李連，梁思成

（重慶車輛檢測研究院國家客車質(zhì)量監(jiān)督檢驗中心，重慶 401122）

引言

混合動力汽車(Hybrid Electric Vehicle，HEV)是由兩種或兩種以上的能量源提供動力的汽車，是新老技術(shù)結(jié)合的產(chǎn)物，它同時具有純電動汽車和傳統(tǒng)內(nèi)燃機汽車的優(yōu)點，既有純電動汽車高效率和低排放的優(yōu)點，又具有燃油汽車高比能量（單位質(zhì)量的燃料所具有的能量）和比功率（單位質(zhì)量的燃料所具有的功率）的長處，顯著改善了傳統(tǒng)內(nèi)燃機汽車的排放和燃油經(jīng)濟性，增加了電動汽車的行駛里程。作為傳統(tǒng)燃油汽車與純電動汽車的過渡產(chǎn)品和折中方案，混合動力汽車已經(jīng)成為國際范圍內(nèi)新型環(huán)保車輛開發(fā)的熱點，具有很好的發(fā)展前景和市場潛力。

混合動力汽車按動力復合方式可劃分為3種類型：串聯(lián)式混合動力電動汽車（Series Hybrid Electric Vehicle，SHEV）、并聯(lián)式混合動力電動汽車(Parallel Hybrid Electric Vehicle，PHEV)、混聯(lián)式混合動力電動汽車(Series Parallel Hybrid Electric Vehicle，SPHEV)。按照電功率在總驅(qū)動功率中所占的比例，則又可分為深度混合/全混（Full Hybrid）、中度混合（Mild Hybrid）和輕微混合（Micro Hybrid）。不管是何種型式的混合動力系統(tǒng)，都要對多個能量源與其他部件相互配合進行優(yōu)化組合，形成不同的動力系統(tǒng)工作模式，以適應不同的行駛工況需求，獲得傳統(tǒng)汽車所不能得到的優(yōu)化控制目標（最佳燃油經(jīng)濟性，最低排放等)。

混合動力汽車的能量控制策略可根據(jù)當前車輛的運行狀態(tài)，合理分配發(fā)動機和電池的功率輸出，以實現(xiàn)最小的燃油消耗或者最低排放。其本質(zhì)是對發(fā)動機和電池的能量負荷進行協(xié)同控制。不同的能量協(xié)同控制策略，其建模和計算的復雜程度，在線控制的可實施性以及智能化程度的差異很大。如何尋找一個運算量較小，可在線運行又能實現(xiàn)自主學習的智能化能量協(xié)同控制策略成為近年來混合動力汽車研究領(lǐng)域的一個熱門話題。

1 能量控制策略分類

混合動力汽車的能量控制策略共有三種分類方式：

Guzzella L, Sciarretta A在文獻中將能量控制策略分為無因果關(guān)系控制策略和因果關(guān)系控制策略。這種分類方式是依據(jù)能量控制策略是否依賴于未來駕駛工況。無因果關(guān)系控制策略需要詳細的車輛未來駕駛信息，這些駕駛信息的獲取有兩種方式：第一種方式是車輛運行在固定工況，如美國城市循環(huán)工況(UDDS)及公路循環(huán)工況(HWFET)。第二種方式是針對公共交通車輛，其具有相對固定的駕駛路線并可獲取一定的未來駕駛信息。除此之外，駕駛信息都是不可提前獲取的，至少在某種意義上不能提前獲取車輛的車速及海拔高度的詳細信息，在這種情況下，就只能使用因果關(guān)系能量控制策略。

同樣是Sciarretta A, Guzzella L在文獻中將能量控制策略分為啟發(fā)式控制策略、最優(yōu)控制策略及次優(yōu)控制策略。啟發(fā)式控制策略中采用了布爾或模糊規(guī)則，其中的多個控制參數(shù)，如發(fā)動機啟動轉(zhuǎn)速對混合動力系統(tǒng)的結(jié)構(gòu)和工況具有很強的依賴性，因此，需要開展一系列昂貴的標定實驗。此外，在某種確定工況下控制效果很好，但在其它工況下，同樣的控制參數(shù)會導致很差的控制效果。為了解決上述啟發(fā)控制策略面臨的問題，可以采用系統(tǒng)的、基于模型目標方程的最優(yōu)化能量控制策略。最優(yōu)化控制策略的實現(xiàn)方式包含靜態(tài)最優(yōu)化、數(shù)值動態(tài)優(yōu)化以及封閉動態(tài)優(yōu)化。所有這些最優(yōu)控制策略都需要未來的駕駛信息，在實時控制系統(tǒng)的實現(xiàn)比較困難，因而次優(yōu)能量控制策略得到了廣泛研究。

Salmasi F R，Wirasingha S G, Emadi A分別將混合動力汽車的能量控制策略分為兩種類型：基于規(guī)則的能量控制策略和最優(yōu)化的能量控制策略。如圖1所示?；谝?guī)則的能量控制策略又可以分為確定性規(guī)則控制和模糊規(guī)則控制。最優(yōu)化控制又可以分為全局最優(yōu)和實時最優(yōu)的控制策略。

確定性規(guī)則中又有開關(guān)控制策略和功率跟隨控制策略，模糊規(guī)則中有傳統(tǒng)模糊控制策略和自適應控制策略。全局優(yōu)化中可以采用線性規(guī)劃控制策略、動態(tài)規(guī)劃及隨機動態(tài)規(guī)劃。實時最優(yōu)控制策略中包括等效燃油消耗、去耦控制及最優(yōu)預測控制策略。

2 常見控制策略介紹

2.1 確定性規(guī)則控制

1）開關(guān)控制

Ehsani M, Gao Y, Emadi A采用了開關(guān)控制策略，事先設定好電池的和，當SOC低于時，開啟發(fā)動機且一直工作在效率最高點，當SOC高于時，發(fā)動機關(guān)閉。開關(guān)型控制策略控制邏輯較為簡單，但并不能滿足車輛在所有工況條件下的功率需求，不過這種控制策略在行駛路徑已知的串聯(lián)式混合動力城市公交車上得到廣泛的應用。

2）功率跟隨控制策略

在研究公園綠地對住宅價格的影響時,通常從建筑特征、鄰里特征和區(qū)位特征3個主要方面展開分析,從中提取公園綠地對住宅價格的影響因數(shù)[16,21,30]．本文以住宅價格為因變量,選取了6個建筑特征、5個區(qū)位特征和4個鄰里特征為自變量(表1).在所選取的變量中,有實際數(shù)據(jù)和需要量化的數(shù)據(jù),其中建筑面積、建筑年齡、容積率、樓層、公共交通、至最近公園的距離、至最近商圈的距離、最近公園面積、至CBD距離、物業(yè)費、綠化率為實際數(shù)據(jù),裝修程度、住宅朝向、教育配套和生活配套則需要量化．

在這種控制策略下，發(fā)動機是汽車動力的主要來源，汽車需要的額外功率由電機提供，發(fā)動機持續(xù)給電池充電。這種控制策略一般依據(jù)如下幾種規(guī)則：1.車速較低時只使用電機；2.需求功率大于發(fā)動機所能提供的功率時由電機提供額外的功率；3.制動的能量再回收；4.功率需求低于某一極限值時發(fā)動機關(guān)閉，以提高發(fā)動機效率；5.電池的SOC低于某一極限值時，發(fā)動機要提供額外的功率給電池充電。這種控制策略很受歡迎，但其缺點是整個動力傳動系統(tǒng)的效率不是最優(yōu)的，且沒有充分考慮排放的改善。Toyota Prius以及Honda Insight均采用這功率跟隨型控制策略。

3）開關(guān)+功率跟隨控制策略

上述兩種方式各有所長，可將兩種控制策略結(jié)合起來，充分利用發(fā)動機和電池的高效區(qū)。SOC較低或負載要求較高時，開啟啟動發(fā)動機，此時對SOC進行狀態(tài)追蹤，確定電機輸出功率，蓄電池充放電時進行差額補償。SOC較高或負載要求較低時，關(guān)閉發(fā)動機，在這個過程中可以設置狀態(tài)保持，避免開關(guān)制策略中出現(xiàn)的頻繁起?，F(xiàn)象, 可以提高系統(tǒng)動力性。

2.2 模糊規(guī)則控制

1）傳統(tǒng)模糊控制策略

Lee H D, Sul S K提出了模糊控制邏輯來降低的排放的同時持續(xù)給電池充電并獲取駕駛員的需求轉(zhuǎn)矩。模糊控制器的輸入是加速踏板行程和電機轉(zhuǎn)速。按照“ IF…is…AND…is…THEN…is…” 形式制定規(guī)則庫，輸出則為發(fā)動機和電機的功率分配。結(jié)果顯示這種控制邏輯與傳統(tǒng)內(nèi)燃機車輛相比的排放可以降低20%，這種控制策略的主要缺點是不能保證對電池的持續(xù)充電。

2）自適應模糊控制

Langari R, Won J S中將自適應模糊控制策略應用到能量控制策略中?？刂撇呗灾兄饕牟糠郑厚{駛信息提取，駕駛環(huán)境識別，模糊轉(zhuǎn)矩分配以及荷電狀態(tài)補償器。其中駕駛環(huán)境識別中又包含四部分內(nèi)容：路型識別，駕駛員類型識別，駕駛趨勢識別以及驅(qū)動方式識別。這種控制策略在車輛需求大功率時，會終止對電池的充電以滿足車輛性能要求，即使電池的SOC已經(jīng)很低。自適應模糊控制策略在能量優(yōu)化策略中使用廣泛，其主要缺點是不考慮動力傳動系統(tǒng)的效率。

2.3 全局最優(yōu)控制策略

1）線性規(guī)劃

Tate E D, Boyd S P將凸規(guī)劃用于能量管理系統(tǒng)。他們將極小化燃油消耗表述為非線性的凸規(guī)劃問題并最終近似為一個大的線性規(guī)劃問題。其中瞬時的燃油消耗假設為發(fā)動機輸出功率的凸函數(shù)，，一系列類似的處理方式用于該問題。最終建立目標方程為并包含許多限制條件。這種控制策略可以提供全局最優(yōu)解，然而轉(zhuǎn)換過程中用到了許多近似，事實上線性規(guī)劃對于復雜的動力傳動系統(tǒng)的能量優(yōu)化控制是不合適的。

2）動態(tài)規(guī)劃

Lin C C, Peng H, Grizzle J W, et al將DP算法用于混合動力卡車的最優(yōu)功率分配。以汽車在已知工況下的油耗最小為最終目標，建立相應的能量流模型，將車輛運行工況按時間間隔，劃分為若干相繼的片段，然后求得各片段發(fā)動機功率最優(yōu)輸出序列，使目標函數(shù)達到極值。DP算法需要知道車輛的工況，且迭代過程計算量較大，DP算法的結(jié)果代表著能量優(yōu)化結(jié)果的最好效果。

3）隨機動態(tài)規(guī)劃

Lin C C, Peng H, Grizzle J W使用隨機動態(tài)規(guī)劃對混合動力汽車的能量分配策略進行優(yōu)化。這種方法認為駕駛員的功率需求基于 Markov過程，能量分配策略是在一系列隨機的駕駛工況中進行最優(yōu)控制，而不是針對優(yōu)化某種給定的工況。隨機動態(tài)規(guī)劃策略可以求解有約束的非線性優(yōu)化問題，這種控制策略可以產(chǎn)生隨時間連續(xù)變化的能量分配策略，用以控制發(fā)動機與電池的實際能量分配，但這種控制策略需要經(jīng)過確定的動態(tài)規(guī)劃策略的訓練。

2.4 實時最優(yōu)控制策略

1）等效燃油消耗

Sciarretta A, Back M, Guzzella L采用等效燃油消耗控制策略來實現(xiàn)實時的最優(yōu)控制過程。這種控制策略不依賴于平均效率。等效燃油消耗控制策略的缺點是沒有明確的考慮電池的持續(xù)充電問題。

2）去耦控制策略

Pisu P, Koprubasi K, Rizzoni G提出了一種新穎的控制策略來確?？山邮艿能囕v駕駛性能。除了駕駛功率需求和電池SOC，還有其它措施來保證車輛的駕駛性能，比如換擋平順及減少傳動系統(tǒng)振動。針對電機用于直接驅(qū)動后輪且發(fā)動機上集成啟動電機的動態(tài)車輛模型，采用去耦控制策略?？刂破鞯妮敵鲇扇糠纸M成：1.第一部分駕駛功率需求的設計使用等效燃油消耗的控制策略；2.第二部分主要用于控制電池SOC；3.第三部分確保車輛的駕駛性能，這部分采用線性二次型調(diào)節(jié)器。但這種控制策略仍處于發(fā)展的初級階段。

3）最優(yōu)預測控制

Salman M, Chang M F, Chen J S引入了價值函數(shù)用于表示等效燃油消耗，這個價值函數(shù)可以有預見性的找到實時預測控制法則。最優(yōu)控制理論用于解決上述問題，這種方法通過預先查看駕駛方式和地形信息，實現(xiàn)燃油經(jīng)濟性的瞬時最優(yōu)。

3 總結(jié)

混合動力汽車能量優(yōu)化控制策略研究對汽車產(chǎn)業(yè)發(fā)展和改善生態(tài)問題都有較高的實際作用和應用發(fā)展價值。文章中介紹了幾種混合動力汽車能量優(yōu)化的控制策略，但在實際工程中，控制策略的選取不僅要考慮到燃油經(jīng)濟性、排放性能和動力性能，還要兼顧駕駛信息、運行工況、電池性能等。通過多種策略的綜合比對，選取合適的能量優(yōu)化控制策略，以期實現(xiàn)以最小的代價獲取較優(yōu)控制結(jié)果的目的。