基于模糊控制的ISG-FHEV等效燃油消耗最小策略*

付主木 ，劉曉真 ，周 祥

（1.河南科技大學信息工程學院，河南 洛陽 471023；2.河南省機器人與智能系統(tǒng)重點實驗室，河南 洛陽 471023；3.河南科技大學電氣工程學院，河南 洛陽 471023）

基于模糊控制的ISG-FHEV等效燃油消耗最小策略*

付主木1，2，劉曉真1，周 祥3

（1.河南科技大學信息工程學院，河南 洛陽 471023；2.河南省機器人與智能系統(tǒng)重點實驗室，河南 洛陽 471023；3.河南科技大學電氣工程學院，河南 洛陽 471023）

針對ISG重度混合動力汽車，設(shè)計了一種基于模糊控制的等效燃油消耗最小策略，以提高發(fā)動機和電機驅(qū)動系統(tǒng)效率以及整車的燃油經(jīng)濟性。通過對整車等效燃油消耗的分析，構(gòu)建了整車等效燃油消耗最小目標函數(shù)；引入模糊控制對等效因子進行調(diào)整，加強等效因子對行駛工況的適應(yīng)性和對電池荷電狀態(tài)的偏差控制。仿真結(jié)果表明，所設(shè)計的控制策略與常規(guī)ECMS相比，發(fā)動機效率提高8.3%，電機驅(qū)動效率提高11.1%，百公里耗油量降低8.4%。

混合動力汽車，燃油經(jīng)濟性，等效因子，等效燃油消耗最小策略，模糊控制

0 引言

作為輕中度混合動力汽車的組合，擁有ISG電機和主電機的ISG重度混合動力汽車（Full Hybrid Electric Vehicle assisted by an Integrated Starter Generator，ISG-FHEV），同時具有輕中度結(jié)構(gòu)的特性和優(yōu)點，不僅為發(fā)動機提供更多的電機助力，而且在行車充電和再生制動情況下均有較高的發(fā)電效率，對于提高發(fā)動機和電機驅(qū)動系統(tǒng)以及整車效率有著很大的潛力［1-2］。

開發(fā)ISG-FHEV的一個關(guān)鍵問題是多個能量源之間的協(xié)調(diào)，能量管理的目標是在滿足整車能量需求前提下盡量減少燃油消耗，同時維持電池荷電狀態(tài)（State of charge，SOC）在合理范圍內(nèi)［3］。由于ISG-FHEV中電機驅(qū)動系統(tǒng)占了很大的比重，在考慮發(fā)動機燃油經(jīng)濟性的同時，也要考慮電機電能的經(jīng)濟性，并且針對能量實時最優(yōu)分配，PAGANELLI G等［4］率先提出了基于等效燃油消耗最小策略（E-quivalent Consumption Minimization Strategy，ECMS）的瞬時優(yōu)化控制策略，考慮了油電轉(zhuǎn)換效率，本質(zhì)上包含了整車動力系統(tǒng)的效率問題，且等效燃油消耗最小策略的有效性關(guān)鍵在于等效因子的正確取值［5-6］。Sciarretta A［7］等針對充電和放電兩種情況設(shè)計了兩個隨時間變化的等效因子，通過引入一個新的參量，將兩個等效因子統(tǒng)一為一個參量。Onori S等［8］提出一種自適應(yīng)ECMS，根據(jù)電池充放電狀態(tài)的反饋在線調(diào)節(jié)等效因子。Bo G等［9］在不同的行駛條件下采用驅(qū)動模式識別方法估計等效因子，并周期性更新控制參數(shù)以更精確地估計。Sezer V［10］等將電池的SOC納入到充放電等效因子的計算中。等效因子的確定依賴于精確的數(shù)學模型，對系統(tǒng)誤差非常敏感，而混合動力汽車與行駛工況的精確模型均比較復雜。模糊控制具有自適應(yīng)性，不依賴精確的數(shù)學模型就能有效解決推理過程的非線性和不精確問題，有更大的容錯性，適用于解決復雜行駛工況中混合動力汽車的快速動力學問題［11-12］。

基于此，本文針對ISG-FHEV，設(shè)計了一種基于模糊控制的等效燃油消耗最小策略，最后在MATLAB/ADVISOR環(huán)境下進行了仿真與對比分析。

1 ISG-FHEV動力總成及功率分流模式

本文采用發(fā)動機、ISG電機、主電機和3個離合器相結(jié)合的ISG-FHEV，其系統(tǒng)結(jié)構(gòu)及能量流動情況如圖1所示。

圖1 ISG-FHEV系統(tǒng)結(jié)構(gòu)及能量流動情況

該系統(tǒng)結(jié)構(gòu)中，ISG電機和發(fā)動機之間采用單軸并聯(lián)式連接結(jié)構(gòu)。為了保證發(fā)動機、主電機和ISG電機驅(qū)動系統(tǒng)的相對獨立，增設(shè)了分流器總成和相應(yīng)的離合器，不僅使ISG電機實現(xiàn)發(fā)動機的快速啟停、發(fā)電和電機助力，而且還具有單獨驅(qū)動、輔助主電機驅(qū)動等功能，可以實現(xiàn)多種工作模式的切換。

假設(shè)離合器閉合時不發(fā)生功率損耗，由分流器總成決定3個離合器的閉合和分離，將ISG-FHEV驅(qū)動系統(tǒng)下的功率分流模式分為行車充電模式、發(fā)動機單獨驅(qū)動模式、混合驅(qū)動模式和純電動模式。整車需求功率由發(fā)動機和電機驅(qū)動系統(tǒng)共同提供。

式中，Preq為整車的需求功率，Peng為發(fā)動機輸出功率，Pbat為電機驅(qū)動系統(tǒng)輸出功率。

在混合驅(qū)動模式、純電動驅(qū)動模式均有電機驅(qū)動系統(tǒng)的參與，電機驅(qū)動系統(tǒng)功率包括了主電機、ISG電機輸出功率

式中，Pemg為主電機輸出功率，Pisg為ISG電機輸出功率。

此時引入一個參量α來描述主電機和ISG電機驅(qū)動之間的工作模式，定義如下

①當α=0時，Pemg=0主電機不提供動力輸出，此時為ISG電機單獨參與驅(qū)動；

②當0＜α＜1時，主電機和ISG電機均為汽車提供動力輸出，此時為雙電機驅(qū)動；

③當α=0時，Pemg=Pbat主電機提供全部的動力輸出，此時為主電機單獨參與驅(qū)動。

上述功率分流方式通過分流器總成來實現(xiàn)，通過設(shè)計相應(yīng)的能量管理控制策略，實現(xiàn)混合動力汽車工作模式切換的同時分配該模式下的發(fā)動機、ISG電機和主電機的最優(yōu)功率，從而實現(xiàn)整車的最佳燃油經(jīng)濟性。

2 整車等效燃油消耗分析

對于電量維持型混合動力汽車而言，電池只是作為一個能量緩沖器，消耗的電池電能需要在車輛未來的行駛中由發(fā)動機多消耗一定量的燃油進行補償，需要建立所消耗電池電能與補償所需燃油的等效關(guān)系。首先整車等效燃油消耗量的表達式為

由于ISG電機和主電機所消耗的電能均來自于電池電能，所以先將兩者的等效燃油消耗量歸結(jié)為所消耗電池電能的等效燃油量。

式中，QLHV為燃油低熱值。

針對電池放電和充電兩種情況，引入一個二值變量γ，γ等于0或1，當γ=0時是電池充電，當γ=1時是電池放電，則ISG-FHEV整車燃油消耗率的目標函數(shù)為

式中，schg和sdis分別為充放電等效因子，ηbat-chg和ηbat-dis分別為電池的充放電效率，ηele為電機驅(qū)動系統(tǒng)效率，包括ISG電機效率ηisg和主電機效率ηemg。

其約束條件為：

在約束條件下，以整車等效燃油消耗量最小值Jmin為控制目標，以電池功率Pbat為控制變量，通過目標函數(shù)求得最小等效燃油消耗量Jmin及其對應(yīng)的電池功率Pbat，進而求出發(fā)動機功率，并在保證電機驅(qū)動系統(tǒng)的最高效率下求出變量α，從而實現(xiàn)工作模式的切換及每一時刻發(fā)動機、ISG電機和主電機三者間的功率最優(yōu)分配。

3 等效因子的確定

等效因子的確定是等效燃油消耗最小策略的核心。如果等效因子s太大，在行駛中將傾向于使用燃油，導致油耗增加；反之，則傾向于使用電池電能，導致電池SOC下降過快。

3.1 充放電等效因子

首先在電池放電狀態(tài)下，假設(shè)單位時間內(nèi)從電池中輸出的電能為Ebat-dis，電機驅(qū)動系統(tǒng)輸出功率為Pbat-dis，則

式中，ηdis為此時放電路徑的整體效率。

則補償這部分電能所消耗的燃油成本CEbat-dis為：

式中，Cchg為整個行駛工況下發(fā)動機用于補償電能所消耗的總的燃油量，Hchg為總的充電能量。ηeng-chg（t）為發(fā)動機給電池充電的發(fā)動機效率，ηbat-chg（t）為電池充電效率，Pbat-chg（t）為電池的實際充電功率。

結(jié)合式（6）、式（9）～式（11），得到放電等效因子為

同理充電等效因子為

3.2 基于模糊控制的等效因子修正

由上述分析可以看出充放電等效因子均是由固定的參數(shù)計算得到的，忽略了表征汽車行駛工況的實時反饋，同時也缺少對電池SOC的平衡調(diào)節(jié)。

因此，本文為了解決行駛工況、電池SOC和控制變量Pbat（t）之間的非顯式關(guān)系，將等效因子利用專家知識和工程經(jīng)驗進行模糊調(diào)整。本文首先引進一個概率因子，將一對充放電等效因子統(tǒng)一為一個等效因子，然后通過模糊邏輯的思想確定概率因子。這里定義等效因子的表達式為

式中，p（t）是概率因子，s（t0）是等效因子 s的初始值。

其中等效因子是隨著行駛工況的變化而變化的，而研究表明行駛工況和電池SOC的終值和初值之間的誤差有著密切的聯(lián)系。這里引入電池SOC的參考軌跡SOCref，SOCref是將工況分為若干段，由每一段的SOC變化組合而成，用于跟蹤行駛工況中能量需求的變化，并且加入關(guān)于SOCref的PI控制，則 s（t0）表達式為

概率因子p（t）的確定取決于電池產(chǎn)生的電能Ebat（t）和電池SOC（t），將其作為輸入變量，用于評估電池的工作狀態(tài)以及控制電池SOC的偏差。根據(jù)電量維持型混合動力汽車原理，要保證電池SOC在整個行駛工況中初始值和最終值相同，即SOC（t0）=SOC（tf）

首先是模糊變量單位化。對于電能Ebat（t），電池狀態(tài)分為電池充放電兩種，那么Ebat（t）的論域為［-1，1］。對于電池 SOC（t），本文將電池 SOC 設(shè)定在［0.2，0.8］范圍內(nèi)，故電池SOC為0.2對應(yīng)于單位論域的0，而0.8對應(yīng)于單位論域的1。

然后是語言變量設(shè)計。結(jié)合電池產(chǎn)生的電能Ebat（t）的定義，對Ebat（t）設(shè)計了：N（負）、Z（零）、P（正）3個語言變量。根據(jù)電池SOC的變化狀態(tài)，對SOC（t）設(shè)計了：NB（負大）、NM（負中）、NS（負?。?、ZO（零）、PS（正?。?、PM（正中）、PB（正大）7個語言變量。

其次是隸屬函數(shù)的設(shè)計。根據(jù)對ISG-FHEV能量管理的分析推理，并結(jié)合實際經(jīng)驗，由行駛工況中電池產(chǎn)生的電能Ebat（t）和電池SOC（t）的變化情況確定出我們想要得到的概率因子p（t）的最優(yōu)結(jié)果，得出輸入、輸出變量隸屬函數(shù)如圖2所示。

圖2 模糊控制器隸屬函數(shù)

接下來制定模糊規(guī)則。模糊規(guī)則是模糊控制器設(shè)計的核心，根據(jù)等效燃油消耗最小思想，概率因子p（t）要根據(jù)工況的變化進行相應(yīng)的調(diào)整，并保證電池SOC維持在小范圍波動，模糊控制規(guī)則形式如表1所示。

表1 模糊規(guī)則表

其中主要核心控制規(guī)則為：

①如果Ebat（t）為負，說明電池充電，此時p（t）應(yīng)更傾向于選擇充電等效因子schg；

②如果Ebat（t）為正，說明電池放電，此時p（t）應(yīng)更傾向于選擇放電等效因子sdis；

③如果Ebat（t）為零，說明電池不做功，就要考慮電池SOC；

④如果電池SOC（t）太低（負大），就需要以盡可能快的速度給電池充電；

⑤如果電池SOC（t）相對低（負中），就需要以相對快的速度給電池充電；

⑥如果電池SOC（t）有點低（負?。?，就需要以緩慢的速度給電池充電；

⑦如果電池SOC（t）在給定值附近（零），此時電池不需充電也不需放電；

⑧如果電池SOC（t）有點高（正?。?，就需要以緩慢的速度給電池放電；

⑨如果電池SOC（t）相對高（正中），就需要以相對快的速度給電池放電；

⑩如果電池SOC（t）太高（正大），就需要以盡可能快的速度給電池放電。

最后是解模糊。本文模糊控制器采用重心法解模糊，實時得到p（t）的值，進而求出等效因子s，通過目標函數(shù)求得最小等效燃油消耗量Jmin及其所對應(yīng)的最優(yōu)電池功率Pbat-opt。

具體的步驟總結(jié)如下:

①測量車速和車輛加速度并將其輸入車輛模型，進而求出車輛所需的轉(zhuǎn)矩和轉(zhuǎn)速，得出整車需求功率；

②以 ΔPbat為步長，在［Pbat-min，Pbat-max］范圍內(nèi)逐步運算，得到一系列電池功率Pbat（t）；

③通過模糊邏輯確定出概率因子p（t），結(jié)合等效因子初始值s0，求出等效因子s；

④用每一個電池功率Pbat（t）結(jié)合等效因子s，帶入到ISG重度混合動力汽車的整車燃油消耗率的目標優(yōu)化函數(shù)，尋找最優(yōu)的電池功率Pbat-opt，使目標函數(shù)Jmin最小，此時該電池功率Pbat-opt就是最優(yōu)控制變量。

4 仿真及對比分析

本文在保證動力性的前提下，將所設(shè)計的一種基于模糊控制的ECMS與常規(guī)ECMS嵌入到整車模型當中，在MATLAB／ADVISOR環(huán)境下進行仿真及對比分析。仿真所用汽車主要部件參數(shù)如下頁表2所示。

表2 汽車主要部件參數(shù)

在NEDC路況下驗證ISG-FHEV的電池SOC變化、發(fā)動機效率和電機驅(qū)動效率，其中NEDC路況下電池SOC變化曲線如圖3所示。

圖3 NEDC路況下電池SOC曲線

這里取電池SOC初值為0.7，從圖3（a）可以看出，采用常規(guī)ECMS的SOC變化曲線整體呈波浪線下降趨勢，電池SOC的初值和終值相差很大，不利于電池的長期使用。從圖3（b）可以看出，采用基于模糊控制的ECMS的SOC終值接近于初值，保證電池SOC整體在小范圍內(nèi)波動，在電池SOC過度充電和過度放電時都會作出相應(yīng)的快速反應(yīng)，維持電池SOC的平衡。

圖4 NEDC路況下仿真結(jié)果對比

圖4為NEDC路況下兩種控制策略下發(fā)動機、主電機和ISG電機的工作點。比較圖4（a）和圖4（b）可以看出，常規(guī)ECMS發(fā)動機的工作點較分散，部分工作點在高效運行區(qū)外，并有許多工作點在發(fā)動機最大轉(zhuǎn)矩曲線上，發(fā)動機輸出效率很低。基于模糊控制的ECMS除起動外的工作點，絕大部分都在高效運行區(qū)內(nèi)，并且工作在最優(yōu)工作曲線上，發(fā)動機效率得到很大的提高。比較圖4（c）和圖4（d）可以看出，常規(guī)ECMS的主電機工作點大部分集中在低轉(zhuǎn)矩附近，主電機的效率很低。而采用基于模糊控制的ECMS后，主電機主動避開低速低轉(zhuǎn)矩情況，且在高速段效率達到85%～90%左右，主電機效率很高。由圖 4（e）、圖 4（f）可以看出，常規(guī) ECMS 的 ISG電機工作點分散，且大部分分布在高轉(zhuǎn)矩的低效率區(qū)域內(nèi)，ISG電機效率極低。而基于模糊控制的ECMS使ISG電機工作在低速或低轉(zhuǎn)矩情況下，ISG電機在這種運行條件下相比于主電機效率很高，ISG電機代替主電機單獨驅(qū)動，并且ISG電機負轉(zhuǎn)矩區(qū)域工作點較多，充電效率很高，仿真統(tǒng)計結(jié)果如表3所示。

表3 仿真結(jié)果數(shù)據(jù)對比

5 結(jié)論

本文通過對ISG-FHEV進行整車等效燃油消耗分析，設(shè)計了一種基于模糊控制的ECMS，仿真結(jié)果表明，采用基于模糊控制的ECMS后，與常規(guī)ECMS相比，ISG-FHEV的發(fā)動機效率提高8.3%，電機驅(qū)動效率提高11.1%，百公里耗油量降低8.4%，提高了整車的燃油經(jīng)濟性，證明所制定的控制策略具有一定的有效性和可行性。

［1］秦大同，葉心，胡明輝，等.ISG型中度混合動力汽車驅(qū)動工況控制策略優(yōu)化［J］.機械工程學報，2010，46（12）：86-92.

［2］秦大同，隗寒冰，段志輝，等.重度混合動力汽車油耗和排放多目標實時最優(yōu)控制［J］.機械工程學報，2012，48（6）：83-89.

［3］付主木，王斌，張承慧.一種ISG-FHEV改進能量管理策略［J］.信息與控制，2013，42（2）：264-272.

［4］PAGANELLI G，DELPRAT S，GUERRA T M，et al.Equivalent consumption minimization strategy for parallel hybrid powertrains［C］//Proceedings of the 2002 Vehicle Technology Conference，2002：2076-2081.

［5］李曉甫.橋間分配四驅(qū)混合動力電動汽車能耗優(yōu)化控制策略研究［D］.廣州：華南理工大學，2012.

［6］MUSARDO C，RIAAONI G，GUEAENNEC Y，et al.A-ECMS：an adaptive al gorithm for hybrid electric vehicle energy management ［J］.European Journal of Control，2005，11：4-5.

［7］SCIARRETTA A，SERRAO L，DEWANGAN P C.A control benchmark on the energy management of a plug-in hybrid electric vehicle ［J］.Control Engineering Practice，2014，29：287-298.

［8］ONORI S，SERRAO L，RIZZONI G.Adaptive equivalent consumption minimization strategy for hybrid electric vehicles［C］//ASME Dynamic Systems and Control Conference，Cambridge，United States，2010：499-505.

［9］BO G，RIZZONI G.An adaptive algorithm for hybrid electric vehicle energy managementbased on driving pattern recognition［C］//American Society of Mechanical Engineers，Chicago，United states，2006：10-22.

［10］SEZER V，GOKASAN M，BOGOSYAN S.A novel ECMS and combined cost map approach for high-efficiency series hybrid electric vehicles［J］.IEEE Transactions on Vehicular Technology，2011，60（8）：3557-3570.

［11］ZHAOo D Z，STOBART R，DONG G Y.Real-time energy management for diesel heavy duty hybrid electric vehicles［J］.IEEE Transactions on Control Systems Technology，2015，23（3）：829–841.

［12］吳劍，張承慧，崔納新，等.基于粒子群優(yōu)化的并聯(lián)式混合動力汽車模糊能量管理策略研究［J］.控制與決策，2008，23（1）：46-50.

Equivalent Consumption Minimization Strategy Based on Fuzzy Control for Full Hybrid Electric Vehicle Assisted by an Integrated Starter Generator

FU Zhu-mu1，2，LIU Xiao-zhen1，ZHOU Xiang3
（1.School of Information Engineering，Henan University of Science and Technology，Luoyang 471023，China；2.Henan Key Laboratory of Robot and Intelligent Systems，Luoyang 471023，China；3.School of Electronic Engineering，Henan University of Science and Technology，Luoyang 471023，China）

In order to improve the driving efficiency of the engine and motor and the vehicle fuel economy further，an Equivalent Consumption Minimization Strategy （ECMS）based on fuzzy control is designed for a Full Hybrid Electric Vehicle assisted by an Integrated Starter Generator（ISG-FHEV）.Firstly，based on the analysis of the equivalent fuel consumption of the vehicle，the equivalent fuel consumption minimization objective function is constructed.Secondly，the equivalent factor is adjusted by the introduction of fuzzy control to enhance the adaptability to the driving cycle and the deviation control of battery state of charge （SOC）.The simulation results show that compared with the ECMS，the engine efficiency increases 8.3%，motor driving efficiency increases 11.1%，fuel consumption to travel 100 km decreases 8.4%.

hybrid electric vehicle，fuel economy，equivalent factor，equivalent consumption minimization strategy，fuzzy control

1002-0640（2017）10-0103-06

TP391.9

A

10.3969/j.issn.1002-0640.2017.10.022

2016-08-05修回日期：2016-10-07

國家自然科學基金（61473115）；河南省科技創(chuàng)新人才杰出青年計劃資助項目（144100510004）

付主木（1974- ），男，湖北仙桃人，教授，博士。研究方向：混合動力汽車建模及控制策略。