淺談混合動(dòng)力汽車(chē)發(fā)展現(xiàn)狀*

紀(jì)承乾

（新疆職業(yè)大學(xué)，烏魯木齊830001）

主題詞：混合動(dòng)力汽車(chē) 能量管理策略 全局優(yōu)化 PMP

1 前言

過(guò)度消耗化石能源帶來(lái)了一系列環(huán)境問(wèn)題，“節(jié)能減排”迫在眉睫。因此，發(fā)展氫能、電能的新能源汽車(chē)成為緩解環(huán)境污染的有效途徑。插電式混合動(dòng)力汽車(chē)（Plug-in Hybrid Electric Vehicle,PHEV）作為新能源汽車(chē)的代表，具有輸出扭矩大、加速快、里程長(zhǎng)的優(yōu)點(diǎn)。傳統(tǒng)汽車(chē)向PHEV轉(zhuǎn)變首先要解決能量管理問(wèn)題，其實(shí)質(zhì)是將整車(chē)行駛過(guò)程中需求的動(dòng)力在驅(qū)動(dòng)部件之間進(jìn)行分配。2019年，我國(guó)混合動(dòng)力汽車(chē)銷(xiāo)售23.2萬(wàn)輛，其中銷(xiāo)量前3分別是比亞迪唐DM、寶馬5系PHEV、大眾帕薩特PHEV。預(yù)計(jì)2025年，我國(guó)HEV保有量將達(dá)到500萬(wàn)輛。若每輛車(chē)能量管理效果提升10%，每年節(jié)約的能源相當(dāng)于11.4個(gè)中型火電站一年發(fā)出的能源。隨著PHEV數(shù)量的增加，每年節(jié)約的能源將會(huì)更多。因此，研究PHEV的能量管理對(duì)于資源短缺、環(huán)境惡化具有重要的現(xiàn)實(shí)意義。

2 混合動(dòng)力結(jié)構(gòu)發(fā)展趨勢(shì)

在國(guó)際市場(chǎng)上，各汽車(chē)企業(yè)陸續(xù)上市多款插電式混合動(dòng)力汽車(chē)（Plug-in Hybrid Electric Vehicle，PHEV），驅(qū)動(dòng)結(jié)構(gòu)也多種多樣。有早期的以行星齒輪作為功率分流裝置實(shí)現(xiàn)的混合驅(qū)動(dòng)構(gòu)型，此種結(jié)構(gòu)主要特點(diǎn)是不需要控制，完全由發(fā)動(dòng)機(jī)、電動(dòng)機(jī)工作狀況決定，主要車(chē)型有豐田PRIUS（圖1）、福特FU?SION。有眾多歐洲廠商采用的P2并聯(lián)結(jié)構(gòu)，此種結(jié)構(gòu)主要特點(diǎn)是電動(dòng)機(jī)置于變速箱輸入端與發(fā)動(dòng)機(jī)通過(guò)離合器耦合。發(fā)動(dòng)機(jī)可通過(guò)P2電機(jī)起動(dòng)并迅速提高轉(zhuǎn)速，避免低轉(zhuǎn)速、高扭矩造成的能源浪費(fèi)。在制動(dòng)時(shí)，利用電動(dòng)機(jī)回收制動(dòng)能量。主要車(chē)型有德國(guó)大眾途觀L PHEV、奧迪A3 e-tron。還有雙電機(jī)串并聯(lián)結(jié)構(gòu)，此種結(jié)構(gòu)中2個(gè)電機(jī)分別是：發(fā)電機(jī)和電動(dòng)機(jī)，例如本田公司的i-MMD混動(dòng)系統(tǒng)，主要車(chē)型有CR-V（圖2）、雅閣PHEV、Inspire，寶馬X1 PHEV（圖3）。除此之外，還有增程式新能源汽車(chē)，此種結(jié)構(gòu)發(fā)動(dòng)機(jī)不只為汽車(chē)提供扭矩，為動(dòng)力電池充電，還具有行駛里程長(zhǎng)的優(yōu)點(diǎn)，但是在化石能源向電能轉(zhuǎn)換過(guò)程中有不可避免的能量損耗。

圖1 豐田PRIUS[1]

圖2 本田CR-V PHEV[2]

圖3 寶馬X1 PHEV[3]

經(jīng)過(guò)數(shù)年來(lái)政府大力支持和國(guó)內(nèi)企業(yè)的不懈努力，我國(guó)新能源汽車(chē)取得了較為顯著的進(jìn)步。比亞迪推出“秦PHEV”、“唐DM”（圖4）、“宋DM”、“元EV”及其多種衍生車(chē)型。比亞迪“DM車(chē)系”采用自主研發(fā)的“三擎動(dòng)力”結(jié)構(gòu)，該結(jié)構(gòu)不僅含有常規(guī)發(fā)動(dòng)機(jī)，還含有3個(gè)電機(jī)，動(dòng)力強(qiáng)勁。唐DM從0加速到100 km/h僅需要4.5 s。吉利汽車(chē)推出的帝豪GL PHEV（圖5）是國(guó)內(nèi)首創(chuàng)的P2.5電機(jī)布局結(jié)構(gòu)，此結(jié)構(gòu)將電機(jī)置于變速箱內(nèi)部。上汽的榮威eRX5 PHEV搭載1.5 T最大功率為119 kW、最大扭矩為250 N·m發(fā)動(dòng)機(jī)和最大功率為56 kW、最大扭矩為318 N·m的電動(dòng)機(jī)，百公里綜合油耗僅1.5 L。長(zhǎng)城汽車(chē)的WEY VV7 PHEV（圖6）、長(zhǎng)安的CS75 PHEV（圖7）都有不俗的市場(chǎng)表現(xiàn)力。

圖4 比亞迪唐DM[4]

圖5 吉利帝豪GL PHEV[5]

圖6 長(zhǎng)城VV7 PHEV[6]

圖7 長(zhǎng)安CS75新能源[7]

縱觀混合動(dòng)力汽車(chē)發(fā)展的歷程其主要特點(diǎn)總結(jié)如下。

（1）多種混合動(dòng)力結(jié)構(gòu)層出不窮、多種結(jié)構(gòu)并存、功率分流裝置向可控化、精細(xì)化方向發(fā)展；

（2）混合動(dòng)力汽車(chē)中電動(dòng)機(jī)功率比重增加，整車(chē)油耗進(jìn)一步降低；

（3）動(dòng)力電池組容量增大，純電續(xù)航里程增加。

3 能量管理策略研究現(xiàn)狀

能量管理策略（Energy Management Strategy，EMS）依據(jù)整車(chē)行駛過(guò)程中需求扭矩，合理分配驅(qū)動(dòng)器件之間的輸出功率，是整車(chē)結(jié)構(gòu)確定后最重要的設(shè)計(jì)環(huán)節(jié)。PHEV在需求扭矩一定情況下，電動(dòng)機(jī)輸出扭矩越大發(fā)動(dòng)機(jī)的燃油消耗量、排量越小，反之則反。因此，能量管理的結(jié)果直接影響整車(chē)性能。由于車(chē)身結(jié)構(gòu)差異、載荷不同、工況未知的復(fù)雜條件給PHEV能量管理策略帶來(lái)極大的挑戰(zhàn)?？偟膩?lái)說(shuō)能量管理策略只能兼顧燃油經(jīng)濟(jì)性、排放性、駕駛性、動(dòng)力性、實(shí)時(shí)性其中某一方面或者某幾方面，很難在各個(gè)方面均達(dá)到令人滿意的結(jié)果。

目前對(duì)能量管理策略的研究主要分為3類(lèi)（圖8）：

圖8 混合動(dòng)力汽車(chē)能量管理控制策略

（1）基于規(guī)則的管理策略；

（2）基于優(yōu)化的管理策略；

（3）基于人工智能的管理策略。

基于規(guī)則的管理策略實(shí)時(shí)性好，控制也相對(duì)簡(jiǎn)單，但嚴(yán)重依賴于車(chē)身結(jié)構(gòu)，主要有2種實(shí)現(xiàn)形式。

（1）確定規(guī)則的管理方法—根據(jù)車(chē)輛當(dāng)前的扭矩、速度、加速度等狀態(tài)信息設(shè)定發(fā)動(dòng)機(jī)或電動(dòng)機(jī)的工作閾值點(diǎn)，劃分工作區(qū)間；

（2）模糊規(guī)則的管理方法，利用模糊控制優(yōu)勢(shì)建立狀態(tài)信息及變量的隸屬度函數(shù)，確立模糊規(guī)則進(jìn)行能量管理。

基于優(yōu)化的管理策略全局性好，但控制較為復(fù)雜、實(shí)時(shí)性差；分為基于靜態(tài)數(shù)據(jù)的全局優(yōu)化和基于動(dòng)態(tài)數(shù)據(jù)的瞬時(shí)優(yōu)化。

基于學(xué)習(xí)的管理策略不依賴于工況信息，然而控制最復(fù)雜，訓(xùn)練所耗時(shí)間極長(zhǎng)，主要采用深度學(xué)習(xí)的方法。

3.1 基于確定規(guī)則的能量管理策略

基于確定規(guī)則的能量管理策略主要有恒溫器控制、功率跟隨法、狀態(tài)機(jī)控制。按照設(shè)定的閾值一般將PHEV工作模式劃分為：純電模式、燃油模式、混合驅(qū)動(dòng)模式、回饋制動(dòng)模式、行車(chē)充電模式和停車(chē)充電模式。

Anbaran指出[8]，當(dāng)PHEV在起動(dòng)、蠕動(dòng)、燃油不足和動(dòng)力電池組高SOC（State Of Charge）時(shí)，為提高整車(chē)效率，關(guān)閉發(fā)動(dòng)機(jī)由電動(dòng)機(jī)單獨(dú)驅(qū)動(dòng)，此為純電動(dòng)模式；當(dāng)動(dòng)力電池組低SOC、整車(chē)需求扭矩在發(fā)動(dòng)機(jī)最佳工作區(qū)間運(yùn)行時(shí)由發(fā)動(dòng)機(jī)單獨(dú)驅(qū)動(dòng)，此為燃油模式；而當(dāng)動(dòng)力電池組SOC不足，需求扭矩小于發(fā)動(dòng)機(jī)最佳工作區(qū)間的最小值，此時(shí)電動(dòng)機(jī)工作在發(fā)電模式為動(dòng)力電池組充電，這種工作方式為行車(chē)充電模式；減速或者下坡時(shí)，發(fā)動(dòng)機(jī)不工作，電機(jī)作為發(fā)電機(jī)運(yùn)行，稱這種模式為回饋制動(dòng)模式；停車(chē)充電模式由市電為電池組充電。文獻(xiàn)[9]將發(fā)動(dòng)機(jī)負(fù)荷狀態(tài)分為高、中、中低3個(gè)區(qū)間，再結(jié)合油門(mén)踏板的開(kāi)度和變化速度，計(jì)算整車(chē)需求功率，從而確定車(chē)輛的工作模式。實(shí)驗(yàn)結(jié)果表明PHEV與傳統(tǒng)汽車(chē)相比，在燃油經(jīng)濟(jì)性和尾氣排放性上具有明顯的優(yōu)勢(shì)。為了避免發(fā)動(dòng)機(jī)怠速狀態(tài)和小負(fù)荷運(yùn)行，Hu[10]利用電機(jī)調(diào)節(jié)發(fā)動(dòng)機(jī)工作負(fù)荷。利用電機(jī)使發(fā)動(dòng)機(jī)工作在燃油效率最高點(diǎn)，從而提高了燃油經(jīng)濟(jì)性。舒紅[11]針對(duì)不同循環(huán)工況采用混聯(lián)型混合動(dòng)力汽車(chē)模型進(jìn)行研究。在實(shí)驗(yàn)過(guò)程中以最大綜合效率為目標(biāo)，將車(chē)輛工作狀態(tài)劃分為3種模式：充電工況、放電工況和制動(dòng)工況。非制動(dòng)模式下以最大效率為目標(biāo)，制動(dòng)模式以最大回饋量為目標(biāo)。實(shí)驗(yàn)結(jié)果表明相對(duì)于傳統(tǒng)汽車(chē)燃油經(jīng)濟(jì)性提高了36.95%。Adhikari[12]基于功率平衡理論，采用控制動(dòng)力電池組SOC、降低發(fā)動(dòng)機(jī)起動(dòng)頻率、安裝ISG（In?tegrated Starter Generator）電機(jī)等一系列手段，降低9.3%的燃油消耗量。除此之外，還有研究者從變速箱的結(jié)構(gòu)出發(fā)將發(fā)動(dòng)機(jī)控制在高效區(qū)間；考慮扭矩、效率MAP圖等提高燃油經(jīng)濟(jì)性[13]。

3.2 基于模糊規(guī)則的能量管理策略

在PHEV行駛過(guò)程中，由于整個(gè)系統(tǒng)具有非線性、時(shí)變的特點(diǎn)，利用模糊控制的魯棒性和實(shí)時(shí)性能有效解決基于確定規(guī)則的不足之處。文獻(xiàn)[14]根據(jù)以往經(jīng)驗(yàn)確定模糊隸屬度函數(shù)與模糊規(guī)則，對(duì)不同結(jié)構(gòu)的燃料電池混合動(dòng)力汽車(chē)進(jìn)行對(duì)比研究，期望找到最小能耗組合。文獻(xiàn)[15]對(duì)動(dòng)力電池組SOC和發(fā)動(dòng)機(jī)扭矩分配設(shè)計(jì)模糊規(guī)則控制器，確保發(fā)動(dòng)機(jī)工作在高效區(qū)間，實(shí)驗(yàn)結(jié)果表明該控制器提高了燃油經(jīng)濟(jì)性與排放性。文獻(xiàn)[16]同樣采用2個(gè)模糊控制器對(duì)動(dòng)力電池組SOC和發(fā)動(dòng)機(jī)扭矩分別控制。還有學(xué)者將模糊邏輯規(guī)則與其它方法相結(jié)合進(jìn)行規(guī)則設(shè)計(jì)。Zhao[17]與等效油耗最小相結(jié)合，對(duì)等效因子進(jìn)行優(yōu)化，提高了燃油經(jīng)濟(jì)性。Won[18]將模糊控制與粒子群算法相結(jié)合，對(duì)發(fā)動(dòng)機(jī)扭矩進(jìn)行優(yōu)化控制。Vural[19]利用遺傳算法對(duì)模糊控制的隸屬度函數(shù)與模糊集合進(jìn)行優(yōu)化，并利用優(yōu)化后的模糊控制器對(duì)發(fā)動(dòng)機(jī)扭矩進(jìn)行優(yōu)化。Rajagopalan[20]利用模糊PID控制策略，對(duì)采用AMT(Advanced Manufacturing Technology)變速箱的混合動(dòng)力汽車(chē)扭矩進(jìn)行了最優(yōu)分配。由于駕駛員駕駛方式的不同能耗可能存在差異，為此Gu[21]基于模糊邏輯控制，指出駕駛意圖識(shí)別對(duì)能量管理策略的影響。尹安東[22]利用神經(jīng)網(wǎng)絡(luò)對(duì)模糊控制器進(jìn)行在線的學(xué)習(xí)優(yōu)化，優(yōu)化后能耗降低10%。

基于規(guī)則的策略雖然計(jì)算量小，但同樣存在嚴(yán)重依賴于工程師經(jīng)驗(yàn)、無(wú)法適應(yīng)不同循環(huán)工況、難以制定2個(gè)或2個(gè)以上規(guī)則管理策略、對(duì)車(chē)身結(jié)構(gòu)要求嚴(yán)格、管理策略適應(yīng)性不強(qiáng)的缺點(diǎn)。為解決這些不足，更多的研究者探索基于優(yōu)化的管理策略。

3.3 基于全局優(yōu)化的管理策略

基于全局優(yōu)化的管理策略基于循環(huán)工況已知的前提下，多采用龐特里亞金極小值原理(Pontryagin’s Minimum Principle,PMP)、動(dòng)態(tài)規(guī)劃(Dynamic Program?ming,DP)、遺傳算法（Genetic algorithm,GA）。

DP在20世紀(jì)50年代，由美國(guó)數(shù)學(xué)家Bellman提出。DP在解決多階段問(wèn)題時(shí)效果較為顯著，其基本思想是將多階段問(wèn)題轉(zhuǎn)化為一系列單階段問(wèn)題，然后再注意求解的方法。而混合動(dòng)力汽車(chē)在行駛過(guò)程中按照時(shí)間離散化后，就是一個(gè)多階段問(wèn)題。盡管DP計(jì)算量大、計(jì)算時(shí)間長(zhǎng)、容易陷入維度困擾的問(wèn)題，但自從2000年DP運(yùn)用到能量管理上后[23]，受到大多研究者的青睞。洪志湖[24]以耦合側(cè)輸入為研究對(duì)象，利用DP優(yōu)化并聯(lián)混合動(dòng)力汽車(chē)輸出扭矩，研究表明相對(duì)于功率平衡策略，燃油經(jīng)濟(jì)性提高了10.95%，動(dòng)力電池組SOC降低了3.36%。Luo[25]利用DP協(xié)調(diào)控制混合動(dòng)力汽車(chē)的巡航安全性與燃油經(jīng)濟(jì)性。針對(duì)DP算法計(jì)算量大的缺點(diǎn)，研究者們提出了DP規(guī)劃的改進(jìn)算法降低計(jì)算復(fù)雜度[26-28]。還有部分研究者考慮了基于DP的能量管理策略其它問(wèn)題，如：文獻(xiàn)[29]考慮了燃料電池汽車(chē)DP算法能量管理策略累計(jì)誤差問(wèn)題，并提出了解決辦法，使得最優(yōu)氫耗量誤差在0.5%內(nèi)。鄧濤[30]將PHEV與智能家居相結(jié)合，以分時(shí)電價(jià)和分時(shí)能耗為背景，利用DP優(yōu)化最小電價(jià)成本的管理策略，實(shí)驗(yàn)表明夏季、冬季家用電費(fèi)分別節(jié)省50%、27%。宋珂[31]針對(duì)DP需要預(yù)先知曉循環(huán)工況的缺點(diǎn)，提出了基于隨機(jī)動(dòng)態(tài)規(guī)劃的能量管理策略。該策略是在統(tǒng)計(jì)、分析已知工況前提下，建立馬爾可夫鏈隨機(jī)預(yù)測(cè)模型。實(shí)驗(yàn)結(jié)果表明該策略在燃油經(jīng)濟(jì)性、發(fā)動(dòng)機(jī)效率、電機(jī)效率等有較優(yōu)的表現(xiàn)。

PMP是由蘇聯(lián)學(xué)者Pontryagins等人在20世紀(jì)50年代提出，適用于解決控制條件與狀態(tài)約束條件受限問(wèn)題。從汽車(chē)需求扭矩得到Hamiltonian方程后，基于一定條件下，PMP能快速的獲得全局最優(yōu)解。相比于DP，PMP能在保證全局最優(yōu)前提下更快的獲得最優(yōu)解。文獻(xiàn)[32]利用PMP對(duì)PHEV進(jìn)行能量管理，并且其結(jié)果與DP結(jié)果相近。證明了PMP在能量管理問(wèn)題中的有效性。針對(duì)行駛過(guò)程中CO2排放量的問(wèn)題，Stockar[33]利用PMP進(jìn)行了優(yōu)化。Xu[34]采用PMP進(jìn)行實(shí)時(shí)規(guī)劃，其目的在于保證全局最優(yōu)解前提下，減少計(jì)算量，縮短計(jì)算時(shí)間。Yuan[35]考慮了電池壽命問(wèn)題，利用PMP對(duì)并聯(lián)HEV進(jìn)行能量管理，并于DP算法結(jié)果相比較，實(shí)驗(yàn)表明其結(jié)果僅差0.4%。還有學(xué)者將PMP與DP算法相結(jié)合，DP用于換擋控制，PMP用于功率控制。與DP相比計(jì)算速度提高了171倍，與標(biāo)準(zhǔn)換擋策略相比燃油經(jīng)濟(jì)性提高了26.8%。武小花[36]為了提高燃料電池混合動(dòng)力系統(tǒng)的效率和保持動(dòng)力電池組SOC，利用PMP為主體設(shè)計(jì)了能量管理策略。實(shí)驗(yàn)結(jié)果表明無(wú)論電池初始SOC為何值，該算法總能使系統(tǒng)效率提高2.6%。為了降低計(jì)算復(fù)雜度，文獻(xiàn)[37]考慮了發(fā)動(dòng)機(jī)頻繁起停的影響，設(shè)計(jì)了基于近似PMP的能量管理策略。Hou、洪志湖等從工況方面考慮，將工況信息聚類(lèi)處理后，再利用PMP進(jìn)行能量管理[38-39]。

GA是模擬生物進(jìn)化的一種仿生算法，其解具有全局最優(yōu)的優(yōu)點(diǎn)，但其計(jì)算量大、計(jì)算過(guò)程中容易陷入局部最優(yōu)解的缺點(diǎn)也很明顯。PHEV的動(dòng)力部件參數(shù)的選取與控制策略息息相關(guān)，Zhang[40]對(duì)2者同時(shí)進(jìn)行優(yōu)化，結(jié)果表明燃油經(jīng)濟(jì)性提高了8.97%。Zhang[41]將能量管理過(guò)程中單目標(biāo)問(wèn)題轉(zhuǎn)換為多目標(biāo)問(wèn)題，并利用GA進(jìn)行能量管理實(shí)現(xiàn)最優(yōu)控制，在燃油經(jīng)濟(jì)性方面表現(xiàn)平平，但在尾氣排放性方面提高了5%～10%，效果顯著。Boehme[42]針對(duì)不同規(guī)格的驅(qū)動(dòng)部件影響能量管理的結(jié)果，利用GA設(shè)計(jì)了雙層控制策略，實(shí)現(xiàn)能量管理。有學(xué)者考慮到單純采用GA算法存在缺陷，與其余智能算法相結(jié)合形成相對(duì)完善的能量管理策略。Hu[43]將GA與模糊控制結(jié)合，該策略利用GA算法優(yōu)化模糊控制器，再進(jìn)行能量管理。張松[44]利用PSO與GA算法相結(jié)合，進(jìn)行多目標(biāo)規(guī)劃，結(jié)果表明，燃油經(jīng)濟(jì)性與尾氣排放性均提高30%左右。還有學(xué)者提出利用混沌-遺傳算法[45]、免疫-遺傳算法[46]進(jìn)行能量管理。

3.4 基于瞬時(shí)優(yōu)化的能量管理策略

瞬時(shí)優(yōu)化的能量管理策略，僅僅考慮當(dāng)前狀態(tài)，制定出決策向量。此種控制策略，可以保證在每一步是最優(yōu)控制，但就總體而言不能保證全局最優(yōu)。在現(xiàn)實(shí)運(yùn)行過(guò)程中，瞬時(shí)優(yōu)化相對(duì)于全局優(yōu)化更容易實(shí)現(xiàn)，由于全局狀態(tài)難以獲取、道路信息、車(chē)輛信息多變的特點(diǎn)，瞬時(shí)優(yōu)化更具有現(xiàn)實(shí)意義。主要有等效油耗最小策略、模型預(yù)測(cè)管理方法。

等效油耗最小控制策略(Equivalent Consumption Minimization Strategy,ECMS)是將電動(dòng)機(jī)的能耗通過(guò)轉(zhuǎn)換、表述為發(fā)動(dòng)機(jī)的能耗，實(shí)質(zhì)上是使綜合油耗最小的控制策略。雖然ECMS算法能實(shí)現(xiàn)的瞬時(shí)優(yōu)化，沒(méi)有達(dá)到全局最優(yōu)，但具有計(jì)算速度快、效果近似于全局優(yōu)化的特點(diǎn)。文獻(xiàn)[47]對(duì)基于規(guī)則的能量管理策略、自適應(yīng)的ECMS和H∞3種方法做了對(duì)比，實(shí)驗(yàn)結(jié)果表明，自適應(yīng)ECMS具有計(jì)算量小、能耗低的優(yōu)點(diǎn)。Marano[48]將ECMS與DP規(guī)劃對(duì)比研究，實(shí)驗(yàn)結(jié)果表明ECMS燃油經(jīng)濟(jì)性稍低于DP，但ECMS的優(yōu)勢(shì)在于不需要預(yù)知工況信息。

模型預(yù)測(cè)能量管理策略，將全局優(yōu)化問(wèn)題轉(zhuǎn)化為局部?jī)?yōu)化問(wèn)題，通過(guò)一步一步滾動(dòng)優(yōu)化，預(yù)測(cè)下一步可能出現(xiàn)的狀態(tài)。主要優(yōu)點(diǎn)是適應(yīng)性強(qiáng)，處理非線性問(wèn)題能力強(qiáng)。羅禹貢[49]利用馬爾可夫鏈進(jìn)行預(yù)測(cè)，并取得了較好的結(jié)果。CAIRANO[50]同樣用到馬爾可夫鏈，不同之處在于此篇文章使用馬爾可夫鏈對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，再利用深度學(xué)習(xí)的策略。實(shí)驗(yàn)結(jié)果表明，此種方法能有效提高預(yù)測(cè)準(zhǔn)確性。

3.5 基于學(xué)習(xí)的控制策略

基于學(xué)習(xí)的控制策略是相對(duì)新穎的控制方法，主要分為2大類(lèi)：監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)。前者能有效處理分類(lèi)問(wèn)題，后者在聚類(lèi)辨識(shí)的應(yīng)用更廣。對(duì)于能量管理問(wèn)題，Khayyam[51]將神經(jīng)網(wǎng)絡(luò)、模糊邏輯結(jié)合，利用神經(jīng)網(wǎng)絡(luò)優(yōu)化模糊邏輯參數(shù)，有效提高了模糊邏輯的通用性。Chen[52]采用支持向量機(jī)對(duì)工況進(jìn)行辨識(shí)，對(duì)辨識(shí)之后的結(jié)果采用不同基于規(guī)則的策略進(jìn)行管理，能有效應(yīng)對(duì)各種工況。

4 存在的問(wèn)題及展望

針對(duì)PHEV的研究很多，有從結(jié)構(gòu)上改進(jìn)，有從控制策略上優(yōu)化，還有從循環(huán)工況獲取上入手，但很多研究都只是針對(duì)同一種動(dòng)力總成結(jié)構(gòu)。對(duì)于不同結(jié)構(gòu)的車(chē)輛，控制策略需要單獨(dú)設(shè)計(jì)。特別是一種新式的PHEV車(chē)型需要重新設(shè)計(jì)控制策略。而且現(xiàn)有研究大多只考慮燃油經(jīng)濟(jì)性，考慮排放性的相對(duì)較少，考慮動(dòng)力電池組使用壽命的更少，更不用說(shuō)3者都考慮在內(nèi)。即使有考慮多目標(biāo)優(yōu)化的控制策略，也是通過(guò)將各目標(biāo)函數(shù)加權(quán)，使多目標(biāo)轉(zhuǎn)變?yōu)閱文繕?biāo)問(wèn)題。

發(fā)展新能源汽車(chē)主要目的是節(jié)能、減排，雖然新能源汽車(chē)綜合油耗低、綜合排量少，但并沒(méi)有從根源上解決排放問(wèn)題，只是“少運(yùn)行”而已。沒(méi)考慮排放性的控制策略，在發(fā)動(dòng)機(jī)運(yùn)行時(shí)其尾氣排放種類(lèi)及含量與傳統(tǒng)汽車(chē)無(wú)異，并沒(méi)有達(dá)到期望中的減排效果。再者新能源汽車(chē)成本很大一部分集中在動(dòng)力電池組上，動(dòng)力鋰電池組生產(chǎn)時(shí)伴隨著嚴(yán)重的污染，若不對(duì)其進(jìn)行有效的保護(hù)與管理，可能會(huì)使其壽命降低，更換電池組的時(shí)間間隔縮短，整個(gè)車(chē)輛使用成本增加，生產(chǎn)污染增加。影響動(dòng)力電池組壽命很重要的一個(gè)因素就是動(dòng)力電池充放電電流。解決電池組電流大的方法有增加并聯(lián)電池組的數(shù)量、降低其功率。在PHEV上增加更多的電池組，會(huì)帶來(lái)一系列的缺點(diǎn)，如：購(gòu)車(chē)成本增加、內(nèi)部可用空間減小、會(huì)增加車(chē)身重量、行駛時(shí)車(chē)輛能耗增加。因此，將電池組運(yùn)行過(guò)程中的電流考慮在內(nèi)是有必要性與可行性的。