基于支持向量機的純電動汽車經濟性換擋控制

晏偉清,趙　韓

(合肥工業大學 機械與汽車工程學院,安徽 合肥　230009)

?

基于支持向量機的純電動汽車經濟性換擋控制

晏偉清,趙韓

(合肥工業大學 機械與汽車工程學院,安徽 合肥230009)

摘要:為了延長純電動汽車續駛里程,文章應用基于支持向量機的方法對純電動汽車實現經濟性換擋控制，通過試驗數據獲得電機、逆變器和變速器的效率特性,建立純電動汽車的能量消耗模型;在城市道路循環工況(UDDS)下應用車速和加速度雙參數獲得經濟性最優擋位信息,形成學習數據庫;應用支持向量機分類器和傳統換擋規律在歐洲行駛工況(ECE)下進行在線預測和仿真對比。該文對純電動汽車變速器智能換擋控制的研究,對于提高整車經濟性具有一定的理論意義和實用價值。

關鍵詞:電動汽車;經濟性換擋控制;支持向量機;耗電量模型

機械式自動變速器(automated mechanical transmission,AMT)具有傳動效率高、機構緊湊、成本低、繼承性高等優點,是純電動汽車的理想選擇。由于永磁同步電機調速范圍較寬,一般純電動轎車采用2個擋位。

目前,自動變速器經濟性換擋規律已有相關研究。文獻[1-3]討論了由于駕駛員的不當操作和城市道路工況的特殊性,會導致加速踏板開度的突變,易造成頻繁換擋的現象;文獻[4]的研究結果表明，對于不同的加速踏板控制策略所得的換擋規律也不同,因此換擋規律制定工作量較大。除了電機效率，影響整車經濟性因素的還有逆變器以及變速器的效率,文獻[5]僅僅考慮了電機效率,因此應用效果欠佳。

本文為獲得經濟性能更優的換擋控制方法,在城市道路循環工況(UDDS)下得到每個時間點能量消耗最低的擋位形成學習數據庫,利用支持向量機分類器在歐洲行駛工況(ECE)下進行在線預測,并和傳統方法進行仿真比較,最終驗證了該智能換擋控制方法的優越性。

1電驅動系統特性

電驅動系統主要結構如圖1所示,由于電池的效率一般較高,且對整個系統影響較低,因此本文忽略了電池效率的影響。

圖1　電驅動系統框圖

1.1電機效率特性

永磁同步電機由于效率高、體積小、質量輕成為純電動汽車驅動電機的理想選擇之一。本文采用上海電驅動公司生產的某永磁同步電機,該電機的參數見表1所列。

表1　驅動電機部分參數

加速踏板開度p與電機輸出線性相關,具體的輸出特性如圖2a所示,由實驗數據得出的電機效率特性如圖2b所示。

圖2　電機輸出和效率特性

1.2逆變器效率特性

在臺架試驗中,測得逆變器輸入端和電機輸入端的電壓與電流值,從而得到逆變器的效率特性。加速踏板開度p=0.5和p=1.0時的逆變器效率曲線如圖3所示。

圖3　逆變器效率特性

當電機轉速處于基速以下時,逆變器效率隨著轉速的升高而增加,且兩者近似呈線性關系,其斜率的大小由加速踏板開度決定;當電機轉速處于基速以上時,逆變器效率穩定在一個較高的值附近上下波動。根據實驗數據歸納總結逆變器的效率ηb為:

(1)

其中,n為電機轉速。

1.3變速器效率特性

本文選用2擋變速器,變速器相關參數及整車的部分參數見表2所列。

表2　整車部分參數

由實驗測得變速器的效率普遍比電機和逆變器的高。具體一擋和二擋的效率如圖4所示。

圖4　變速器效率特性

2基于支持向量機的換擋控制

上文通過實驗得到電驅動系統各主要部件的效率特性,下文將在此基礎上建立電驅動系統的能量消耗模型,并通過支持向量機分類器實現純電動汽車的智能換擋控制。

2.1電驅動系統能量消耗模型

假設電機轉速為n,電機輸出轉矩為Ttq,輪胎滾動半徑為r,傳動比為iD,變速器傳動效率為ηt,此時的車速為u,即

u=2πrn/60iD

(2)

由于純電動汽車續駛里程有限,因此大多應用于城市道路工況,其坡度引起的阻力影響較小,為了方便計算將其忽略。

根據汽車理論有:

(3)

其中,δ為汽車旋轉質量換算系數。一般對于轎車來說,δ可利用下面的經驗公式進行估算,即

(4)

其中,iD為D(D=1,2)擋時整車的傳動比;δ1′取值為0.04;δ2′為與動力裝置有關的旋轉部件的作用,取值0.002 5。可得:

(5)

若選取的工況為離散的時間區間,假設純電動汽車的狀態變量為x(k),其中x(k)定義為(T,ω),T為車輛需求轉矩,ω為電機需求轉速,則該離散點的電耗功率為:

(6)

其中,ηm為電機的效率;ηb為逆變器的效率。

在一個特定的行駛工況下系統的總電耗為:

(7)

2.2換擋控制系統

換擋控制的目標是實現快速小沖擊或無沖擊的換擋。在換擋控制過程中,變速器控制器與電機控制器可以通過CAN總線通訊進行協調控制。在摘擋后需要對電機進行調速,保證電機輸入轉速在一定范圍內,以降低換擋沖擊、延長變速箱的壽命。

具體的控制系統策略如圖5所示。

圖5　換擋控制系統策略

2.3支持向量機在換擋控制的應用

支持向量機(support vector machine,SVM)是建立在統計學的VC維理論和結構風險最小原則基礎上的一種機器學習方法。在解決有限樣本、非線性、高維的模式分類和回歸估計等問題上有獨特的優勢,且不存在局部最優問題,其對于二分類問題有非常好的預測效果,而本文中所論述的2擋位純電動汽車經濟性換擋控制正是一個二分類問題。

純電動汽車變速器擋位的控制既要滿足數學模型下的能量消耗最低,又要保證在城市道路工況下換擋不能過于頻繁,其最優控制是一個復雜的非線性系統。利用支持向量機分類器通過核函數法對多維空間的超平面進行尋找[6-7],其良好的非線性映射能力在預測領域中顯示出非常好的效果,具體智能換擋控制實現步驟如圖6所示。

圖6　智能換擋控制器實現步驟

2.4學習數據的獲取

利用城市道路循環工況UDDS,依據2.1節中的整車能量消耗模型,計算出各離散的時間段整車在2個擋位的功率消耗,并根據結果制定出該工況下經濟性最優的擋位信息。

在時間的離散格式中,純電動汽車電驅動的模型可以表達為:

(8)

(9)

其中,ig1為一擋齒輪傳動比;ig2為二擋齒輪傳動比;i0為主減速器傳動比。則系統的狀態變量可表示為:

(10)

在UDDS工況下速度值是離散的,可以計算得到各時間點的車輛加速度。由(10)式可得到電驅動系統一擋下的狀態變量[T1ω1]T和二擋下的狀態變量[T2ω2]T。

經濟性換擋的優化目標是在UDDS循環工況下求解優化的控制輸入量u(t),使得總電耗盡可能最小。

在實際選取最優擋位的過程中將整個工況分為137組,每組的時間間隔為10 s。

將每個離散時間點的2組狀態變量[T1ω1]T和[T2ω2]T分別代入(6)式中得到2個擋位下系統的功率消耗,再代入(7)式可得每組時間段內的總電耗,該組的最優擋位即為電耗最低的擋位。

第m(m=1,2,…,137)組時間段內最優擋位下的系統總消耗為:

(11)

在Matlab中進行計算,得到UDDS工況下的純電動汽車的最優擋位信息,如圖7所示。

由圖7可以看出智能控制器獲取了完整的學習數據庫,即每個時間節點的車速、加速度和最優擋位。

圖7　UDDS經濟性最優擋位

2.5支持向量機的擋位預測

(12)

圖8　ECE預測擋位

由圖8可知，兩者差異并不大,從而證明了應用支持向量機分類器進行智能換擋控制的可行性。

3與傳統換擋規律的對比驗證

能量消耗是蓄電池輸出端功率積分的過程。為驅動車輛,蓄電池輸出功率應等于阻尼功率、傳動裝置中的功率損耗、電動機驅動功率以及在電子儀器設備中所含的功率損耗。

傳統的經濟性換擋規律以加速踏板開度和車速作為輸入參數,以換擋曲線作為換擋的判斷條件[8],如圖9所示。

圖9　傳統經濟性換擋規律

剩余電量(state of charge,SOC)能很好地體現出車輛的能耗情況,是純電動汽車的重要指標之一。在Matlab/Simulink中搭建電驅動系統總耗電量模型[9-10]進行仿真,仿真過程輸入為ECE工況,如圖10所示。

本文所述換擋控制方法和傳統換擋規律在ECE工況下仿真得到的車輛百公里電耗分別為17.93 kW·h和20.22 kW·h,其對應的SOC曲線如圖11所示。

由圖11可知，基于支持向量機分類器的換擋控制方法明顯優于傳統換擋規律。

圖10　整車耗電量模型

圖11　換擋規律SOC值對比

4結論

(1)本文獲得了純電動汽車中永磁同步電機、逆變器、傳動系統的效率模型,并建立了整車功率消耗數學模型,方便得出車輛的實時能量消耗情況。

(2)在城市道路循環工況UDDS下,根據整車功率消耗數學模型比較2擋位的能量消耗,獲得了最優擋位學習數據庫。

(3)應用支持向量機分類器的相關理論,通過學習到應用的方式,實現了純電動汽車智能經濟性換擋控制。

(4)將基于支持向量機分類器的智能換擋控制方法和傳統經濟性換擋規律在歐洲行駛工況ECE下進行仿真比較,得出本文的換擋控制具有更優的能量消耗率,證明了此經濟性換擋控制方法具有理論的可行性與優越性。

[參考文獻]

[1]秦大同,周孟喜,胡明輝,等.電動汽車的加速轉矩補償控制策略[J].公路交通科技,2012,29(5):146-151.

[2]劉拂曉,趙韓,江昊.純電動汽車AMT換擋規律及仿真研究[J].合肥工業大學學報:自然科學版,2013,36(11):1281-1284.

[3]陳淑江,秦大同,胡明輝,等.兼顧動力性與經濟性的純電動汽車AMT綜合換擋策略[J].中國機械工程,2013,24(19):2687-2692.

[4]何忠波,白鴻柏,楊建春.AMT車輛頻繁換擋的消除策略[J].農業機械學報,2006,37(7):9-13.

[5]秦大同,周保華,胡明輝,等.兩擋電動汽車動力傳動系統的參數設計[J].重慶大學學報:自然科學版,2011,34(1):1-6.

[6]李雪,賀昱曜,閆茂德.基于核方法的移動機器人遠程控制時延預測與分析[J].計算機應用研究,2008,25(7):2129-2131.

[7]梁燕.SVM分類器的擴展及其應用研究[D].長沙:湖南大學,2008.

[8]唐永琪.純電動汽車兩檔自動變速器換檔品質研究[J].上海汽車,2013(1):3-7.

[9]Lin C C,Peng H,Grizzle J W,et al.Power management strategy for a parallel hybrid electric truck[J].IEEE Transactions on Control System Technology,2003,11(6)：839-849.

[10]Lin C C,Peng H,Jeon S,et al.Control of a hybrid electric truck based on driving pattern recognition[C]//Proceedings of the 2002 Advanced Vehicle Control Conference.Hiroshima,2001:1-6.

(責任編輯胡亞敏)

Economic shift strategy for pure electric vehicle based on SVM

YAN Wei-qing,ZHAO Han

(School of Machinery and Automobile Engineering,Hefei University of Technology,Hefei 230009,China)

Abstract:Aiming to increase driving range,an economic shift strategy for pure electric vehicle is proposed by using the method of support vector machine(SVM).Firstly,the efficiency characteristics of motor,inverter and transmission are obtained through the experimental data and the power consumption model of pure electric vehicle is established.Secondly,the most economic gear ratios as learning database under UDDS driving cycle are gotten by using the velocity and acceleration as two input parameters.Finally,the application of SVM classifier works out the results and the simulation verifies that the shift strategy is more excellent than traditional one under ECE driving cycle.The research on intellectual shift strategy is of theoretical and practical significance in enhancing the economic characteristics of vehicles.

Key words:electric vehicle;economic shift strategy;support vector machine(SVM);model of electricity consumption

收稿日期：2015-01-23；修回日期：2015-08-27

基金項目：國家國際科技合作專項資助項目(2014DFA80440)

作者簡介：晏偉清(1991-),男,江蘇揚州人,合肥工業大學碩士生;

doi:10.3969/j.issn.1003-5060.2016.04.004

中圖分類號:U463.212.31

文獻標識碼：A

文章編號：1003-5060(2016)04-0451-06

趙韓(1957-),男,安徽滁州人,博士,合肥工業大學教授,博士生導師.