混合動力汽車轉矩模糊控制器的設計

長春工程學院電氣與信息學院　張　允　郭慕瑤　蔣夢瑩　高馨方

?

混合動力汽車轉矩模糊控制器的設計

長春工程學院電氣與信息學院張允郭慕瑤蔣夢瑩高馨方

【摘要】為了實現對混合動力汽車狀態切換過程的協調控制，需要對汽車總轉矩需求進行合理分配。本文基于模糊控制理論，設計了轉矩模糊控制器，并利用Matlab仿真軟件對采用模糊控制器優化前后的轉矩分配結果進行了仿真，仿真結果表明所設計的轉矩模糊控制器能夠借助于電機的快速響應特性補償發動機轉矩輸出時間常數大，響應速度慢的缺陷，實現了駕駛員需求轉矩在發動機與電機之間的合理分配。

【關鍵詞】混合動力汽車；轉矩；模糊控制器；Matlab仿真

0　引言

當混合動力汽車的工作模式發生改變時，發動機和電機的工作狀態亦隨之改變。但由于發動機和電機的動態特性存在差異，在工作模式切換過程中，易造成對動力輸出的不利影響。因此，如何獲得電機的實時動態轉矩，并以該轉矩為基礎，協調發動機轉矩輸出，從而將駕駛員需求轉矩在發動機與電機之間合理分配，以保證工作模式切換過程中動力傳遞的平穩性是對混合動力汽車狀態切換過程進行協調控制的一個關鍵問題。

1　模糊控制器的設計

模糊控制是以模糊集理論、模糊語言變量和模糊邏輯推理為基礎的一種智能控制方法,適用于對無法用準確數學模型描述的對象或過程進行控制。混合動力汽車能量管理系統具有高度非線性和不確定性的特征，因此非常適合使用模糊邏輯來控制[1-5]。

1.1模糊控制器的結構

本文所設計的模糊控制器的主要功能是依據駕駛員轉矩需求和電池SOC變化情況，實時調節發動機和電動機轉矩分配。因此模糊控制器對應有駕駛員的轉矩需求Td_req和電池 SOC二個輸入變量及電機的轉矩需求Tm_req這一個輸出變量。模糊控制器的結構圖如圖1所示。

圖1　模糊控制器結構圖

1.2精確量的模糊化

1.2.1將精確量對應的論域轉化為模糊量對應的論域

本文設定所有輸入、輸出變量的模糊論域范圍均為[0,1]。駕駛員轉矩需求的論域轉換關系為：

電池 SOC 由于本身取值范圍就在[0,1]區域中，因此不需要論域轉換處理。電機輸出轉矩需求的論域轉換關系為：

1.2.2確定各個模糊子集及其隸屬函數

確定輸入/輸出變量的隸屬函數，就是根據專家知識將輸入/輸出變量的模糊論域劃分為若干個模糊子集，每個模糊子集又有一個相應的隸屬函數與之對應。針對第一個輸入變量駛員轉矩需求Td_req，本文將其劃分為NB、NS、Z、PS和 PB共5個模糊子集。在NB集合，發動機效率很低，此時要求發動機關閉。在NS集合，發動機驅動車輛并通過主動充電來提高負荷。在Z集合，發動機單獨工作。在PS集合需要電動機功率輔助。在PB集合，發動機輸出最大轉矩，同時電動機功率輔助。第二個輸入變量電池SOC，被劃分為NB，N，Z和P共4個模糊子集。在NB集合電池組需強制充電。在N集合電池組可以放電，同時請求主動充電。在Z集合主動充電完成，電池組既可以放電又可以回收制動能量。在P集合，電池組可以放電，但禁止充電。同理建立輸出變量Tm_req的5個模糊子集,分別是：NB、NS、Z、PS、和 PB。在NB集合純電動。在 NS集合發動機驅動并發電。在Z集合，電機關閉。在PS集合，需要電動機功率輔助。在PB集合，發動機輸出最大轉矩。

圖2　Td_req的隸屬度函數仿真曲線

駕駛員轉矩需求Td_req、電池 SOC值、電機輸出轉矩Tm_req的論域和模糊子集確定后，需要進一步對各模糊子集確定相應的隸屬度函數。對于輸入變量Td_req的各模糊子集，本設計全部采用三角形隸屬函數。各隸屬函數的參數分別為：[-0.25 0 0.25],[0 0.25 0.5],[0.25 0.5 0.75],[0.5 0.75 1],[0.75 1 1.25]。同理電池 SOC對應的各模糊子集隸屬函數的參數為:[ -0.3333 0 0.3333],[0 0.3333 0.6667 ],[0.3333 0.6667 1],[0.6667 1 1.333]。對于輸出變量Tm_req，其中NB模糊子集，本設計分別采用z型隸屬函數；NM、NS、Z、PS模糊子集，本設計采用三角形隸屬函數；PB模糊子集，本設計采用S型隸屬函數，且各隸屬函數的參數分別為:[0 0.2],[0 0.25 0.5],[0.25 0.5 0.75],[0.5 0.75 1],[0.8 1]。則駕駛員轉矩需求Td_req、電池 SOC值、電機輸出轉矩Tm_req的隸屬度函數分別見圖2-圖4。

圖3　SOC值的隸屬度函數仿真曲線

圖4　Tm_req的隸屬度函數仿真曲線

表2　模糊控制規則表

1.3建立模糊控制規則進行模糊推理

依據分析，由于駕駛員轉矩需求Td_req采用了5個語言值、電池 SOC值采用了4個語言值，所以本系統共有20條模糊規則。根據經驗構建模糊規則，如表2所示。進一步依據模糊控制規則進行模糊推理得到輸出模糊集合C。

1.4反模糊化

通過模糊推理得到的結果是一個模糊集合，還需進一步將其轉化為精確量。本次設計中采用的是加權平均法進行反模糊化：

2　仿真結果及分析

我們采用UDDS行駛路況，分別將模糊控制算法優化前后的轉矩控制器嵌入到混合動力客車模型中進行仿真，仿真結果如圖5所示。

圖5與圖6分別為模糊控制算法優化前后轉矩分配結果，由圖可見，經模糊控制算法優化后，發動機的輸出轉矩變化相對減小，電動機輸出轉矩變化相對加大，系統借助于電機的快速響應特性補償了發動機轉矩輸出時間常數大，響應速度慢的缺陷。

圖5　傳統控制器的轉矩分配結果

圖6　采用模糊控制器后轉矩分配結果

3　結論

本文基于模糊控制理論設計了混合動力汽車轉矩模糊控制器，利用Matlab仿真軟件對各模糊子集的隸屬函數及采用模糊控制器優化前后的轉矩分配結果進行了仿真，仿真結果表明所設計的轉矩模糊控制器用能夠實現由電動機轉矩進行補償以調節發動機轉矩的目標，使總轉矩需求得到了合理分配，實現了對混合動力汽車狀態切換過程的協調控制。

參考文獻

[1]Chen,Ze-Yu,Zhao,Guang-Yao.Fuzzy control strategy and simulation for dual electric tracked vehicle motion control[C].IEEE International Conference on Mechanical and Electronics Engineering ,Shenyang,2012,309-312.

[2]Sch.of Autom.,Peirong Xia,Denghua Li,Jingbo Zhao. Research on intelligent vehicle steering control based on fuzzy control[C].IEEE International Conference on Electronic Measurement and Instruments,Beijing,2011,1611-1614.

[3]Li,Junwei,Jiang,Hui.The study of vehicle stability based on fuzzy control[C].IEEE International Conference on Materials Engineering and Automatic Control,Jinan,2012,562-564.

[4]Xu,Bin,Li,Ming,Yang,Shichun,Guo,Bin,Cui,Haigang.Design and simulation of fuzzy control strategy for parallel hybrid electric vehicle[C].IEEE International Conference on Intelligent System Design and Engineering Application,Changsha,2011,539-543.

[5]Li,Yongming,Tong,Shaocheng,Li,Tieshan.Adaptive fuzzy output feedback control of nonlinear uncertain systems with unknown backlash-like hysteresis based on modular design[J].Neural Computing and Applications,2013,23(1):261-270.

張允（1973－），女，吉林長春人，博士研究生，副教授，研究方向：混合動力汽車智能控制。

作者簡介：

基金項目：吉林省教育廳基金《混合動力客車多目標綜合協調控制技術研究》。