詹長(zhǎng)書　王清　朱冬　隋洪濤

摘 要：為提高中度混合動(dòng)力汽車整車性能，對(duì)實(shí)際運(yùn)用性較強(qiáng)的傳統(tǒng)兩參數(shù)換擋規(guī)律進(jìn)行優(yōu)化。本文通過(guò)Cruise 和I sight聯(lián)合仿真進(jìn)行換擋曲線優(yōu)化，優(yōu)化算法選擇混合優(yōu)化算法Pointer。在設(shè)置經(jīng)濟(jì)性換擋規(guī)律時(shí)，將污染物的排放量加入優(yōu)化目標(biāo)來(lái)更好地實(shí)現(xiàn)節(jié)能減排目標(biāo)。通過(guò)NEDC循環(huán)工況整車仿真，證明優(yōu)化的換擋規(guī)律能更好地發(fā)揮混合動(dòng)力汽車的性能，同時(shí)提高整車經(jīng)濟(jì)性。

關(guān)鍵詞：混合動(dòng)力;換擋規(guī)律;聯(lián)合仿真;Pointer算法

中圖分類號(hào)：U463.212??? 文獻(xiàn)標(biāo)識(shí)碼：A?? 文章編號(hào)：1006-8023（2020）06-0110-07

Design of AMT Shifting Schedule of Hybrid Electric Vehicle Based

on Intelligent Optimization

ZHAN Changshu1， WANG Qing1， ZHU Dong1*，SUI Hongtao2

（1.School of Traffic and Transportation， Northeast Forestry University， Harbin 150040， China;

2.Micro System Integration Center， Tohoku University， Sendai 9808579， Japan）

Abstract：The optimization of the traditional two-parameter shift schedule with great practical application， improving the performance of the medium hybrid electric vehicle， was achieved by Cruise and I sight combined simulation. The hybrid optimization algorithm Pointer was applied as the optimization algorithm. With the setting of the economic shift schedule， the optimization target by adding the emission of pollutants levels up the realization of the energy conservation and emission reduction target. The NEDC cycle vehicle simulation demonstrates the better performance of hybrid electric vehicle and improving vehicle economy with the optimized shift schedule.

Keywords：HEV; shifting schedule; joint simulation; Pointer algorithm

收稿日期：2020-3-20

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目（51405075）

第一作者簡(jiǎn)介：詹長(zhǎng)書，博士，副教授。研究方向：汽車振動(dòng)與噪聲、節(jié)能減排技術(shù)。E-mail：1437116792@qq.com

通信作者：朱冬，博士，講師。研究方向：氣動(dòng)系統(tǒng)的建模和仿真研究。E-mail： Winter_Zhu@yahoo.com.cn

引文格式：詹長(zhǎng)書，王清，朱冬，等.基于智能優(yōu)化的混合動(dòng)力汽車AMT換擋規(guī)律設(shè)計(jì)[J].森林工程，2020，36（6）：110-116.

ZHAN C S， WANG Q ， ZHU D， et al. Design of AMT shifting schedule of hybrid electric vehicle based on intelligent optimization[J]. Forest Engineering，2020，36（6）：110-116.

0 引言

目前，由于化石燃料能源的不足，各國(guó)的排放法規(guī)越來(lái)越嚴(yán)格，混合動(dòng)力汽車在汽車市場(chǎng)中比重日益增大[1]。對(duì)于配置了自動(dòng)變速器的混合動(dòng)力汽車，為了提高整車的動(dòng)力性和經(jīng)濟(jì)性，既要制定發(fā)動(dòng)機(jī)和電機(jī)的能量分配策略，又要開(kāi)發(fā)相應(yīng)的換擋方法來(lái)提高發(fā)動(dòng)機(jī)和電機(jī)的效率。目前國(guó)內(nèi)許多機(jī)構(gòu)都在從事混合動(dòng)力汽車相關(guān)的研究，但對(duì)換擋決策方面研究較少，主要集中在車輛能量管理策略上[2]。

考慮混合動(dòng)力汽車雙動(dòng)力源的復(fù)雜性，其換擋規(guī)律多采用多參數(shù)和智能換擋方法[3]，但控制算法復(fù)雜、制定方法不成熟，實(shí)際應(yīng)用性差強(qiáng)人意。如何仁等[4]采用了動(dòng)態(tài)3參數(shù)換擋規(guī)律，柴會(huì)武[5]制定4參數(shù)換擋規(guī)律，在控制參數(shù)選取上也各有不同。胡宇輝等[6]在某混合動(dòng)力車輛上進(jìn)行換擋規(guī)律逆向解析實(shí)驗(yàn)，換擋參數(shù)選取油門開(kāi)度、車速、電池SOC、電機(jī)轉(zhuǎn)矩和發(fā)動(dòng)機(jī)轉(zhuǎn)矩，證實(shí)了油門開(kāi)度和車速對(duì)混合動(dòng)力而言依然是首要換擋參數(shù)。本文以車速、油門開(kāi)度為換擋參數(shù)，首先搭建混合動(dòng)力車輛模型，然后基于Pointer算法進(jìn)行聯(lián)合仿真以優(yōu)化換擋點(diǎn)，提高車輛的經(jīng)濟(jì)性能和排放性能。

1 車輛結(jié)構(gòu)及模型搭建

1.1 并聯(lián)式混合動(dòng)力系統(tǒng)的結(jié)構(gòu)

中度混合動(dòng)力汽車其同軸并聯(lián)式的結(jié)構(gòu)將電機(jī)軸作為傳動(dòng)軸的一部分，結(jié)構(gòu)簡(jiǎn)單容易實(shí)現(xiàn)[7]。其并聯(lián)結(jié)構(gòu)可以實(shí)現(xiàn)純發(fā)動(dòng)機(jī)驅(qū)動(dòng)、純電動(dòng)驅(qū)動(dòng)、發(fā)動(dòng)機(jī)和電機(jī)混合驅(qū)動(dòng)、制動(dòng)能量再生等多種工作模式，單軸并聯(lián)混合動(dòng)力汽車系統(tǒng)簡(jiǎn)圖如圖1所示。

1.2 雙動(dòng)力源協(xié)同能量管理策略

目前混合動(dòng)力能量分配策略主要分為基于規(guī)則的能量管理和基于系統(tǒng)優(yōu)化的控制策略等?？紤]運(yùn)行的可靠性，本文在邏輯規(guī)則控制的基礎(chǔ)上研究自動(dòng)變速換擋規(guī)律。采用邏輯門限策略來(lái)實(shí)現(xiàn)單動(dòng)力源驅(qū)動(dòng)、混合驅(qū)動(dòng)和制動(dòng)能量回收等多種工作模式的切換[8-10]。即當(dāng)電量充足時(shí)，小負(fù)荷和低轉(zhuǎn)速下電動(dòng)機(jī)單獨(dú)驅(qū)動(dòng)，其余工況采用混合驅(qū)動(dòng)。當(dāng)電量不足時(shí)，小負(fù)荷發(fā)動(dòng)機(jī)驅(qū)動(dòng)并行車充電，中大負(fù)荷僅發(fā)動(dòng)機(jī)驅(qū)動(dòng)。

其中在發(fā)動(dòng)機(jī)和電動(dòng)機(jī)混合驅(qū)動(dòng)時(shí)采用確定的轉(zhuǎn)矩分配控制規(guī)則，通過(guò)電機(jī)的協(xié)作降低燃油消耗，并盡可能減小發(fā)動(dòng)機(jī)負(fù)荷的變化。具體為根據(jù)不同油門開(kāi)度對(duì)應(yīng)的需求轉(zhuǎn)矩進(jìn)行能量分配[11]。發(fā)動(dòng)機(jī)轉(zhuǎn)矩選取該轉(zhuǎn)速下發(fā)動(dòng)機(jī)最大轉(zhuǎn)矩，這樣可以保證車輛具有一定的動(dòng)力性，又能在混合動(dòng)力或行車充電工況下，在發(fā)動(dòng)機(jī)最佳燃油經(jīng)濟(jì)性轉(zhuǎn)矩附近發(fā)揮電動(dòng)機(jī)的協(xié)調(diào)作用，減少車輛燃油消耗。

1.3 整車模型的搭建

仿真技術(shù)對(duì)車輛的研發(fā)起著重要的作用，降低了開(kāi)發(fā)周期和成本。Cruise是車輛系統(tǒng)的集成開(kāi)發(fā)軟件，可進(jìn)行整車的動(dòng)力性、燃油經(jīng)濟(jì)性、排放性能和制動(dòng)性能的仿真分析[12]。其模塊化的建模形式和圖形化的交互環(huán)境，方便工程師快捷地搭建各種傳統(tǒng)及新能源車輛模型。同時(shí)Cruise設(shè)置了許多計(jì)算任務(wù)：循環(huán)工況、巡航工況、最大爬坡度計(jì)算、穩(wěn)態(tài)行駛性能及全負(fù)荷加速性能任務(wù)等[13]。以表1中車輛參數(shù)在Cruise中建立整車模型，如圖2所示。同時(shí)在Simulink中建立能量分配控制策略以dell格式嵌入Cruise車輛模型中。

2 傳統(tǒng)單動(dòng)力源換擋規(guī)律制定

2.1 發(fā)動(dòng)機(jī)動(dòng)力性換擋規(guī)律制定

發(fā)動(dòng)機(jī)動(dòng)力性換擋規(guī)律就是使車輛獲得最大的動(dòng)力性。制定的根據(jù)是發(fā)動(dòng)機(jī)特性曲線[14]，根據(jù)發(fā)動(dòng)機(jī)臺(tái)架試驗(yàn)測(cè)得不同油門開(kāi)度下發(fā)動(dòng)機(jī)的轉(zhuǎn)矩與轉(zhuǎn)速。然后根據(jù)下面公式做出同一油門開(kāi)度下加速度隨車速變化的關(guān)系曲線。

Fn=Tigioηr 。 （1）

α=Fn-F+ωσm。（2）

v=0.377rnigi0 。 （3）

式中：Fn為驅(qū)動(dòng)力;T為驅(qū)動(dòng)電機(jī)輸出轉(zhuǎn)矩;ig為變速器速比;i0為主減速比;η為傳動(dòng)效率;r為車輪半徑;F+ω為滾動(dòng)阻力和空氣阻力之和;σ為汽車旋轉(zhuǎn)質(zhì)量換算系數(shù);m為整車質(zhì)量;v為車速，n為發(fā)動(dòng)機(jī)轉(zhuǎn)速。

將相鄰擋位加速度曲線的交點(diǎn)作為換擋點(diǎn)。最后根據(jù)換擋點(diǎn)生成動(dòng)力性換擋曲線，如圖3所示。

2.2 發(fā)動(dòng)機(jī)經(jīng)濟(jì)性換擋規(guī)律制定

發(fā)動(dòng)機(jī)經(jīng)濟(jì)性換擋規(guī)律的制定依據(jù)是發(fā)動(dòng)機(jī)萬(wàn)有特性圖[15]，根據(jù)發(fā)動(dòng)機(jī)臺(tái)架試驗(yàn)，利用軟件擬合工具可以得到同一油門開(kāi)度下燃油消耗率隨車速變化的關(guān)系曲線。做出同一油門下的燃油消耗率-車速曲線，相鄰擋位下曲線交點(diǎn)即為換擋點(diǎn)。最后根據(jù)換擋點(diǎn)生成經(jīng)濟(jì)性換擋曲線，如圖4所示。

3 混合動(dòng)力綜合性換擋規(guī)律優(yōu)化

針對(duì)車輛多種工作模式：純發(fā)動(dòng)機(jī)驅(qū)動(dòng)、純電動(dòng)驅(qū)動(dòng)、混合驅(qū)動(dòng)、制動(dòng)能量回收以及緊急制動(dòng)等制定相應(yīng)的換擋規(guī)律。制動(dòng)能量回收以及緊急制動(dòng)期間不進(jìn)行換擋。當(dāng)電池電量充足時(shí)為純電動(dòng)驅(qū)動(dòng)、混合驅(qū)動(dòng)，當(dāng)電量不足時(shí)為發(fā)動(dòng)機(jī)單獨(dú)驅(qū)動(dòng)和行車充電。因此換擋規(guī)律根據(jù)電量（SOC）大小分為電量充足（文中設(shè)為SOC≥25%）換擋規(guī)律和電量不足（即SOC<25%）換擋規(guī)律。

3.1 聯(lián)合優(yōu)化換擋規(guī)律的優(yōu)勢(shì)

傳統(tǒng)換擋規(guī)律是以發(fā)動(dòng)機(jī)轉(zhuǎn)速特性和效率為依據(jù)，沒(méi)有考慮系統(tǒng)的總效率。擁有兩個(gè)動(dòng)力源的混合動(dòng)力汽車存在發(fā)動(dòng)機(jī)與電機(jī)耦合現(xiàn)象，采用Cruise建立模型、設(shè)計(jì)優(yōu)化換擋規(guī)律可以更好地利用系統(tǒng)的效率，同時(shí)在優(yōu)化中將主要污染物的排放（CO、HC、NOx）設(shè)為優(yōu)化目標(biāo)，更好地實(shí)現(xiàn)了節(jié)能減排。

雖然AVL-Cruise自帶了一個(gè)換擋策略優(yōu)化工具GSP，但是這個(gè)模塊完全是為內(nèi)燃機(jī)開(kāi)發(fā)的。模塊中需要輸入不少內(nèi)燃機(jī)的特性參數(shù)，這不符合混合動(dòng)力汽車的需求。所以需要結(jié)合I sight自帶的優(yōu)化算法，尋找最優(yōu)的換擋策略。

3.2 混合動(dòng)力換擋規(guī)律設(shè)計(jì)

當(dāng)電池電量充足時(shí)采用三段式換擋設(shè)計(jì)，即根據(jù)油門開(kāi)度分為大、中、小3個(gè)部分進(jìn)行換擋設(shè)計(jì)，油門開(kāi)度在大和中部分時(shí)，車輛需求轉(zhuǎn)矩較大，系統(tǒng)處于混合驅(qū)動(dòng)模式，因此大油門開(kāi)度采用動(dòng)力性換擋規(guī)律，中油門開(kāi)度采用經(jīng)濟(jì)性換擋規(guī)律;而油門開(kāi)度較小時(shí)，車輛運(yùn)行在純電動(dòng)模式，采用純電動(dòng)車輛常用的單參數(shù)換擋規(guī)律，即僅根據(jù)車速確定換擋曲線。具體劃分為：節(jié)氣門開(kāi)度小于25%時(shí)依據(jù)單參數(shù)換擋參數(shù)車速;節(jié)氣門開(kāi)度為25%～70%時(shí)，依據(jù)車速和節(jié)氣門開(kāi)度設(shè)計(jì)經(jīng)濟(jì)性換擋曲線;節(jié)氣門開(kāi)度大于70%時(shí)，依據(jù)車速和節(jié)氣門開(kāi)度設(shè)計(jì)動(dòng)力性換擋曲線。電池電量不足時(shí)采用兩段式換擋設(shè)計(jì)，電池電量不足時(shí)車輛工作在純發(fā)動(dòng)機(jī)模式或行車充電模式，此時(shí)中小油門即加速踏板開(kāi)度小于70%時(shí)采取經(jīng)濟(jì)性換擋規(guī)律，大油門即加速踏板開(kāi)度大于70%時(shí)，采取動(dòng)力性擋位規(guī)律。降擋曲線使用等延遲型。故下文僅針對(duì)升檔設(shè)計(jì)優(yōu)化進(jìn)行詳細(xì)描述。

3.3 換擋規(guī)律優(yōu)化步驟

3.3.1 電量充足時(shí)優(yōu)化變量及優(yōu)化目標(biāo)

以一檔升二檔為例，油門開(kāi)度為30%～70%時(shí)，直接選取5個(gè)換擋點(diǎn)，分別為30%、40%、50%、60%、70%，對(duì)應(yīng)優(yōu)化變量為x1、x2、x3、x4、x5，優(yōu)化目標(biāo)為循環(huán)工況下百公里等效燃油消耗和CO、HC、NOx污染物排放量。油門開(kāi)度為70%～100%時(shí)，選取3個(gè)換擋點(diǎn)，分別為80%、90%、100%，對(duì)應(yīng)優(yōu)化變量為x6、x7、x8。優(yōu)化目標(biāo)為百公里加速時(shí)間。同理做出二檔升三檔和三檔升四檔的換擋曲線。

3.3.2 電量不足時(shí)優(yōu)化變量及優(yōu)化目標(biāo)

以一檔升二檔為例，油門開(kāi)度為0%～70%時(shí)，選取8個(gè)換擋點(diǎn)，分別為0、10%、20%、30%、40%、50%、60%、70%，對(duì)應(yīng)優(yōu)化變量為x*0、x*1、x*2、x*3、x*4、x*5、x*6、x*7，優(yōu)化目標(biāo)為循環(huán)工況下百公里等效燃油消耗和CO、HC、NOx污染物排放量。油門開(kāi)度為70%～100%時(shí)，選取3個(gè)換擋點(diǎn)，分別為80%、90%、100%，對(duì)應(yīng)優(yōu)化變量為x*8、x*9、x*10，優(yōu)化目標(biāo)為百公里加速時(shí)間。同理做出二檔升三檔和三檔升四檔的換擋曲線。

3.4 聯(lián)合仿真優(yōu)化原理和步驟

I sight軟件提供的接口程序可以直接與很多專業(yè)軟件進(jìn)行集成[16]，由于沒(méi)有可以與Cruise直接集成的模塊，本文借助Sim code模塊，通過(guò)自定義批處理文件來(lái)完成仿真優(yōu)化，搭建Cruise與I sight聯(lián)合仿真模型。在Optimization模塊進(jìn)行算法的選取、模塊變量設(shè)置、目標(biāo)函數(shù)等的約束，建立的優(yōu)化算法模型，如圖5所示。

優(yōu)化過(guò)程中I sight使用自身的優(yōu)化算法板塊對(duì)優(yōu)化變量值不斷更新，然后調(diào)用所集成的 Cruise 模型里的子程序進(jìn)行計(jì)算，并獲取和評(píng)定每次計(jì)算結(jié)果。當(dāng)優(yōu)化結(jié)果達(dá)到最優(yōu)時(shí)，停止計(jì)算并輸出優(yōu)化結(jié)果[17]。I sight 和 Cruise 進(jìn)行聯(lián)合仿真設(shè)置步驟如圖6所示。

3.5 優(yōu)化算法的選擇及優(yōu)化結(jié)果

建立優(yōu)化變量、目標(biāo)函數(shù)以后，選擇恰當(dāng)?shù)膬?yōu)化算法。I sight優(yōu)化庫(kù)里有外點(diǎn)罰函數(shù)法、序列二次規(guī)劃法、多島遺傳算法和自適應(yīng)模擬退火算法等?？紤]優(yōu)化問(wèn)題的復(fù)雜性，選擇I sight中的混合優(yōu)化算法Pointer。Pointer實(shí)質(zhì)上是一個(gè)算法庫(kù)，是線性單純形法、遺傳算法、最速下降法和序列二次規(guī)劃算法的集成[18-19]，在進(jìn)行優(yōu)化時(shí)，首先利用遺傳算法對(duì)優(yōu)化空間進(jìn)行探索，初步確定優(yōu)化問(wèn)題的種類，然后在迭代中自動(dòng)選擇合適優(yōu)化算法。

優(yōu)化一檔升二檔曲線時(shí)，x1、x2、x3、x4、x5、x6、x7、x8優(yōu)化過(guò)程如圖7和圖8所示。

按電量劃分分別優(yōu)化后升檔曲線如圖9和圖10所示。

橫坐標(biāo)c為車速，縱坐標(biāo)b為加速踏板開(kāi)度。

4 結(jié)果驗(yàn)證

為了驗(yàn)證所設(shè)計(jì)的換擋規(guī)律的優(yōu)勢(shì)，將綜合換擋規(guī)律c與動(dòng)力性換擋規(guī)律a和經(jīng)濟(jì)性換擋規(guī)律b載入Cruise模型中進(jìn)行NEDC工況下的仿真，其結(jié)果見(jiàn)表2。綜合換擋規(guī)律c與經(jīng)濟(jì)性換擋規(guī)律b在燃油消耗上區(qū)別不是很大，但其污染物排放降低量和百公里耗電量明顯降低。綜合換擋規(guī)律c與動(dòng)力性換擋規(guī)律a在動(dòng)力性能方面區(qū)別不是很大，但其經(jīng)濟(jì)性有了很大的改善。綜合分析可得所設(shè)計(jì)的換擋規(guī)律不僅在動(dòng)力上滿足整車的要求，同時(shí)也具備了經(jīng)濟(jì)性換擋規(guī)律的優(yōu)點(diǎn)，更好地實(shí)現(xiàn)了節(jié)能減排的目標(biāo)。

5 結(jié)論

（1）基于AVL Cruise仿真平臺(tái)搭建了并聯(lián)中度混合動(dòng)力汽車模型，同時(shí)在Simulink中建立能量分配控制策略以dell形式嵌入Cruise模型中。

（2）選擇車速、油門開(kāi)度作為換擋參數(shù)，在基于邏輯規(guī)則能量分配策略上，運(yùn)用I sight中的智能組合算法對(duì)換擋點(diǎn)進(jìn)行分段優(yōu)化，制定了綜合性換擋規(guī)律，優(yōu)化傳統(tǒng)的換擋規(guī)律，使車輛換擋更加經(jīng)濟(jì)、精確。

（3）在設(shè)置經(jīng)濟(jì)性換擋規(guī)律時(shí)，將CO、HC、NOx主要污染物排放量加入優(yōu)化目標(biāo)，得出的混合動(dòng)力系統(tǒng)換擋規(guī)律在保證車輛動(dòng)力的同時(shí)提高了車輛的經(jīng)濟(jì)性，減少了污染物的排放量

【參 考 文 獻(xiàn)】

[1]馬建，劉曉東，陳軼嵩，等.中國(guó)新能源汽車產(chǎn)業(yè)與技術(shù)發(fā)展現(xiàn)狀及對(duì)策[J].中國(guó)公路學(xué)報(bào)，2018，31（8）：1-19.

MA J， LIU X D， CHEN Y S， et al. Current status and countermeasures for Chinas new energy automobile industry and technology development[J]. China Journal of Highway and Transport， 2018， 31（8）：1-19.

[2]蘇嶺，曾育平，秦大同.插電式混合動(dòng)力汽車能量管理策略研究現(xiàn)狀和發(fā)展趨勢(shì)[J].重慶大學(xué)學(xué)報(bào)，2017，40（2）：10-15.

SU L， ZENG Y P， QIN D T. Current situation and development trend of plug-in hybrid electric vehicles energy management strategies[J]. Journal of Chongqing University， 2017， 40（2）：10-15.

[3]DU B， YIN X， LIU Y G. Coordination control during mode transition for a single-shaft parallel hybrid electric vehicle[J]. International Journal of Electric and Hybrid Vehicles， 2016， 8（3）：255.

[4]何仁，徐益強(qiáng).并聯(lián)混合動(dòng)力汽車混合驅(qū)動(dòng)模式的換擋規(guī)律[J].江蘇大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，37（6）：657-662.

HE R， XU Y Q. Shifting law of hybrid drive mode of parallel hybrid electric vehicle[J]. Journal of Jiangsu University （Natural Science）， 2016， 37（6）：657-662.

[5]柴會(huì)武.基于人—車—路識(shí)別的混合動(dòng)力汽車檔位決策研究[D].合肥：合肥工業(yè)大學(xué)，2016.

CHAI H W. Research on stall position decision of hybrid electric vehicle based on person-vehicle-road recognition[D]. Hefei： Hefei University of Technology， 2016.

[6]胡宇輝，楊林，席軍強(qiáng)，等.某單軸并聯(lián)混合動(dòng)力客車換擋規(guī)律的解析[J].汽車工程，2013，35（7）：629-634.

HU Y H， YANG L， XI J Q， et al. An analysis on the shifting schedule of a single-shaft parallel hybrid electric bus[J]. Automotive Engineering， 2013， 35（7）：629-634.

[7]陳剛.混合動(dòng)力汽車關(guān)鍵部件選型及仿真研究[D].西安：長(zhǎng)安大學(xué)，2012.

CHEN G. Research on key components selection and simulation of hybrid electric vehicle[D]. Xian： Changan University， 2012.

[8]郭偉，徐向陽(yáng)，劉獻(xiàn)棟，等.P2結(jié)構(gòu)混合動(dòng)力系統(tǒng)協(xié)同控制[J].中國(guó)公路學(xué)報(bào)，2018，31（6）：308-316.

GUO W， XU X Y， LIU X D， et al. P2 structure hybrid power system coordinated control[J]. China Journal of Highway and Transport， 2018， 31（6）：308-316.

[9]付翔，袁雷，紀(jì)劍.單軸并聯(lián)式混合動(dòng)力汽車動(dòng)力系統(tǒng)轉(zhuǎn)矩分配策略研究[J].公路交通科技，2018，35（1）：129-136.

FU X， YUAN L， JI J. Study on torque distribution strategy of power system of single Axis parallel hybrid power vehicle[J]. Journal of Highway and Transportation Research and Development， 2018， 35（1）：129-136.

[10]CHEN Z， XING R， WANG K， et al. Optimal energy management strategy of a plug-in， hybrid electric vehicle based on a particle swarm optimization algorithm[J]. Energies， 2015， 8（5）：3661-3678.

[11]REN H E. Shift schedule of parallel hybrid electric vehicles under hybrid driving mode[J]. Journal of Jiangsu University， 2016， 10（6）：12-18.

[12]馮英姿.基于Cruise的客車傳動(dòng)系優(yōu)化匹配及整車性能分析[D].合肥：合肥工業(yè)大學(xué)，2014.

FENG Y Z. Cruise based vehicle transmission line optimization and vehicle performance analysis[D]. Hefei： Hefei University of Technology， 2014.

[13]周江輝，周躍慶，祖林祿.基于Cruise的增程式電動(dòng)汽車仿真與分析[J].計(jì)算機(jī)仿真，2014，31（8）：148-152.

ZHOU J H， ZHOU Y Q， ZU L L. Simulation and analysis of range-extended electric vehicle based on cruise software[J]. Computer Simulation， 2014， 31（8）： 148-152.

[14]王麗芳.自動(dòng)變速器換檔規(guī)律確定方法的研究[J].汽車技術(shù)，1998，18（6）：7-9.

WANG L F. Study on the method of determining the shift rule of automatic transmission[J]. Automobile Technology， 1998， 18（6）： 7-9.

[15]江昊，趙韓，黃康，等.純電動(dòng)汽車經(jīng)濟(jì)性換擋規(guī)律仿真研究[J].汽車工程，2015，37（7）：819-824.

JIANG H， ZHAO H， HUANG K， et al. A simulation study on the shift schedule of electric vehicle aiming at fuel economy[J]. Automotive Engineering， 2015， 37（7）： 819-824.

[16]馬天飛，崔澤飛，佟靜.基于Isight和AMESim的液壓減振器關(guān)鍵參數(shù)集成優(yōu)化[J].汽車工程，2015，37（1）：97-101.

MA T F， CUI Z F， TONG J. Integrated optimization of the key parameters of hydraulic shock absorber based on Isight and AMEsim software[J]. Automotive Engineering， 2015， 37（1）： 97-101.

[17]尹安東，董欣陽(yáng)，張冰戰(zhàn)，等.基于Isight的增程式電動(dòng)汽車控制參數(shù)多目標(biāo)優(yōu)化[J].合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，38（3）：289-294.

YIN A D， DONG X Y， ZHANG B Z， et al. Multi-objective optimization of control parameters of range-extended electric vehicle based on Isight[J]. Journal of Hefei University of Technology （Natural Science Edition）， 2015， 38（3）：289-294.

[18]徐丹.基于SVPWM的電動(dòng)汽車永磁同步電機(jī)控制系統(tǒng)設(shè)計(jì)與仿真[J].林業(yè)機(jī)械與木工設(shè)備，2020，48（2）：29-33.

XU D. Design and simulation of permanent magnet synchronous motor control system of electric vehicles based on SVPWM[J]. Forestry Machinery & Woodworking Equipment， 2020， 48（2）： 29-33.

[19]高建平，張磊敏，孫中博，等.基于工況影響的插電式混合動(dòng)力汽車控制策略優(yōu)化[J].中國(guó)機(jī)械工程，2017，28（15）：1770-1777.

GAO J P， ZHANG L M， SUN Z B， et al. Control strategy optimization of plug-in hybrid electric vehicle based on driving cycles[J]. China Mechanical Engineering， 2017， 28（15）： 1770-1777.