道路坡度識(shí)別的混合動(dòng)力客車模式切換控制策略

楊 杰,高愛(ài)云,范衛(wèi)峰,付主木,張 瑋

(1.河南科技大學(xué) 車輛與交通工程學(xué)院, 河南 洛陽(yáng) 471003;2.河南科技大學(xué) 信息工程學(xué)院, 河南 洛陽(yáng) 471023)

0 引言

混合動(dòng)力汽車2個(gè)動(dòng)力源(發(fā)動(dòng)機(jī)和電機(jī))之間的切換過(guò)程直接影響車輛的動(dòng)力性和經(jīng)濟(jì)性。國(guó)內(nèi)外很多學(xué)者都針對(duì)混合動(dòng)力驅(qū)動(dòng)模式控制進(jìn)行了大量的研究[1-4]。然而,隨著汽車智能化的深入發(fā)展,汽車的實(shí)際行駛環(huán)境也成為了關(guān)注的熱點(diǎn)。尹安東等[5]采用學(xué)習(xí)向量量化(LVQ)神經(jīng)網(wǎng)絡(luò)識(shí)別車輛實(shí)時(shí)工況,制定一種基于工況識(shí)別的整車控制策略,通過(guò)對(duì)實(shí)時(shí)工況的識(shí)別有效提高了HEV的燃油經(jīng)濟(jì)性。陳飛等[6]利用智能交通系統(tǒng)(ITS)和專用短程通信技術(shù)(DSRC)獲取汽車行駛工況信息,提出了一種網(wǎng)聯(lián)混合動(dòng)力汽車分層能量控制方法,大大提高了整車的燃油經(jīng)濟(jì)性。錢立軍等[7]為實(shí)現(xiàn)混合動(dòng)力汽車的實(shí)時(shí)最優(yōu)能量管理,提出一種基于智能網(wǎng)聯(lián)的分層能量管理控制方法,能夠?qū)崟r(shí)提高汽車的燃油經(jīng)濟(jì)性和動(dòng)力性。上述針對(duì)HEV的研究都是基于平坦路面上的行駛工況,而在實(shí)際行駛道路中,坡度是真實(shí)存在的,也是不可忽略的,同時(shí)道路坡度對(duì)車輛的動(dòng)力性造成的影響也是不容忽視的。

目前,道路坡度的實(shí)時(shí)識(shí)別也成為研究中的難點(diǎn)之一[8]。針對(duì)道路實(shí)時(shí)坡度識(shí)別的問(wèn)題,國(guó)內(nèi)外學(xué)者已經(jīng)做了大量的研究,Jo 等[9-10]提出了一種利用GPS與車載傳感器信息融合、與EKF算法結(jié)合的道路坡度車輛位置估算算法,但對(duì)道路坡度的識(shí)別精度有待提高。付翔等[11]分析目前不同坡度識(shí)別算法的優(yōu)劣,分別建立基于動(dòng)力學(xué)、考慮加速度傳感信息坡度識(shí)別模型、基于GPS的坡度識(shí)別模型,并將3種模型進(jìn)行聯(lián)合濾波估計(jì),大大提高了車輛坡道識(shí)別的精度和魯棒性。

綜上所述,針對(duì)實(shí)際的道路坡度對(duì)汽車動(dòng)力性的影響,尤其是汽車在上坡行駛過(guò)程可能存在動(dòng)力不足的問(wèn)題,提出一種基于道路坡度識(shí)別的混合動(dòng)力客車(HEB)主動(dòng)模式切換控制策略。只考慮汽車上坡過(guò)程中的模式切換控制,不考慮下坡過(guò)程。“主動(dòng)”是指汽車在上坡行駛過(guò)程中混合動(dòng)力系統(tǒng)未來(lái)時(shí)刻所需的轉(zhuǎn)矩是可以提前被計(jì)算的,對(duì)混合動(dòng)力系統(tǒng)而言,針對(duì)模式狀態(tài)發(fā)生變化,尤其是針對(duì)發(fā)動(dòng)機(jī)介入時(shí)的模式狀態(tài)變化時(shí),整車提前發(fā)出模式切換指令,關(guān)鍵零部件提前進(jìn)入準(zhǔn)備狀態(tài),如發(fā)動(dòng)機(jī)、離合器、電機(jī)等。以洛陽(yáng)市某一旅游客車特定山路旅游路線為例,應(yīng)用縱向動(dòng)力學(xué)道路識(shí)別算法進(jìn)行道路坡度識(shí)別,BP神經(jīng)網(wǎng)絡(luò)算法對(duì)未來(lái)時(shí)域內(nèi)行駛車速進(jìn)行預(yù)測(cè),在控制時(shí)域內(nèi)利用汽車動(dòng)力學(xué)公式求得預(yù)測(cè)時(shí)間內(nèi)的需求轉(zhuǎn)矩,根據(jù)需求轉(zhuǎn)矩以及SOC值進(jìn)行模式狀態(tài)確定,使汽車有模式狀態(tài)變化時(shí)提前完成模式切換,避免汽車在上坡過(guò)程中動(dòng)力不足問(wèn)題的發(fā)生。

1 HEB系統(tǒng)建模和整車參數(shù)

HEB是一種為旅游而設(shè)計(jì)和裝備的客車。這種車輛的行駛工況比較特殊,每天都要在特定旅游路線往返,經(jīng)常上下坡,以洛陽(yáng)市某一旅游客車為例,其外形如圖1所示,其整車和動(dòng)力零部件參數(shù)如表1所示。

表1 整車和動(dòng)力零部件參數(shù)

表2 基于BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)車速的均方根誤差

圖1 整車外形

2 道路工況預(yù)測(cè)

2.1 基于縱向動(dòng)力學(xué)的道路坡度識(shí)別算法

車輛在實(shí)際行駛過(guò)程中需要考慮現(xiàn)實(shí)的道路環(huán)境等因素,這就使得實(shí)際坡度與識(shí)別坡度存在相對(duì)較大的誤差。因此擬采用一種基于縱向動(dòng)力學(xué)的坡度識(shí)別算法。

(1)

式中:ac為識(shí)別加速度,V為當(dāng)前車速,Tm為動(dòng)力源轉(zhuǎn)矩,ig為變速器速比,io為主減速器速比,ηt為系統(tǒng)動(dòng)力傳遞的效率,r為車輪滾動(dòng)半徑,m為汽車整備質(zhì)量,CD為風(fēng)阻系數(shù),A為迎風(fēng)面積,?為坡度識(shí)別算法中的識(shí)別坡度。

車輛的實(shí)際加速度為

(2)

式中:ar為實(shí)際加速度,vk和vk-1分別為當(dāng)前時(shí)刻和上一時(shí)刻的速度,Δt為時(shí)間,θ為道路的實(shí)際坡度。

根據(jù)式(3)不同加速度關(guān)系對(duì)應(yīng)不同的坡度關(guān)系,由?和θ根據(jù)式(1)和式(2)分別計(jì)算識(shí)別加速度ac和實(shí)際加速度ar

(3)

因此,可以根據(jù)對(duì)ac和ar的關(guān)系進(jìn)行比較,從而判斷出?和θ的關(guān)系,在每一個(gè)坡度識(shí)別時(shí)間內(nèi),通過(guò)比較ac和ar的關(guān)系,對(duì)識(shí)別坡度進(jìn)行歸正,得

(4)

式中:?ck和?ck-1分別為當(dāng)前時(shí)刻和上一時(shí)刻的識(shí)別坡度,Δ?為修正系數(shù)。

根據(jù)仿真結(jié)果,Δ?取1.7°,識(shí)別坡度與實(shí)際坡度的誤差為最小。

2.2 道路坡度算法仿真分析

通過(guò)車載GPS信息獲取,可以計(jì)算得到該路段的實(shí)際道路坡度信息。以GPS獲取的實(shí)際行駛的道路坡度為數(shù)據(jù)進(jìn)行仿真,在Carsim與Simulink中建立仿真模型,仿真結(jié)果如圖2所示。

圖2 識(shí)別坡度與實(shí)際坡度

從圖2可以看出:識(shí)別坡度與實(shí)際坡度曲線軌跡趨勢(shì)一致,表明該坡度識(shí)別算法可以較為準(zhǔn)確地預(yù)測(cè)出車輛所處的實(shí)際道路坡度信息。

3 基于BP神經(jīng)網(wǎng)絡(luò)的車速預(yù)測(cè)

車輛在實(shí)際行駛過(guò)程中,準(zhǔn)確獲取實(shí)時(shí)的汽車行駛工況信息是相當(dāng)有難度的。但通過(guò)汽車歷史行駛工況信息對(duì)未來(lái)時(shí)域的行駛工況信息進(jìn)行合理預(yù)測(cè),可以提前完成模式切換[12-15]。本文中選用BP神經(jīng)網(wǎng)絡(luò)算法,根據(jù)汽車歷史行駛工況信息,以及對(duì)客車在坡道行駛的實(shí)際運(yùn)行數(shù)據(jù)進(jìn)行訓(xùn)練和測(cè)試,獲得控制時(shí)域內(nèi)的未來(lái)行駛工況。

BP神經(jīng)網(wǎng)絡(luò)是一個(gè)多層反饋神經(jīng)網(wǎng)絡(luò),具有3層或3層以上的結(jié)構(gòu),分別是輸入層(input layer)、一層或多層隱含層(hide layer)、輸出層(output layer),結(jié)構(gòu)如圖3所示。

圖3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

BP神經(jīng)網(wǎng)絡(luò)模型建立過(guò)程為

模型的建立過(guò)程:

1) 輸入層設(shè)為

(5)

2) 隱含層各個(gè)神經(jīng)元的輸入為

Nj=w1jx1+w2jx2+…+wnjxn

(6)

3) 隱含層各神經(jīng)元單元的輸出為

(7)

4) 輸出層單元的輸入為

(8)

輸出層單元的輸出為

Nout=vk+1,vk+2,…,vk+p

(9)

式中:Wnj為隱含層權(quán)值;θj為隱層單元的閾值;p為隱層單元的個(gè)數(shù);Vjt為隱層到輸出層的連接權(quán)重;rt為輸出層單元閾值。

根據(jù)汽車的當(dāng)前狀態(tài)和歷史車速信息,獲取汽車工況特征參數(shù),組成BP神經(jīng)網(wǎng)絡(luò)模型的輸入;以洛陽(yáng)市某混合動(dòng)力客車在坡道行駛時(shí)實(shí)車運(yùn)行車速作為訓(xùn)練數(shù)據(jù)及測(cè)試數(shù)據(jù),對(duì)車輛運(yùn)行車速進(jìn)行分析,在進(jìn)行樣本訓(xùn)練和測(cè)試后,產(chǎn)生相應(yīng)符合歷史樣本規(guī)律的車速輸出。

經(jīng)過(guò)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練后,預(yù)測(cè)時(shí)間分別設(shè)定1、5 s。2種情況下未來(lái)車速的預(yù)測(cè)結(jié)果如圖4、5所示。

圖4 1 s預(yù)測(cè)結(jié)果

從圖4可以看出,當(dāng)預(yù)測(cè)時(shí)域?yàn)? s時(shí),實(shí)際的車速曲線與預(yù)測(cè)曲線吻合度較高,預(yù)測(cè)值可以較為準(zhǔn)確地跟隨實(shí)際行駛工況趨勢(shì)。從圖5、6可以看出,預(yù)測(cè)時(shí)域分別為5、10 s時(shí),實(shí)際車速曲線與預(yù)測(cè)車速曲線的吻合度逐漸減小,但總體趨勢(shì)依然一致。

圖5 5 s預(yù)測(cè)結(jié)果

圖6 10 s預(yù)測(cè)結(jié)果

4 HEB主動(dòng)模式切換

基于以上分析,本文中提出基于道路坡度識(shí)別的HEB主動(dòng)模式切換控制策略。傳統(tǒng)車輛上坡時(shí),通過(guò)駕駛員踩加速踏板增大混合驅(qū)動(dòng)系統(tǒng)需求轉(zhuǎn)矩,其模式才會(huì)發(fā)生變化,但對(duì)于上坡過(guò)程中的車輛,易產(chǎn)生模式切換時(shí)動(dòng)力不足的問(wèn)題。為此,在傳統(tǒng)模式切換的基礎(chǔ)上提出了基于道路坡度識(shí)別的主動(dòng)模式切換。

混合動(dòng)力系統(tǒng)模式切換控制流程如圖7所示。當(dāng)車輛行駛過(guò)程中識(shí)別到前方有上坡時(shí),應(yīng)用縱向道路坡度識(shí)別算法對(duì)道路坡度進(jìn)行識(shí)別以及BP神經(jīng)網(wǎng)絡(luò)算法對(duì)車速進(jìn)行預(yù)測(cè),然后根據(jù)汽車動(dòng)力學(xué)公式(10)求得整車預(yù)測(cè)時(shí)間內(nèi)的需求轉(zhuǎn)矩,再根據(jù)需求轉(zhuǎn)矩以及SOC閾值確定模式狀態(tài)。

圖7 主動(dòng)模式切換控制流程

(10)

式中:Ff為滾動(dòng)阻力;Fw為空氣阻力;Fi為坡度阻力;m為汽車整備質(zhì)量,?為道路坡度,CD為風(fēng)阻系數(shù),V為當(dāng)前車速。

混合動(dòng)力系統(tǒng)不僅需要確定需求轉(zhuǎn)矩,還需要考慮電池SOC的大小,當(dāng)電池SOC過(guò)低,發(fā)動(dòng)機(jī)進(jìn)入工作模式狀態(tài)。因此,在利用汽車動(dòng)力學(xué)公式求得車輛的目標(biāo)需求轉(zhuǎn)矩后,同時(shí)還需要考慮電池SOC的閾值范圍。表3是混合動(dòng)力汽車的各個(gè)模式的運(yùn)行條件,根據(jù)車輛的需求轉(zhuǎn)矩和電池SOC閾值判斷混合動(dòng)力系統(tǒng)的工作模式。

表3 混合動(dòng)力汽車工作模式

根據(jù)混合動(dòng)力汽車工作模式的劃分依據(jù),發(fā)動(dòng)機(jī)的目標(biāo)轉(zhuǎn)矩與總的需求轉(zhuǎn)矩關(guān)系為

(11)

式中:Te_req為發(fā)動(dòng)機(jī)的需求轉(zhuǎn)矩;Td_req為混合動(dòng)力系統(tǒng)的需求轉(zhuǎn)矩;Te_min為發(fā)動(dòng)機(jī)的最小轉(zhuǎn)矩;Te_ass為發(fā)動(dòng)機(jī)的最佳燃油經(jīng)濟(jì)區(qū)域轉(zhuǎn)矩;Te_max為發(fā)動(dòng)機(jī)的最大轉(zhuǎn)矩。

確定發(fā)動(dòng)機(jī)目標(biāo)轉(zhuǎn)矩和總的需求轉(zhuǎn)矩關(guān)系之后,也可以得到電機(jī)的目標(biāo)轉(zhuǎn)矩,即

(12)

式中:Tm_req為電機(jī)需求轉(zhuǎn)矩;Tm_min為電機(jī)最小轉(zhuǎn)矩;Te_max為電機(jī)最大轉(zhuǎn)矩。

根據(jù)以上得出的模式切換種類,為使被動(dòng)切換變?yōu)橹鲃?dòng),涉及發(fā)動(dòng)機(jī)介入的模式時(shí)保證發(fā)動(dòng)機(jī)及時(shí)的進(jìn)入工作狀態(tài),本文中以純電動(dòng)模式向混合驅(qū)動(dòng)模式為研究對(duì)象,控制策略流程如圖8所示。

圖8 純電動(dòng)模式轉(zhuǎn)換為混合驅(qū)動(dòng)模式的主動(dòng)模式切換流程

第一階段,在Tn時(shí)刻,汽車在平直路面上行駛,混合動(dòng)力系統(tǒng)由電機(jī)單獨(dú)驅(qū)動(dòng),發(fā)動(dòng)機(jī)關(guān)閉,離合器分離,電機(jī)的目標(biāo)轉(zhuǎn)矩為:

Tm_req=Td_req

(13)

第二階段(預(yù)測(cè)階段):車輛識(shí)別前方有上坡時(shí),基于縱向動(dòng)力學(xué)識(shí)別算法識(shí)別坡度,BP神經(jīng)網(wǎng)絡(luò)算法預(yù)測(cè)Tn+1時(shí)刻的車速。此階段的動(dòng)力源仍為電機(jī)。

第三階段(模式確定階段):根據(jù)汽車動(dòng)力學(xué)公式計(jì)算Tn+1時(shí)刻的需求轉(zhuǎn)矩,根據(jù)上文提到的工作模式確定條件確定混合動(dòng)力系統(tǒng)的工作模式狀態(tài)。

第四階段(模式切換):當(dāng)預(yù)測(cè)的Tn+1時(shí)刻的需求轉(zhuǎn)矩大于電機(jī)的最大轉(zhuǎn)矩,汽車上坡過(guò)程中需要加速,若車輛的需求轉(zhuǎn)矩增大至電機(jī)與發(fā)動(dòng)機(jī)混合驅(qū)動(dòng)才能滿足整車的需求轉(zhuǎn)矩時(shí),此時(shí)混合動(dòng)力系統(tǒng)由純電動(dòng)模式切換至混合驅(qū)動(dòng)模式。整車控制器發(fā)出模式切換指令,關(guān)鍵零部件離合器、變速器等進(jìn)入工作狀態(tài),進(jìn)行模式切換。此過(guò)程在當(dāng)前Tn時(shí)刻,發(fā)動(dòng)機(jī)先啟動(dòng),逐步進(jìn)行接合離合器,使發(fā)動(dòng)機(jī)轉(zhuǎn)速與電機(jī)盡快同步。

第五階段:隨著下一時(shí)刻的到來(lái),發(fā)動(dòng)機(jī)的轉(zhuǎn)矩通過(guò)駕駛員調(diào)節(jié)節(jié)氣門(mén)開(kāi)度控制,此時(shí)離合器處于滑膜狀態(tài)。

第六階段:離合器逐漸接合的過(guò)程階段,根據(jù)離合器主、從動(dòng)盤(pán)轉(zhuǎn)速差于設(shè)定閾值的關(guān)系,若離合器主、從動(dòng)盤(pán)轉(zhuǎn)速差小于設(shè)定的閾值,離合器迅速接合。離合器完全接合后,發(fā)動(dòng)機(jī)、電機(jī)進(jìn)入轉(zhuǎn)矩控制模式,模式切換流程完成。

5 仿真與結(jié)果分析

針對(duì)提出的混合動(dòng)力總成,通過(guò)Matlab/Simulink建立仿真模型,以驗(yàn)證所提出的主動(dòng)模式切換控制方法的有效性。對(duì)客車由平緩路段上坡進(jìn)行模擬仿真。

在汽車上坡前,只考慮上坡過(guò)程,不考慮下坡,需求轉(zhuǎn)矩小于發(fā)動(dòng)機(jī)最佳經(jīng)濟(jì)轉(zhuǎn)矩曲線。從圖9和圖10可以看出,當(dāng)坡度發(fā)生變化時(shí),發(fā)動(dòng)機(jī)和電機(jī)的轉(zhuǎn)矩發(fā)生了改變。在預(yù)測(cè)時(shí)間內(nèi)預(yù)測(cè)到需求轉(zhuǎn)矩足以改變驅(qū)動(dòng)模式。

圖9 坡度轉(zhuǎn)矩

圖10 車速轉(zhuǎn)矩

車輛起步開(kāi)始行駛階段是以純電動(dòng)模式,整車的動(dòng)力來(lái)源于電機(jī),而且僅由電機(jī)來(lái)提供。在9 s時(shí)開(kāi)始進(jìn)行模式切換,由圖11和圖12可得出,發(fā)動(dòng)機(jī)與電機(jī)的輸出轉(zhuǎn)矩在所提出的主動(dòng)模式切換控制策略比傳統(tǒng)模式切換提前了5 s左右。由圖13離合器狀態(tài)可得,汽車在上坡前,混合動(dòng)力汽車離合器已經(jīng)開(kāi)始結(jié)合,發(fā)動(dòng)機(jī)啟動(dòng)?？梢钥闯?汽車提前5 s左右完成模式切換過(guò)程,可以有效避免上坡動(dòng)力不足的問(wèn)題。

圖11 發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩

圖12 電機(jī)輸出轉(zhuǎn)矩

6 結(jié)論

針對(duì)混合動(dòng)力客車上坡時(shí)模式切換可能會(huì)造成動(dòng)力不足的問(wèn)題,提出了基于道路坡度識(shí)別的HEB主動(dòng)模式切換控制策略,建立了Matlab/Simulink仿真模型。

1) 針對(duì)洛陽(yáng)市某旅游路線的混合動(dòng)力客車在坡道運(yùn)行數(shù)據(jù),建立基于縱向動(dòng)力學(xué)的道路坡度識(shí)別算法。

2) 建立的BP神經(jīng)網(wǎng)絡(luò)算法車速預(yù)測(cè)模型,能基本滿足車速和轉(zhuǎn)矩預(yù)測(cè)需求。根據(jù)車速預(yù)測(cè)結(jié)果,在控制時(shí)域內(nèi)求得下一時(shí)刻的需求轉(zhuǎn)矩;根據(jù)需求轉(zhuǎn)矩以及SOC值進(jìn)行模式狀態(tài)確定,使汽車在上坡前完成模式切換。

3) 根據(jù)所提出的混合動(dòng)力客車主動(dòng)模式切換控制策略,混合動(dòng)力系統(tǒng)在預(yù)測(cè)時(shí)域之前(即將爬坡)進(jìn)行模式切換,避免了客車在上坡過(guò)程中動(dòng)力不足。