混合動(dòng)力汽車自適應(yīng)等效油耗最低能量管理策略

胡建軍，楊 穎，鄒玲菠，彭 桃

(重慶大學(xué) 汽車工程學(xué)院，重慶 400044)

近年來，隨著世界上汽車總量不斷攀升，能源與環(huán)境成為了不可忽視的問題[1]。插電式混合動(dòng)力汽車以電能和燃油作為能量源，能夠有效提升汽車燃油經(jīng)濟(jì)性，同時(shí)降低尾氣排放，非常具有研究意義[2]。能量管理策略是插電式混合動(dòng)力汽車的核心技術(shù)之一，決定了動(dòng)力源之間的動(dòng)力分配關(guān)系，對插電式混合動(dòng)力汽車的動(dòng)力性、燃油經(jīng)濟(jì)性、排放等都有重大影響。在目前的研究中，插電式混合動(dòng)力汽車能量管理策略主要被分成為兩大類[3-4]：基于規(guī)則的控制策略和基于優(yōu)化的控制策略。

基于規(guī)則的控制策略又分為基于確定規(guī)則與基于模糊規(guī)則的控制策略?；诖_定規(guī)則的控制策略[5-7]通過設(shè)立車速、電池荷電狀態(tài)(SOC，公式和圖表中用Sbat表示)、需求轉(zhuǎn)矩、功率等邏輯門限值，控制汽車進(jìn)入不同的工作模式，從而提升汽車的燃油經(jīng)濟(jì)性。這類方法簡單直觀，實(shí)用性強(qiáng)，但對工況的變化非常敏感，確定的邏輯門限值不能良好地適應(yīng)各種不同工況。為此，有學(xué)者提出基于模糊規(guī)則的控制策略[8-11]。程飛等[11]采用基于模糊規(guī)則的控制策略，通過對SOC、ΔSOC、K值(需求轉(zhuǎn)矩與當(dāng)前轉(zhuǎn)速下發(fā)動(dòng)機(jī)最大轉(zhuǎn)矩的比值)模糊化，制定相應(yīng)的模糊規(guī)則，控制電機(jī)和發(fā)動(dòng)機(jī)高效工作?；谀：?guī)則相比于基于確定規(guī)則的控制策略在一定程度上減少了對工況的依賴性，可實(shí)現(xiàn)非線性控制，魯棒性好。但它也是依靠專家經(jīng)驗(yàn)人為地根據(jù)發(fā)動(dòng)機(jī)和電機(jī)工作特性進(jìn)行經(jīng)驗(yàn)性控制與調(diào)節(jié)，插電式混合動(dòng)力汽車的燃油經(jīng)濟(jì)性仍有提升空間。

基于優(yōu)化的控制策略包括基于全局優(yōu)化的控制策略與基于瞬時(shí)優(yōu)化的控制策略?；谌謨?yōu)化的控制策略[12-15]主要包括基于動(dòng)態(tài)規(guī)劃(dynamic programming, DP)的控制策略、基于龐特里亞金最值原理(Pontryagin’s minimum principle, PMP)的控制策略。段駿華等[12]采用改進(jìn)型DP控制策略，仿真結(jié)果表明采用該改進(jìn)型DP控制策略可有效降低油耗。Kim等[15]用龐特里亞金最值原理獲得全局最優(yōu)解，其燃油經(jīng)濟(jì)性與DP十分接近。基于全局優(yōu)化的控制策略可使汽車達(dá)到最佳燃油經(jīng)濟(jì)性，但需預(yù)先知道未來行駛工況，同時(shí)數(shù)值計(jì)算量巨大，無法適用于插電式混合動(dòng)力汽車的實(shí)時(shí)控制。基于瞬時(shí)優(yōu)化的控制策略[16-22]主要包括基于模型預(yù)測控制 (model predictive control, MPC) 的控制策略和基于等效油耗最低的控制策略(equivalent consumption minimization strategy, ECMS)。Zhao等[16]使用基于模型預(yù)測的控制策略，將整個(gè)駕駛循環(huán)燃油經(jīng)濟(jì)性的全局最優(yōu)控制轉(zhuǎn)化成預(yù)測區(qū)域內(nèi)的局部優(yōu)化控制，以油耗最小化為目標(biāo)進(jìn)行滾動(dòng)優(yōu)化。Paganelli等[18]較早提出了ECMS，科學(xué)地將電量消耗等效為燃油消耗，實(shí)時(shí)選擇綜合油耗最低的工作點(diǎn)。歐陽等[20]采用ECMS通過BP神經(jīng)網(wǎng)絡(luò)識(shí)別行駛路況，優(yōu)化不同行駛路況的能量流動(dòng)控制。Zhang等[21]采用改進(jìn)的ECMS結(jié)合模糊PI算法調(diào)整等效因子，保證電池電量較為恒定，使得混合動(dòng)力汽車的燃油經(jīng)濟(jì)性進(jìn)一步提高。

ECMS無需專家經(jīng)驗(yàn)，控制效果優(yōu)于基于規(guī)則的管理策略；無需預(yù)知未來工況，工況適應(yīng)性好；計(jì)算量遠(yuǎn)小于基于全局優(yōu)化的控制策略，可實(shí)現(xiàn)實(shí)時(shí)控制和瞬時(shí)等效油耗最低，擁有著良好的應(yīng)用前景。該類方法通過等效因子將電能消耗等效為燃油消耗，因此制定等效因子是其核心，也是影響燃油經(jīng)濟(jì)性表現(xiàn)的關(guān)鍵因素。普通混合動(dòng)力汽車只能通過發(fā)動(dòng)機(jī)消耗燃油補(bǔ)充電能，故而電能消耗可合理等效為燃油消耗，文獻(xiàn)[18]中制定等效因子的方法被廣泛采用。但插電式混合動(dòng)力汽車可通過電網(wǎng)給電池充電，目前其油電等效因子并沒有統(tǒng)一的制定方法。

筆者通過動(dòng)態(tài)規(guī)劃算法，分析了不同典型工況、不同行駛距離下的最優(yōu)SOC下降軌跡，并得到了最優(yōu)SOC軌跡和行駛距離的一般規(guī)律；結(jié)合最優(yōu)SOC軌跡和行駛距離的一般規(guī)律，建立了單次充電行駛里程的概念并制定了一種新型的等效因子制定方法，進(jìn)而在傳統(tǒng)ECMS的基礎(chǔ)上，提出了一種可實(shí)時(shí)控制的自適應(yīng)等效油耗最低能量管理策略(adaptive equivalent consumption minimization strategy, AECMS)。

1 并聯(lián)插電式混合動(dòng)力汽車建模

基于Matlab建模仿真平臺(tái)，對某并聯(lián)插電式混合動(dòng)力汽車(PHEV)展開研究。其整車構(gòu)型如圖1所示，圖中C1為離合器，MG為ISG電機(jī)，AT為4擋自動(dòng)變速器。

圖1 某并聯(lián)插電式混合動(dòng)力汽車構(gòu)型Fig. 1 Configuration of a parallel PHEV

整車參數(shù)如表1所示，發(fā)動(dòng)機(jī)、電機(jī)、電池等部件數(shù)值模型數(shù)據(jù)均為臺(tái)架測試數(shù)據(jù)。該插電式混合動(dòng)力汽車共有5種工作模式，分別為純電動(dòng)模式(P_+EV)、發(fā)動(dòng)機(jī)單獨(dú)驅(qū)動(dòng)模式(P_engine)、混合驅(qū)動(dòng)模式(P_engine+MG)、行車充電模式(P_engine-MG)、制動(dòng)回收模式(P_-EV)。各工作模式下各部件的工作狀態(tài)如表2所示。

表1 汽車參數(shù)

表2 各工作模式下各部件的工作狀態(tài)

1.1 發(fā)動(dòng)機(jī)

通過數(shù)值建模得到發(fā)動(dòng)機(jī)燃油消耗率的數(shù)值模型如圖2所示。通過發(fā)動(dòng)機(jī)的工作轉(zhuǎn)速和轉(zhuǎn)矩可插值得到發(fā)動(dòng)機(jī)的燃油消耗率。

圖2 發(fā)動(dòng)機(jī)燃油消耗率map圖Fig. 2 Engine fuel consumption rate map

1.2 電機(jī)

電機(jī)模型也通過數(shù)值模型建立，電機(jī)效率的數(shù)值模型如圖3所示。

圖3 電機(jī)效率map圖Fig. 3 Motor efficiency map

電機(jī)在轉(zhuǎn)矩為正時(shí)處于驅(qū)動(dòng)狀態(tài)，轉(zhuǎn)矩為負(fù)時(shí)處于發(fā)電狀態(tài)。驅(qū)動(dòng)狀態(tài)下的電機(jī)功率由式(1)計(jì)算，發(fā)電狀態(tài)下由式(2)計(jì)算：

Pm_dis=nmTm/ηm_dis，

(1)

Pm_chg=nmTmηm_chg。

(2)

式中：nm和Tm分別代表電機(jī)的轉(zhuǎn)速和轉(zhuǎn)矩；Pm_dis和ηm_dis分別代表電機(jī)驅(qū)動(dòng)狀態(tài)下的功率和效率；Pm_chg和ηm_chg分別代表電機(jī)發(fā)電狀態(tài)下的功率和效率。

1.3 電池

選用電池內(nèi)阻模型[22]，電池功率由式(3)計(jì)算：

(3)

式中：Pbat為電池功率；Voc為電池開路電壓；Ibat為電池電流；Rbat為電池內(nèi)阻。Voc和Rbat均與電池電量狀態(tài)(SOC)有關(guān)，其數(shù)值模型如圖4中(a)(b)所示。

圖4 電池模型Fig. 4 Battery model

對式(3)求解得到電池電流：

(4)

電池SOC由式(5)計(jì)算得到：

(5)

式中：Sbat_t為電池經(jīng)過時(shí)間t后的SOC；Sbat_0為電池起始SOC；C為電池容量；t為電池充放電的時(shí)間。

2 控制策略設(shè)計(jì)

插電式混合動(dòng)力汽車的能量由電能和燃油共同提供，各能量源之間的關(guān)系如圖5所示。

圖5 混合動(dòng)力系統(tǒng)能量流動(dòng)圖Fig. 5 Energy flow diagram of hybrid power system

插電式混合動(dòng)力汽車的各能量源的關(guān)系如式(6)所示：

Eele+Efuel=Ereq。

(6)

式中：Eele為電能，Efuel為燃油能量，Ereq為需求能量。

由式(6)可知，插電式混合動(dòng)力汽車的需求能量由電能和燃油能量組成。在各個(gè)時(shí)刻，當(dāng)需求能量Ereq確定時(shí)，可以分配不同的Eele和Efuel以達(dá)到駕駛員的動(dòng)力需求。當(dāng)Eele為正時(shí)電機(jī)消耗電池電能，當(dāng)Eele為負(fù)時(shí)通過發(fā)動(dòng)機(jī)發(fā)電或者制動(dòng)回收補(bǔ)充電池電能。基于全局優(yōu)化的控制策略可以在各約束條件下，獲得各時(shí)刻方程的最優(yōu)解序列，通過最優(yōu)分配電能和燃油能量，使各時(shí)刻燃油消耗量之和最小，是理論上的最優(yōu)控制策略。SOC軌跡是電池電能消耗的表現(xiàn)形式，從SOC軌跡可以得到各時(shí)刻電能的使用情況，繼而可得到各個(gè)時(shí)刻電能和燃油能量的分配方式。

如圖6(a)所示，當(dāng)采用最優(yōu)控制策略時(shí)，可通過最優(yōu)分配電能和燃油能量，使汽車達(dá)到最低燃油消耗，此SOC下降軌跡便是最優(yōu)SOC下降軌跡。從另一個(gè)角度來說，如圖6(b)所示，如果已知某段行程中最優(yōu)SOC下降軌跡，就可以實(shí)時(shí)分配電能和燃油能量，使實(shí)際SOC沿最優(yōu)SOC下降軌跡變化。此時(shí)電能和燃油能量的分配方式等同于最優(yōu)控制策略，汽車可達(dá)到最低燃油消耗?？梢缘玫饺缦峦普摚喝绻崆耙?guī)劃出某段行程的最優(yōu)SOC下降軌跡，就可使汽車在這段行程中達(dá)到最低燃油消耗。

圖6 能量管理策略邏輯推理圖Fig. 6 Logic reasoning diagram of energy management strategy

2.1 DP控制策略

動(dòng)態(tài)規(guī)劃算法(DP)的原理是把一個(gè)連續(xù)的過程離散化，從全局的角度得出一個(gè)最優(yōu)解。DP控制策略是一種基于全局優(yōu)化的控制策略，通過DP控制策略可以使汽車在某段行程中燃油消耗最低。筆者基于DP控制策略仿真分析不同行駛距離、不同工況條件下的最優(yōu)SOC下降軌跡，在此基礎(chǔ)上探討SOC的變化規(guī)律。

2.1.1 模型搭建及求解

將電池的荷電狀態(tài)SOC定義為狀態(tài)變量，將發(fā)動(dòng)機(jī)的轉(zhuǎn)矩Te、自動(dòng)變速器擋位ig、工作模式m定義為控制變量。當(dāng)系統(tǒng)狀態(tài)從k階段轉(zhuǎn)移到k+1階段時(shí)，則系統(tǒng)的狀態(tài)轉(zhuǎn)移方程為：

Sbat(k+1)=Sbat(k)-ΔSbat(k)。

(7)

將發(fā)動(dòng)機(jī)轉(zhuǎn)矩Te離散化，在狀態(tài)轉(zhuǎn)移的過程中，當(dāng)各控制變量取不同值時(shí)，將產(chǎn)生不同的燃油消耗及電量消耗，這就是遞推過程中每一步產(chǎn)生的成本。將每一步的成本疊加就得到了整個(gè)系統(tǒng)的成本函數(shù)。成本函數(shù)由式(8)描述：

(8)

式中：Δffuel(k)為第k階段燃油消耗；fSOC(k)為第k階段懲罰項(xiàng)；F1(k)為第k階段的成本；N為總的階段數(shù)；J1_min為整個(gè)過程的最小成本。

懲罰函數(shù)由式(9)描述：

(9)

式中Sbat_low為電池理想工作區(qū)荷電狀態(tài)下限值。

在求解過程中，將每個(gè)階段的狀態(tài)變量和控制變量離散化后，并把整個(gè)測試工況按單位時(shí)間(1 s)進(jìn)行離散，采用插值的方式逐步求解[12]。各控制變量與狀態(tài)變量離散化程度如表3所示。

表3 各變量離散化程度

2.1.2 DP控制策略結(jié)果分析

為探究行駛距離、工況等重要因素對燃油經(jīng)濟(jì)性的影響，采用4種不同行駛距離以及8種典型工況進(jìn)行離線仿真，包括代表城市工況的UNIF01、WVUSUB、SC03，代表高速工況的WVUINTER、REP05和代表綜合工況的NEDC、WLTP、LA92。為減少對電池的損害，設(shè)定SOC初始值為0.9，SOC下限值為0.3[23]。不同循環(huán)工況、不同行駛距離下最優(yōu)SOC下降軌跡如圖7所示，所有SOC最終都下降到0.3附近，說明DP控制策略充分利用了電池電能，并通過懲罰函數(shù)限制電池電量不下降到過低的水平?？梢杂^察到即使工況不同、行駛距離不同，最優(yōu)SOC都大致隨行駛距離沿直線下降。

圖7 不同典型工況、不同行駛距離下SOC變化曲線Fig. 7 SOC change curve under different typical working conditions and different driving distances

2.2 自適應(yīng)等效油耗最低能量管理策略

如前文所述，傳統(tǒng)ECMS具備良好的應(yīng)用前景。ECMS最初被提出是為了改善普通混合動(dòng)力汽車燃油經(jīng)濟(jì)性，由于普通混合動(dòng)力汽車電池電能幾乎全部來源于燃油，所以可計(jì)算出合理的等效因子將電能消耗等效為燃油消耗。插電式混合動(dòng)力汽車的電池電能來源為燃油及電網(wǎng)，目前其等效因子沒有統(tǒng)一的制定方法。為保證充分利用電池電能，ECMS對于插電式混合動(dòng)力汽車時(shí)的控制方法如下：當(dāng)電量充足時(shí)，汽車僅以純電動(dòng)模式運(yùn)行，電池處于電量消耗(CD)階段；當(dāng)SOC下降到其限制值時(shí)，汽車可使用所有工作模式，電池處于電量保持(CS)階段。ECMS可使汽車在CD階段瞬時(shí)電量消耗最低，在CS階段瞬時(shí)等效燃油消耗最低。這種方式的控制下，SOC先迅速下降，后保持在其限制值附近。該控制策略下的SOC軌跡與DP控制策略下的最優(yōu)SOC下降軌跡存在較大差異，且油耗明顯高于DP控制策略。故筆者在ECMS的基礎(chǔ)上，提出了一種改進(jìn)的控制策略——自適應(yīng)等效油耗最低能量管理策略(AECMS)。

2.2.1 模型搭建

從前文推論可以看出，提前規(guī)劃出某段行程中的最優(yōu)SOC下降軌跡，可使汽車燃油消耗最低。而汽車實(shí)際工作過程中，路況復(fù)雜且受外界因素影響而隨時(shí)改變，所以不可能提前規(guī)劃出最優(yōu)SOC下降軌跡。DP控制策略的仿真結(jié)果顯示，最優(yōu)SOC軌跡都大致隨里程沿直線下降，最終下降到電池理想工作區(qū)荷電狀態(tài)范圍下限值。根據(jù)DP控制策略仿真結(jié)果，可以用一條直線作為SOC理論參考軌跡(圖8)，代替最優(yōu)SOC下降軌跡。

圖8 SOC理論參考軌跡Fig. 8 SOC theoretical reference trajectory

圖8中：縱軸為SOC，橫軸為行駛距離，Sbat_initial為初始SOC，L為單次充電行駛里程。以純電動(dòng)續(xù)駛里程標(biāo)稱為60 km的某插電式混合動(dòng)力汽車為例，若用戶習(xí)慣于每行駛200 km充電一次，則該車的單次充電行駛里程為200 km，故單次充電行駛里程不同于純電動(dòng)續(xù)駛里程。用戶可根據(jù)自己的用車習(xí)慣以及充電條件，自行設(shè)定單次充電行駛里程。

通過SOC理論軌跡，整段行程中行駛距離X處的SOC理論參考值Sbat_ref可由方程(10)得到：

(10)

AECMS定義在某一瞬時(shí)工況下將電機(jī)的能量消耗折算成發(fā)動(dòng)機(jī)的燃油消耗，即等效油耗，引入等效因子建立每一階段的綜合油耗成本函數(shù)。AECMS的成本函數(shù)可由式(11)描述：

(11)

式中：Δffuel(k)為第k階段燃油消耗；λ為等效因子；ΔSbat(k)為第k階段的電池SOC變化量；F2(k)為第k階段的成本；J2_min為各階段最低成本之和。

利用PI算法實(shí)時(shí)調(diào)整更新等效因子λ，使SOC實(shí)際軌跡能夠大致跟隨理論參考軌跡。λ由式(12)(13)描述：

et=Sbat_ref-Sbat_X，

(12)

(13)

式中：Sbat_X為行駛X距離后SOC的實(shí)際值，Kp為比例系數(shù)，Ki為積分系數(shù)。

2.2.2 約束條件

SOC、發(fā)動(dòng)機(jī)轉(zhuǎn)矩Te、發(fā)動(dòng)機(jī)轉(zhuǎn)速ωe、電機(jī)轉(zhuǎn)矩Tm、電機(jī)轉(zhuǎn)速ωm、電池輸出功率Pbat_dis、電池充電功率Pbat_chg需要同時(shí)服從式(14)的約束：

(14)

式中：Sbat_min為SOC最小值0；Sbat_max為SOC最大值1；ωe_min和ωe_max為發(fā)動(dòng)機(jī)最低和最高轉(zhuǎn)速；Te_min和Te_max為發(fā)動(dòng)機(jī)在轉(zhuǎn)速為ωe(k)時(shí)的最小和最大轉(zhuǎn)矩；ωm_min和ωm_max為電機(jī)最低和最高轉(zhuǎn)速；Tm_min和Tm_max為電機(jī)在轉(zhuǎn)速為ωm(k)時(shí)的最小和最大轉(zhuǎn)矩；Pbat_chg_max和Pbat_dis_max為電池最大充電和放電功率。

2.2.3 求解過程

AECMS是一種基于瞬時(shí)優(yōu)化的控制策略，通過求解單位時(shí)間(1 s)的最低綜合油耗，可實(shí)現(xiàn)實(shí)時(shí)控制。AECMS的求解如圖9所示。

圖9 AECMS求解過程Fig. 9 AECMS solution process

3 結(jié)果分析

為充分對比ECMS、DP、AECMS 3種控制策略下汽車的燃油消耗、SOC曲線軌跡、發(fā)動(dòng)機(jī)與電機(jī)工作點(diǎn)分布，以不同單次充電行駛里程及不同典型工況作為仿真條件。所采用的典型工況如圖10所示，包括代表綜合工況的NEDC、WLTP，代表城市工況的UDDS以及代表高速工況的HWFET。

圖10 各典型工況Fig. 10 Typical working conditions

3.1 CD模式仿真結(jié)果及分析

表4～7為初始SOC為0.9時(shí)3種控制策略的燃油消耗結(jié)果對比。在不同工況、不同單次充電行駛里程的情況下，AECMS相對于傳統(tǒng)ECMS能節(jié)省燃油3.50%～8.71%，相對于DP控制策略多消耗燃油2.27%～6.70%。圖11為NEDC工況、160 km單次充電行駛距離條件下的仿真結(jié)果，其中(a)為SOC隨行駛距離變化曲線；(b)(c)(d)為3種控制策略下的發(fā)動(dòng)機(jī)工作點(diǎn)；(e)(f)(g)為3種控制策略下的電機(jī)工作點(diǎn)。AECMS可適應(yīng)各種工況及單次充電行駛里程，通過控制SOC實(shí)際軌跡隨行駛距離沿直線下降，其對電能與燃油能量的分配方式與DP控制策略相似，從而有效降低燃油消耗。

表4 NEDC工況下3種控制策略燃油消耗結(jié)果

表5 UDDS工況下3種控制策略燃油消耗結(jié)果

表6 HWFET工況下3種控制策略燃油消耗結(jié)果

表7 WLTP工況下3種控制策略能量消耗結(jié)果

圖11 CD模式下3種控制策略的仿真結(jié)果對比Fig. 11 Comparison of simulation results of three control strategies in CD mode

3.2 CS模式仿真結(jié)果及分析

結(jié)合實(shí)際情況，部分用戶因充電條件受限而極少通過電網(wǎng)為汽車充電，因此插電式混合動(dòng)力汽車在電量維持(CS)模式下的油耗表現(xiàn)同樣十分重要。表8為初始SOC為0.3時(shí)3種控制策略的燃油消耗結(jié)果對比。在不同工況、不同單次充電行駛里程的情況下，AECMS相對于傳統(tǒng)ECMS能節(jié)省燃油1.11%～2.46%，相對于DP控制策略多消耗燃油0.78%～2.65%。圖12為NEDC工況下的仿真結(jié)果，其中(a)為SOC隨行駛距離變化曲線；(b)(c)(d)為3種控制策略下的發(fā)動(dòng)機(jī)工作點(diǎn)；(e)(f)(g)為3種控制策略下的電機(jī)工作點(diǎn)。AECMS控制下SOC始終維持在0.3附近，發(fā)動(dòng)機(jī)工作點(diǎn)主要分布在最佳燃油經(jīng)濟(jì)線附近。AECMS可實(shí)時(shí)改變等效因子，使發(fā)動(dòng)機(jī)更好地工作于高效區(qū)。

表8 NEDC工況下3種控制策略的燃油消耗

圖12 CS模式下3種控制策略的仿真結(jié)果對比Fig. 12 Comparison of simulation results of three control strategies in CS mode

4 結(jié) 語

為了提高混合動(dòng)力電動(dòng)汽車的燃油經(jīng)濟(jì)性，采用DP算法對不同典型工況和不同行駛距離下的最優(yōu)SOC軌跡進(jìn)行了仿真分析，得到了最優(yōu)軌跡與行駛距離的一般規(guī)律。在此基礎(chǔ)上，建立了單次充電行駛里程的概念，并提出了一種基于瞬時(shí)優(yōu)化的等效油耗最低能量管理策略。通過對ECMS、DP和AECMS的燃油經(jīng)濟(jì)性進(jìn)行仿真分析及對比，證明了所提出的AECMS的有效性。其中有以下2點(diǎn)重要發(fā)現(xiàn)：

1)在不同的行駛周期和不同的行駛距離下，基于DP的控制策略得到的PHEV的最優(yōu)SOC軌跡是大致隨行駛距離變化的直線。

2)仿真結(jié)果表明，在不同的工況和不同的單次充電行駛里程下，本研究中提出的AECMS比傳統(tǒng)的ECMS具有更高的燃油經(jīng)濟(jì)性。與ECMS相比，AECMS在CD模式下燃料消耗降低了3.50%～8.71%，CS模式下降低了1.11%～2.46%。該控制策略的燃油經(jīng)濟(jì)性接近于DP控制策略，且克服了DP控制策略難以實(shí)時(shí)應(yīng)用的不足。