混合動力電動汽車控制策略——分類、現狀與趨勢

隗寒冰，何義團，李 軍，鄧 濤

(重慶交通大學機電與汽車工程學院，重慶400074)

0 引言

控制策略和電池、電機一起構成了混合動力汽車開發的3大關鍵技術［1］。控制策略的優劣直接決定了整車性能，因此控制策略的相關研究也是混合動力汽車(Hybrid Electric Vehicle，HEV)領域內研究范圍最廣、程度最深的技術之一。混合動力汽車控制策略的研究范圍是從針對特定工況的靜態優化發展到通過對實際行駛工況進行辨識、預測以對控制策略在隨機道路條件下的在線調節和動態優化;研究的重點從穩態工況下的燃油經濟性單目標優化發展到考慮各種瞬態工況和復雜環境下對各個部件性能影響的燃油經濟性、排放和動力源之間協調控制的綜合控制。

筆者對現有混合動力汽車控制策略進行了歸納和分析，指出了當前混合動力汽車控制策略研究的局限性。在此基礎之上，提出未來需要進一步研究的發展方向，為后續的研究工作指明思路，避免了研究工作的重復。

1 混合動力汽車燃油經濟性控制

1.1 規則控制策略

規則控制策略的基本思想是根據發動機效率MAP圖將發動機工作區域劃分為高負荷、中負荷和中低負荷區，結合駕駛員油門踏板開度和開度變化率判斷當前需求功率對應的發動機工作區域。如果需求功率處于發動機高負荷區域，則將發動機控制在高效率工作區域，不足的動力由電動機提供;如果處于中負荷區域則動力由發動機單獨提供;如果處于中低負荷區域則進入純電動模式或行車充電模式。基于此思想，王慶年，等［2］將發動機最優工作曲線與電動機最優工作曲線聯合定義為廣義最優工作曲線，以廣義最優曲線作為劃分工作區域的依據。胡明輝，等［3］基于發動機最優工作曲線，考慮電池充放電效率、CVT效率和電動機工作效率，從整個傳動系統效率出發劃分發動機工作區域，作為劃分混合動力系統工作模式依據。秦大同，等［4］對各個工作模式下的系統最優效率進行離線計算，根據離線計算結果提出SOC閥值、發動機充電曲線和發動機關閉曲線共3個參數的模式切換規則。類似的研究還有N.Jalil，等［5］針對串聯混合動力系統中開發的開關式控制策略和功率跟隨式控制策略。

規則控制策略算法較為簡單，易于在對實時性要求較高的嵌入式系統中實現，且具有較好的魯棒性。但從最優控制理論上講，規則控制策略不能實現能量最優分配;規則控制策略針對特定工況開發，移植性較差，規則不能自適應工況的動態變化。

1.2 瞬時優化控制策略

瞬時優化控制策略有“等效燃油消耗最少”法(Equivalent Consumption Minimization Strategies，ECMS)和“功率損失最小”法兩種方法。兩種方法優化的出發點不同，但基本原理類似，都是建立發動機油耗與蓄電池過去或者未來消耗電量之間的聯系，將等效油耗定義為發動機實際油耗和與電池耗電量折算的油耗之和，再對每瞬時的等效油耗求最小值。

一般認為瞬時油耗算法是由 S.Delprat，等［6］和G.Paganelli，等［7］提出。基本思想是從目標函數中的油耗與荷電狀態SOC之間的關系出發，采用等效油耗的辦法，取控制變量為發動機和電動機轉矩，引入松弛量，將不等式約束轉化為等式約束，將約束條件下最優計算轉化為無約束優化問題。J.P.Gao，等［8］比較了ECMS、功率跟隨控制、開關式控制和動態規劃，指出開關控制能夠優化發動機工作區域，功率跟隨控制能夠減少電池充放電頻次，而ECMS能對發動機工作效率和電池的充放電進行綜合優化。

1.3 全局優化控制策略

從最優控制理論的角度分析，混合動力汽車在整個工況內的能量管理可以理解為單步、多階段的決策問題，其實質上是一個全局優化問題，目標函數的瞬時最優解并不等于全局最優解。求解全局優化問題的數學方法有動態規劃算法(Dynamig Programming，DP)和龐特里亞金極小值原理(Pontryagin Minimal Principle，PMP)。

應用動態規劃算法求解以油耗為單目標的全局優化問題的研究已經非常普遍。如張炳力，等［9］采用離散動態規劃法對并聯式混合動力燃油經濟性最優目標函數進行了仿真計算。歐陽易時，等［10］分析了動態規劃算法求解最優目標函數解的性能指標，該指標融入了電池(電機)輸出功率和整車需求功率，能夠表示燃油消耗和荷電狀態變化量之間的物理關系。

動態規劃算法是根據Bellman最優原則將狀態變量離散后逆向求解，需要預知整個時間段內的車速，而這點在工程實際中難以實現。考慮到該問題，Lin Chanchiao ，等［11］和 L.Johannesson，等［12］根據駕駛員的駕駛行為只與當前和未來有關而與過去無關的特點，采用隨機動態規劃算法(又稱馬爾可夫鏈)對混合動力汽車能量管理策略進行優化。

應用動態規劃算法的另外一個難點是計算量較大。為解決該問題，浦金歡，等［13］通過限制最優搜索區域的方法減少計算量;Y.Bin等［14］對數學模型進行簡化，采用功率分配率作為控制變量以降低控制維度;Lin Chanchiao，等［15］采取的方法是根據動態規劃離線計算的結果，如發動機和電動機工況點分布等，采用線性回歸方法歸納出可以應用于實時控制的規則。

另外一種求解全局最優控制問題的數學方法是從古典變分法引申而來的龐特里亞金極小值原理。它克服了古典變分法不能對控制變量和目標函數受約束的泛函求極值的缺陷。特定循環工況下的混合動力汽車性能最優控制問題都可以認為是時變、非線性、末端固定、控制變量受約束的最優控制問題。

以極小值原理為理論依據對混合動力汽車燃油經濟性最優控制問題進行求解具有計算量相對DP較小、適用于實時控制、滿足全局最優要求等優點，所以這方面的研究成果也已有很多。L.Serrao，等［16］深入研究了ECMS和PMP方法在理論上的區別和聯系，并基于極小值原理對ECMS求解析解。P.Tulpule，等［17］在制定 Plug-in 混合動力汽車等效油耗目標函數時，考慮了外接電源價格、電池壽命和充電方便程度等外部條件。J.Lescot，等［18］在建立Hamilton函數時考慮了發動機冷卻液溫度對發動機油耗的影響，當狀態變量中增加了冷卻液溫度這一時變量時，將時間和油耗的最優控制轉化為油耗最優控制問題，確定了冷卻液溫度上升所需的油耗與驅動車輛所需油耗之間的等效關系。

1.4 基于工況自適應的路況預測控制策略

以上3種類型的控制策略開發都是針對某一典型工況進行。這些典型工況是對實際交通特征進行概率統計分析后提取特征參數獲取的，與實際工況往往存在著較大差異。這種差異會導致所開發的控制策略并不能使車輛在實際行駛時的性能達到最優，駕駛員的駕駛習慣也會影響到控制效果。為解決特定工況與實際道路不一致導致的車輛運行性能下降的問題，根據歷史行駛信息提取特征參數，并結合GPS/ITS(Intelligent Traffic System)對未來路況進行判斷和預測，以提高實時控制策略對路況和駕駛員風格的“自適應”能力，這已經成為目前研究的熱點。

S.L.Jeon，等［19］統計了能夠反映典型循環工況的24種特征參數，根據這24種特征參數將所有實際路況歸納為6種典型工況。控制器利用Hammin神經網絡對車輛在運行時的特征參數進行辨識，以確定當前所對應的工況，然后根據神經網絡的辨識結果來修正控制策略參數。莊繼暉，等［20］采用類似辦法，提取出15種典型特征參數，用SOM神經網絡將純電動汽車運行時采集到的數據進行運動學片段的聚類分析，得到適用于開發純電動汽車控制策略的3種典型工況，為電動汽車基于道路行駛工況控制策略的自適應優化提供更為可靠和有效的基礎數據。這一類研究的主要思想是只依據歷史車速和路況信息，計算量相對較少，但是對路況預測的準確度不夠，得到的解也非全局最優解。

為克服確定性動態規劃算法只能針對特定工況進行優化的缺陷，S.J.Moura［21］將駕駛員的功率輸入作為隨機輸入，對駕駛員的加速、制動、減速等進行概率預測，采用隨機動態規劃算法對隨機功率輸入條件下的能量管理進行全局優化，另外還對燃油價格和電能價格之間的不同比值對目標函數優化結果、控制策略的影響進行分析。Gong Qiuming，等［22］采用K均質聚類算法對從實際行駛工況數據中提取的特征參數進行聚類分析，根據聚類分析結果和不同駕駛風格對ECMS中的拉格朗日系數進行在線調節。這一類研究主要是依靠過去和現在路況信息對油耗和電池SOC之間的等效系數即目標函數中的拉格朗格日系數進行閉環修正。

M.Koot，等［23］依靠歷史和現在的路況信息，將預測控制理論應用到混合動力汽車蓄電池充放電控制中。A.Sciarretta，等［24］系統分析了 ECMS 策略中等效系數λ對控制策略及整車性能的影響，針對不同工況下等效系數λ隨時間變化的問題，提出一種計算等效系數的概率轉移算法。J.M.Park，等［25］通過在PSAT軟件中建立動力學模型進行仿真計算，得到了在11個標準工況中的控制參數，從歷史車速和道路信息中提取14種特征參數來預測前方車速和道路擁擠條件，并引用M.Koot的方法，對系數λ和發動機燃油消耗率與電池充放電功率之間的二次函數關系式系數進行PID反饋調節，最后還對歷史數據時間長度和預測時間長度對預測精度的影響進行了對比分析。這一類研究的主要思想是結合歷史車速、路況信息，預測當前駕駛員的功率需求，對控制策略中的參數進行閉環修正，以反映工況和駕駛員風格對控制策略的影響。

C.Manzie，等［26］基于發動機轉矩一定時油耗隨轉速線性上升的簡化條件，假設駕駛員無超車而只有理性跟車行為，通過ITS和車載雷達提供40 s內的車速信息來預測前方車速，研究了在傳統汽車和HEV上利用ITS和車載網絡通信技術提供的車流量、車速信息來對車速進行智能控制。Gong Qiuming，等［27］借助ITS對車速進行預測時考慮了快速路進出口交通流，將車速簡化為三角形函數，采用人工神經網絡預測車速三角形函數的形狀參數，在得到預測車速后采用分段DP算法來得到控制軌跡，即車輛起動時對整個工況執行宏觀DP求解，車輛進行到實際分段工況后為微觀DP求解。Gong Qiuming［28］還針對Plug-in混合動力系統采用外接電網充電、在每個循環工況末端電池均處于SOC下限的特點，采用DP算法對能量管理進行全局優化。

這一類研究的主要思想是借助于車載GPS系統和ITS提供的交通流信息來預測道路狀況，在預知前方道路工況的條件下再采用DP算法得到全局最優解。根據實時道路條件對控制策略進行反饋控制，是道路預測能量管理的最高等級。

2 混合動力汽車動力協調控制

混合動力汽車由于其結構的特殊性，兩個動力源在模式切換過程中存在動力突變而造成沖擊，這將影響乘坐舒適性。隨著對混合動力總成控制系統研究的深入，動力源耦合過程中的協調控制問題受到越來越多的關注。A.Kimura，等［29］針對行星排式功率耦合機構的結構特點和電機響應速度快的優點，在TOYOTA普銳斯車型上成功解決了該協調問題，但該方法很難其他混合動力系統上推廣應用。童毅［30］基于發動機開環控制和電動機轉矩閉環控制思想，提出了通用性較強的驅動轉矩比例控制方法。羅禹貢，等［31］基于模型匹配控制方法，開展了對雙驅動電動機結構的協調控制硬件在環仿真研究。古艷春，等［32］建立了包含能量管理和協調控制的分層控制系統。楊陽［33］對制動工況下的壓力協調控制策略進行了研究。彭棟，等［34］采用模糊控制邏輯對液壓制動力矩和能量回收制動力矩進行動態協調控制進行了相關研究。趙峰，等［35］基于動態協調控制思想建立了混合動力汽車牽引力分層控制體系，上層采用基于動態滑模的整車期望總驅動轉矩制定策略;中間層采用基于低通濾波的發動機目標轉矩計算方法和基于模型匹配2自由度控制的動態協調控制策略，底層采用基于動態補償的混合動力汽車牽引力控制策略。

怠速起停是混合動力汽車的一種特殊工作模式，在城市工況下可以節省10%的燃油，在城市工況下怠速起停也更頻繁［36-37］。與傳統發動機采用起動電機邊拖邊點火的起動方式不同，混合動力汽車由大功率電動機起動，噴油器在800 r/m以上才開始點火，起動過程縮短，轉矩波動也更加明顯，因此研究起停階段的振動、噪聲對舒適性的影響便尤為重要［38］。通過電動機的起動扭矩可以協調控制動力源的動力輸出，有助于降低怠速啟停、模式切換時的振動，改善駕乘舒適性。如李紅朋，等［39］對發動機起動過程的阻力特性進行了分析，建立了ISG電機-發動機的綜合控制模型，提出了ISG電機驅動控制策略，進行了發動機起動過程中的動力學仿真分析。M.Canova，等［40］針對裝備 BSG(belted starter/alternator)的1.9 L高壓共軌柴油機混合動力系統，建立怠速起停動力學模型，分析其高頻扭矩和轉速波動;根據動力學模型設計了二階前饋控制器對發動機進行閉環控制，以降低發動機起動和怠速時的波動。

3 混合動力汽車排放控制

過去普遍認為汽車油耗降低必然也會降低排放水平。隨著排放法規的日益嚴格和相關研究的不斷深入，人們認識到油耗和排放之間并非簡單的一一對應關系，尤其是低溫冷起動工況時油耗和排放的多目標均衡控制更為復雜。

混合動力汽車發動機起動速度更高，時間更短，瞬態特征也更加明顯。由于缺乏適用于開發控制策略的發動機瞬態排放模型，目前對于混合動力汽車起動-停機過程排放特性的研究僅限于實驗研究［41-43］，對混合動力汽車排放性能控制策略的研究主要體現在依據發動機轉速、轉矩和發動機排氣管出口排放這3者之間的穩態插值表，結合油耗和排放進行多目標優化的控制策略研究。如 N.A.Kheir，等［44］建立了以油耗和排放為多目標優化的模糊邏輯控制器，將目標函數分別定義為油耗、HC、CO和NOx排放，將發動機工作點控制在每一種目標函數對應的高效區域來優化穩態運行時的整車性能。K.Dongsuk，等［45］考慮了電池 SOC 和三元催化器溫度，采用DP算法對冷起動工況下的發動機油耗和排放多目標函數進行離線優化，并對DP求解的結果進行線性回歸，歸納出可應用于實時控制的策略。

4 結論

綜合國內外關于混合動力電動汽車控制策略的研究現狀，對其進行歸納和分析，可以得出以下結論：

1)目前對混合動力汽車燃油經濟性最優或者動力傳動系統效率最大為控制目標的研究已經較為普遍，對以油耗和排放、尤其是三元催化器起燃前冷起動階段的油耗和排放綜合控制的理論研究尚處于初始階段。

2)綜合考慮低溫條件對電池充放電特性以及對發動機油耗和排放的影響，研究如何優化控制策略以降低低溫環境下的油耗和排放綜合水平等方面的相關研究還較少報道。

5 研究方向

綜合上述分析，筆者認為，下一步的研究工作可以在以下幾個方面開展：

1)研究發動機熱管理、蓄電池熱管理系統與混合動力汽車能量管理的集成控制策略。

目前對混合動力汽車油耗和瞬態排放控制策略的研究僅僅考慮了催化器溫度對排放的影響，而沒有考慮發動機冷卻液溫度和蓄電池溫度的影響。而發動機冷卻液溫度對整車油耗和排放有著直接影響，蓄電池溫度也與蓄電池SOC即整車等效燃油消耗密切相關，尤其是在寒冷的環境里，由于電池充放電能力降低，混合動力汽車動力性、燃油經濟性、排放性能和純電動行駛里程等性能下降。關于這方面的研究目前缺乏深入的理論建模分析，僅以實驗為主［46］。考慮電池溫度、電池壽命、模式切換時的平順性以及各部件的可靠性等因素，整體分析、系統優化以油耗和排放為多目標的能量管理策略，研究發動機熱管理、蓄電池熱管理與混合動力汽車能量管理的集成控制策略，對于滿足日趨嚴格的排放法規具有重要的現實意義，是值得進一步研究的方向。

2)從“人-車-路”閉環系統角度研究混合動力汽車路況自適應能量管理策略。

利用ITS智能交通系統和車載GPS技術提供的相關信息，結合微觀交通流理論，建立駕駛員跟車和變道行為特征模型來預測汽車在未來路段的運行狀態，從而提高混合動力汽車能量管理策略對復雜環境和駕駛風格的自適應能力，進一步降低混合動力汽車在實際運行工況下的油耗和排放水平，這也是非常值得關注的研究領域。

［1］Chan C C.The state of the art of electric，hybrid，and fuel cell vehicles［J］.Proceedings of the IEEE，2007，95(4)：704-718.

［2］王慶年，孫樹韜，曾小華，等.并聯混合動力客車廣義最優工作曲線控制研究［J］.汽車工程，2008，30(5)：391-394.Wang Qingnian，Sun Shutao，Zeng Xiaohua，et al.A study on the optimal operation line control strategy for hybrid electric bus［J］.Automotive Engineering，2008，30(5)：391-394.

［3］胡明輝，秦大同，楊亞聯，等.輕度混合動力汽車巡航工況總工作效率分析和優化［J］.機械工程學報，2008，44(9)：148-153.Hu Minghu，Qin Datong，Yang Yalian，et al.Optimization and analysis of system efficiency for the mild hybrid electric vehicle under the cruise conditions［J］.Chinese Journal of Mechanical Engineering，2008，44(9)：148-153.

［4］秦大同，葉心，胡明輝，等.ISG型中度混合動力汽車驅動工況控制策略優化［J］.機械工程學報，2010，46(12)：86-92.Qin Datong，Ye Xin，Hu Minghui，et al.Optimization of control strategy for medium hybrid electric vehicle with ISG at drive condition［J］.Chinese Journal of Mechanical Engineering，2010，46(12)：86-92.

［5］Jalil N，Kheir N A，Salman M.Rule-Based Energy Management Strategy for a Series Hybrid Vehicle［C］//Proceedings of the American Control Conference.Albuquerque：IEEE，1997：689-695.

［6］Delprat S，Guerra T M，Rimaux J.Optimal Control of a Parallel Powertrain：from Global Optimization to Real time Control Strategy［C］//IEEE 55th Vehicular Technology Conference.Berlin：IEEE，2002：2082-2088.

［7］Paganelli G，Delprat S，Guerra T M，et al.Equivalent Consumption Minimization Strategy for Parallel Hybrid Powertrains［C］//proceeding of IEEE 55th Vehicular Technology Conference.Berlin：IEEE，2002：2076-2081.

［8］Gao J P，Zhu G M，Strangas E G，et al.Equivalent fuel consumption optimal control of a series hybrid electric vehicle［J］.Journal of Automobile Engineering，2009，223(8)：1003-1018.

［9］張炳力，張平平，趙韓，等.基于離散動態規劃的PHEV燃油經濟性全局最優控制［J］.汽車工程，2010，32(11)：923-927.Zhang Bingli，Zhang Pingping，Zhao Han，et al.Fuel economy global optimal control of PHEV based on discrete dynamic programming［J］.Automotive Engineering，2010，32(11)：923-927.

［10］歐陽易時，金達鋒，羅禹貢.并聯混合動力汽車功率分配最優控制及其動態規劃性能指標的研究［J］.汽車工程，2006，28(2)：117-121.Ouyang Yishi，Jin Dafeng，Luo Yugong.An investigation into the optimal control of power distribution for PHEV and the appropriate performance indicator for dynamic programming［J］.Automotive Engineering，2006，28(2)：117-121.

［11］Lin Chanchiao，Peng Huei，Grizzle J W.A stochastic control strategy for hybrid electric vehicles［C］.Boston，Massachusetts：Proceedings of the 2004 American Control Conference，2004：4710-4715.

［12］Johannesson L，Asbogard M，Egardt B.Assessing the potential of predictive control for hybrid vehicle power trains using stochastic dynamic programming ［J］.Intelligent Transportation Systems，2007，8(1)：71-83.

［13］浦金歡，殷承良，張建武.并聯型混合動力汽車燃油經濟性最優控制［J］.上海交通大學學報，2006，40(6)：947-951.Pu Jinhuan，Yin Chengliang，Zhang Jianwu.Fuel optimal control of parallel hybrid electric vehicles［J］.Journal of Shanghai Jiaotong University，2006，40(6)：947-951.

［14］Bin Y，Reama A，Cela A.On Fast Dynamic Programming for Power Splitting Control of Plug-in Hybrid Electric Vehicles［C］//Hollywood，C A：Proceedings of ASME Conference，2009：229-236.

［15］Lin Chaochiao，Soonil J，Peng Huei，et al.Driving pattern recognition for control of hybrid electric trucks［J］.International Journal of Vehicle Mechanics and Mobility，2004，42(1/2)：41-58.

［16］Serrao L，Onori S，Rizzoni G.ECMS as a Realization of Pontryagin’s Minimum Principle for HEV Control［C］//American Control Conference.St.Louis，USA：IEEE，2009：3964-3969.

［17］Tulpule P，Marano V，Rizzoni G.Effects of Different PHEV Control Strategies on Vehicle Performance［C］//American Control Conference.St.Louis：IEEE，2009：3950-3955.

［18］Lescot J，Sciarretta A，Chamaillard Y，et al.On the Integration of Optimal Energy Management and Thermal Management of Hybrid Electric Vehicles［C］//Vehicle Power and Propulsion Conference.Lille：IEEE，2010：1-6.

［19］Jeon S L，Sung T J，Yeong L P，et al.Multi-mode driving control of a parallel hybrid electric vehicle using driving pattern recognition［J］.Journal of Dynamic Systems，Measurement，and Control，2002，124(1)：141-149.

［20］莊繼暉，謝輝，嚴英.基于GPRS的電動汽車道路行駛工況自學習［J］.天津大學學報，2010，43(4)：283-286.Zhuang Jihui，Xie Hui，Yan Ying.GPRS based driving cycle selflearning for electric vehicle ［J］.Journal of Tianjin University，2010，43(4)：283-286.

［21］Moura S J，Fathy H K，Callaway D S，et al.A stochastic optimal control approach for power management in plug-in hybrid electric vehicles［J］.IEEE Transactions on Control Systems Technology，2011，19(3)：545-555.

［22］Gong Qiuming，Tulpule P，Marano V，et al.The Role of ITS in PHEV Performance Improvement［C］//2011 American Control Conference.San Francisco，C A：IEEE，2011：2119-2128.

［23］Koot M，Kessels，J T B A，de Jager B，et al.Energy management strategies for vehicular electric power systems［J］.IEEE Transactions on Vehicular Technology，2005，54(3)：771-782.

［24］Sciarretta A，Back M，Guzzella L.Optimal control of parallel hybrid electric vehicles［J］.IEEE Transactions on Control System Technology，2004，12(3)：352-363.

［25］Park J M，Chen Zhihang，Kiliaris L，et al.Intelligent vehicle power control based on machine learning of optimal control parameters and prediction of road type and traffic congestion［J］.IEEE Transactions on Vehicular Technology，2009，58(9)：4741-4756.

［26］Manzie C，Watson H C，Halgamuge S，et al.A comparison of fuel consumption between hybrid and intelligent vehicles during urban driving［J］.Proceedings of the Institution of Mechanical Engineers，Part D：Journal of Automobile Engineering，2006，220(1)：67-76.

［27］Gong Qiuming，Li Yaoyu，Peng Zhongren.Trip-based optimal power management of plug-in hybrid electric vehicles［J］.IEEE Transactions on Vehicular Technology，2008，57(6)：3393-3401.

［28］Gong Qiuming，Li Yaoyu，Peng Zhongren.Optimal Power Management of Plug-in HEV with Intelligent Transportation System［C］//Advanced IntelligentMechatronics，IEEE/ASME International Conference.Zurich：IEEE，2007：1-6.

［29］Kimura A，Tetsuya A，Sasaki S.Drive force control of a parallelseries hybrid system［J］.JSAE Review，1999，20(3)：337-341.

［30］童毅.并聯式混合動力系統動態協調控制問題的研究［D］.北京：清華大學，2004.Tong Yi.Study on the Coordinated Control Issue in Parallel Hybrid Electric System［D］.Beijing：Tsinghua University，2004.

［31］羅禹貢，楊殿閣，李孟海，等.并聯式混合動力汽車(PHEV)動態協調控制方法硬件在環仿真［J］.機械工程學報，2008，44(5)：80-85.Luo Yugong，Yang Diange，Li Menghai，et al.Hardware-in-theloop simulation on dynamical coordinated control method in parallel hybrid electric vehicle(PHEV)［J］.Chinese Journal of Mechanical Engineering，2008，44(5)：80-85.

［32］古艷春，殷承良，張建武.并聯混合動力汽車扭矩協調控制策略仿真研究［J］.系統仿真學報，2007，19(3)：631-636.Gu Yanchun，Yin Chengliang，Zhang Jianwu.Investigation to coordinated torque control strategy of parallel hybrid electric vehicles［J］.Journal of System Simulation，2007，19(3)：631-636.

［33］楊陽，楊文輝，楊亞聯，等.ISG混合動力再生制動系統壓力協調控制策略［J］.重慶大學學報：自然科學版，2009，32(5)：493-498.Yang Yang，Yang Wenhui，Yang Yalian，et al.Coordinated pressure control of a regenerative braking system based on a hybrid electric vehicle with an integrated starter and generator［J］.Journal of Chongqing University：Natural Science，2009，32(5)：493-498.

［34］彭棟，殷承良，張建武.混合動力汽車制動力矩動態分配控制策略研究［J］.系統仿真學報，2007，19(22)：5254-5259.Peng Dong，Yin Chengliang，Zhang Jianwu.Braking control strategy study for hybrid electric vehicle with braking torque dynamic distribution［J］.Journal of System Simulation，2007，19(22)：5254-5259.

［35］趙峰，羅禹貢，李克強，等.基于動態協調控制的ISG型混合動力電動汽車牽引力控制方法［J］.汽車工程，2011，33(6)：463-467.Zhao Feng，Luo Yugong，Li Keqiang，et al.Traction control scheme for ISG hybrid electric vehicle based on dynamic coordinated control［J］.Automotive Engineering，2011，33(6)：463-467.

［36］Schmidt M，Isermann R，Lenzen B，et al.Potential of regenerative braking using an integrated starter alternator［C］.［S.l.］：SAE Technical Paper，2000.

［37］Kusumi H，Yahi K，Ny Y，et al.42 V power control system for mild hybrid vehicle［C］.［S.l.］：SAE Technical Paper，2002.

［38］Kuang M L.An investigation of engine start-stop NVH in a power split powertrain hybrid electric vehicle［C］.［S.l.］：SAE Technical Paper，2006.

［39］李紅朋，秦大同，楊陽，等.汽車發動機起動過程的動力學仿真［J］.重慶大學學報：自然科學版，2005，28(6)：4-8.Li Hongpeng，Qin Datong，Yang Yang，et al.Dynamics simulation of ISG-HEV engine during starting［J］.Journal of Chongqing University：Natural Science，2005，28(6)：4-8.

［40］Canova M，Guezennec Y，Yurkovich S.On the control of engine start/stop dynamics in a hybrid electric vehicle［J］.Journal of Dynamic Systems， Measurement， and Control-Transactions of the ASME，2009，131(6)：1-12.

［41］梁海波，高衛民，朱軍，等.混合動力Start/Stop控制策略對整車排放影響的研究［J］.內燃機工程，2008，29(2)：15-18.Liang Haibo，Gao Weimin，Zhu Jun，et al.Study on influence of start/stop control strategy of HEV on vehicle emission［J］.Chinese Internal Combustion Engine Engineering，2008，29(2)：15-18.

［42］陳紹剛，李孟良，徐達，等.基于PEMS的混合動力客車發動機起動/停止對排放影響的研究［J］.汽車工程，2010，32(3)：198-202.Chen Shaogang，Li Mengliang，Xu Da，et al.A study on the influence of start/stop of hybrid electric bus engine on its emissions based on PEMS ［J］.Automotive Engineering，2010，32(3)：198-202.

［43］周光偉，蔡憶昔，張彤，等.點火提前角對混合動力發動機起動工況HC排放的影響［J］.車用發動機，2008(6)：64-67.Zhou Guangwei，Cai Yixi，Zhang Tong，et al.Effects of the spark advance angle on hybrid engine HC emission during start［J］.Vehicle Engine，2008(6)：64-67.

［44］Kheir N A，Salman M A，Schouten N J，et al.Emissions and fuel economy trade-off for hybrid vehicles using fuzzy logic［J］.Mathematics and Computers in Simulation，2004，66(2/3)：155-172.

［45］Dongsuk K，Peng H，Bucknor M.Modeling and Control of Hybrid Electric Vehicles for Fuel and Emission Reduction［C］//Dynamic Systems and Control Conference.Michian，USA：ASME，2008：553-560.

［46］Smith R，Morison M，Capelle D.GPS-based optimization of plugin hybrid electric vehicles’power demands in a cold weather city［J］.Transportation Research Part D：Transport and Environment，2011，16(8)：614-618.