張袁偉 歐陽 王鵬 鄧波 孫瀚文 樊杰

摘要：本文對燃料電池公交車主要動力系統(tǒng)部件進行了參數(shù)匹配，利用Matlab/Simulink軟件搭建了整車仿真模型，建立了功率跟隨控制、模糊邏輯控制方法，通過仿真對比分析了兩種控制策略下車輛的整車性能。結果表明，在模糊邏輯控制策略下燃料電池更多處于最佳功率輸出區(qū)間內，啟動頻率降低;整車百公里氫耗較功率跟隨控制下降4.7%，提升了整車經(jīng)濟性，為燃料電池公交車控制策略開發(fā)提供了理論參考。

關鍵詞：燃料電池公交車;動力系統(tǒng);功率跟隨控制;模糊邏輯控制;仿真

中圖分類號：U472.4? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2021）11-0031-05

0? 引言

介于燃料電池動態(tài)響應慢、電流單向輸出不能實現(xiàn)能量回收等特性[1]。本研究選取了燃料電池與動力蓄電池混合驅動的動力系統(tǒng)結構形式，驅動能量來源于燃料電池與動力蓄電池輸出的電能，驅動動力來源于驅動電機將電能轉化的機械能。為實現(xiàn)燃料電池工作在最優(yōu)效率區(qū)間，整車能量分配需滿足以下幾種模式：①當電機需求功率較大時，由燃料電池與動力蓄電池共同提供功率輸出，若動力蓄電池SOC過高，由動力蓄電池單獨提供;②當電機需求功率與燃料電池高效率區(qū)輸出功率相近時，由燃料電池提供能量;③當電機SOC較低時，燃料電池提供整車能量所需同時向動力蓄電池補充電量[2-4]。為研究怎樣的控制策略能更好實現(xiàn)上述工作模式，本文分析了功率跟隨控制與模糊邏輯控制策略下整車性能表現(xiàn)。選用的研究對象為8.5m燃料電池公交車，對其動力系統(tǒng)進行了參數(shù)匹配，通過仿真分析驗證了模糊邏輯控制的優(yōu)越性。

1? 整車參數(shù)及指標要求

燃料電池公交車基本參數(shù)如表1所示。需達到的性能技術指標如表2所示。

2? 燃料電池公交車主要動力部件匹配

2.1 動力系統(tǒng)形式的選取

本文選用燃料電池和動力蓄電池混合驅動車輛行駛的動力系統(tǒng)，如圖1所示。該動力系統(tǒng)相比于燃料電池作為單一能量源，能有效避免應單一能源造成的整車性能不足、無法進行能量回收等問題。并能在不同的工況、不同功率需求下采用不同的能量輸出模式。

2.2 驅動電機的參數(shù)匹配

驅動電機是燃料電池公交車行駛的動力來源，為滿足車輛的正常行駛所需，驅動電機在低速行駛、坡道行駛等工況下需提供較大的扭矩輸出，在加速工況中需提供較大的功率輸出，同時應具有較大的調速區(qū)間。驅動電機參數(shù)匹配主要對電機的峰值轉速、額定功率、峰值功率、峰值扭矩進行選擇。

2.2.1 最高轉速

驅動電機最高轉速需結合車輛最高行駛車速進行選定，見公式（1）。

根據(jù)表2車輛的性能技術指標需求，結合公式（1）計算得到電機最高轉速nmax=2426r/min。查詢市場上主流電機相關參數(shù)，確定電機的最高轉速為2500r/min，電機額定轉速為1000r/min。

2.2.2 額定功率

電機的額定功率需滿足車輛在滿載最高車速下行駛所需功率。如公式（2）。

即：P額定=58kW

2.2.3 峰值功率

電機的峰值功率需滿足車輛能在爬坡、加速等工況下正常行駛。

①最大爬坡度所需功率。依據(jù)表2車輛的性能技術指標需求，車輛在15%坡度半載狀態(tài)下能夠以20km/h車速正常行駛，此時車輛的需求功率，如公式（3）。

計算得到此時車輛的需求功率P1=103kW。

②滿足加速性能所需功率。依據(jù)汽車行駛阻力平衡方程，得到車輛加速度的推導式，如公式（4）。車輛加速行駛時間按公式（5）積分得到。

根據(jù)表2車輛的性能技術指標需求，（0～50）km/h的加速時間為15s，結合公式（4）、公式（5）計算得到整車的需求功率P2=114.6kW。

通過上述計算得到車輛在爬坡、加速工況下所需功率，驅動電機峰值功率需滿足上述設計要求，即：

2.2.4 峰值轉矩

驅動電機最大輸出扭矩需滿足整車在最大爬坡度情況下的扭矩所需，即滿足車輛在半載、車速為20km/h、爬坡度為15%的扭矩需求，如公式（6）。

即：Tmax？叟1418N·m

為保證車輛安全行駛，驅動力需小于地面附著力，如公式（7）所示。

式中μ取0.5，即：Tmax？燮4350N·m

最終得到：

2.2.5 電機參數(shù)

結合上述計算，驅動電機需滿足以下參數(shù)要求，如表3所示。

最后確定市場上某款永磁同步電機作為驅動電機，其電機基本參數(shù)如表4所示。

2.3 動力蓄電池的參數(shù)匹配

車輛在劇烈工況下行駛時對電池的需求功率最大，本文以車輛在15%坡道行駛下所需的功率來確定動力蓄電池最高輸出功率。如公式（8）、公式（9）所示：

式中：α=0.1489（15%），v=20（km/h），L=4km。

通過計算得到Pbattery=105kW，Ebattery=21kWh

考慮到動力蓄電池的使用壽命，按85%可使用電量進行控制，可得電池的額定電量，如公式（10）：

即E額>24.7kWh

根據(jù)上述計算，選用某款鎳氫電池作為燃料電池客車的動力蓄電池，基本參數(shù)如表5所示。

2.4 燃料電池的參數(shù)匹配

本文研究的對象為8.5m燃料電池公交，基于公交車多數(shù)情況以低速行駛。故以車輛在平整路面滿載40m/h正常行駛工況下所需的功率值作為燃料電池額定功率值。如公式（11）所示。

即：PFC=25.7kW

通過上述計算，選用某款額定功率為30kW的燃料電池進行車輛匹配。

3? 整車模型建立及仿真分析

3.1 整車模型建立

本文采用Matlab/Simulink軟件完成燃料電池公交車模型的建立，如圖2所示。目標工況采用中國典型城市公交工況[5]，如圖3所示。其中，工況模型導入工況數(shù)據(jù)為整車仿真模型提供目標車速輸入。駕駛員模型模擬實際駕駛員操作，根據(jù)目標車速控制車輛實際車速。同時搭建了控制器模型、整車動態(tài)模型、驅動電機模型、燃料電池模型、動力蓄電池模型。

3.2 控制模型建立

3.2.1 功率跟隨控制

以車輛需求功率為輸入，結合燃料電池、動力蓄電池運行狀態(tài)，進行功率分配，建立整車功率跟隨控制邏輯，如圖4所示。

3.2.2 模糊邏輯控制

建立模糊邏輯控制模型，以電機需求功率P、動力蓄電池SOC為輸入，以燃料電池的請求功率和電機功率比值K為輸出。

①變量模糊化。根據(jù)上述計算可得，驅動電機需求功率P的范圍為P∈[0，1.5×102]kW，動力蓄電池輸入變量SOC∈[0，1]。電機需求功率P模糊分布設定為7個，即零、正很小、正小、正中、正較大、正大，用ZO、SS、PS、PM、B、PB對應表示;動力蓄電池SOC模糊分布設定為4個，即低、較低、中、高，用L、LS、M、H對應表示;輸出變量K，其模糊集為{0，0.2，0.3，0.4，0.5，0.7，1，1.3，1.4，1.5，1.6}，數(shù)據(jù)選取是經(jīng)查閱文獻和利用經(jīng)驗法所得[6-10]。②隸屬度函數(shù)。為使控制更為準確，本文采用非均勻分布的隸屬度函數(shù)，構建的電池SOC和電機需求功率P如圖5所示。③模糊控制規(guī)則。搭建模糊邏輯控制規(guī)則庫，如表6所示。

在MATLAB/Simulink中將設計好的模糊控制策略搭建成模糊控制仿真模型，如圖6所示。

3.3 仿真結果

兩種控制策略下整車主要性能指標仿真結果如圖7～圖12所示。

仿真發(fā)現(xiàn)，兩種控制策略下車輛均能跟隨工況行駛，各項指標均滿足設計要求。在模糊邏輯控制下車輛的動力性能略有下降，經(jīng)濟性較功率跟隨控制有較大的提升。整車動力性、經(jīng)濟性仿真結果如表7所示。

4? 結論

本文主要對8.5m燃料電池公交車的動力系統(tǒng)進行了參數(shù)匹配的設計與部件選型，利用Matlab/Simulink進行了整車仿真模型搭建，完成了模糊邏輯控制策略的設計。進行了功率跟隨控制策略和模糊邏輯控制策略下整車的動力性、經(jīng)濟性仿真分析。結果表明，模糊邏輯控制策略下燃料電池工作點更多處在高效率區(qū)間內，較功率跟隨控制策略百公里氫耗降低了4.7%，為燃料電池公交車控制策略的開發(fā)、建模、優(yōu)化提供參考。

參考文獻：

[1]秦孔建，高大威，盧青春，等.燃料電池汽車混合動力系統(tǒng)構型研究[J].汽車技術，2005（4）：26-29.

[2]李志峰.燃料電池/蓄電池混合動力電動汽車能量控制策略研究[J].機械設計與制造，2007（8）：137-139.

[3]黃先國.燃料電池汽車動力參數(shù)匹配與試驗技術研究[D].上海交通大學，2010.

[4]劉飛.燃料電池電動汽車驅動系統(tǒng)選型與仿真研究[D].武漢：武漢理工大學，2012：24-27.

[5]張富興.城市車輛行駛工況的研究[D].武漢：武漢理工大學，2005.

[6]AMIRABADI M， FARHANGI S.Fuzzy control of hybrid fuel cell/battery power source in electric vehicle[C]// Industrial Electronics and Applications， 2006， IEEE Conference on. IEEE， 2006：1-5.

[7]WANG A， YANG W. Design of energy management strategy in hybrid vehicles by evolutionary fuzzy system part I： fuzzy logic controller development[C]// Intelligent Control and Automation， 2006. WCICA 2006. The Sixth World Congress on. IEEE， 2006：8324-8328.

[8]金振華，歐陽明高，盧青春，等.燃料電池混合動力系統(tǒng)優(yōu)化控制策略[J].清華大學學報：自然科學版，2009（2）：273-276.

[9]李軍，朱亞洲，紀雷，等.混合動力汽車模糊控制策略優(yōu)化[J].汽車工程，2016，38（1）：10-14.

[10]楊亞聯(lián)，葉盼，胡曉松，等.基于DP優(yōu)化的ISG型速度耦合混合動力汽車模糊控制策略的研究[J].汽車工程，2016，38（6）：674-679.