基于模糊邏輯的混合動力汽車控制策略研究

徐小東， 張冰戰(zhàn)

（1.安徽交通職業(yè)技術(shù)學(xué)院 汽車與機(jī)械工程系，安徽 合肥 230051；2.合肥工業(yè)大學(xué) 機(jī)械與汽車工程學(xué)院，安徽 合肥 230009）

0 引 言

能源短缺和環(huán)境污染是當(dāng)今世界面臨的兩大難題，插電式混合動力汽車（Plug－in Hybrid Electric Vehicles，簡稱PHEV）是電動汽車發(fā)展過程中新出現(xiàn)的一種低油耗、低排放且不受續(xù)駛里程限制，兼具純電動汽車和傳統(tǒng)燃油汽車優(yōu)點(diǎn)的新型汽車［1－2］。由于其在經(jīng)濟(jì)和環(huán)境等方面的綜合優(yōu)勢，發(fā)展PHEV被認(rèn)為是當(dāng)前解決這兩大難題的有效途徑?；旌蟿恿ζ嚨哪芰抗芾聿呗允腔旌蟿恿ζ嚳刂葡到y(tǒng)的核心，基于特定的能量管理策略，根據(jù)不同的行駛工況，采用不同的動力系統(tǒng)工作模式，獲得傳統(tǒng)汽車所不能達(dá)到的優(yōu)化控制目標(biāo)［3－4］。

目前應(yīng)用最廣泛的是基于規(guī)則的控制策略，其實(shí)質(zhì)是通過對系統(tǒng)的研究，根據(jù)工程經(jīng)驗(yàn)表述成可用計(jì)算機(jī)處理的簡單推理規(guī)則，利用邏輯判斷來實(shí)現(xiàn)動力系統(tǒng)工作模式的切換及功率分配［5－6］。與經(jīng)典邏輯相比，在模仿人的推理和決策行為方面，模糊控制更接近人的思維方式，表述上更接近自然語言的形式，并且魯棒性強(qiáng)、對參數(shù)不敏感，在混合動力汽車控制中得到廣泛的應(yīng)用。

本文根據(jù)PHEV電池存儲的能量在整個(gè)行駛工況都期望能得到合理分配的特點(diǎn)，提出一種基于轉(zhuǎn)矩分配的模糊控制策略，并且把路況里程也作為一個(gè)輸入條件來考慮，使得電量消耗續(xù)駛里程能盡量接近總行駛里程，并且燃油經(jīng)濟(jì)性能得到提高。

1 動力系統(tǒng)結(jié)構(gòu)組成

混合動力系統(tǒng)結(jié)構(gòu)如圖1所示，整車由發(fā)動機(jī)、電機(jī)、電機(jī)控制器、動力電池組、自動變速箱、力矩合成器、主減速器和車輪等組成，各個(gè)部件通過CAN總線接受整車控制單元的指令并將信號反饋給整車控制器，整車控制器通過一定的能量管理策略分配能量。樣車采用發(fā)動機(jī)和電機(jī)2套驅(qū)動系統(tǒng)，以發(fā)動機(jī)為主動力源，電機(jī)為輔助動力源。發(fā)動機(jī)通過機(jī)械裝置與驅(qū)動橋聯(lián)接，電機(jī)通過力矩合成器也與驅(qū)動橋相聯(lián)，發(fā)動機(jī)和電機(jī)可以單獨(dú)工作，也可以聯(lián)合工作共同為驅(qū)動輪提供轉(zhuǎn)矩。可以通過調(diào)節(jié)電機(jī)的輸出功率，起到“削峰平谷”的作用，使發(fā)動機(jī)一直工作在高效區(qū)域，來減少排放，提高燃油經(jīng)濟(jì)性。

圖1 混合動力系統(tǒng)結(jié)構(gòu)

2 模糊控制策略建模

常用的控制策略是根據(jù)電池的SOC、駕駛員的加速或制動踏板位置、轉(zhuǎn)矩和車速等參數(shù)，按照一定的規(guī)則確定發(fā)動機(jī)和電機(jī)輸出相應(yīng)的轉(zhuǎn)矩，以滿足驅(qū)動力矩的要求［7－8］。模糊邏輯可以有多個(gè)輸入?yún)?shù)，并按照一定的法則生成多種模糊規(guī)則。模糊控制器的輸入?yún)?shù)一般為道路總的需求轉(zhuǎn)矩Tt和電池狀態(tài)SOC。

隨著GPS和現(xiàn)代交通技術(shù)日益廣泛的應(yīng)用，出發(fā)前行程距離也可以作為一個(gè)已知條件，再考慮到PHEV電池容量大的特點(diǎn)，工況運(yùn)行結(jié)束既能最大程度地利用電池容量，又能保持發(fā)動機(jī)工作在高效區(qū)域，所以本文將出行工況的行駛里程作為模糊控制器的輸入條件，如圖2所示，模糊控制器有3個(gè)輸入變量，1個(gè)輸出變量。電池SOC、出行距離以及由車輛當(dāng)前速度和駕駛員指令得到的車輛需求轉(zhuǎn)矩作為輸入，電機(jī)轉(zhuǎn)矩分配系數(shù)作為輸出。

圖2 模糊邏輯控制器

2.1 輸入量模糊化

輸入變量車輛需求轉(zhuǎn)矩Tt的論域?yàn)椋?，Te－max］。當(dāng)車輛需求轉(zhuǎn)矩大于發(fā)動機(jī)所能提供的最大轉(zhuǎn)矩Te－max時(shí)，發(fā)動機(jī)工作在最大轉(zhuǎn)矩曲線；當(dāng)車輛需求轉(zhuǎn)矩小于0時(shí)，采用制動控制策略，發(fā)動機(jī)關(guān)閉，回收制動能量給電池充電。根據(jù)發(fā)動機(jī)的效率圖，把車輛需求轉(zhuǎn)矩分成5個(gè)模糊子集，并歸一化。

根據(jù)電池的效率曲線，把電池的SOC也分為5個(gè)模糊子集。出行距離對PHEV的影響很大，如果距離小于純電動續(xù)駛里程，顯然純電動模式是最優(yōu)的。本文考慮了超過純電動續(xù)駛里程的情形，把輸入的范圍設(shè)為［40，160］，單位為km，也將其分為5個(gè)模糊子集。

將精確量轉(zhuǎn)矩輸入［0，Te－max］轉(zhuǎn)化到 ［0，1］區(qū)間的公式為：

將距離輸入［40，160］轉(zhuǎn)換到［0，1］區(qū)間的公式為：

輸入變量SOC的論域?yàn)椋?，1］。模糊邏輯控制器的輸出變量為λ，λ為電機(jī)提供轉(zhuǎn)矩Tm占需求轉(zhuǎn)矩的比值，取值范圍為［－0.5，1.0］，Tm＝λTreq。本文將SOC的5個(gè)模糊子集以｛TL，L，M，H，TH｝表示｛太低，低，中，高，太高｝；Tt、距離D和λ的5個(gè)模糊子集以｛TS，S，M，B，TB｝表示｛太小，小，中，大，太大｝。

2.2 隸屬函數(shù)構(gòu)建

隸屬函數(shù)是模糊控制應(yīng)用于實(shí)際問題的基礎(chǔ)，正確構(gòu)造隸屬函數(shù)是用好模糊控制器的關(guān)鍵。目前確定隸屬函數(shù)還沒有一套成熟有效的方法，大多數(shù)系統(tǒng)的隸屬函數(shù)仍然停留在依靠經(jīng)驗(yàn)確定，然后通過試驗(yàn)或計(jì)算機(jī)模擬得到反饋信息進(jìn)行修正。確定隸屬函數(shù)的方法主要有模糊統(tǒng)計(jì)法、專家經(jīng)驗(yàn)法、二元對比排序法和典型函數(shù)法等。典型函數(shù)法是指選用某些典型函數(shù)作為隸屬函數(shù)，常見的有三角形、梯形、鐘形和高斯型等。選擇隸屬函數(shù)時(shí)要遵循論域中的每個(gè)點(diǎn)應(yīng)該至少屬于1個(gè)隸屬函數(shù)的區(qū)域且同時(shí)一般不超過2個(gè)隸屬函數(shù)的區(qū)域；對同一點(diǎn)不能有2個(gè)隸屬函數(shù)同時(shí)達(dá)到最大值；重疊部分的任何點(diǎn)的隸屬函數(shù)的和應(yīng)該小于1。

本文選用鐘型函數(shù)和三角形函數(shù)相結(jié)合來表示輸入變量和輸出變量，輸入變量和輸出變量的隸屬函數(shù)如圖3所示。

圖3 輸入變量和輸出變量的隸屬函數(shù)

2.3 規(guī)則庫的設(shè)計(jì)

模糊規(guī)則是模糊控制器的重要組成部分，它的數(shù)量與模糊子集的劃分有關(guān)，劃分越細(xì)，規(guī)則條數(shù)就越多。在設(shè)計(jì)模糊規(guī)則時(shí)，必須考慮控制規(guī)則的完備性、交叉性和一致性［9－10］。對于任意給定的輸入均能找到相應(yīng)的規(guī)則起作用，而且不能存在相互矛盾的規(guī)則。

本文設(shè)計(jì)的原則是電池能量正好在行程終點(diǎn)耗盡，根據(jù)出行距離、轉(zhuǎn)矩需求和電池SOC，建立轉(zhuǎn)矩分配的控制規(guī)則，比如轉(zhuǎn)矩需求較小，出行路程距離較短，電池SOC很高，這時(shí)電機(jī)要提供較大轉(zhuǎn)矩。設(shè)計(jì)的控制器有3個(gè)輸入變量，每個(gè)變量有5個(gè)語言值。經(jīng)過多次調(diào)試，最終確定的模糊控制規(guī)則為：

3 仿真結(jié)果與分析

為了評價(jià)不同行駛距離下模糊邏輯控制策略效果，分別對美國環(huán)保署制訂的城市道路循環(huán)UDDS（Urban Dynamometer Driving Schedule）、高速公路燃油經(jīng)濟(jì)性測試循環(huán)HWFET（Highway Fuel Economy）進(jìn)行仿真。不同的行駛距離是通過重復(fù)UDDS和HWFET工況來實(shí)現(xiàn)的，本文采用8個(gè)連續(xù)UDDS工況和10個(gè)連續(xù)UDDS工況、4個(gè)連續(xù)HWFET工況和6個(gè)連續(xù)HWFET工況來仿真。選擇的發(fā)動機(jī)為2.4 L排氣量，最大功率為127 k W，最大轉(zhuǎn)矩為220 N·m，電機(jī)采用永磁同步電機(jī)，最大功率為58 k W，最大轉(zhuǎn)矩為220 N·m；蓄電池系統(tǒng)采用鋰離子電池，電池組容量9.8 k W·h，額定電壓300 V，質(zhì)量180 kg。整車主要參數(shù)見表1所列。

表1 整車參數(shù)

在8個(gè)連續(xù)UDDS和10個(gè)連續(xù)UDDS工況下，距離分別為96 km和120 km，電池SOC變化情況如圖4a所示。在4個(gè)連續(xù)HWFET和6個(gè)連續(xù)HWFET工況下，距離分別為66 km和99 km，電池SOC變化情況如圖4b所示。初始SOC為1.0，目標(biāo)SOC設(shè)為0.3，從圖4可以看出，在不同行駛工況類型和不同行駛距離下，通過模糊控制器自適應(yīng)控制，電池能量基本都能在接近行程終點(diǎn)時(shí)耗盡，達(dá)到了控制策略設(shè)計(jì)的目標(biāo)，體現(xiàn)了控制策略具有很好的魯棒性。

圖4 不同距離和工況下電池SOC變化情況

模糊控制策略的目的是要實(shí)現(xiàn)發(fā)動機(jī)和電動機(jī)轉(zhuǎn)矩的合理分配，并保持電池SOC在行程終點(diǎn)時(shí)達(dá)到目標(biāo)值。在HWFET循環(huán)工況下，對發(fā)動機(jī)工作點(diǎn)進(jìn)行了仿真分析，模糊控制策略下發(fā)動機(jī)工作點(diǎn)的分布情況如圖5所示。由圖5可以看出，模糊邏輯控制策略在全程中都通過電機(jī)來調(diào)節(jié)發(fā)動機(jī)的工作點(diǎn)，在高效區(qū)發(fā)動機(jī)的工作點(diǎn)比較密集。

圖5 模糊邏輯控制策略下發(fā)動機(jī)工作點(diǎn)

4 結(jié)束語

本文應(yīng)用模糊邏輯技術(shù)，根據(jù)PHEV的特點(diǎn)，建立了以車輛需求轉(zhuǎn)矩、電池SOC和路況行駛里程為輸入，以電機(jī)轉(zhuǎn)矩指令為輸出的模糊控制器。在此仿真模型平臺上對模糊邏輯控制策略進(jìn)行了仿真試驗(yàn)。仿真結(jié)果表明，在不同行駛距離和行駛工況下，模糊邏輯控制策略都能針對具體工況進(jìn)行自適應(yīng)調(diào)整，合理分配電池能量，使發(fā)動機(jī)工作在高效區(qū)域，取得較好的燃油經(jīng)濟(jì)性，并能很好地控制電池SOC變化。

［1］Zhang Bingzhan，Mi C.Charge depleting control strategies and fuel optimization of blended－mode plug－in hybrid electric vehicles［J］.IEEE Transactions on Vehicle Technology，2011，60（4）：1516－1525.

［2］李興虎.電動汽車概論［M］.北京：北京理工大學(xué)出版社，2005：22－24.

［3］錢立軍，趙 韓，魯付俊.混合動力汽車傳動系結(jié)構(gòu)分析［J］.合 肥 工 業(yè) 大 學(xué) 學(xué) 報(bào)：自 然 科 學(xué) 版，2003，26（6）：1121－1126.

［4］尹安東，馮 瑞，趙 韓.基于超級電容的混合動力客車動力系統(tǒng)設(shè)計(jì)［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，34（4）：481－484.

［5］錢立軍，趙 韓，吳偉岸.并聯(lián)混合動力電動汽車控制策略優(yōu)化研究［J］.中國機(jī)械工程，2004，15（9）：251－254.

［6］王保華，王偉明.并聯(lián)混合動力汽車控制策略比較研究［J］.系統(tǒng)仿真學(xué)報(bào)，2006，18（2）：401－404.

［7］Schouten N J，Salman M A，Kheir N A.Fuzzy logic control for parallel hybrid vehicles［J］.IEEE Transactions on Control Systems Technology，2002，10（3）：460－468.

［8］席愛民.模糊控制技術(shù)［M］.西安：西安電子科技大學(xué)出版社，2008：102－108.

［9］資新運(yùn)，杜常清，張?jiān)鼋ǎ?混合動力汽車模糊邏輯轉(zhuǎn)矩管理策略仿真［J］.武漢理工大學(xué)學(xué)報(bào)：信息與管理工程版，2008，30（4）：561－564.

［10］張邦基，于德介，鄧元望.基于模糊邏輯的并聯(lián)式混合動力電動汽車能量控制系統(tǒng)［J］.汽車工程，2009，31（6）：496－502.