基于模糊控制的并聯(lián)混合動力汽車能量控制策略研究

馬　良，　馮國勝，　牛曉燕,　胡志慶

(1.石家莊鐵道大學(xué) 機(jī)械工程學(xué)院，河北 石家莊　050043;2.河北長鹿客車廠，河北 石家莊　050200)

?

基于模糊控制的并聯(lián)混合動力汽車能量控制策略研究

馬良1，馮國勝1，牛曉燕1,胡志慶2

(1.石家莊鐵道大學(xué) 機(jī)械工程學(xué)院，河北 石家莊050043;2.河北長鹿客車廠，河北 石家莊050200)

簡述了模糊控制的基本理論，以并聯(lián)混合動力汽車蓄電池的荷電狀態(tài)(SOC)和發(fā)動機(jī)轉(zhuǎn)矩為控制目標(biāo)，建立模糊控制器，并將其嵌入到ADVISOR軟件中進(jìn)行仿真分析。將模糊控制策略得到的仿真結(jié)果與電機(jī)輔助控制相比較，分析了模糊控制策略的優(yōu)劣。

混合動力汽車；能量控制策略；模糊控制；SOC；ADVISOR

0　引言

并聯(lián)混合動力汽車(PHEV)是發(fā)動機(jī)與電動機(jī)共同組成混合動力系統(tǒng)來驅(qū)動車輛行駛的一種新能源汽車。在混合動力汽車的國產(chǎn)化研制中，能量管理和電機(jī)控制是混合動力汽車控制系統(tǒng)的核心，如何實(shí)現(xiàn)以燃油經(jīng)濟(jì)性和排放性能為主要控制目標(biāo)的能量管理控制和控制電機(jī)驅(qū)動系統(tǒng)輸出相應(yīng)的轉(zhuǎn)矩，對開發(fā)國產(chǎn)混合動力汽車具有重要意義。電機(jī)輔助控制是混合動力汽車中最簡單的控制策略，它通過對蓄電池組充電和放電區(qū)間進(jìn)行簡單的劃分來完成發(fā)電機(jī)對電池充電和對發(fā)動機(jī)提供輔助動力，此控制策略較為簡單，但是發(fā)動機(jī)工作效率較低，排放不理想。模糊控制策略有效的解決了發(fā)動機(jī)低效率工作的問題，通過對蓄電池的荷電狀態(tài)SOC和發(fā)動機(jī)工作轉(zhuǎn)矩的控制，使發(fā)動機(jī)在其最優(yōu)轉(zhuǎn)矩曲線范內(nèi)工作，發(fā)動機(jī)工作效率較高，排放較低。

1　模糊控制系統(tǒng)的基本原理

模糊控制(Fuzzy Logic Control)是在1965年由美國加利福尼亞大學(xué)控制論專家Zadeh提出的，是一種基于人工經(jīng)驗(yàn)的控制[1]。模糊控制的被控對象的數(shù)學(xué)模型可以不用過于精確，它的被控過程是依據(jù)專家的工作經(jīng)驗(yàn)和專業(yè)知識，因此繞過了建模的困難。糊控制是以模糊集合，模糊語言變量及模糊邏輯推理為基礎(chǔ)的一種非線性的控制，它隸屬于智能控制的范疇。模糊控制系統(tǒng)包括模糊控制器和控制對象，其結(jié)構(gòu)如圖1所示。

圖1　模糊控制系統(tǒng)結(jié)構(gòu)簡圖

2　基于發(fā)動機(jī)效率的模糊控制系統(tǒng)建模

混合動力汽車的模糊控制策略的出發(fā)點(diǎn)是以發(fā)動機(jī)的最佳轉(zhuǎn)矩為基準(zhǔn)，通過對發(fā)動機(jī)輸出轉(zhuǎn)速和轉(zhuǎn)矩的控制，以實(shí)現(xiàn)蓄電池的充電和放電的平衡，使發(fā)動機(jī)的工作效率達(dá)到最大化，降低油耗，減少排放。模糊控制的輸出為目標(biāo)需求轉(zhuǎn)矩和發(fā)動機(jī)最優(yōu)轉(zhuǎn)矩的差值ΔT和蓄電池的荷電狀態(tài)SOC，輸出參數(shù)為比例系數(shù)K。根據(jù)發(fā)動機(jī)的萬有特性曲線，找出最小比油耗點(diǎn)，從而確定發(fā)動機(jī)最優(yōu)的轉(zhuǎn)矩曲線[2]，同時(shí)考慮到當(dāng)前電池的荷電狀態(tài)SOC，從這兩方面考慮來適當(dāng)?shù)恼{(diào)整發(fā)動機(jī)的輸出扭矩，控制策略框圖如圖2所示。

圖2　模糊控制策略框圖

圖2中，控制策略框圖中的輸入有2個(gè)，分別為發(fā)動機(jī)目標(biāo)轉(zhuǎn)矩和發(fā)動機(jī)需求轉(zhuǎn)矩，輸出為發(fā)動機(jī)轉(zhuǎn)矩，整個(gè)控制策略的核心為模糊控制器[3-4]。在MATLAB/Simulink將圖2編寫為圖3所示。

圖3　Simulink下的程序框圖

模糊控制規(guī)則是整個(gè)模糊控制策略的核心，它建立在對被控對象特性的理解和對控制的經(jīng)驗(yàn)基礎(chǔ)上[5]。模糊控制規(guī)則的設(shè)計(jì)需要合理分配輸入和輸出的模糊值，輸入量的論域上分配的模糊值越多，控制規(guī)則的細(xì)化程度也就越高，系統(tǒng)的精確度也就越高，得到的輸結(jié)果的精確度也就越高。但是模糊規(guī)則的數(shù)目不宜太多，否則系統(tǒng)運(yùn)算的工作量就會過大，不利于運(yùn)算速度[6]。本模糊控制器的輸入量為2個(gè)，一個(gè)為道路的請求需求轉(zhuǎn)矩和發(fā)動機(jī)最優(yōu)轉(zhuǎn)矩的差值ΔT，一個(gè)為電池的荷電狀態(tài)SOC，輸出量為調(diào)整轉(zhuǎn)矩因子K。所以控制規(guī)則表1所示。表1中第一行代表差值ΔT的論域范圍，第一列代表電池SOC的論域范圍，表1中的數(shù)值是在輸入量ΔT和SOC的論域范圍下的調(diào)整轉(zhuǎn)矩因子K的取值。

轉(zhuǎn)化為模糊控制語言為：

IfΔTisNBandSOCisNBthenKisK12(K12=1.15)

If ΔTisNBandSOCisNSthenKisK9(K9=1.05)

IfΔTisPBandSOCisPBthenKisK8(K8=1.0)

表1　模糊控制規(guī)則表

為了更直觀地觀察該系統(tǒng)的輸入與輸出的關(guān)系，可以利用控制曲面觀察器，如圖4。

圖4　模糊控制曲面

3　仿真結(jié)果分析

將模糊控制系統(tǒng)嵌入到ADVISOR軟件中，在UDDS(Urban Dynamometer Driving Schedule)下進(jìn)行仿真分析,UDDS代表城市動態(tài)驅(qū)動工況，它主要應(yīng)用于城市工況對輕型車輛的檢測，工況路段較為平穩(wěn)。如圖5所示。

圖5　總循環(huán)工況

3.1電池SOC曲線

驅(qū)動電機(jī)是靠電池提供能量來工作，所以蓄電池的SOC間接的反應(yīng)了驅(qū)動電機(jī)的工作狀態(tài)。2種控制策略在UDDS工況下的電池SOC曲線對比如圖6所示。圖6(a)為電機(jī)輔助控制策略，圖6(b)為基于發(fā)動機(jī)效率的模糊控制策略。

圖6　2種控制策略的SOC曲線

由此可以看出，它們的SOC曲線在車?yán)镄旭傄欢螘r(shí)間后，均在0.5～0.65范圍內(nèi)，滿足蓄電池的充電和放電的平衡。模糊控制策略要求發(fā)動機(jī)工作轉(zhuǎn)矩在其最佳轉(zhuǎn)矩的曲線周圍波動，在3 000 s時(shí)，發(fā)動機(jī)的轉(zhuǎn)矩已經(jīng)接近最佳轉(zhuǎn)矩，蓄電池只需根據(jù)工況的需求放電或者充電來使電機(jī)有足夠的轉(zhuǎn)矩來輔助發(fā)動機(jī)在最佳轉(zhuǎn)矩的范圍即可。此時(shí)，SOC曲線趨于平穩(wěn)，基本維持在0.64左右，只在車速需求較大的一小段時(shí)間產(chǎn)生了較小的波動。

3.2發(fā)動機(jī)工作轉(zhuǎn)矩分布

圖7為2種控制策略的發(fā)動機(jī)工作轉(zhuǎn)矩分布圖。圖7(a)為電機(jī)輔助控制策略，圖7(b)為模糊控制策略。

圖7　2種控制策略的發(fā)動機(jī)轉(zhuǎn)矩工作分布圖

此工況下發(fā)動機(jī)在電機(jī)輔助控制策略和動態(tài)轉(zhuǎn)矩協(xié)調(diào)控制策略工作狀態(tài)基本一致，它們的工作狀態(tài)下的轉(zhuǎn)矩分布圖也大體相似，在此工況要求下的車輛請求速度高，所以發(fā)動機(jī)在不影響蓄電池的充電放電平衡的條件下，提供的轉(zhuǎn)矩基本可以滿足車輛行駛的需要。叉表示發(fā)動機(jī)扭矩的工作點(diǎn)。由圖7(a)中可以看出，發(fā)動機(jī)的工作點(diǎn)有的已經(jīng)高于轉(zhuǎn)矩的最大扭矩曲線，這時(shí)發(fā)動機(jī)提供的驅(qū)動轉(zhuǎn)矩較高，電機(jī)沒有得到充分的利用，而也有部分工作點(diǎn)在最小轉(zhuǎn)矩范圍之下，在此情況下電機(jī)可以來代替發(fā)動機(jī)提供驅(qū)動轉(zhuǎn)矩，避免發(fā)動機(jī)在最低效率范圍內(nèi)提供運(yùn)行。圖7(b)中，發(fā)動機(jī)的工作點(diǎn)沒有高于發(fā)動機(jī)的最大轉(zhuǎn)矩曲線，也沒有低于發(fā)動機(jī)的最小轉(zhuǎn)矩曲線，它基本分布在發(fā)動機(jī)的最佳轉(zhuǎn)矩曲線(虛線)附近。

3.3發(fā)動機(jī)工作效率

2種控制策略的發(fā)動機(jī)效率如圖8。其中圖8(a)分別為電機(jī)輔助控制策略，圖8(b)為模糊控制策略。

圖8　2種控制策略的發(fā)動機(jī)效率分布

叉表示發(fā)動機(jī)工作效率點(diǎn)，圖8(a)中顯示，在0 ～ 1 000 s內(nèi)的運(yùn)行過程中，車輛剛剛進(jìn)入運(yùn)行工況，其請求車速由高變低，到1 000 s時(shí)車速區(qū)域平穩(wěn)，此時(shí)發(fā)動機(jī)效率點(diǎn)部分分布在0.05～0.2之間，UDDS工況下停車次數(shù)較多，尤其是在車輛起步階段，發(fā)動機(jī)的效率點(diǎn)有一部分在0.02之下，說明低速時(shí)發(fā)動機(jī)燃油消耗所提供的能量作用在驅(qū)動汽車行駛的部分較少，一部分能量變成熱量隨著尾氣排出，這就導(dǎo)致了發(fā)動機(jī)的效率降低，油耗增加，廢氣排放量升高。而在圖8(b)中，發(fā)動機(jī)工作效率點(diǎn)大部分集中在0.25～0.35之間，效率點(diǎn)集中，低速時(shí)的效率點(diǎn)分布較少，說明發(fā)動機(jī)燃油消耗所提供了能量大部分作用在于驅(qū)動汽車行駛，變成熱量排出的較少，效率較高。

3.4經(jīng)濟(jì)性和排放

除了車輛的動力性能之外，經(jīng)濟(jì)性和排放也是兩個(gè)相當(dāng)主要的部分，它體現(xiàn)了車輛是否可以滿足當(dāng)今人們的消費(fèi)水平，順應(yīng)當(dāng)代的社會環(huán)保狀況，我們不僅需要效率高的控制策略，同時(shí)也要注重廢氣的排放。表2反應(yīng)了2種控制策略下經(jīng)濟(jì)性和汽車尾氣的排放情況。

表2　2種控制策略的排放對比

4　結(jié)論

在UDDS工況下，由于路面平穩(wěn)，請求車速低，電機(jī)輔助控制策略與模糊控制策略相比，電機(jī)輔助控制策略的動力較強(qiáng)，蓄電池SOC較低，說明電機(jī)提供了額外轉(zhuǎn)矩，但是發(fā)動機(jī)并沒有在其最佳轉(zhuǎn)矩范圍，所以導(dǎo)致發(fā)動機(jī)效率不高，百千米油耗為8.9 L，高于模糊控制的7.8 L，所以模糊控制的經(jīng)濟(jì)性比較好，而在排放反面，碳?xì)浠衔锏呐欧呕鞠嗨?，一氧化碳的排放模糊控制遠(yuǎn)低于前2種控制策略，氮氧化合物的排放模糊控制較高，而在車輛高負(fù)荷運(yùn)行的條件下才會導(dǎo)致氮氧化合物升高，由于模糊控制下電機(jī)必須配合發(fā)動機(jī)的最佳轉(zhuǎn)矩曲線，所以發(fā)動機(jī)的驅(qū)動扭矩較高，所以氮?dú)浠衔锏呐欧怕愿??？傮w來看，在UDDS工況下，無論是經(jīng)濟(jì)性還是排放，模糊控制策略都優(yōu)于電機(jī)輔助控制策略和動態(tài)轉(zhuǎn)矩協(xié)調(diào)控制策略。

[1]李國勇. 智能控制及其MATLAB實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，2005：194.

[2] 吳丹峰，謝冰，鄧文娟. PHEV模糊邏輯驅(qū)動控制策略模塊開發(fā)[J].重慶工學(xué)院學(xué)報(bào)：自然科學(xué)版，2008，22(4)：8-9.

[3] 王保華.混合動力城市客車控制策略與試驗(yàn)研究[D].上海，上海交通大學(xué)機(jī)械與動力工程學(xué)院，2008.

[4] 石慶升.純電動汽車能量管理關(guān)鍵技術(shù)問題的研究[D].山東，山東大學(xué)控制科學(xué)與工程學(xué)院，2009.

[5] 劉金琨. 先進(jìn)PID控制MATLAB仿真[M].2版.北京：電子工業(yè)出版社，2004：104-105.

[6] 徐小東，張冰戰(zhàn).基于模糊邏輯的混合動力汽車控制策略研究[J].合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版：2012，35(6)：725-727.

Research on Energy Control Strategy of Parallel Hybrid Electric Vehicle Based on Fuzzy Control

Ma Liang1，F(xiàn)eng Guosheng1，Niu Xiaoyan1，Hu Zhiqing2

(1.School of Mechanical Engineering，Shijiazhuang Tiedao University, Shijiazhuang 050043, China;2.Hebei Changlu Bus factory, Shijiazhuang 050200, China)

The basic theory of fuzzy control is expounded in this paper, the state of charge (SOC) of the battery in a parallel hybrid electric vehicle and the engine torque are used as the control target. The fuzzy controller is established, and then is embed in the ADVISOR software for simulation analysis. The simulation results from the fuzzy control strategy is compared with the results from auxiliary motor control, and the merits of the fuzzy control strategy is analysed

hybrid electric vehicle;energy control strategy;fuzzy control;SOC;ADVISOR

2015-05-22責(zé)任編輯:劉憲福DOI:10.13319/j.cnki.sjztddxxbzrb.2016.03.14

河北省自然科學(xué)基金(E2014210050)；石家莊市科研計(jì)劃項(xiàng)目(141081011A)；河北省引進(jìn)留學(xué)人員資助項(xiàng)目(C2015005019)

馬良(1987-)，男，碩士研究生，主要從事新能源汽車研究。E-mail:532618528@qq.com

U469.72

A

2095-0373(2016)03-0076-05

馬良，馮國勝，牛曉燕，等.基于模糊控制的并聯(lián)混合動力汽車能量控制策略研究[J].石家莊鐵道大學(xué)學(xué)報(bào):自然科學(xué)版,2016,29(3):76-80.