混合動(dòng)力電動(dòng)汽車的跟車控制與能量管理

趙秀春 郭 戈 4

近年來,能源與環(huán)保問題越來越受到全球?qū)＜覍W(xué)者的關(guān)注,汽車保有量的不斷增加導(dǎo)致能源消耗與環(huán)境污染日益加劇,同時(shí)也使得城市擁堵現(xiàn)象越來越嚴(yán)重[1].混合動(dòng)力電動(dòng)汽車(Hybrid electric vehicles,HEVs)具備傳統(tǒng)汽車和純電動(dòng)汽車兩者的優(yōu)點(diǎn),既能夠緩解純電動(dòng)汽車電池續(xù)航里程的問題,又能夠有效降低燃油汽車的能耗與污染問題,是目前解決能源危機(jī)與環(huán)境污染的有效途徑之一.混合動(dòng)力電動(dòng)汽車的能量管理策略直接影響著車輛性能和燃油經(jīng)濟(jì)性,而車輛駕駛工況是車輛動(dòng)力性和燃油經(jīng)濟(jì)性的重要影響因素,對(duì)能量管理起著至關(guān)重要的作用.在實(shí)際駕駛環(huán)境中,車輛的工況循環(huán)和速度變化往往是未知的,給混合動(dòng)力電動(dòng)汽車的控制與能量管理帶來了挑戰(zhàn).

目前,混合動(dòng)力電動(dòng)汽車的能量管理控制策略的研究主要分為基于規(guī)則和基于優(yōu)化的控制算法兩大分支[2].基于規(guī)則的控制策略主要是根據(jù)車輛的不同轉(zhuǎn)矩、車速、電池電量SOC或發(fā)動(dòng)機(jī)效率map圖進(jìn)行工作模式劃分,制定規(guī)則進(jìn)行切換控制[3?4].該控制策略算法簡(jiǎn)單且規(guī)則容易實(shí)現(xiàn),但無法適應(yīng)不同工況和實(shí)時(shí)動(dòng)態(tài)變化的需求,因而往往通過結(jié)合其他智能控制算法(如模糊控制、神經(jīng)網(wǎng)絡(luò))以獲得更好的魯棒性和適應(yīng)性.但在實(shí)際駕駛條件下,仍無法保證最佳的控制性能[5?7].因此,更多的研究開始關(guān)注并探索基于優(yōu)化的能量管理控制策略.基于既定的工況循環(huán)或已知的速度規(guī)劃,動(dòng)態(tài)規(guī)劃(Dynamic programming,DP)算法以其公認(rèn)的全局最優(yōu)性被廣泛應(yīng)用于混合動(dòng)力能量管理控制,但由于實(shí)際的駕駛循環(huán)往往都是未知的且其計(jì)算負(fù)擔(dān)較高而受到制約,因而難以進(jìn)行實(shí)時(shí)控制而多用于評(píng)價(jià)或固定路線的能量管理[8?10].為了改善DP 算法在實(shí)際應(yīng)用中的局限性,專家學(xué)者進(jìn)行了各種改進(jìn)與探索[11?12].另一方面,為了更好地實(shí)現(xiàn)實(shí)時(shí)優(yōu)化控制,模型預(yù)測(cè)控制被普遍采用[13?14].比如,文獻(xiàn)[13?14]根據(jù)駕駛員意圖采用模型預(yù)測(cè)算法對(duì)轉(zhuǎn)矩分配或功率需求進(jìn)行瞬時(shí)預(yù)測(cè)控制,雖然能夠?qū)崿F(xiàn)實(shí)時(shí)優(yōu)化,但其預(yù)測(cè)控制效果基于初始狀態(tài)的選擇,且無法實(shí)現(xiàn)全局最優(yōu).

上述能量管理研究都是針對(duì)單輛HEV 車輛進(jìn)行能量管理控制,但實(shí)際道路上車輛并不是獨(dú)立行駛,往往是在車流中跟隨前方車輛行駛.因此,車輛的行駛還會(huì)受到前車行駛模式和速度變化的影響,所以混合動(dòng)力電動(dòng)汽車的能量管理需要與跟車控制相結(jié)合.車輛跟車控制方面的研究已有數(shù)十年歷史,主要集中于自適應(yīng)巡航控制 (Adaptive cruise control,ACC)[15?17]和車輛隊(duì)列控制[18?21].車輛隊(duì)列控制關(guān)注的是多個(gè)車輛的協(xié)同控制,其重點(diǎn)是隊(duì)列穩(wěn)定性.ACC 屬于單車控制技術(shù),解決的是與前車保持安全距離的巡航控制問題,已在很多中高檔汽車中使用.已有的自適應(yīng)巡航控制大多針對(duì)內(nèi)燃機(jī)車輛,很少有混合動(dòng)力電動(dòng)汽車跟車控制方面的研究.本文主要考慮車輛跟隨前方車輛的安全控制和跟車過程中的能量管理問題,隊(duì)列穩(wěn)定性并不屬于本文研究范圍.

混合動(dòng)力電動(dòng)汽車跟車控制系統(tǒng)更為復(fù)雜,既要考慮車輛的跟蹤性能,又要考慮車輛的能量管理問題.近幾年,有少量關(guān)于混合動(dòng)力電動(dòng)汽車跟車控制和能量管理的研究.比如,文獻(xiàn)[22]提出基于規(guī)則的混合動(dòng)力電動(dòng)汽車能量管理與自適應(yīng)巡航控制方法,該算法簡(jiǎn)單易實(shí)現(xiàn),但無法保證性能最優(yōu);文獻(xiàn)[23?24]分別給出一種基于駕駛員行為預(yù)測(cè)和車輛加速度預(yù)測(cè)的能量管理方法;文獻(xiàn)[25]給出混合動(dòng)力電動(dòng)汽車能量管理與自適應(yīng)巡航控制的動(dòng)態(tài)規(guī)劃和在線查表方法;文獻(xiàn)[26]提出考慮道路坡度的HEV車輛隊(duì)列控制與能量管理方法.需要指出的是,上述研究存在如下幾方面的不足:1)將能量管理與車輛巡航控制綜合到同一成本函數(shù),參數(shù)較多,計(jì)算負(fù)擔(dān)較重,且性能互相影響;2)車輛環(huán)境工況中未充分利用前車信息,需要進(jìn)行加速度預(yù)測(cè)或假定參考值;3)無法實(shí)現(xiàn)道路坡度和載荷實(shí)時(shí)變化的影響.

本文旨在針對(duì)混合動(dòng)力電動(dòng)汽車跟車控制與能量管理綜合問題,考慮前車與道路工況,提出了基于安全距離的HEV 車輛動(dòng)態(tài)面控制(Dynamic surface control,DSC),然后針對(duì)安全距離內(nèi)的駕駛工況,采用滾動(dòng)動(dòng)態(tài)規(guī)劃算法進(jìn)行混合動(dòng)力電動(dòng)汽車實(shí)時(shí)能量管理.本文主要?jiǎng)?chuàng)新點(diǎn)和貢獻(xiàn)如下:

1)考慮前車對(duì)行駛工況的影響以及混合動(dòng)力電動(dòng)汽車能量的綜合控制,通過車輛跟蹤控制為動(dòng)態(tài)規(guī)劃算法提供工況循環(huán),既保證了控制的最優(yōu)性又解決了算法對(duì)工況預(yù)測(cè)和速度規(guī)劃的要求;

2)通過基于觀測(cè)器的DSC 跟車控制,考慮了道路坡度和載荷實(shí)時(shí)變動(dòng)對(duì)車輛跟蹤控制性能與車輛能量消耗的影響;

3)基于安全距離的滾動(dòng)動(dòng)態(tài)規(guī)劃算法,解決了存儲(chǔ)空間有限和在線計(jì)算負(fù)擔(dān)大的問題,可實(shí)現(xiàn)實(shí)時(shí)能量?jī)?yōu)化管理.

本文組織結(jié)構(gòu)如下:第1 節(jié)給出HEV 跟車系統(tǒng)、能量管理模型及控制目標(biāo),第2 節(jié)是基于安全車距的跟車控制器設(shè)計(jì)、穩(wěn)定性分析以及能量管理動(dòng)態(tài)規(guī)劃方法,第3 節(jié)為仿真驗(yàn)證,第4 節(jié)是本文總結(jié).

1 系統(tǒng)模型與問題描述

考慮如圖1 所示的HEVs 車輛跟蹤系統(tǒng),其中,si、sq、vi、vq分別為當(dāng)前車輛i、前車q的位置和速度,Pi為車輛i的功率需求.假設(shè)車輛已經(jīng)配備了V2V 等無線通信及傳感裝置,能夠獲得前方車輛的狀態(tài)信息(車輛的位置、速度).

圖1 HEV 控制系統(tǒng)Fig.1 HEV control system

1.1 HEV 車輛動(dòng)力學(xué)模型

HEV 車輛的縱向動(dòng)力模型如下[27]

式中,mi、si、vi分別為當(dāng)前車輛的質(zhì)量、位置和速度,Fi為車輛的牽引力或制動(dòng)力,Fa為車輛行駛過程中的空氣阻力,Fr為滾動(dòng)阻力,Fg為坡道阻力.其中,空氣阻力由車輛行駛的速度、空氣阻力系數(shù)CD、空氣密度ρ和車輛的迎風(fēng)面積A決定.

滾動(dòng)阻力為

式中,μ為滾動(dòng)阻力系數(shù),g為重力加速度,θ表示道路坡度.

車輛的坡道阻力為

綜合式(1)～ 式(4),車輛的動(dòng)力學(xué)模型表示為

式中,b1=1/mi,b2=CDρA/2mi,b3=g,w=μcosθ+sinθ,w表示道路坡度和路面情況,未知且不確定.為方便研究,往往假定道路情況不變,忽略了道路坡度和路面變化的影響,本文則將其視為系統(tǒng)的擾動(dòng)項(xiàng),并通過控制器設(shè)計(jì)對(duì)其觀測(cè)補(bǔ)償以更加符合實(shí)際情況,同時(shí)也更能體現(xiàn)道路坡度對(duì)于HEV 能量消耗的影響.

理想的車間距定義為

式中,da為理想的車間距,即在當(dāng)前車速下制動(dòng)且能保證不與前車相撞的最小安全距離;sq表示前車的位置;li表示車輛的長(zhǎng)度;k >0 為坡度系數(shù).

注 1.文獻(xiàn)中理想的車間距da多采用固定值[20,27],并不能很好地適應(yīng)車速變化;文獻(xiàn)[24,28]基于車速變化設(shè)定da,但往往由于車速實(shí)時(shí)變化使安全距離不斷變化,從而影響控制性能.本文理想車間距da基于道路限速?zèng)Q定,通過智能交通系統(tǒng)獲得當(dāng)前道路限速并依據(jù)限速確定安全車距,使da既不會(huì)頻繁變動(dòng),也更符合交通法規(guī)和實(shí)際情況.同時(shí),考慮坡度對(duì)安全距離的影響,當(dāng)θ >0,即車輛爬坡時(shí),安全車距相應(yīng)縮短;當(dāng)θ <0,即車輛下坡時(shí),安全車距相應(yīng)增加.

1.2 HEV 功率能量模型

考慮Power-split HEV[26],其結(jié)構(gòu)如圖2 所示,PL指其他電器載荷,從功率平衡的角度,車輛i的功率Pi由電池功率和發(fā)動(dòng)機(jī)功率共同提供,即

其中,Peng和Pbatt分別表示發(fā)動(dòng)機(jī)功率和電池功率,電池功率為正表示電池正在放電,為負(fù)則代表電池正處于充電狀態(tài).ωm1,ωm2,ωeng與Tm1,Tm2,Teng分別表示電動(dòng)機(jī)1、電動(dòng)機(jī)2 與發(fā)動(dòng)機(jī)的轉(zhuǎn)速與轉(zhuǎn)矩;ηm1,ηm2為電機(jī)效率.

由行星輪機(jī)構(gòu)的運(yùn)動(dòng)關(guān)系,其轉(zhuǎn)速滿足

式中,ωr,ωc,ωs分別表示齒圈、行星架和太陽輪的轉(zhuǎn)速,分別和發(fā)動(dòng)機(jī)、電機(jī)1 和電機(jī)2 相連;α為齒圈相對(duì)于太陽輪的傳動(dòng)比;ωreq為車輪轉(zhuǎn)速;ε為主減速器的傳動(dòng)比,轉(zhuǎn)矩關(guān)系為

式中,Treq為車輪轉(zhuǎn)矩.

根據(jù)電池內(nèi)阻模型,電池的功率Pbatt為

求解式(10)

由于相同功率下,電池電壓越大其電流越小.因此忽略較大取值,電池的SOC動(dòng)態(tài)表示為

式中,Ibatt為電池電流,Voc表示電池輸出電壓,Rbatt為電池的內(nèi)阻,Qbatt表示電池電量.

發(fā)動(dòng)機(jī)的功率Peng由發(fā)動(dòng)機(jī)轉(zhuǎn)矩和轉(zhuǎn)速計(jì)算得到

式中,ωeng與Teng分別表示發(fā)動(dòng)機(jī)的轉(zhuǎn)速和轉(zhuǎn)矩.

發(fā)動(dòng)機(jī)的燃油消耗率為發(fā)動(dòng)機(jī)的轉(zhuǎn)速ωeng和轉(zhuǎn)矩Teng的函數(shù),通常由發(fā)動(dòng)機(jī)臺(tái)架試驗(yàn)獲得.圖3 為Advisor 中發(fā)動(dòng)機(jī)油耗map 圖.

圖3 發(fā)動(dòng)機(jī)燃油消耗率Fig.3 Engine fuel consumption rate map in Advisor

因此,對(duì)于一定工況循化下的功率需求,根據(jù)HEV 功率平衡與行星輪機(jī)構(gòu)運(yùn)動(dòng)關(guān)系,可以通過發(fā)動(dòng)機(jī)的轉(zhuǎn)矩和轉(zhuǎn)速控制進(jìn)行HEV 車輛的能量?jī)?yōu)化管理.

1.3 本文目標(biāo)

本文的控制目標(biāo)是將車輛跟蹤控制與混合動(dòng)力電動(dòng)汽車能量管理相結(jié)合,設(shè)計(jì)控制器實(shí)現(xiàn)安全距離內(nèi)HEV 車輛的跟蹤控制以保證車輛的安全性,同時(shí)通過跟蹤控制提供準(zhǔn)確的實(shí)時(shí)工況信息以保證優(yōu)化的能量管理.即滿足以下兩點(diǎn)要求:

1)跟蹤穩(wěn)定性:考慮實(shí)際的交通狀況,即有前車的情況下進(jìn)行基于安全車距da下的車輛跟蹤控制,設(shè)計(jì)控制器跟蹤前車速度vq,即vi →vq,并保證車輛的位置跟蹤誤差δi=si ?(sq ?da ?l) 收斂到零的一個(gè)鄰域內(nèi);

2)燃油經(jīng)濟(jì)性:以前方車輛速度vq軌跡作為當(dāng)前HEV 車輛的駕駛工況,在安全車距da內(nèi),對(duì)HEV 車輛i進(jìn)行實(shí)時(shí)能量?jī)?yōu)化管理.即在滿足系統(tǒng)約束條件下,使HEV 車輛的燃油消耗成本最低:

注 2.在實(shí)際的交通狀況下,若沒有前方車輛,則采用虛擬車輛代替前車,以當(dāng)前道路限速作為虛擬車輛的車速,以當(dāng)前限速下的理想車距為安全距離.以當(dāng)前限速下的理想車距為安全距離確定前車位置,既保證車輛的行駛安全性,也更符合實(shí)際的道路交通狀況;車輛以當(dāng)前限速為參考車速,可使車輛更接近于能耗高效區(qū)間,既有利于節(jié)省能耗,又能夠提高道路的交通效率.

2 基于安全車距的車輛跟蹤與能量管理

考慮存在前方行駛車輛的實(shí)際道路交通狀況,將HEV 車輛的車輛跟蹤與能量管理控制相結(jié)合.首先采用DSC 設(shè)計(jì)基于安全車距的跟蹤控制器進(jìn)行車輛位置與速度的跟蹤控制,在保證車輛安全駕駛的同時(shí)為HEV 車輛能量管理提供實(shí)時(shí)駕駛工況;然后在安全距離內(nèi)應(yīng)用滾動(dòng)動(dòng)態(tài)規(guī)劃算法對(duì)發(fā)動(dòng)機(jī)與蓄電池功率進(jìn)行優(yōu)化分配,使能量消耗最小.

2.1 基于安全車距的車輛DSC 跟蹤控制

為實(shí)現(xiàn)更好的跟蹤效果并為能量管理提供準(zhǔn)確的工況信息,在設(shè)計(jì)DSC 控制器前,首先對(duì)路面情況進(jìn)行觀測(cè).

1)觀測(cè)器的設(shè)計(jì)

由式(5)可得

設(shè)計(jì)觀測(cè)器如下

式中,k0為觀測(cè)器增益,且k0>0.

定義輔助變量z=則

將式(16)代入式(17)得

2)補(bǔ)償控制器設(shè)計(jì)

驅(qū)動(dòng)力由兩部分構(gòu)成

式中,Fdsc表示DSC 控制器輸出,Fw為克服道路坡度與路面阻力的補(bǔ)償控制.

將式(19)代入式(5)得

針對(duì)觀測(cè)到的路面狀況,設(shè)計(jì)補(bǔ)償控制器

定義觀測(cè)器誤差

對(duì)式(22)求導(dǎo)

將式(21)、式(22)代入式(20),則

因此,系統(tǒng)(5)轉(zhuǎn)化為

3)動(dòng)態(tài)面控制器設(shè)計(jì)

首先,定義第一動(dòng)態(tài)面為位置誤差

則

取虛擬控制量

其中,k1>0.

α通過一階濾波得到

其中,T為時(shí)間常數(shù),T >0.

定義濾波誤差

對(duì)其求導(dǎo)得

然后,定義第二動(dòng)態(tài)面

將式(29)、式(31)、式(33)代入式(28)得

將式(29)～ 式(31)、式(34)代入式(32)得

設(shè)計(jì)DSC 控制器

其中,k2>0.

對(duì)式(33)求導(dǎo),并將式(25)、式(36)代入得

定義Lyapunov 函數(shù)

對(duì)式(38)求導(dǎo),并將式(24)、式(34)、式(35)、式(37)代入得

根據(jù)楊氏不等式

為保證系統(tǒng)的跟蹤穩(wěn)定性,引入下列引理.

引理 1[29].對(duì)于非線性系統(tǒng),存在正定函數(shù)V滿足下列微分不等式

其中,V >0,C ≥0.對(duì)于t0,V(t)滿足不等式

即V(t) 以指數(shù)收斂率?最終一致收斂于C/?,則系統(tǒng)最終一致有界.

根據(jù)引理1,對(duì)于非線性系統(tǒng)(26),存在正定函數(shù)式(38).根據(jù)式(40),只要

則系統(tǒng)最終一致有界.因此,Lyapunov 函數(shù)V一致有界,適當(dāng)?shù)剡x擇觀測(cè)器增益、濾波器時(shí)間常數(shù)和控制器參數(shù)能夠使得?足夠大,C/?足夠小,使觀測(cè)器誤差和系統(tǒng)跟蹤誤差收斂到零的一個(gè)鄰域內(nèi).

注3.基于車輛非線性動(dòng)態(tài)模型,對(duì)道路情況w進(jìn)行觀測(cè)補(bǔ)償,使DSC 跟蹤系統(tǒng)能夠更好地適應(yīng)道路變化,具有更好的跟蹤性能;同時(shí),既無需進(jìn)行速度預(yù)測(cè)也考慮了道路坡度對(duì)HEV 車輛能量管理的影響,為HEV 的能量管理提供了保障.

2.2 基于滾動(dòng)DP 的HEV 能量管理

將車輛跟蹤控制與HEV 能量管理相結(jié)合,既保證了車輛的跟蹤安全性,又為當(dāng)前HEV 車輛提供了工況循環(huán)信息.因此,本節(jié)采用動(dòng)態(tài)規(guī)劃策略在安全車距內(nèi)對(duì)HEV 車輛進(jìn)行能量?jī)?yōu)化管理,使HEV 在滿足各種約束條件下,通過優(yōu)化發(fā)動(dòng)機(jī)與蓄電池功率分配使系統(tǒng)的性能指標(biāo)即燃油消耗降至最低.

根據(jù)發(fā)動(dòng)機(jī)功率與轉(zhuǎn)矩之間的關(guān)系式(13),HEV車輛油耗模型式(14)轉(zhuǎn)化為

式中,φ(·) 表示油耗率與發(fā)動(dòng)機(jī)轉(zhuǎn)速、功率之間的函數(shù)關(guān)系.圖4 為基于Advisor 車輛參數(shù)轉(zhuǎn)化后的不同轉(zhuǎn)速下車輛油耗模型.

圖4 發(fā)動(dòng)機(jī)燃油消耗率?功率曲線Fig.4 Engine fuel consumption rate and power

離散化控制目標(biāo)為

約束條件滿足

式中,(·)min與 (·)max分別表示最小值、最大值.

考慮采樣時(shí)間內(nèi)?SOC(k) 的約束,進(jìn)一步減少狀態(tài)空間和計(jì)算量,以實(shí)現(xiàn)實(shí)時(shí)控制.

滾動(dòng)DP 算法的計(jì)算過程如下:

1)在安全距離內(nèi)進(jìn)行初始化并定義時(shí)間及狀態(tài)存儲(chǔ)空間;

2)根據(jù)跟蹤控制安全距離內(nèi)的當(dāng)前車輛i的車速軌跡,得到車輛速度和功率vi(k),Pi(k),k=N,N ?1,···,1;

3)對(duì)于階段k對(duì)應(yīng)的vi(k),Pi(k),考慮階段狀態(tài)約束SOCj(k)∈[SOCkmin,SOCkmax],計(jì)算所有狀態(tài)轉(zhuǎn)移所對(duì)應(yīng)的變化量Jij(k),并求得所有狀態(tài)j對(duì)應(yīng)的成本函數(shù)最優(yōu)值Jk=min[Jij(k) +Jj(k+1)];

4)進(jìn)入到下一階段k=k ?1,重復(fù)步驟3)直到k=1,找到成本函數(shù)最低的最優(yōu)控制和狀態(tài);

5)以優(yōu)化結(jié)果作為安全車距內(nèi)的控制輸入,滾動(dòng)執(zhí)行整個(gè)優(yōu)化過程.

注 4.第2.1 節(jié)基于觀測(cè)器補(bǔ)償?shù)腄SC 控制器為安全距離內(nèi)的動(dòng)態(tài)規(guī)劃算法提供了準(zhǔn)確的駕駛工況循環(huán),保證了能量管理的有效性;在安全車距內(nèi)考慮單位步長(zhǎng)內(nèi)電池SOC變化的約束,使得HEV能量管理的狀態(tài)空間和控制空間大大縮減,減少了計(jì)算負(fù)擔(dān),更有利于HEV 能量管理的實(shí)時(shí)性.

3 仿真研究

對(duì)HEV 車輛跟蹤與能量管理進(jìn)行仿真研究,并與Advisor 中的能量管理控制結(jié)果進(jìn)行比較,驗(yàn)證所采用控制策略的有效性.

3.1 DSC 車輛跟蹤控制仿真驗(yàn)證

考慮跟車行駛的工況,HEV 車輛參數(shù)如表1所示.假設(shè)前車按照ECE 城市工況循環(huán)行駛,總距離約為1 km,其最高限速為50 km/h,道路坡度如圖5 所示,車輛初始安全距離設(shè)為30 m.DSC 跟蹤控制器參數(shù)根據(jù)式(44)分別選為:k0=0.5、k1=2、k2=30、T=1,仿真結(jié)果如圖6、圖7 所示.

表1 HEV 車輛主要參數(shù)Table 1 Parameters of HEV

圖5 道路坡度Fig.5 Road slope

圖6 HEV 車輛位置Fig.6 Position profile of HEV

圖7 HEV 車輛速度曲線Fig.7 Velocity profile of HEV

圖6 為車輛跟蹤的位置與車距變化曲線,具有較好的位置跟蹤性能,且考慮了坡度的變化對(duì)車間距進(jìn)行了適當(dāng)?shù)恼{(diào)整.圖7 中,兩種控制器均能實(shí)現(xiàn)較好的速度跟蹤,但通過局部放大可以看出具有補(bǔ)償控制器的DSC 控制能夠更快地適應(yīng)實(shí)時(shí)的速度變化,具有更好的適應(yīng)性和跟蹤控制效果.

3.2 能量管理優(yōu)化仿真

基于跟蹤控制的車速工況與功率需求,應(yīng)用滾動(dòng)動(dòng)態(tài)規(guī)劃算法進(jìn)行數(shù)值仿真研究.

圖8 為車速工況與功率需求曲線,由圖可以看出車輛在加速過程中的功率大于零且逐漸增加;車輛速度減小時(shí),車輛功率為負(fù),處于再生制動(dòng)狀態(tài).在圖9 中,HEV 車輛電池SOC隨著行駛工況與電池能量的消耗與回收而發(fā)生變化.圖10 為基于跟蹤工況下的HEV 功率分配曲線.當(dāng)車速較低時(shí),HEV所需的功率主要由電池通過電動(dòng)機(jī)提供;隨著車輛速度與功率需求的增加,發(fā)動(dòng)機(jī)和電動(dòng)機(jī)共同工作提供能量;當(dāng)車速下降時(shí),HEV 通過再生制動(dòng)進(jìn)行能量回收.表2 為采用該策略與Advisor 中能量管理策略的燃油消耗對(duì)比,百公里油耗提高了約12 %,由此可以看出本文所采用的方法具有良好的燃油經(jīng)濟(jì)性.

圖8 速度工況曲線Fig.8 Velocity cycle of HEV

圖9 SOC 變化曲線Fig.9 SOC of HEV

圖10 功率分配曲線Fig.10 Power distribution of HEV

4 結(jié)論

本文研究了混合動(dòng)力電動(dòng)汽車的車輛跟蹤與能量管理控制.考慮在有前車的道路工況下,基于安全車距設(shè)計(jì)了具有觀測(cè)補(bǔ)償?shù)膭?dòng)態(tài)面跟蹤控制算法,為HEV 車輛能量管理提供了駕駛工況,并在安全距離內(nèi)對(duì)HEV 采用滾動(dòng)動(dòng)態(tài)規(guī)劃算法進(jìn)行能量管理.考慮單位步長(zhǎng)內(nèi)電池SOC變化的約束進(jìn)一步縮小對(duì)SOC狀態(tài)搜索空間,更有利于車輛的安全控制和實(shí)時(shí)的能量?jī)?yōu)化管理.需要指出的是,本文未考慮車輛在交叉路口、紅燈或轉(zhuǎn)彎時(shí)的安全車距與速度跟蹤問題,我們將在后續(xù)研究中更全面地考慮各種復(fù)雜交通情況下的混合動(dòng)力電動(dòng)汽車跟車控制與能量管理問題,并將進(jìn)一步研究多個(gè)HEV車輛的隊(duì)列控制與能量管理問題.