基于聯合算法的軍用車輛混合動力系統能量管理

項宇，劉春光，馬曉軍，李嘉麒

(裝甲兵工程學院 陸戰平臺全電化技術重點實驗室，北京 100072)

?

基于聯合算法的軍用車輛混合動力系統能量管理

項宇，劉春光，馬曉軍，李嘉麒

(裝甲兵工程學院 陸戰平臺全電化技術重點實驗室，北京 100072)

針對一種串聯式軍用車輛混合動力系統中各動力源特性和負載特點，制定了多算法聯合的能量管理策略。利用小波變換算法分離負載需求中的高頻分量和低頻分量，分別分配給超級電容和具有較低輸出截止頻率的動力源，實現負載頻率特性與動力源輸出特性匹配。采用模糊控制對負載需求低頻分量在電池及發動機-發電機組之間進行二次優化分配。由部件級控制算法完成各動力源的輸出和工作點控制，最終實現對混合動力系統這類多領域、非線性時變系統的多目標優化控制。構建一種具有高置信度的分布式硬件在環仿真平臺對能量管理策略進行仿真驗證，結果表明，所提的能量管理方法具有控制效果好、實時性好等優點，達到了預期的控制目標，可應用于軍用電傳動車輛能量管理控制。

電傳動車輛；混合動力系統；能量管理；硬件在環仿真

0　引　言

基于多動力源系統的軍用電傳動車輛，不僅能夠滿足未來戰爭對陸戰平臺在機動、防護和火力等方面性能的需求，而且能夠為其他裝備提供多規格電源，減輕后勤保障壓力[1]；而車輛性能依賴于動力源的協調控制，其衍生的能量管理成為研究的熱點，也是軍用電傳動車輛研究的關鍵技術之一[2]。

傳統混合動力車輛能量管理中，受系統優化目標以及車輛使用條件的影響，能量管理方法靈活多樣[3]。文獻[4]中采用隨機動態規劃方法，獲得發動機和電池之間的功率分配控制規則，控制效果較好。文獻[5]建立整車混合邏輯動態模型，實現混合動力系統能量管理的優化控制，由于其需要預知駕駛循環工況，因此有學者開展了未來道路情況和駕駛員意圖預測研究[6]。文獻[7]利用人工神經網絡預測車輛行為，降低燃油消耗。文獻[8-9]中的模糊邏輯及其優化的控制策略可以較好地解決非線性功率分流問題，且魯棒性強。

而軍用電傳動車輛的使用環境、運行工況、負載特性與其他電傳動車輛差別較大，傳統的能量管理策略無法滿足軍電傳動車輛能量管理需求。例如，文獻[4]中的隨機動態規劃方法對控制器參數和噪聲敏感，而軍用車輛的工作環境比較惡劣，噪聲和干擾更加嚴重；軍用車輛的行駛路線根據戰場需要而隨時改變，沒有固定的循環工況，其行駛工況預測也難度極大，因此，文獻[5]這類需要預知駕駛循環的能量管理算法不適用于軍用電傳動車輛；文獻[7]中的能量管理方法需要大量的訓練樣本且無法在線運行；軍用電傳動車輛經常處于越野等行駛工況，驅動系統的功率需求波動較大，若僅采用基于模糊邏輯實現依據負載功率需求的能量管理策略，則會導致控制器輸出指令的劇烈波動，造成混合動力系統的運行不穩定。

綜上所述，當前混合動力車輛能量管理控制方法應用于軍用電傳動車輛時普遍存在不足，目前還沒有成熟的適用于軍用電傳動車輛的能量管理方案。因此，針對當前的能量管理方法中存在的問題，結合一種串聯式混合動力系統，提出一種小波變換、模糊控制及部件級優化控制相結合的能量管理方法，實現對車輛混合動力系統的多目標優化控制。并構建了一種分布式硬件在環仿真平臺，對能量管理控制算法進行了仿真驗證。

1　能量管理聯合算法

研究的軍用車輛混合動力系統結構如圖1所示。由8個電機驅動車輛行駛，采用串聯式混合動力系統，發動機-發電機組(engine-generator group,EGG)、動力電池和超級電容共同為驅動電機提供功率。可控整流器、雙向DC/DC分別實現對EGG和動力電池的輸出控制。通過能耗電阻消耗過多能量，保證高壓安全。

圖1　串聯式混合動力系統結構Fig.1　Series hybrid system structure

2　能量管理聯合算法

系統由可控整流器和雙向DC/DC分別控制EGG和動力電池的輸出，實現各動力源輸出解耦，為能量管理提供更多的選擇。針對前述混合動力系統設計的能量管理聯合算法主要包括負載功率估計、基于小波變換的需求功率分解、基于模糊控制的負載需求功率二次分配以及部件級優化控制。

2.1負載功率估計

論準確預估驅動電機的總功率需求是進行系統功率分配的關鍵。驅動電機的功率與電機轉速、目標轉矩、母線電壓有關。其中，目標轉矩具體由車輛行駛控制策略根據車輛驅動模式、檔位、加速踏板、制動踏板、方向盤轉角、電機轉速、母線電壓等參數計算得出，即：

(1)

其中：M為驅動模式命令；D為檔位命令；A為加速踏板開度；B為制動踏板開度；S為方向盤轉角；vdc為直流母線電壓；n1,n2,…，n8分別為各電機轉速；T1,T2,…,T8分別為各電機的給定轉矩。

驅動電機總功率需求主要根據各電機目標轉矩Ti、當前轉速ni、電機及其驅動系統的效率分布函數fη(Ti,ni)計算。其中，由于電機效率信息難以精確獲取，必然導致功率估計誤差，而在保證各動力源能夠按照分配功率輸出的前提下，需求功率估計不足或過高直接反映在母線電壓過低或過高，因此，根據母線電壓的高低和母線電壓對負載需求估計誤差進行修正，即：

(2)

其中：Pload為估計的負載功率；vdc_high為設定的負載功率補償時的母線電壓上限；vdc_low為設定的負載功率補償時的母線電壓下限；khigh為母線電壓過高時的負載功率補償系數；klow為母線電壓過低時的負載功率補償系數。

2.2基于小波變換的負載需求功率分解

正動力電池及EGG輸出截止頻率較低，高頻負載需求會導致EGG工作點的劇烈變化以及動力電池的損壞，因此其無法應對負載需求中的一些極端高頻分量，而處理暫態快速功率需求對于超級電容來說非常簡單[10]。而小波變換能夠將離散功率需求信號分解成高頻暫態分量和低頻分量[11]，因此考慮在車輛運行中，通過小波變化將暫態功率需求提取出來，分配給超級電容。

利用小波變換將一維的負載功率需求信號分解為不同頻率帶的信號，信號分解和重構表達式為：

(3)

(4)

其中：x(t)為功率需求原始信號Pload；W為小波系數；t為時間；a為尺度因子；u為平移因子，u=k2j；j、k∈Z；ψ為母函數。

母函數采用哈爾小波函數，其不僅具有最短的濾波長度，而且小波變換與反變換相等，能夠使得小波算法更為簡單，代碼執行效率更高，同時，提取暫態信號的功能不受影響[12]。哈爾小波母函數表達式為：

(5)

采用兩通道濾波器，基于哈爾小波變換設計各分解與重構濾波器組。通過低通濾波H0(z)器和高通濾波器H1(z)，實現對原始信號高頻分量與低頻分量的提取；通過重構濾波器G0(z)及G1(z)完成信號重構。根據仿真分析，采用5階哈爾小波變換即可滿足需求，對信號x(t)進行分解及重構過程如圖2所示。

圖2　五階哈爾小波分解與重構示意圖Fig.2　Five-order haar wavelet decomposition and reconstruction

(6)

(7)

以仿真中的車輛負載需求功率為例，對小波變換算法進行驗證。功率需求及其分解結果如圖3所示。由圖3可知，設計的小波變換算法實現了負載需求功率高頻暫態分量和低頻緩變分量的分離。

圖3　負載需求功率分解Fig.3　Load requirement decomposition

2.3基于模糊控制的低頻負載需求二次分配

小波變換算法只考慮了負載頻率和動力源輸出特性之間的匹配，卻不能實現對EGG工作點以及電池荷電狀態(state of charge,SOC)的優化控制。因此采用模糊邏輯解決混合動力系統這類多領域、非線性時變系統的優化控制問題，并降低SOC測量誤差或參數漂移對控制效果的影響[13]。

(8)

(9)

根據功率分配切換條件，設計的雙輸入雙輸出模糊控制器及輸入—輸出關系曲面如圖4、圖5所示。

圖4　模糊控制器Fig.4　Fuzzy controller

2.4部件級優化控制

為實現系統頂層功率分配目標及部件控制，論文開展了EGG控制及基于雙向DC/DC的動力電池控制算法研究。

圖5　控制器輸入—輸出關系曲面Fig.5　Relation surface between input and output of controller

1)發動機-發電機組控制

①發動機工作轉速

為降低發動機燃油消耗，控制發動機沿最佳燃油曲線工作。在如圖6所示的發動機萬有特性曲線中，通過確定發動機各功率等級對應的最低耗油點，可獲得發動機最佳燃油曲線。

圖6　發動機萬有特性曲線圖Fig.6　Engine universal characteristics curve

(10)

式中fp_n為最佳燃油曲線上功率與轉速的對應關系函數。

②整流器目標電壓

(11)

式中：fn_P為最佳燃油曲線上轉速和功率的對應關系；n為發動機實際轉速；ieg為整流器直流側輸出電流；kp1、ki1為EGG功率閉環PI調節器參數。取目標轉速和實際轉速間的小者min(n*,n)，根據函數fn_P計算功率閉環的給定值，既保證負載功率變大時發動機轉速的平穩上升，又保證負載變小時EGG輸出功率不過大。

2)動力電池控制策略

(12)

其中：v1為母線電壓過高時自動給電池充電的起始電壓；v2為母線電壓過低時電池自動放電的起始電壓；k1、k2分別表示母線電壓過高或過低時的目標電流調整參數；idc/dc為DC/DC實際輸出電流；kp2、ki2為動力電池功率閉環PI調節器參數。

系統總體的能量管理方案原理框圖如圖7所示。

圖7　能量管理策略原理框圖Fig.7　Principle diagram of energy management strategy

3　分布式硬件在環仿真平臺構建

硬件在環仿真(hardware-in-loop，HIL)技術是在虛擬試驗環境下對控制器進行可靠性及適用性驗證的一種有效方法，對進行高效、快速、經濟的車輛控制器測試標定具有重要意義。硬件和仿真模型是硬件在環仿真技術的基礎，各種硬件在環仿真技術的主要區別在于實現仿真模型實時解算的手段和方式的不同[14-17]，其中較為流行的硬件在環仿真方案中，多采用dSPACE作為目標機實時運行仿真模型，但是受dSPACE的運算能力限制，需對仿真模型作簡化處理，無法建立面向對象的車輛動力學模型以及具有高頻特性的功率變化裝置和電機的仿真模型，嚴重影響了仿真方案的置信度。

為提高仿真模型可信度，設計了一種分布式硬件在環仿真系統——“駕駛員-車輛動力學模型-電機及其驅動系統模型-電源系統模型-中央控制器硬件-顯控終端”的實時仿真平臺，如圖8所示。

圖8　分布式硬件在環仿真原理框圖Fig.8　Principle diagram of distributional HIL platform

其中，所有仿真模型均采用面向對象的建模方法建立，發動機調速等子系統控制策略與實車相同；采用兩臺適用于電力系統仿真的RT-LAB仿真器，分別運算混合動力系統、電機及其驅動系統仿真模型，其仿真步長可達20 us，各模型分別在上位機建模、編譯，并下載到RT-LAB中運行，RT-LAB通過CAN總線分別接收中央控制器指令和Vortex反饋信號，同時將上傳控制參考量及需要觀測的信息；兩臺RT-LAB之間采用模擬I/O接口傳送vdc和iload信息，保證信號傳遞的實時性；采用專業的車輛動力學軟件Vortex建立的車輛動力學模型，主要是車體、輪胎及不同路面模型，體現不同的路面對車輛輪胎的作用力效果，實現車輛在不同路面和地形環境下的車輛動力學仿真；Vortex工作站根據通過CAN總線接收駕駛指令B、S以及轉矩T1,T2,…,T8，實時運行車輛模型，并反饋車輪轉速等信息；中控制器接收駕駛員操控指令以及RT-LAB和Vortex反饋的系統信息，發出控制指令；顯控終端用于顯示、保存仿真中的狀態信息。

4　仿真驗證

根據構建的分布式硬件在環仿真平臺，選擇車輛加速/制動、爬坡/下坡及小半徑轉向等典型工況，對制定的能量管理方案進行驗證，同時對中央控制器的軟硬件系統進行測試。

4.1平坦路面行駛

圖9為動力電池SOC初始值為70%時，車輛在平坦路面行駛的仿真結果，該仿真中包含了車輛加速、高速行駛和制動等工況。

圖9(a)中加速(制動)踏板取0時表示當前駕駛員給定的驅動(制動)力矩為零，加速(制動)踏板取1時表示駕駛員給定車輛當前最大驅動(制動)力矩。方向盤轉角開度為0時表示車輛直行，不為0時，表示車輛轉向，取1時表示車輛以最大轉向角度轉向。

如圖9(a)、9(b)所示，在前0～20 s，車輛開始加速，期間負載需求功率在EGG輸出能力范圍之內，需求功率全部分配給EGG。但是EGG響應時間較長，無法及時滿足負載需求，此時首先由超級電容彌補負載需求。隨著超級電容放電，母線電壓降低，根據動力電池控制策略，母線電壓過低時，電池放電維持母線電壓，如圖9(c)、9(d)所示。

在30～45 s、125～145 s期間，圖9(a)中油門開度最大，車輛加速，負載電流迅速增大，達到恒功率運行狀態，見圖9(c)。此時EGG以其最大功率輸出，其余功率不足部分由動力電池彌補。

在110～130 s期間，駕駛員進行了兩次制動操作，由于車輛采用機電聯合制動，此時有制動能量回饋，負載電流為負，由于電池最大充電電流設置約為120 A，無法完全吸收回饋能量，因此其余電流由超級電容吸收，如圖9(c)。

圖9　平坦路面行駛仿真結果Fig.9　Simulation results of vehicle drive on flat surface

由于電池SOC在70%左右的理想范圍，因此在15～30 s、45～90 s期間，負載需求小于EGG輸出能力時，EGG輸出僅滿足負載需求和維持母線電壓，電池不充電。當車輛進行回饋制動及母線電壓過高時，動力電池充電，回收制動能量并防止母線電壓過高。當母線電壓偏低時，動力電池也會自動放電，維持母線電壓在合理范圍內，如圖9(b)、9(c)、9(d)所示。

仿真過程中發動機工作點在萬有特性曲面中的分布如圖10所示。由圖可知，由于母線電壓的波動、EGG功率輸出控制PI調節器的動態調整，使得發動機工作點在燃油曲線附近波動。仿真中突然減載時，EGG分配功率迅速變小，而發動機轉速動態響應較慢，致使部分工作點與燃油曲線偏離較遠。然而，由圖可知發動機工作點主要集中在最佳燃油曲線附近，實現了對發動機工作狀態的優化控制。

圖10　發動機工作點分布Fig.10　Engine working point distribution

4.2爬坡/下坡及小半徑轉向

圖11為動力電池SOC初始值為70%條件下車輛爬坡/下坡及小半徑轉向工況下仿真結果。其中，在0～65 s連續爬兩個30°斜坡，在95～160 s期間車輛連續下坡，在65～95 s、180～120 s期間車輛小半徑轉向，駕駛員操控指令如圖11(a)所示。

與車輛在平坦路面行駛及大半徑轉向工況不同，在車輛爬坡/下坡及小半徑轉向期間，會出現部分驅動輪懸空或滑轉，在車輛行駛控制策略控制下，各驅動電機的給定轉矩呈現毫秒級的劇烈波動現象，從而導致負載功率需求波動較大，負載電流毛刺較多，如圖11(c)所示。而負載需求功率在經過小波變換算法分解后，將高頻分量分配給超級電容，充分發揮了超級電容的快速充放電能力，如圖11(b)、11(c)所示。如圖11(c)、11(d)所示，在系統能量管理聯合算法控制下，EGG和動力電池的輸出較為平穩。在車輛下坡期間，為了降低車速，確保安全，駕駛員進行了多次制動操作，回收了制動能量，將部分車輛動能和勢能轉化為電化學能存儲在超級電容和動力電池中，進一步提高了整車的燃油經濟性。在充分發揮超級電容作用的同時，直流母線電壓也在安全范圍內波動，如圖11(b)、11(c)所示。

圖11　爬坡/下坡及小半徑轉向仿真結果Fig.11　Simulation results when vehicle climbing/downhill and swerve

5　結　論

針對一種串聯式軍用電傳動車輛混合動力系統中各動力源的輸出特性和負載功率需求特點，制定了基于多算法聯合的能量管理策略。并通過構建 “駕駛員+車輛動力學模型+電機及其驅動系統模型+電源系統模型+中央控制器硬件+顯控終端” 分布式硬件在環仿真平臺、設置典型工況，對制定的能量管理策略進行仿真驗證。

結果表明，設計的能量管理方案具有以下控制效果：①實現了負載需求頻率特性與動力源輸出特性的匹配；②在滿足車輛機動需求的前提下對動力電池SOC優化控制，吸收回饋能量，提升能量利用率；③控制發動機在最佳燃油曲線附近工作及發動機-發電機組平穩輸出；④優化了動力電池的工作狀態；⑤控制母線電壓在合理范圍內波動；⑥能量管理算法實時性較好。本文制定的基于多算法聯合的能量管理策略效果較好，可用于實車中能量管理控制。其不足是提出的能量管理方案中采用不同的算法實現對不同目標的優化控制，尚未實現整個系統的最優控制，這也是下一步研究方向。

[1]臧克茂.陸戰平臺全電化技術研究綜述[J].裝甲兵工程學院學報,2011,25(1):1-6.

ZANG Kemao.Study on the all-electric technology of land warfare platform [J].Journal of Academy of Armored Force Engineering,2011,25(1):1-6.

[2]FARZAD R S.Control strategies for hybrid electric vehicles: evolution,classification,comparison,and future trends [J].IEEE Transactionson Vehicular Technology,2007,56(5): 2393 -2404.

[3]張希,米春亭.車輛能量管理: 建模、控制與優化[M].北京：機械工業出版社,2013：134-137.

[4]林歆悠,孫冬野,尹燕莉,等.基于隨機動態規劃的混聯式混合動力客車能量管理策略[J].汽車工程,2012,34(9):830-836.

LIN Xinyou,SUN Dongye,YIN Yanli ,et al.The energy management strategy for a series-parallel hybrid electric bus based on stochastic dynamic programming[J].Automotive Engineering,2012,34(9):830-836.

[5]KOU Zhitao,SONG Chunyue,PAN Zheng.MLD-based predictive control of energy management for hybrid electric bus [C].Proceedings of the 10th World Congress on Intelligent Control and Automation,Beijing,2012.

[6]THOMAS J B,MARKUS S,BENJIAMIN F,et al.A predictive energy management for hybrid vehicles based on optimal control Theory[C].2013 American Control Conference,Washington.DC,2013.

[7]陳慧勇,吳光強.并聯式混合動力汽車的BP網絡實時能量管理[J].同濟大學學報,2009,37(4): 525-530.

CHEN Huiyong,WU Guangqiang.Real-time energy management of parallel hybrid electric vehicle based on BP neural network[J].Electric Machines and Control,2009,37(4):523-530.

[8]LI S G,SHARKH S M,WALSH F C,et al.Energy and battery management of a plug-in series hybrid electric vehicle using fuzzy logic [J].IEEE Transactions on Vehicular Technology,2011,60(8):3571-3585.

[9]HYEOUN D L,SEUNG K S.Fuzzy-logic-based torque control strategy for parallel-type hybrid electric vehicle[J].IEEE Transactions on Industrial Electronics,1998,45(4):625-632.

[10]張炳力,趙韓,吳迪,等.基于小波變換的燃料電池混合動力系統多能源管理策略研究[J].汽車工程,2008,30(10):914-918.

ZHANG Bingli,ZHAO Han,WU Di,et al.A study on the multi-energy management strategy for fuel cell hybrid powertrain based on wavelet-transform [J].Automotive Engineering,2008,30(10): 914- 918.

[11]FALKOWSKI B J.Forward and inverse transformations between haar wavelet and arithmetic functions [J].Electronics Letters,1998,34(11): 1084-1085.

[12]WANG X.Moving window-based double haar wavelet transform for image processing [J].IEEE Transactions Image Processing.2006,15(9):2771- 2779.

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

[14]陳建松,陳南,殷國棟,等.基于dSPACE的4WS車輛硬件在環控制仿真研究[J].系統仿真學報,2010,22(7):1622-1626.

CHEN Jiansong,CHEN Nan,YIN Guodong,et al.Study on hardware in loop control simulation for four-wheel steering vehicle based on dSPACE [J].Journal of System Simulation,2010,22(7):1622-1626.

[15]顏南明,張豫南,劉春光,等.MATLAB環境下的分布式硬件在環仿真技術研究[J].系統仿真學報,2010,22(8):1866-1869.

YAN Nanming,ZHANG Yunan,LIU Chunguang,et al.Research on distributed hardware-in-loop simulation technology in MATLAB [J].Journal of System Simulation,2010,22(8):1866-1869.

[16]王紅軍,陳佳鑫,鄒湘軍,等.SimulationX及硬件在環仿真在伺服壓力機設計和研究中的應用[J].機械工程學報,2012,48(6):51-56.

WANG Hongjun,CHEN Jiaxin,ZOU Xiangjun,et al.Application of SimulationX and hardware-in-the-loop in design and research of servo precision press [J].Journal of Mechanical Engineering,2012,48(6):51-56.

[17]何舜,張建文,蔡旭.風電變流器的RT-LAB硬件在環仿真統仿設計與實現[J].電力系統保護與控制,2013,41(23):43-48.

HE Shun,ZHANG Jianwen,CAI Xu.Realization and design of wind power converter model based on RT-LAB HIL system [J].Power System Protection and Control,2013,41(23):43-48.

(編輯：張楠)

Energy management of military vehicle hybrid system based on joint algorithm

XIANG Yu，LIU Chun-guang，MA Xiao-jun，LI Jia-qi

(Key Laboratory of Land Warfare Platform All-electric Technology,Academy of Armored Force Engineering,Beijing 100072，China)

A power manage strategy based on joint multi algorithm was established according to a kind of series hybrid system′s power source feature and load characteristic.The wavelet transform algorithm was used to divide the high frequency value and the low frequency value of the load requirement.The value is distributed to super capacity and the sources which have a low output cutoff frequency,and it realizes the matching of load feature and power source output.The fuzzy controller was used to realize optimal twice allocates the low frequency value between battery and engine-generator group.The output and the work section of each component were controlled by the component control algorithm.Finally,the designed energy management strategy achieved the multi targets′ optimal control of the multi areas and nonlinear time variety hybrid system.A high-fidelity distributional HIL platform was established to prove the control strategy.The result shows that the strategy is well-performed and has high instantaneity,so that it is suitable for actual vehicles.

electric drive vehicle；hybrid system；power manage；HIL

2015-07-17

國家自然科學基金(51507190)

項宇(1987—)，男，博士研究生，研究方向為軍用電傳動車輛能量管理；

劉春光(1980—)，男，博士，講師，研究方向為電傳動裝甲車輛性能仿真與評估；

劉春光

10.15938/j.emc.2016.09.012

TM 921

A

1007-449X(2016)09-0080-09

馬曉軍(1963—)，男，教授，博士生導師，研究方向為電傳動裝甲車輛總體技術；

李嘉麒(1992—)，男，博士研究生，研究方向為火炮驅動控制技術。