混合動力電驅動系統(tǒng)的模糊控制策略研究*

魯子卉

(長春職業(yè)技術學院 工程技術分院，吉林 長春 130033)

混合動力電驅動系統(tǒng)HEDS(Hybrid Electric Driving System)采用高性能電動機作為動力部件，同時配有電能存儲單元與燃油作為系統(tǒng)的能源供給，具有較高的系統(tǒng)功率密度和靈活的控制性能。通過合理利用多種能量源的技術優(yōu)勢，可以實現(xiàn)較單一能量源系統(tǒng)更高的工作效率。HEDS是目前工程機械、車輛、航空等領域中大功率驅動系統(tǒng)的重要設計方案之一，尤其是隨著近年來控制技術、總線通信技術和電力電子技術的迅速發(fā)展，HEDS系統(tǒng)的應用日益廣泛[1-4]。由于采用了多種能量源協(xié)同工作，系統(tǒng)控制算法是HEDS研發(fā)過程中的重要環(huán)節(jié)[5]?？刂扑惴ǖ难芯繉τ谔岣逪EDS控制效果、動態(tài)性能和工作效率等都具有重要意義[6-7]。

本文首先采用有限狀態(tài)機理論針對HEDS進行建模與分析，進而基于多變量模糊控制對控制算法進行設計，提取關鍵控制規(guī)則進行優(yōu)化，最后通過Matlab系統(tǒng)仿真，對所提出的控制方案進行了仿真驗證。

1 HEDS系統(tǒng)建模

一個典型的HEDS由發(fā)動機、耦合器、電動機、逆變器、動力電池組等組成。電動機作為系統(tǒng)中的機械功率輸出裝置，通過逆變器來連接直流母線，電機控制器實時地通過變頻控制來調(diào)節(jié)電動機輸出功率、發(fā)動機燃燒燃油，以此帶動小型永磁同步發(fā)電機發(fā)電，與電池共同組成混合動力能量源,為電動機提供電能供應。為了對HEDS進行數(shù)學描述,系統(tǒng)根據(jù)不同的控制決策在不同的工作模式之間進行實時切換。

為了對控制算法進行研究，需要對每種動力部件的數(shù)學模型進行進一步的詳細描述。動力電池組是一個復雜的非線性時變系統(tǒng)，為了避免模型過于復雜，忽略溫度和使用壽命對電池特性的影響，采用簡化的內(nèi)阻等效模型，將電池組視為一個包含可變內(nèi)阻的電壓源，電池組的輸出為端電壓與端電流。發(fā)動機建模采用穩(wěn)態(tài)實驗數(shù)據(jù)加一階延遲修正的雙PI控制模型，其中，第一個PI控制環(huán)表示發(fā)動機的輸出功率調(diào)節(jié)，控制器根據(jù)系統(tǒng)需求功率和發(fā)動機實際功率調(diào)整發(fā)動機目標工作轉速；第二個PI控制環(huán)為發(fā)動機的力矩控制，控制器根據(jù)發(fā)動機目標轉速與實際轉速之差控制發(fā)動機的工作力矩，發(fā)動機與電池組的數(shù)學模型如式(1)～式(4)所示。

其中,Te為發(fā)動機力矩，Tm為電機力矩，f為延遲函數(shù)，τ為時間常數(shù)，?t為傳動效率，is為電機傳動比，Tr為發(fā)動機負載力矩，Pre為需求功率，Pe為發(fā)動機實際輸出功率，χne為發(fā)動機轉速控制信號，ζTe為發(fā)動機轉速控制信號，fPI與 λPI為 PI控制函數(shù)，Ubat和 Ibat分別為動力電池組的端電壓與輸出電流，Rn為內(nèi)阻，Vbat為電池組開路電壓，ξbc為電池組的庫倫效率，Pbat為電池組輸出功率。

考慮到模型的動態(tài)特性,電池組的開路電壓Vbat與內(nèi)阻Rn都是與電池組當前的電荷狀態(tài)SoC(State of Charge)有關的變量，SoC采用電流積分算法法進行估計：

其中,Q為電池組初始容量，Qmax為電池組最大容量，Kυ為電池衰老對SoC影響的修正系數(shù)。

2 模糊控制算法

基于上述模型對控制策略進行設計與優(yōu)化，HEDS控制的核心問題在于使整個系統(tǒng)實現(xiàn)工作效率需求的同時協(xié)調(diào)控制多個工作單元，從而使效率達到最優(yōu)。工作效率分兩個層次：(1)單個工作單元自身的效率最優(yōu)，例如早期的發(fā)動機自身效率達到最優(yōu)曲線控制算法等，這一類控制思路雖然簡單有效，但個體的最優(yōu)不等于整體的最優(yōu)；(2)通過個體單元之間的協(xié)同控制，實現(xiàn)整體的最優(yōu)，即基于系統(tǒng)優(yōu)化的控制策略。為了實現(xiàn)上述系統(tǒng)效率最優(yōu)控制,同時使系統(tǒng)可以體現(xiàn)出良好的工作效果，必須通過模糊控制算法來實現(xiàn)HEDS的邏輯控制。模糊邏輯結構采用2輸入1輸出的T-S型結構，首先將電池SoC與負載功率作為模糊輸入進行模糊化處理，進而輸入到T-S模糊控制器中，模糊輸出為發(fā)動機的目標功率，通過模糊規(guī)則來決定系統(tǒng)的模糊輸出，輸入與輸出的隸屬度函數(shù)如圖1所示。解模糊的過程采用重心法，模糊運算采用Zadeh算法，如式(6)所示。

其中,J與Q表示隸屬度函數(shù)，x表示觸發(fā)隸屬度規(guī)則的模糊變量。

仿真過程采用美國US06工況作為速度運行工況，結合上述模糊隸屬度函數(shù)設計HEDS模糊控制規(guī)則。系統(tǒng)中電動機的輸出功率由綜合控制器根據(jù)駕駛員踏板信號決定，因此模糊控制算法主要解決了電動機的功率在發(fā)動機發(fā)電機組與電池組之間的合理分配。模糊規(guī)則的主要設計思路是在滿足系統(tǒng)功率需求的前提下，負載功率越高則發(fā)動機輸出功率也越高；負載功率越低則越傾向于發(fā)動機不輸出功率。當電池組SoC越低時發(fā)動機輸出功率越高;電池組SoC越高時,則發(fā)動機輸出功率越低。列舉部分模糊規(guī)則如下：

圖1 Mandani模糊控制隸屬度函數(shù)

其中,K1,K2,…Kn為n條模糊控制規(guī)則的輸出系數(shù)：

上述模糊控制規(guī)則反應了輸入與輸出的模糊邏輯對應關系，在建立的過程中依靠模擬人工智能來體現(xiàn)混合動力系統(tǒng)的設計經(jīng)驗。顯然這樣的控制算法雖然具有智能性,但卻無法實現(xiàn)效率的最優(yōu)，因此有必要對模糊算法進行進一步的優(yōu)化。通常對模糊的優(yōu)化主要分為兩種，一種是對隸屬度函數(shù)進行優(yōu)化，另一種是對模糊規(guī)則進行優(yōu)化，本文采用第二種思路，即對模糊規(guī)則進行優(yōu)化。每條模糊規(guī)則中均含有一個待定系數(shù)Ki，Ki的選取對于發(fā)動機發(fā)電機組與電池組的功率分配起著直接作用。對模糊控制算法建立優(yōu)化模型，因為每一個Ki對應著每一條模糊決策下的發(fā)動機輸出功率，通過查表最優(yōu)曲線則可以得到不同的發(fā)動機效率。因此可以將系統(tǒng)效率寫成關于Ki的函數(shù)，同時將優(yōu)化目標函數(shù)定為系統(tǒng)效率的倒數(shù)，即可以得到優(yōu)化目標函數(shù)的表達式如式為:

約束條件為：

其中,SoC_Low與SoC_High為電池組SoC的下限與上限，Pe_max為發(fā)動機最大功率，Pm為電動機功率，Pm_max與Pm_min為電動機峰值功率與最低功率，ξm、ξe與 ξbat為電動機效率、發(fā)動機效率與電池組效率。

3 Matlab仿真分析

為了對所提出的模糊控制策略及其優(yōu)化方法的正確性和有效性進行驗證，對建立的模型及速度工況在Matlab中進行系統(tǒng)仿真，仿真過程采用固定步長0.01 s。仿真結果如圖2所示。可以看出電池組的輸出電流始終控制在-100 A～+200 A區(qū)域內(nèi)的電池組效率較高，同時較低的電池充放電電流有助于提高電池使用壽命。仿真結果同時表明，發(fā)動機功率在低功率時處于關閉狀態(tài)，當發(fā)動機開啟時則大部分時間處于中高功率區(qū)間，避免了低功率工作狀態(tài)，有助于控制降低發(fā)動機排放。

圖2 HEDS系統(tǒng)仿真結果

在整個仿真工況中隨機抽取18個觀測點，與未優(yōu)化前的系統(tǒng)效率進行對比，結果如圖3所示?？梢钥闯?，未優(yōu)化前平均效率為75.8%，經(jīng)過優(yōu)化后系統(tǒng)效率有了明顯提高,平均效率達到 81.4%，提高了 5.6%，表明所設計的模糊控制算法及其優(yōu)化方法合理有效。

圖3 電驅動系統(tǒng)效率仿真結果

本文建立了混合動力電驅動系統(tǒng)的數(shù)學模型，并基于該模型進一步提出了多變量模糊控制算法，進而對模糊規(guī)則進行了優(yōu)化。Matlab仿真表明所設計的模糊控制算法使混合動力系統(tǒng)實現(xiàn)了良好的控制效果，工作效率有明顯改善，優(yōu)化之后的混合動力電驅動系統(tǒng)效率較優(yōu)化之前提高了5.6%。

[1]MONHEY H,SHARK L K.System optimization of the electric delivery cars using PSO algorithm[J].Asian Journal of Control,2008,44(1):108-114.

[2]JOHANNES S,EMADI M.Optimal control of parallel hybrid vehicles based on PSO algorithm[J].Asian Journal of Control,2010,8(13):24-29.

[3]陳清泉,孫逢春.混合電動車輛基礎[M].北京:北京理工大學出版社,2001.

[4]楊大柱.Matlab環(huán)境下FIR濾波器的設計與仿真[J].電子技術應用,2006,32(9):101-103.

[5]ZHANG M Y,YANG Y,MI C C.Analytical approach for the power management of blend-mode plug-in hybrid electric vehicle[J].IEEE Transactions on Vehicular Technology.2012,51(4):1554-1566.

[6]NIELS J S,MUTASIM A S,NAIM A K.Energy management strategies for parallel hybrid vehicles using fuzzy logic[J].Control Engineering Practice,2003(11):171-177.

[7]何瑋,劉昭度,楊其校,等.汽車嵌入式 SoC系統(tǒng)的應用與發(fā)展[J].電子技術應用,2005,31(4):18-21.