電動車輛控制參數(shù)自動優(yōu)化標定系統(tǒng)的研究及驗證

高建平 余佳衡 孟 垚 郗建國

河南科技大學車輛與交通工程學院，洛陽，471003

0 引言

電動車輛動力系統(tǒng)控制策略對提高整車燃油經(jīng)濟性和動力性具有顯著作用[1]。現(xiàn)階段主要利用V型開發(fā)模式對電動車輛控制策略進行開發(fā)，有效地縮短了開發(fā)周期[2]。多能源電動車輛至少具有2個動力源，控制策略較復雜，因此控制策略參數(shù)優(yōu)化標定系統(tǒng)對參數(shù)開發(fā)周期及成本具有重大影響。

要提高控制策略的開發(fā)效率，須對參數(shù)標定方法、標定效果的評價指標、臺架標定試驗等進行深入研究。段本明[3]、高建平等[4]對控制參數(shù)工況適應性的標定進行了研究，提高了燃油經(jīng)濟性，但參數(shù)標定只能達到基本的動力性指標。李軍等[5]利用全局優(yōu)化算法進行控制參數(shù)優(yōu)化，通過加權法將多目標優(yōu)化轉化成單目標優(yōu)化，但該方法不能保證多個指標之間的均衡性。以上研究只是仿真研究，沒有通過試驗驗證。汪春華等[6]、胡嘉[7]提出了基于CCP(CAN calibration protocol)協(xié)議的控制參數(shù)標定系統(tǒng)，可實現(xiàn)標定過程中的參數(shù)監(jiān)控和數(shù)據(jù)分析，但需工程師手動選取參數(shù)，且不能快速找到最優(yōu)參數(shù)值。針對電動車輛的優(yōu)化標定研究基本是依據(jù)整車燃油經(jīng)濟性，對控制參數(shù)進行離線優(yōu)化標定的仿真，雖然簡便快捷，但精準度比實時仿真低。實時仿真需要人員在線調(diào)整和計算，效率較低，且受試驗條件的限制，模型精度有待驗證。

基于上述問題，筆者以插電式混合動力汽車(pulg-in hybrid electric bus，PHEB)為研究對象，利用正交試驗對PHEB控制參數(shù)進行試驗和影響度分析，選取對綜合評價指標影響較大的控制參數(shù)。采用Isight、dSPACE等工具和優(yōu)化算法，開發(fā)電動車輛控制參數(shù)自動優(yōu)化標定仿真系統(tǒng)，代替人工參數(shù)調(diào)整和數(shù)據(jù)分析。最后利用CCP協(xié)議將優(yōu)化后的控制參數(shù)標定至整車控制器，并對優(yōu)化后的控制參數(shù)進行臺架試驗。

1 PHEB構型及控制參數(shù)選取

1.1 PHEB構型及控制策略

本文以11.5m插電式混合動力公交車為應用對象，動力系統(tǒng)部件主要有發(fā)動機、行星排、電機、2擋變速器，在Cruise中搭建整車動力學模型，動力系統(tǒng)結構原理如圖1所示，整車基本參數(shù)如表1所示。

圖1 插電式混合動力系統(tǒng)結構Fig.1 Plug-in hybrid power system structure

表1 整車參數(shù)

混合動力系統(tǒng)采用發(fā)動機最優(yōu)工作曲線控制策略，其基本控制思想是將發(fā)動機工作效率控制在最小燃油消耗率點上，能有效提高整車的燃油經(jīng)濟性和動力性[8]。在Simulink中搭建轉矩分配控制策略模型，控制策略分為電量消耗(charging depleting，CD)階段和電量維持(charging sustaining，CS)階段，轉矩分配如表2所示。

表2 整車轉矩分配表

1.2 多指標歸一化處理

整車燃油經(jīng)濟性指標選取整車百千米綜合油耗，根據(jù)混合動力電動汽車動力性能的國家標準，選取4個動力性指標：0～50 km/h加速時間、最高行駛車速、15 km/h的最大爬坡度、最大爬坡度。

改進的雷達圖法是一種具體、形象、易于操作且評價結果具有唯一性的綜合評價方法[9]，非常適合對優(yōu)化標定效果進行評價。改進雷達圖法計算原理如圖2所示，其基本步驟如下：

圖2 改進雷達圖方法示意圖Fig.2 Improved radar chart method diagram

(1)指標標準化。設5個指標xm,1～xm,5，其中，m表示第m次優(yōu)化標定，則xm,n歸一化后的值為

(1)

式中，xn_min、xn_max分別為第n個指標的最小值和最大值。

(2)特征指標的提取。分別提取改進雷達圖圖形的面積和周長作為特征指標，它們的計算公式分別為

(2)

式中，Am為第m次優(yōu)化結果的扇形面積之和；Lm為第m次優(yōu)化結果的扇形周長之和；k為評價指標個數(shù)。

(3)構造評價函數(shù)。首先根據(jù)特征值與總體水平和各指標均衡性的特性構造評價指標：

(3)

其中，A為Am中的最大值；vm1為第m次優(yōu)化標定的面積評價值，vm1越大，該評價對象的總體水平越高，反之越低；vm2為第m次優(yōu)化標定的周長評價值，vm2越大，該評價對象均衡程度越好，反之越差。然后根據(jù)評價向量與綜合水平和指標均衡性的特性，構造標定效果的綜合評價指標函數(shù)：

(4)

0 ≤f(vm1,vm2)≤1且f(vm1,vm2)越大，各指標的綜合性能越好。

1.3 關鍵控制參數(shù)的選取

將發(fā)動機工作在最優(yōu)區(qū)域作為控制策略的核心思想，因此發(fā)動機和電機的能量分配將直接影響整車燃油經(jīng)濟性和動力性。選取13個對綜合評價指標影響較大的控制參數(shù)作為個正交試驗因素[10]，13個試驗因素的代號及名稱如表3所示。利用正交試驗分析出各個控制參數(shù)對綜合評價指標影響度的大小。

表3 正交試驗設計因素和水平

在Isight軟件中建立正交試驗組件(DOE1)，分別輸入13個試驗因素和試驗水平值進行正交試驗，正交試驗模型如圖3所示。

圖3 正交試驗模型Fig.3 Orthogonal experimental model

表4 極差分析試驗結果

根據(jù)各個控制參數(shù)的極差對綜合評價指標的影響進行排序(見表5)，選取前3個主要控制參數(shù)(發(fā)動機最優(yōu)工作上限修正系數(shù)(因素F)、電機工作荷電狀態(tài)下限值(因素C)和純電動行駛功率上限值(因素H))作為標定參數(shù)。

2 優(yōu)化標定仿真系統(tǒng)

2.1 控制參數(shù)優(yōu)化模型

電動車輛動力系統(tǒng)參數(shù)優(yōu)化是一個復雜、多自由度的有約束非線性優(yōu)化問題，數(shù)學模型如下：

(5)

2.1.1優(yōu)化目標

由式(4)可知，綜合評價指標能反映優(yōu)化標定效果的整體水平和各指標的均衡性，其值越大，優(yōu)化標定效果越好，因此，將多指標歸一化后的綜合評價指標作為優(yōu)化標定目標函數(shù)：

f=f(vm1,vm2)

(6)

百公里綜合油耗由發(fā)動機油耗和電動機電耗共同決定，所以將電動機電耗等效成油耗進行計算[11]：

ffule=f1+f2/3.02

(7)

式中，ffule為百公里綜合油耗；f1為百公里油耗；f2為百公里電耗。

2.1.2約束條件

本文研究的電動車輛控制參數(shù)優(yōu)化標定約束條件是工況跟隨誤差，即車速誤差的最大絕對值小于等于3 km/h。

2.2 控制參數(shù)優(yōu)化標定仿真系統(tǒng)

自動優(yōu)化標定仿真系統(tǒng)由軟硬件組成，軟件部分包括Isight優(yōu)化軟件、MATLAB/Simulink控制策略軟件、Cruise整車模型軟件、ControlDesk實時監(jiān)控軟件，硬件部分包括dSPACE控制器、計算機等。

CntrolDesk是dSPACE控制器中的一款試驗工具軟件，可對優(yōu)化標定過程中的試驗數(shù)據(jù)進行監(jiān)控，實時查看優(yōu)化標定效果。多島遺傳算法具有較高的優(yōu)化速度，避免出現(xiàn)過早收斂[12]。Isight優(yōu)化模型如圖4所示，在optimization組件中輸入多島遺傳算法，在MATLAB、MATLAB1、MATLAB2組件中寫入控制參數(shù)標定的milb程序及Interface啟動程序，Data Exchanger、Data Exchanger1、Data Exchanger2組件是分別找到的試驗結果文件數(shù)據(jù)，MATLAB3組件對各指標標準化處理、標定效果的綜合評價指標和百千米綜合油耗等計算程序編寫。

圖4 Isight控制參數(shù)優(yōu)化模型Fig.4 Isight control parameter optimization model

CAN通信方式可以減少線束和硬件接口，提高控制效率和穩(wěn)定性[13]。dSPACE控制器與計算機采用CAN通信，通過RS232硬件接口與CANcasexl設備連接，CANcasexl轉USB接口可以直接連接到計算機上。Simulink實時仿真工具箱(real-time-workshop，RTW)模塊可與dSPACE控制器中RTI(real-time-interface)模塊實現(xiàn)無縫連接，將Simulink控制策略模型自動生成的C代碼下載到硬件系統(tǒng)中。Cruise通過對Interface接口進行I/O配置和dSPACE控制器連接。自動優(yōu)化標定平臺實物如圖5所示。

圖5 電動車輛參數(shù)自動優(yōu)化標定仿真系統(tǒng)Fig.5 Automatic optimization calibration andsimulation system for electric vehicle parameters

優(yōu)化標定測試時，3個優(yōu)化標定參數(shù)的取值分別在各自的水平1和水平3之間。由于道路工況對整車控制參數(shù)的影響較大[14]，因此采用鄭州公交車構建的實際工況作為測試工況，如圖6所示。

圖6 測試工況Fig.6 Test conditions

3 優(yōu)化標定仿真結果分析

利用多指標歸一化的自動優(yōu)化標定系統(tǒng)對關鍵控制參數(shù)進行優(yōu)化標定測試。圖7所示為500次控制參數(shù)優(yōu)化標定仿真結果，可以看出，隨著優(yōu)化算法逐步尋優(yōu)，綜合評價指標值也在增大，這說明燃油經(jīng)濟性和動力性指標隨標定次數(shù)增大而提高。由圖8可以看出，隨著優(yōu)化標定次數(shù)的增大，百千米綜合油耗逐步向最低油耗逼近，在第500次優(yōu)化時，優(yōu)化算法搜索到最低油耗24.23 L，因此選用第500次優(yōu)化標定作為試驗結果，標定前后的參數(shù)有明顯的差異，如表5所示，表中，x1為百千米綜合油耗。

圖7 自動優(yōu)化標定仿真結果Fig.7 Automatic optimization calibrationsimulation results

圖8 自動優(yōu)化標定油耗結果Fig.8 Automatic optimization of calibration fuelconsumption results

表5 優(yōu)化前后的參數(shù)

圖9 加速性能仿真Fig.9 Acceleration performance simulation

圖10 爬坡性能仿真Fig.10 Simulation of climbing performance

由圖9、圖10可以看出，整車加速性能和爬坡性能指標均有所提高，標定后的0～50 km/h加速時間為10.1 s，較標定前縮短了1.5 s；標定后的最高車速為87.2 km/h，較標定前提高了6.7 km/h；標定后的整車最大爬坡度為17.6%，較標定前提高1.9%；標定后15 km/h的爬坡度為16.8%，較標定前提高2.2%。加速工況與爬坡工況動力源工作情況類似，車速小于20 km/h時，電機2單獨驅(qū)動工作，對純電動行駛功率上限(因素H)優(yōu)化標定可提高起步階段的動力性能；車速大于20 km/h時，發(fā)動機進入工作狀態(tài)，通過對發(fā)動機最優(yōu)工作上限修正系數(shù)(因素F)優(yōu)化標定可提高發(fā)動機在最優(yōu)區(qū)域的工作點即在低燃油消耗區(qū)釋放出更大扭矩。

圖11是優(yōu)化前后的SOC值曲線圖，對電機工作荷電狀態(tài)下限值(因素C)優(yōu)化標定可避免動力電池在較低SSOC下，電機2消耗電池電量；優(yōu)化后的SOC曲線更加平緩，避免動力電池進行大功率放電，延長了電池的壽命。

圖11 標定前后動力電池SOC變化曲線Fig.11 SOC change curve of power battery beforeand after calibration

4 試驗臺架驗證

為進一步驗證所搭建電動車輛自動優(yōu)化標定仿真系統(tǒng)的有效性，利用上位機標定系統(tǒng)，將優(yōu)化后的控制參數(shù)標定至整車控制器中，然后進行臺架試驗，并將優(yōu)化仿真結果與臺架測試結果進行對比分析。11.5m插電式混合動力系統(tǒng)試驗臺架如圖12所示。

4.1 試驗臺架標定系統(tǒng)通信方式

CCP協(xié)議采用主從通信模式，主設備是實施測量標定的系統(tǒng)，從設備是整車控制器。多個從設備可以與主設備建立邏輯連接，但多個從設備同時與主設備建立連接時，只有一個從設備可與主設備進行通信。主從設備建立連接后，從設備接受數(shù)據(jù)信息，并給主設備反饋錯誤代碼等數(shù)據(jù)報文。

(a)試驗臺架實物圖

4.2 標定系統(tǒng)消息對象

CCP協(xié)議是占用CAN報文的命令接受對象(command receive object，CRO)和數(shù)據(jù)傳輸對象(data transmission object，DTO)的兩個標識符，其中，CRO是上位機發(fā)出的標定協(xié)議命令，DTO是整車控制器對標定協(xié)議命令進行的信息反饋。DTO根據(jù)標識符的不同分為三類：報文發(fā)出的標識符取值ID=255時，表示整車控制器對上位機發(fā)出的響應；報文發(fā)出的ID=254時，表示整車控制器檢測到錯誤發(fā)生，并向上位機報告實時錯誤狀態(tài)，同時發(fā)送處理信號；報文發(fā)出的ID范圍是0≤ID≤253時，整車控制器在DAQ(dada acquisition command)模式下定期向上位機發(fā)送信息。

4.3 工作模式

CCP協(xié)議定義了查詢(polling)和數(shù)據(jù)獲取(DAQ)兩種工作模式。查詢模式下，上位機(標定系統(tǒng))向下位機(整車控制器)發(fā)送協(xié)議命令，下位機接到命令后，對上位機進行命令反饋，該模式采用的是一問一答形式，工作效率低，但通信方式簡單、占用總線內(nèi)存小。數(shù)據(jù)獲取模式下，下位機接到協(xié)議命令時，執(zhí)行上位機發(fā)送的協(xié)議命令，并自動向上位機周期性地發(fā)送數(shù)據(jù)。

4.4 試驗驗證

在臺架試驗前，將優(yōu)化后的發(fā)動機最優(yōu)工作上限修正系數(shù)0.912、電機工作荷電狀態(tài)下限值0.62和純電動工作功率上限值79通過CCP協(xié)議標定至整車控制器。通過上位機控制整車控制器進行臺架測試，采集試驗數(shù)據(jù)，并對試驗后的燃油經(jīng)濟性指標和動力性指標進行分析。

圖13所示為加速性能的試驗曲線和仿真曲線，臺架試驗測試的最高車速為85.3 km/h，比仿真的最高車速87.2 km/h略有減??；臺架試驗測試的0～50 km/h加速時間是10.7 s，比仿真的0～50 km/h車速時間10.1 s略有縮短，臺架試驗數(shù)據(jù)偏小是由于試驗過程受模擬道路阻力誤差、數(shù)據(jù)測量誤差等多種因素的影響。圖14是爬坡性能的試驗曲線和仿真曲線對比圖，臺架試驗的最大爬坡度是17.1%，比仿真的最大爬坡度17.6%略有減??；臺架試驗的15 km/h爬坡度為16.1%，比仿真的15 km/h坡度16.8%略有減小，此誤差是由機械損失和測量誤差造成的，與加速性能試驗誤差原因相同。

圖13 加速性能試驗Fig.13 Acceleration performance test

圖14 爬坡性能試驗Fig.14 Climb performance test

圖15、圖16所示為試驗臺架發(fā)動機和電機的轉矩分配情況，可以看出，與仿真曲線相比，試驗臺架曲線有一定的滯后，但是轉矩分配的趨勢大致相同，產(chǎn)生這種現(xiàn)象的原因是試驗臺架的執(zhí)行機構存在動作滯后。試驗臺架測試的百千米綜合油耗為25.14 L，比仿真的綜合油耗24.23 L略大，這主要是因為試驗臺架測試存在機械效率損失和電損失，增大了綜合油耗。圖17所示為試驗和仿真燃油消耗量，可以看出，仿真和試驗的誤差較小。與優(yōu)化前相比，優(yōu)化后的臺架試驗結果百千米綜合油耗降低了8.65%，綜合評價指標提高了11.84%，參數(shù)對比如表6所示。

(a)發(fā)動機

(a)發(fā)動機

對比分析試驗臺架和仿真結果可得，臺架在試驗過程中受較多因素的影響，因此臺架試驗結果與仿真結果存在一定的誤差，但誤差較小，均在合理范圍之內(nèi)，且臺架試驗曲線和仿真曲線的趨勢相同，驗證了電動車輛參數(shù)自動優(yōu)化標定仿真系統(tǒng)的有效性。

圖17 燃油消耗量對比Fig.17 Fuel consumption comparison

表6 參數(shù)對比

5 結論

(1)以PHEB為應用對象，分別在Simulink、Cruise中完成了整車控制策略模型和動力學模型，利用Isight平臺的DOE模塊進行正交試驗，通過極差法選取對綜合評價指標影響最大的3個控制參數(shù)。

(2)利用Isight、dSPACE等工具，借助優(yōu)化算法自主尋優(yōu)能力，以綜合評價指標為目標函數(shù)，開發(fā)出多指標歸一化的電動車輛自動優(yōu)化標定系統(tǒng)仿真平臺。采用基于CAN總線的CCP協(xié)議將優(yōu)化后的參數(shù)標定至整車控制器，控制試臺架進行試驗驗證。

(3)試驗結果表明：標定后，綜合評價指標提高了11.84%，綜合油耗降低了8.65%；動力性指標均有所提高，0～50 km/h加速時間縮短了0.9 s，最高車速、車速15 km/h時的最大爬坡度分別提高了4.8 km/h、1.4%，最大爬坡度提高了1.5%，驗證了電動車輛參數(shù)自動優(yōu)化標定系統(tǒng)實時仿真平臺的有效性。