基于混沌粒子群算法的并聯混合動力汽車能量管理策略

劉世達，齊毅，譚超廣，劉豪睿

（德州學院汽車工程學院，山東 德州 253023）

前言

目前，電動汽車和混合動力電動汽車的發展，插電式混合動力電動汽車獲得關注。PHEV使用存儲電力汽車是首選的用戶，在價格和經濟性上比汽油更有競爭力。車輛僅由電池——這一過程被稱為充電損耗（CD）模式，在SOC達到預定的閾值。SOC到達截止閥值后，車輛是由發動機和電池一起，稱為電荷保持（CS）模式[1]。CD/CS模式是最簡單和最直接的方式實現能源管理 PHEV；盡管如此，這種方法只能部分優化燃油經濟性通過正確確定其控制參數。

插電式混合動力車能源管理可以作為一個隨機優化問題。如果所有的駕駛信息是已知的在旅行開始之前，可方便地求得最優能源管理等目標改善燃油經濟性，減少排放，并降低整體成本的電力和燃料汽油的價格。這促使許多研究者試圖優化能源管理通過應用各種控制算法，眾多研究人員基于模糊控制技術提出了一個能量控制策略。從這些研究中，模糊控制技術的適用性測試中混合動力電動汽車。然而，客觀性和全局優化可能很難實現，因為隸屬函數和模糊規則是由專家經驗的模糊控制系統。因此，有必要修改PHEV的模糊能量控制器與一個合適的優化算法。

1 動力結構圖

圖1 并聯動力汽車結構圖

1.1 車輛模型

在并聯混合動力結構中，發動機通過動力分配裝置與電動機/發電機連接；電動機既可以提供動力，又可以利用發動機的剩余能量和汽車制動時的制動能來發電。Treq為混合驅動系統的總需求轉矩，由車輛加速踏板信號、當前車速和變速器檔位確定；Tengine和Tmotor分別為發動機和電機轉矩。電機所能提供的正/負轉矩可以調整發動機的工作點，調整的依據是發動機的效率曲線圖。能量管理策略可根據混合驅動系統的需求轉矩及當前電池組SOC，基于發動機效率曲線圖合理地分配發動機和電機的輸出轉矩，以提高車輛的燃油經濟性。

原始的PHEV模型的參數在表1中列出。動態性能要求從美國PNGV標準得到[2]，這些目標在表2中定義。

表1 車輛參數

表2 動力性能區間值

1.2 駕駛循環

有兩個主要類別的駕駛周期，標準和非標準[3]。兩個不同的城市駕駛循環及其統計，即NEDC和FTP，分別如表3所示。

表3 駕駛循環參數

2 ICPSO模糊控制策略

模糊控制器是模糊控制的重要核心，主要是由反模糊化接口、規則庫、模糊化接口以及推理機制所構成的[4]。在經過多次計算后得到整車需求轉矩 Treq和發動機在車速不變情況下最低油耗點所對應的轉矩Topt，將以上兩個數值相減后，與動力電池SCO共同作為輸入變量。而在模糊推理后便可得到輸出變量。其模糊控制器總體結構圖為圖2所示。

圖2 并行混合動力車的模糊控制器

2.1 模糊控制規則中的待優化參數

粒子群優化算法編碼和文檔 M 的仿真平臺集成的算法過程中，整車模型和模糊控制策略形成于 ADVISOR2002。算法運算過程如圖3所示。

圖3 ICPSO模糊控制優化過程

2.2 擬合測試

PHEB控制策略參數的優化最終目標是對汽車的油耗進行降低，并且在此過程中還能夠能夠有害氣體的排放，更重要的是不會影響到汽車的動力。本數學模型所研究的排放指標有HC、CO以及NOx。對此，適應度函數為：

在上述公式中，F（x）代表的是目標函數，而（x1，x2，x3，x4，x5，x6）中參數與實際控制參數對應關系與值域如表 4所示。在表中，Fuel(x)為燃油消耗，CO(x)，HC(x)和NOx(x)分別表示控制參數為x時CO，HC，NOx的排放量，gj(x)≥0（j=1,2,L,m）代表的是汽車爬坡性能與加速性能的制約因素。對此，為了能夠有效的、合理的適用于輪盤賭法選擇策略，可將F（x）更改為：

式中：Fueltar、COtar、HCtar和 NOx,tar為控制器參數優化數學模型優化排放、油耗的目標值，其數值是符合美國聯邦排放標準的[5]，表4中包含的是優化目標值。

表4 主要控制參數

此外，車輛縱向動態需求被定義為約束條件，以下乘用車約束確保車輛性能不降低的前提下優化[6]：1）爬坡能力0-88.5 km / h在不低于6.5% 的坡度下時間少于20秒；2）加速時間：0-97 km/h不超過12秒，64-97公里/小時不超過5.3秒，0-137公里/小時不超過 23.4秒；3）最高速度：≥137km/h；4）最大加速度：≥0.5g；5）制動距離≦42.7米。結合backward-forward建模用于混合動力汽車模型的實現和仿真控制器。潛在的改善燃油經濟性已被證明通過使用ICPSO-fuzzy邏輯，相對于其他控制器，只有發動機的效率最大化。

3 優化結果

對此，將混沌遺傳算法種群的數值設定為2000。除此之外，變異率為0.01，交叉率為0.9，終止代數為80以及初始種群大小為 50。緊接著，在 Matlab命令窗口運行非界面ADVISOR2002。

表5 燃料消耗和排放速率為手動和自動變速箱在各種駕駛循環

在仿真過程中，以原模糊控制策略與優化后的控制策略來執行仿真，進而得到的優化前后的運行效果如表5所示。由此能夠看出在優化后汽車的油耗每公里降低 0.32L，其節油比重為5.15%。除此之外，CO排放方面降低了0.032g/km，同比之前降低了6.39%，并且HC與NOx等排放也有所降低。結果表明，優化的模糊控制器與ICPSO減少燃料消耗和排放在現實世界中駕駛循環對各種配置。

參考文獻

[1] 劉博,杜繼宏,齊國光.電動汽車制動能量回收控制策略的研究[J].電子技術應用, 2004, 30(1):34-36.

[2] 劉洋,胡嘉磊. 混合動力電動汽車能量管理系統控制策略研究[J].信息技術, 2016(9):121-125.

[3] 吳曉剛, 王旭東, 孫金磊,等.ISG 型混合動力汽車粒子群優化模糊控制研究[J].公路交通科技, 2011, 28(6):146-152.

[4] 吳劍, 張承慧, 崔納新. 基于粒子群優化的并聯式混合動力汽車模糊能量管理策略研究[J]. 控制與決策, 2008, 23(1):46-50.

[5] 李高. 并聯式混合動力汽車能量優化管理策略的研究[D]. 湖南工業大學, 2014.

[6] 石磊.混合動力系統控制策略及匹配應用研究[D]. 湖南大學,2014.