基于ADVISOR二次開發的Plug-in HEV模糊控制研究

譚德榮，孫靜霞，王興偉

(山東理工大學交通與車輛工程學院，山東淄博255049)

隨著社會的進步、科技的發展，面對傳統汽車亟待解決的一系列問題，具有改善油耗、降低排放等優勢的混合動力電動汽車(HEV)開始大范圍的推廣。但HEV仍依賴于石油燃料，遠景并不樂觀，在此基礎上誕生了插電式混合動力電動汽車(PHEV)［1］。保證車輛的動力性，提高燃油經濟性降低排放，并保持電池的充放電平衡，合理的能量分配控制是PHEV的關鍵技術。為了解決這方面問題，筆者以PHEV的設計目標為基礎，提出一種PHEV最優模糊邏輯控制策略，在模糊輸入方面綜合考慮了電池電量、汽車驅動需求的輸出轉矩以及電動機轉速等因素，對能量回收不足SOC下降的情況進行改進，并使用基于Simulink的電動汽車仿真軟件二次開發ADVISOR進行仿真試驗驗證。

1 工作模式

由于插電式混合動力汽車可通過外部電網充電，其配置蓄電池的功率和能量都比普通混合動力汽車要大，純電動行駛里程更長，可優先考慮蓄電池單獨驅動車輛行駛。根據電池組SOC消耗一定值時為分界，將PHEV分為電量消耗模式和電量保持模式2種工作模式，這2種工作模式的控制策略有很大不同［2］:

1)以電能為主要能源的電量消耗模式。電池系統充滿電后車輛以純電動方式啟動，蓄電池從電網獲取的電能可以滿足短距離內的車輛行駛需求。若大功率工況需求，繼續純電動行駛需要采用昂貴的大功率電機和電池，這樣成本太高。所以采用以電能為主要能量源的混合控制策略，電機提供大部分功率，發動機提供小部分輔助功率。

2)以發動機為主的電量保持模式。當電池組能量消耗到一定程度，電池從電網獲取能量不能滿足車輛行駛需求，要依靠發動機與電機共同驅動。

2 Plug-in HEV最優模糊控制策略

最優模糊控制策略的制定主要針對電量保持的混合驅動模式，當PHEV車速或扭矩需求達到一定切換值，車輛即從純電動模式切換到以發動機為主的混合驅動模式，在該模式下通常發動機工作在最優曲線上提供大部分功率，其輸出扭矩和車輛行駛需求扭矩的差值依靠電機來補充，只有當電池的SOC不足以及電機的補充能力不能滿足整車行駛需求時，發動機的工作點才偏離最優曲線，同時要控制SOC的平衡。根據上述由按發動機最優曲線進行動力分配和SOC平衡控制一起構成PHEV最優模糊控制策略。

2.1 發動機最優區間模糊控制

模糊控制是以模糊集合論、模糊語言變量及模糊邏輯推理為基礎的一種計算機數字控制［3］。ADVISOR的兼顧排放的模糊控制策略只將發動機需求扭矩和電池荷電狀態SOC作為求取發動機輸出轉矩的依據，而沒有考慮電機的效率。實際上混合動力能量二次轉換的損失主要是電動機工作時的能量損失，因此控制發動機的輸出扭矩時應兼顧電動機的效率［4］。根據模糊控制器設計目標，又以發動機作為主要動力源提供主要轉矩，電機對剩余轉矩差值進行緩沖和補償，將模糊控制器的輸入確定為:整車需求轉矩與發動機工作在最優工作區間的實際轉矩的差值ΔT、電池荷電狀態SOC及當前電機轉速Nm，模糊控制器結構如圖1。

圖1 模糊控制器結構Fig.1 Fuzzy controller structure

考慮到發動機的負荷特性，將輸入變量需求輸出轉矩Trq在論域［0，1］上分為5個模糊集{較小，稍小，適中，稍大，較大}。根據電池內阻特性，將輸入變量電池SOC分為5個模糊集{過低，偏低，正常，偏高，較高}。根據電機特性，將電機轉速Nm分為2個模糊集{低，高}。發動機實際輸出扭矩Te模糊集分為{較小，稍小，最佳，稍大，較大}5種情況，其中“最佳”表示發動機最佳轉矩。模糊輸入語言變量和輸出語言變量均采用梯形隸屬度函數，便于參數的調節，根據Matlab仿真工具箱中模糊控制輸入量、輸出量的隸屬函數如圖2［5］。

圖2 發動機最優區間模糊控制輸入、輸出變量的隸屬函數Fig.2 Fuzzy membership function of input and output parameterfor optimum interval control

在模糊推理中，與(AND)運算采用取小，蘊涵運算采用Mamdani方法，建立了50條規則，結論合成采用累加法，非模糊化則采用面積重心法。綜合電機轉速的因素，將模糊控制規則分2部分:當電機轉速較高時，電機的負荷較高;電機轉速較低時，電機的負荷較低，從而使電機有更高的效率，控制規則如表1，控制規則曲面圖如圖3。

表1 模糊控制規則Tab.1 Fuzzy control rules

列舉幾條規則說明:①如果Trq較小，同時SOC過低，且Nm高，則Te最佳轉矩輸出。表示請求轉矩很小，且SOC很低需及時充電，這時電動機作為發電機來發電并處于高效率狀態。發動機輸出的轉矩用于驅動行駛和驅動發電機發電;②如果Trq較大，同時SOC較高，且Nm高，則Te以最佳轉矩輸出。表示需求轉矩較大，SOC較高，且電機處于高效率狀態，可以用電動機來提供部分動力，使發動機處于最佳轉矩狀態。

圖3 輸入、輸出參數的控制規則曲面Fig.3 Fuzzy controlling surface of input and output parameter

為了使模糊控制更準確，對模糊規則進行反饋調節。把實際響應和期望響應的偏差δ反饋給控制器，則控制器基于 δ((ΔT)、δ(SOC)、δ(Nm)對發動機模糊化輸出做出校正，再把控制器輸出所需的校正p(n)轉化成施加于控制器的輸出校正r(n)，具體數學模型可表示為:

式中:H為過程增量模型矩陣。

把控制器的輸入 δ ΔT(nt－mt)、δ SOC(ntmt)、δ Nm(nt－mt)量和期望的輸出量 Te(nt－mt)+r(nt)模糊化，得到相應的模糊子集 ΔT(nt－mt)、SOC(nt－mt)、Nm(nt－mt)、T'e(nt－mt)，則控制規則修改的關系矩陣為:

2.2 電池SOC平衡控制

最優曲線控制策略基本能夠實現PHEV電量保持階段的控制目標，但當制動回收的能量不足以滿足電機需要提供的助力能量時，如果不使用發動機發電，就需要消耗電池本身電量，導致循環結束時電池SOC值要比循環開始時有所降低。因此，有必要制定電池SOC平衡模糊控制策略，以協助發動機最優區間控制達到更好的控制效果。

這個模糊控制單元同樣采用Mamdani方法，兩輸入參數分別是電池電量差值SOC1和電池電量的變化量SOC2。電池電量的差值指行駛循環結束時電池電量值與電池電量目標控制值之差，它的模糊集有{偏低，正常，偏高}，分別表示行駛循環結束時電池SOC值與目標控制值相比偏低、正常和偏高。電池電量的變化量指行駛循環結束時電池電量值與行駛循環開始時電池電量值之差，其模糊集有{下降，平衡，上升}，分別表示行駛循環結束時與行駛循環開始時比電池SOC值有所下降、平衡和有所上升。

Tec'表示對發動機扭矩要求的調整值，Tec'的模糊集有{較小，稍小，最佳，稍大，較大}，其中:“較小”表示大幅度減少發動機的輸出扭矩;“稍小”表示稍微減少發動機扭矩的輸出;“稍大”表示小幅度增大發動機扭矩的輸出;“較大”表示大幅度增加發動機輸出扭矩。利用仿真工具箱中模糊控制輸出量的隸屬函數，如圖4。

圖4 SOC平衡控制調節后輸出轉矩Tec'隸屬度函數Fig.4 SOC balance control membership function of output parameter

電池SOC平衡控制規則表的建立，首先判斷電池SOC1狀態，再根據SOC2的正負狀態，改變發動機的輸出扭矩調節電池SOC值上升或下降，使SOC值恢復平衡。

3 模糊控制策略仿真

完成模糊邏輯控制器設計后，就可以根據ADVISOR中控制策略模塊的輸入輸出在Matlab/Simu-link環境下搭建模糊控制策略模塊(圖5)，將所建立的模型嵌入到ADVISOR，對ADVISOR進行二次開發［6－7］。根據發動機當前轉速計算出發動機最佳轉矩和最大轉矩，然后把汽車需求輸出轉矩進行比例化，再根據需求轉矩的比例化、電池SOC信號、電機轉速進行模糊化處理，得到發動機實際輸出轉矩比例值，最后將這些轉矩比例值按照對應關系通過解模糊過程轉化成發動機實際輸出轉矩。

圖5 模糊控制策略模塊Fig.5 Fuzzy control strategy model

4 仿真結果對比

通過二次開發的ADVISOR對插電式混合動力汽車能量控制策略進行仿真［8］，在北京能量回收充足工況和紐約能量回收不足工況下模擬仿真，驗證PHEV最優模糊控制策略比傳統電輔助控制策略的優勢，以及增加SOC平衡模糊控制協助最優區間模糊控制策略達到了更優的控制效果。

4.1 增加了SOC平衡模糊控制前后性能比較

在紐約循環能量回收不足情況下，對PHEV進行仿真。在最優工作區間模糊控制下，PHEV的燃油經濟性下降，且電池電量SOC處于下降狀態(圖6)。由于電池電量比較低，沒有足夠的放電能力，此時發動機首先提供外載所需能量，還要發出更多功率為電池充電，因此發動機不可避免的工作于低效率區(圖7)。而增加SOC平衡模糊控制后，電池SOC雖略有降低，但變化不大，且一直處于電量充足狀態(圖8)，能有效的輔助發動機工作于適當的工作模式，因此發動機仍能很好的工作于高效率區(圖9)。

圖6 電輔助控制下SOC變化Fig.6 SOC changes of electrically-assisted control

4.2 經濟性分析

表2是傳統電輔助控制和最優區間模糊控制2種控制策略經濟性比較。從仿真結果可看出，對于北京循環的能量回收充足循環，應用模糊控制能將控制參數進行模糊化處理，實現功率的合理分配，取得較好的控制效果，相對于電輔助控制策略燃油經濟性有一定改善，燃油消耗率分別下降2.1%。但對于紐約循環能量回收不充足循環，模糊控制策略與電輔助控制策略相比，燃油經濟性反而下降了。

表2 兩種控制策略經濟性比較Tab.2 Economic comparison of two different control

經過對紐約循環這種能量回收不充足工況將模糊控制策略進行一定的調整，制定電池SOC平衡模糊控制策略。表3是在紐約循環工況下，能量回收不足時，通過電池SOC平衡控制的協助發動機最優區間控制，調整前后蓄電池效率、制動能量回收效率以及燃油消耗量變化情況，制動能量回收效率有所提高，致使燃油經濟性也有大幅度提高。

表3 紐約工況下模糊控制調整前后經濟性比較Tab.3 Economic comparison of fuzzy control adjusted under NewYork Conditions

5 結語

1)PHEV控制的關鍵是發動機和電動機轉矩的合理分配，筆者設計了一種兼顧發動機燃油經濟性和電池SOC平衡的最優模糊控制策略。

2)控制策略的仿真依賴于一定的道路工況，控制策略的仿真依賴于一定的道路工況，對于能量回收充足的情況，采用發動機最優區間控制策略相對于電輔助控制策略燃油經濟性有一定的改善，但對于能量回收不足的工況，需要進行改進，通過對不同的控制策略進行仿真分析，改進的最優模糊控制能將發動機控制在最佳燃油線附近，并實現電池SOC變化在合理的范圍內。

3)最優模糊控制策略具有一定的魯棒性，比基礎的電力輔助控制策略在整體上更具高效性。

［1］孫逢春.電動汽車［M］.北京:北京理工大學出版社，1997:243－250.

［2］毛文剛.插電式混合動力客車動力總成設計與研究［D］.武漢:武漢理工大學，2009:42－47.

［3］熊祖品.并聯混合動力城市客車動力系統研究與優化［D］.武漢:武漢理工大學，2008:29－30.

［4］段巖波，張武高，黃震.混合動力汽車模糊邏輯控制策略仿真［J］.內燃機工程，2003，24(2):66 －69.DUAN Yan-bo，ZHANG Wu-gao，HUANG Zhen.Simulation of fuzzy logic control strategy for HEV［J］.Neiranji Gongcheng，2003，24(2):66 －69.

［5］吳劍.并聯式混合動力汽車能量管理策略優化研究［D］.濟南:山東大學，2008:50－58.

［6］曾小華.基于ADVISOR 2002混合動力汽車控制策略模塊開發［J］.汽車工程，2004，26(4):394－396.ZENG Xiao-hua.The development of HEV control strategy module based on ADVISOR 2002 software［J］.Automotive Engineering，2004，26(4):394 －396.

［7］曾小華，王慶年，李勝，等.正向仿真模型與反向軟件ADVISOR的集成開發［J］.汽車工程，2007，29(10):851 －854.ZENG Xiao-hua，WANG Qing-nian，LI Sheng，et al.Development of forward simulation model in ADVISOR 2002［J］.Automotive Engineering，2007，29(10):851 －854.

［8］王婷.混合動力電動汽車控制策略的優化研究［D］.北京:北京交通大學，2009:55－60.