毛建國，馬　糧，陳明浩

(南京航空航天大學 能源與動力學院， 南京　210016)

20世紀80年代以來，隨著技術(shù)的進步、產(chǎn)業(yè)化的集成，無人機憑借其使用操作靈活、滯空時間長、成本低以及機載配置多樣化等優(yōu)點，在低空偵察、精準打擊、森林防火、環(huán)境監(jiān)測以及其他特殊領(lǐng)域中發(fā)展非常迅速[1-4]。

根據(jù)用途的不同，無人機的動力裝置配置各異。小型航空活塞發(fā)動機具有體積小、結(jié)構(gòu)簡單、升功率高以及操作方便等諸多優(yōu)勢，在中低空、長航時的無人機領(lǐng)域中，其地位是無可撼動的。隨著多年的技術(shù)積累，小型航空活塞發(fā)動機技術(shù)相對成熟，但受其自身因素的影響，仍存在噪聲大、能量利用率低、大負荷下功率損失嚴重和存在較大的環(huán)境污染等缺點。

鑒于活塞發(fā)動機的上述缺點，電動無人機技術(shù)得以快速發(fā)展。電動無人機以電機為動力裝置，擁有體積小、攜帶方便、噪聲低，安全性強、反應靈活和無污染等諸多優(yōu)點，在多旋翼無人機和微型固定翼無人機領(lǐng)域發(fā)展迅速[5-6]。但是受電池能量密度的制約，電動無人機的發(fā)展受到限制。

為充分發(fā)揮活塞發(fā)動機技術(shù)和電機技術(shù)的各自優(yōu)點，人們把混合動力技術(shù)逐漸用于無人機領(lǐng)域。現(xiàn)有的混合動力技術(shù)多用于汽車及某些重機械領(lǐng)域，成熟的混合動力汽車技術(shù)并不完全適用于以輕量化為設(shè)計目標之一的無人機領(lǐng)域，故研究一款輕量化的混合動力系統(tǒng)尤為重要。

本文將輕量化考慮在內(nèi)，以小型活塞發(fā)動機為主體，研究了一個適用于無人機的混合動力系統(tǒng)，利用Matlab/Simulink建立了混合動力模型，并進行了控制策略的研究。

1　無人機混合動力系統(tǒng)設(shè)計

混合動力系統(tǒng)主要有串聯(lián)、并聯(lián)和混聯(lián)3種形式。串聯(lián)式混合動力系統(tǒng)排放性最好，并且結(jié)構(gòu)簡單，但是需經(jīng)過多次能量轉(zhuǎn)換，能源利用率較低；并聯(lián)式混合動力系統(tǒng)結(jié)構(gòu)相對緊湊，可實現(xiàn)動力并行輸出，能源利用率較高；混聯(lián)式混合動力系統(tǒng)能量分配最為靈活，能量轉(zhuǎn)換率高，但其結(jié)構(gòu)較為復雜[7-8]。

圖1　并聯(lián)式混合動力系統(tǒng)

在進行無人機用混合動力系統(tǒng)設(shè)計時，需同時考慮能量利用率與輕量化問題，據(jù)此，本文采用并聯(lián)式混合動力系統(tǒng)，如圖1所示。該混合動力系統(tǒng)有兩個動力輸出裝置，可同時或單獨對外輸出動力。其中發(fā)動機與電動/發(fā)電機同軸連接，采用電磁式轉(zhuǎn)矩耦合模式，具有結(jié)構(gòu)緊湊、傳遞效率高和機械沖擊小等優(yōu)點。

2　混合動力系統(tǒng)建模

表1　發(fā)動機基本參數(shù)

混合動力系統(tǒng)各部分建模時主要采用理論建模法和實驗建模法兩種。理論建模法通用性較強，但是建模較為復雜，主要用于單體模塊內(nèi)部功能研究。實驗建模法針對性較強，是通過建立的數(shù)據(jù)庫進行查表來確定各部分參數(shù)，適合各模塊間的控制策略研究，故本文選用實驗建模法進行各模塊的建模。

2.1　發(fā)動機模型

本文選用額定功率為3.5 kW的二沖程航空活塞發(fā)動機，基本參數(shù)如表1所示。

發(fā)動機模型可以根據(jù)需求轉(zhuǎn)矩和需求轉(zhuǎn)速計算得到發(fā)動機油耗，也可根據(jù)建模需求加入排放計算模塊。發(fā)動機實驗建模一般有兩種方法，如圖2所示：第1種是由發(fā)動機需求轉(zhuǎn)矩和需求轉(zhuǎn)速查發(fā)動機萬有特性曲線表得到發(fā)動機油耗率，繼而得到發(fā)動機油耗；第2種是由需求轉(zhuǎn)矩和需求轉(zhuǎn)速查節(jié)氣門開度曲線表得到發(fā)動機當前節(jié)氣門開度，查噴油MAP表得到當前噴油脈寬，最后根據(jù)噴嘴特性計算當前油耗[9-10]。

該發(fā)動機萬有特性曲線如圖3所示。由于發(fā)動機實際運行工況海拔跨度較大，海拔影響不可忽略，因此發(fā)動機隨著海拔上升存在功率損失，燃油消耗率也受海拔影響。本文分別用2種方法建立了發(fā)動機模型，輸出結(jié)果相近，可任意選擇任何一種。發(fā)動機Simulink模型如圖4所示，其主要包括節(jié)氣門子模型、壓力補償子模型和燃油子模型。受篇幅所限，各模塊具體建模過程不再詳述，文獻[11]給出了發(fā)動機建模的具體步驟，供讀者參考。

圖2　發(fā)動機實驗建模方法

圖4　發(fā)動機模型

2.2　電動/發(fā)電機模型

表2　電機基本參數(shù)

本文選用額定功率為500 W的盤式無感無刷直流電機，電機參數(shù)如表2所示。電機效率如圖5所示，扭矩大于0為電動效率，扭矩小于0為發(fā)電效率。

將電機模型通過需求轉(zhuǎn)速和需求轉(zhuǎn)矩計算得到的輸出電功率輸入功率總線模塊進行功率分配。在電動狀態(tài)下可用式(1)表示，在發(fā)電狀態(tài)下可用式(2)表示，電機效率通過查表獲得。根據(jù)上述公式可建立如圖6所示的電機模型，主要包括功率限制模塊、電機效率查詢模塊和電機功率計算模塊3部分[12]。功率限制模塊主要控制電機功率不能超過電機額定功率；電機效率查詢模塊中通過需求轉(zhuǎn)速和需求轉(zhuǎn)矩查表得電機效率；功率計算模塊用于計算電機功率。

(1)

(2)

其中：PE為電機模型輸出功率；TE為電機扭矩；nE為電機轉(zhuǎn)速；μ為電機的電動效率；ρ為電機的發(fā)電效率。

圖5　電機效率

2.3　鋰電池模型

鋰電池建模時是將其看成理想開路電壓和電池內(nèi)阻串聯(lián)的等效電路。鋰電池模型如圖7所示，主要包括電池功率限制模塊、電流計算模塊、SOC估算模塊以及開路電壓和內(nèi)阻計算模塊，具體建模步驟可參考文獻[13]。

2.4　發(fā)動機負載模型

本文中的發(fā)動機負載選用22×10的螺旋槳。將負載模型通過需求轉(zhuǎn)速計算得到的負載轉(zhuǎn)矩輸入轉(zhuǎn)矩耦合器模塊，根據(jù)控制策略進行轉(zhuǎn)矩分配。螺旋槳轉(zhuǎn)矩特性曲線如圖8所示。根據(jù)螺旋槳轉(zhuǎn)矩特性曲線建立數(shù)據(jù)庫表格，通過工況轉(zhuǎn)速就可查表得到負載轉(zhuǎn)矩。建立如圖9所指示的負載模型，主要包括轉(zhuǎn)速限制模塊、轉(zhuǎn)矩計算模塊和功率計算模塊。

圖7　鋰電池模型

2.5　U4110電機推力模型

U4110電機在搭配17×5螺旋槳負載下，通過試驗數(shù)據(jù)建立電機功率輸入量與推力輸出量的關(guān)系對照表，通過電機消耗的功率查表得到動力輸出。U4110電機模型如圖10所示。

圖9　負載模型

圖10　U4110電機模型

2.6　轉(zhuǎn)矩耦合器模型

本文采用電磁式轉(zhuǎn)矩耦合器，負責將2個動力源的轉(zhuǎn)矩合成后傳遞給發(fā)動機負載。轉(zhuǎn)矩耦合器模型如圖11所示，可根據(jù)控制策略將負載轉(zhuǎn)矩分配給發(fā)動機模型和電動/發(fā)電機模型。

圖11　轉(zhuǎn)矩耦合器模型

2.7　功率總線模型

功率總線模塊主要負責將電能在電池、電動/發(fā)電機和U4110電機三者之間進行調(diào)配，內(nèi)部含有控制策略接入點。功率總線模型如圖12所示，其主要包括電池充電管理模塊、U4110電機供電模塊和負載用電設(shè)備功率調(diào)配模塊這3部分。

3　混合動力系統(tǒng)控制策略研究

3.1　轉(zhuǎn)矩最優(yōu)控制策略研究

增加巡航時間和提高動力性能一直是無人機研究的兩大目標，本文在進行控制策略研究前充分分析了發(fā)動機的實際工作情況。

圖13為該小型活塞發(fā)動機的萬有特性曲線，另外圖中給出了該發(fā)動機的最佳油耗率曲線、海平面處特定負載下的發(fā)動機運行工況曲線和海拔為2 000 m時的特定負載下的發(fā)動機運行工況曲線。通過分析可知，在給定的發(fā)動機負載下，發(fā)動機運行轉(zhuǎn)速和轉(zhuǎn)矩是相對應的，隨著海拔上升，相同轉(zhuǎn)速下的發(fā)動機工作轉(zhuǎn)矩略有下降，但是其都有一個共同特點：在較低轉(zhuǎn)速下發(fā)動機處于最佳工況轉(zhuǎn)矩以下(以下稱為較低速工況)，在較高轉(zhuǎn)速下發(fā)動機處于最佳工況扭矩以上(以下稱為較高速工況)，在以上2種工況下發(fā)動機都處于費油工況；隨著海拔上升，發(fā)動機功率損失加重，無法滿足用戶短時大動力需求。

圖12　功率總線模型

圖13　發(fā)動機萬有特性曲線、最佳油耗率曲線及部分運行工況曲線

當發(fā)動機處于較低速工況下時，發(fā)動機工作轉(zhuǎn)矩處于最佳燃油消耗率轉(zhuǎn)矩以下，發(fā)動機功率得不到有效利用，處于費油工況點。此時，本混合動力系統(tǒng)中的電動/發(fā)電機當作發(fā)電機，消耗發(fā)動機功率，實時調(diào)整發(fā)動機轉(zhuǎn)矩在最佳油耗率轉(zhuǎn)矩附近，發(fā)電機發(fā)出額外功率給U4110電動機供電對外輸出動力。另外，電池也可根據(jù)SOC的高低實時調(diào)節(jié)輸出功率。能量流向如圖14所示。

當發(fā)動機處于較高速工況或大動力需求工況時，發(fā)動機工作轉(zhuǎn)矩處于最佳油耗率轉(zhuǎn)矩以上，發(fā)動機處于大轉(zhuǎn)矩費油工況。此時，本混合動力系統(tǒng)中的電動/發(fā)電機當作電動機，消耗電池能量輔助發(fā)動機提供動力，分擔一部分發(fā)動機扭矩，實時調(diào)整發(fā)動機轉(zhuǎn)矩在最佳油耗率轉(zhuǎn)矩附近。能量流向如圖15所示。

3.2　基于規(guī)則的邏輯門限控制器設(shè)計

根據(jù)最優(yōu)轉(zhuǎn)矩控制策略建立邏輯門限控制器模型，如圖16所示，根據(jù)需求轉(zhuǎn)速查表得到發(fā)動機最優(yōu)轉(zhuǎn)矩，同時保證電動/發(fā)電機效率大于0.75。

圖14　較低速工況混合動力系統(tǒng)能量流動

圖16　邏輯門限控制器模型

3.3　變論域模糊控制器設(shè)計

分析發(fā)動機和U4110電機2個動力輸出裝置，得到兩者的動力輸出效率，如圖17所示。為在消耗較少燃油的情況下輸出更多的動力，用模糊控制器對發(fā)動機轉(zhuǎn)速和U4110電機輸入功率進行匹配，對邏輯門限控制器進行優(yōu)化，使系統(tǒng)動力輸出效率增加。

圖17　動力輸出效率

以發(fā)動機轉(zhuǎn)速和電池SOC作為模糊輸入，以發(fā)動機功率偏移調(diào)整系數(shù)和U4100電機輸入功率調(diào)整系數(shù)作為模糊輸出[14-15]。輸入變量SOC隸屬函數(shù)如圖18所示，輸入變量轉(zhuǎn)速隸屬函數(shù)如圖19所示，輸出變量發(fā)動機功率偏移系數(shù)隸屬函數(shù)和輸出變量電機功率調(diào)整系數(shù)隸屬函數(shù)如圖20所示。

圖18　輸入變量SOC隸屬函數(shù)

圖20　輸出變量隸屬函數(shù)

根據(jù)經(jīng)驗與實驗數(shù)據(jù)制定模糊規(guī)則表，如表3、4所示。用Simulink建立模糊控制器模型，如圖21所示，主要分為輸入變量模糊化、查模糊規(guī)則表和解模糊化3部分。轉(zhuǎn)速實際輸入范圍為[2000,7000]，電池SOC實際輸入范圍為[0,1]，兩路輸出變量的真實值為[0,1]，具體模糊化和解模糊過程可參考文獻[16]。由于大氣壓力影響負載扭矩，故本模型在轉(zhuǎn)速輸入端加入了大氣壓力影響因子，可根據(jù)大氣壓力的變化調(diào)整轉(zhuǎn)速輸入變量的論域?qū)秶鶾17-18]。

表3　發(fā)動機功率偏移系數(shù)規(guī)則表

表4　電機功率調(diào)整系數(shù)規(guī)則表

圖21　變論域模糊控制器模型

4　仿真結(jié)果分析

為驗證本文設(shè)計的控制策略的有效性，借助本文第2節(jié)建立的模型進行仿真分析。無人機尚未公布典型的仿真工況，為研究模型的全工況特性，本文采用如圖22所示的轉(zhuǎn)速工況點進行仿真研究。仿真模型的參數(shù)設(shè)置如表5所示。為研究電池SOC變化對控制參數(shù)的影響，電池容量取為10 000 mA，電池初始SOC值取為1，并且仿真全程關(guān)閉電池充電開關(guān)。

利用本文第2節(jié)中建立的混合動力模型，根據(jù)圖22中的轉(zhuǎn)速工況分別對邏輯門限控制策略和加入模糊控制器的控制策略進行仿真分析，將產(chǎn)生的總推力作為純發(fā)動機模型的輸入工況點，對純發(fā)動機系統(tǒng)模型進行仿真，最后進行燃油消耗對比，仿真結(jié)果對比如表6所示。仿真結(jié)果顯示：邏輯門限值控制策略耗油量降低19.1%，加入模糊控制器后耗油量較純發(fā)動機工作模式耗油量降低24%。同時加入模糊控制器后，在相同轉(zhuǎn)速工況下，混合動力系統(tǒng)在消耗更少燃油的情況下可產(chǎn)生更多的推力。圖23和圖24分別為2種控制策略下發(fā)動機的轉(zhuǎn)矩對比和電池SOC變化對比，由于模糊控制器可根據(jù)電池電量調(diào)整對U4110電機和電動/發(fā)電機的供電，故電池在高電量下電能消耗快，在低電量下電能消耗慢。模糊控制器下發(fā)動機運行工作點如圖25所示。

圖22　發(fā)動機工作點轉(zhuǎn)速

仿真時間/s海拔/m機載功率/W電池容量/mA初始SOC1100200050100001

表6　仿真結(jié)果對比

圖23　兩種控制策略發(fā)動機轉(zhuǎn)矩對比

圖24　兩種控制策略SOC對比

圖25　模糊控制器下發(fā)動機運行工作點

5　結(jié)束語

本文設(shè)計了一個適用于小功率航空活塞發(fā)動機的混合動力系統(tǒng)，并且通過實驗建模法利用Simulink軟件建立了混合動力系統(tǒng)逆向仿真模型。在分析了發(fā)動機的萬有特性曲線后，以發(fā)動機最佳油耗率曲線為依據(jù)，設(shè)計了基于規(guī)則的邏輯門限值的控制策略。另外通過分析發(fā)動機和U4110電機的推力輸出效率，在邏輯門限值控制策略中加入了模糊控制器。最后在給定工況下進行了仿真。仿真結(jié)果表明：邏輯門限控制策略下該混合動力系統(tǒng)耗油量降低19.1%，加入如模糊控制器后混合動力系統(tǒng)油耗量降低24%，同時給出了兩種控制策略下發(fā)動機的轉(zhuǎn)矩變化曲線和電池SOC的變化曲線。

根據(jù)本文混合動力系統(tǒng)的設(shè)計理念，在混合動力模式下發(fā)動機轉(zhuǎn)速在較低轉(zhuǎn)速工況的時間越長越省油(相對于純發(fā)動機模式)，在較高速工況的時間越長，電池電能消耗越快，因此可根據(jù)預估飛行工況和飛行時間來搭載不同容量的電池。

參考文獻：

[1]楊愛玲,孫汝岳,徐開明.基于固定翼無人機航攝影像獲取及應用探討[J].測繪與空間地理信息,2010,33(5):160-162.

[2]高龍波, 李本威, 張赟.無人機遠航飛行軌跡優(yōu)化研究[J].兵器裝備工程學報,2016,37(3):94-97.

[3]徐靜.固定翼無人機在新疆暴恐事件處置中的應用[J].警察技術(shù),2015(3):88-91.

[4] 戴文瑞, 王建華. 無人機垂直陀螺儀及其鏈路健康狀態(tài)評估研究[J].重慶理工大學學報(自然科學),2017,31(9):138-144.

[5]饒進軍,高同躍,龔振邦,等.國外超小型固定翼無人機研究進展與關(guān)鍵技術(shù)[J].飛航導彈,2010(3):23-28.

[6]曹惠茹,李業(yè)謙,朱春燕,等.微型固定翼無人機機電性能測試與試驗[J].測控技術(shù),2016,35(11):22-24.

[7]CHEN I M,LIU T.Design and Analysis of Hybrid Systems for Scooters[J].Chinese Journal of Mechanical Engineering,2011,24(5):752-759.

[8]AIDOO I K,SHARMA P,HOFF B.Optimal controllers designs for automatic reactive power control in an isolated wind-diesel hybrid power system[J].International Journal of Electrical Power & Energy Systems,2016,81:387-404.

[9]郭秀紅.混合動力電動汽車發(fā)動機建模與MATLAB仿真[J].中國農(nóng)機化學報,2013(4):193-196.

[10]陳小國.混合動力車輛多領(lǐng)域統(tǒng)一建模與仿真[D].武漢：華中科技大學,2007.

[11]曾小華,宮維鈞.ADVISOR 2002 電動汽車仿真與再開發(fā)應用[M].2版.北京：機械工業(yè)出版社,2017.

[12] 朱雁南,趙軍紅,陳海軍.無刷直流電機系統(tǒng)仿真建模方法[J].兵器裝備工程學報,2012,33(10):88-92.

[13] 劉希聞.電動汽車鋰離子電池模型仿真與SOH研究[D].長春：吉林大學,2014.

[14] BOGARAJ T,KANAKARAJ J,CHELLADURAI J.Modeling and simulation of stand-alone hybrid power system with fuzzy MPPT for remote load application[J].Archives of Electrical Engineering,2015,64(3):332-336.

[15] 王加雪.雙電機混合動力系統(tǒng)參數(shù)匹配與協(xié)調(diào)控制研究[D].長春：吉林大學,2011.

[16] 黃衛(wèi)華.模糊控制系統(tǒng)及應用[M].北京：電子工業(yè)出版社,2012.

[17] NATSHEH E M,ALBARBAR A.Hybrid Power Systems Energy Controller Based on Neural Network and Fuzzy Logic[J].Smart Grid & Renewable Energy,2013,4(2):187-197.

[18] MAHTO T,MUKHERJEE V.A novel scaling factor based fuzzy logic controller for frequency control of an isolated hybrid power system[Z].Energy,2017.