插電式混合動(dòng)力汽車離合器控制方法及仿真研究

余世明，孫 超

(浙江工業(yè)大學(xué) 信息工程學(xué)院，浙江 杭州 310023)

插電式混合動(dòng)力汽車離合器控制方法及仿真研究

余世明，孫 超

(浙江工業(yè)大學(xué) 信息工程學(xué)院，浙江 杭州 310023)

插電式混合動(dòng)力汽車配備了發(fā)動(dòng)機(jī)、電動(dòng)機(jī)等多個(gè)動(dòng)力源，在急加速過程中會(huì)產(chǎn)生很大的瞬間扭矩，從而給離合器的接合帶來一定的控制難度.通過對(duì)汽車起步過程中離合器的運(yùn)動(dòng)過程進(jìn)行動(dòng)力學(xué)分析，從而抽象出目標(biāo)跟蹤控制問題，并分別采用PID和自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制方法對(duì)離合器進(jìn)行調(diào)節(jié).仿真結(jié)果表明：自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制比PID控制能更好地提高離合器的動(dòng)態(tài)性能，顯著改善滑磨功和沖擊度.所建模型可直接生成C語言代碼并與底層軟件集成，形成實(shí)際控制軟件.

離合器；PID；自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)；整車仿真

隨著全球氣候變暖，環(huán)境污染加重，同時(shí)伴隨著能源危機(jī)和能源安全的壓力，以石油為主要能源的傳統(tǒng)汽車產(chǎn)業(yè)面臨著前所未有的挑戰(zhàn)，開發(fā)清潔、高效和智能的新型汽車已迫在眉睫[1-3].插電式混合動(dòng)力是新能源汽車的一種，它不需要構(gòu)建專用充電設(shè)施，便于推廣應(yīng)用，與純電動(dòng)相比行駛里程大大增加，有效地解決了純電動(dòng)汽車?yán)m(xù)航里程不足的問題[4-5]；與傳統(tǒng)汽車相比，有效地減少了尾氣排放造成的環(huán)境污染.因此，插電式混合動(dòng)力汽車能夠在不影響車輛動(dòng)力性能的前提下滿足對(duì)新能源汽車環(huán)保的要求[6-7].插電式混合動(dòng)力汽車的動(dòng)力系統(tǒng)由兩個(gè)或多個(gè)能量存儲(chǔ)系統(tǒng)來提供能量，包含串聯(lián)式、并聯(lián)式和混聯(lián)式等多種結(jié)構(gòu)，能夠提供很大的瞬時(shí)扭矩[8-12].這將會(huì)給車輛急加速起步過程中離合器的接合帶來一定的影響和控制難度.車輛起步階段，離合器的控制是至關(guān)重要的，它將直接影響車輛的加速性能、車輛平穩(wěn)性以及離合器的滑磨功和沖擊度.

目前，工程應(yīng)用中多采用PID控制對(duì)離合器進(jìn)行調(diào)節(jié)，然而離合器是一個(gè)復(fù)雜的非線性系統(tǒng)，且在工作中發(fā)動(dòng)機(jī)輸出端輸出的轉(zhuǎn)速是不斷變化的，需要離合器的從盤實(shí)時(shí)地跟隨離合器主盤的轉(zhuǎn)速.如果采用PID控制離合器系統(tǒng)，可能導(dǎo)致控制精度欠佳；如果采用模糊控制，雖然在超調(diào)和動(dòng)態(tài)性能上得到了改善，但是由于其隸屬度函數(shù)依賴專家經(jīng)驗(yàn)，在控制上仍會(huì)存在一定的偏差.因此，把離合器運(yùn)行過程抽象為目標(biāo)跟蹤控制問題，并采用自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制方法對(duì)離合器進(jìn)行調(diào)節(jié)，然后與PID控制作出比較.為了體現(xiàn)離合器控制對(duì)整車性能的重要性，以Matlab/Simulink為開發(fā)平臺(tái)，建立整車仿真和控制策略模型.使用該平臺(tái)進(jìn)行建模和整車仿真，既可以對(duì)控制策略模型進(jìn)行MIL測(cè)試和驗(yàn)證，又可通過代碼生成技術(shù)與底層驅(qū)動(dòng)程序直接集成，形成實(shí)際控制軟件.與傳統(tǒng)C代碼開發(fā)技術(shù)相比，這種技術(shù)手段在很大程度上提高開發(fā)效率，降低研究成本，是當(dāng)前國際上日益流行的開發(fā)技術(shù).

1 離合器接合過程的動(dòng)力學(xué)分析

離合器位于發(fā)動(dòng)機(jī)和變速箱之間，在工作時(shí)，通過主動(dòng)盤的摩擦帶動(dòng)從動(dòng)盤轉(zhuǎn)動(dòng)，接合過程如圖1所示.圖1中Tin為發(fā)動(dòng)機(jī)端傳遞到離合器主盤的扭矩；ωe,ωv分別為主、從動(dòng)盤角速度；Ie為發(fā)動(dòng)機(jī)及飛輪的等效轉(zhuǎn)動(dòng)慣量；Iv為從動(dòng)盤子端的等效轉(zhuǎn)動(dòng)慣量；Fn離合器的壓緊力.

圖1 離合器接合過程模型Fig.1 The model of clutch engagement

在離合器接合過程中，主要可以分為3個(gè)不同的階段：

1)自由行程階段.此時(shí)的離合器處于完全分離的狀態(tài)，主、從動(dòng)盤之間沒有接觸，因此不存在扭矩的傳遞，Tcl=0(Tcl為通過離合器傳遞的扭矩)[13].為了減小車輛起步所需要的時(shí)間，應(yīng)使主、從動(dòng)盤盡快地接觸.

2)滑磨階段.主要是主、從動(dòng)盤從產(chǎn)生摩擦扭矩到同步接合為止[14]，其表達(dá)式分別為

(1)

(2)

(3)

(4)

Tcl=sgn(ωe-ωv)Tfmaxk

(5)

式中：be,bv分別為離合器發(fā)動(dòng)機(jī)端、變速箱端的阻尼率；μk為動(dòng)摩擦因素；R為離合器摩擦片的平均摩擦半徑；r1,r2分別為摩擦片的外、內(nèi)半徑；其余參數(shù)見圖1.

該階段在很大程度上決定了離合器的性能以及起步的效果，如果離合器接合較慢，那么車輛將平緩起步，有較好的舒適性，但是滑磨的時(shí)間也會(huì)隨之增加，這將導(dǎo)致摩擦片的損耗加劇[15]；而如果離合器接合過快，則會(huì)使車輛的起步產(chǎn)生較大的沖擊感.

3)同步接合階段.在此階段離合器主、從動(dòng)盤速度達(dá)到同步[16]，其表達(dá)式分別為

ωe=ωv=ω

(6)

(7)

(8)

Tcl=Tf

(9)

滑磨功和沖擊度是離合器的重要評(píng)價(jià)指標(biāo)，它們都與離合器接合的時(shí)間有密切的聯(lián)系.其中W為滑磨功是離合器接合過程中摩擦所產(chǎn)生的功，即

(10)

滑磨功是導(dǎo)致離合器溫度升高的重要原因，離合器溫度升高會(huì)造成離合器摩擦系數(shù)急劇降低而失效，還會(huì)對(duì)離合器產(chǎn)生很大的損耗，從式(11)中可以發(fā)現(xiàn)離合器滑磨時(shí)間和轉(zhuǎn)速差都會(huì)影響滑磨功的大小.因此，我們應(yīng)在不影響車輛駕駛舒適性的前提下，盡可能縮短離合器接合的時(shí)間，以減小滑磨功.

沖擊度j是車輛縱向加速度對(duì)時(shí)間的導(dǎo)數(shù)，它與輸出扭矩的變化率成正比，沖擊度可以很直觀地反映車輛的駕駛舒適性.根據(jù)我國相關(guān)規(guī)定，車輛的沖擊度不應(yīng)大于17.64 m/s3.沖擊度j的表達(dá)式為

(11)

2 離合器控制方法

為了使車輛擁有較好的起步性能，需要通過合理的控制方法對(duì)離合器的接合程度進(jìn)行調(diào)節(jié)，同時(shí)兼顧離合器滑磨功和車輛沖擊度這兩項(xiàng)重要性能指標(biāo).在本節(jié)中分別采用了PID控制和自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)對(duì)離合器進(jìn)行調(diào)節(jié)，并進(jìn)行比較.

2.1PID控制

采用傳統(tǒng)的控制方法PID調(diào)節(jié)來對(duì)離合器的接合進(jìn)行控制，這種控制方法結(jié)構(gòu)簡(jiǎn)單，工程應(yīng)用性好，在目前的離合器控制中運(yùn)用廣泛.PID控制是由控制器和被控對(duì)象組成的[17]，如圖2所示,根據(jù)離合器主、從盤轉(zhuǎn)速差來調(diào)節(jié)離合器壓緊力的大小，從而實(shí)現(xiàn)對(duì)離合器接合速度的控制，其表達(dá)式為

(12)

式中：kp，ki，kd分別為比例、積分和微分控制參數(shù).比例參數(shù)可以加快系統(tǒng)的響應(yīng)速度，提高系統(tǒng)的調(diào)節(jié)精度，如果比例參數(shù)過大，則會(huì)引起系統(tǒng)超調(diào)，穩(wěn)定性減弱，而如果比例參數(shù)取值過小，那么系統(tǒng)的響應(yīng)就會(huì)變慢，使調(diào)節(jié)精度下降；積分參數(shù)可以改善系統(tǒng)的穩(wěn)態(tài)誤差，隨著積分參數(shù)的增大，系統(tǒng)穩(wěn)態(tài)誤差的消除也會(huì)加快；微分參數(shù)可以改善系統(tǒng)的動(dòng)態(tài)特性，提高系統(tǒng)穩(wěn)定性[18-20].

圖2 PID控制原理圖Fig.2 The principle diagram of PID control

2.2 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制

自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)是一種基于Takagi-Sugeno模型的模糊推理系統(tǒng)，它將模糊控制的模糊化、模糊推理和反模糊化三個(gè)基本的過程，利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力自主地從輸入輸出樣本里選取相應(yīng)的規(guī)則，構(gòu)成自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制器[21].

圖3 離合器控制示意圖Fig.3 The diagram of clutch control

表1 模糊規(guī)則

然后需要確定模糊子集隸屬度函數(shù)，常用的隸屬度函數(shù)有三角形隸屬度函數(shù)、梯形隸屬度函數(shù)、高斯隸屬度函數(shù)、鐘形隸屬度函數(shù)等，隸屬度函數(shù)曲線的形狀將會(huì)對(duì)控制的精度和穩(wěn)定性產(chǎn)生影響[22-23].筆者選擇了高斯函數(shù)，其數(shù)學(xué)表達(dá)式為

(13)

式中：c，σ分別為隸屬度函數(shù)的中心位置和寬度.隸屬度函數(shù)的參數(shù)很容易受到專家經(jīng)驗(yàn)的影響，從而導(dǎo)致控制的偏差.因此，在模糊控制的基礎(chǔ)上引入了神經(jīng)網(wǎng)絡(luò)，通過神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練樣本進(jìn)行自學(xué)習(xí)，對(duì)隸屬度函數(shù)的參數(shù)進(jìn)行優(yōu)化.筆者采用了2個(gè)輸入1個(gè)輸出的5層神經(jīng)網(wǎng)絡(luò)模型，如圖4所示.

圖4 神經(jīng)網(wǎng)絡(luò)原理圖Fig.4 The principle diagram of neutral network

首先輸入訓(xùn)練數(shù)據(jù)和校驗(yàn)數(shù)據(jù)，在確定所需的隸屬度函數(shù)后，進(jìn)行自學(xué)習(xí)，不斷調(diào)整高斯隸屬度函數(shù)的2個(gè)參數(shù)，最后得到2個(gè)優(yōu)化后的隸屬度函數(shù)，如圖5所示.圖中橫坐標(biāo)為論域[-4,4]，縱坐標(biāo)為隸屬度.

(a) Δω的隸屬度函數(shù)

(b) 的隸屬度函數(shù)1—訓(xùn)練前的隸屬函數(shù);2—訓(xùn)練后的隸屬函數(shù)

3 仿真及結(jié)果分析

為驗(yàn)證離合器優(yōu)化的效果，分別將上述兩種控制方法進(jìn)行建模封裝后集成到插電式混合動(dòng)力整車仿真模型中.此款插電式混合動(dòng)力汽車的發(fā)動(dòng)機(jī)和電機(jī)都位于離合器輸入端，同時(shí)進(jìn)行動(dòng)力輸出時(shí)，可產(chǎn)生較大扭矩.

為了模擬車輛急加速的情況，在仿真中將加速踏板開度設(shè)為100%，并設(shè)定了初始的發(fā)動(dòng)機(jī)轉(zhuǎn)速來模擬駕駛員在極短的自由行程時(shí)間內(nèi)使發(fā)動(dòng)機(jī)轉(zhuǎn)速達(dá)到了某一較高轉(zhuǎn)速.仿真結(jié)果表明，在PID控制和自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制下的離合器都能夠?qū)崿F(xiàn)主、從盤轉(zhuǎn)速同步，但是時(shí)間有所區(qū)別，如圖6，7所示.

圖6 PID控制離合器接合曲線Fig.6 The clutch engagement curve for PID

圖7 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)離合器接合曲線Fig.7 The clutch engagement curve for adaptive fuzzy neural network

從圖6，7的仿真結(jié)果中可以看出，采用PID控制的離合器接合時(shí)間為2.2 s，而采用自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制的離合器接合時(shí)間為1.6 s，相比較而言采用后者控制方法的離合器性能可以提高大約27%.此外還對(duì)離合器非常重要的兩項(xiàng)評(píng)價(jià)指標(biāo)——滑磨功和沖擊度進(jìn)行了比較，如圖8，9所示.

圖8 離合器滑磨功對(duì)比圖Fig.8 The comparison diagram of clutch slip

圖9 離合器沖擊度對(duì)比圖Fig.9 The comparison diagram of clutch impact

通過對(duì)離合器滑磨功和沖擊度進(jìn)行分析后發(fā)現(xiàn)，在滑磨功這項(xiàng)性能指標(biāo)中，采用PID控制的離合器在急加速起步階段會(huì)產(chǎn)生6 326 J的滑磨功，而采用自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)的則僅有5 328 J，相比較減少了15.8%左右的滑磨功，這將很大程度上延長(zhǎng)離合器的壽命，提高車輛的性能.然后對(duì)車輛的沖擊度進(jìn)行分析發(fā)現(xiàn)，采用PID控制的車輛沖擊度最大達(dá)到了17.19 m/s3，而采用自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)的車輛沖擊度僅有8.35 m/s3，相比較降低了51.4%，這會(huì)對(duì)車輛在急加速起步中的車輛舒適性和穩(wěn)定性有很大的改善.

4 結(jié) 論

通過對(duì)離合器進(jìn)行動(dòng)力學(xué)分析，并分別采用PID和自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行調(diào)節(jié)，然后建立插電式混合動(dòng)力汽車模型進(jìn)行仿真和比較.結(jié)果發(fā)現(xiàn)采用自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)調(diào)節(jié)的離合器接合時(shí)間更短，滑磨功更小，沖擊度也更小，因此采用自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制的車輛性能更優(yōu)，駕駛舒適性更好.在后續(xù)研究中，只需將控制模型直接生成代碼就可以進(jìn)行實(shí)車實(shí)驗(yàn)，很大程度上可提高研發(fā)效率，對(duì)離合器的開發(fā)具有重要意義.

[1] 金燕，解振方，陳佳彬，等.基于預(yù)測(cè)的PHEV動(dòng)力分配模糊邏輯控制策略[J].浙江工業(yè)大學(xué)學(xué)報(bào)，2015,43(1)：97-102.

[2] NICOLETTE D, KENNETH S. Household’ stories of their encounters with a plug-in hybrid electric vehicle[J].Environment and behavior,2012,44(4)：493-508.

[3] MICHALEK J, CHESTER M, JARAMILLO P, et al. Valuation of plug-in vehicle life-cycle air emissions and oil displacement benefits[J]. Environment and behavior,2011,108(40)：16554-16558.

[4] HAMUT H.S, DINCER I, NATERER G.F. Analysis and optimization of hybrid electric vehicle thermal management systems[J]. Journal of power sources,2014,247：643-654.

[5] KAUR J, GAUR P, SAXENA P, et al. Speed control of hybrid electric vehicle using artificial intelligence techniques[J]. International journal of computing and network technology,2014,2(1)：33-39.

[6] 隗寒冰,何義團(tuán),李軍,等.混合動(dòng)力電動(dòng)汽車控制策略-分類、現(xiàn)狀與趨勢(shì)[J].重慶交通大學(xué)學(xué)報(bào)，2013,32(5)：1049-1054.

[7] 陳全世,朱家璉,田光宇.先進(jìn)電動(dòng)汽車技術(shù)[M].北京:化學(xué)工業(yè)出社,2013.

[8] REGEV I D, SNYDER K, KU J, et al. Parallel-through-the-road plug-in hybrid vehicle design development process[C]//SAE 2012 International Powertrains, Fuels & Lubricants Meeting. American: Society of Automotive Engineers,2012：757-766.

[9] MANNING P C, WHITE E, ALLEY R J, et al. Vehicle system design process for a series-parallel plug-in hybrid electric vehicle[J]. SAE international journal of alternative powertrains,2012,1(2)：503-524.

[10] NIKHILL K, CHING-SHIN S, JEREMY M. Optimal plug-in hybrid electric vehicle design and allocation for diverse charging patterns[C]// ASME Design Engineering Technical Conference. American: American Society of Mechanical Engineers,2009：899-908.

[11] HU S, DENG J, MI C, et al. Optimal design of line level control resonant converters in plug-in hybrid electric vehicle battery chargers[J]. Electrical systems in transportation,2014,4(1)：21-28.

[12] 殷承良,張建龍.新能源汽車整車設(shè)計(jì)—典型車型與結(jié)構(gòu)[M].上海：上海科學(xué)技術(shù)出版社,2013.

[13] 孫 龍,石曉輝,張志剛.AMT離合器接合過程扭矩傳遞特性分析[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2011(10):19-22.

[14] 夏長(zhǎng)高,張猛,王繼磊,等.AMT汽車起步過程離合器接合控制的研究[J].重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,31(3):125-129.

[15] 胡川.汽車AMT自動(dòng)離合器控制算法研究及快速控制原型系統(tǒng)開發(fā)[D].武漢：華中科技大學(xué)，2007.

[16] 周晉超,劉子建,皮皓杰,等.基于發(fā)動(dòng)機(jī)轉(zhuǎn)矩與轉(zhuǎn)速控制的AMT換擋策略研究[J].工程設(shè)計(jì)學(xué)報(bào),2015(2)：185-192.

[17] 袁海斌,李運(yùn)華,袁海文,等.大型輪式工程車輛轉(zhuǎn)向系統(tǒng)的神經(jīng)網(wǎng)絡(luò)PID控制[J].系統(tǒng)仿真學(xué)報(bào),2005(5)：1185-1187.

[18] 崔軍.電動(dòng)車分布式驅(qū)動(dòng)系統(tǒng)的信號(hào)采集與處理研究[D].北京：中國科學(xué)院研究生院(電工研究所),2005.

[19] 林屹清.比例型車用電磁執(zhí)行器驅(qū)動(dòng)及控制系統(tǒng)研究[D].無錫：江南大學(xué),2011.

[20] 李學(xué)修,黃虎,劉長(zhǎng)虹.基于ANFIS的汽車自動(dòng)變速器換檔規(guī)律的決策判斷[J].上海工程技術(shù)大學(xué)學(xué)報(bào),2006,20(2)：104-107.

[21] 陳慧萍,王建東,樊春霞.基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的非線性系統(tǒng)控制[J].計(jì)算機(jī)仿真.2004,21(3)：85-87.

[22] 韓冬梅,王麗萍,吳秋花.基于模糊偏好的多目標(biāo)粒子群算法在庫存控制中的應(yīng)用[J].浙江工業(yè)大學(xué)學(xué)報(bào)，2012,40(3)：348-351.

[23] 何通能,安康,逯峰.基于模糊PI控制的三相船用逆變電源研究[J].浙江工業(yè)大學(xué)學(xué)報(bào)，2013,41(2)：222-227.

(責(zé)任編輯：劉 巖)

Clutch control method and model-based simulation of plug-in hybrid vehicle

YU Shiming, SUN Chao

(College of Information Engineering, Zhejiang University of Technology, Hangzhou 310023, China)

The plug-in hybrid vehicle is usually equipped with multi-power sources such as an engine, a motor and so on, therefore it may produce a huge torque in the process of rapid acceleration, which makes the control of its clutch difficult. On the basis of dynamic analysis to clutch when the vehicle is starting, this work extracts the clutch control as a typical problem of target tracking control. The PID and adaptive fuzzy neural network method is used to control the clutch respectively. The simulation results show that the control performance of the adaptive fuzzy neural network control is obviously better than PID control. The model can be directly transformed into the corresponding C-language code which can be programmed into a vehicle controller as one part of actual control software.

clutch; PID; adaptive fuzzy neural network; vehicle simulation

2016-11-21

余世明(1962—)，男，甘肅天水人，教授，博士生導(dǎo)師，研究方向?yàn)榍度胧较到y(tǒng)與機(jī)電控制，自適應(yīng)模型預(yù)測(cè)控制，E-mail:ysm@zjut.edu.cn.

TP18

A

1006-4303(2017)03-0305-05