基于駕駛特性的純電動公交車控制策略優(yōu)化

楊 松， 王新亮, 賈 蒙

(新鄉(xiāng)學院 機電工程學院，新鄉(xiāng) 453003)

基于駕駛特性的純電動公交車控制策略優(yōu)化

楊 松， 王新亮, 賈 蒙

(新鄉(xiāng)學院 機電工程學院，新鄉(xiāng) 453003)

節(jié)能與環(huán)保已成為汽車界關(guān)注的兩大重要問題，為改善純電動公交車的節(jié)能潛力，提出了一種基于優(yōu)化駕駛員響應(yīng)的純電動公交車控制策略，以實現(xiàn)整車續(xù)駛里程的提高.利用Isight優(yōu)化平臺中的自適應(yīng)模擬退火算法,實現(xiàn)對整車控制策略中的駕駛員油門踏板映射曲線、制動踏板映射曲線及整車動力電池充電系數(shù)的優(yōu)化.結(jié)果表明:在中國典型城市公交工況下，車輛較優(yōu)化前的百公里電耗降低了6.38 %；0-50 km/h的加速時間和15 km/h的爬坡能力分別提高了4 %和3.03 %；同時引入快速控制原型測試，驗證了該控制策略優(yōu)化的有效性.

純電動公交車；Isight優(yōu)化平臺；控制策略；RCP測試

低碳、節(jié)能、減排和環(huán)保的純電動汽車對資源的節(jié)約和生態(tài)環(huán)境的保護具有重要的影響.隨著電池和電機驅(qū)動技術(shù)的發(fā)展，純電動公交車受到了越來越多的關(guān)注.純電動公交車有唯一的動力源，不存在功率需求的合理分配.而起步加速能力和再生制動能量回收是純電動公交車區(qū)別于傳統(tǒng)公交車的兩個方面.駕駛員對功率需求的合理程度直接決定著車輛的電耗程度.因此，純電動公交車的控制策略可優(yōu)化的變量十分有限.何洪文[1]結(jié)合純電動公交車在市區(qū)行駛時的能耗分析，嚴英[2]則是通過研究司機在典型工況中的駕駛行為特征及其對能耗的影響，有助于后續(xù)研究人員分析電動公交車的能耗特性，同時明確了控制策略的優(yōu)化方向；黃萬友[3]以濟南市實際運行的純電動物流車為研究對象，分析了不同駕駛品質(zhì)及車輛加速度、車速、能量回饋、電機過載等因素對純電動汽車能耗的影響，但未考慮動力電池的充電效率；胡堅耀[4]利用模糊邏輯算法設(shè)計了驅(qū)動控制策略，以實現(xiàn)驅(qū)動工況下純電動客車的起步加速能力優(yōu)化，但未對整車控制策略優(yōu)化；動態(tài)局部優(yōu)化能量管理算法，是目前實車應(yīng)用最為普遍的一種能量優(yōu)化控制算法，但它只能得到局部的最優(yōu)解，而全局優(yōu)化控制算法可以獲得整車的最佳性能，但它需預知未來一段時間內(nèi)的全部道路信息，因此，目前僅處于計算機仿真階段[5-6].

基于上述相關(guān)研究，針對目前很少考慮駕駛特性對車輛能耗的影響，利用Isight優(yōu)化平臺優(yōu)化不同踏板開度下的非線性響應(yīng)以實現(xiàn)車輛的能耗達到最佳，并引入快速控制原型測試，驗證整車控制策略優(yōu)化的有效性和可行性.

1 整車模型及控制策略開發(fā)

1.1 整車數(shù)學模型

選取電動直驅(qū)的8米純電動公交車為研究對象，其動力系統(tǒng)結(jié)構(gòu)簡圖如圖1所示.

圖1 整車結(jié)構(gòu)簡圖

在純電動公交車整車動力性不變的基礎(chǔ)上實現(xiàn)整車的能耗最佳，并不考慮車輛在運行過程中的振動及舒適性問題，因此建立整車的縱向動力學模型[7]，其數(shù)學模型如式(1)所示.

，(1)

式中：Tw為傳遞到驅(qū)動輪上的驅(qū)動轉(zhuǎn)矩，N·m；r為車輪的滾動半徑，m；m為整車質(zhì)量，kg；g為重力加速度，取9.8 m/s2；f為滾動阻力系數(shù)；α為道路坡度；CD為車輛空氣阻力系數(shù)；A為車輛迎風面積，m2；v為車輛行駛速度，km/h；dv/dt為車輛加速度，m/s2；δ為旋轉(zhuǎn)質(zhì)量換算系數(shù).

依據(jù)車輛在中國典型城市工況下的運行特點并結(jié)合純電動公交車的相關(guān)性能設(shè)計要求，基于中國典型城市公交工況匹配確定的整車參數(shù)見表1.

表1 整車參數(shù)

1.2 整車控制策略開發(fā)

車輛的需求轉(zhuǎn)矩主要與電動機的工作區(qū)間、動力電池SOC和電動機轉(zhuǎn)速等有關(guān).

Tr=f(T,n)=a·Trmax，

(2)

式中：Tr為踏板開度得到的需求轉(zhuǎn)矩；f(T，n)為依靠踏板開度的轉(zhuǎn)速轉(zhuǎn)矩函數(shù)；a為踏板開度；Trmax為當前轉(zhuǎn)速下動力系統(tǒng)能提供的最大轉(zhuǎn)矩.

控制系統(tǒng)未采用駕駛特性優(yōu)化控制策略時，系統(tǒng)的輸入量為踏板開度，經(jīng)預先設(shè)置的踏板轉(zhuǎn)矩映射關(guān)系得到駕駛員轉(zhuǎn)矩需求，即駕駛員踏板輸入為車輛動力系統(tǒng)的響應(yīng)目標.駕駛特性優(yōu)化控制策略則是對駕駛員輸入進行解析，經(jīng)過駕駛員優(yōu)化控制策略處理，得到一個踏板映射系數(shù)，此踏板系數(shù)經(jīng)過踏板轉(zhuǎn)矩映射關(guān)系得到駕駛員的轉(zhuǎn)矩需求，進而控制驅(qū)動系統(tǒng)驅(qū)動車輛.由于踏板系數(shù)與踏板開度存在不規(guī)律的映射關(guān)系，驅(qū)動系統(tǒng)的響應(yīng)轉(zhuǎn)矩與駕駛員踏板的需求轉(zhuǎn)矩也不一致.駕駛特性優(yōu)化控制策略在改變了驅(qū)動系統(tǒng)的轉(zhuǎn)矩響應(yīng)后，根據(jù)優(yōu)化目標改變驅(qū)動系統(tǒng)指令從而得到整車的最佳能耗.

2 整車控制策略優(yōu)化

(1)優(yōu)化目標

為降低純電動公交車在運行過程中的電耗，需對整車控制策略進行優(yōu)化標定.在滿足設(shè)計要求的前提下優(yōu)化整車控制策略，使車輛的電耗達到最低.其數(shù)學模型如下所示.

(3)

(2)約束條件

純電動公交車的整車控制策略優(yōu)化是保證整車動力性的前提下的能耗最優(yōu)，汽車的動力性約束主要包括車輛0-50 km/h加速時間≤20 s及車輛以15 km/h的最大爬坡度≥12%；同時，為了保證仿真測試時車輛能較好的跟隨工況，采用了實際車速與期望車速的差的絕對值≤3 km/h作為約束條件.

(3)優(yōu)化變量的確定

純電動公交車的控制策略要實現(xiàn)對所有控制參數(shù)的優(yōu)化是不太現(xiàn)實的.因此，本文以直接影響控制效果及整車性能的關(guān)鍵參數(shù)作為設(shè)計變量.踏板開度是駕駛員根據(jù)車輛所需轉(zhuǎn)矩的大小進行踩踏，但為了能使電機總能工作在高效率區(qū)間，為踏板相應(yīng)的乘上一個系數(shù)k，隨著踏板踩下的深度不同，k也會發(fā)生變化.因此，在踏板開度從0到1的過程中，在保證動力性滿足設(shè)計要求的前提下，應(yīng)出現(xiàn)一條以k的變化擬合出的一條曲線；動力電池的充電系數(shù)決定動力電池回充能量的多少，如果系數(shù)大會增加內(nèi)阻消耗及對動力電池造成損傷，降低續(xù)駛里程；系數(shù)小則易造成能量損失.因此，本文選取電池充電系數(shù)和踏板的映射曲線作為待優(yōu)化變量.

(4)優(yōu)化算法設(shè)計

粒子群優(yōu)化(PSO)又稱微粒群算法，是由Kennedy和Eberhart等人于1995年開發(fā)的一種煙花計算技術(shù)，最初為了研究鳥群捕食的行為.PSO算法采用了演化計算的原則[8]：①從一組隨機種群開始初始化；②通過更新種群代搜索最優(yōu)解；③進化依賴于前面的種群.

PSO具有漸近收斂的特性，對解空間實現(xiàn)全局動態(tài)尋優(yōu).尋優(yōu)迭代過程如圖2所示，優(yōu)化算法設(shè)置1 000次迭代，在850代左右收斂到較優(yōu)區(qū)域，在第930代時出現(xiàn)最優(yōu)解，同時動力電池的充電系數(shù)優(yōu)化前為0.5，優(yōu)化后為0.85；油門踏板和制動踏板的開度及響應(yīng)變化優(yōu)化前后見圖3.

圖2 尋優(yōu)迭代過程

圖3 踏板開度的響應(yīng)優(yōu)化

3 離線與RCP測試仿真結(jié)果分析

3.1 離線仿真分析

整車控制策略優(yōu)化前后電機工作狀態(tài)見圖4，其中,圖(a)和(c)為電機在加載的工況下的轉(zhuǎn)矩圖.而從圖(d)中可以明顯看出優(yōu)化控制策略后的電機工作點效率得到了明顯提高，車輛的百公里電耗降低了6.38%且電池的荷電狀態(tài)下降的更加緩慢.

圖4 優(yōu)化前后的電機工作狀態(tài)

整車加載優(yōu)化前后的控制策略在加速和爬坡任務(wù)中的仿真結(jié)果如圖5所示.其中,優(yōu)化后的0-50 km/h的加速時間相對優(yōu)化前提高了4%，以15 km/h的爬坡能力相對優(yōu)化前提高了3.03%.

圖5 優(yōu)化前后的整車性能仿真對比

為驗證控制策略優(yōu)化的有效性，引入RCP測試仿真平臺進行驗證.該平臺硬件系統(tǒng)主要由dSPACE實時仿真系統(tǒng)、CANoe組成，軟件系統(tǒng)主要包括MATLAB、AVL-CRUISE及dSPACE自帶的數(shù)據(jù)監(jiān)控軟件ControlDesk.試驗采用控制器局域網(wǎng)(CAN)通道實現(xiàn)整車控制策略關(guān)鍵參數(shù)與整車模型的通信.CANoe作為CAN通信控制器，可真實模擬實車數(shù)據(jù)間的信號傳輸，使該仿真試驗更接近于實車試驗.該測試平臺如圖6所示.

圖6 RCP測試仿真試驗方案

通過RCP仿真測試知，整車在需求轉(zhuǎn)矩相同的情況下，優(yōu)化后的整車控制策略能改善電動機的工作效率且RCP測試的仿真結(jié)果如表2所示.

表2 RCP仿真測試結(jié)果

4 結(jié) 論

1)根據(jù)踏板系數(shù)與踏板開度存在不規(guī)律的映射關(guān)系，對踏板開度與踏板響應(yīng)進行了新的優(yōu)化標定，實現(xiàn)整車的加速能力和爬坡能力，分別提高了4 %和3.03 %.

2)針對駕駛員的駕駛特性，提出了一種基于駕駛特性優(yōu)化的整車控制策略，優(yōu)化后離線仿真結(jié)果提高6.03 %，證明了該控制策略優(yōu)化的有效性；引入RCP測試的整車控制策略能耗節(jié)省6.09 %，驗證了該控制策略的可行性.

3)基于駕駛特性優(yōu)化的整車控制策略，可為后續(xù)的實車測試中實現(xiàn)制動能量回收控制策略的控制參數(shù)的二次標定奠定基礎(chǔ).

[1] 何洪文, 孫逢春, 余曉江. 電動公交車BJD6100-EV市區(qū)行駛能耗分析[J]. 北京理工大學學報, 2004, 24(3):222-225.

[2] 黃萬友, 程 勇, 紀少波，等. 駕駛員的駕駛品質(zhì)對純電動汽車能耗的影響[J]. 北京理工大學學報, 2013, 33(2):144-150.

[3] 胡堅耀, 吳正斌, 鄧先泉，等. 基于模糊邏輯算法的純電動客車起步加速能力優(yōu)化與再生制動控制[J]. 集成技術(shù), 2015,4(1):16-24.

[4] 嚴 英. 純電動公交客車加速踏板駕駛特性輔助優(yōu)化策略研究[D]. 天津: 天津大學，2012.

[5] 歐 健, 張 勇, 陳 寶，等. 混合動力汽車控制策略研究進展[J]. 重慶工學院學報(自然科學版), 2008, 22(2):10-19.

[6] 夏超英, 杜智明. 混合動力汽車實時優(yōu)化控制策略仿真分析[J]. 吉林大學學報(工學版),2016,46(4):1276-1286.

[7] 余志生. 汽車理論[M]. 北京:機械工業(yè)出版社, 2010.

[8] 賴宇陽. Isight參數(shù)優(yōu)化理論與實例詳解[M]. 1版. 北京：北京航空航天大學出版社, 2012.

ControlStrategyOptimizationofPureElectricBusBasedonDrivingCharacteristics

YANG song, WANG Xin-liang, JIA meng

(School of Mechanical and Electrical Engineering,Xinxiang University, Xinxiang 453003, China)

Energy saving and environmental protection have become two important issues concerned by the automotive industry. In order to improve the energy saving potential and to increase its electric range, a control strategy for a pure electric bus is proposed based on optimizing the response of the driver. By means of the adaptive simulated annealing algorithm in Isight platform, the mapping curves of both the accelerator pedal and the brake pedal, and the charging coefficient of the power battery are optimized in the strategy. The simulation results show that, under the typical driving cycles of the urban bus in China, the electric-energy consumption per 100 km of the vehicle reduces by 6.38 %, its acceleration time of 0-50 km/h shortens by 4 % and its climbing ability increases by 3.03 %. The effectiveness of the control strategy is verified by introducing a test of the rapid control prototype (RCP).

pure electric bus；Isight optimization platform；control strategy； RCP test

1009-4687(2017)04-0023-05

2017-06-27

河南省骨干教師(2016GGJS-159)

楊 松(1986-)，男，碩士，研究方向為電動汽車動力學的匹配與仿真.

TP391

A