混合動(dòng)力汽車能量?jī)?yōu)化綜述

尚志誠，劉一鳴

?

混合動(dòng)力汽車能量?jī)?yōu)化綜述

尚志誠，劉一鳴

（重慶車輛檢測(cè)研究院有限公司，國(guó)家客車質(zhì)量監(jiān)督檢驗(yàn)中心，重慶 401122）

文章重點(diǎn)闡述了混合動(dòng)力汽車能量?jī)?yōu)化的三種分類方式，并對(duì)幾種常見能量?jī)?yōu)化的控制策略進(jìn)行介紹和比較，得出這些算法的優(yōu)缺點(diǎn)及適應(yīng)場(chǎng)合。

混合動(dòng)力汽車；能量控制策略

引言

混合動(dòng)力汽車(Hybrid Electric Vehicle，HEV)是由兩種或兩種以上的能量源提供動(dòng)力的汽車，是新老技術(shù)結(jié)合的產(chǎn)物，它同時(shí)具有純電動(dòng)汽車和傳統(tǒng)內(nèi)燃機(jī)汽車的優(yōu)點(diǎn)，既有純電動(dòng)汽車高效率和低排放的優(yōu)點(diǎn)，又具有燃油汽車高比能量（單位質(zhì)量的燃料所具有的能量）和比功率（單位質(zhì)量的燃料所具有的功率）的長(zhǎng)處，顯著改善了傳統(tǒng)內(nèi)燃機(jī)汽車的排放和燃油經(jīng)濟(jì)性，增加了電動(dòng)汽車的行駛里程[1-4]。作為傳統(tǒng)燃油汽車與純電動(dòng)汽車的過渡產(chǎn)品和折中方案，混合動(dòng)力汽車已經(jīng)成為國(guó)際范圍內(nèi)新型環(huán)保車輛開發(fā)的熱點(diǎn)[5]，具有很好的發(fā)展前景和市場(chǎng)潛力。

混合動(dòng)力汽車按動(dòng)力復(fù)合方式可劃分為3種類型：串聯(lián)式混合動(dòng)力電動(dòng)汽車（Series Hybrid Electric Vehicle，SHEV）、并聯(lián)式混合動(dòng)力電動(dòng)汽車(Parallel Hybrid Electric Vehicle，PHEV)、混聯(lián)式混合動(dòng)力電動(dòng)汽車(Series Parallel Hybrid Electric Vehicle，SPHEV)[6-8]。按照電功率在總驅(qū)動(dòng)功率中所占的比例，則又可分為深度混合/全混（Full Hybrid）、中度混合（Mild Hybrid）和輕微混合（Micro Hybrid）。不管是何種型式的混合動(dòng)力系統(tǒng)，都要對(duì)多個(gè)能量源與其他部件相互配合進(jìn)行優(yōu)化組合，形成不同的動(dòng)力系統(tǒng)工作模式，以適應(yīng)不同的行駛工況需求，獲得傳統(tǒng)汽車所不能得到的優(yōu)化控制目標(biāo)（最佳燃油經(jīng)濟(jì)性，最低排放等)[9]。

混合動(dòng)力汽車的能量控制策略可根據(jù)當(dāng)前車輛的運(yùn)行狀態(tài)，合理分配發(fā)動(dòng)機(jī)和電池的功率輸出，以實(shí)現(xiàn)最小的燃油消耗或者排放。其本質(zhì)是對(duì)發(fā)動(dòng)機(jī)和電池的能量負(fù)荷進(jìn)行協(xié)同控制。不同的能量協(xié)同控制策略，其建模和計(jì)算的復(fù)雜程度，在線控制的可實(shí)施性以及智能化程度的差異很大。如何尋找一個(gè)運(yùn)算量較小，可在線運(yùn)行又能實(shí)現(xiàn)自主學(xué)習(xí)的智能化能量協(xié)同控制策略成為近年來混合動(dòng)力汽車研究領(lǐng)域的一個(gè)熱門話題。

1 能量控制策略分類

混合動(dòng)力汽車的能量控制策略共有三種分類方式：

Guzzella L，Sciarretta A在文獻(xiàn)[10]中將能量控制策略分為無因果關(guān)系控制策略和因果關(guān)系控制策略。這種分類方式是依據(jù)能量控制策略是否依賴于未來駕駛工況。無因果關(guān)系控制策略需要詳細(xì)的車輛未來駕駛信息，這些駕駛信息的獲取有兩種方式：第一種方式是車輛運(yùn)行在固定工況，如美國(guó)城市循環(huán)工況(UDDS)及公路循環(huán)工況(HWFET)。第二種方式是針對(duì)公共交通車輛，其具有相對(duì)固定的駕駛路線并可獲取一定的未來駕駛信息。除此之外，駕駛信息都是不可提前獲取的，至少在某種意義上不能提前獲取車輛的車速及海拔高度的詳細(xì)信息，在這種情況下，就只能使用因果關(guān)系能量控制策略。

同樣是Sciarretta A，Guzzella L在文獻(xiàn)[11]中將能量控制策略分為啟發(fā)式控制策略、最優(yōu)控制策略及次優(yōu)控制策略。啟發(fā)式控制策略中采用了布爾或模糊規(guī)則，其中的多個(gè)控制參數(shù)，如發(fā)動(dòng)機(jī)啟動(dòng)轉(zhuǎn)速對(duì)混合動(dòng)力系統(tǒng)的結(jié)構(gòu)和工況具有很強(qiáng)的依賴性，因此，需要開展一系列昂貴的標(biāo)定實(shí)驗(yàn)。此外，在某種確定工況下控制效果很好，但在其它工況下，同樣的控制參數(shù)會(huì)導(dǎo)致很差的控制效果。為了解決上述啟發(fā)控制策略面臨的問題，可以采用系統(tǒng)的、基于模型目標(biāo)方程的最優(yōu)化能量控制策略。最優(yōu)化控制策略的實(shí)現(xiàn)方式包含靜態(tài)最優(yōu)化、數(shù)值動(dòng)態(tài)優(yōu)化以及封閉動(dòng)態(tài)優(yōu)化。所有這些最優(yōu)控制策略都需要未來的駕駛信息，在實(shí)時(shí)控制系統(tǒng)的實(shí)現(xiàn)比較困難，因而次優(yōu)能量控制策略得到了廣泛研究。

Salmasi F R[12]，Wirasingha S G, Emadi A[13]分別將混合動(dòng)力汽車的能量控制策略分為兩種類型：基于規(guī)則的能量控制策略和最優(yōu)化的能量控制策略。如圖1所示?；谝?guī)則的能量控制策略又可以分為確定性規(guī)則控制和模糊規(guī)則控制。最優(yōu)化控制又可以分為全局最優(yōu)和實(shí)時(shí)最優(yōu)的控制策略。

圖1 能量控制策略分類[12-13]

確定性規(guī)則中又有開關(guān)控制策略和功率跟隨控制策略，模糊規(guī)則中有傳統(tǒng)模糊控制策略和自適應(yīng)控制策略。全局優(yōu)化中可以采用線性規(guī)劃控制策略、動(dòng)態(tài)規(guī)劃及隨機(jī)動(dòng)態(tài)規(guī)劃。實(shí)時(shí)最優(yōu)控制策略中包括等效燃油消耗、去耦控制及最優(yōu)預(yù)測(cè)控制策略。

2 常見控制策略介紹

2.1 確定性規(guī)則控制

（1）開關(guān)控制

Ehsani M, Gao Y, Emadi A[14]采用了開關(guān)控制策略，事先設(shè)定好電池的和，當(dāng)SOC低于時(shí)，開啟發(fā)動(dòng)機(jī)且一直工作在效率最高點(diǎn)，當(dāng)SOC高于時(shí)，發(fā)動(dòng)機(jī)關(guān)閉。開關(guān)型控制策略控制邏輯較為簡(jiǎn)單，但并不能滿足車輛在所有工況條件下的功率需求，不過這種控制策略在行駛路徑已知的串聯(lián)式混合動(dòng)力城市公交車上得到廣泛的應(yīng)用。

（2）功率跟隨控制策略

在這種控制策略下[12]，發(fā)動(dòng)機(jī)是汽車動(dòng)力的主要來源，汽車需要的額外功率由電機(jī)提供，發(fā)動(dòng)機(jī)持續(xù)給電池充電。這種控制策略一般依據(jù)如下幾種規(guī)則：1.車速較低時(shí)只使用電機(jī)；2.需求功率大于發(fā)動(dòng)機(jī)所能提供的功率時(shí)由電機(jī)提供額外的功率；3.制動(dòng)的能量再回收；4.功率需求低于某一極限值時(shí)發(fā)動(dòng)機(jī)關(guān)閉，以提高發(fā)動(dòng)機(jī)效率；5.電池的SOC低于某一極限值時(shí)，發(fā)動(dòng)機(jī)要提供額外的功率給電池充電。這種控制策略很受歡迎，但其缺點(diǎn)是整個(gè)動(dòng)力傳動(dòng)系統(tǒng)的效率不是最優(yōu)的，且沒有充分考慮排放的改善。Toyota Prius以及Honda Insight均采用這功率跟隨型控制策略。

2.2 模糊規(guī)則控制

（1）傳統(tǒng)模糊控制策略

Lee H D, Sul S K[15]提出了模糊控制邏輯來降低的排放的同時(shí)持續(xù)給電池充電并獲取駕駛員的需求轉(zhuǎn)矩。模糊控制器的輸入是加速踏板行程和電機(jī)轉(zhuǎn)速。按照“IF…is…AND…is…THEN…is…”形式制定規(guī)則庫，輸出則為發(fā)動(dòng)機(jī)和電機(jī)的功率分配。結(jié)果顯示這種控制邏輯與傳統(tǒng)內(nèi)燃機(jī)車輛相比的排放可以降低20%，這種控制策略的主要缺點(diǎn)是不能保證對(duì)電池的持續(xù)充電。

（2）自適應(yīng)模糊控制

Langari R, Won J S[16-17]中將自適應(yīng)模糊控制策略應(yīng)用到能量控制策略中?？刂撇呗灾兄饕牟糠郑厚{駛信息提取，駕駛環(huán)境識(shí)別，模糊轉(zhuǎn)矩分配以及荷電狀態(tài)補(bǔ)償器。其中駕駛環(huán)境識(shí)別中又包含四部分內(nèi)容：路型識(shí)別，駕駛員類型識(shí)別，駕駛趨勢(shì)識(shí)別以及驅(qū)動(dòng)方式識(shí)別。這種控制策略在車輛需求大功率時(shí)，會(huì)終止對(duì)電池的充電以滿足車輛性能要求，即使電池的SOC已經(jīng)很低。自適應(yīng)模糊控制策略在能量?jī)?yōu)化策略中使用廣泛，其主要缺點(diǎn)是不考慮動(dòng)力傳動(dòng)系統(tǒng)的效率。

2.3 全局最優(yōu)控制策略

（1）線性規(guī)劃

Tate E D, Boyd S P[18]將凸規(guī)劃用于能量管理系統(tǒng)。他們將極小化燃油消耗表述為非線性的凸規(guī)劃問題并最終近似為一個(gè)大的線性規(guī)劃問題。其中瞬時(shí)的燃油消耗假設(shè)為發(fā)動(dòng)機(jī)輸出功率的凸函數(shù)，，一系列類似的處理方式用于該問題。最終建立目標(biāo)方程為并包含許多限制條件。這種控制策略可以提供全局最優(yōu)解，然而轉(zhuǎn)換過程中用到了許多近似，事實(shí)上線性規(guī)劃對(duì)于復(fù)雜的動(dòng)力傳動(dòng)系統(tǒng)的能量?jī)?yōu)化控制是不合適的。

（2）動(dòng)態(tài)規(guī)劃

Lin C C, Peng H, Grizzle J W, et al[19]將DP算法用于混合動(dòng)力卡車的最優(yōu)功率分配。以汽車在已知工況下的油耗最小為最終目標(biāo)，建立相應(yīng)的能量流模型，將車輛運(yùn)行工況按時(shí)間間隔，劃分為若干相繼的片段，然后求得各片段發(fā)動(dòng)機(jī)功率最優(yōu)輸出序列，使目標(biāo)函數(shù)達(dá)到極值。DP算法需要知道車輛的工況，且迭代過程計(jì)算量較大，DP算法的結(jié)果代表著能量?jī)?yōu)化結(jié)果的最好效果。

（3）隨機(jī)動(dòng)態(tài)規(guī)劃

Lin C C, Peng H, Grizzle J W[20]使用隨機(jī)動(dòng)態(tài)規(guī)劃對(duì)混合動(dòng)力汽車的能量分配策略進(jìn)行優(yōu)化。這種方法認(rèn)為駕駛員的功率需求基于Markov過程，能量分配策略是在一系列隨機(jī)的駕駛工況中進(jìn)行最優(yōu)控制，而不是針對(duì)優(yōu)化某種給定的工況。隨機(jī)動(dòng)態(tài)規(guī)劃策略可以求解有約束的非線性優(yōu)化問題，這種控制策略可以產(chǎn)生隨時(shí)間連續(xù)變化的能量分配策略，用以控制發(fā)動(dòng)機(jī)與電池的實(shí)際能量分配，但這種控制策略需要經(jīng)過確定的動(dòng)態(tài)規(guī)劃策略的訓(xùn)練。

2.4 實(shí)時(shí)最優(yōu)控制策略

（1）等效燃油消耗

Sciarretta A, Back M, Guzzella L[21]采用等效燃油消耗控制策略來實(shí)現(xiàn)實(shí)時(shí)的最優(yōu)控制過程。優(yōu)化目標(biāo)函數(shù)為：

其中和是時(shí)間內(nèi)的燃油能量消耗和電能消耗。應(yīng)當(dāng)注意的是這種控制策略不依賴于平均效率。權(quán)重因子通過下式獲得：

其中和用于評(píng)估駕駛結(jié)束后等效電能的消耗的正負(fù)。等效燃油消耗控制策略的缺點(diǎn)是沒有明確的考慮電池的持續(xù)充電問題。

（2）去耦控制策略

Pisu P, Koprubasi K, Rizzoni G[22]提出了一種新穎的控制策略來確保可接受的車輛駕駛性能。除了駕駛功率需求和電池SOC，還有其它措施來保證車輛的駕駛性能，比如換擋平順及減少傳動(dòng)系統(tǒng)振動(dòng)。針對(duì)電機(jī)用于直接驅(qū)動(dòng)后輪且發(fā)動(dòng)機(jī)上集成啟動(dòng)電機(jī)的動(dòng)態(tài)車輛模型，采用去耦控制策略。控制器的輸出由三部分組成：1.第一部分駕駛功率需求的設(shè)計(jì)使用等效燃油消耗的控制策略；2.第二部分主要用于控制電池SOC；3.第三部分確保車輛的駕駛性能，這部分采用線性二次型調(diào)節(jié)器。但這種控制策略仍處于發(fā)展的初級(jí)階段。

（3）最優(yōu)預(yù)測(cè)控制

Salman M, Chang M F, Chen J S[23]引入了價(jià)值函數(shù)用于表示等效燃油消耗，這個(gè)價(jià)值函數(shù)可以有預(yù)見性的找到實(shí)時(shí)預(yù)測(cè)控制法則。最優(yōu)控制理論用于解決上述問題，這種方法通過預(yù)先查看駕駛方式和地形信息，實(shí)現(xiàn)燃油經(jīng)濟(jì)性的瞬時(shí)最優(yōu)。

3 總結(jié)

本文依據(jù)Salmasi F R[12]，Wirasingha SG,Emadi A[13]將混合動(dòng)力汽車能量控制策略分為兩種類型：基于規(guī)則的能量控制策略和最優(yōu)化能量控制策略?；谝?guī)則的能量控制策略實(shí)現(xiàn)起來相對(duì)簡(jiǎn)單，但不能得到問題的最優(yōu)解。全局最優(yōu)的控制策略需要預(yù)先知道未來的駕駛信息，且運(yùn)算耗時(shí)。針對(duì)具體的工程問題，可以根據(jù)所需實(shí)現(xiàn)的目標(biāo)選擇合適的能量控制策略，以期實(shí)現(xiàn)以最小的代價(jià)獲取較優(yōu)控制結(jié)果的目的。

[1] 陳清泉,孫逢春,祝嘉光,等.現(xiàn)代電動(dòng)汽車技術(shù)[M].北京理工大學(xué)出版社, 2002.

[2] 阿布里提?阿布都拉,清水健一.電動(dòng)汽車的發(fā)展現(xiàn)狀和開發(fā)方向[J].電工電能新技術(shù), 2001, 20(1):49-53.

[3] (波蘭)Szumanowski A 著.混合電動(dòng)車輛基礎(chǔ).陳清泉,孫逢春譯[M].北京:北京理工大學(xué)出版社,2001.

[4] 廣瀨久士,丹下昭二.電動(dòng)車及混合動(dòng)力車的現(xiàn)狀與展望[J].汽車工程, 2003, 25(2): 204-209.

[5] 王冬,田光宇,陳全世.混合動(dòng)力電動(dòng)汽車動(dòng)力系統(tǒng)選型策略分析[J].汽車工業(yè)研究,2001, (2):17-20.

[6] Chan C C. The state of the art of electric and hybrid vehicles[J]. Proceedings of the IEEE, 2002, 90(2): 247-275.

[7] Wirasingha S G, Emadi A. Classification and review of control strategies for plug-in hybrid electric vehicles[J]. IEEE Transactions on Vehicular Technology, 2011, 60(1): 111-122.

[8] 鄧元望,王耀南,陳潔平.混合動(dòng)力驅(qū)動(dòng)系統(tǒng)及其在越野車中的應(yīng)用[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2006,37(10):38-41.

[9] 朱元.混合動(dòng)力汽車能量管理策略的四步驟設(shè)計(jì)方法[D].清華大學(xué)汽車工程系,2003.

[10] Guzzella L, Sciarretta A. Vehicle propulsion systems[M].Springer, 2007.

[11] Sciarretta A, Guzzella L. Control of hybrid electric vehicles[J]. Con -trol systems, IEEE, 2007, 27(2): 60-70.

[12] Salmasi F R. Control strategies for hybrid electric vehicles: Evolu -tion,classification, comparison,and future trends[J]. IEEE Transac- tions on Vehicular Technology, 2007, 56(5): 2393-2404.

Summary of Energy Optimization of Hybrid Vehicle

Shang Zhicheng, Liu Yiming

( Chongqing Vehicle Inspection Research Institute Co., Ltd., National Bus Quality Supervision and Inspection Center, Chongqing 401122 )

This paper focuses on three kinds of classification methods of energy optimization for hybrid electric vehicles, introduces and compares several common control strategies of energy optimization, and obtains the advantages and disadvan -tages of these algorithms and their adaptive occasions.

hybrid electric vehicle;energy control strateg

U469.7

A

1671-7988(2019)07-29-03

尚志誠（1989-），男，工程師，就職于重慶車輛檢測(cè)研究院有限公司，國(guó)家客車質(zhì)量監(jiān)督檢驗(yàn)中心。

U469.7

A

1671-7988(2019)07-29-03

10.16638/j.cnki.1671-7988.2019.07.009