郭海龍 張永棟 張勝賓

（1.廣東交通職業(yè)技術(shù)學(xué)院,廣州 510650；2.華南理工大學(xué),廣州 510641）

基于能量效率的HEV多模式控制策略及判據(jù)研究＊

郭海龍1，2張永棟1,2張勝賓1

（1.廣東交通職業(yè)技術(shù)學(xué)院,廣州 510650；2.華南理工大學(xué),廣州 510641）

以某款混聯(lián)式HEV為研究對象，建立了車輛動(dòng)力系統(tǒng)仿真模型及整車能量控制策略優(yōu)化模型。對比不同需求驅(qū)動(dòng)轉(zhuǎn)矩下的整車能量轉(zhuǎn)換效率發(fā)現(xiàn)，在電池剩余電量及車速相同條件下，隨著駕駛?cè)诵枨篁?qū)動(dòng)轉(zhuǎn)矩的增加，HEV能量轉(zhuǎn)換效率呈現(xiàn)“凸拋物線”規(guī)律?；谠撘?guī)律，形成了HEV能量控制策略動(dòng)力性、平衡性和經(jīng)濟(jì)性控制規(guī)則的劃分判據(jù)。

1 前言

整車驅(qū)動(dòng)能量控制策略作為混合動(dòng)力電動(dòng)汽車（HEV）的核心技術(shù)之一，一直以來都是HEV研究的熱點(diǎn)和重點(diǎn)，國內(nèi)外眾多學(xué)者對此進(jìn)行了探討[1-3]。然而，目前相關(guān)研究更多的是關(guān)注HEV在不同車速、剩余電量（SOC）和動(dòng)力系統(tǒng)需求轉(zhuǎn)矩或需求功率前提下，動(dòng)力系統(tǒng)的優(yōu)化問題[4-9]，鮮有學(xué)者就“HEV需求驅(qū)動(dòng)轉(zhuǎn)矩對整車能量效率影響”的問題進(jìn)行分析，進(jìn)而對能量控制策略進(jìn)行細(xì)化研究?；诖?，以某款典型混聯(lián)式HEV為研究對象，通過建立HEV控制策略和控制策略優(yōu)化模型，選擇遺傳粒子群算法對HEV的能量控制策略進(jìn)行優(yōu)化，并對不同駕駛員需求轉(zhuǎn)矩對動(dòng)力系統(tǒng)的效率影響進(jìn)行研究，以進(jìn)一步揭示HEV能量轉(zhuǎn)換效率的內(nèi)在規(guī)律，并提高HEV的能量轉(zhuǎn)換效率。

2 HEV仿真模型的建立

2.1 HEV動(dòng)力系統(tǒng)結(jié)構(gòu)及參數(shù)

研究對象為混聯(lián)式HEV，其動(dòng)力系統(tǒng)主要由發(fā)動(dòng)機(jī)、動(dòng)力電池、發(fā)電機(jī)、電動(dòng)機(jī)、行星齒輪變速機(jī)構(gòu)等部分組成，圖1為動(dòng)力系統(tǒng)結(jié)構(gòu)簡圖，其中電動(dòng)機(jī)與齒圈相連接將電驅(qū)動(dòng)動(dòng)力直接輸出，發(fā)電機(jī)與太陽輪連接，用來起動(dòng)發(fā)動(dòng)機(jī)或發(fā)電，發(fā)動(dòng)機(jī)與行星架連接，動(dòng)力一部分通過太陽輪帶動(dòng)發(fā)電機(jī)發(fā)電，另一部分通過齒圈將燃油驅(qū)動(dòng)動(dòng)力輸出。齒圈作為油電驅(qū)動(dòng)的疊加裝置，通過鏈條帶動(dòng)中間軸，中間軸再將動(dòng)力傳遞到主減速器和差速器，最終將動(dòng)力傳遞到驅(qū)動(dòng)輪。表1為混聯(lián)式HEV整車及動(dòng)力學(xué)主要相關(guān)參數(shù)，包括動(dòng)力傳動(dòng)機(jī)構(gòu)齒輪齒數(shù)及效率參數(shù)等。

圖1 行星齒輪式混聯(lián)HEV動(dòng)力總成結(jié)構(gòu)簡圖

表1 混聯(lián)式HEV整車主要參數(shù)

2.2 HEV整車建模

為了揭示HEV需求驅(qū)動(dòng)轉(zhuǎn)矩與整車能量轉(zhuǎn)換效率之間的關(guān)系，需要建立研究對象的能量控制策略仿真模型，圖2為基于實(shí)車采集的試驗(yàn)數(shù)據(jù)，運(yùn)用MATLAB/Simulink、Cruise及ADVISOR軟件建立了混聯(lián)式HEV能量控制策略前向型整車仿真模型[10]，其中，模塊1為行星齒輪傳動(dòng)機(jī)構(gòu)機(jī)構(gòu)模塊，用于計(jì)算不同驅(qū)動(dòng)狀態(tài)下行星齒輪的傳動(dòng)效率；模塊2為發(fā)動(dòng)機(jī)實(shí)際輸出轉(zhuǎn)矩估算模塊，用于發(fā)動(dòng)機(jī)優(yōu)化控制；模塊3為駕駛?cè)瞬僮髂K，包括加速及制動(dòng)踏板行程、駕駛模式及擋位選擇等；模塊4為行駛狀況識(shí)別模塊，運(yùn)用算法計(jì)算道路坡度和整車質(zhì)量，輸出到模塊5；模塊5為駕駛?cè)艘鈭D辨識(shí)模塊，輸出駕駛?cè)诵枨篁?qū)動(dòng)轉(zhuǎn)矩或功率到模塊6；模塊6為控制策略優(yōu)化計(jì)算模塊，用于根據(jù)車輛狀態(tài)及駕駛?cè)艘鈭D，優(yōu)化得出動(dòng)力系統(tǒng)各部件的工作點(diǎn)；模塊7為動(dòng)力電池參數(shù)計(jì)算模塊，用于動(dòng)力電池電壓、電流、SOC、溫度、效率等參數(shù)的仿真計(jì)算；模塊8為整車動(dòng)力學(xué)和運(yùn)動(dòng)學(xué)計(jì)算模塊，用于仿真計(jì)算車速；模塊9為混合動(dòng)力電動(dòng)汽車能耗及廢氣排放計(jì)算模塊，輸出為HEV的能耗和排放數(shù)據(jù)，用來對控制策略的優(yōu)化結(jié)果進(jìn)行評價(jià)。

圖2 混聯(lián)式混合動(dòng)力汽車整車仿真模型

3 轉(zhuǎn)換效率與駕駛?cè)诵枨篁?qū)動(dòng)轉(zhuǎn)矩關(guān)系研究

基于所建立的車輛仿真模型，為對能量控制策略進(jìn)行優(yōu)化計(jì)算，需建立優(yōu)化計(jì)算數(shù)學(xué)模型，并選擇優(yōu)化計(jì)算方法進(jìn)行尋優(yōu)計(jì)算。

3.1 HEV優(yōu)化模型

行駛過程中，齒圈需求轉(zhuǎn)矩、轉(zhuǎn)速和功率為：

式中，Trrcq為齒圈需求驅(qū)動(dòng)轉(zhuǎn)矩；Tr為齒圈需求轉(zhuǎn)矩；Nm為電動(dòng)機(jī)轉(zhuǎn)速；ua為車速；i0為主減速器傳動(dòng)比；Pr為齒圈需求功率。

由混聯(lián)式HEV行星齒輪關(guān)系可得如下參數(shù)關(guān)系式：

式中，Ng為發(fā)電機(jī)轉(zhuǎn)速；Ne為發(fā)動(dòng)機(jī)轉(zhuǎn)速；p為行星齒輪特征參數(shù)；Tg為發(fā)電機(jī)轉(zhuǎn)矩；Tc為發(fā)動(dòng)機(jī)轉(zhuǎn)矩；ηp為行星齒輪組效率；Tm為電動(dòng)機(jī)轉(zhuǎn)矩；Pcrank為曲軸輸出功率；Pm為電動(dòng)機(jī)功率；ηess_c為動(dòng)力電池充電效率；ηess_dis為動(dòng)力電池放電效率。

動(dòng)力電池功率Pess在發(fā)電機(jī)和電動(dòng)機(jī)不同功率條件下是不同的，如下：

式中，pg為發(fā)電機(jī)功率；ηg為發(fā)電機(jī)效率；ηm為電動(dòng)機(jī)效率；ηess_dis為動(dòng)力電池放電效率；ηess_c為動(dòng)力電池充電效率。

式中，ηave為發(fā)動(dòng)機(jī)的平均效率；為修正后的發(fā)動(dòng)機(jī)效率。

發(fā)動(dòng)機(jī)曲軸輸出功率Ptank與油箱輸出功率Pcrank的關(guān)系為：

考慮動(dòng)力電池充放電狀態(tài)下，發(fā)動(dòng)機(jī)油箱真正用于驅(qū)動(dòng)汽車的輸出功率Ptank_t為：

整個(gè)系統(tǒng)的能量轉(zhuǎn)化率為：

式中，Pring_r為齒圈需求功率。

為了降低HEV的油耗，需要對發(fā)動(dòng)機(jī)、電動(dòng)機(jī)、發(fā)電機(jī)及動(dòng)力電池的工作點(diǎn)進(jìn)行優(yōu)化，使得整車綜合效率最高，故將優(yōu)化目標(biāo)函數(shù)取為系統(tǒng)能量轉(zhuǎn)化率最大，即取優(yōu)化目標(biāo)函數(shù)為能量轉(zhuǎn)化率的倒數(shù)最?。?/p>

發(fā)電機(jī)、電動(dòng)機(jī)、發(fā)動(dòng)機(jī)和動(dòng)力電池的約束函數(shù)如下：

以上約束函數(shù)首先要求發(fā)動(dòng)機(jī)、發(fā)電機(jī)和電動(dòng)機(jī)的轉(zhuǎn)速和轉(zhuǎn)矩在可實(shí)現(xiàn)范圍內(nèi)，其次要求電池充放電功率小于最大允許功率。

3.2 優(yōu)化方法研究

由式（11）和式（12）可知，混聯(lián)式HEV能量控制策略優(yōu)化目標(biāo)函數(shù)過于復(fù)雜，無法求得其梯度信息，因此傳統(tǒng)優(yōu)化方法難于求解，仿生算法已被證明適合該類問題求解，其中遺傳算法具有群體進(jìn)化特點(diǎn)，粒子群算法具有快速收斂優(yōu)點(diǎn)，可用于本優(yōu)化問題。

3.2.1 遺傳算法原理

遺傳算法是一種高效全局尋優(yōu)算法，其不借助優(yōu)化目標(biāo)函數(shù)的梯度來尋優(yōu)。步驟如下：

a. 染色體編碼、譯碼。

假設(shè)某個(gè)體二進(jìn)制碼為bkbk-1bk-2…b2b1，則可按式（13）解碼：

b.個(gè)體適應(yīng)度檢測：為了計(jì)算每個(gè)個(gè)體遺傳到下一代的概率值，需要計(jì)算其目標(biāo)函數(shù)適應(yīng)度。

c.下一代個(gè)體形成。

選擇：假設(shè)M為種群個(gè)體數(shù)量，fi為個(gè)體i的適應(yīng)度值，則該個(gè)體遺傳到下一代的概率為：

交叉：首先任意選擇個(gè)體2個(gè)，再選擇交叉位置，最后互換基因碼。

變異：對擬變異的個(gè)體任意基因位，將其基因碼進(jìn)行翻轉(zhuǎn)，即形成型個(gè)體。

3.2.2 粒子群算法原理

粒子群算法通過模擬動(dòng)物尋物來尋優(yōu)，精度高、收斂快是其主要優(yōu)點(diǎn)。算法將每個(gè)個(gè)體看作是一個(gè)沒有體積和質(zhì)量的粒子，并在搜索空間飛行尋優(yōu)，其飛行速度由個(gè)體經(jīng)驗(yàn)和群體經(jīng)驗(yàn)進(jìn)行動(dòng)態(tài)調(diào)整。

一般來講，一個(gè)粒子群由m個(gè)粒子組成，其第i粒子是由3個(gè)N維向量組成：

其中，i=1,2,…,m。

基本PSO群算法的進(jìn)化方程可描述為：

式中，t表示第t代；，為變速常數(shù)；，為相互獨(dú)立的隨機(jī)函數(shù)。

由式（15）可知，c1用來調(diào)節(jié)微粒向自身最好位置移動(dòng)的步長，c2用來調(diào)節(jié)微粒向全局最好位置移動(dòng)的步長。

3.2.3 遺傳算法和粒子群算法的對比研究

遺傳算法模擬生物進(jìn)化來尋優(yōu)計(jì)算，其優(yōu)點(diǎn)是群體尋優(yōu)、不易陷入局部最優(yōu)、可應(yīng)對復(fù)雜優(yōu)化問題等，缺點(diǎn)是效率較低。粒子群算法的粒子具有記憶功能，無交叉變異，僅可據(jù)自身速度尋優(yōu)；遺傳算法比較均勻地向最優(yōu)區(qū)域逼近，而粒子群算法的最優(yōu)微?？蓡蜗騻鬟f信息給其他微粒，因此可快速收斂?；诖?，可將二者結(jié)合，即用遺傳粒子群算法來對HEV能量控制策略進(jìn)行高效、快速、全局尋優(yōu)，其核心思想是粒子群下一代微粒的位置和速度由上一代粒子進(jìn)行遺傳雜交求得。

3.3 優(yōu)化結(jié)果

以SOC、車速、齒圈上的需求功率或轉(zhuǎn)矩為已知參數(shù)，以發(fā)動(dòng)機(jī)、電動(dòng)機(jī)、發(fā)電機(jī)工作點(diǎn)為優(yōu)化變量，以式（11）為優(yōu)化目標(biāo)函數(shù)，以式（12）為約束函數(shù)，運(yùn)用遺傳粒子群算法，進(jìn)行尋優(yōu)計(jì)算。

表2為優(yōu)化工作點(diǎn)，即SOC從0.4～0.8以0.05等差遞增，車速從10～165以5遞增，齒圈上的需求轉(zhuǎn)矩從3～468以3遞增，可知需優(yōu)化工況點(diǎn)為44 928（9×32×156）個(gè)，其中每個(gè)優(yōu)化工況點(diǎn)，運(yùn)行優(yōu)化程序1次。表3為優(yōu)化部分結(jié)果。

表2 優(yōu)化工況點(diǎn)

圖3為SOC=0.4時(shí)，發(fā)動(dòng)機(jī)工況點(diǎn)優(yōu)化結(jié)果，由該MAP圖可知，在SOC不變情況下，發(fā)動(dòng)機(jī)轉(zhuǎn)速和轉(zhuǎn)矩均隨車速和齒圈上需求功率的提高而提高，該MAP圖可用于HEV能量控制策略的直接查表運(yùn)算，進(jìn)而提高HEV的ECU運(yùn)行速度。

表3 優(yōu)化結(jié)果部分?jǐn)?shù)據(jù)

圖3 發(fā)動(dòng)機(jī)轉(zhuǎn)速和轉(zhuǎn)矩優(yōu)化結(jié)果MAP圖

3.4 “凸拋物線”規(guī)律的發(fā)現(xiàn)及其意義

圖4橫坐標(biāo)為SOC從0.4～0.8，車速從10～165km/h，齒圈上的需求轉(zhuǎn)矩從3～468 N·m共44 928個(gè)工況點(diǎn)組成的序列，縱坐標(biāo)為相應(yīng)的目標(biāo)函數(shù)值f，由圖4a可知，在整個(gè)f值序列里，存在多個(gè)“U”形拋物曲線。圖4b是將其局部放大后的結(jié)果，可以明顯看出該曲線的特征，每一條“U”形拋物曲線均表示SOC和車速一定的前提下，不同齒圈需求轉(zhuǎn)矩或功率求得的最佳工作點(diǎn)相應(yīng)的優(yōu)化目標(biāo)函數(shù)f值，存在局部“極小值”，對于能量轉(zhuǎn)化效率而言，該曲線現(xiàn)狀取倒數(shù)，即為“凸拋物線”形曲線。

圖4 不同車速、需求轉(zhuǎn)矩條件下的f值序列及其局部放大圖

該“U”形拋物曲線規(guī)律的發(fā)現(xiàn)可用于HEV多模式能量控制策略的模式劃分，即取每條“U”形曲線的最低點(diǎn)作為該條曲線的最佳齒圈需求轉(zhuǎn)矩Trreq_per，并將該轉(zhuǎn)矩點(diǎn)作為經(jīng)濟(jì)型模式的特征點(diǎn)，如圖4b中的實(shí)線圓圈，可取經(jīng)濟(jì)型特征點(diǎn)和其右側(cè)“U”形曲線最高點(diǎn)之間的中間點(diǎn)作為平衡型轉(zhuǎn)矩Trreq_bal特征點(diǎn)，如圖4b中的虛線圓圈，從而形成動(dòng)力型、經(jīng)濟(jì)型、平衡型能量控制策略的控制規(guī)則，其中發(fā)動(dòng)機(jī)控制工作點(diǎn)分別可由式（18）～式（22）求得，電動(dòng)機(jī)及發(fā)電機(jī)可由式（2）～式（4）計(jì)算得到。

動(dòng)力型模式：

經(jīng)濟(jì)性模式：

平衡型模式：

由式（18）～式（22）可知，因?yàn)榻?jīng)濟(jì)型模式和平衡型模式均對齒圈上的轉(zhuǎn)矩進(jìn)行了不同程度的限制，使得經(jīng)濟(jì)型模式效率高而動(dòng)力性低，動(dòng)力性模式反之，平衡型模式介于二者之間。

4 結(jié)束語

以某款典型的混聯(lián)式HEV為研究對象，分析了動(dòng)力系統(tǒng)結(jié)構(gòu)及參數(shù)，基于實(shí)車采集的數(shù)據(jù)建立了MATLAB/Simulink仿真計(jì)算模型。結(jié)合研究對象，建立了HEV能量控制策略優(yōu)化模型，得出如下結(jié)論：

a. 在SOC及車速已知條件下，不同齒圈需求轉(zhuǎn)矩經(jīng)過優(yōu)化所得的目標(biāo)函數(shù)值不同，呈現(xiàn)“U”形拋物線曲線規(guī)律，即存在一個(gè)能量轉(zhuǎn)化效率最高的點(diǎn)。

b. 基于該“U”形曲線規(guī)律，形成了HEV能量控制策略動(dòng)力性、平衡性和經(jīng)濟(jì)性控制規(guī)則的劃分判據(jù)。

1 Al-Alawi BM，Bradley TH.Review of Hybrid,Plug-in Hybrid，and Electric Vehicle Market Modeling Studies.Renew Sustain Energy Rev 2013；21：190–203.

2 Chen Z，Xiong R，Wang C，et al.An on-Line Predictive Energy Management Strategy for Plug-in Hybrid Electric Vehicles to Counter the Uncertain Prediction of the Driving cycle[J].Applied Energy，2016..

3 Chen S， Hung Y，Wu C， et al. Optimal Energy Management of a Hybrid Electric Powertrain System Using Improved Particle Swarm Optimization[J].Applied Energy，2015，160：132145.

4 左義和，項(xiàng)昌樂，閆清東，等.基于動(dòng)態(tài)規(guī)劃算法的混聯(lián)混合動(dòng)力汽車控制策略［J］.吉林大學(xué)學(xué)報(bào)(工學(xué)版)，2011，41(4)：898–903.

5 王偉達(dá)，項(xiàng)昌樂，劉輝.混聯(lián)式混合動(dòng)力系統(tǒng)多能源綜合控制策略[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2012，44(1)：138–143.

6 肖仁鑫，李濤，鄒敢，等.基于隨機(jī)動(dòng)態(tài)規(guī)劃的混聯(lián)式混合動(dòng)力汽車能量管理策略[J].汽車工程.2013(04)：317–321.

7 Xiong Weiwei，Zhang Yong，Yin Chengliang. Optimal Energy Management for Series-parallel Hybrid Electric Bus［J］.Energy Conversion and Management，2009，50：1730–1738.

8 Bianchi，Domenico，Rolando，Luciano，Serrao，Lorenzo，et al.A Rule-Based Strategy for a Series/parallel Hybrid Electric Vehicle:An Approach Based on Dynamic Programming[C].DSCC2010,United States:American Society of Mechanical Engineers,2010：507–514.

9 Joonyoung Park，Jonghan Oh，Youngkug Park，Kisang Lee.Optimal Power Distri-bution Strategy for Series-Parallel Hybrid Electric Vehicles[C]. Strategic Technology，The 1st International Forum on，2007，United States，IEEE，2007：37-43.

10 郭海龍.基于行駛狀況識(shí)別的混聯(lián)式HEV多模式能量控制策略研究［D］.廣州：華南理工大學(xué).

Study on HEV’s Multi-Mode Control Strategy and Criteria Based on Energy Efficiency

Guo Hailong1,2,Zhang Yongdong1,2,Zhang Shengbin1
（1.Guangdong Communication Polytechnic,Guangzhou 510650;2.South China University of Technology,Guangzhou 510641）

Simulation model of vehicle driving system and energy control strategy optimization model have been built with a series-parallel HEV as research object.Vehicle energy conversion efficiency under different demanded driving torques was compared,which indicated that HEV energy conversion efficiency showed a“U”parabola rule with the increase of demand torque,under the same battery remaining capacity and vehicle speeds.Based on this rule,the division criteria of control rule for HEV energy strategy dynamic property,balance and economy was formed.

Parallel-series,HEV,Multi-mode energy control strategy,Genetic particle swarm algorithm,Demand driving torque,Energy conversion efficiency.

混聯(lián)式 HEV 多模式能量控制策略 遺傳粒子群算法 需求驅(qū)動(dòng)轉(zhuǎn)矩 能量轉(zhuǎn)換效率

U469.7 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號：1000-3703（2017）12-0028-06

（1）廣東省優(yōu)秀青年教師培養(yǎng)項(xiàng)目（編號：YQ2013197）資助；（2）廣東省高等學(xué)校高層次人才項(xiàng)目（編號：2013-203）資助；（3）廣東省交通運(yùn)輸廳節(jié)能減排項(xiàng)目（編號：節(jié)能-2014-06-002）資助。

（責(zé)任編輯簾 青）

修改稿收到日期為2017年9月1日。