī)則中的待優(yōu)化參數(shù)

粒子群優(yōu)化算法編碼和文檔 M 的仿真平臺集成的算法過程中，整車模型和模糊控制策略形成于 ADVISOR2002。算法運算過程如圖3所示。

圖3 ICPSO模糊控制優(yōu)化過程

2.2 擬合測試

PHEB控制策略參數(shù)的優(yōu)化最終目標(biāo)是對汽車的油耗進(jìn)行降低，并且在此過程中還能夠能夠有害氣體的排放，更重要的是不會影響到汽車的動力。本數(shù)學(xué)模型所研究的排放指標(biāo)有HC、CO以及NOx。對此，適應(yīng)度函數(shù)為：

在上述公式中，F(xiàn)（x）代表的是目標(biāo)函數(shù)，而（x1，x2，x3，x4，x5，x6）中參數(shù)與實際控制參數(shù)對應(yīng)關(guān)系與值域如表 4所示。在表中，F(xiàn)uel(x)為燃油消耗，CO(x)，HC(x)和NOx(x)分別表示控制參數(shù)為x時CO，HC，NOx的排放量，gj(x)≥0（j=1,2,L,m）代表的是汽車爬坡性能與加速性能的制約因素。對此，為了能夠有效的、合理的適用于輪盤賭法選擇策略，可將F（x）更改為：

式中：Fueltar、COtar、HCtar和 NOx,tar為控制器參數(shù)優(yōu)化數(shù)學(xué)模型優(yōu)化排放、油耗的目標(biāo)值，其數(shù)值是符合美國聯(lián)邦排放標(biāo)準(zhǔn)的[5]，表4中包含的是優(yōu)化目標(biāo)值。

表4 主要控制參數(shù)

此外，車輛縱向動態(tài)需求被定義為約束條件，以下乘用車約束確保車輛性能不降低的前提下優(yōu)化[6]：1）爬坡能力0-88.5 km / h在不低于6.5% 的坡度下時間少于20秒；2）加速時間：0-97 km/h不超過12秒，64-97公里/小時不超過5.3秒，0-137公里/小時不超過 23.4秒；3）最高速度：≥137km/h；4）最大加速度：≥0.5g；5）制動距離≦42.7米。結(jié)合backward-forward建模用于混合動力汽車模型的實現(xiàn)和仿真控制器。潛在的改善燃油經(jīng)濟(jì)性已被證明通過使用ICPSO-fuzzy邏輯，相對于其他控制器，只有發(fā)動機的效率最大化。

3 優(yōu)化結(jié)果

對此，將混沌遺傳算法種群的數(shù)值設(shè)定為2000。除此之外，變異率為0.01，交叉率為0.9，終止代數(shù)為80以及初始種群大小為 50。緊接著，在 Matlab命令窗口運行非界面ADVISOR2002。

表5 燃料消耗和排放速率為手動和自動變速箱在各種駕駛循環(huán)

在仿真過程中，以原模糊控制策略與優(yōu)化后的控制策略來執(zhí)行仿真，進(jìn)而得到的優(yōu)化前后的運行效果如表5所示。由此能夠看出在優(yōu)化后汽車的油耗每公里降低 0.32L，其節(jié)油比重為5.15%。除此之外，CO排放方面降低了0.032g/km，同比之前降低了6.39%，并且HC與NOx等排放也有所降低。結(jié)果表明，優(yōu)化的模糊控制器與ICPSO減少燃料消耗和排放在現(xiàn)實世界中駕駛循環(huán)對各種配置。

參考文獻(xiàn)

[1] 劉博,杜繼宏,齊國光.電動汽車制動能量回收控制策略的研究[J].電子技術(shù)應(yīng)用, 2004, 30(1):34-36.

[2] 劉洋,胡嘉磊. 混合動力電動汽車能量管理系統(tǒng)控制策略研究[J].信息技術(shù), 2016(9):121-125.

[3] 吳曉剛, 王旭東, 孫金磊,等.ISG 型混合動力汽車粒子群優(yōu)化模糊控制研究[J].公路交通科技, 2011, 28(6):146-152.

[4] 吳劍, 張承慧, 崔納新. 基于粒子群優(yōu)化的并聯(lián)式混合動力汽車模糊能量管理策略研究[J]. 控制與決策, 2008, 23(1):46-50.

[5] 李高. 并聯(lián)式混合動力汽車能量優(yōu)化管理策略的研究[D]. 湖南工業(yè)大學(xué), 2014.

[6] 石磊.混合動力系統(tǒng)控制策略及匹配應(yīng)用研究[D]. 湖南大學(xué),2014.