徐大雨，林慕義, 2，陳 勇, 2

(1.北京信息科技大學(xué) 機(jī)電工程學(xué)院，北京 100192；2.北京電動(dòng)車輛協(xié)同創(chuàng)新中心，北京 100192)

引言

裝載機(jī)作為工程車輛之一，經(jīng)常工作在非常惡劣復(fù)雜的環(huán)境中，使其在運(yùn)行的過(guò)程中需要消耗大量的資源。如何在裝載機(jī)運(yùn)行和維護(hù)的過(guò)程中消耗更少的資源成為了研究的重點(diǎn)。

復(fù)合儲(chǔ)能式混合動(dòng)力系統(tǒng)裝載機(jī)可以在滿足所需動(dòng)力的前提下，提高整車的燃油經(jīng)濟(jì)性。但是由于系統(tǒng)結(jié)構(gòu)復(fù)雜，使系統(tǒng)控制器的控制策略達(dá)到最佳成為了至關(guān)重要的一環(huán)[1]。曹萬(wàn)倉(cāng)等[2]利用模糊控制原理，設(shè)計(jì)了液壓混合動(dòng)力裝載機(jī)的制動(dòng)能量回收模糊控制策略，分析了在制動(dòng)過(guò)程中該策略對(duì)再生制動(dòng)轉(zhuǎn)矩和電液制動(dòng)轉(zhuǎn)矩再分配的變化狀況，證明了在保證安全的情況下，該策略在制動(dòng)過(guò)程中提高了制動(dòng)能量回收；劉洋等[3]根據(jù)蓄能器SOC、車速等車輛相關(guān)參數(shù)建立了模糊控制器的控制規(guī)則，并制定了系統(tǒng)的相關(guān)控制策略，使整車的燃油經(jīng)濟(jì)性得到了有效地提升；曹海岐等[4]認(rèn)為復(fù)合儲(chǔ)能系統(tǒng)原有的依靠專家經(jīng)驗(yàn)的模糊控制器存在主觀盲目性，利用遺傳算法對(duì)模糊控制器的隸屬度函數(shù)進(jìn)行優(yōu)化，結(jié)果表明，整車的燃油經(jīng)濟(jì)性明顯提高。

本研究利用粒子群算法對(duì)混合動(dòng)力復(fù)合儲(chǔ)能式裝載機(jī)的傳統(tǒng)模糊控制器進(jìn)行優(yōu)化設(shè)計(jì)。然后，將優(yōu)化后的控制策略運(yùn)用到系統(tǒng)的仿真模型中進(jìn)行仿真分析，以求不損失裝載機(jī)動(dòng)力的前提下，提高整車的燃油經(jīng)濟(jì)性。

1 復(fù)合儲(chǔ)能系統(tǒng)結(jié)構(gòu)分析及仿真建模

1.1 結(jié)構(gòu)分析

混合動(dòng)力復(fù)合儲(chǔ)能式系統(tǒng)主要由柴油發(fā)動(dòng)機(jī)系統(tǒng)、液壓驅(qū)動(dòng)系統(tǒng)、電驅(qū)驅(qū)動(dòng)系統(tǒng)3種供能系統(tǒng)組成，其中，柴油發(fā)動(dòng)機(jī)系統(tǒng)是整個(gè)系統(tǒng)最主要的供能系統(tǒng)，為裝載機(jī)在各種工況下提供主要?jiǎng)恿?lái)源；電驅(qū)驅(qū)動(dòng)系統(tǒng)是裝載機(jī)的第二供能系統(tǒng)，依托電動(dòng)機(jī)，主要為車內(nèi)的各種車載電子設(shè)備提供能量，必要時(shí)也會(huì)輔助柴油發(fā)動(dòng)機(jī)系統(tǒng)為裝載機(jī)提供所需的動(dòng)力；液壓驅(qū)動(dòng)系統(tǒng)主要由高、低壓蓄能器組成液壓蓄能器組，為裝載機(jī)在鏟裝和升舉過(guò)程中提供能量[5]，復(fù)合儲(chǔ)能式裝載機(jī)系統(tǒng)的結(jié)構(gòu)如圖1所示。

1.電磁離合器1 2.電磁離合器2 3.電磁離合器34.鎖止機(jī)構(gòu) 5.行星齒輪機(jī)構(gòu) 6.電磁離合器47.電磁離合器5 8.二次元件 9.蓄能器圖1 復(fù)合儲(chǔ)能式系統(tǒng)結(jié)構(gòu)圖

1.2 裝載機(jī)典型作業(yè)工況

裝載機(jī)在作業(yè)時(shí)常用工況有4種，亦為本研究所需識(shí)別的工況，即“I”形工況、“L”形工況、“T” 形工況與“V”形工況，如圖2所示。

a) “I”形

b) “L”形

c) “T”形

d) “V”形圖2 裝載機(jī)典型作業(yè)工況

“I”形工況，又稱穿梭工況，即裝載機(jī)的行進(jìn)路線垂直于運(yùn)輸車的行進(jìn)路線;“L”形工況，裝載機(jī)作業(yè)開(kāi)始前與運(yùn)輸車的側(cè)面成垂直狀態(tài)，而物料又與裝載機(jī)、運(yùn)輸車形成直角三角形狀態(tài);“T”形工況，物料與運(yùn)輸車在一條水平線上，同時(shí)裝載機(jī)的行進(jìn)方向垂直于這條水平線;“V”形工況，即裝載機(jī)初始位置的前方垂直于物料，而運(yùn)輸車則停在與物料呈60°角的方向上。

其中，“V”形工況是復(fù)合儲(chǔ)能式裝載機(jī)最常見(jiàn)的工況也是工作效率最高的工況，所以，本研究選取“V”形工況作為代表來(lái)進(jìn)行試驗(yàn)分析。

1.3 整車后向仿真模型

本研究根據(jù)模型的相關(guān)數(shù)學(xué)公式進(jìn)行各子系統(tǒng)模型的搭建，然后將各子系統(tǒng)封裝組合，最終組成復(fù)合儲(chǔ)能系統(tǒng)裝載機(jī)的整車后向仿真模型,如圖3所示。

圖3 整車后向Simulink仿真模型

2 基于粒子群算法優(yōu)化模糊控制器

2.1 模糊控制策略及工作原理

本研究的復(fù)合儲(chǔ)能式系統(tǒng)模糊控制策略的結(jié)構(gòu)原理，如圖4所示。裝載機(jī)根據(jù)外部工況計(jì)算出所需要的轉(zhuǎn)矩，根據(jù)需求轉(zhuǎn)矩Td、蓄能器SOC(蓄能器儲(chǔ)能系統(tǒng)狀態(tài))以及電池SOC(電池荷電狀態(tài))等參數(shù)，決定實(shí)際輸出的最優(yōu)轉(zhuǎn)矩并輸入給發(fā)動(dòng)機(jī)系統(tǒng)；接著根據(jù)裝載機(jī)的需求轉(zhuǎn)矩以及實(shí)際輸入給發(fā)動(dòng)機(jī)系統(tǒng)的轉(zhuǎn)矩進(jìn)行判斷，將系統(tǒng)所需電機(jī)轉(zhuǎn)矩輸入給電驅(qū)動(dòng)系統(tǒng)，將所需的補(bǔ)足轉(zhuǎn)矩輸入給蓄能器系統(tǒng)，兩系統(tǒng)通過(guò)發(fā)動(dòng)機(jī)系統(tǒng)的反饋進(jìn)行必要的輔助工作，并將兩系統(tǒng)的實(shí)時(shí)狀態(tài)輸入給模糊控制器，以便根據(jù)實(shí)際外部工況進(jìn)行必要的模糊判斷處理工作[6]。

圖4 控制策略原理圖

2.2 粒子群算法優(yōu)化模糊控制器

模糊控制器的特點(diǎn)就是具有良好的適應(yīng)能力和較好的魯棒性。本研究的復(fù)合儲(chǔ)能式系統(tǒng)，將需求轉(zhuǎn)矩、蓄能器SOC以及電池SOC作為模糊控制器的輸入量，以發(fā)動(dòng)機(jī)實(shí)際輸出轉(zhuǎn)矩作為輸出量。但由于原有模糊控制器主要依靠專家經(jīng)驗(yàn)來(lái)制定模糊控制規(guī)則，存在一定的主觀盲目性，在一些特殊的工況下不能做到最優(yōu)控制，導(dǎo)致控制器不能達(dá)到需求的效果，有必要將控制器進(jìn)一步優(yōu)化[7]?；谒璧墓r下，通過(guò)粒子群算法優(yōu)化模糊控制器的模糊控制規(guī)則，可以達(dá)到最優(yōu)控制的效果，如圖5所示。

圖5 模糊推理結(jié)構(gòu)圖

粒子群算法具有良好的全局搜索能力而且操作簡(jiǎn)單，收斂速度較快。粒子群算法中每一個(gè)粒子都代表著一個(gè)可能解，通過(guò)粒子的行為以及群體內(nèi)交互信息的可能性來(lái)實(shí)現(xiàn)問(wèn)題求解的智能性。粒子群算法是通過(guò)粒子不斷地進(jìn)行迭代運(yùn)算，并在這個(gè)過(guò)程中搜尋每一次迭代中粒子的個(gè)體極值以及整個(gè)粒子群的全局最優(yōu)解，不斷更新粒子的位置和速度進(jìn)行多次的迭代運(yùn)算，直至找到滿足所需條件的最優(yōu)解。本研究粒子更新位置及速度公式如下[8]：

vi,j(t+1)=w×vi,j(t)+c1×rand1[pi,j(t)-

xi,j(t)]+c2×rand2[pi,j(t)-xi,j(t)]

(1)

xi,j(t+1)=xi,j(t)+vi,j(t+1)

(2)

式中，i為粒子群中的粒子，i=1,2,…,N,N為粒子數(shù)；

j為維度j=1,2，…，D；w為慣性權(quán)重，用來(lái)勘測(cè)和平衡，決定了粒子速度的繼承程度，w=1；c1,c2為學(xué)習(xí)因子，c1=c2=2；rand為0到1上的隨機(jī)數(shù)；x為粒子的位置；p為粒子在運(yùn)動(dòng)過(guò)程中的最優(yōu)位置；v為粒子的位置變化率即粒子的運(yùn)動(dòng)速度。

2.3 粒子群模糊系統(tǒng)設(shè)計(jì)

1) 隸屬度函數(shù)的選取

本研究在模糊控制系統(tǒng)中采用三輸入單輸出的模糊控制器，輸入為需求轉(zhuǎn)矩(demandtorque)，蓄能器SOC(accumulator SOC)，電池SOC(battery SOC)，輸出為發(fā)動(dòng)機(jī)轉(zhuǎn)矩(enginetorque)，且輸入輸出均采用Trimple型隸屬度函數(shù)[9]，如式(3)所示：

(3)

式中，u為隸屬度函數(shù)隨機(jī)變量；u1，u2為模糊變量。

2) 定義模糊規(guī)則

本研究提出的基于粒子群算法優(yōu)化的模糊其中，輸入量demandtourque，accumulator SOC以及battery SOC的論域?yàn)閇0，max(demandtourque)]，[0，max(accumulator SOC)]，[0，max(battery SOC)]，輸出量的論域?yàn)閇0，max(enginetorque)]，語(yǔ)言值均為{NB，NS，0，PS，PB}[10]，推理系統(tǒng)的基本架構(gòu)如圖6所示。

2.4 粒子群算法優(yōu)化流程

粒子群優(yōu)化流程如圖7所示。

步驟1，將上述已經(jīng)設(shè)定好的需求轉(zhuǎn)矩、蓄能器SOC、電池SOC、發(fā)動(dòng)機(jī)轉(zhuǎn)矩隸屬度函數(shù)參數(shù)和模糊規(guī)則編碼作為粒子群算法的搜索空間[11]；

步驟2，初始化粒子群，設(shè)置最大迭代次數(shù)，本研究最大迭代次數(shù)為50，隨機(jī)生成粒子群初始位置xi,j與速度vi,j，如式(4)、式(5)所示，N=200；

xi,j=rand(N,D)×(xi,j max-xi,j min)+xi,j min

(4)

vi,j=rand(N,D)×(vi,j max-vi,j min)+vi,j min

(5)

步驟3，選取適應(yīng)度函數(shù)并定義，將粒子群體中個(gè)體粒子位置最優(yōu)解pbest與粒子群體中全局位置最優(yōu)解gbest進(jìn)行初始化；

步驟4，根據(jù)式(1)、式(2)，將粒子群中所選取的粒子的位置和速度進(jìn)行更新，并計(jì)算粒子的適應(yīng)度值，若粒子i所計(jì)算的的適應(yīng)度值優(yōu)于自身的最優(yōu)解pbest，則更新當(dāng)前位置，同理，也可以更新群體的全局位置最優(yōu)解gbest；

步驟5，判斷是否到達(dá)設(shè)定的最大的迭代次數(shù)，若達(dá)到，則輸出相應(yīng)的優(yōu)化結(jié)果，否則回到步驟4繼續(xù)運(yùn)行[12]。

3 優(yōu)化結(jié)果與仿真分析

3.1 優(yōu)化結(jié)果

圖8～圖12為輸入量需求轉(zhuǎn)矩Td、蓄能器SOC、電池SOC以及輸出量發(fā)動(dòng)機(jī)轉(zhuǎn)矩Te的隸屬度函數(shù)圖。經(jīng)過(guò)粒子群算法優(yōu)化后的隸屬度函數(shù)曲線已經(jīng)變得很不均勻，這樣可以更好的實(shí)現(xiàn)全局最優(yōu)控制，目標(biāo)性更強(qiáng)，更容易將控制策略達(dá)到最優(yōu)，進(jìn)而提高裝載機(jī)整車燃油經(jīng)濟(jì)性。

圖9 蓄能器SOC隸屬度函數(shù)圖

圖10 電池SOC隸屬度函數(shù)圖

圖11 發(fā)動(dòng)機(jī)轉(zhuǎn)矩隸屬度函數(shù)圖

圖12為粒子群算法優(yōu)化后的模糊控制規(guī)則曲面圖，優(yōu)化后的發(fā)動(dòng)機(jī)轉(zhuǎn)矩曲面變化較為平緩，說(shuō)明優(yōu)化的有效性，為進(jìn)一步降低裝載機(jī)燃油消耗提供了可能。

圖12 發(fā)動(dòng)機(jī)轉(zhuǎn)矩模糊控制規(guī)則曲面

3.2 仿真分析

將優(yōu)化好的模糊控制器輸出到Workspace，將控制策略輸入到整車后向仿真Simulink模型，進(jìn)行仿真，優(yōu)化前后的蓄能器SOC、電池SOC燃油消耗量的仿真數(shù)據(jù)對(duì)比，如圖13～圖15所示。

由圖13、圖14可以看出，模糊控制器經(jīng)過(guò)粒子群算法優(yōu)化后，蓄能器SOC以及電池SOC的數(shù)值均有升高，而且電池SOC升高幅度尤為明顯。由此可以說(shuō)明，優(yōu)化后的模糊控制器可以有效的提高整車的能量回收率。

圖13 優(yōu)化前、后蓄能器SOC對(duì)比

圖14 優(yōu)化前、后電池SOC對(duì)比

由圖15可以看出，優(yōu)化后的整車燃油消耗量Q有明顯的降低，將優(yōu)化前、后的蓄能器SOC、電池SOC以及整車燃油消耗量的平均值進(jìn)行對(duì)比，如表1所示，優(yōu)化后蓄能器SOC及電池SOC的均值均有提高，并且整車的平均燃油消耗有明顯的降低。

圖15 優(yōu)化前、后燃油消耗量對(duì)比

表1 優(yōu)化前后方案對(duì)比

最后將優(yōu)化前、后的整車燃油消耗的平均值通過(guò)式(6)節(jié)油率公式計(jì)算，得到優(yōu)化后的整車節(jié)油率為18.79%，證明了模糊控制器優(yōu)化的有效性。

(6)

式中,ρ—— 節(jié)油率

Q0—— 優(yōu)化前油耗量

Q1—— 優(yōu)化后油耗量

4 硬件在環(huán)試驗(yàn)及分析

4.1 試驗(yàn)臺(tái)架基本原理

本研究使用在MATLAB/Simulink軟件基礎(chǔ)上開(kāi)發(fā)的dSPACE硬件在環(huán)仿真系統(tǒng)進(jìn)行試驗(yàn)，如圖16所示。依據(jù)研究對(duì)象的數(shù)學(xué)模型在MATLAB/Simulink軟件中搭建Simulink模型，并對(duì)其有效性進(jìn)行離線仿真測(cè)試驗(yàn)證。該試驗(yàn)主要目的是驗(yàn)證經(jīng)過(guò)粒子群算法優(yōu)化后的復(fù)合儲(chǔ)能式系統(tǒng)控制效果，具體表現(xiàn)為將采集到的“V”形工況下的燃油消耗量與仿真時(shí)的對(duì)應(yīng)結(jié)果進(jìn)行一致性對(duì)比。

圖16 制動(dòng)能量回收試驗(yàn)臺(tái)架

4.2 試驗(yàn)結(jié)果分析

由圖17可見(jiàn)，由于試驗(yàn)中試驗(yàn)設(shè)備存在振動(dòng)，所以試驗(yàn)曲線具有一定的波動(dòng)，即試驗(yàn)與仿真之間有一定誤差，但從整體上看，結(jié)果基本一致，再次驗(yàn)證了基于粒子群算法優(yōu)化復(fù)合儲(chǔ)能式混合動(dòng)力系統(tǒng)控制器的有效性，使復(fù)合儲(chǔ)能式混合動(dòng)力系統(tǒng)裝載機(jī)的燃油經(jīng)濟(jì)性得到有效提升。

圖17 “V”形工況下的燃油消耗量試驗(yàn)與仿真對(duì)比

5 結(jié)論

本研究基于粒子群算法對(duì)混合動(dòng)力復(fù)合儲(chǔ)能系統(tǒng)進(jìn)行控制優(yōu)化，結(jié)果表明：

(1) 經(jīng)過(guò)粒子群優(yōu)化后的模糊控制器，適應(yīng)性和目標(biāo)性更強(qiáng)，最優(yōu)輸出轉(zhuǎn)矩更加平穩(wěn)，控制效果更好；

(2) 粒子群算法優(yōu)化后的復(fù)合儲(chǔ)能系統(tǒng)中各子系統(tǒng)性能都有提升，而且整車的燃油消耗量有明顯的下降，有效地提升了系統(tǒng)的燃油經(jīng)濟(jì)性，證明了粒子群算法對(duì)復(fù)合儲(chǔ)能系統(tǒng)控制優(yōu)化的有效性。