基于系統效率的PHEV動力與控制參數優化

秦大同 林毓培 劉星源 羅松

摘 要：針對搭載無級變速器的單電機插電式混合動力汽車，提出了一種新的動力參數與控制參數設計方法.建立插電式混合動力汽車各工作模式的系統效率模型，得到基于系統效率的工作模式切換規律，并對模式切換曲線乘以控制參數以實現模式切換規律的調整.充分考慮燃油經濟性的影響因素，以動力源功率、電池數目以及主減速器速比作為動力系統設計參數.利用Matlab/Simulink建立整車經濟性仿真模型，構建“城市城郊高速城郊城市”綜合行駛工況，以降低等效燃油消耗為目標，采用遺傳算法對插電式混合動力汽車動力系統參數與模式切換規律控制參數進行綜合優化.結果表明：采用本文所提出的方法能夠優化出一組合理的動力與控制系統參數，使整車等效燃油消耗更低，比優化前的百公里等效油耗降低了7.2%.

關鍵詞：插電式混合動力汽車；參數優化；遺傳算法；效率模型；綜合工況；模式切換

中圖分類號：U462.3+4文獻標志碼：A

Abstract：According to singlemotor plugin hybrid electric vehicle with Continuous Variable Transmission （CVT）， a novel design method of power and control parameters was proposed. The system efficiency model for each mode of Plugin Hybrid Electric Vehicl （PHEV） was built， the mode switching rules based on system efficiency was then obtained， and the adjustment of the mode switching rules through multiplying the mode switching curve with control parameters was realized. Fully considering the influencing factors of fuel economy， the power source， battery number and final drive ratio were regarded as the power parameters. By using Matlab/Simulink， the vehicle economy simulation model was built， and "CitySuburbanHighwaySuburbanCity" comprehensive driving conditions were constructed taking the reduction of the equivalent fuel consumption as the optimization target. The PHEV dynamic parameters and controlling parameters of mode switching rules were optimized under the comprehensive driving cycle by using Genetic Algorithm （GA）. The result demonstrates that， by using the method proposed in this paper， a set of reasonable power and control system parameters can be optimized to lower the vehicle equivalent fuel consumption， where the equivalent fuel consumption per 100 km can be reduced by 7.2% when compared with that of nonoptimization cases.

Key words：PHEV； parameters optimization； genetic algorithm；efficiency model； comprehensive driving cycle；mode switch

插電式混合動力汽車可以通過公共電網對電池進行外接充電，大大降低了車輛對燃油的依賴性，具有續駛里程長、排放低的顯著優點[1].目前，混合動力汽車參數優化主要包括動力系統參數優化、控制系統參數優化、動力系統參數與控制系統參數綜合優化.王慶年提出一種以整車制造成本和年均使用成本為評價指標的動力系統參數匹配方法[2]，Tan G采用免疫遺傳算法對傳動系統參數進行多目標優化[3]，但未考慮控制系統參數對汽車能耗經濟性的影響；李軍、鄧元望分別采用遺傳算法對其邏輯門限控制參數與模糊策略控制規則進行優化[4-5]，但忽略了動力系統參數與控制系統參數的相互影響；詹森、王潤才以發動機特性曲線作為設計控制系統參數的基礎對動力系統與控制系統參數進行綜合優化[6-7]，但沒有綜合考慮發動機、電機、電池對控制系統參數的影響.鄧濤、曾育平分別將電池數目與電池容量作為動力系統參數，在單一工況下對動力系統參數和控制系統參數進行多目標優化[8-9]，然而，單一工況下的參數優化結果不具有普遍適應性，且電池容量及數目的改變勢必影響整車重量.諸多研究都忽略了電池重量對能耗經濟性和整車重量及成本的影響，所以對包括電池重量在內的動力系統進行參數優化是很有必要的，同時，在車輛燃油經濟性優化過程中選擇合理的控制參數也尤為重要.

針對上述研究存在的不足，本文提出了一種新的插電式混合動力汽車動力與控制參數設計方法.通過對各個工作模式下系統效率的優化得到最佳效率圖，以系統效率最佳為依據制定模式切換規律，并將模式切換規律曲線作為設計控制系統參數的基礎.充分考慮發動機、電機及動力電池等動力系統參數對能耗經濟性和整車重量及成本的影響，構建由典型工況組成的綜合工況，基于遺傳算法對動力傳動系統參數和模式切換規律控制系統參數進行綜合尋優，得到可使插電式混合動力汽車實現最佳能耗經濟性的動力系統參數及控制系統參數.

1 整車性能指標

本文研究對象是由某公司開發的CVT單電機插電式混合動力汽車，其動力系統結構如圖1所示.

動力系統采用單軸并聯式結構，發動機通過離合器與ISG電機相連，發動機和電機均可單獨工作，ISG電機可工作于轉矩補償或者充電狀態.能量管理策略采用電量消耗（CD，Charge Depleting）與電量維持（CS， Charge Sustaining）模式，汽車初始工作于CD階段，直到電池電量下降至某一目標值后進入CS階段，此后電池電量在一定范圍內波動.CD 階段包括純電動驅動模式和混合動力驅動模式，CS階段包括純電動驅動模式、純發動機驅動模式、混合動力模式驅動以及行車充電模式.汽車動力性指標如表1所示.

車輛動力系統的輸出功率需要滿足車輛行駛的動力性指標，即最高車速、最大爬坡度和車輛加速度[10].

通過理論計算法[11]對動力系統參數進行匹配，匹配結果如表2所示.

2 系統效率分析

按照邏輯門限規則[12]對動力源轉矩進行分配，搭建各工作模式效率優化模型，并以工作效率最佳為依據制定模式切換規律，作為能量管理策略控制參數的確定依據.

純電動工作模式下由電機單獨驅動車輛，發動機關閉，離合器分離，發動機無轉動慣量.其系統效率表達式為

對CD階段和CS階段各工作模式效率圖進行對比分析，將系統效率在“車速加速度”平面上投影，以工作效率最高作為依據劃分工況區域，得到模式切換規律，如圖3所示.然而，在動力系統參數優化過程中，系統效率會隨著動力系統參數的改變而發生變化，模式切換規律需要隨即調整以適應系統效率的變化，所以對模式切換曲線分別乘以控制參數K1、K2、K3、K4以實現模式切換規律的自適應調整.

圖3中，①代表CD純電動模式；②代表CD混合驅動模式；③代表CS純電動模式；④代表行車充電模式；⑤代表CS發動機模式；⑥代表CS混合驅動模式.K1、K2、K3、K4為調整模式切換規律的控制參數.

3 基于遺傳算法的優化模型

3.1 優化目標

本文中插電式混合動力汽車參數優化的目標是在保證動力性滿足要求的前提下，合理使用外部充電電能，使汽車燃油消耗量最低.以汽車行駛百公里等效燃油消耗[13]為優化目標，其表達式為

3.2 優化變量

以理論計算法匹配的動力系統參數值作為動力參數優化初值，控制參數K1、K2、K3、K4初值均設為1，除電池電量外，其余控制參數均取初始值的50%～150%作為參數優化區間，考慮電池使用壽命，并能最大限度利用電池能量，以0.2作為電池SOC使用下限，以0.3作為SOCobj初值[11]，其優化區間如表3所示.

3.3 優化約束

以整車動力性能要求為PHEV參數優化的約束條件，約束表達式如下：

1）純電動工作模式

4 仿真分析

4.1 綜合工況的建立

選取代表不同行駛環境的幾種典型工況構成綜合行駛工況.循環工況采用“市區城郊高速城郊市區”模式構建復合工況，該工況涵蓋了NYCC、UDDS、HWFET三種分別代表市區、城郊、高速的行駛工況，如圖4所示.

4.2 參數優化結果

選取初始種群規模（Population Size）為100，交配概率（Crossover Fraction）為0.8，變異概率（Migration Fraction）為0.2，進化代數（Generations）選取50，添加線性約束，在綜合工況下進行仿真優化.

適應度函數的優化過程如圖5所示，隨著遺傳代數的增加，適應度值不斷收斂，超過60代后趨于平穩，該值即最佳適應度值，此時優化得到的參數結果如表4所示.在滿足約束條件下，電機功率和發動機功率較理論匹配方法均有所減少，避免了功率的浪費；同時，動力電池數目減少了16節，即電池重量減輕19.2 kg.

4.3 仿真結果對比分析

優化前后的實際油耗對比如圖6所示，優化后實際油耗較優化前明顯降低.優化前后的電池電量變化曲線如圖7所示，從圖7中可以看出，電池電量初始值選擇0.85，優化前后汽車均能工作于電量消耗（CD）階段和電量維持（CS）階段，說明構建的綜合工況達到了仿真優化的要求.圖8和圖9所示為優化前后發動機工作點分布圖，通過對比可以得到優化后的發動機工作點較優化前更為集中，且主要分布于高效率區.

通過計算得到百公里等效油耗對比如表5所示，相比于優化前的百公里等效油耗，采用本文提出的參數設計方法后，百公里等效油耗降低了7.2%.

5 結 論

1）充分考慮能耗經濟性諸多影響因素，以邏輯門限能量管理策略為基礎，建立整車系統效率模型，通過各工作模式系統效率的對比分析，制定行車過程中模式切換規律，作為控制參數的優化基礎.

2）構建“城市城郊高速城郊城市”綜合行駛工況，對動力系統及控制系統參數進行綜合優化.優化后的動力源功率、電池數目均有減少，降低了整車重量及成本.基于Matlab/Simulink建立整車仿真模型，對兩種參數設計方法進行仿真對比分析，結果表明：采用本文提出的方法能夠優化出一組合理的動力系統參數及控制參數，使汽車等效燃油消耗更低.

3）相比于優化前，采用本文提出的參數設計方法優化后，發動機工作點更加集中于高效率區，但是效果仍然不夠理想，需要在本文研究基礎上進一步開展能量管理策略的優化研究.

參考文獻

[1] 周云山， 賈杰鋒， 李航洋，等. CVT插電式混合動力汽車經濟性控制策略[J]. 湖南大學學報（自然科學版）， 2016， 43（8）：25-31.

ZHOU Y S， JIA J F， LI H Y， et al. Economical control strategy for a plugin hybrid electric vehicle equipped with CVT[J].Journal of Hunan University（Natural Sciences），2016， 43（8）：25-31.（In Chinese）

[2] 王慶年， 王光平， 王鵬宇，等. 基于成本優化的插電式混合動力參數匹配[J]. 吉林大學學報（工學版）， 2016， 46（2）：340-347.

WANG Q N， WANG G P， WANG P Y， et al. Parameter matching for plugin hybrid electric vehicle based on cost optimization[J]. Journal of Jilin University（Engineering and Technology Edition），2016， 46（2）：340-347. （In Chinese）

[3] TAN G， LIN C， BAI Y， et al. Multiobjective optimization of HEV transmission system parameters based on immune genetic algorithm [C]// IEEE International Conference on Communication ProblemSolving. IEEE， 2015.

[4] 李軍， 朱亞洲， 徐楊蛟，等. 混合動力汽車動力傳動系統控制策略優化研究[J]. 機械設計與制造， 2014（3）：138-141.

LI J， ZHU Y Z， XU Y J， et al. Research on control strategy optimization in power train transmission system of hybrid electric vehicle[J]. Machinery Design and Manufacture，2014 （3）：138-141. （In Chinese）

[5] 鄧元望， 王兵杰， 張上安，等. 基于混沌遺傳算法的PHEV能量管理策略優化[J]. 湖南大學學報（自然科學版）， 2013， 40（4）：42-48.

DENG Y W， WANG B J， ZHANG S A， et al. Optimization of energy management strategy of PHEV based on chaosgenetic algorithm[J].Journal of Hunan University（Natural Sciences），2013， 40（4）：42-48. （In Chinese）

[6] 詹森， 秦大同， 曾育平. 基于多循環工況的混合動力汽車參數優化研究[J]. 汽車工程， 2016， 38（8）：922-928.

ZHAN S， QIN D T， ZENG Y P. A study on the parameter optimization of hybrid electric vehicle based on multiple driving cycles[J].Automotive Engineering，2016， 38（8）：922-928. （In Chinese）

[7] 王潤才， 何仁， 俞劍波，等. 基于遺傳算法的插電式串聯混合動力汽車動力參數優化[J]. 中國機械工程， 2013， 24（18）：2544-2549.

WANG R C， HE R，YU J B， et al. Parameter optimization of PSHEV based on genetic algorithm[J].China Mechanical Engineering， 2013， 24（18）：2544-2549. （In Chinese）

[8] 鄧濤， 林椿松， 李亞南，等. 采用NSGAⅡ算法的混合動力能量管理控制多目標優化方法[J]. 西安交通大學學報， 2015， 49（10）：143-150.

DENG T， LIN C S， LI Y N， et al. A multiobjective optimization method for energy management control of hybrid electric vehicles using NSGAⅡalgorithm[J].Journal of Xian Jiaotong University， 2015， 49（10）：143-150. （In Chinese）

[9] 曾育平， 秦大同， 蘇嶺，等. 插電式混合動力汽車動力系統的成本、油耗和排放多目標參數優化[J]. 汽車工程， 2016， 38（4）：397-402.

ZENG Y P， QIN D T， SU L， et al. Cost， fuel consumption and emission multiobjective parameter optimization for the power train of a plugin HEV[J]. Automotive Engineering，2016，38（4）：397-402. （In Chinese）

[10]趙新慶. 基于CVT的插電式混合動力汽車能量管理策略研究[D]. 重慶：重慶大學， 2014.

ZHAO X Q. Study on energy management strategy for plugin hybrid electrical vehicle with CVT[D]. Chongqing： Chongqing University，2014. （In Chinese）

[11]武小蘭， 王軍平， 曹秉剛，等. 充電式混合動力電動汽車動力系統的參數匹配[J]. 汽車工程， 2008， 30（12）：1095-1098.

WU X L， WANG J P， CAO B G， et al. Parameter matching of power train in a plugin hybrid electric vehicle[J].Automotive Engineering，2008， 30（12）：1095-1098. （In Chinese）

[12]盧立來. 基于路況信息預測的插電式混合動力汽車能量管理策略研究[D]. 重慶：重慶大學， 2015.

LU L L. Research on energy management for plugin hybrid electric vehicle based on prediction of driving conditions[D]. Chongqing： Chongqing University， 2015. （In Chinese）

[13]崔納新， 步剛， 吳劍，等. PlugIn并聯式混合動力汽車實時優化能量管理策略[J]. 電工技術學報， 2011，26（11）：155-160.

CUI N X， BU G， WU J， et al. Realtime optimization of energy management strategy for plugin parallel hybrid electric vehicles[J]. Transactions of China Electrotechnical Society，2011，26（11）：155-160. （In Chinese）