何 仁，李軍民，2

(1.江蘇大學(xué) 汽車與交通工程學(xué)院， 江蘇 鎮(zhèn)江 212013； 2.安陽工學(xué)院 機(jī)械工程學(xué)院， 河南 安陽 455000)

混合動(dòng)力電動(dòng)汽車(hybrid electric vehicle，HEV)具有兩種及以上動(dòng)力源，一般特指目前廣泛應(yīng)用的由發(fā)動(dòng)機(jī)和電動(dòng)機(jī)混合驅(qū)動(dòng)的車輛，通過高效控制策略可實(shí)現(xiàn)不同工況下發(fā)動(dòng)機(jī)與電動(dòng)機(jī)功率流的合理分配，利用回收制動(dòng)能量進(jìn)行發(fā)電，與傳統(tǒng)燃油汽車相比，具有明顯的節(jié)能和降低排放等優(yōu)勢，還能克服純電動(dòng)汽車電池儲(chǔ)能有限、續(xù)航里程短的弊端。插電式混合動(dòng)力汽車(Plug-in hybrid electric vehicle，PHEV)因其電池容量大，行駛里程明顯提高，可有效利用電網(wǎng)的用電低谷進(jìn)行錯(cuò)峰外插充電。關(guān)于節(jié)能與新能源汽車產(chǎn)業(yè)的發(fā)展，《中國制造2025》指出：PHEV是我國未來重點(diǎn)發(fā)展的方向之一。2017年1月，工信部出臺(tái)《新能源汽車生產(chǎn)企業(yè)及產(chǎn)品準(zhǔn)入管理規(guī)定》，再次將插電式混合動(dòng)力(含增程式)汽車劃入新能源汽車范圍內(nèi)。

混合動(dòng)力耦合系統(tǒng)的設(shè)計(jì)在整車開發(fā)中占有重要地位，對于提高車輛的綜合性能起著決定性的作用。不同的構(gòu)型方案，能實(shí)現(xiàn)的工作模式、動(dòng)力源的功率流動(dòng)規(guī)律、成本和工況適用性等也存在較大區(qū)別。系統(tǒng)元件參數(shù)對于提高經(jīng)濟(jì)性和降低成本等具有重要的影響。能量管理策略對于保證獲得最佳動(dòng)力性和經(jīng)濟(jì)性、最低排放起著決定性作用。因此，混合動(dòng)力電動(dòng)汽車的最優(yōu)設(shè)計(jì)和整車性能的提升融合了動(dòng)力耦合構(gòu)型、動(dòng)力參數(shù)匹配、能量管理策略等方面的聯(lián)合作用[1]。

1 動(dòng)力耦合系統(tǒng)構(gòu)型分析

1.1 動(dòng)力耦合系統(tǒng)構(gòu)型的類型

根據(jù)電機(jī)的數(shù)量，將混合動(dòng)力電動(dòng)汽車動(dòng)力系統(tǒng)構(gòu)型分為3大類[2]。

1) 單電機(jī)并聯(lián)

根據(jù)電機(jī)的安裝位置不同，并聯(lián)式混合動(dòng)力電動(dòng)汽車可分為以下類型[3]，如圖1所示。

P0～P4.5種不同電機(jī)布置方案；CL1,CL2.離合器；

① P0：微混合BSG系統(tǒng)，采用皮帶式啟動(dòng)電機(jī)發(fā)電機(jī)，只具有快速啟停發(fā)動(dòng)機(jī)功能，該結(jié)構(gòu)應(yīng)用于通用07款土星Vue SUV、奇瑞A5等車型。

② P1：輕混合ISG系統(tǒng)，電機(jī)位于發(fā)動(dòng)機(jī)曲軸輸出端處，具備電機(jī)助力和制動(dòng)能量回收功能，但發(fā)動(dòng)機(jī)會(huì)產(chǎn)生反拖阻力，不能實(shí)現(xiàn)純電動(dòng)驅(qū)動(dòng)，應(yīng)用案例如本田IMA、長安ISG系統(tǒng)等。

③ P2：電機(jī)位于變速器輸入軸處，且通過離合器可斷開發(fā)動(dòng)機(jī)與電機(jī)的連接，實(shí)現(xiàn)純電動(dòng)驅(qū)動(dòng)，再生制動(dòng)不受發(fā)動(dòng)機(jī)反拖影響，變速器類型可采用AT、CVT、DCT、AMT等，由于其成本低，應(yīng)用較廣泛，應(yīng)用該方案的車型有英菲尼迪M35、現(xiàn)代索納塔和大眾雙離合器等。

⑤ P4：電機(jī)位于后驅(qū)動(dòng)半軸上，可直接驅(qū)動(dòng)車輪，車輛可以實(shí)現(xiàn)四驅(qū)，多應(yīng)用于各種插電混合動(dòng)力汽車。

與功率分流構(gòu)型相比，單電機(jī)構(gòu)型方案成本低、控制簡單，但其燃油經(jīng)濟(jì)性和排放性能較差，不能成為最理想的混合動(dòng)力系統(tǒng)構(gòu)型方案。

2) 雙電機(jī)功率分流式

混聯(lián)式混合動(dòng)力車型多數(shù)以行星齒輪機(jī)構(gòu)作為動(dòng)力耦合裝置，可實(shí)現(xiàn)電動(dòng)無級變速功能(Electric continuously Variable Transmission，EVT)。根據(jù)功率分流方式的不同，EVT可分為輸入功率分流、輸出功率分流和復(fù)合功率分流型[4]。依據(jù)它們在混聯(lián)式HEV中的不同存在形式，功率分流式EVT主要有單模式、雙模式和多模式。

① 單模式

單?；旌蟿?dòng)力系統(tǒng)是指以輸入功率分流、輸出功率分流和復(fù)合功率分流模式中的某一種形式存在的系統(tǒng)，由于只有輸入分流式在比較寬的傳動(dòng)比范圍內(nèi)工作，主要應(yīng)用于單?；旌蟿?dòng)力系統(tǒng)[5]，典型代表為豐田普銳斯的THS，利用發(fā)動(dòng)機(jī)轉(zhuǎn)速、轉(zhuǎn)矩與車輪的完全解耦，通過2個(gè)電機(jī)有效地調(diào)節(jié)發(fā)動(dòng)機(jī)工作點(diǎn)，提高燃油經(jīng)濟(jì)性。

② 雙模式

雙?；旌蟿?dòng)力系統(tǒng)以通用的雙模系統(tǒng)[6]為主導(dǎo)構(gòu)型，由輸入分流和復(fù)合分流2種模式組成，主要包括3個(gè)行星排、2個(gè)電機(jī)、2個(gè)離合器和1個(gè)發(fā)動(dòng)機(jī)，其桿模型如圖2所示。在該系統(tǒng)中，通過控制離合器的分離和接合來實(shí)現(xiàn)模式的切換，當(dāng)離合器CLl閉合、離合器CL2斷開時(shí)，運(yùn)行適用于低速工況的輸入分流模式；當(dāng)CL1斷開、CL2閉合時(shí)，運(yùn)行適用于高速工況的復(fù)合分流模式。2種模式的組合，縮小了出現(xiàn)功率循環(huán)的傳動(dòng)比范圍，提升了系統(tǒng)效率，并降低了對電機(jī)最大轉(zhuǎn)矩的要求。

S1,S2,S3.太陽輪；C1,C2,C3.行星架；R1,R2,R3.齒圈；CL1,CL2.離合器

2007年，通用公司針對插電式混合動(dòng)力汽車推出Voltec動(dòng)力系統(tǒng)[7]，此為另一款功率分流式雙?；旌蟿?dòng)力系統(tǒng)，它不同于三行星排雙模系統(tǒng)，由單行星排來實(shí)現(xiàn)，包括輸出功率分流和串聯(lián)2種模式，其構(gòu)型如圖3所示?？梢钥闯?，該動(dòng)力系統(tǒng)仍以行星齒輪系作為功率分流裝置，通過2個(gè)離合器和1個(gè)制動(dòng)器的不同組合形成多個(gè)行駛模式。當(dāng)車輛運(yùn)行于電量維持模式(SOC較低)時(shí)，低速行駛以串聯(lián)模式運(yùn)行，高速行駛采用輸出分流模式，從而保證了高速行駛(傳動(dòng)比小)時(shí)具有高的系統(tǒng)傳動(dòng)效率。

S.太陽輪；C.行星架；R.齒圈；CL1,CL2.離合器；B1.制動(dòng)器

③ 多模式

多?；旌蟿?dòng)力系統(tǒng)由2個(gè)或2個(gè)以上行星排組成，通過在行星排連接點(diǎn)之間加入離合器，并借助離合器的不同動(dòng)作實(shí)現(xiàn)多種結(jié)構(gòu)模式，具有能量效率高、加速性能好、可適應(yīng)各種不同的行駛工況等優(yōu)點(diǎn)。

典型代表為通用Volt2016，其桿模型如圖4所示，動(dòng)力耦合系統(tǒng)由雙行星排和3個(gè)離合器構(gòu)成，可實(shí)現(xiàn)單/雙電機(jī)純電動(dòng)、并聯(lián)、輸入功率分流與復(fù)合型功率分流5種不同的結(jié)構(gòu)模式[8]。

S1,S2.太陽輪；C1,C2.行星架；R1,R2.齒圈；CL1,CL2,CL3.離合器

3) 雙電機(jī)串/并聯(lián)式

雙電機(jī)串/并聯(lián)式動(dòng)力耦合系統(tǒng)通過操縱離合器或換擋機(jī)構(gòu)，實(shí)現(xiàn)低車速時(shí)以串聯(lián)模式運(yùn)行，車速較高時(shí)以并聯(lián)模式運(yùn)行，發(fā)動(dòng)機(jī)輸出動(dòng)力可直接通過機(jī)械路徑驅(qū)動(dòng)車輪，且在純電動(dòng)和制動(dòng)能量回收模式下無額外能量損失，系統(tǒng)的能量轉(zhuǎn)換效率高。該類構(gòu)型以本田雅閣i-MMD和上汽榮威550Plug-in為代表。

如圖5所示，本田i-MMD系統(tǒng)[9]采用定軸齒輪，通過控制離合器CL1改變發(fā)動(dòng)機(jī)動(dòng)力輸出，從而實(shí)現(xiàn)不同驅(qū)動(dòng)模式。中高車速時(shí)由發(fā)動(dòng)機(jī)直接驅(qū)動(dòng)車輛，低速時(shí)以EV或串聯(lián)驅(qū)動(dòng)模式為主，可同時(shí)兼顧車輛不同工況下的系統(tǒng)效率，降低油耗。

圖6為榮威550 PHEV所用的動(dòng)力耦合系統(tǒng)(EDU)[10]，其由ISG電機(jī)、驅(qū)動(dòng)電機(jī)、常開離合器CL1、常閉離合器CL2和兩檔齒輪傳動(dòng)系統(tǒng)等組成。通過控制不同的離合器和同步器，可實(shí)現(xiàn)純電動(dòng)、串聯(lián)、并聯(lián)混合驅(qū)動(dòng)、行車充電和怠速充電等模式。

圖5 本田i-MMD混聯(lián)式動(dòng)力系統(tǒng)構(gòu)型

圖6 上汽榮威550混聯(lián)式動(dòng)力系統(tǒng)構(gòu)型

1.2 動(dòng)力耦合系統(tǒng)構(gòu)型的特點(diǎn)對比與發(fā)展趨勢

根據(jù)以上分析，對上述3種構(gòu)型的性能特點(diǎn)進(jìn)行對比，結(jié)果如表1所示。

表1 混合動(dòng)力耦合系統(tǒng)構(gòu)型的特點(diǎn)對比

混合動(dòng)力耦合系統(tǒng)構(gòu)型的發(fā)展趨勢主要體現(xiàn)在以下方面：

1) 為了實(shí)現(xiàn)汽車輕量化、低成本設(shè)計(jì)，便于依據(jù)現(xiàn)有車型進(jìn)行改裝，在有限空間內(nèi)布置電機(jī)，單電機(jī)并聯(lián)和功率分流構(gòu)型向高度集成化發(fā)展。

2) 為追求發(fā)揮極致性能，功率分流構(gòu)型向多模式、復(fù)雜化方向發(fā)展，雙模系統(tǒng)能有效提升車輛高速時(shí)的經(jīng)濟(jì)性，多模系統(tǒng)則可增強(qiáng)動(dòng)力性。

3) 對于固定速比傳動(dòng)的雙電機(jī)串/并聯(lián)式構(gòu)型，向動(dòng)力輸出多檔化和單電機(jī)方向發(fā)展，以提高發(fā)動(dòng)機(jī)運(yùn)行效率和降低成本。

1.3 動(dòng)力耦合系統(tǒng)構(gòu)型的拓?fù)浣Y(jié)構(gòu)優(yōu)化研究

HEV按照動(dòng)力系統(tǒng)的聯(lián)結(jié)形式，可分為串聯(lián)式、并聯(lián)式和混聯(lián)式混合動(dòng)力電動(dòng)汽車。串聯(lián)式混合動(dòng)力汽車發(fā)動(dòng)機(jī)只有電動(dòng)機(jī)驅(qū)動(dòng)車輛，其拓?fù)錁?gòu)型方案唯一。而并聯(lián)式混合動(dòng)力電動(dòng)汽車主要包括前文所述的P0～P4五種構(gòu)型方案，結(jié)構(gòu)簡單，能方便實(shí)現(xiàn)各構(gòu)型的動(dòng)力學(xué)方程求解。利用窮舉法對所有構(gòu)型進(jìn)行篩選，發(fā)現(xiàn)已有不少研究成果。文獻(xiàn)[11]提出基于動(dòng)態(tài)規(guī)劃(Dynamic programming，DP)與粒子群優(yōu)化算法(Particle swarm optimization，PSO)組合的雙層優(yōu)化法，以經(jīng)濟(jì)性和成本為目標(biāo)，比較了并聯(lián)式5種構(gòu)型的不同特點(diǎn)。文獻(xiàn)[12]基于DP算法，分別對P1、P2并聯(lián)式和單電機(jī)混聯(lián)式(轉(zhuǎn)速耦合)構(gòu)型方案進(jìn)行了燃油經(jīng)濟(jì)性仿真分析。文獻(xiàn)[13]建立了系統(tǒng)組件的參數(shù)化模型，基于龐特里亞金最小值原理( Pontryagin’s minimum principle，PMP)，對并聯(lián)式混合動(dòng)力系統(tǒng)的構(gòu)型設(shè)計(jì)和控制進(jìn)行了聯(lián)合優(yōu)化。文獻(xiàn)[14]提出了一種自動(dòng)評估、優(yōu)化混合動(dòng)力汽車拓?fù)浣Y(jié)構(gòu)的方法，基于拓?fù)涿枋鲎詣?dòng)生成因果模型，采用DP算法，對并聯(lián)式混合動(dòng)力系統(tǒng)構(gòu)型參數(shù)進(jìn)行優(yōu)化，該方法避免了隱式求解模型方程，縮短了計(jì)算時(shí)間。

混聯(lián)式混合動(dòng)力汽車的動(dòng)力耦合構(gòu)型方案眾多，近年來國內(nèi)外學(xué)者基于行星齒輪機(jī)構(gòu)構(gòu)型綜合理論，主要圍繞如何尋優(yōu)最佳構(gòu)型、探索不同構(gòu)型的最佳性能等方面對行星齒輪式EVT進(jìn)行了重點(diǎn)研究。文獻(xiàn)[15]提出創(chuàng)造性設(shè)計(jì)法，通過“六步驟”，生成了滿足設(shè)計(jì)要求的系統(tǒng)構(gòu)型方案，并提出八項(xiàng)評價(jià)指標(biāo)，但該方法生成的構(gòu)型方案有限，性能評價(jià)具有一定的主觀性。文獻(xiàn)[3]通過增加輸入輸出構(gòu)件層，建立了單行星排混合動(dòng)力系統(tǒng)的分層圖畫模型及對應(yīng)的數(shù)學(xué)矩陣模型，并結(jié)合離合器的二進(jìn)制序列表示進(jìn)行構(gòu)型綜合，有效降低了構(gòu)型生成的窮舉次數(shù)，但該方法無法繼承已有優(yōu)秀構(gòu)型的特征。文獻(xiàn)[16-17]以構(gòu)件與運(yùn)動(dòng)副為基本要素，用圖畫法表示了功率分流式構(gòu)型的拓?fù)浣Y(jié)構(gòu)，分別按七連桿和八連桿機(jī)構(gòu)，通過幾何限制和桿件組合，完成了可行構(gòu)型方案的窮舉搜索。但這2種方法都是單獨(dú)考慮雙行星排自身的連接方案以及系統(tǒng)元件與行星排的連接組合形式，構(gòu)型方案生成過程繁瑣且備選數(shù)量龐大。文獻(xiàn)[18]利用改進(jìn)型鍵合圖表示法，通過生成所有無向圖、指定節(jié)點(diǎn)類型與因果關(guān)系以及鍵的權(quán)重分配3個(gè)步驟，完成了行星齒輪式功率分流構(gòu)型方案的自動(dòng)搜索，并獲得可行的拓?fù)浣Y(jié)構(gòu)。文獻(xiàn)[19]設(shè)計(jì)了一款HEV拓?fù)渥詣?dòng)生成器，以系統(tǒng)功能和成本為約束，給定動(dòng)力源和傳動(dòng)系統(tǒng)組件，將所有可能構(gòu)型表示為以系統(tǒng)組件為節(jié)點(diǎn)的聯(lián)通無向圖，通過窮舉法生成可行的構(gòu)型方案。

上述文獻(xiàn)通過分析系統(tǒng)組件的連接方式和運(yùn)動(dòng)關(guān)系，建立了混合動(dòng)力系統(tǒng)構(gòu)型與組件參數(shù)之間的關(guān)系表達(dá)式，并結(jié)合單一或多優(yōu)化目標(biāo)，利用優(yōu)化算法分析不同構(gòu)型的性能，從而得到滿足設(shè)計(jì)要求的最佳構(gòu)型方案?；旌蟿?dòng)力系統(tǒng)的方案優(yōu)選是綜合考慮系統(tǒng)元件參數(shù)、控制參數(shù)和構(gòu)型3個(gè)因素多層次優(yōu)化的結(jié)果，單獨(dú)考慮某一因素或某2個(gè)因素不能獲得最優(yōu)構(gòu)型方案。

2 混合動(dòng)力系統(tǒng)參數(shù)匹配優(yōu)化研究

混合動(dòng)力系統(tǒng)參數(shù)匹配優(yōu)化是指根據(jù)汽車的行駛條件和設(shè)計(jì)指標(biāo)，合理選擇動(dòng)力系統(tǒng)各參數(shù)，如發(fā)動(dòng)機(jī)功率，電動(dòng)機(jī)功率、轉(zhuǎn)矩與轉(zhuǎn)速，動(dòng)力電池容量等，從而實(shí)現(xiàn)整車的動(dòng)力性和燃油經(jīng)濟(jì)性的優(yōu)化。HEV由更多的系統(tǒng)部件組成，其動(dòng)力系統(tǒng)參數(shù)匹配問題更加復(fù)雜，多目標(biāo)和多變量優(yōu)化問題。

2.1 混合動(dòng)力系統(tǒng)參數(shù)匹配方法

按照匹配目標(biāo)不同，動(dòng)力系統(tǒng)參數(shù)匹配方法分為2大類[28]，如圖7所示：一種是約束匹配法，只需滿足給定的設(shè)計(jì)目標(biāo)(通常為動(dòng)力性能要求)，根據(jù)是否考慮行駛工況又可分為理論匹配法和工況匹配法；另一種是優(yōu)化匹配法，可實(shí)現(xiàn)滿足性能約束的同時(shí)使某個(gè)或多個(gè)指標(biāo)最優(yōu)。

圖7 HEV動(dòng)力系統(tǒng)參數(shù)匹配方法

約束匹配法不考慮能量管理策略、換擋規(guī)律等控制策略，匹配過程簡單，但初選時(shí)只能以動(dòng)力性能為依據(jù)，匹配后的動(dòng)力系統(tǒng)不一定能滿足其他性能約束，且不是最優(yōu)方案，該方法一般用于為混合動(dòng)力系統(tǒng)提供初始參考值。優(yōu)化匹配法通過建立考慮某個(gè)或多個(gè)性能指標(biāo)的目標(biāo)函數(shù)，利用優(yōu)化算法迭代出各項(xiàng)指標(biāo)都最優(yōu)的方案，可以對每一種動(dòng)力系統(tǒng)匹配方案進(jìn)行評價(jià)，是目前廣泛應(yīng)用的一種動(dòng)力參數(shù)匹配方法，常用的優(yōu)化算法有基于梯度的算法，如序列二次規(guī)劃算法(Sequential quadratic programming，SQP)、凸優(yōu)化算法(Convex optimization，CO)等；另一類是非梯度算法，如模擬退火算法(Simulated annealing，SA)、GA、PSO等。

2.2 混合動(dòng)力參數(shù)匹配優(yōu)化研究

當(dāng)混合動(dòng)力汽車的能量管理策略確定時(shí)，其動(dòng)力系統(tǒng)參數(shù)與控制參數(shù)相互耦合，共同影響著車輛的綜合性能。因此，動(dòng)力參數(shù)通常與控制參數(shù)同時(shí)進(jìn)行優(yōu)化，隨著研究的深入，優(yōu)化目標(biāo)也由最初單一的經(jīng)濟(jì)性指標(biāo)，逐漸形成由經(jīng)濟(jì)性、排放和成本等構(gòu)成的多目標(biāo)優(yōu)化。文獻(xiàn)[29]利用凸優(yōu)化算法，分別同時(shí)優(yōu)化了并聯(lián)PHEV和插電式混合動(dòng)力客車(Plug-in hybrid electric bus，PHEB)的能量管理策略和動(dòng)力總成部件參數(shù)。文獻(xiàn)[30]基于7條整車性能約束，考慮不同用戶的用車習(xí)慣，以動(dòng)力系統(tǒng)部件制造成本和車輛使用成本最低為優(yōu)化目標(biāo)，采用混合控制策略進(jìn)行了動(dòng)力參數(shù)匹配。文獻(xiàn)[31]應(yīng)用GA和ADVISOR的非GUI函數(shù)，以經(jīng)濟(jì)性和排放為目標(biāo)，建立了串聯(lián)式PHEV動(dòng)力參數(shù)優(yōu)化的仿真模型，實(shí)現(xiàn)了對其動(dòng)力系統(tǒng)部件參數(shù)和控制策略參數(shù)的同時(shí)優(yōu)化。文獻(xiàn)[32]綜合考慮動(dòng)力系統(tǒng)組件規(guī)格和參數(shù)對整車綜合性能的影響，以燃油經(jīng)濟(jì)性、排放和駕駛性能為優(yōu)化目標(biāo)，基于遺傳算法，提出了多目標(biāo)雙層優(yōu)化的控制策略。文獻(xiàn)[33]針對并聯(lián)式HEV，通過引入發(fā)動(dòng)機(jī)關(guān)閉系數(shù)，提出了一種改進(jìn)型模糊能量管理策略，以等效燃油消耗、電機(jī)和電池組總成本為優(yōu)化目標(biāo)，采用多目標(biāo)遺傳算法對控制策略參數(shù)、電機(jī)和電池組設(shè)計(jì)參數(shù)進(jìn)行了優(yōu)化，并獲得最佳組合參數(shù)。文獻(xiàn)[34]以等效燃油消耗量和排放為目標(biāo)，利用PSO在UDDS循環(huán)工況下對PHEV的動(dòng)力傳動(dòng)系統(tǒng)參數(shù)與控制策略參數(shù)進(jìn)行了聯(lián)合優(yōu)化。文獻(xiàn)[35]以動(dòng)力性和電池SOC平衡為約束，同時(shí)選取對整車性能影響較大的動(dòng)力系統(tǒng)參數(shù)和控制策略參數(shù)作為優(yōu)化變量，采用NSGA-Ⅱ算法對并聯(lián)式HEV進(jìn)行了多目標(biāo)優(yōu)化，結(jié)果表明，優(yōu)化后燃油經(jīng)濟(jì)性、排放性與駕駛性能均得到明顯改善。文獻(xiàn)[36]以燃油經(jīng)濟(jì)性和排放性能為優(yōu)化目標(biāo)，以動(dòng)力性能和電池荷電狀態(tài)為約束條件，采用免疫遺傳算法(Immune genetic algorithm，IGA)對HEV傳動(dòng)系統(tǒng)參數(shù)和控制參數(shù)進(jìn)行了優(yōu)化。文獻(xiàn)[37]為了實(shí)現(xiàn)整車能量的最優(yōu)利用，以燃油經(jīng)濟(jì)性和排放為目標(biāo)，采用GA對PHEV的動(dòng)力參數(shù)和整車控制策略參數(shù)進(jìn)行了優(yōu)化，結(jié)果表明，優(yōu)化后NEDC工況下百公里油耗量降低12.5%，CO、HC、NOx排放值也均有所下降。文獻(xiàn)[38]提出了一種基于系統(tǒng)效率最優(yōu)的瞬時(shí)能量管理策略，并以成本、經(jīng)濟(jì)性和排放為優(yōu)化目標(biāo)，采用多目標(biāo)遺傳算法對PHEV的動(dòng)力系統(tǒng)參數(shù)和控制參數(shù)進(jìn)行聯(lián)合優(yōu)化，并獲得Pareto最優(yōu)解集，提供了多組可行的參數(shù)優(yōu)化方案。文獻(xiàn)[39]采用非支配排序遺傳算法(Non-dominated sorting genetic algorithm，NSGA)，以經(jīng)濟(jì)性和動(dòng)力性為雙目標(biāo)函數(shù)，對功率分流式HEV的行星齒輪耦合機(jī)構(gòu)的特征參數(shù)和主減速比等參數(shù)進(jìn)行了優(yōu)化設(shè)計(jì)，油耗有所降低。

也有一些學(xué)者考慮各種單一優(yōu)化算法的優(yōu)點(diǎn)，取長補(bǔ)短，設(shè)計(jì)組合算法進(jìn)行動(dòng)力系統(tǒng)參數(shù)匹配優(yōu)化。文獻(xiàn)[40]設(shè)計(jì)了一種混合遺傳算法(Hybrid genetic algorithm，HGA)，在特定的公交工況下，對同軸并聯(lián)PHEB部件參數(shù)及控制參數(shù)進(jìn)行了靜態(tài)聯(lián)合優(yōu)化，可作為一種可行的參數(shù)優(yōu)化工程設(shè)計(jì)方法。文獻(xiàn)[41]提出了一種基于最優(yōu)化能量管理策略的混合動(dòng)力系統(tǒng)參數(shù)優(yōu)化方法，以經(jīng)濟(jì)性為目標(biāo)，將電池組SOC終值和動(dòng)力性能作為約束條件，設(shè)計(jì)了多島遺傳算法(Multi-island genetic algorithm，MIGA)和SQP組合優(yōu)化算法，通過將整車模型和DP算法集成于Isight中，確定了單軸混聯(lián)式PHEB動(dòng)力系統(tǒng)參數(shù)。文獻(xiàn)[42]基于增強(qiáng)型GA和SA，提出了一種HGA，用于同時(shí)優(yōu)化PHEB的動(dòng)力系統(tǒng)參數(shù)和控制參數(shù)，并兼顧經(jīng)濟(jì)性和動(dòng)力性能。結(jié)果表明，該算法的收斂速度和全局搜索能力較突出。文獻(xiàn)[28]先采用權(quán)重法和非歸一化算法，以經(jīng)濟(jì)性、動(dòng)力性和小型化為目標(biāo)，對單軸并聯(lián)式HEV動(dòng)力源參數(shù)進(jìn)行了優(yōu)化，得到局部最優(yōu)匹配結(jié)果；進(jìn)而考慮控制策略對動(dòng)力源參數(shù)匹配的影響，以經(jīng)濟(jì)性為目標(biāo)，將動(dòng)力源參數(shù)和控制參數(shù)進(jìn)行集成優(yōu)化，結(jié)果表明，相對于局部優(yōu)化，集成優(yōu)化時(shí)油耗有所降低，動(dòng)力源參數(shù)也進(jìn)一步得到優(yōu)化。文獻(xiàn)[43]以行駛成本為目標(biāo)，利用最優(yōu)拉丁超立方設(shè)計(jì)方法獲得了PHEV傳動(dòng)系統(tǒng)參數(shù)的最優(yōu)局部區(qū)域，建立徑向基神經(jīng)網(wǎng)絡(luò)近似模型，并利用非線性二次規(guī)劃算法得到了最佳參數(shù)組合。

以上學(xué)者利用組合優(yōu)化算法對動(dòng)力系統(tǒng)參數(shù)和控制參數(shù)進(jìn)行了共同優(yōu)化，得到了較好的效果。但車輛實(shí)際行駛工況多變，基于單一工況下優(yōu)化得到的參數(shù)并不能適用于其他工況[44]。為了解決上述問題，一些學(xué)者又開展了基于多工況的動(dòng)力系統(tǒng)參數(shù)優(yōu)化研究，文獻(xiàn)[45]提出了一種多循環(huán)工況下混合動(dòng)力汽車參數(shù)優(yōu)化方法，以經(jīng)濟(jì)性為優(yōu)化目標(biāo)，基于GA，對動(dòng)力系統(tǒng)參數(shù)和控制參數(shù)進(jìn)行了優(yōu)化。文獻(xiàn)[46]組合6種典型循環(huán)工況，將電池SOC平衡油耗引入目標(biāo)函數(shù)，利用基于SA的PSO算法，提出了一種基于多工況優(yōu)化動(dòng)力系統(tǒng)參數(shù)與控制參數(shù)的方法，并通過實(shí)車試驗(yàn)驗(yàn)證了所提策略的有效性。文獻(xiàn)[47]通過建立車輛各工作模式的系統(tǒng)效率模型，以效率最佳制定模式切換規(guī)律，構(gòu)建包含5種典型工況的組合行駛工況，以經(jīng)濟(jì)性為優(yōu)化目標(biāo)，利用GA對單電機(jī)PHEV的動(dòng)力系統(tǒng)參數(shù)與模式切換規(guī)律控制參數(shù)進(jìn)行了綜合優(yōu)化，等效燃油消耗比優(yōu)化前降低了7.2%。

綜上所述，HEV動(dòng)力參數(shù)匹配與能量管理策略聯(lián)合優(yōu)化的同時(shí)，向多目標(biāo)優(yōu)化，優(yōu)化算法組合發(fā)展，由單一工況向多工況適應(yīng)發(fā)展，逐步深入優(yōu)化車輛的綜合性能，但上述研究都是基于確定的動(dòng)力系統(tǒng)最優(yōu)構(gòu)型進(jìn)行參數(shù)優(yōu)化，沒有考慮不同構(gòu)型方案對元件參數(shù)和控制策略優(yōu)化的影響。

3 能量管理策略優(yōu)化研究

能量管理策略的作用是根據(jù)車輛行駛過程中的能量需求，合理地動(dòng)態(tài)協(xié)調(diào)控制發(fā)動(dòng)機(jī)與驅(qū)動(dòng)電機(jī)的輸出功率流，以獲得最優(yōu)的經(jīng)濟(jì)性、動(dòng)力性和排放水平等綜合性能。

3.1 能量管理策略的類型

近年來，國內(nèi)外專家學(xué)者們從各個(gè)角度深入地研究了能量管理策略的優(yōu)化控制算法，HEV能量管理策略的分類如圖8所示[48-49]。按控制策略是否在線優(yōu)化，分為在線控制與離線控制策略；按策略的控制方式不同，分為基于規(guī)則的控制策略和基于優(yōu)化的控制策略。幾種典型能量管理策略的特點(diǎn)比較列于表2中。

圖8 HEV能量管理策略的分類

能量管理策略對未來工況信息依賴性弱強(qiáng)優(yōu)化效果局部最優(yōu)全局最優(yōu)計(jì)算量小大實(shí)時(shí)性在線離線DPPMPGAECMSMPCFLANN

3.2 能量管理策略的研究進(jìn)展

針對單一能量管理策略在應(yīng)用中存在的不足，國內(nèi)外學(xué)者們進(jìn)行了相應(yīng)的改進(jìn)或與其他算法相結(jié)合進(jìn)行優(yōu)化控制。

1) 動(dòng)態(tài)規(guī)劃策略

針對DP算法極其依賴于工況循環(huán)的狀態(tài)、不能實(shí)現(xiàn)實(shí)時(shí)在線控制的缺點(diǎn)，國內(nèi)外學(xué)者們對其進(jìn)行了一些探索，主要體現(xiàn)為算法的改進(jìn)或與其他技術(shù)相結(jié)合，以縮短計(jì)算時(shí)間和實(shí)現(xiàn)對未來工況信息的預(yù)測。文獻(xiàn)[50-51]分別采用2次和3次樣條近似DP算法用于HEV能量管理優(yōu)化問題，有效地減小了計(jì)算量。文獻(xiàn)[52]提出了一種基于隨機(jī)動(dòng)態(tài)規(guī)劃(Stochastic dynamic programming，SDP)的并聯(lián)式HEV能量管理策略,用馬爾科夫過程表示駕駛員的功率需求，依據(jù)SDP結(jié)果，對功率分配比圖進(jìn)行優(yōu)化，獲得了最佳燃油經(jīng)濟(jì)性。文獻(xiàn)[53]針對PHEV短途行駛時(shí)的最優(yōu)能量控制問題，提出一種基于Q學(xué)習(xí)的車載無模型算法，將神經(jīng)動(dòng)態(tài)規(guī)劃(Neural dynamic programming，NDP)與未來行程信息相結(jié)合，可實(shí)現(xiàn)隨機(jī)行駛工況中收斂到最佳策略。文獻(xiàn)[54]提出基于NDP的能量管理策略，對燃油經(jīng)濟(jì)性和電池SOC同時(shí)優(yōu)化，與SDP算法相比，獲得了更好的性能。文獻(xiàn)[55]構(gòu)建了由2個(gè)神經(jīng)網(wǎng)絡(luò)(Neural Networks，NN)模塊構(gòu)成的在線智能能量管理控制器，對改善PHEV在不同循環(huán)工況下的燃油經(jīng)濟(jì)性進(jìn)行了研究，根據(jù)DP優(yōu)化結(jié)果進(jìn)行訓(xùn)練，并考慮行程距離和持續(xù)時(shí)間，選擇相應(yīng)模塊輸出有效電池電流指令，以實(shí)現(xiàn)最佳能量管理。針對PHEB行駛工況復(fù)雜并具有一定的規(guī)律性，文獻(xiàn)[56]基于歷史工況數(shù)據(jù)的DP最優(yōu)解求出相應(yīng)的規(guī)則門限值，提出了基于DP的規(guī)則控制策略，并通過硬件在環(huán)實(shí)驗(yàn)，驗(yàn)證了該策略可有效減低油耗。文獻(xiàn)[57]綜合考慮動(dòng)力系統(tǒng)的連續(xù)和離散變量，提出了一種基于SDP的自適應(yīng)能量管理策略，通過動(dòng)態(tài)調(diào)整換檔點(diǎn)和扭矩分配，自適應(yīng)因子隨公交車復(fù)雜行駛工況變化，結(jié)果表明，所提方法能很好地響應(yīng)工況的變化。文獻(xiàn)[58]針對履帶式HEV，構(gòu)建了一種考慮角速度的3D馬爾可夫鏈驅(qū)動(dòng)模型，提出基于最近鄰法的在線轉(zhuǎn)移概率矩陣更新算法，所提方法也能夠適應(yīng)變化的行駛工況，并利用SDP進(jìn)行驗(yàn)證。

2) 模糊邏輯規(guī)則策略

3) PMP能量管理策略

PMP策略雖然降低了計(jì)算量，但實(shí)時(shí)運(yùn)算仍比較困難，基于合理的簡化整車模型，選取適當(dāng)?shù)牡刃禂?shù)時(shí)，可獲得近似全局最優(yōu)解，因此基于PMP實(shí)現(xiàn)在線優(yōu)化的策略被稱為ECMS[67]。文獻(xiàn)[68]針對功率分流式PHEV，提出了SA與PMP相結(jié)合的能量管理策略，利用PMP確定最優(yōu)電池電流，利用SA計(jì)算發(fā)動(dòng)機(jī)啟動(dòng)功率及最大電流系數(shù)。文獻(xiàn)[69]將基于PMP的PHEV最優(yōu)控制問題轉(zhuǎn)化為非線性規(guī)劃問題，根據(jù)KKT條件，提出了一種用于預(yù)定義行駛條件的通用代價(jià)估計(jì)方法，用于控制策略的初始代價(jià)和跳躍條件估計(jì)。文獻(xiàn)[70]綜合考慮電池SOC、等效因子與燃油消耗的關(guān)系，以燃油經(jīng)濟(jì)性為目標(biāo)，構(gòu)建了等效因子全局優(yōu)化模型，利用GA提出了基于等效因子優(yōu)化的ECMS，通過仿真與硬件在環(huán)試驗(yàn)，與未優(yōu)化的等效因子相比，油耗降低20.81%。文獻(xiàn)[71]利用K均值聚類算法，對4種典型循環(huán)工況進(jìn)行識別，并結(jié)合ECMS，合理優(yōu)化和分配需求功率，提高了燃油經(jīng)濟(jì)性。文獻(xiàn)[72]綜合考慮工況識別、駕駛風(fēng)格與ECMS之間的關(guān)系，提出了基于駕駛風(fēng)格識別的能量管理策略，選用一段隨機(jī)工況進(jìn)行仿真，燃油經(jīng)濟(jì)性提高了8.47%。由上述文獻(xiàn)看出，如何高效地利用工況信息獲得合理的實(shí)時(shí)等效系數(shù)，是基于PMP瞬時(shí)優(yōu)化策略的研究熱點(diǎn)。

4) 模型預(yù)測控制策略

模型預(yù)測控制策略(Model predictive control，MPC)通過在線辨識車輛動(dòng)態(tài)參數(shù)，可實(shí)現(xiàn)預(yù)測域內(nèi)的局部優(yōu)化，適用于HEV能量管理，并且還可以與其他智能算法相結(jié)合。

文獻(xiàn)[73]將隨機(jī)模型預(yù)測控制(Stochastic model predictive control，SMPC)與DP相結(jié)合，研究了并聯(lián)式HEV的轉(zhuǎn)矩分配問題，根據(jù)需求功率建立了馬爾科夫模型，并以燃油消耗最小為目標(biāo)進(jìn)行滾動(dòng)優(yōu)化控制，與邏輯門限值控制策略相比，經(jīng)濟(jì)性得到顯著提升。文獻(xiàn)[74]提出了一種基于SMPC與學(xué)習(xí)的駕駛員感知車輛控制方法，控制效果優(yōu)于傳統(tǒng)的MPC。文獻(xiàn)[75]以系統(tǒng)安全、經(jīng)濟(jì)性和舒適性為優(yōu)化目標(biāo)，提出了基于非線性模型預(yù)測理論的HEV預(yù)測巡航控制算法，與常規(guī)算法相比，所提方法在跟蹤安全性和經(jīng)濟(jì)性方面有較好表現(xiàn)。文獻(xiàn)[76]針對PHEV提出了基于蓄電池充放電管理的MPC智能優(yōu)化策略，油耗得到明顯降低，且可實(shí)現(xiàn)實(shí)時(shí)控制。文獻(xiàn)[77]基于電池SOC監(jiān)控和功率平衡整車模型，設(shè)計(jì)了基于實(shí)時(shí)交通數(shù)據(jù)的PHEV預(yù)測能量管理策略，并進(jìn)行了有效性驗(yàn)證。文獻(xiàn)[78]將動(dòng)力分流式PHEV的實(shí)時(shí)功率分配決策描述為非線性優(yōu)化問題，基于連續(xù)/廣義最小殘差算法，提出求解優(yōu)化問題的在線迭代算法，有效地改善了MPC的實(shí)時(shí)運(yùn)算問題。文獻(xiàn)[79]針對PHEB提出了一種駕駛行為感知修正的SMPC，利用K均值對駕駛行為分類，并基于馬爾可夫鏈獲得相應(yīng)的駕駛員模型，與電量消耗維持策略相比，所提策略可在整個(gè)循環(huán)工況中極大地提高燃油經(jīng)濟(jì)性。文獻(xiàn)[80]針對多能源PHEV，提出了集成MPC和基于規(guī)則策略的能量管理策略，與原控制策略相比，所提策略在3種典型駕駛循環(huán)下的燃油經(jīng)濟(jì)性均有所提高。

5) 基于智能優(yōu)化算法的能量管理策略

智能優(yōu)化算法能實(shí)現(xiàn)全局、并行高效優(yōu)化，具有魯棒性和通用性強(qiáng)等優(yōu)點(diǎn)，廣泛用于計(jì)算機(jī)科學(xué)、組合優(yōu)化、工程優(yōu)化設(shè)計(jì)等領(lǐng)域[81]。應(yīng)用于HEV能量管理策略的常用算法有GA、PSO、SA、蟻群算法(Ant Colony Algorithm，ACO)和人工神經(jīng)網(wǎng)絡(luò)(Artificial neural networks，ANN)等。

基于GA、PSO和SA的控制策略收斂速度較慢，這類算法目前主要采用離線運(yùn)算得到最優(yōu)結(jié)果，再結(jié)合在線策略進(jìn)行能量管理的優(yōu)化。文獻(xiàn)[82]提出一種基于遺傳的細(xì)菌覓食混合算法用于HEV能量優(yōu)化管理，燃油消耗量有所減少。文獻(xiàn)[83]提出了在線智能能量管理策略，基于不同傳動(dòng)系統(tǒng)功率和車速下的燃料消耗率和電池電流之間的關(guān)系分析，利用GA優(yōu)化發(fā)動(dòng)機(jī)啟動(dòng)功率閾值，利用QP計(jì)算發(fā)動(dòng)機(jī)啟動(dòng)時(shí)的最佳電流，有效地降低了燃油消耗量。文獻(xiàn)[84]設(shè)計(jì)了一種基于改進(jìn)型PSO的在線次優(yōu)能源管理系統(tǒng)，所提策略比傳統(tǒng)PSO更能有效地搜索最優(yōu)解，提高燃油經(jīng)濟(jì)性。文獻(xiàn)[85]提出基于NSGA-Ⅱ算法優(yōu)化模糊控制規(guī)則方法，進(jìn)行了燃油經(jīng)濟(jì)性和排放性能多目標(biāo)優(yōu)化，但未考慮模糊控制器的隸屬度函數(shù)的優(yōu)化。文獻(xiàn)[86]針對PHEV，綜合考慮驅(qū)動(dòng)和制動(dòng)時(shí)的能量分配問題，提出基于IGA優(yōu)化的雙模糊控制策略，以油耗和排放為目標(biāo)，對策略的隸屬度函數(shù)和控制規(guī)則同時(shí)進(jìn)行優(yōu)化，與GA相比，優(yōu)化效果明顯提高。文獻(xiàn)[87]針對預(yù)測型能量管理策略難以完全準(zhǔn)確預(yù)測未來行駛工況信息，基于未來工況預(yù)測數(shù)據(jù)，提出了動(dòng)態(tài)鄰域粒子群優(yōu)化算法用于局部最優(yōu)控制；同時(shí)考慮行駛工況的不確定性，提出了一種基于備用控制策略和模糊邏輯控制器的在線修正算法。

神經(jīng)網(wǎng)絡(luò)型控制策略設(shè)計(jì)過程較復(fù)雜，通過優(yōu)化方法對其設(shè)計(jì)要素進(jìn)行自動(dòng)調(diào)節(jié)，可有效提高其自適應(yīng)性。文獻(xiàn)[88]提出了一種模糊Q學(xué)習(xí)法，不依賴于對未來工況信息的預(yù)知，通過BP神經(jīng)網(wǎng)絡(luò)對控制規(guī)則進(jìn)行記憶和優(yōu)化，實(shí)現(xiàn)控制參數(shù)在線調(diào)整。文獻(xiàn)[89]考慮到充分利用PHEB的車載輔助設(shè)備(比如GPS等)，提出了一種多模式切換邏輯控制策略，基于歷史工況數(shù)據(jù)，利用改進(jìn)的層次聚類算法進(jìn)行工況特征分組，然后采用支持向量機(jī)方法預(yù)測當(dāng)前行駛工況，能很好地應(yīng)對城市公交車工況復(fù)雜多變的特點(diǎn)。文獻(xiàn)[90]針對PHEV提出了一種混合邏輯動(dòng)態(tài)模型預(yù)測控制策略，運(yùn)用模糊推理識別駕駛意圖，利用非線性自回歸神經(jīng)網(wǎng)絡(luò)車速預(yù)測方法預(yù)測未來行駛工況，以最小等效燃油消耗為目標(biāo)，實(shí)現(xiàn)了電機(jī)轉(zhuǎn)矩的最優(yōu)控制。文獻(xiàn)[91]提出了一種基于核模糊C聚類的多神經(jīng)網(wǎng)絡(luò)能量管理策略，與單神經(jīng)網(wǎng)絡(luò)策略相比，車輛的燃油經(jīng)濟(jì)性更好，電池SOC更加平穩(wěn)。文獻(xiàn)[92]針對PHEV，通過應(yīng)用分布式GA離線對發(fā)動(dòng)機(jī)/電機(jī)參數(shù)進(jìn)行優(yōu)化，基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)建立優(yōu)化逼近模型，基于線性規(guī)劃算法設(shè)計(jì)高階馬爾科夫速度預(yù)測器，提出一種實(shí)時(shí)能量管理策略，仿真表明所提策略的燃油經(jīng)濟(jì)性遠(yuǎn)高于傳統(tǒng)的基于規(guī)則的策略，略低于全局優(yōu)化策略。

綜上所述，HEV能量管理策略的發(fā)展趨勢可歸納為：① 充分發(fā)揮各種控制算法的優(yōu)勢，探索它們之間的互相協(xié)同與融合，實(shí)現(xiàn)組合策略控制，以獲取系統(tǒng)最優(yōu)的綜合性能；② 綜合考慮混合動(dòng)力系統(tǒng)構(gòu)型及動(dòng)力參數(shù)匹配，以改善整車的能量效率，尋求更為適用滿足特定設(shè)計(jì)需求的能量管理策略。

4 HEV“構(gòu)型參數(shù)匹配能量管理策略”協(xié)同優(yōu)化

由上述內(nèi)容看出，僅考慮系統(tǒng)構(gòu)型、參數(shù)匹配和能量管理策略中的某一或兩個(gè)因素優(yōu)化時(shí)，均不能獲得混合動(dòng)力系統(tǒng)的最優(yōu)設(shè)計(jì)方案和整車最佳綜合性能，因此，有必要分析系統(tǒng)構(gòu)型、參數(shù)匹配和能量管理策略之間的關(guān)聯(lián)性，進(jìn)行聯(lián)合優(yōu)化。

4.1 構(gòu)型參數(shù)匹配能量管理策略的關(guān)聯(lián)特性

圖9 HEV優(yōu)化設(shè)計(jì)結(jié)構(gòu)關(guān)系

4.2 構(gòu)型參數(shù)匹配能量管理策略協(xié)同優(yōu)化研究狀況

5 展望

本文對混合動(dòng)力汽車構(gòu)型、參數(shù)匹配和能量管理策略優(yōu)化的研究進(jìn)展進(jìn)行了分析。結(jié)合各種構(gòu)型的特點(diǎn)，指出單電機(jī)并聯(lián)構(gòu)型向高度集成化、功率分流構(gòu)型向集成化和復(fù)雜化方向，雙電機(jī)串/并聯(lián)構(gòu)型向多檔化和單電機(jī)方向發(fā)展。

2) 對于多模式混合動(dòng)力汽車，若模式切換控制不當(dāng)，也會(huì)影響車輛的經(jīng)濟(jì)性、平順性等，因此有必要考慮系統(tǒng)的動(dòng)態(tài)特性，基于混雜系統(tǒng)理論，建立多層次的優(yōu)化控制策略。

3) 利用智能交通系統(tǒng)或智能控制策略實(shí)時(shí)獲取、預(yù)測未來行駛工況與駕駛風(fēng)格等信息，探索工況多變情況下實(shí)時(shí)整車最優(yōu)控制算法的開發(fā)，進(jìn)一步提高車輛的綜合性能。