網(wǎng)聯(lián)環(huán)境下混合動(dòng)力汽車分層能量管理策略

張 揚(yáng)，梁 棟，張鵬飛，于天齊，張 喬，胡 博

(重慶理工大學(xué) 車輛工程學(xué)院，重慶 400054)

0 引言

交通擁堵中的汽車因頻繁啟停造成的油耗、排放增加問題日漸受到關(guān)注。為避免紅燈停車和跟車啟停，用于實(shí)現(xiàn)車與車(vehicle to vehicle,V2V)、車與路(vehicle to infrastructure,V2I)間信息通信的智能網(wǎng)聯(lián)技術(shù)孕育而生[1-3]?；旌蟿?dòng)力汽車(hybrid electric vehicle,HEV)因其油耗低、續(xù)航長(zhǎng)、能量可回收等優(yōu)點(diǎn)已受到企業(yè)強(qiáng)烈關(guān)注[4]。智能網(wǎng)聯(lián)和能量管理策略的結(jié)合運(yùn)用是實(shí)現(xiàn)HEV油耗、排放最小化的重要途徑[5-6]。Chen等[7]提出一種提升燃油經(jīng)濟(jì)性的預(yù)測(cè)巡航控制方法，通過控制發(fā)動(dòng)機(jī)扭矩、制動(dòng)力矩和擋位切換優(yōu)化車速，將燃油效率提升了8%。Homchaudhuri等[8]針對(duì)城市道路工況的智能網(wǎng)聯(lián)車隊(duì)提出一種分層控制框架，上層控制器基于MPC優(yōu)化車速，下層控制器利用自適應(yīng)的等效燃油最小策略(equivalent consumption minimization strategy,ECMS)算法對(duì)并聯(lián)式HEV進(jìn)行能量管理，提升車隊(duì)整體的燃油經(jīng)濟(jì)性，減少CO2排放。Du等[9]在網(wǎng)聯(lián)環(huán)境下對(duì)車隊(duì)通過信號(hào)燈路口的能量管理進(jìn)行研究，并考慮了車輛換道決策的過程，實(shí)現(xiàn)了網(wǎng)聯(lián)車輛的變道，提升了燃油經(jīng)濟(jì)性。Mahler等[10]考慮信號(hào)燈相位變化，通過歷史和實(shí)時(shí)數(shù)據(jù)預(yù)測(cè)信號(hào)燈狀態(tài)，利用最優(yōu)控制得出零啟停和最佳油耗的速度軌跡。錢立軍等[11]運(yùn)用分層控制策略降低四驅(qū)混合動(dòng)力汽車的油耗，并利用硬件在環(huán)驗(yàn)證了策略的有效性。邱利宏等[12]提出了考慮效率反饋的雙層控制系統(tǒng)，提高了車隊(duì)整體的燃油經(jīng)濟(jì)性。上述研究均考慮單車場(chǎng)景或車隊(duì)場(chǎng)景下的燃油經(jīng)濟(jì)性提升，未考慮車輛行駛過程中偶遇前車的情況。

本文以串聯(lián)式混合動(dòng)力汽車為研究對(duì)象,在城鎮(zhèn)道路背景下，設(shè)計(jì)了分層式模型預(yù)測(cè)控制(MPC)算法優(yōu)化車輛行駛車速與燃油消耗，并對(duì)偶遇前車的情況進(jìn)行仿真。首先，建立車輛縱向動(dòng)力學(xué)模型，以此設(shè)計(jì)上層MPC控制策略得到最優(yōu)目標(biāo)車速。其次，建立串聯(lián)式混合動(dòng)力系統(tǒng)模型，根據(jù)最優(yōu)車速計(jì)算的需求功率，設(shè)計(jì)下層MPC能量管理控制策略，控制動(dòng)力系統(tǒng)的輸出功率分配。將仿真結(jié)果與DP的結(jié)果進(jìn)行對(duì)比，以驗(yàn)證分層式MPC策略的性能。

1 網(wǎng)聯(lián)環(huán)境下的分層控制原理

網(wǎng)聯(lián)環(huán)境下可通過V2V和V2I通信技術(shù)實(shí)現(xiàn)車輛狀態(tài)信息的傳輸共享，原理如圖1所示[13]。

圖1 車聯(lián)網(wǎng)原理示意圖

在網(wǎng)聯(lián)環(huán)境下，一般采用分層控制優(yōu)化車輛的燃油經(jīng)濟(jì)性。上層利用信號(hào)燈正時(shí)(signal phase and timing,SPAT)與前車信息求解最優(yōu)目標(biāo)車速，下層根據(jù)目標(biāo)車速優(yōu)化燃油經(jīng)濟(jì)性。本文利用分層式模型預(yù)測(cè)控制對(duì)單車控制的燃油經(jīng)濟(jì)性進(jìn)行優(yōu)化，上層控制系統(tǒng)基于MPC求解最優(yōu)目標(biāo)車速，下層控制系統(tǒng)基于MPC，利用上層系統(tǒng)求解的目標(biāo)車速提升燃油經(jīng)濟(jì)性，分層模型預(yù)測(cè)控制原理如圖2所示。

圖2 分層模型預(yù)測(cè)控制原理示意圖

2 上層速度優(yōu)化

以串聯(lián)式混合動(dòng)力汽車為研究對(duì)象，其動(dòng)力系統(tǒng)模型如圖3所示，系統(tǒng)參數(shù)如表1所示。

圖3 串聯(lián)式HEV結(jié)構(gòu)示意圖

表1 混合動(dòng)力汽車參數(shù)

2.1 車輛動(dòng)力學(xué)模型與油耗模型

由于只根據(jù)V2V、V2I信息進(jìn)行速度優(yōu)化，故忽略考慮橫向、垂向控制，建立車輛動(dòng)力學(xué)模型[14]：

(1)

式中：v(t)為車輛t時(shí)刻的速度；s(t)為車輛t時(shí)刻的位置；u(t)為車輛t時(shí)刻的加速度；M為整車質(zhì)量；Cd為風(fēng)阻系數(shù)；ρ為空氣密度；Af為車輛迎風(fēng)面積；f滾阻系數(shù)。

在上層車速優(yōu)化中，為實(shí)現(xiàn)良好的燃油經(jīng)濟(jì)性需要合適的車輛油耗模型，由于只根據(jù)SPAT、前車等信息進(jìn)行優(yōu)化，未考慮傳動(dòng)系統(tǒng)內(nèi)部情況，無(wú)法通過發(fā)動(dòng)機(jī)轉(zhuǎn)速、轉(zhuǎn)矩計(jì)算油耗。因此把汽車行駛單位距離的功率消耗作為近似油耗模型，如式(5)所示[15]。

β(v(t)Mu)+(1-β)(-ηrec(t)Muv(t))

(2)

(3)

(4)

(5)

式中：Pw(t)表示車輛行駛時(shí)消耗的功率；ηrec為控制器的調(diào)整效率；ηeff表示能量轉(zhuǎn)化效率；HLHV為燃油的低熱值；maverage表示車輛行駛單位距離的能量消耗。

2.2 車速規(guī)劃方程

根據(jù)信號(hào)燈信息得到車輛能夠在綠燈時(shí)間內(nèi)通過路口的車速范圍以作為車速狀態(tài)量的約束。然后在該車速范圍內(nèi)選擇合適的車速值作為MPC目標(biāo)車速。為提高道路通行效率，減少固定行程總時(shí)間，將速度規(guī)劃方程得出的車速范圍上限值作為被控車輛的目標(biāo)車速。目標(biāo)車速范圍規(guī)劃原理如圖4所示，計(jì)算方程如下[8]：

圖4 目標(biāo)車速規(guī)劃原理示意圖

(6)

vtarget(t)=vub(t)

(7)

(8)

tcycle=tr+tg

(9)

(10)

式中：vtarget(t) 為被控車輛的目標(biāo)車速；vmax為道路限速；da(t)是被控車輛距前方交通信號(hào)燈a的距離；t是車輛行駛的總時(shí)間；tr是紅燈狀態(tài)剩余持續(xù)時(shí)間；tg是綠燈狀態(tài)剩余持續(xù)時(shí)間；tcycle為信號(hào)燈的循環(huán)周期；Kw為信號(hào)燈狀態(tài)循環(huán)次數(shù)；函數(shù)mod()產(chǎn)生t除以tcycle的余數(shù)。在建模過程中，設(shè)置的信號(hào)燈以紅燈開始，且當(dāng)t=Kwtcycle時(shí)，Kw加1以計(jì)算信號(hào)燈循環(huán)次數(shù)。

為避免被控車輛紅燈停車，必定存在某個(gè)速度下限，使得車輛在綠燈結(jié)束前通過路口。計(jì)算公式如(11)所示。結(jié)合式(6)得到目標(biāo)車速范圍[vlb(k),vub(k)]。其中，vub為車速上限，vlb為車速下限。當(dāng)且僅當(dāng)車速保持在目標(biāo)車速范圍內(nèi)，車輛才能避免紅燈停車。

(11)

2.3 最優(yōu)速度求解

本節(jié)設(shè)計(jì)的MPC目標(biāo)函數(shù)中包含4個(gè)子目標(biāo)，分別為：J1(t)表示燃油消耗；J2(t)表示控制車輛與前車的相對(duì)距離與安全跟車距離的差值；J3(t)表示目標(biāo)速度跟隨的誤差；J4(t)表示加減速次數(shù)，目標(biāo)函數(shù)形式如下[15]：

w3J3(t)+w4J4(t)]

(12)

(13)

J2(t)=[S0+th(v(t)-vp(t))+

(sh(t)-sp(t))]2

(14)

J3(t)=(v(t)-vtargret(t))2

(15)

J4(t)=u(t)2

(16)

(17)

(18)

式中：S0為理想跟車距離;v為被控車輛速度；vtargret為目標(biāo)速度；vp為前車速度，vub與vlb為目標(biāo)車速的上、下限；u為被控車輛加速度；umax、umin分別為加速度上下限；sp為前車位置；v_range表示目標(biāo)車速范圍的大??；w1，w2，w3，w4為權(quán)重系數(shù)，w1為燃油消耗權(quán)重，優(yōu)化燃油經(jīng)濟(jì)性；w2與跟車距離(s(t)-sp(t))和相對(duì)速度(v(t)-vp(t))有關(guān)，以調(diào)整車輛跟車距離；w3為速度跟隨誤差權(quán)重，使優(yōu)化的速度盡可能接近目標(biāo)車速，減少車輛紅燈停車次數(shù)；w4為控制量權(quán)重以減少加減速次數(shù)、加速度絕對(duì)值的大小，提高乘坐舒適性。目標(biāo)函數(shù)中的2個(gè)約束為車速約束、加速度約束。

由于MPC目標(biāo)函數(shù)非線性，采用序列二次規(guī)劃優(yōu)化算法，根據(jù)當(dāng)前紅綠燈正時(shí)信息、前車與被控車輛的車速、位置等信息，結(jié)合MPC優(yōu)化得到的加速度、整車動(dòng)力學(xué)模型計(jì)算出被控車輛的最優(yōu)速度和位置軌跡。

3 下層能量管理

HEV行駛時(shí)總的需求功率由發(fā)動(dòng)機(jī)和電池的輸出功率共同滿足，能量管理是根據(jù)需求功率以高效方法合理安排發(fā)動(dòng)機(jī)和電池的功率輸出以提高燃油經(jīng)濟(jì)性。

3.1 需求功率的確定

考慮水平直線行駛的HEV，其動(dòng)力系統(tǒng)產(chǎn)生的總能量最終轉(zhuǎn)換為滾動(dòng)阻力耗散能Proll、空氣阻力耗散能Paero以及加速所需能量Pacc，根據(jù)能量守恒定律，計(jì)算HEV行駛總需求功率Pdmd：

Pdmd=Pacc+Proll+Paero=

(19)

式中：ηm為機(jī)械傳遞效率;Cd為空氣阻力系數(shù);Af為迎風(fēng)面積;v為目標(biāo)車速;ρ為空氣密度。

3.2 建立MPC預(yù)測(cè)模型

預(yù)測(cè)模型是應(yīng)用模型預(yù)測(cè)控制算法的基礎(chǔ)，可根據(jù)被控對(duì)象的系統(tǒng)模型建立。為避免預(yù)測(cè)模型過于復(fù)雜而降低控制系統(tǒng)實(shí)時(shí)性，根據(jù)電池SOC慢動(dòng)態(tài)過程，簡(jiǎn)化系統(tǒng)模型。以電池SOC作為狀態(tài)變量，發(fā)電機(jī)轉(zhuǎn)矩和發(fā)動(dòng)機(jī)轉(zhuǎn)速作為控制變量，預(yù)測(cè)的需求功率作為干擾量建立狀態(tài)空間方程作為MPC的預(yù)測(cè)模型。忽略發(fā)動(dòng)機(jī)和電機(jī)的轉(zhuǎn)動(dòng)慣量，預(yù)測(cè)模型如下[16]：

(20)

y=g(x,u)

(21)

式中：x=SOC為狀態(tài)變量；u=[Tg,ne]T為控制變量；v=Pdmd為可測(cè)量干擾量；y=Pout為輸出變量。

對(duì)式(20)、(21)線性化與離散化，得到線性時(shí)變的動(dòng)力系統(tǒng)模型：

(22)

(23)

3.3 目標(biāo)函數(shù)與最優(yōu)控制量求解

考慮發(fā)動(dòng)機(jī)發(fā)電機(jī)組的輸出功率盡量滿足需求功率，同時(shí)電池SOC維持在合理的范圍，設(shè)定目標(biāo)函數(shù)如下：

β3(x(k+N-1)-xref)2

(24)

(25)

4 仿真與分析

通過Matlab/Simulink仿真平臺(tái)分別對(duì)單車與雙車場(chǎng)景控制策略的有效性進(jìn)行仿真分析，以驗(yàn)證所提出的分層式模型預(yù)測(cè)控制算法的性能。依據(jù)文獻(xiàn)[17]提供實(shí)際行駛場(chǎng)景，設(shè)置26個(gè)信號(hào)燈路口，其中紅燈綠燈的持續(xù)時(shí)間均為60 s。被控車輛從起點(diǎn)出發(fā)，道路限速為60 km/h，最低限速為0 km/h，道路能提供的最大驅(qū)動(dòng)加速度為2 m/s2，減速制動(dòng)-2 m/s2。

4.1 單車行駛場(chǎng)景

仿真得到網(wǎng)聯(lián)環(huán)境下單車行駛軌跡，如圖5所示。其中，水平虛線的紅色部分表示紅燈時(shí)間窗口，空白部分則表示綠燈時(shí)間窗口，黑色實(shí)線表示被控車輛的行駛軌跡，綠色實(shí)線是作為對(duì)比的以60 km/h勻速行駛的車輛行駛軌跡，仿真共運(yùn)行1 600 s，車輛行駛了16 km，共通過26個(gè)交通燈路口。

圖5 單車行駛軌跡曲線

車輛行駛過程中，黑色軌跡線與虛線紅色部分均未交叉，證明車輛總是綠燈狀態(tài)時(shí)通過路口，沒有違反交規(guī)，且多數(shù)情況是紅燈狀態(tài)結(jié)束，綠燈狀態(tài)開始時(shí)通過路口；綠色軌跡線在抵達(dá)紅燈路口時(shí)會(huì)停車等待，且抵達(dá)終點(diǎn)時(shí)的總時(shí)長(zhǎng)高于黑色軌跡線說明基于MPC的上層目標(biāo)車速優(yōu)化方法可以減少被控車輛紅燈停車次數(shù)、發(fā)動(dòng)機(jī)怠速空轉(zhuǎn)時(shí)間、降低油耗、提高道路通行效率。

車輛速度曲線如圖6—7。圖6為網(wǎng)聯(lián)環(huán)境下基于MPC速度優(yōu)化的車輛速度曲線，其中，紅色實(shí)線為速度曲線，黑色虛線為速度規(guī)劃方程計(jì)算的車速上限，紫色虛線為車速下限?？梢钥闯觯涸趩诬噲?chǎng)景中，被控車輛行駛速度始終保持在車速上下限范圍內(nèi)。在抵達(dá)終點(diǎn)以前，車速始終大于零，且未超過限速，說明被控車輛在行駛過程中，既未停車也沒有違反交規(guī)。圖7為勻速行駛的車輛速度曲線。

圖6 基于MPC的單車速度曲線

圖7 勻速行駛單車速度曲線

4.2 雙車行駛場(chǎng)景

在雙車場(chǎng)景中，被控車輛前方會(huì)出現(xiàn)其他車輛，雙車行駛軌跡如圖8所示。其中，黑色實(shí)線與藍(lán)色實(shí)線分別表示前車與自車的位移，綠色實(shí)線為勻速行駛的車輛行駛軌跡，作為藍(lán)色實(shí)線軌跡的對(duì)比，當(dāng)勻速行駛的車輛跟車距離達(dá)到安全跟車距離時(shí)，以前車的速度作為目標(biāo)車速行駛。圖中兩車軌跡沒有重疊或交叉，說明被控車輛跟車時(shí)，間距始終大于零，沒有發(fā)生超車、撞車的情況。車輛在行駛到第5、6位置的信號(hào)燈時(shí)，由于兩信號(hào)燈的間隔較近，前車通過路口以后，被控車輛無(wú)法在當(dāng)前綠燈時(shí)間窗口通過，所以提前進(jìn)行了減速，在下一個(gè)綠燈通過路口。仿真完成時(shí)，前后車均已抵達(dá)終點(diǎn)，勻速行駛的車輛行駛到第25個(gè)信號(hào)燈附近，比進(jìn)行速度優(yōu)化的車輛需要更長(zhǎng)的行駛時(shí)間。

圖8 雙車行駛軌跡曲線

被控車輛速度曲線如圖9。同樣，紅色實(shí)線為被控車輛的速度曲線，黑色虛線為目標(biāo)車速上限，紫色虛線為車速下限?？梢钥闯觯罕豢剀囕v的行駛速度始終保持在車速上下限內(nèi)。在抵達(dá)終點(diǎn)以前，被控車輛的車速始終大于零，且未出現(xiàn)超過限速的情況，說明被控車輛在行駛過程中，既未停車也沒有違反交規(guī)，驗(yàn)證了基于MPC的上層速度優(yōu)化系統(tǒng)性能良好。

圖9 基于MPC的速度曲線

4.3 下層能量管理結(jié)果

在Simulink模型中設(shè)定的SOC參考值為0.7，整車質(zhì)量為1 480 kg，電池容量為200 Ah,預(yù)測(cè)步長(zhǎng)為0.1 s。仿真結(jié)果如圖10—16所示。

圖10 勻速行駛車輛的速度曲線

由圖11可知，實(shí)際車速與目標(biāo)車速的跟蹤情況良好，可以看到基于MPC的下層能量管理控制系統(tǒng)可以保證車輛的動(dòng)力性，滿足車輛行駛的功率需求。圖12為電池SOC的變化過程，經(jīng)歷了1 570 s的仿真后，電池SOC從初始值0.7降到了0.698，最大下降幅度為0.035，可以認(rèn)為本文提出的基于MPC的能量管理策略可以很好地管理電池SOC。

圖11 速度跟蹤曲線

圖12 電池SOC狀態(tài)

圖13—圖15分別為驅(qū)動(dòng)電機(jī)轉(zhuǎn)速、發(fā)動(dòng)機(jī)轉(zhuǎn)速與發(fā)電機(jī)轉(zhuǎn)矩曲線，可以看到電機(jī)轉(zhuǎn)速明顯受到目標(biāo)車速的影響，且電機(jī)轉(zhuǎn)速的波動(dòng)適應(yīng)車速的變化，而發(fā)動(dòng)機(jī)發(fā)電機(jī)組的轉(zhuǎn)速與車速已經(jīng)解耦，在車速改變的同時(shí)，其轉(zhuǎn)速的變化沒有明顯的波動(dòng)。

圖13 驅(qū)動(dòng)電機(jī)轉(zhuǎn)速曲線

圖14 發(fā)動(dòng)機(jī)轉(zhuǎn)速曲線

圖15 發(fā)電機(jī)轉(zhuǎn)矩曲線

圖16為發(fā)動(dòng)機(jī)工作點(diǎn)分布圖，可以看到發(fā)動(dòng)機(jī)的實(shí)際工作點(diǎn)大部分都處于發(fā)動(dòng)機(jī)高效率區(qū)域。

圖16 發(fā)動(dòng)機(jī)工作點(diǎn)示意圖

為了驗(yàn)證基于MPC能量管理策略的經(jīng)濟(jì)性，與相同工況下基于動(dòng)態(tài)規(guī)劃的能量管理策略進(jìn)行了結(jié)果對(duì)比分析?；趧?dòng)態(tài)規(guī)劃的HEV能量管理目標(biāo)是求解全局最優(yōu)的車輛控制序列，在維持SOC的同時(shí)達(dá)到油耗最低，其結(jié)果如圖12與表2所示。動(dòng)態(tài)規(guī)劃的電池SOC變化如圖12中的紅色曲線所示，表2為2種能量管理策略對(duì)應(yīng)的油耗值，以及整個(gè)工況最后的終端SOC值。

表2 不同策略油耗值和電池終端SOC

采用的基于MPC能量管理的控制策略，與基于動(dòng)態(tài)規(guī)劃能量管理的控制策略相比，油耗只高出6.7%。在電量維持方面，基于MPC的控制策略與動(dòng)態(tài)規(guī)劃控制策略在終端時(shí)刻的SOC只有0.002的差距，根據(jù)對(duì)比結(jié)果可以看出本文采用的基于MPC的下層能量管理系統(tǒng)的性能良好。

5 結(jié)論

為減少車輛紅燈停車次數(shù)、提升燃油經(jīng)濟(jì)性與道路通行效率，利用智能網(wǎng)聯(lián)技術(shù)獲得的車輛自身和周圍交通環(huán)境信息設(shè)計(jì)了分層式模型預(yù)測(cè)控制算法。上層控制器根據(jù)交通信號(hào)燈與車輛行駛狀態(tài)預(yù)測(cè)避免紅燈停車的最優(yōu)目標(biāo)車速，下層控制器依據(jù)最優(yōu)目標(biāo)車速對(duì)串聯(lián)式混合動(dòng)力汽車實(shí)施能量管理。將仿真結(jié)果與動(dòng)態(tài)規(guī)劃DP的控制策略結(jié)果進(jìn)行對(duì)比分析。結(jié)果表明：網(wǎng)聯(lián)環(huán)境下，所設(shè)計(jì)的上層MPC速度優(yōu)化算法可以有效減少車輛紅燈停車次數(shù)；下層MPC能量管理算法可以有效保持電池SOC，并協(xié)調(diào)發(fā)動(dòng)機(jī)發(fā)電機(jī)組與動(dòng)力電池的工作狀態(tài)，使得發(fā)動(dòng)機(jī)工作點(diǎn)盡可能處于高效率工作區(qū)域，達(dá)到了降低油耗的目的。