基于駕駛意圖識別的發動機轉矩遲滯補償策略*

解慶波 劉永剛

（1.比亞迪汽車工業有限公司；2.重慶大學）

不同的駕駛員意圖會對混合動力汽車（HEV）各動力源之間的轉矩分配產生影響，從而較大的影響了汽車的動力性與經濟性[1]。因此，在制定HEV轉矩分配策略時應充分考慮駕駛意圖對汽車動力性與經濟性的影響。文獻[2-4]利用加速/制動踏板開度對汽車的駕駛意圖進行識別；文獻[5]利用加速度均值和加速度均方差對駕駛意圖進行識別，根據駕駛意圖對汽車的驅動控制策略進行優化；文獻[6]采用模糊識別理論，以加速/制動踏板開度和開度變化率、車速及加速度等作為識別參數，制定模糊推理規則，并以邏輯門限為基礎設計了基于駕駛意圖識別的控制策略。汽車在行駛過程中，由于發動機本身固有的轉矩響應遲滯特性，在運行過程中，實際轉矩跟不上目標扭矩，駕駛員需求的動力性能會減弱，尤其在急加速時發動機不能及時響應，導致加速緩慢，因此，文獻[7]提出利用電動機的快速響應特性隨時補償發動機的遲滯轉矩；同時，文獻[8-10]提出了在汽車行駛過程中，利用電動機轉矩補償發動機的轉矩協調控制策略，然而汽車在行駛過程中會頻繁地利用電動機隨時補償發動機輸出的不足轉矩，增加電池電量的消耗。文章利用駕駛員在駕駛過程中踩下加速踏板開度（α）和加速踏板開度變化率（Δα）對駕駛意圖進行識別，提出了基于模糊控制的駕駛意圖轉矩補償系數（β）求解方法，對電動機補償發動機的遲滯轉矩進行優化，建立了基于駕駛意圖識別的轉矩補償控制策略，所制定的補償策略與沒有加入駕駛意圖識別的補償策略相比，電池電量消耗降低了 0.036 kW·h。

1 整車動力系統分析與結構參數

1.1 整車動力系統結構

采用單電機并聯式混合動力總成結構，根據行駛條件的不同可實現發動機單獨驅動、電動機單獨驅動、發動機-電動機并聯驅動、發動機驅動電動機行車發電、松油門回饋及制動回饋6種行駛模式。混合動力電動汽車結構簡圖，如圖1所示。

圖1 混合動力電動汽車結構簡圖

1.2 整車動力系統參數

該混合動力汽車動力系統參數，如表1所示。

表1 混合動力電動汽車整車主要參數

2 駕駛意圖的識別方法

文章通過對駕駛員在行車過程中踩下加速踏板的開度與開度變化率來判斷駕駛員需求加速緊急情況，利用模糊控制方法確定驅動補償轉矩，在滿足駕駛員驅動需求的同時，盡量降低因電動機補償發動機遲滯轉矩所消耗的電量。

2.1 數據采集

為了更好地辨別駕駛員的意圖，利用試驗車在試驗場地對3位駕駛員不同的駕駛意圖下踩下的油門踏板進行數據采集并進行后期處理分析，得出試驗數據，如圖2所示。并通過計算可以得出，緊急加速狀態下的駕駛員踩下油門踏板變化率為70%/s左右，一般狀態下的駕駛員踩下油門踏板變化率為15%/s左右，緩慢狀態下的駕駛員踩下油門踏板變化率為6%/s左右。

圖2 不同駕駛意圖下加速時間與油門踏板開度的關系曲線圖

2.2 駕駛意圖識別參數的確定

為滿足駕駛員的轉矩需求，需要利用電動機的快速響應特性補償發動機的響應遲滯。通過對α，Δα的分析，結合模糊控制方法確定β，利用β與發動機遲滯轉矩得到電動機最終補償發動機的轉矩。

為了保持信號的穩定性，對當前加速踏板的值（ΔAPP（k））采用增量式調節方式[11]，如式（1）所示。

設定α為0～100%，Δα為限定步長內ΔAPP（k）的值，設定Δα最大值為100%/s[12]。

2.3 模糊駕駛意圖控制器的設計

文章將模糊控制用于駕駛員驅動意圖的推理。在實際設計過程中剔除α和Δα為負的情況，選取α≥0的情況。控制器輸入變量為α和Δα，輸出變量為β。

α，Δα，β的模糊控制規則，如表2所示，其輸入輸出量的隸屬度函數，如圖3所示。表2中，α的語言變量為：{小（S），中（M），大（B），很大（VB）}，論域為 0～100%；Δα 的語言變量為：{小（S），中（M），大（B），很大（VB）}，論域為 0～100%/s；β的語言變量為：{很小（VS），小（S），中（M），大（B），很大（VB）}，論域為 0～100%。

表2 驅動意圖模糊控制規則

圖3 駕駛員驅動意圖輸入輸出量的隸屬度函數

駕駛意圖識別修正系數模糊控制的主要思想是：根據α和Δα判斷駕駛員對加速需求的緊急程度，根據緊急程度利用電機的快速瞬態響應特性彌補發動機的響應遲滯轉矩，從而滿足駕駛員的加速意圖。

3 轉矩補償策略

利用β對汽車行駛過程中的發動機遲滯轉矩進行補償，其表達式，如式（2）所示。

式中：Tv——汽車當前需求轉矩，N·m；

Treal——發動機實際輸出轉矩，N·m；

Te，Tm——發動機、電動機目標轉矩，N·m。

駕駛意圖轉矩補償控制策略示意圖，如圖4所示。具體實施步驟：1）通過駕駛員對汽車的操縱，確定了采用α和Δα計算駕駛意圖識別系數的方法；2）利用識別出的β，確定了駕駛意圖轉矩補償策略；3）在汽車行駛過程中，提取α和Δα，利用模糊規則輸出β，結合發動機目標與實際轉矩，利用式（2）確定電動機補償轉矩，從而實現最終的轉矩分配。

圖4 駕駛意圖轉矩補償策略示意圖

4 仿真及結果分析

利用仿真模型驗證采用基于轉矩補償系數進行的電動機轉矩補償策略與采用電動機全部補償發動機轉矩遲滯策略所帶來的電量消耗差異，該HEV的動力系統參數，如表（1）所示，選取NEDC工況作為測試工況。在NEDC工況下的仿真結果，如圖5所示；電動機轉矩變化曲線、電池電流變化曲線及動力電池電量變化曲線，如圖5所示。

圖5 NEDC工況下整車仿真結果對比

圖5a與圖5b表明：整車可以根據不同的駕駛意圖進行轉矩補償，在發動機單獨驅動和并聯驅動模式下減少驅動轉矩的補償，以及在行車發電模式下相應的減少驅動轉矩的補償以增加發電轉矩。

采用駕駛意圖轉矩補償系數和采用電動機全部補償發動機轉矩遲滯策略的整車能耗變化對比，如表3所示。

表3 整車能耗變化對比

通過圖5c與表3可知，采用駕駛意圖轉矩補償系數后，相對于采用電動機全部補償發動機轉矩遲滯轉矩策略，電池電量始末變化分別為0.145 8，0.109 8 kW·h，動力電池電量略有升高，可見，加入驅動轉矩補償修正系數后，駕駛員在驅動過程中電池消耗的電量有所降低。

5 結論

1）通過駕駛員對汽車加速踏板操縱的分析，確定了基于α和Δα的駕駛意圖識別系數計算方法與轉矩補償方法；2）利用仿真模型對所提出的策略進行驗證分析，結果表明：所制定的基于駕駛意圖識別轉矩補償控制策略相對于電動機全部補償發動機遲滯轉矩策略相比，在NEDC工況下電量消耗減少了0.036 kW·h。