基于工作軌跡優(yōu)化的增程式電動汽車APU控制策略設計

吳自賢 張 希

(上海交通大學 機械與動力工程學院，上海 200240)

基于工作軌跡優(yōu)化的增程式電動汽車APU控制策略設計

吳自賢 張 希

(上海交通大學 機械與動力工程學院，上海 200240)

增程式電動汽車中的輔助動力單元通過發(fā)電產(chǎn)生電能傳輸?shù)街绷髂妇€上，為動力電池和驅(qū)動電機供電。本文首先根據(jù)增程式電動汽車的特點，設計了發(fā)動機多工作點控制策略，并針對APU模式切換過程中的動態(tài)工況，提出了一種APU軌跡優(yōu)化控制策略，采用遺傳算法優(yōu)化發(fā)動機和發(fā)動機的運行軌跡，進而確定一條油耗最低的APU系統(tǒng)工作軌跡。仿真與實驗結(jié)果證明，本文提出的控制策略，相對于傳統(tǒng)的恒溫器控制策略，在燃油經(jīng)濟性上有一定的改善。

增程式電動汽車 輔助動力單元 控制策略 軌跡優(yōu)化 燃油經(jīng)濟性

0 引言

隨著全球汽車工業(yè)的迅猛發(fā)展，傳統(tǒng)內(nèi)燃機汽車對能源危機以及環(huán)境污染的加劇作用越來越明顯，發(fā)展電動汽車能有效地節(jié)約能源和解決汽車尾氣污染。增程式電動汽車在續(xù)航里程上明顯優(yōu)于純電動汽車；在排放性能上也遠遠優(yōu)于傳統(tǒng)的混合動力汽車，具有節(jié)約燃油，對發(fā)電單元功率需求小，降低排放，延長續(xù)駛里程等優(yōu)點。

結(jié)構(gòu)上，增程式電動汽車的動力系統(tǒng)由動力電池系統(tǒng)、動力驅(qū)動系統(tǒng)、整車控制系統(tǒng)和輔助功率單元(APU)組成，如圖1所示。

目前國內(nèi)外對增程式電動汽車的研究主要集中于動力系統(tǒng)參數(shù)匹配和控制策略兩個方面。文獻[1]根據(jù)增程式電動客車在生命周期內(nèi)的總成本模型，計算出購置成本、使用成本與維修成本綜合最優(yōu)的整車參數(shù)匹配方案; 文獻[2]基于用戶接受度比較了常見的三種EREV的控制策略，提出設計控制策略除了重視燃油經(jīng)濟性外，還需考慮改善用戶的使用性能；文獻[3-5]采用遺傳算法對增程式電動轎車中的控制參數(shù)進行離線優(yōu)化，從而不同程度地降低了整車的油耗; 文獻[6],提出了一種轉(zhuǎn)速切換/功率跟隨增程器協(xié)調(diào)控制策略，較好地解決了增程器系統(tǒng)中的發(fā)動機、發(fā)電機協(xié)調(diào)控制問題; 文獻[7-8]針對并聯(lián)式混合動力汽車在模式切換的動態(tài)過程中發(fā)動機運行軌跡的優(yōu)化；文獻[9]則是針對APU如何在給定的時長內(nèi)產(chǎn)生目標電量，采用極小值原理進行軌跡優(yōu)化問題的求解。

圖1 增程式電動汽車動力總成系統(tǒng)圖

1 增程式電動車動力總成參數(shù)匹配

增程式電動汽車為串聯(lián)式結(jié)構(gòu)，由驅(qū)動電機驅(qū)動車輪，其匹配的動力系統(tǒng)參數(shù)將直接決定該車的動力性和經(jīng)濟性。本文的參數(shù)匹配是針對一輛中型轎車進行的，整車性能設計指標和車型的基本參數(shù)如表1和表2所示。

表1 整車性能設計指標

表2 整車基本參數(shù)

1.1驅(qū)動電機參數(shù)匹配

電機的功率特性決定了整車的動力性，它應該滿足最高車速、汽車的最大爬坡度以及汽車百公里加速最小的加速時間這三種工況下的功率需求。

1.1.1 最高車速對電機的要求

當車輛以最高車速行駛時，行駛狀況為在平直路面勻速行駛，可以不考慮坡道阻力和加速阻力。因此，以最高車速匹配的電動機功率

(1)

經(jīng)過計算可知Pmax1=22.707 kW。

1.1.2 最大爬坡度對電機的要求

當以最大爬坡度工況匹配電機功率時，對應的行駛狀況為勻速行駛，不考慮加速阻力。在此工況下匹配的電動機的最大功率為

(2)

經(jīng)過計算可知Pmax2=47.339 kW。

1.1.3 加速性能對電機的要求

當以最大加速性行駛時，行駛道路為平直道路。在此工況下匹配的電動機的最大功率為

Pmax3=

(3)

經(jīng)過計算可知Pmax3=66.68 kW。

電動機的最大功率應該同時滿足上述三種情況下電機的所需功率，即滿足：

Pmax≥max[Pmax1，Pmax2Pmax3]

(4)

所以取電機的峰值功率為：Pmax=68 kW。

電機的額定功率可由以下公式得出：

P額=Pmax/λ

(5)

其中λ為電機過載系數(shù)取2， 可得電機額定功率為

P額=34 kW

(6)

電機的峰值轉(zhuǎn)矩和額定轉(zhuǎn)矩由以下公式計算得出：

(6)

峰值轉(zhuǎn)矩為216 Nm，額定轉(zhuǎn)矩為108 Nm。

1.2動力電池匹配

電池組的主要參數(shù)根據(jù)功率要求和能量要求來選擇。

電池組的最大放電功率應滿足汽車以最大功率行駛時驅(qū)動電機的功率，即滿足：

(7)

經(jīng)過計算可知Pbat_max=78.225 kW。

故選取電池組的最大放電功率為80 kW。

電池組的容量應滿足汽車以一定車速60 km/h勻速行駛的里程達到60 km純電行駛里程時所消耗的能量，即滿足：

(8)

經(jīng)過計算可知容量需大于38.83 Ah，故選取電池組的容量為40 Ah。

1.3增程器參數(shù)匹配

本次參數(shù)匹配對增程器的要求為：應滿足車輛在電池虧電的情況下以120 km/h勻速行駛，

(9)

經(jīng)過計算可知增程器的額定功率PRe=24.95 kW。

對應的發(fā)動機額定功率可由以下公式得出

(10)

可知發(fā)動機額定功率Peng≥27.42 kW。故選取額定功率30 kW的發(fā)動機。對應的發(fā)電機額定功率約為26 kW。

2 控制策略的制定與仿真

增程式電動車在制定控制策略時，由于發(fā)動機脫離驅(qū)動車輪，可以將發(fā)動機的工作點控制在經(jīng)濟的工作區(qū)或者工作點上，目前研究最多的主要有恒溫式控制策略、功率跟隨式控制策略，以及在二者綜合的基礎上提出的恒溫+功率跟隨式控制策略和發(fā)動機多工作點控制策略。

恒溫式控制策略的優(yōu)點是發(fā)動機易于控制，經(jīng)濟性好。缺點是電池要均衡并滿足汽車驅(qū)動功率，要增大電池的容量，使用壽命也受到了影響。功率跟隨式控制策略考慮了電池組的狀態(tài)，可以使電池處于淺循環(huán)，保護電池不被過放。但由于發(fā)動機工作在一區(qū)間，不利于控制，在經(jīng)濟性、排放性等方面較恒溫式控制策略低。

本文采取發(fā)動機多工作點控制策略，該策略是將發(fā)動機控制在油耗低、排放較好的幾個工作點上，電池SOC值或者當前車速值進行工作點的切換。主要是根據(jù)請求功率的大小將發(fā)動機控制在一個或多個具體的工作點上，可以有效避免恒溫式單一功率不足現(xiàn)象，又可避免功率跟隨式發(fā)動機轉(zhuǎn)速轉(zhuǎn)矩波動大等缺點。本文主要采用發(fā)動機三工作點控制。根據(jù)發(fā)動機的萬有特性圖等值線的形狀，再根據(jù)路面請求功率的大小，確定發(fā)動機工作點如圖2所示[11]。

圖2 發(fā)動機工作點選取圖

根據(jù)車速來確定發(fā)動機的工作點，初步將功率覆蓋范圍確定為10 kW至30 kW：

1)v_req<50km/h，P_eng=10 kW

2)v_req>50 km/h & v_req <100 km/h，P_eng=18 kW

3)v_req>100km/h，P_eng=30 kW

確定了發(fā)動機的運行功率，然后根據(jù)萬有特性圖，確定發(fā)動機的輸出轉(zhuǎn)矩恒定為60 Nm。

本文通過Cruise軟件建立增程式電動汽車模型，Range-Extended混動方案的Cruise模型由車輛組件、發(fā)動機組件、電機組件、電池組件、減速器組件、離合器組件、主減速器組件、輪胎組件等組成。

圖3 增程式電動汽車仿真模型

將5個NEDC工況疊加的駕駛循環(huán)用于驗證控制策略的有效性，經(jīng)過仿真，可得到實際車速與工況的要求車速跟隨的曲線如圖4所示。

圖4 循環(huán)仿真結(jié)果

發(fā)動機工作的轉(zhuǎn)速變化曲線和SOC變化曲線如圖5所示。

圖5 發(fā)動機工作曲線和電池SOC變化曲線圖

由以上仿真曲線可以看出，所設計的控制策略能使得實際車速良好地跟隨期望車速，并且增程模式下，發(fā)動機根據(jù)需求功率大小切換工作點，控制電池組的SOC在一定范圍內(nèi)穩(wěn)定波動，有利于電池壽命的延長。

與傳統(tǒng)的恒溫器控制策略進行油耗對比，發(fā)動機多工作點控制策略的百公里油耗為4.76 L/100 km，而恒溫器控制策略下的百公里油耗為5.52 L/100 km，因此在燃油經(jīng)濟性上，發(fā)動機多工作點控制策略更加節(jié)油。

3 基于遺傳算法的軌跡優(yōu)化策略

在上述發(fā)動機工作點控制策略的基礎上，本文還研究了工作點切換過程中的發(fā)動機運行軌跡優(yōu)化。以當前估計轉(zhuǎn)矩和發(fā)動機轉(zhuǎn)速為起點，以整車策略穩(wěn)態(tài)分配轉(zhuǎn)矩和穩(wěn)定轉(zhuǎn)速點為終點，在發(fā)動機轉(zhuǎn)速轉(zhuǎn)矩圖上可形成一簇曲線[7]。輔助動力單元動態(tài)軌跡優(yōu)化的目標就是在這些曲線中得到最優(yōu)的運行過程，為分析和解決該動態(tài)過程中的軌跡優(yōu)化問題，本文引入了遺傳算法。

選取APU的轉(zhuǎn)速，產(chǎn)能和損耗作為空間狀態(tài)變量，根據(jù)APU的動力特性建立APU狀態(tài)空間方程[9]，

并據(jù)此建立遺傳算法的適應度函數(shù)，

J=h1(Wloss)2+h2(Wgen-Wref)2+

h3(w(t)-w_ref)2

(11)

通過MATLAB遺傳算法工具箱對該全局優(yōu)化問題進行求解，得出增程器工作點切換過程最低油耗和排放的一條最優(yōu)工作軌跡。

設置初始參數(shù)為w0=800 rpm，trq0=20 Nm,w_ref=2 000 rpm，trq_ref=60 Nm, Jm=1.1 kg*m2，Bm=0.004 3；經(jīng)過遺傳算法計算得到的適應度函數(shù)變化曲線如圖6所示。

圖6 適應度函數(shù)變化曲線圖

可以看到適應度函數(shù)值的大小隨著優(yōu)化次數(shù)的增加而降低并趨于收斂，最終優(yōu)化得到的軌跡如下圖所示。

圖7 APU工作點切換過程軌跡圖

從上圖可以看出，優(yōu)化后的軌跡基本沿著發(fā)動機MAP圖的高效區(qū)域由發(fā)動機怠速工作點切換至目標工作點。

4 實驗驗證

為了減小實驗成本，縮短開發(fā)周期，本課題的研究采用電機模擬發(fā)動機，搭建雙電機對拖實驗平臺。通過檢驗模擬發(fā)動機的電機工作軌跡是否能夠良好地在兩個工作點中切換，驗證軌跡優(yōu)化控制策略是否有效。圖8為雙電機對拖臺架的實物圖。

圖8 雙電機對拖實驗平臺

所采用的電機基本參數(shù)如下表所示。

表3 電機基本參數(shù)

控制模擬發(fā)動機的電機轉(zhuǎn)速由1 000 rpm上升至1 500 rpm，并控制負載轉(zhuǎn)矩保持恒定，測量電機轉(zhuǎn)速曲線和直流端的充電功率曲線，如圖所示。

圖9 模擬發(fā)動機的電機轉(zhuǎn)速曲線圖

圖10 直流端的充電功率曲線圖

由實驗結(jié)果可以看出，所采用的控制策略能較好地控制模擬發(fā)動機的電機根據(jù)需求功率切換工作點，從而產(chǎn)生不同大小的發(fā)電功率，給電子負載進行充電。

5 結(jié)論

本文根據(jù)整車性能設計指標，通過理論計算，對增程式電動汽車的主要部件選型匹配，并設計了發(fā)動機多工作點控制策略，通過CRUISE仿真結(jié)果可以得出該控制策略相比于傳統(tǒng)控制策略，能明顯提高整車的燃油經(jīng)濟性。針對工作點切換過程中的發(fā)動機運行軌跡優(yōu)化問題，采用遺傳算法，分析得到基于油耗MAP圖的最優(yōu)工作軌跡，優(yōu)化了切換過程中的燃油經(jīng)濟性。最后通過仿真與實驗結(jié)果驗證了軌跡優(yōu)化控制策略。

[1] 劉雨嬌. 基于遺傳算法增程式電動車控制策略仿真研究[D].哈爾濱理工大學,2015.

[2] 郭丁伊. 增程式電動客車動力系統(tǒng)選型與優(yōu)化設計研究[D].吉林大學,2015.

[3] 胡平,張浩. 基于用戶接受度的增程式混合動力汽車控制策略研究[J]. 汽車工程學報,2011,06:455-463.

[4] 葉冬金. 增程式純電動車動力系統(tǒng)參數(shù)匹配及控制策略研究[D].吉林大學,2012.

[5] 呼和. 增程式純電動車動力系統(tǒng)參數(shù)匹配與優(yōu)化研究[D].吉林大學,2012.

[6] 張文學,張幽彤,孫帥,楊軍偉. 混合動力發(fā)動機動態(tài)軌跡優(yōu)化研究[J]. 機械工程學報,2015,04:132-140.

[7] 申永鵬,王耀南,孟步敏,易迪華. 增程式電動汽車增程器轉(zhuǎn)速切換/功率跟隨協(xié)調(diào)控制[J]. 中國機械工程,2015,12:1690-1696.

[8] 張文學,張幽彤,秦靖. 基于發(fā)動機運行區(qū)域動態(tài)邊界優(yōu)化的混合動力客車能量管理策略研究[J]. 汽車工程,2016,09:1058-1064.

[9] Nino-Baron C E, Tariq A R, Zhu G, et al. Trajectory optimization for the engine-generator operation of a series hybrid electric vehicle[J]. IEEE Transactions on Vehicular Technology, 2011, 60(6): 2438-2447.

[10] Wang Y, Shen Y, Yuan X, et al. Operating Point Optimization of Auxiliary Power Unit Based on Dynamic Combined Cost Map and Particle Swarm Optimization[J]. IEEE Transactions on Power Electronics, 2015, 30(12): 7038-7050.

[11] 陳長紅. 增程式電動汽車控制策略的研究[D].遼寧工業(yè)大學,2013.

DesignofAPUControlStrategyforEREVbasedonTrajectoryOptimization

WuZixianZhangXi

(SchoolofMechanicalEngineering,ShanghaiJiaoTongUniversity,Shanghai200240,China)

An APU in extended-range electric vehicle generates electricity to the DC bus, and provides power for the power battery and the drive motor. Based on the characteristics of the extended - range electric vehicle, the engine multi - operating point control strategy is designed in this paper. For APU mode switching process, an APU trajectory optimization control strategy is proposed. Genetic algorithm is used to optimize the trajectory of the engine and the engine in mode switching process, and the operation trajectory of the APU system with the best efficiency and emission is determined. Simulation and experimental results show that the control strategy in this paper has some improvement in fuel economy and emission compared with the traditional thermostat control strategy.

Extended Range Electric Vehicle Auxiliary Power Unit Control Strategy Trajectory Optimization Fuel Economy

U461.2

B

張希，上海交通大學，副研究員，博士生導師，主要研究方向：電動汽車電驅(qū)動及電力電子技術(shù)

1006-8244(2017)03-009-05

吳自賢，上海交通大學，碩士研究生主要研究方向：增程式電動汽車能量管理策略。