基于雙模糊控制的混合動(dòng)力汽車能量管理策略研究

陳德海，王一棟

（江西理工大學(xué)電氣工程與自動(dòng)化學(xué)院，江西 贛州 341000）

新能源汽車

基于雙模糊控制的混合動(dòng)力汽車能量管理策略研究

陳德海，王一棟

（江西理工大學(xué)電氣工程與自動(dòng)化學(xué)院，江西 贛州 341000）

以一種混聯(lián)式混合動(dòng)力汽車的能量管理策略作為研究內(nèi)容，以優(yōu)化其燃油經(jīng)濟(jì)性和排放性能為目的，提出了一種基于雙模糊控制的能量管理策略。所設(shè)計(jì)的優(yōu)化模糊控制器應(yīng)用在車輛驅(qū)動(dòng)和制動(dòng)兩種模式下，并把在MATLAB/SIMULINK中建立的模糊控制模型和在advisor中建立的車輛模型相互嵌套，進(jìn)行聯(lián)合仿真。仿真結(jié)果表明，該控制策略可以有效改善車輛節(jié)能減排效果。

混合動(dòng)力汽車；雙模糊控制；能量管理策略；聯(lián)合仿真

CLC NO.:TP29Document Code:AArticle ID:1671-7988 (2017)06-37-05

引言

隨著傳統(tǒng)內(nèi)燃機(jī)汽車保有量的迅猛增長，全球環(huán)境污染的日益嚴(yán)重與石油能源的日趨匱乏，世界各國都出臺(tái)了一系列節(jié)能減排的政策，大力發(fā)展清潔能源也隨之成為了當(dāng)前的首要任務(wù)?；旌蟿?dòng)力汽車憑借自身所擁有的兩個(gè)動(dòng)力源（熱動(dòng)力源和電動(dòng)力源），在新能源汽車發(fā)展過程中擁有著不可替代的地位[1]。而能量管理策略作為混合動(dòng)力汽車控制的核心內(nèi)容，也是車輛實(shí)現(xiàn)減少尾氣排放和提高燃油經(jīng)濟(jì)性的關(guān)鍵[2]。能量管理策略是在車輛滿足一定預(yù)期的條件下，對電動(dòng)力源和熱動(dòng)力源進(jìn)行合理優(yōu)化分配，從而實(shí)現(xiàn)節(jié)能減排的目標(biāo)[3]。

當(dāng)前國內(nèi)應(yīng)用最多的是靜態(tài)邏輯門限控制策略[4]，該策略基于車輛所選取的發(fā)動(dòng)機(jī)穩(wěn)態(tài)效率圖（MAP）來分配混合動(dòng)力系統(tǒng)，但是其控制目標(biāo)單一，沒有考慮行駛過程中的動(dòng)態(tài)變化。瞬時(shí)優(yōu)化能量管理策略[5-6]具有良好的實(shí)時(shí)性，可以解決靜態(tài)邏輯門限控制策略的不足，它能夠獲得當(dāng)前工況下的能量，并計(jì)算一組權(quán)值來設(shè)定在瞬時(shí)能量消耗比重。但該策略計(jì)算負(fù)荷非常大，算法過于復(fù)雜，且需要構(gòu)建精確的車輛模型，很難具有實(shí)用性。全局優(yōu)化能量管理策略[7]綜合了最優(yōu)控制理論和最優(yōu)化方法，但其前提是預(yù)知車輛的所有工況，且計(jì)算量大，具有一定的局限性。模糊邏輯能量控制策略具有優(yōu)秀的魯棒性和自適應(yīng)能力，是一種極其適合混合動(dòng)力汽車能量管理的控制策略[8-11]。車輛行駛為一個(gè)非線性且需要快速反應(yīng)的過程，而模糊控制可以通過類似于人類思維來表現(xiàn)難以精確定量的因素，且規(guī)避了傳統(tǒng)查表法的不足，在一定程度上提高了車輛控制的計(jì)算速度與精度。然而目前幾乎所有的研究都僅僅在車輛的驅(qū)動(dòng)模式下應(yīng)用到模糊控制。本文將模糊控制應(yīng)用于混合動(dòng)力汽車驅(qū)動(dòng)與制動(dòng)過程中的能量管理控制，并用遺傳算法對所設(shè)計(jì)的雙模糊控制器進(jìn)行參數(shù)優(yōu)化，使該控制器的表現(xiàn)更符合實(shí)際操作者的行為，從而達(dá)到更好的控制效果。

1、車輛動(dòng)力系統(tǒng)結(jié)構(gòu)及建模

1.1 車輛動(dòng)力系統(tǒng)結(jié)構(gòu)圖

混聯(lián)式混合動(dòng)力車輛的動(dòng)力系統(tǒng)包括：發(fā)動(dòng)機(jī)、起動(dòng)發(fā)電一體化電機(jī)（Integrated starter generator，ISG）、驅(qū)動(dòng)電動(dòng)機(jī)（Traction motor，TM）、離合器、變速器、減速器和蓄電池組等[12]。如圖1所示，該車輛的ISG電機(jī)轉(zhuǎn)子與發(fā)動(dòng)機(jī)的曲軸直接聯(lián)結(jié)，TM 在離合器和變速器之間，作用在離合器輸出軸上，并通過減速器和發(fā)動(dòng)機(jī)的輸出相耦合。

圖1 混合動(dòng)力汽車動(dòng)力系統(tǒng)結(jié)構(gòu)

1.2 整車動(dòng)力學(xué)模型

車輛以車速v行駛在坡度為α的道路上時(shí)，受到重力mg，滾動(dòng)阻力Ff，空氣阻力Fw，爬坡阻力Fi，加速助力Fj和驅(qū)動(dòng)力Fa的作用，如圖2所示。

圖2 車輛受力示意圖

依據(jù)牛頓第二定律可得以下動(dòng)力學(xué)方程。

式（2）中，F(xiàn)f為滾動(dòng)阻力系數(shù)，CD為空氣阻力系數(shù)，A為迎風(fēng)面積，ρ為空氣密度，vr為相對速度，δ為汽車旋轉(zhuǎn)質(zhì)量換算系數(shù)。

1.3 發(fā)動(dòng)機(jī)模型

發(fā)動(dòng)機(jī)將燃油的化學(xué)能轉(zhuǎn)化為動(dòng)能和熱能，是混合動(dòng)力汽車的熱動(dòng)力源，也是車輛的主要能量來源和排放來源。

發(fā)動(dòng)機(jī)轉(zhuǎn)矩、轉(zhuǎn)速計(jì)算公式：

其中，Treal為實(shí)際可提供轉(zhuǎn)矩，Te為發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩，Tacc為加速轉(zhuǎn)矩，Toff為節(jié)氣門關(guān)閉時(shí)轉(zhuǎn)矩，Te-max為發(fā)動(dòng)機(jī)最大轉(zhuǎn)矩，ωe為發(fā)動(dòng)機(jī)角速度，ωrea為需求角速度。

排放計(jì)算公式[13]

式（6）中，HC為碳?xì)浠衔铮珻O為一氧化碳，NOX為氮氧化合物，PM為粉塵顆粒，KT發(fā)動(dòng)機(jī)溫度修正系數(shù)。

1.4 電機(jī)模型

電動(dòng)機(jī)在車輛行駛過程中將根據(jù)需求轉(zhuǎn)矩的不同，作為電動(dòng)機(jī)或發(fā)電機(jī)。

當(dāng) Tm-req＞0時(shí)，電機(jī)作為電動(dòng)機(jī)。

當(dāng) Tm-req＜0時(shí)，電機(jī)作為發(fā)電機(jī)。

其中，Pm為電機(jī)功率，ωm為電機(jī)轉(zhuǎn)速，Tm為電機(jī)轉(zhuǎn)矩，ηm(ωm，Tm)為電機(jī)效率，Tm-req為電機(jī)需求轉(zhuǎn)矩，m為電機(jī)質(zhì)量，r為電機(jī)轉(zhuǎn)子半徑，Tm-max為電機(jī)最大轉(zhuǎn)矩。

1.5 電池模型

SOC是蓄電池最為關(guān)鍵的指標(biāo)，它可以充分衡量蓄電池的充放電能力，也是影響車輛控制的關(guān)鍵變量。

式中，Qmax為蓄電池最大放電量，Quse為蓄電池當(dāng)前放電量，Iess為蓄電池充放電電流。

2、HEV狀態(tài)分類及控制策略

混聯(lián)式混合動(dòng)力汽車具有兩個(gè)動(dòng)力源，根據(jù)其系統(tǒng)方案可確定一下7種可能出現(xiàn)的車輛運(yùn)行狀態(tài)[14]，如表1所示。

表1 混合動(dòng)力汽車運(yùn)行狀態(tài)分類

如表1所示，發(fā)動(dòng)機(jī)有驅(qū)動(dòng)、怠速、停機(jī)三種狀態(tài)，電機(jī)有驅(qū)動(dòng)、充電、空轉(zhuǎn)三種狀態(tài)，離合器有分離、結(jié)合兩種狀態(tài)（離合器滑膜忽略不計(jì)）。傳統(tǒng)能量管理策略會(huì)根據(jù)車輛的工況，讓車輛在這些狀態(tài)內(nèi)不斷地切換。而當(dāng)何時(shí)切換狀態(tài)的條件由一些事先設(shè)定的參數(shù)來控制，這些參數(shù)往往來自于經(jīng)驗(yàn)，如圖3所示。

圖3 狀態(tài)模式切換流程圖

3、雙模糊控制器設(shè)計(jì)

文章將總需求轉(zhuǎn)矩Treq，電池SOC值和需求車速Vreq、總制動(dòng)轉(zhuǎn)矩Tn，分別作為驅(qū)動(dòng)模糊控制器和制動(dòng)模糊控制器的輸入量，發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩Te-out和電機(jī)輸出轉(zhuǎn)矩系數(shù)η，分別為輸出量。

電動(dòng)機(jī)需求轉(zhuǎn)矩Tm-req由式(12)可得：

摩擦制動(dòng)轉(zhuǎn)矩Tf-b由式（13）可得：

雙模糊控制器的控制原理如圖4所示。

圖4 雙模糊控制器原理框圖

3.1 變量模糊化

3.2 變量模糊區(qū)間劃分

文章根據(jù)均勻分割的方式，將輸入量Treq分為7個(gè)模糊子集，將SOC、Vreq、Tn、Te-out和η分為5個(gè)模糊子集，并用相應(yīng)的語言名稱一一對應(yīng)，如表2、3所示。

表2 Treq模糊子集劃分表

表3 SOC、Vreq、Tn、Te-out和η模糊子集劃分表

3.3 隸屬函數(shù)設(shè)計(jì)

本文在符合混合動(dòng)力汽車動(dòng)力控制系統(tǒng)的要求下，將三角形和梯形組合作為各個(gè)變量的隸屬函數(shù)，以總需求轉(zhuǎn)矩Treq和SOC為例，具體如圖5、6所示。

圖5 Treq隸屬函數(shù)圖

圖6 SOC隸屬函數(shù)圖

3.4 模糊規(guī)則設(shè)計(jì)

針對驅(qū)動(dòng)模糊控制器，輸入量Treq和SOC，分別有7個(gè)和5個(gè)模糊子集，則可設(shè)計(jì)35條模糊規(guī)則，同理，制動(dòng)模糊控制器可設(shè)計(jì)125條模糊規(guī)則。

表3 驅(qū)動(dòng)模糊控制器模糊規(guī)則

制動(dòng)模糊控制器規(guī)則：

1）IF TnIS NVB, VreqIS VS, SOC IS VH,

THEN η IS VS.

2）IF TnIS NVB, VreqIS VS, SOC IS H,

THEN η IS VS.

3）IF TnIS NVB, VreqIS VS, SOC IS M,

THEN η IS S.

……

125 IF TnIS NVS, VreqIS VB, SOC IS VL,

THEN η IS VB.

根據(jù)模糊規(guī)則和隸屬函數(shù)，等到驅(qū)動(dòng)和制動(dòng)模糊控制器的輸出量曲面圖，如圖7、8所示。

圖7 驅(qū)動(dòng)模糊控制器輸出量曲面圖

圖8 制動(dòng)模糊控制器輸出量曲面圖

3.5 變量清晰化

模糊控制器中的輸入量經(jīng)過模糊規(guī)則的推理得到的也是模糊量，所以必須對其進(jìn)行清晰化。以電機(jī)輸出轉(zhuǎn)矩系數(shù) η為例，利用centroid對其清晰化，公式如下。

得到清晰值η0后，利用式（14）對其轉(zhuǎn)化為實(shí)際輸出值。

4、仿真及結(jié)果分析

為了驗(yàn)證雙模糊控制器能夠達(dá)到預(yù)期的節(jié)能減排的目的，將在 MATLAB[15]環(huán)境下搭建的雙模糊控制器嵌套在Advisor中所建立的車輛模型中，然后對其進(jìn)行聯(lián)合仿真。

在 advisor中將模糊控制策略設(shè)置在原車輛控制策略Control strategy模塊內(nèi)。然后設(shè)置車輛各部件參數(shù)，選取我國法定工況CYC-NEDC作為本文研究工況。

圖9和圖10為參數(shù)相同的混合動(dòng)力汽車在相同工況下電機(jī)在不同能量控制策略下的工作效率分布圖，通過對比可知，在雙模糊控制下的電機(jī)擁有更好的工作效率，主要集中在0.6-0.85。

圖9 邏輯門限控制下電機(jī)的工作效率分布圖

圖10 雙模糊控制下電機(jī)的工作效率分布圖

圖11和12為參數(shù)相同的混合動(dòng)力汽車在相同工況下發(fā)動(dòng)機(jī)在不同能量控制策略下的工作效率分布圖。通過對比可知，在雙模糊控制下的發(fā)動(dòng)機(jī)工作點(diǎn)較為集中，且主要集中在工作高效率區(qū)。

圖11 邏輯門限控制下發(fā)動(dòng)機(jī)的工作效率分布圖

圖12 雙模糊控制下發(fā)動(dòng)機(jī)的工作效率分布圖

圖13、14和圖15、16為參數(shù)相同的混合動(dòng)力汽車在相同工況下，電池在不同能量控制策略下的充放電效率圖，通過對比可知，在雙模糊控制下的電池充放電效率較高，充電效率可高達(dá)0.9。

圖13 邏輯門限控制下電池充電效率圖

圖14 雙模糊控制下電池充電效率圖

圖15 邏輯門限控制下電池放電效率圖

圖16 雙模糊控制下電池放電效率圖

具體仿真結(jié)果如表4所示：

表4 不同能量管理策略仿真結(jié)果對比表

由表4可知，混合動(dòng)力汽車在采用雙模糊控制策略的情況下能夠更好地節(jié)能減排，具有更佳的經(jīng)濟(jì)性。

5、結(jié)論

本文所設(shè)計(jì)的雙模糊能量管理控制策略利用 MATLAB環(huán)境下的advisor仿真軟件對其進(jìn)行聯(lián)合仿真。結(jié)果表明，相同參數(shù)車輛在相同工況下采用雙模糊控制能量管理策略可以更好地降低廢氣排放和燃油消耗，提高了整車的系統(tǒng)效率，進(jìn)一步優(yōu)化了節(jié)能減排效果。

[1] 趙治國,何 寧,朱 陽,等. 四輪驅(qū)動(dòng)混合動(dòng)力轎車驅(qū)動(dòng)模式切換控制[J].機(jī)械工程學(xué)報(bào).2011,47(4):100-109.

[2] 王磊,張 勇,舒 杰,等. 基于模糊自適應(yīng)滑模方法的混聯(lián)式混合動(dòng)力客車模式切換協(xié)調(diào)控制[J].機(jī)械工程學(xué)報(bào),2012,48(14):119 -127.

[3] Sabri M F, Danapalasingam K A, Rahmat M F. A review on hybrid electric vehicles architecture and energy management strategies[J]. Renewable & Sustainable Energy Reviews, 2016, 53:1433-1442.

[4] 梁 龍，張 欣.并聯(lián)式混合動(dòng)力汽車多能源動(dòng)力總成控制單元的研究與開發(fā)[J]. 高技術(shù)通信.2003.26(4):92-96.

[5] Johnson V H, Wipke K B, Ransen D J. HEV control strategy for real time optimization of fuel economy and emissions [J]. SAE transactions, 2000, 109(3): 1677-1690.

[6] 李禮夫,曹明軒. 混聯(lián)式混合動(dòng)力電動(dòng)汽車動(dòng)力系統(tǒng)能量控制策略瞬時(shí)優(yōu)化方法[J].自動(dòng)控制與檢測, 2013,5:35-39.

[7] 云非. 混合動(dòng)力客車動(dòng)力系統(tǒng)設(shè)計(jì)[D]. 武漢：武漢理工大學(xué)，2008.

[8] 熊偉威. 混聯(lián)式混合動(dòng)力客車能量優(yōu)化管理策略研究[D]. 上海：上海交通大學(xué)，2009.

[9] 劉金琨. 智能控制(第3版) [M]. 北京：電子工業(yè)出版社.2014.

[10] 石辛民,郝整清. 模糊控制及其MATLAB仿真[M]. 北京:清華大學(xué)出版社,2008.

[11] 陳德海,曹威鋒,付長勝.基于模糊神經(jīng)網(wǎng)絡(luò)的混聯(lián)式混合動(dòng)力汽車驅(qū)動(dòng)系統(tǒng)工作狀態(tài)控制研究[J].江西理工大學(xué)學(xué)報(bào)，2014,35(5):56-61.

[12] 余志生. 汽車?yán)碚?第5版) [M]. 北京:機(jī)械工業(yè)出版社,2011.

[13] 曾小華,宮維鈞. Advisor 2002電動(dòng)汽車仿真與再開發(fā)運(yùn)用[M].北京:機(jī)械工業(yè)出版社,2014.

[14] 李永剛,解慶波,秦大同,等.基于工況識(shí)別的混合動(dòng)力汽車能量管理策略優(yōu)化[J].機(jī)械傳動(dòng).2016,40(5):64-69.

[15] 歐陽明高,李建秋,楊福源，等.汽車新型動(dòng)力系統(tǒng):構(gòu)建、建模與控制[M]. 北京:清華大學(xué)出版社，2008.

Research on energy management strategy for HEV based on Double-Fuzzy control

Chen Dehai, Wang Yidong
( College of Electric Engineering and Automation, Jiangxi University of Science and Technology, Jiangxi Ganzhou 341000 )

In order to optimize the fuel economy and emission performance of a hybrid electric vehicle (HEV), the energy management research on HEV based on Double-Fuzzy controller designed in this strategy will be applied in both vehicle driving and braking modes, and the fuzzy control model established in MATLAB/SIMULINK and the vehicle model built in advisor are nested and collaboratively simulated. The simulation results show that the control strategy can effectively optimize the effect of vehicle energy saving and emission reduction.

hybrid electric vehicle (HEV); double-fuzzy control; energy management strategy (EMS); joint simulation

TP29

A

1671-7988 (2017)06-37-05

陳德海（1978—），副教授，就職于江西理工大學(xué)電氣工程與自動(dòng)化學(xué)院。碩士研究生導(dǎo)師研究方向：控制論與工程、汽車電子、自動(dòng)控制。

江西省自然科學(xué)項(xiàng)目基金（20151BAB206034）資助。

10.16638/j.cnki.1671-7988.2017.06.012