基于工況識(shí)別的混合動(dòng)力汽車(chē)能量管理策略

嚴(yán)陳希，耿文冉，黃明宇，朱建新

（1.南通大學(xué)機(jī)械工程學(xué)院，江蘇 南通 226019；2.科力遠(yuǎn)混合動(dòng)力技術(shù)有限公司，上海201501；3.同濟(jì)大學(xué)汽車(chē)學(xué)院，上海201804）

1 引言

能量管理策略能夠?qū)崿F(xiàn)混合動(dòng)力汽車(chē)（Hybrid Electric Vehi‐cle，HEV）多個(gè)動(dòng)力源間的最優(yōu)分配，而針對(duì)某一已知工況制定的能量管理策略，無(wú)法確保車(chē)輛實(shí)際行駛過(guò)程中的經(jīng)濟(jì)性最優(yōu)。因此，若能根據(jù)車(chē)輛的實(shí)時(shí)狀態(tài)識(shí)別當(dāng)前行駛工況，再進(jìn)行相應(yīng)的能量分配，可使車(chē)輛運(yùn)行在更高效的經(jīng)濟(jì)區(qū)域。

工況識(shí)別的能量管理策略受到研究者們的廣泛關(guān)注。文獻(xiàn)[1]以一款并聯(lián)混合動(dòng)力汽車(chē)為研究對(duì)象，采用學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)工況識(shí)別器，建立了在線調(diào)整等效因子的等效燃油消耗最低能量管理策略（equivalent fuel consumption minimization strategy，ECMS）；文獻(xiàn)[2]針對(duì)不同交通狀況，用遺傳算法進(jìn)行隸屬函數(shù)參數(shù)和規(guī)則的調(diào)整，并控制策略間適當(dāng)切換，實(shí)現(xiàn)動(dòng)力總成的最佳功率分配；文獻(xiàn)[3]設(shè)計(jì)了關(guān)于工況識(shí)別的模糊控制策略，并用不同駕駛循環(huán)評(píng)估所提策略的性能，證實(shí)了該算法可有效提高燃油經(jīng)濟(jì)性。

基于一種新型功率分流式混合動(dòng)力汽車(chē)，研究了多種行駛工況下的自適應(yīng)等效燃油消耗最低能量管理策略（adaptive equivalent fuel consumption minimization strategy，A-ECMS），由于該新型功率分流系統(tǒng)具有多種工作模式[4]，結(jié)構(gòu)也較現(xiàn)有研究的混動(dòng)系統(tǒng)復(fù)雜，目前只有基于規(guī)則的實(shí)車(chē)控制策略，所以其策略有待進(jìn)一步挖掘改善。提出以當(dāng)量比油耗為A-ECMS策略?xún)?yōu)化目標(biāo)的方案，相較于現(xiàn)有ECMS以綜合油耗為優(yōu)化目標(biāo)，能避免瞬時(shí)需求功率的影響；選定五種典型工況，包括CLTC_P中低速段，更適應(yīng)于我國(guó)道路交通特征；制定一種改進(jìn)型粒子群算法，對(duì)各工況下的等效因子進(jìn)行優(yōu)化，能在得到各工況最優(yōu)等效因子的同時(shí)保證工況運(yùn)行后的SOC平衡；運(yùn)用模糊控制器進(jìn)行工況識(shí)別，在AMESim∕Simulink聯(lián)合仿真平臺(tái)上實(shí)時(shí)控制，并進(jìn)行整車(chē)轉(zhuǎn)轂試驗(yàn)。該策略可有效提高整車(chē)燃油經(jīng)濟(jì)性。

2 混合動(dòng)力系統(tǒng)方案

基于一款四軸雙行星排式的新型功率分流混合動(dòng)力汽車(chē)為研究對(duì)象，動(dòng)力系統(tǒng)結(jié)構(gòu)，如圖1所示。發(fā)動(dòng)機(jī)ENG通過(guò)兩個(gè)離合器分別與行星排PG1的行星架及PG2相連，電機(jī)E1、E2分別與雙行星排的小太陽(yáng)輪和大太陽(yáng)輪相連。E1、E2根據(jù)策略可以作為驅(qū)動(dòng)電機(jī)或發(fā)電機(jī)。整車(chē)及動(dòng)力系統(tǒng)主要參數(shù)，如表1所示。

圖1 HEV動(dòng)力系統(tǒng)Fig.1 Powertrain of HEV

表1 整車(chē)及動(dòng)力系統(tǒng)主要參數(shù)Tab.1 Vehicle and Powertrain Main Parameters

3 ECMS策略?xún)?yōu)化目標(biāo)

ECMS策略即利用等效因子將每一瞬時(shí)的電量損耗等效為油耗[5]，以其與發(fā)動(dòng)機(jī)實(shí)際油耗m?e的和最小為優(yōu)化目標(biāo)：

式中：P B—電池功率；ηdis（t）—電機(jī)驅(qū)動(dòng)效率；ηchg（t）—電機(jī)發(fā)電效率；λ—符號(hào)函數(shù)，取值1或0；S c hg、S dis—充、放電等效因子；Ql hv—燃油熱值，Qlhv=4.6·104∕J·g-1。

現(xiàn)有研究的ECMS策略以綜合油耗為目標(biāo)進(jìn)行優(yōu)化，而綜合油耗的求取是在車(chē)輛反饋的瞬時(shí)需求功率下進(jìn)行。實(shí)際上，對(duì)于每一瞬時(shí)時(shí)刻，車(chē)輛運(yùn)行所需的瞬時(shí)功率不同，為了更準(zhǔn)確反映總等效油耗最低的目標(biāo)，本研究根據(jù)功率分配的關(guān)系，以當(dāng)量比油耗Esys最小為優(yōu)化目標(biāo)。Esys指將變速箱與發(fā)動(dòng)機(jī)ENG整體當(dāng)作一個(gè)虛擬發(fā)動(dòng)機(jī)，輸入油，輸出有效功率，其能量流動(dòng)圖，如圖2所示?？杀磉_(dá)為如下式：

圖2 能量流動(dòng)Fig.2 Flow of Energy

當(dāng)電池充電時(shí)：

當(dāng)電池放電時(shí)：

式中：Pe—發(fā)動(dòng)機(jī)功率；PHo—整車(chē)需求功率；PB_o ut—充電下的電池功率；P B_ist—放電下的電池功率；BSFC—發(fā)動(dòng)機(jī)比油耗；B S F C_e qu—A-E C M S策略下的等效因子。

由圖2可知，當(dāng)電池放電時(shí)，能量來(lái)源有兩個(gè)，一個(gè)是從油箱輸入到ENG的燃油，單位時(shí)間消耗的燃油量為Pe·B S F C；另一個(gè)來(lái)源是電池的電能，將它等效為油耗為Pe·BSF C_equ。兩部分的能量共同驅(qū)動(dòng)整車(chē)運(yùn)行，輸出功率為PHo。

當(dāng)電池充電時(shí)，能量來(lái)源只有一個(gè)，即從油箱輸入到發(fā)動(dòng)機(jī)的燃油，單位時(shí)間所消耗的燃油量為Pe·B S F C；分兩部分輸出，一部分用于電池充電，輸出功率為PB；另一部分用于驅(qū)動(dòng)整車(chē)運(yùn)行，輸出功率為P Ho。

4 基于工況識(shí)別的A-ECMS策略

由于車(chē)輛實(shí)際行駛道路的不確定性，某一工況下的等效因子并不能保證車(chē)輛在實(shí)際行駛時(shí)的最優(yōu)，需要實(shí)時(shí)識(shí)別出當(dāng)前工況，進(jìn)行相應(yīng)能量管理，以達(dá)到更好的燃油經(jīng)濟(jì)性。

4.1 工況識(shí)別

4.1.1 工況分類(lèi)

選取5種涵蓋不同交通狀況的典型工況：城市、郊區(qū)、高速工況，以及分別代表我國(guó)城市與郊區(qū)道路工況的CLTC_P（中國(guó)乘用車(chē)行駛工況）的低速段與中速段。工況圖，如圖3所示。

圖3 五種典型工況Fig.3 Five Typical Driving Cycles

4.1.2 模糊控制器識(shí)別算法

因模糊控制算法具有較好的魯棒性[6]，且反復(fù)調(diào)試可實(shí)現(xiàn)較高識(shí)別精度[7-8]，故采用模糊控制器識(shí)別算法。結(jié)合所選五種工況特征，選取的特征參數(shù)為平均車(chē)速vavg、怠速時(shí)間比r i與平均絕對(duì)加速度aavg，如表2所示。從表2中可以看出，所選特征參數(shù)區(qū)分度較大，足以相對(duì)準(zhǔn)確的反應(yīng)出工況類(lèi)型。

表2 行駛工況特征參數(shù)Tab.2 Characteristic Parameters of Driving Cycles

建立vavg、ri與aavg三個(gè)特征參數(shù)的梯形隸屬度函數(shù)，如圖4（a）所示。經(jīng)反復(fù)修改及驗(yàn)證，構(gòu)建出具有較好識(shí)別效果的模糊規(guī)則，如表3所示。表中1-5依次表示CLTC_P_低速段、城市工況、CLTC_P_中速段、郊區(qū)工況及高速工況。

表3 工況識(shí)別模糊規(guī)則Tab.3 Fuzzy Rule Table for Condition Recognition

4.1.3 識(shí)別驗(yàn)證

為驗(yàn)證設(shè)置的模糊控制器識(shí)別效果，從五類(lèi)典型工況中各隨機(jī)選取10組，每組時(shí)間間隔為200s，得輸入變量值，如圖4（b）所示。最終得到圖識(shí)別結(jié)果，如圖4（c）所示。從圖4（c）可以看出，只有兩組識(shí)別有誤，準(zhǔn)確度達(dá)96%，符合工況識(shí)別準(zhǔn)確度要求。

圖4 隸屬度函數(shù)、識(shí)別器驗(yàn)證的輸入及識(shí)別結(jié)果Fig.4 Membership Functions，Recognizer Inputs and Recognition Results

4.2 最優(yōu)等效因子求取

對(duì)于識(shí)別的工況類(lèi)型，每個(gè)工況都存在對(duì)應(yīng)的最優(yōu)等效因子獲得最佳燃油經(jīng)濟(jì)性。由式（2）、式（3）可知，以當(dāng)量比油耗為優(yōu)化目標(biāo)時(shí)只需求取電池放電時(shí)的等效因子取值即可。

4.2.1 改進(jìn)型粒子群優(yōu)化算法

考慮到粒子群算法（PSO）[9-10]具有規(guī)則簡(jiǎn)單、收斂速度快等優(yōu)勢(shì)，選取PSO對(duì)等效因子進(jìn)行尋優(yōu)。提出一種改進(jìn)型粒子群算法，通過(guò)Matlab編程實(shí)現(xiàn)優(yōu)化算法，具體算法如下：在某典型工況下，隨機(jī)產(chǎn)生第一次迭代等效因子值S1，運(yùn)用ECMS策略得到S1對(duì)應(yīng)的最優(yōu)轉(zhuǎn)矩分配，滿足在該等效因子值下實(shí)現(xiàn)以等效燃油消耗最低的能量管理目標(biāo)。將轉(zhuǎn)矩分配加載入mat文件，程序?qū)崿F(xiàn)自動(dòng)運(yùn)行當(dāng)前工況下的聯(lián)合仿真模型，并提取末端SOC反饋至.m文件，以SOC平衡為最終收斂目標(biāo)建立如式（4）所示的收斂函數(shù)，取判斷是否收斂值為0.01，即當(dāng)△SOC大于0.01且迭代次數(shù)M還未達(dá)到最大迭代次數(shù)30時(shí)，調(diào)用不同粒子或更新迭代次數(shù)，繼續(xù)判斷S2是否收斂，以此類(lèi)推；當(dāng)△SOC小于0.01時(shí)或M大于等于30時(shí)，結(jié)束循環(huán)，當(dāng)前等效因子即為該典型工況下最優(yōu)等效因子。該改進(jìn)型粒子群算法可以尋找到同時(shí)實(shí)現(xiàn)某一典型工況等效燃油消耗最低且工況SOC平衡所對(duì)應(yīng)的等效因子值。具體流程圖，如圖5所示。

圖5 改進(jìn)型PSO算法流程Fig.5 Flow of Advanced PSO

式中：TVM*，nVM*—該工況下當(dāng)前等效因子對(duì)應(yīng)的發(fā)動(dòng)機(jī)最優(yōu)工作點(diǎn)分配；t—工況時(shí)長(zhǎng)。

4.2.2 最優(yōu)等效燃油系數(shù)

通過(guò)改進(jìn)型PSO算法尋優(yōu)得到的電池放電時(shí)刻下各典型工況最優(yōu)等效因子，如表4所示。

表4 各典型工況最優(yōu)等效因子值Tab.4 Optimal Equivalent Factors of Each Driving Cycle

4.3 A-ECMS能量管理策略示意圖

根據(jù)瞬時(shí)時(shí)刻下模糊控制器識(shí)別的結(jié)果，調(diào)用各工況對(duì)應(yīng)的最優(yōu)等效因子，進(jìn)行ECMS能量管理，實(shí)現(xiàn)能量源間的最優(yōu)分配，總策略示意圖，如圖6所示。

圖6 A-ECMS能量管理策略流程Fig.6 Flow of A-ECMS Energy Management Strategy

5 仿真分析

在MATLAB∕Simulink與AMESim聯(lián)合仿真平臺(tái)上進(jìn)行仿真分析。隨機(jī)組合5種典型工況形成綜合測(cè)試工況，如圖7（a）所示。設(shè)置初始電池電量SOC為50%。仿真過(guò)程中，基于模糊控制器算法的A-ECMS工況識(shí)別結(jié)果，如圖7（b）所示。

因ECMS策略本身已對(duì)能量管理進(jìn)行優(yōu)化，為更直觀的表明研究的A-ECMS策略的優(yōu)越性，首先將ECMS和A-ECMS策略下的仿真結(jié)果分別與基于規(guī)則的實(shí)車(chē)控制策略進(jìn)行對(duì)比分析。這三種策略下的電池SOC和發(fā)動(dòng)機(jī)油耗變化，如圖7（c）、圖7（d）所示。對(duì)比分析可知，在滿足SOC平衡時(shí)，實(shí)車(chē)控制策略下的發(fā)動(dòng)機(jī)油耗為5.144L∕100km，ECMS策略下的發(fā)動(dòng)機(jī)油耗為3.987L∕100km，相比實(shí)車(chē)控制策略下降22.5%；A-ECMS策略下的發(fā)動(dòng)機(jī)油耗為3.876L∕100km，相比實(shí)車(chē)控制策略下降24.7%，相比ECMS策略下降2.8%。從以上數(shù)據(jù)可以看出，A-ECMS策略具有更好的燃油經(jīng)濟(jì)性。同時(shí)，A-ECMS策略下SOC波動(dòng)幅度相比于ECMS策略降低了36.6%，波動(dòng)更平緩，使動(dòng)力電池工作在高效區(qū)域內(nèi)。

圖7 仿真結(jié)果分析Fig.7 Simulation Result Analysis

兩種能量管理策略下的發(fā)動(dòng)機(jī)工作點(diǎn)對(duì)比圖，如圖8（a）、圖（b）所示。統(tǒng)計(jì)仿真結(jié)果得：ECMS策略下，發(fā)動(dòng)機(jī)工作點(diǎn)分布在燃油消耗量為255g∕（kWh）以?xún)?nèi)的占比達(dá)到39.63%；A-ECMS策略下的占比達(dá)到46.19%，結(jié)合圖8（a）、圖（b）可以看出，A-ECMS策略的發(fā)動(dòng)機(jī)工作點(diǎn)更有效的集中在高效區(qū)域，對(duì)油耗和排放均有所改善。

圖8 發(fā)動(dòng)機(jī)與電機(jī)工作點(diǎn)Fig.8 Working Points of Engine and Motors

兩種能量管理策略下得到的電機(jī)工作點(diǎn)分布，如圖8（c）～圖8（f）所示。電機(jī)E1工作點(diǎn)在四個(gè)象限均有分布，存在電動(dòng)和發(fā)電工況；電機(jī)E2主要工作在第一、二、四象限，存在電動(dòng)和發(fā)電工況。除去為保持杠桿平衡電機(jī)鎖止或空轉(zhuǎn)的工作點(diǎn)以外，ECMS和A-ECMS策略下電機(jī)E1效率達(dá)到百分之八十以上的工作分布點(diǎn)分別占24.98%、35.24%；電機(jī)E2效率達(dá)到百分之八十以上的工作分布點(diǎn)分別占69.21%、71.69%。可以看出，A-ECMS策略下的電機(jī)相比于ECMS策略能工作在更高的效率區(qū)間。

綜上所述，采用瞬時(shí)優(yōu)化的ECMS策略能顯著降低整車(chē)油耗；采用基于工況識(shí)別的A-ECMS策略，能根據(jù)實(shí)際行駛道路的變化，合理調(diào)整車(chē)輛工況切換，進(jìn)一步提高燃油經(jīng)濟(jì)性。同時(shí)，采用A-ECMS策略能更好的實(shí)現(xiàn)各動(dòng)力源間的動(dòng)力分配及電池SOC平衡，使得發(fā)動(dòng)機(jī)和電機(jī)運(yùn)行在更高效區(qū)域內(nèi)，從而實(shí)現(xiàn)降低整車(chē)綜合油耗和提高系統(tǒng)效率的目標(biāo)。

6 整車(chē)轉(zhuǎn)轂試驗(yàn)

為了進(jìn)一步驗(yàn)證A-ECMS策略的有效性，進(jìn)行整車(chē)轉(zhuǎn)轂油耗試驗(yàn)，如圖9所示。設(shè)置轉(zhuǎn)轂測(cè)試條件如下：大氣溫度24.6℃，大氣壓力102.8kPa，相對(duì)濕度30.7%，汽油密度0.7591g∕ml，測(cè)功機(jī)當(dāng)量慣量1470kg等。

圖9 整車(chē)轉(zhuǎn)轂油耗試驗(yàn)Fig.9 Fuel Consumption Test for Vehicle Hub

由于試驗(yàn)條件限制，無(wú)法實(shí)現(xiàn)循環(huán)測(cè)試工況試驗(yàn)，選取天津城郊路譜為試驗(yàn)路況，分別進(jìn)行ECMS策略和提出的A-ECMS策略下的實(shí)驗(yàn)驗(yàn)證。試驗(yàn)結(jié)果，如圖10所示。為試驗(yàn)車(chē)速總體跟隨良好，試驗(yàn)所得A-ECMS策略下的SOC軌跡及發(fā)動(dòng)機(jī)油耗與基于本研究聯(lián)合仿真模型得到的仿真趨勢(shì)基本一致，驗(yàn)證了仿真模型的可行性。如圖10（b）、圖10（c）所示，試驗(yàn)測(cè)得的ECMS策略的油耗為4.664L∕100km，電量減少10.2%，試驗(yàn)測(cè)得的A-EC‐MS策略油耗為4.423L∕100km，電量減少2%。相比于ECMS策略，A-ECMS策略的油耗降低了5.2%，電耗減少了8.2%。

試驗(yàn)結(jié)果表明，基于工況識(shí)別的A-ECMS策略使車(chē)輛的燃油經(jīng)濟(jì)性進(jìn)一步提高，驗(yàn)證了基于工況識(shí)別的自適應(yīng)等效燃油最低能量管理策略的有效性及可行性。

圖10轉(zhuǎn)轂試驗(yàn)的油耗及SOCFig.10 Fuel Consumption and SOC Obtained From the Hub Test

7 結(jié)束語(yǔ)

（1）針對(duì)一款雙行星排式的新型功率分流系統(tǒng)，采用模糊控制器進(jìn)行工況識(shí)別，驗(yàn)證識(shí)別準(zhǔn)確度達(dá)96%，并基于改進(jìn)型粒子群算法求取各工況最優(yōu)等效因子，建立了基于工況識(shí)別的自適應(yīng)等效燃油消耗最低能量管理策略。（2）在MATLAB∕Simulink與AMESim環(huán)境下，建立聯(lián)合仿真模型，仿真結(jié)果表明：在保持SOC平衡的前提下，ECMS策略和A-ECMS策略相比于基于規(guī)則的實(shí)車(chē)控制策略，發(fā)動(dòng)機(jī)油耗分別降低22.5%和24.7%；A-ECMS策略相比于ECMS策略油耗降低2.8%，SOC波動(dòng)幅度降低36.6%，且發(fā)動(dòng)機(jī)及電機(jī)工作點(diǎn)更有效的集中在高效區(qū)域，證明了A-ECMS策略具有更好的燃油經(jīng)濟(jì)性。（3）基于研究提出的A-ECMS策略進(jìn)行整車(chē)轉(zhuǎn)轂試驗(yàn)，結(jié)果表明，相對(duì)于ECMS策略，整車(chē)電耗減少8.2%，油耗降低5.2%，進(jìn)一步驗(yàn)證策略的有效性和可行性。