純電動汽車動力系統匹配與性能仿真

李軍， 楊東徽， 束海波, 王占銳， 隗寒冰

(1. 重慶交通大學 機電與車輛工程學院， 重慶 400074；2. 重慶交通大學 城市軌道交通車輛系統集成與控制重慶市重點實驗室， 重慶 400074；3. 中國汽車工程研究院股份有限公司， 重慶 401122)

純電動汽車動力系統匹配與性能仿真

李軍1，2， 楊東徽1， 束海波1, 王占銳3， 隗寒冰1，2

(1. 重慶交通大學 機電與車輛工程學院， 重慶 400074；2. 重慶交通大學 城市軌道交通車輛系統集成與控制重慶市重點實驗室， 重慶 400074；3. 中國汽車工程研究院股份有限公司， 重慶 401122)

兼顧純電動汽車動力性與經濟性指標，完成驅動電機、動力電池組和變速器的優化選型.然后，圍繞電池組容量與質量之間對整車性能影響的矛盾關系，利用電渦流測功機測試不同電池質量等速行駛200 km的能量消耗，對動力電池進行優化選型.最后，采用區間優化設計方法對傳動系參數進行優化設計.針對兩擋電控機械式自動變速器(AMT)換擋過程中存在換擋沖擊的影響，提出一種基于電機轉矩控制的換擋策略及搭載電動汽車聯合仿真模型，并對換擋控制策略和整車性能指標進行仿真分析.結果表明：動力系統優化匹配方法能很好地滿足動力性和經濟性行駛要求，續駛里程測試過程中變速器換擋沖擊度小，換擋品質較高，驗證了匹配方案、仿真模型與控制策略的有效性和準確性.

電動汽車； 動力系統； 匹配優化； 控制策略； 仿真試驗

電動汽車仍處于研發調試階段，影響其推廣的瓶頸主要有：研發高能蓄電池、提高驅動系統效率、建造快速充電站等[1-3].動力驅動系統是電動汽車最重要的系統，其匹配選型決定了整車的動力性和經濟性[4].國內外眾多學者都對純電動汽車動力驅動系統進行了深入研究與樣車試驗[5].本文以某企業純電動汽車研發車型為對象，完成驅動電機、動力電池組、變速器的優化匹配與選型.針對兩擋電控機械式自動變速器(AMT)換擋沖擊問題,制定一種電機轉矩控制策略，對換擋策略、動力性及經濟性進行仿真分析,并驗證動力系統匹配方案、仿真模型及所設計的控制策略的有效性.

1 動力系統部件參數匹配

驅動電機和動力電池組的選擇多樣性導致了電動汽車布置方式的多樣性[6]，因此，匹配方案的好壞將對電動汽車的整車性能產生重大的影響.整車基本參數及性能指標，如表1，2所示.表1中：m0為整備質量；m為滿載質量；A為迎風面積；CD為風阻系數；rd為滾動半徑；f為滾阻系數；ηt為傳動效率.表2中：t為百公里加速時間；W為新歐洲行駛循環(NEDC)百公里電耗；S為NEDC續駛里程；umax為最高車速；αmax為最大爬坡度；S為60 km·h-1的續駛里程.

表1 整車的基本參數Tab.1 Basic parameters of vehicle

表2 整車的性能指標要求Tab.2 Vehicle performance target requirements

1.1 電機參數匹配及選型

1.1.1 驅動電機功率 驅動電機的最高功率需要同時滿足最高車速、最大爬坡度及加速時間的要求[7],即

式(1)～(3)中：P1～P3分別為最高車速功率要求、最大爬坡度功率要求、加速時間功率要求;ub為加速車速；t為加速時間；αmax為爬坡最大坡度；ua為汽車與空氣相對速度，ua取35 km·h-1.

最大功率Pmax≥max(P1+P2+P3)，可得Pmax≥80 kW，Pmax取98 kW;驅動電機的額定功率滿足額定功率Pe≥90%P1=36.41 kW，Pe取49 kW;電機過載系數λ取2.

1.1.2 驅動電機轉速和轉矩 選擇電機的峰值轉速nmax為9 700 r·min-1;電擴大恒功率區系數β=nmax/nr，取值范圍為2～4，取β為2.2；電機額定轉速nr≥nmax/3≥3 233.33，取nr為4 400 r·min-1.計算可得峰值轉矩Tmax=212.7 N·m，額定轉矩Te=106.4 N·m.因此，取電機峰值轉矩為213 N·m，額定轉矩為107 N·m.

根據計算結果，并在分析電機效率、控制精度、調速性能及制動性能的基礎上，驅動電機選型為某款永磁同步電機，基本性能參數，如表3所示.表3中：U為電壓等級.

表3 電機的匹配結果Tab.3 Motor matching results

1.2 動力電池參數匹配及選型

綜合考慮多種形式鋰電池組的安全性能、存儲性能及生產成本，選用三元鋰離子電池組作為該車的儲能裝置[8].車輛以等速uele行駛時，電池負載功率為

式(4)中:Pbat為電池負載功率；ηcon為電機控制器效率(0.91)；ηbat為電池組放電效率.

等速uele條件下，行駛距離S所需能量為

E=1 000·PbatS/uele.

(5)

電池組放電容量、蓄電池單體放電電流與溫度存在一定關系，電池組放電容量和蓄電池需求數量為

n=Cele/Crat.

(7)

式(6)中:Cele為電池組放電容量；U0為蓄電池單體電壓；ξ(C)為放電過程溫度與電流影響因數；Crat為蓄電池單體額定容量.

續駛里程隨電池組容量增加而增大，但電池容量增加必將導致車輛總質量的增加，從而加大滾動阻力、坡度阻力及加速阻力，導致車輛能耗增大[9].為了更好地研究電池組容量和質量兩變量之間的相互矛盾關系，引入荷電狀態(SOC)質量比系數，即

KSM=SOC/Mbat.

(8)

式(8)中：Mbat為電池組總質量.荷電狀態質量比系數越大，表明單位電池組質量所消耗電量越小，越有利于提高電池利用率，節省能耗.

通過對蓄電池的計算分析，系數KSM與電池組容量(C)關系曲線,如圖1所示.由圖1可知：蓄電池SOC質量比系數隨電池容量增大而減小，表明電池組容量較大不利于提高電池效率和能量利用率，與純電動汽車電池組容量越大續駛里程越大的理論存在一定的實際應用沖突.因此，在滿足性能指標的前提下，應盡可能地降低電池組容量，即減少電池組質量，從而達到提高電池利用效率的目的.

基于底盤測功機，利用電渦流測功機施加阻力力矩，設定相關參數，模擬車輛在實際道路行駛時,不同電池組質量對應的滾動阻力和空氣阻力.根據續駛里程目標，測試了車輛以60 km·h-1等速行駛200 km,不同電池組質量所需要的能量(E)，測試結果，如圖2所示.圖2中：M為電池組質量.由圖2可知：考慮到車載附件電量消耗問題，選擇電池容量為112 A·h.最終確定儲能裝置總質量為244 kg，電池標稱總電壓為342 V，儲能裝置總電量為38.3 kW·h，單體總數量為2 850個，電池節數為95節.

圖1 SOC質量比系數與電池組容量的關系 圖2 不同電池組質量攜帶的能量及對車輛能耗的影響Fig.1 Relationship between SOC mass ratio coefficient and battery capacity Fig.2 Energy of mass carrying of different battery pack and its influence on vehicle energy consumption

1.3 變速器參數匹配及選型

電動汽車傳動系統發展趨于兩擋或多擋化[10]，多擋變速器可以通過控制傳動比使驅動電機位于理想的工作區域，提高整車動力性和經濟性[11].文中選用兩擋AMT變速器.

最小傳動比ig,2根據最高車速確定，此時,電機應達到最高轉速；而最大傳動比ig,1根據最大爬坡度確定，此時,電機達到最大轉矩.傳動比約束范圍為

式(9)～(11)中:Fumax，Tumax為最高車速時的行駛阻力和電機輸出轉矩;1.43≤ig，2≤5.52;ig，1≥9.01.

采用區間優化方法對傳動比進行優化設計，確定優化模型的設計變量為Xi=[ig，1ig，2]，滿足約束條件下的區間優化目標數學模型為

式(12)中：Qmax為目標函數；Qi為各目標變量對應的區間寬度函數；αi為加權函數；以動力性為約束條件，續駛里程為約束區間函數，即S(ig，1，ig，2)為不同傳動比下的續駛里程；s為目標續駛里程， 采用多元

表4 變速器的匹配結果Tab.4 Transmission matching results

微分法進行求解.以最初求解的傳動比范圍作為初始區間，求區間約束函數的條件極值點，即求得ig，1，ig，2的最大可行域，變速器優化選型結果，如表4所示.

1.4 兩擋AMT變速器換擋策略

圖3 純電動汽車換擋流程Fig.3 Electric vehicle shift process

兩擋AMT變速器在提升整車動力性和經濟性時，還存在換擋沖擊問題，需要對驅動電機和換擋電機進行協調控制.純電動汽車整車換擋流程,如圖3所示.

1.4.1 動力中斷 換擋時，首先對電機進行卸載，使其處于空載轉矩，驅動電機動力輸出端至輪胎間動力學和運動學方程可表示為

式(13)～(15)中：I為轉動慣量矩陣；J1，J2分別為變速器輸入軸和輸出軸的轉動慣量；T1，T2分別為輸入軸和輸出軸的轉矩；TD為地面阻力矩；ω1，ω2分別為輸入軸和輸出軸的角速度；i0為主減速器傳動比；j為換擋沖擊度.

1.4.2 摘擋與轉矩控制 AMT控制器在電機卸載后，給換擋電機發送指令，換擋執行機構在換擋電機驅動下進行摘擋.電機在起步時，工作于恒轉矩區；電機在換擋時卸載，無力矩輸出；電機在高速時，工作于恒功率區.駕駛員需求功率Preq和需求轉矩Treq分別表示為

設最大轉矩為Tmax，令nth為閾值轉速.當nnth時，則按照式(16)計算.

“CDIO”工程教育模式是近幾年來國際工程教育改革的最新成果，它代表了構思(Conceive)、設計(Design)、實施(Implement)和運行(Operate)的過程，以產品研發到產品運行的生命周期為載體，增強課程之間的有機聯系，引導學生主動思考，通過工程項目訓練實踐模式來熟練掌握所學的知識[4]。

1.4.3 換擋同步 換擋時，負載轉動慣量很大，近似認為車速不變，需對電機進行調速，使同步器轉速對應相應擋位.當電機轉速在起步后達到n1時，AMT控制器發出換擋命令，此時，車速不變；當變速器輸入軸轉速在換到2擋時，應降到n2，令換擋前行車速度為

v1=πrn1/(30ig,1i0)，n2=n1(ig,2/ig,1).

(17)

式(17)中：n1為電機換擋前轉速；n2為電機換擋后轉速.電子控制單元在每次換擋計算好同步轉速，對電機轉速精確控制，以解決換擋動力中斷對換擋品質的影響.

1.4.4 動力恢復 電機控制器在換擋完成后，根據駕駛員需求功率計算好相應需求轉矩，隨后，轉矩信息經控制器局域網絡(CAN)發出，對電機由轉速狀態恢復到轉矩狀態進行控制.

2 整車性能仿真與分析

2.1 換擋控制策略仿真

運用GT-DRIVE和Matlab/Simulink進行聯合仿真，仿真工況為NEDC工況.升擋控制策略程序流程圖，如圖4所示.截取循環過程中，部分升擋動態過程，如圖5所示.由圖5可知：車輛換擋過程中存在換擋重疊，換擋時間縮短，升擋所需時間約為1.2 s.

圖4 升擋控制策略 (a) 擋位狀態和換擋沖擊度 Fig.4 Upshift control strategy

(b) 電機輸出轉矩 (c) 電機轉速圖5 循環過程中部分升擋動態過程Fig.5 Dynamic process of partial upshift during cycle

整車性能仿真模型，如圖6所示.由圖6可知：換擋沖擊數值很小， 驅動電機和換擋電機協調狀態

圖6 整車性能仿真模型Fig.6 Vehicle performance simulation model

良好，設計的基于轉矩控制的換擋策略有效降低了驅動電機和變速器轉速波動，得到很好的換擋品質.

動力性建立的仿真任務有最高車速、加速時間、爬坡性能.車輛在0～100 km·h-1的加速時間為10.22 s，最高車速為143 km·h-1，最大爬坡度為37%.經濟性建立的仿真任務為NEDC和60 km·h-1等速行駛工況的續駛里程.在車輛運行完18個左右循環工況后，SOC接近于0，行駛里程為200 km，工況法的每千米能量消耗率為0.19 kW·h.動力電池模塊循環過程中SOC隨時間變化關系，如圖7所示.由圖7可知：在循環工況的運行前期，車速較低，電機工作對功率需求較小，SOC水平下降緩慢；在循環工況的運行后期，隨著行車速度的增大，電機工作對功率需求增加，SOC下降迅速.

等速法行駛里程為240 km，60 km·h-1等速法的仿真結果，如圖8所示.綜合動力性和經濟性仿真結果，匹配選型的動力系統關鍵部件能夠滿足動力性及經濟性指標.

圖7 動力電池SOC與時間關系 圖8 60 km·h-1等速工況車輛運行情況Fig.7 Relationship between SOC and time of power battery Fig.8 60 km·h-1 constant speed operating conditions of vehicle

3 匹配方案試驗驗證

為了對設計車輛整車性能進行考核，實車測試采用的是48″交流驅動底盤測功機系統.分別對最高車速、加速時間及NEDC工況續駛里程進行測試，并利用CANoe軟件及CAN數據采集卡記錄試驗過程中電機運行報文數據，進行報文解析，以驗證換擋策略.

3.1 動力性能測試

在動力性指標中，加速性能對電機功率要求最大，在底盤測功機上，對0～100 km·h-1加速過程進行測試[12]，測試時，SOC初始值為70%.最高車速及百公里加速時間(t)在測控系統顯示的測試結果，如圖9所示.

(a) 最高車速 (b) 百公里加速時間圖9 最高車速和0～100 km·h-1加速時間測試結果Fig.9 Maximum speed and 0-100 km·h-1 acceleration time test results

動力性指標umax/km·h-1imax/%t/s最低指標≥135≥30≤13.00仿真值1433710.22轉鼓試驗1413511.71

由圖9可知：試驗值與仿真值的偏差來自電機效率誤差與傳動效率誤差，以及駕駛員在駕駛過程中不能完全按照工況駕駛行駛等多種因素，試驗結果與仿真結果基本接近一致.整車的動力性指標、仿真結果和實車測試結果，如表5所示.

3.2 續駛里程性能測試

圖10 車輛NEDC工況續駛里程測試結果Fig.10 Test results of NEDC driving range of vehicle

根據我國頒布的GB/T 18386-2005《電動汽車能量消耗率和續駛里程試驗方法》中的要求[13]進行經濟性測試.續駛里程試驗結果，如圖10所示.試驗過程中，工況法的每千米能量消耗為0.196 kW·h，與仿真結果0.190 kW·h基本一致.車輛能很好地滿足工況行駛要求，速度跟隨良好，換擋行駛平穩、無沖擊，試驗全程車輛無故障出現，續駛里程為195 km.根據采集的電機運行報文數據，分析了車輛換擋過程擋位狀態、換擋沖擊、電機轉矩和轉速情況，驅動和換擋過程中，電機協調性良好，換擋沖擊很小，換擋品質較高.

在重慶市西部(墊江)汽車試驗場有4輛樣車進行可靠性路試試驗，通過對行駛車速、電池單體電壓、電池溫度、電機實際轉速和溫度等項目進行全面實時監控.車輛平均百公里能耗18.97 kW·h，電池滿電狀態下續駛里程可達215 km，運行過程中故障出現率小，動力系統各部件運轉狀況良好.

4 結論

1) 以提高電池能量利用率為目的，提出一種電池容量和質量的優化設計方法，結合電池組質量對車輛能耗影響的試驗結果，完成動力電池組優化匹配選型.同時，采用區間優化設計方法對傳動系統參數進行優化設計，完成動力系統參數優化與選型.

2) 針對兩擋AMT變速器換擋沖擊問題，提出一種基于轉矩控制的換擋控制策略，并搭建了整車性能仿真模型；基于GT-DRIVE和Matlab/Simulink聯合仿真平臺對換擋控制策略、動力性和經濟性進行仿真分析.

3) 由綜合底盤測功機和重慶西部試驗場路試結果可知：該動力系統優化匹配方案達到了整車動力性及經濟性設計指標，電池利用率高，換擋策略降低了換擋沖擊，提升了換擋品質,能很好地滿足實車行駛要求.該系統為電動汽車的研發設計，動力性及經濟性的預測分析，以及設計方案的驗證提供了一種有效的方法和手段.

[1] 邱斌斌，朱紹鵬，馬浩軍.電動車輛驅動控制系統仿真測試平臺設計[J].浙江大學學報(工學版)，2015，49(6):1154-1159.

[2] 邢忠義.增程式電動汽車RES系統優化策略仿真分析[J].機械傳動，2015，39(4):139-141.

[3] 熊璐，陳晨，馮源.基于Carsim/Simulink聯合仿真的分布式驅動電動汽車建模[J].系統仿真學報，2014，26(5):1143-1148.

[4] 陽洋，王傅忠，黃菊花.增程式電動汽車動力系統仿真匹配分析[J].機械設計與制造，2014(9):58-61.

[5] Al-ADSANI A S，JARUSHI A M，SCHOFIELD N.An ICE /HPM generator range extender in a series hybrid electric vehicle[C]∥5th LET International Conference on Power Electronics, Machines and Drives.Brighton:IEEE Press,2010:1-6.

[6] HUSAIN L.純電動及混合動力汽車設計基礎[M].林程,譯.北京:機械工業出版社，2012:45-47.

[7] 姜立標，吳斌，馮驍，等.電動汽車動力性參數的仿真設計與試驗驗證[J].汽車工程，2011，33(12):1013-1017.

[8] 黃學杰.電動汽車與鋰離子電池[J].物理,2015,44(1):1-7.

[9] 朱曰瑩，趙桂范,楊娜，等.電動汽車動力系統參數匹配及優化[J].哈爾濱工業大學學報，2013，45(7):91-92.

[10] RAHIMI M M S,BOULET B.Modeling, simulation and control of a seamless two-speed automated transmission for electric vehicles[C]∥American Control Conference.Portland：IEEE Press,2014:3826-3831.

[11] EBERLEH B，HARTKOPF T.A high speed induction machine with two speed transmission as drive for electric vehicles[C]∥International Symposium on Power Electrical Drives， Automation and Motion.Taormina:IEEE Press，2006:249-254.

[12] 中國汽車技術研究中心.電動汽車動力性能試驗方法： GB/T 18385-2005[S].北京：中國標準出版社，2005:1-7.

[13] 中國汽車技術研究中心.電動汽車能量消耗率和續駛里程試驗方法： GB/T 18386-2005[S].北京：中國標準出版社，2005:1-4.

(責任編輯： 黃仲一 英文審校： 崔長彩)

Matching and Performance Simulation of Dynamic Systems of Pure Electric Vehicles

LI Jun1，2， YANG Donghui1，SHU Haibo1, WANG Zhanrui3， WEI Hanbing1，2

(1. College of Mechantronics and Automotive Engineering， Chongqing Jiaotong University， Chongqing 400074， China；2. Chongqing Key Laboratory of System Integration and Control for Urban Rail Transit Vehicle， Chongqing Jiaotong University， Chongqing 400074， China；3. China Automotive Engineering Research Institute Company Limited， Chongqing 401122， China)

Taking into account the dynamic and economic indicators of pure electric vehicles， the optimized selection of drive motor， power battery and transmission was completed in this paper. Aiming at the contradictory influence on vehicle performance from the capacity and quality of batteries, the power battery selection was optimized considering the energy consumption of different battery quality for driving 200 km under constant speed using eddy current dynamometer， and an interval optimization method was used to design the parameters of the transmission system. In view of the shifting shock influence in two-stage automated mechanical transmission (AMT)， a control strategy based on the motor torque control shift was proposed. Carrying the electric vehicle joint simulation model the shift control strategy and performance indicators were analyzed. The results show that power system optimization matching method can satisfy the requirements on low power, low cost， and small transmission shift shock. The shift quality is higher in the process of continuous driving mileage test， which verified the effectiveness of proposed matching program， simulation model and control strategy. Keywords：electric vehicle； dynamic system； matching optimization； control strategy； simulation experiment

10.11830/ISSN.1000-5013.201703001

2016-11-16

李軍(1964-)，男，教授，博士，主要從事汽車發動機排放與控制、節能與新能源汽車的研究.E-mail:cqleejun@sina.com.

國家自然科學基金資助項目(51305472)； 重慶市自然科學基金重大資助項目(cstc2015zdcy_zdzx60010)； 重慶市重點實驗室科研基金資助項目(cstc2015yfpt_zdsys3000); 重慶市教委科技計劃項目(KJ120423)

U 462.3

A

1000-5013(2017)03-0281-07