電動重型商用車AMT系統(tǒng)效率最優(yōu)換擋策略

中圖分類號：U469.72 文獻(xiàn)標(biāo)志碼：A 文章編號：1000-582X（2025）07-001-12

doi：10.11835/j.issn.1000-582X.2024.236

Optimal system efficiency shifting strategy of AMT electric heavy truck

ZHOU Mingweiab，SUN Dongyeab，WANG Canab，WANG Lunbinab，WANG Junhaoab （a.State Key Laboratory of Mechanical Transmission for Advanced Equipment; b.College ofMechanical and Vehicle Engineering， Chongqing University， Chongqing 40oo44，P.R. China）

Abstract：To improve the energy eficiencyof electric commercial vehicles and fully utilize their energy-saving potential，this studyutilizes multi-gear automated mechanical transmisson （AMT） electric heavy trucks as the research object and proposes a shifting strategy based on the optimal system efficiency.First，based on the electric drive system configuration，the lossmechanism and dynamic eficiency characteristics of each component are analyzed，andthe shifting strategybasedontheoptimal systemeficiency is formulatedthrough the electric drive system effciency surface.Second，a bond graph model of the electric drive system is established，and the simulationanalysis of the shift strategy is carried out by using the reconstructed suburban working conditions. Finally，the effectiveness andsuperiority of the proposedstrategy are verifiedthrough thereal vehicle experiments.The research results indicate that the proposed strategy achieves real-time control of the optimal output efficiency of the electric drive system，and reduces the overall vehicle energy consumption by 3.86% （204號 compared with the traditional economic gearshift strategy.

Keywords： energy efficiency;electric heavy truck;AMT; shift strategy;bond graph

隨著環(huán)境污染和能源危機(jī)的不斷加重，汽車產(chǎn)業(yè)電動化轉(zhuǎn)型受到越來越多的關(guān)注[2]?，F(xiàn)階段，重型商用車占據(jù)了汽車行業(yè) 54.3% 的碳排量且電動化滲透率僅為 0.7%^[3] ，其電動化轉(zhuǎn)型具備巨大的節(jié)能潛力和環(huán)保價值。憑借著電控機(jī)械式自動變速箱（automated mechanical transmission，AMT）制造成本低、效率與操作可靠性高等優(yōu)點(diǎn)，多擋AMT電動重型商用車成為重型商用車的主流車型4。為充分開發(fā)AMT節(jié)能潛力，多數(shù)制造商通過增加AMT擋位數(shù)的方式降低能量損耗，但該方案會導(dǎo)致成本上升]。因此，換擋策略成為改善多擋AMT電動重型商用車能量損耗的關(guān)鍵。

經(jīng)濟(jì)性換擋策略的研究主要分為傳統(tǒng)經(jīng)濟(jì)性換擋策略和基于智能控制的經(jīng)濟(jì)性換擋策略兩類。傳統(tǒng)經(jīng)濟(jì)型換擋策略利用優(yōu)化算法或者考慮多部件效率特性制定換擋策略，Roozegar等結(jié)合遺傳算法提出一種基于變分法的換擋控制策略，可以實(shí)現(xiàn)快速換擋并降低能量損耗。Wang等[8引人DIRECT算法與模糊控制制定經(jīng)濟(jì)性換擋策略，該策略在保持電池充放電平衡的同時能夠降低能量損耗。Nguyen等和王瑋琪等[]將電驅(qū)系統(tǒng)多部件效率特性進(jìn)行耦合分析，以綜合效率最高為性能指標(biāo)制定換擋策略，但是考慮部件不夠全面且較理想化。此類研究換擋策略通?；陔姍C(jī)效率最優(yōu)制定，忽略電驅(qū)系統(tǒng)部分的效率特性，使換擋策略無法確切表征各部件及整個系統(tǒng)效率隨駕駛環(huán)境動態(tài)變化的特點(diǎn)。

基于智能控制的經(jīng)濟(jì)性換擋策略考慮人一車一路三者的交互適應(yīng)，利用神經(jīng)網(wǎng)絡(luò)、深度強(qiáng)化學(xué)習(xí)等方法制定換擋策略。Hayashi等[1和You等[12利用神經(jīng)網(wǎng)絡(luò)等算法，引人換擋策略修正因子來解決電動重型商用車道路環(huán)境大幅度變化的問題。Lin等[13]和Feng等[14考慮駕駛意圖的影響，利用長短期記憶神經(jīng)網(wǎng)絡(luò)、kl散度進(jìn)行駕駛風(fēng)格識別并制定換擋策略，有效提升了換擋策略環(huán)境適應(yīng)性。Chen等[5]利用強(qiáng)化學(xué)習(xí)進(jìn)行能量管理與換擋策略的多目標(biāo)控制以提升能量利用率。此類研究換擋策略的制定對計算芯片要求較高，且需要長時間訓(xùn)練以制定策略，顯著增加了車輛成本。

針對上述問題，文中提出了一種基于系統(tǒng)效率最優(yōu)的換擋策略?；陔婒?qū)系統(tǒng)結(jié)構(gòu)深入分析電驅(qū)系統(tǒng)各部件損耗機(jī)理和動態(tài)效率特性，通過電驅(qū)系統(tǒng)效率曲面制定基于系統(tǒng)效率最優(yōu)的換擋策略;建立電驅(qū)系統(tǒng)鍵合圖模型，利用重構(gòu)城郊工況進(jìn)行換擋策略仿真分析;通過實(shí)車實(shí)驗驗證文中改進(jìn)策略的有效性和優(yōu)越性。

1基于系統(tǒng)效率最優(yōu)的換擋策略

1.1 電驅(qū)系統(tǒng)構(gòu)型

圖1為某款電動重型商用車電驅(qū)系統(tǒng)結(jié)構(gòu)原理圖，主要由電氣系統(tǒng)和機(jī)械傳動系統(tǒng)兩部分組成，電氣系統(tǒng)包含電池、變換器、逆變器和電機(jī)，機(jī)械傳動系統(tǒng)包含AMT、傳動軸、主減速器、差速器、半軸和車輪。電動重型商用車關(guān)鍵參數(shù)如表1所示。車輛運(yùn)行過程中，電驅(qū)系統(tǒng)接受整車控制器指令，通過電氣系統(tǒng)與機(jī)械傳動系統(tǒng)實(shí)現(xiàn)機(jī)、電、磁、熱多能量耦合傳遞，最后將動力傳送至車輪。

圖1電驅(qū)系統(tǒng)原理圖

Fig.1Schematic diagram of electric drive system

表1電動重型商用車關(guān)鍵參數(shù)

Table1Keyparametersforelectricheavytruck

1.2電驅(qū)系統(tǒng)動態(tài)效率特性分析

現(xiàn)有經(jīng)濟(jì)性換擋策略多數(shù)基于電機(jī)效率最優(yōu)制定而理想化處理其他部件效率特性，此方法缺乏對電驅(qū)系統(tǒng)眾多部件的全面耦合分析，導(dǎo)致電驅(qū)系統(tǒng)的實(shí)際工作效率無法達(dá)到最優(yōu)。為真正表征電驅(qū)系統(tǒng)及其部件效率隨車輛行駛狀態(tài)和工作環(huán)境動態(tài)變化的情況，深人剖析電驅(qū)系統(tǒng)各個部件的損耗機(jī)理和動態(tài)效率特性，建立電驅(qū)系統(tǒng)隨汽車運(yùn)行工況實(shí)時變化的動態(tài)效率模型。

1.2.1 電池?fù)p耗與效率模型

電池的功率損耗主要由充放電電流、內(nèi)阻和電路壓降變化引起，可得電池?fù)p耗和動態(tài)效率數(shù)學(xué)模型為：

P_R=NI₁²?R₁，

η_bat=P_outbat/（ΔP_outbat+P_R+P_RC）

式中： 分別為電池內(nèi)阻功率損耗、電池極化電路功率損耗、電池輸出功率， kW V_pl ） V_p2 分別為一階極化電壓、二階極化電壓， V;R₁，R_p1，R_p2 分別為電池內(nèi)阻、一階極化電阻、二階極化電阻， Ω;C_pl1，C_p2 分別為一階極化電容、二階極化電容，F(xiàn)； N 為單體電池個數(shù)； I₁ 為電池主回路電流，A; η_bat 為電池效率，取0～1。

電池動態(tài)效率特性如圖2所示。在中低加速踏板開度時，車輛持續(xù)、穩(wěn)定工作在效率較高區(qū)域，當(dāng)車輛處于高加速踏板開度時，動力電池的效率最低，車輛處于使用時間較短、頻次較低的極限工況。

圖2電池?fù)p耗與效率特性

Fig.2Battery lossand efficiencycharacteristics

1.2.2 逆變器損耗與效率模型

逆變器損耗主要分為4部分：IGBT（insulated gate bipolar transistor）導(dǎo)通損耗、IGBT開關(guān)損耗、續(xù)流二極管（freewheeling diode，F(xiàn)WD）導(dǎo)通損耗、FWD反向恢復(fù)損耗，建立逆變器的損耗和動態(tài)效率數(shù)學(xué)模型為：

P_condIGBT=I_c（V_ce0+I_c（R₂+K_RTΔT_JIGBT）），

P_swIGBT=f（E_swon+E_swoff），

P_swFWD=fE_swrec，

η_inverier=P_{out，inverier}/（P_{out，inverter}+P_cond-IGBT+P_cond-FWD+P_sw-IGBT+P_sw-FWD）_{out，inverter}

式中： 分別為IGBT導(dǎo)通損耗、FWD導(dǎo)通損耗、IGBT開關(guān)損耗、FWD 反向恢復(fù)損耗、逆變器輸出功率， kW：ΔT_JIGBT，ΔT_JFWD 分別為IGBT、FWD的結(jié)溫溫差， °C;K_RT，K_RT， 分別為 IGBT、FWD導(dǎo)通電阻溫度系數(shù)， 3.0×10^-6;f 為開關(guān)頻率， Hz;E_swon，E_swoff，E_swrec 分別為IGBT開通能量消耗、 IGBT關(guān)斷能量消耗、FWD反向恢復(fù)能量消耗， mJ;I_c，If 分別為IGBT集射極電流、FWD導(dǎo)通電流，A; V_ce0 、 V_f0 分別為IGBT、FWD門檻電壓， V;R₂，R₃ 分別為IGBT、FWD導(dǎo)通電阻， Ω;η_inverter 為逆變器效率，取0～1。

逆變器動態(tài)效率特性如圖3所示。由圖3（a）可知，逆變器損耗隨著電機(jī)需求功率的增大而顯著增大，進(jìn)入恒功率區(qū)后趨于平緩。由圖3（b）可知，除了由于電流的突變導(dǎo)致效率出現(xiàn)短暫的低效區(qū)，逆變器的效率普遍較高，且效率損失也較為固定，僅受到固定開關(guān)頻率影響。

圖3逆變器損耗與效率特性

Fig.3 Inverterlossandefficiencycharacteristics

1.2.3 變換器損耗與效率模型

除開開關(guān)器件損耗，變換器濾波電容和電感的寄生電阻亦會產(chǎn)生少量功率損耗。建立變換器的損耗和動態(tài)效率數(shù)學(xué)模型如下：

式中： P_LCR，P_IGBT，P_outdc 分別為變換器寄生電阻損耗功率、IBGT開關(guān)器件損耗功率、變換器輸出功率， kW：L₁ 為變換器電感， H;C₁，C₂ 分別為變換器電容， F;I₂，I₃，I₄ 分別為變換器電感 L₁ 電流、電容 C₁ 電流、電容 C₂ 電流，A;R₄，R₅，R₆ 分別為變換器電感 L₁， 電容 C₁ 電容 C₂ 的寄生電阻， Ω;η_dc 為變換器效率，取0～1。

變換器動態(tài)效率特性如圖4所示。由圖4（a）可知，除開開關(guān)器件損耗，寄生電阻損耗影響隨著需求功率增加而逐漸顯著。由圖4（b）可知，寄生電阻損耗在恒功率區(qū)達(dá)到最大，此時效率Map會出現(xiàn)一個較大“陡坡”。

Fig.4 Converterlossand efficiencycharacteristics

1.2.4電機(jī)損耗與效率模型

永磁同步電機(jī)損耗中繞組銅損、定子鐵損及機(jī)械損耗均可進(jìn)行推導(dǎo)求解，而雜散損耗占比較低且由高次諧波和齒槽諧波導(dǎo)致，無法保證計算精度，進(jìn)行理想化處理。建立電機(jī)的損耗和動態(tài)效率數(shù)學(xué)模型如下：

P_Cu=（1/R_c（L_qdi_oq/dt+ω_eφ_f）+（Idω_m/dt+Bω_m+T_L）/（1.5p_nφ_f））²?R_s，

P_Fe=（1/R_c）（L_qdi_oq/dt+ω_eφ_f）²，

P_M=B（ω_m）²，

η_pmsm=P_outpmsm/（P_outpmsm+P_cu+P_Fe+P_M）°

式中： P_{Fe?PCu?PM?Pout?pmsm} 分別為電機(jī)鐵損、電機(jī)銅損、電機(jī)機(jī)械損、電機(jī)輸出功率， kW;R_c，R_s 分別為定子電阻、鐵損電阻， Ω;ω_m，ω_e 分別為機(jī)械角速度、電角速度， rad/s;B 為機(jī)械阻尼， N?m?s/rad;J 為轉(zhuǎn)動慣量， kg?m² ：T_L 為負(fù)載轉(zhuǎn)矩， N?m;p_n 為極對數(shù); φ_f 為永磁體磁鏈， Wb;i_oq 為 q 軸電感電流，A; η_pmsm 為電機(jī)效率，取0～1。

電機(jī)動態(tài)效率特性如圖5所示。由圖5可知，低轉(zhuǎn)速區(qū)電機(jī)損耗以銅損為主，高轉(zhuǎn)速區(qū)鐵損和機(jī)械損耗占據(jù)電機(jī)總損耗的主要部分。故電機(jī)在低轉(zhuǎn)速和高轉(zhuǎn)速區(qū)間效率較低，在中等轉(zhuǎn)速區(qū)間效率較高。

圖4變換器損耗與效率特性

圖5電機(jī)損耗與效率特性

Fig.5Motorlossandefficiencycharacteristics

1.2.5 機(jī)械傳動系統(tǒng)損耗與效率模型

區(qū)別于傳統(tǒng)機(jī)械傳動系統(tǒng)功率損失和動態(tài)特性的理論計算方法，以慣性效應(yīng)（慣量損失）容性效應(yīng)（柔度損失）和阻性效應(yīng)（摩擦損失）來表征機(jī)械傳動系統(tǒng)的能量損失。機(jī)械傳動系統(tǒng)能量傳遞及功率損耗路徑如圖6所示，其中慣性效應(yīng)與阻性效應(yīng)造成機(jī)械傳動系統(tǒng)轉(zhuǎn)矩的損失，容性效應(yīng)造成機(jī)械傳動系統(tǒng)轉(zhuǎn)速的損失，建立機(jī)械傳動系統(tǒng)的損耗和動態(tài)效率數(shù)學(xué)模型如下：

ω_out=（ω_in/i_g-ω_shaft）/i₀-ω_halfshaft-ω_wheel，

η_mt=T_outω_out/（T_inω_in）

式中： T_in?T_out?T_AMT1?T_AMT2?T_differental?T_halfshafty 分別為傳動系統(tǒng)輸入轉(zhuǎn)矩、傳動系統(tǒng)輸出轉(zhuǎn)矩、AMT主動軸損失轉(zhuǎn)矩、AMT從動軸損失轉(zhuǎn)矩、主減速器及差速器損失轉(zhuǎn)矩、半軸損失轉(zhuǎn)矩， N?m;ω_in?ω_out?ω_shaft?ω_halfshaft?ω_wheel 分別為傳動系統(tǒng)輸入轉(zhuǎn)速、傳動系統(tǒng)輸出轉(zhuǎn)速、傳動軸損失轉(zhuǎn)速、半軸損失轉(zhuǎn)速、車輪損失轉(zhuǎn)速， rad/s;I_s，I₆，I₇ 、 分別為AMT主動軸轉(zhuǎn)動慣量、AMT從動軸轉(zhuǎn)動慣量、主減速器及差速器轉(zhuǎn)動慣量、左車輪轉(zhuǎn)動慣量、右車輪轉(zhuǎn)動慣量， kg?m²;R₇，R₈ 分別為AMT主動、從動軸摩擦系數(shù)，取 0～1;C₃，C₄，C₅，C₆，C₇ 分別為傳動軸柔度、左半軸柔度、右半軸柔度、左車輪柔度、右車輪柔度， Λ（^°）/（N?m）;i_g i_o 分別為AMT傳動比、主減速比； η_mt 為機(jī)械傳動系統(tǒng)效率，取0～1。

Fig.6Powerlosspathdiagramof mechanical transmissionsystem

部分機(jī)械傳動系統(tǒng)動態(tài)效率特性如圖7所示。機(jī)械傳動系統(tǒng)效率特性中，I、II擋處于起步加速階段，慣性效應(yīng)和容性效應(yīng)顯著，其效率相對較低;II、IV、V擋為商用車常用擋位，效率較高且波動較小;VI擋時電機(jī)輸出轉(zhuǎn)速未得到傳動比的削減，整個傳動系統(tǒng)承受較高的轉(zhuǎn)速，效率較II、IV、V擋略有降低。

圖6機(jī)械傳動系統(tǒng)功率損耗路徑圖

圖7機(jī)械傳動系統(tǒng)損耗與效率特性（以四擋為例）

Fig.7Lossand efficiency characteristics of transmissionsystems （in fourth gear，for example）

1.2.6電驅(qū)系統(tǒng)損耗與效率模型

由電驅(qū)系統(tǒng)所有部件的損耗機(jī)理和效率特性分析可知，電氣系統(tǒng)中各部件的損耗和效率特性均受到整車需求功率的影響，機(jī)械系統(tǒng)中各部件的損耗和效率特性主要受到變速器所處擋位以及傳動系統(tǒng)傳遞的轉(zhuǎn)矩和轉(zhuǎn)速的影響。綜合前文的工作，得到整個電驅(qū)系統(tǒng)的損耗和效率數(shù)學(xué)模型為：

ΔP_sys=ΔP_bat+ΔP_dc+ΔP_inverter+ΔP_pmsm+ΔP_mt，

η_sys=η_bat?η_dc?η_inverter?η_pmsm?η_mto

式中： ΔP_sys，ΔP_bat，ΔP_dc，ΔP_{inverter，Δ}P_{pmsm，Δ}P_mt 分別為電驅(qū)系統(tǒng)功率損耗、電池功率損耗、變換器功率損耗、逆變器功率損耗、永磁同步電機(jī)功率損耗、傳動系統(tǒng)功率損耗， kW：η_sys 為電驅(qū)系統(tǒng)效率，取0～1。

部分電驅(qū)系統(tǒng)動態(tài)效率特性如圖8所示。電驅(qū)系統(tǒng)動態(tài)效率特性中，其瞬時損耗隨著擋位升高逐漸降低。當(dāng)車輛處于極限工況時，電驅(qū)系統(tǒng)的功率損耗急劇上升，最高可達(dá) 50kW 。當(dāng)車輛正常工作時，電驅(qū)系統(tǒng)的瞬時功率損耗較低，將持續(xù)工作在高效率區(qū)。

Fig.8Lossand efficiency characteristics of electricdrive system （in fourth gear，for example）

根據(jù)圖8中損耗Map圖構(gòu)建部分工況下部件損耗占比如圖9所示。不同加速踏板開度下，電驅(qū)系統(tǒng)各部件損耗所占比例變化不同但趨勢類似，低速時電機(jī)損耗占比最大，隨著車速增加電池?fù)p耗逐漸成為電驅(qū)系統(tǒng)主要損耗，符合實(shí)際情況。

圖8電驅(qū)系統(tǒng)損耗與效率特性（以四擋為例）

圖9電驅(qū)系統(tǒng)部件損耗占比圖（以四擋為例）

Fig.9Electric drive system component loss percentage diagram （in fourth gear，for example）

1.3 換擋曲線制定

根據(jù)電驅(qū)系統(tǒng)動態(tài)效率特性分析，得到如圖10（a）所示的不同擋位下電驅(qū)系統(tǒng)效率曲面，從左至右依次為I至VI擋。在基本滿足車輛動力性的前提下，保證AMT換擋前后電驅(qū)系統(tǒng)的工作效率最優(yōu)，換擋曲線制定原則為：當(dāng)I擋電驅(qū)系統(tǒng)效率曲面開始下降，與處在上升階段的Ⅱ擋電驅(qū)系統(tǒng)效率曲面相交時，將擋位切換至Ⅱ擋，即將I擋與Ⅱ擋電驅(qū)系統(tǒng)效率曲面的交線定義為I擋至Ⅱ擋的升擋曲線，其余擋位的升擋曲線制定原理依此類推。將升擋曲線向 X-Y 平面投影并進(jìn)行延遲處理即可得到圖10（b）的AMT換擋曲線。

Fig.10 Shifting strategy based on optimal system efficiency

2 建模與仿真分析

2.1 電驅(qū)系統(tǒng)鍵合圖建模

鍵合圖理論[16-7]能將機(jī)、電、熱、磁、液等多種能量形式采用統(tǒng)一的語言符號表達(dá)，直觀地呈現(xiàn)多種能量場之間的相互耦合關(guān)系、系統(tǒng)內(nèi)部功率流向和系統(tǒng)各部件能量損失，非常適合文中的研究。

基于圖1的電驅(qū)系統(tǒng)結(jié)構(gòu)原理圖，分別建立電池、變換器、逆變器、電機(jī)、機(jī)械傳動系統(tǒng)鍵合圖模型如圖11所示，文中不詳細(xì)贅述鍵合圖建模及驗證過程，僅展示部件鍵合圖模型用于后續(xù)仿真分析。

圖10基于系統(tǒng)效率最優(yōu)的換擋策略

（c）逆變器鍵合圖模型

圖11電驅(qū)系統(tǒng)鍵合圖模型

Fig.11 Electric drive systembond graph modeling

圖12傳統(tǒng)經(jīng)濟(jì)性換擋策略

Fig.12Traditional economy shifting strategy

2.2 仿真分析

文中研究對象所采取的換擋策略為基于電機(jī)效率最優(yōu)制定的傳統(tǒng)經(jīng)濟(jì)性換擋策略，制定過程與上文類似，此處不予贅述，其結(jié)果如圖12所示。

為驗證基于系統(tǒng)效率最優(yōu)的換擋策略的優(yōu)越性，基于重構(gòu)工況將文中提出的策略與研究對象所采取的換擋策略進(jìn)行對比分析，仿真結(jié)果如圖13所示。由圖13（a）可以看出，基于系統(tǒng)效率最優(yōu)的換擋策略能夠?qū)崿F(xiàn)車速跟隨。如圖13（b）所示，在整個測試工況下，基于系統(tǒng)效率最優(yōu)的換擋策略具有更好的節(jié)能效果，其能耗較傳統(tǒng)策略降低了 4.079% ，SOC（stateof charge）變化量減少了 0.27% 。由于變速器換擋操作集中于低速區(qū)域，選取工況低速區(qū)域進(jìn)行分析發(fā)現(xiàn)，基于系統(tǒng)效率最優(yōu)的換擋策略換擋點(diǎn)變化較為顯著，其中2擋升3擋換擋點(diǎn)最為顯著，如圖13（c）所示。整個工況下電機(jī)工作點(diǎn)如圖13（d）所示，電機(jī)工作點(diǎn)在低轉(zhuǎn)速區(qū)發(fā)生了顯著變化，這和13（c）中現(xiàn)象相互印證。

圖13 仿真結(jié)果

3實(shí)驗驗證

為驗證鍵合圖模型的有效性和基于系統(tǒng)效率最優(yōu)的換擋策略的優(yōu)越性，文中搭建了實(shí)車能耗測試平臺，如圖14（a）所示。整個測試系統(tǒng)可以分為2個部分：軟件部分和硬件部分。軟件部分主要包括系統(tǒng)控制平臺、通信系統(tǒng)，系統(tǒng)控制平臺用來設(shè)定控制信號、觀測實(shí)驗狀態(tài)，通信系統(tǒng)為AdvantechCo.Ltd公司IPC-610L系列產(chǎn)品，主要負(fù)責(zé)信息交互;硬件部分主要由上位機(jī)、車輛固定掛鉤、風(fēng)機(jī)、實(shí)驗車輛、目標(biāo)速度顯示器、車輛位置傳感器等組成。

Fig.13 Simulationresults

以CHTC（China heavy-dutytruck cycle）能耗為評價指標(biāo)，利用實(shí)驗平臺進(jìn)行原車與搭載改進(jìn)換擋策略的車輛能耗實(shí)驗，實(shí)驗結(jié)果如圖14（b）、（c）所示。由圖14（b）可知，在CHTC工況下，鍵合圖模型輸出能耗與實(shí)車真實(shí)能耗誤差為 3.21% ，驗證了所搭建的仿真模型的有效性，仿真和實(shí)驗中搭載基于系統(tǒng)效率最優(yōu)的換擋策略的整車能耗較傳統(tǒng)策略分別降低了 4.13% 和 3.86% ，驗證基于系統(tǒng)效率最優(yōu)的換擋策略的優(yōu)越性。進(jìn)一步的實(shí)驗細(xì)節(jié)如圖14（c）所示，描述了整個CHTC工況下效率變化情況，基于系統(tǒng)效率最優(yōu)的換擋策略在低速區(qū)域?qū)π实奶嵘^為顯著，這是因為變速器換擋操作主要集中在此區(qū)域，當(dāng)車速較高時，2種換擋策略的效率曲線重疊部分較多。

圖14實(shí)驗測試平臺及結(jié)果

Fig.14Experimentaltest platformand results

4結(jié)論

1）構(gòu)建基于系統(tǒng)效率最優(yōu)的換擋策略。基于電驅(qū)系統(tǒng)結(jié)構(gòu)，分別推導(dǎo)了電池、變換器、逆變器、電機(jī)、機(jī)械傳動系統(tǒng)的損耗公式和動態(tài)效率特性，得到電驅(qū)系統(tǒng)效率模型，并基于電驅(qū)系統(tǒng)動態(tài)效率曲面制定了基于系統(tǒng)效率最優(yōu)的換擋策略。2）建立電驅(qū)系統(tǒng)鍵合圖模型，利用重構(gòu)城郊工況進(jìn)行換擋策略仿真分析。仿真結(jié)果表明：在測試工況下，基于系統(tǒng)效率最優(yōu)的換擋策略能耗降低了 4.668% ，SOC變化量減少了 0.27% 。3）搭建實(shí)車能耗測試平臺，通過實(shí)車實(shí)驗驗證鍵合圖模型的有效性和基于系統(tǒng)效率最優(yōu)的換擋策略優(yōu)越性。實(shí)驗結(jié)果表明：在CHTC工況下，鍵合圖模型與實(shí)車測試真實(shí)能耗誤差為 3.21% ，仿真和實(shí)驗中搭載基于系統(tǒng)效率最優(yōu)的換擋策略能耗分別降低了 4.13% 和 3.86% 。

參考文獻(xiàn)

[1]SahaA，SimicV，SenapatiT，etal.Adualhesitantfuzzysets-basedmethodologyforadvantageprioritizationofrosion last-miledeliverysolutionsforsustainable citylogistics[J].IEEETransactionsonFuzzySystems，2023，31（2）：407-420.

[2]Sun XD，JinZJ，Xue MZ，etal.AdaptiveECMSwithgearshiftcontrolbygrey wolfoptimizationalgorithmand neural network for plug-In hybrid electricbuses[J].IEEETransactions on Industrial Electronics，2024，71（1）： 667-677.

[3］郝旭，陸賢濤，楊靜，等.中國零碳商用車市場滲透率建模：以重型長途牽引貨車為例[J].汽車工程，2024，46（2）：253-259. Hao X，LuXT，Yang J，etal.ModelingonthepenetrationrateofChina’scommercialvehicle market：taking heavy-dutylonghaul trucks as an example[J].Automotive Engineering，2024，46（2）： 253-259.（in Chinese）

[4]Liu X D，Du J， Cheng X Q，etal.Anadaptive shift schedule design method for multi-gear AMTelectric vehicles basedon dynamic programming and fuzzy logical control[J].Machines，2023，11（9）：915.

[5]KwonK，LeeJH，LimSK.Optimizationofmult-speed transmisionforelectric vehiclesbasedonelectricalandmecanical efficiency analysis[J].Applied Energy，2023，342：121203.

[6]EckertJJ，daSilvaSF，SanticioliFM，etal.Multi-speedgearboxdesignandshiftingcontroloptimzationtominiizefuel consumption，exhaustemisions anddrivetrainmechanicallosses[J].Mechanismand Machine Theory，2022，169：104644.

[7]RoozegarM，AngelesJ.Atwo-phasecontrolalgorithmforgear-shiftinginanovelmulti-speed transmisionforelectric vehicles[J].Mechanical Systems and Signal Processing，2018，104：145-154.

[8]Wang SH，ZhangK M，ShiDH，etal.Researchoconomicalshifting strategyformulti-gearandmulti-modeparalelplug-in HEV based onDIRECT algorithm[J].Energy，2024，286：129574.

[9]Nguyen CT，WalkerPD，Zhang N.Shiftingstrategyandenergymanagementofatwo-motordrivepowertrain forextendedrange electric buses[J].Mechanism and Machine Theory，2020，153：103966.

[10]王瑋琪，王偉達(dá)，孫曉霞，等.重型車輛多擋并聯(lián)混合動力系統(tǒng)的聯(lián)合優(yōu)化控制策略[J].兵工學(xué)報，2021，42（10）：2242- 2250. Wang WQ，WangWD，Sun X X，etal.The jointoptimalcontrolstrategyofmulti-gearparallelhybrid power systemof heavyduty vehicle[J].Acta Armamentarii，2021，42（10）： 2242-2250. （in Chinese）

[11]Hayashi K，ShimizuY，Dote Y，etal.Neurofuzzytransmisioncontrol forautomobilewith variable loads[J].IEEE Transactions on Control Systems Technology，1995，3（1）： 49-53.

[12]YouY，WuJT，MengYL，etal.Adaptiveshiftstrategyofanovelpower-cyclingvariable transmisionforconstructionveicles [J].Robotics and Autonomous Systems，2024，171： 104563.

[13]LinX Y，LiYL，Xia B.Anonline driverbehavioradaptiveshiftstrategyfortwo-speedAMTelectric vehicle basedondynamic corrected factor[J]. Sustainable Energy Technologies and Assessments，2021，48：101598.

[14]FengJH，QinDT，LiuYG，etal.Data-drivencloud-based intellgentgear-shiftdecisionstrategyofvehiclecosidering driving behavior and environment[J].Journal of Cleaner Production，2023，429：139558.

[15]Chen JX，Shu H，TangXL，etal.Deepreinforcementlearning-basedmulti-objectivecontrolof hybrid power system combined with road recognition under time-varying environment[J].Energy，2022，239：122123.

[16]ArogetiSA，WangDW，LowCB，etal.Faultdetectionisolatioandestimationinavehiclesteringsystem[J].EEE Transactions on Industrial Electronics，2012，59（12）： 4810-4820.

[17]SilvaLI，BouscayrolA，DeAngeloCH，etal.Couplingbondgraphandenrgeticmacroscopicrepresentationforelectric vehicle simulation[J].Mechatronics，2014，24（7）：906-913.

（編輯 詹燕平）