并聯(lián)式混合動(dòng)力汽車控制策略分析*

呂建美 牛禮民 周亞洲 王儒

（安徽工業(yè)大學(xué)）

混合動(dòng)力汽車（HEV）是在傳統(tǒng)汽車的基礎(chǔ)上配備了電動(dòng)機(jī)/電池驅(qū)動(dòng)系統(tǒng)的一種新能源汽車，是傳統(tǒng)汽車到純電動(dòng)汽車的一種過渡車型[1]?？刂撇呗允荋EV的核心技術(shù)和設(shè)計(jì)難點(diǎn)，也是HEV能否實(shí)用化的關(guān)鍵。并聯(lián)式混合動(dòng)力汽車（PHEV）的工作模式主要可以分為電驅(qū)動(dòng)模式、發(fā)動(dòng)機(jī)驅(qū)動(dòng)模式、混合驅(qū)動(dòng)模式、再生制動(dòng)模式以及停車充電模式，這5種模式的互相切換主要依靠控制策略的控制?？刂撇呗阅軌蚋鶕?jù)駕駛員的駕駛意圖和行駛工況，協(xié)調(diào)各部件間的能量流動(dòng)，合理地進(jìn)行動(dòng)力分配，提高行駛效率，降低汽車的燃油消耗[2]。目前HEV的控制策略主要分為基于規(guī)則和基于優(yōu)化2類，這2類控制策略幾乎能夠涵蓋所有的控制策略，劃分明確。文章對(duì)這2類控制策略進(jìn)行了分析和對(duì)比，并對(duì)新興的智能控制策略進(jìn)行了介紹。

1 并聯(lián)式混合動(dòng)力汽車

PHEV的傳動(dòng)結(jié)構(gòu)，如圖1所示，其主要特點(diǎn)是發(fā)動(dòng)機(jī)和電機(jī)根據(jù)路況和扭矩的需求不同，同時(shí)或單獨(dú)驅(qū)動(dòng)[3]。由于HEV發(fā)展初期技術(shù)有限，所以大多數(shù)PHEV的能量控制策略都是基于速度的控制。由于這種控制策略簡單，容易被工程師理解，所以在HEV中得到了很廣泛的應(yīng)用。但是這種基于速度的控制策略也有其明顯的缺點(diǎn)，如控制參數(shù)單一，動(dòng)態(tài)性差，不能充分利用混合動(dòng)力系統(tǒng)的優(yōu)勢，使得整車的燃油經(jīng)濟(jì)性沒有達(dá)到最優(yōu)。目前根據(jù)PHEV是否使用智能算法或優(yōu)化算法，將其控制策略分為基于規(guī)則、基于優(yōu)化以及智能控制策略3類，如圖2所示。

圖1 并聯(lián)式混合動(dòng)力汽車的傳動(dòng)結(jié)構(gòu)

圖2 并聯(lián)式混合動(dòng)力汽車控制策略分類

2 基于規(guī)則的邏輯門限控制策略

基于規(guī)則的邏輯門限控制策略的主要思想是，通過基于工程師的經(jīng)驗(yàn)以及發(fā)動(dòng)機(jī)的靜態(tài)效率曲線圖，并選定幾個(gè)控制變量，如：電池的SOC值、整車的功率需求及燃油消耗量等，然后根據(jù)預(yù)先設(shè)定的規(guī)則，判斷并選擇混合動(dòng)力系統(tǒng)的工作模式，使汽車盡量在高效區(qū)運(yùn)行。

國內(nèi)相關(guān)研究諸如，文獻(xiàn)[4]通過規(guī)則的邏輯門限控制策略把發(fā)動(dòng)機(jī)的工作區(qū)域分為高中低負(fù)荷區(qū)，結(jié)合駕駛員油門踏板開度和開度變化率來計(jì)算當(dāng)前所需求的功率并確定相應(yīng)的工作區(qū)域。這種判斷方法思路簡單易懂，計(jì)算量較小，方法易于實(shí)現(xiàn)，但無法適應(yīng)不同工況的變化和實(shí)際動(dòng)態(tài)變化的需求，適應(yīng)性不強(qiáng)。文獻(xiàn)[5]利用模糊邏輯控制技術(shù)，在MATLAB軟件的模糊邏輯工具箱中設(shè)計(jì)了模糊控制器，提出了一種既能夠?qū)崿F(xiàn)需求轉(zhuǎn)矩又能在發(fā)動(dòng)機(jī)和電機(jī)之間實(shí)現(xiàn)最優(yōu)分配的模糊邏輯控制策略，在ADVISOR軟件上進(jìn)行了仿真。結(jié)果表明，模糊邏輯控制策略能夠在一定程度上提高PHEV的燃油經(jīng)濟(jì)性，且有良好的魯棒性。

國外研究狀況包括，文獻(xiàn)[6]描述了基線能量管理策略，當(dāng)電池SOC值較低時(shí)，電機(jī)對(duì)電池充電?；€能量管理策略能夠降低油耗，維持電池SOC平衡，被廣泛應(yīng)用于PHEV，進(jìn)一步提高了控制策略的燃油經(jīng)濟(jì)性并降低排放。文獻(xiàn)[7]把基于規(guī)則的控制策略分為聚類算法和規(guī)則定義2個(gè)階段。第1階段首先運(yùn)用聚類算法生成簇集，再用最小化目標(biāo)函數(shù)去識(shí)別簇集；第2階段用遺傳算法得出最佳簇集的大小，然后利用控制器進(jìn)行優(yōu)化。最后在一些工況上進(jìn)行了測試，結(jié)果表明，汽車的燃油性得到了很好的提高，但整個(gè)控制策略的計(jì)算量很大，程序復(fù)雜。文獻(xiàn)[8]提出了一種動(dòng)態(tài)規(guī)劃（DP）優(yōu)化的控制方法，把這種方法與模糊控制策略結(jié)合。為了提高這2種結(jié)合控制策略的實(shí)用性和滿足城市駕駛模式的多樣性，提出了一種城市駕駛模式的識(shí)別方法。最后把這種控制策略與傳統(tǒng)基于規(guī)則的控制策略相比較。模擬結(jié)果表明，通過采用提出的控制策略，PHEV的燃油效率更高，并且在不同的城市循環(huán)期間，電池的SOC值能夠保持平衡，這種控制策略只是在城市工況下進(jìn)行了測試，在其他復(fù)雜工況下的工作情況還需要進(jìn)一步測試。

綜上，基于規(guī)則的邏輯門限控制策略算法簡單，易于實(shí)現(xiàn)，但是從最優(yōu)控制理論上講，該控制規(guī)則不能實(shí)現(xiàn)能量的最優(yōu)分配，也未考慮實(shí)際工況的動(dòng)態(tài)變化。

3 瞬時(shí)優(yōu)化控制策略

瞬時(shí)優(yōu)化控制策略也被稱為實(shí)時(shí)控制策略，該策略的核心思想是在汽車行駛的每個(gè)瞬時(shí)時(shí)刻，計(jì)算所有滿足駕駛員需求的發(fā)動(dòng)機(jī)和電動(dòng)機(jī)的輸出轉(zhuǎn)矩組合以及所對(duì)應(yīng)的燃油消耗量和電力消耗量，將該瞬時(shí)燃油消耗表示為發(fā)動(dòng)機(jī)燃油消耗的等效燃油消耗。瞬時(shí)優(yōu)化控制策略一般分為等效油耗最低控制策略（ECMS）和基于模型預(yù)測的控制策略。

3.1 等效油耗最低控制策略（ECMS）

ECMS要求將電動(dòng)機(jī)的能量損耗轉(zhuǎn)換為等效的發(fā)動(dòng)機(jī)油耗，得到類似于發(fā)動(dòng)機(jī)萬有特性圖的電動(dòng)機(jī)損耗圖[9]。目前常用的ECMS包括基于SOC變化量和基于工作效率2種。

國內(nèi)學(xué)者對(duì)ECMS進(jìn)行了進(jìn)一步的研究。文獻(xiàn)[10]提出當(dāng)車載蓄電池組的SOC值達(dá)到設(shè)定的SOClow時(shí)，發(fā)電機(jī)開始工作，得到消耗的電能與發(fā)動(dòng)機(jī)未來時(shí)刻補(bǔ)償這些能量而消耗的燃油之間的等價(jià)關(guān)系，再對(duì)每一時(shí)刻發(fā)動(dòng)機(jī)實(shí)際消耗的燃油與電池等效燃油消耗的總和進(jìn)行優(yōu)化，讓它們達(dá)到最低值。雖然采用ECMS時(shí)，可以獲得良好的燃油經(jīng)濟(jì)性并提高整車性能，但是該研究所針對(duì)的行駛工況只是城市生活中日常上下班的短途行駛兼顧偶爾長途旅行，并不能適應(yīng)于所有工況。文獻(xiàn)[11]從另一個(gè)角度出發(fā)，利用ADVISOR軟件建立瞬時(shí)油耗計(jì)算的重要參數(shù)模型，分析出最佳的瞬時(shí)油耗優(yōu)化表達(dá)式，用再生制動(dòng)對(duì)電池電能補(bǔ)償效應(yīng)進(jìn)行修正，建立瞬時(shí)ECMS的目標(biāo)函數(shù)，最后在ADVISOR軟件對(duì)其進(jìn)行驗(yàn)證。雖然驗(yàn)證結(jié)果表明采用該方法得出的瞬時(shí)等效油耗精度較高，參數(shù)計(jì)算較準(zhǔn)確，但該算法還需要在實(shí)車上進(jìn)行測試，才能驗(yàn)證其真實(shí)可行性。

國外研究者也對(duì)ECMS進(jìn)行了改進(jìn)。文獻(xiàn)[12]建立了基于工作效率的等效油耗模型，根據(jù)發(fā)動(dòng)機(jī)、電機(jī)與電池的平均工作效率以及當(dāng)前時(shí)間步長的實(shí)時(shí)工作效率來計(jì)算在電池充放電情況下的電機(jī)等效油耗。文獻(xiàn)[13]依據(jù)發(fā)動(dòng)機(jī)燃油消耗、電機(jī)扭矩和SOC變化量三者的關(guān)系推導(dǎo)出對(duì)應(yīng)電機(jī)扭矩的等效油耗，并考慮電池充放電損失和制動(dòng)再生電能的影響，建立了基于SOC變化量的等效油耗模型。文獻(xiàn)[14]把ECMS應(yīng)用到PHEV的巡航模式，并且提出了一種基于模型預(yù)測控制（MPC）的新型燃油消耗優(yōu)化算法，該算法可以使汽車在巡航模式下減少計(jì)算量，降低車的燃油消耗。文獻(xiàn)[15]將ECMS與邏輯門限策略相結(jié)合，形成自適應(yīng)能量管理策略，這樣不僅能縮短仿真時(shí)間、維持電池SOC穩(wěn)定，還能有效地改善汽車的燃油經(jīng)濟(jì)性和排放性。

結(jié)合國內(nèi)外的研究可知，ECMS不需要預(yù)先知道工況情況，計(jì)算量較小，能夠有效節(jié)省PHEV的油耗，且便于對(duì)能量進(jìn)行控制，擁有較好的應(yīng)用前景，但無法兼顧到全局最優(yōu)，且容易受到電池老化的影響，在實(shí)際汽車控制中的實(shí)現(xiàn)難度較大。

3.2 基于模型預(yù)測的控制策略

基于模型預(yù)測的控制策略指根據(jù)預(yù)測的模型對(duì)未來系統(tǒng)代價(jià)函數(shù)進(jìn)行預(yù)測，通過對(duì)未來預(yù)測區(qū)間內(nèi)的性能指標(biāo)進(jìn)行優(yōu)化，并根據(jù)實(shí)測對(duì)象的輸出進(jìn)行反饋校正，將控制策略轉(zhuǎn)化為優(yōu)化過程，通過求解相應(yīng)預(yù)測區(qū)間的優(yōu)化問題得到控制序列，并將序列的第1個(gè)控制量作用于系統(tǒng)，實(shí)現(xiàn)反饋控制，在下一個(gè)采樣時(shí)刻，將預(yù)測區(qū)間向前推進(jìn)一步，之后不斷重復(fù)該過程。

國內(nèi)方面，文獻(xiàn)[16]基于車載導(dǎo)航系統(tǒng)建立汽車未來一段行駛路線上的汽車運(yùn)行狀態(tài)模型，將模型預(yù)測控制與動(dòng)態(tài)規(guī)劃相結(jié)合，建立了中度HEV的燃料經(jīng)濟(jì)性預(yù)測控制計(jì)算模型，最后運(yùn)用C語言與MATLAB/Simulink進(jìn)行聯(lián)合仿真，驗(yàn)證了所建立的算法可以滿足實(shí)時(shí)控制的要求，且采用該預(yù)測控制策略的中度HEV具有顯著的節(jié)油效果。文獻(xiàn)[17]把模型預(yù)測控制與最優(yōu)控制策略相結(jié)合，得出PHEV能量管理模型預(yù)測最優(yōu)控制策略。先確定發(fā)動(dòng)機(jī)最優(yōu)工作線，再運(yùn)用所建立的數(shù)學(xué)模型和公式化控制策略求解最優(yōu)控制問題，最后把求得的最優(yōu)控制序列的第1個(gè)控制量應(yīng)用在系統(tǒng)中。這2種方法都可以實(shí)現(xiàn)汽車在行駛過程中的優(yōu)化控制，顯著提高汽車的燃油經(jīng)濟(jì)性，但都只是在仿真軟件中進(jìn)行了模擬，并沒有得到實(shí)際的驗(yàn)證。

國外方面，文獻(xiàn)[18]以HEV應(yīng)用的基于模型預(yù)測的控制策略為基礎(chǔ)，介紹了模型預(yù)測的方法并討論了其優(yōu)點(diǎn)，提出了可能影響模型預(yù)測控制策略的因素，包括預(yù)測精度、設(shè)計(jì)參數(shù)及求解器等。基于模型預(yù)測的控制策略在很大程度上提高了動(dòng)態(tài)規(guī)劃的計(jì)算效率，能顯著提高燃油經(jīng)濟(jì)性，但是其算法的魯棒性不強(qiáng)。

綜上所述，瞬時(shí)優(yōu)化控制策略不需要提前知道整個(gè)行車工況，計(jì)算量比較小，且實(shí)時(shí)性更高，但是瞬時(shí)優(yōu)化控制策略無法實(shí)現(xiàn)全局優(yōu)化，若為了兼顧全局優(yōu)化和瞬時(shí)優(yōu)化，勢必會(huì)損失一些性能。

4 智能控制策略

智能的基本出發(fā)點(diǎn)是模仿人的某些行為或思想，具體表現(xiàn)為記憶、學(xué)習(xí)、模仿、適應(yīng)、聯(lián)想、語言表達(dá)、文字識(shí)別、邏輯推理、歸納總結(jié)及綜合決策等各種能力[19]。隨著人工智能技術(shù)和計(jì)算機(jī)技術(shù)的發(fā)展，已經(jīng)有研究者把自動(dòng)控制和人工智能以及系統(tǒng)科學(xué)中一些有關(guān)學(xué)科的分支如：系統(tǒng)學(xué)和運(yùn)籌學(xué)等結(jié)合起來，建立了一種適用于比較復(fù)雜系統(tǒng)的控制理論和技術(shù)，即智能控制。智能控制技術(shù)具有自適應(yīng)、自學(xué)習(xí)及自組織等優(yōu)點(diǎn)，可以解決很多工程上用傳統(tǒng)方法不能解決的問題。為了改善目前現(xiàn)有HEV控制策略存在的缺陷，近年來，研究者提出將智能控制應(yīng)用于HEV的控制中。

4.1 基于博弈論控制策略

博弈論又被稱作對(duì)策論，它是現(xiàn)代數(shù)學(xué)的一個(gè)分支，也是運(yùn)籌學(xué)的一個(gè)重要學(xué)科。博弈論是指2人在平衡的對(duì)局中各自利用對(duì)方的策略來變換自己的對(duì)抗策略，以達(dá)到取勝的目的。博弈論充分考慮游戲中的個(gè)體預(yù)測行為和實(shí)際行為，并研究它們的優(yōu)化策略，利用這一特點(diǎn)，研究者把發(fā)動(dòng)機(jī)和電機(jī)看成游戲的參與者，將整車功率控制看成參與者之間的合作博弈行為。

目前，將博弈論應(yīng)用到PHEV控制策略中的研究較為缺乏，比較有代表性的是文獻(xiàn)[20]的相關(guān)研究，把PHEV的各種操作看成是驅(qū)動(dòng)程序和動(dòng)力總成的一種非合作性博弈，在設(shè)計(jì)過程中應(yīng)用了基于規(guī)則和基于動(dòng)態(tài)規(guī)劃的思想，仿真結(jié)果表明，這種方法能夠很好地降低燃油消耗率。國內(nèi)的一些學(xué)者也把博弈論的思想引入PHEV，提出了自己的想法。文獻(xiàn)[21]在建立博弈進(jìn)化模型的基礎(chǔ)上，提出了基于行為博弈論的博弈進(jìn)化算法，并針對(duì)不同的行駛工況設(shè)計(jì)了不同的學(xué)習(xí)模型：模仿學(xué)習(xí)與信念學(xué)習(xí)算子。把博弈進(jìn)化算法應(yīng)用到HEV控制策略中，通過Visual Studio調(diào)用MATLAB及ADVISOR，實(shí)現(xiàn)了一款A(yù)DVISOR內(nèi)置的“PARALLEL_defaults_in”車型的控制策略優(yōu)化。

由以上研究可知，雖然基于博弈論的控制策略能夠減少HEV的燃油消耗，降低污染物的排放，使HEV各項(xiàng)性能指標(biāo)均有不同程度改善，但是這種算法和思想在計(jì)算和處理的過程中比較耗時(shí)，在實(shí)際應(yīng)用中，必須要提高思想的并行化，在仿真測試中，能夠測試的問題有限，還需設(shè)法測試不同類型的參數(shù)來驗(yàn)證基于博弈論控制策略的性能。

4.2 基于多智能體控制策略

智能體是一種具有智能性和自適應(yīng)性的實(shí)體，這種實(shí)體可以是智能軟件、智能設(shè)備或智能機(jī)器人等。它能代表用戶或其他程序，以主動(dòng)服務(wù)的方式完成一項(xiàng)工作。多智能體系統(tǒng)（MAS）是一個(gè)能夠耦合的智能體網(wǎng)絡(luò)，這些智能體能夠通過交互、協(xié)作等方式對(duì)一些問題進(jìn)行求解。其中每一個(gè)智能體既是單獨(dú)的又是相互聯(lián)系的。智能體系統(tǒng)有著很多的特性，如自主性、交互性、反應(yīng)性以及互動(dòng)性等。已經(jīng)有研究證明了多智能體系統(tǒng)的思想符合HEV控制策略的管理和優(yōu)化[22]。可以利用智能體系統(tǒng)的這些特性來對(duì)HEV進(jìn)行能量的管理和控制。一般根據(jù)爬坡度以及節(jié)氣門開度把汽車行駛的路況分為鄉(xiāng)村、城市和高速，工況判別規(guī)則，如表1所示，可根據(jù)表1來判斷PHEV的行駛路況。

表1 汽車行駛工況判別規(guī)則表

文獻(xiàn)[23]以PHEV為研究對(duì)象，建立動(dòng)力總成部件子系統(tǒng)智能體模型，構(gòu)建了多智能體系統(tǒng)協(xié)調(diào)控制框架，根據(jù)不同工況模式對(duì)總成動(dòng)力進(jìn)行分配，利用單智能體的智能行為和多智能體的協(xié)作能力解決了汽車對(duì)復(fù)雜路況的自適應(yīng)問題，具體情況如圖3所示，并在Cruise軟件上對(duì)其進(jìn)行了仿真，結(jié)果表明這種策略可以改善整車的燃油經(jīng)濟(jì)性和動(dòng)力性，但這只是一個(gè)初步的總體構(gòu)想，若要真正應(yīng)用到HEV中還需要相關(guān)技術(shù)的進(jìn)一步支持。

圖3 基于多智能體的控制策略

雖然把智能體系統(tǒng)應(yīng)用到HEV中能夠有效改善整車燃油經(jīng)濟(jì)性和動(dòng)力性，對(duì)于PHEV的控制有諸多優(yōu)點(diǎn)，但是目前對(duì)多智能體系統(tǒng)的研究還比較少，不夠成熟。

4.3 基于神經(jīng)網(wǎng)絡(luò)控制策略

神經(jīng)網(wǎng)絡(luò)控制指的是把神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到控制系統(tǒng)中，對(duì)難以精確控制的對(duì)象進(jìn)行優(yōu)化計(jì)算或者作為控制器起控制作用或?qū)?duì)象進(jìn)行故障診斷。神經(jīng)網(wǎng)絡(luò)有很強(qiáng)的魯棒性、自適應(yīng)性以及容錯(cuò)能力。

文獻(xiàn)[24]建立了基于Takagi-Sugeno模型的模糊神經(jīng)網(wǎng)絡(luò)，通過對(duì)模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，生成了駕駛意圖模糊推理規(guī)劃。從仿真結(jié)果可以得出，得到的模糊推理規(guī)則可以很好地識(shí)別駕駛意圖，并能進(jìn)一步提高HEV的燃油經(jīng)濟(jì)性。文獻(xiàn)[25]采用傳統(tǒng)瞬時(shí)優(yōu)化策略基于離線仿真試驗(yàn)采集數(shù)據(jù)以訓(xùn)練小波神經(jīng)網(wǎng)絡(luò)，并用訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)控制器實(shí)現(xiàn)該策略，從而提出了一種基于小波神經(jīng)網(wǎng)絡(luò)的PHEV實(shí)時(shí)控制策略。這種控制策略不僅能夠保證汽車的燃油經(jīng)濟(jì)性，而且克服了瞬時(shí)優(yōu)化策略難以實(shí)時(shí)控制的缺點(diǎn)，但該控制策略的優(yōu)化性能不是很強(qiáng)，優(yōu)化性能還需要進(jìn)一步改善。

文獻(xiàn)[26]利用神經(jīng)網(wǎng)絡(luò)開發(fā)了一種應(yīng)用于HEV的能源管理系統(tǒng)，并對(duì)該管理系統(tǒng)進(jìn)行了開發(fā)和測試，結(jié)果表明該系統(tǒng)能夠最大限度地減少汽車的能源需求，并且能與不同的主要?jiǎng)恿碓垂ぷ?。文獻(xiàn)[27]從城市公交車的運(yùn)行路線固定這一特點(diǎn)出發(fā)，引入單參數(shù)長度比，設(shè)計(jì)了一種基于長度比例神經(jīng)網(wǎng)絡(luò)的插電式混合動(dòng)力城市客車在線控制策略，并進(jìn)行了仿真，結(jié)果表明這種策略可以大大降低總成本和電荷消耗，縮短充電時(shí)間。這2類都是利用神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)了一種新的控制策略，能夠有效提高HEV的能源利用率，若要將該控制思想與方法進(jìn)行實(shí)際應(yīng)用則還需進(jìn)行改進(jìn)與完善。

結(jié)合以上研究，基于神經(jīng)網(wǎng)絡(luò)的控制策略能夠彌補(bǔ)傳統(tǒng)優(yōu)化策略計(jì)算復(fù)雜和實(shí)時(shí)性差的缺點(diǎn)，并且能夠識(shí)別駕駛員的駕駛意圖，可以有效優(yōu)化HEV的控制策略，但其優(yōu)化性能還不是很好，對(duì)于HEV在行駛過程中的優(yōu)化問題還需要進(jìn)一步的改善。目前所研究的智能控制更多的是基于知識(shí)，利用專家的經(jīng)驗(yàn)、邏輯推理及學(xué)習(xí)能力來進(jìn)行控制，以定性分析為主與定量分析相結(jié)合的控制方式。這種控制方式在技術(shù)方面還不是很成熟，目前還不能普遍應(yīng)用于HEV中。

5 結(jié)論

整車控制策略的綜合性能和優(yōu)化能力對(duì)于改善HEV性能有著至關(guān)重要的作用。目前已經(jīng)開發(fā)的控制策略各具優(yōu)缺點(diǎn)，互補(bǔ)性很強(qiáng)，但都沒有達(dá)到最優(yōu)。結(jié)合國內(nèi)外對(duì)于HEV控制策略的研究分析可知：1）可以利用目前已有的各種控制策略優(yōu)勢，實(shí)現(xiàn)集成控制，讓控制策略能夠最大限度地發(fā)揮其優(yōu)點(diǎn)，提高控制系統(tǒng)的綜合性能。2）為了獲得更好的控制效果，可以開發(fā)探索更適用于HEV的智能控制策略。智能控制的關(guān)鍵技術(shù)是智能化，將優(yōu)化算法和智能控制相結(jié)合是解決控制策略問題的關(guān)鍵。