探析智能混合動力汽車跟車能耗優化控制

潘力溧

摘 要：人們通過優化智能混合動力汽車的跟車能耗可以有效提高汽車的使用性能?；诖耍疚脑敿氷U述了研究者借助力學模型以及控制算法來進行跟車能耗優化控制仿真實驗的過程，從而以智能混合動力汽車為研究對象，實現了對其跟車能耗優化控制的研究，希望能夠為汽車產業的發展提供一些助力。

關鍵詞：混合動力;跟車能耗;電機模型

0 引言

智能混合動力汽車是指一種驅動系統內包含兩個或兩個以上可以同時運轉的單個驅動系的汽車類型，具有易操作、噪音小等優勢，是當前汽車產業發展的新趨勢，因此，本文采用了仿真實驗的方式，來驗證多目標自適應跟車控制對混合動力汽車跟車能耗的優化效果，探究了跟車能耗優化控制的有效方式。

1 研究目的

在智能混合動力汽車內部結構中，存在電動力源和熱動力源兩種動力源，其中熱動力源即為傳統的柴油、汽油動力，而電動力源則為先進的電動機或電池，當汽車行駛時，其中的動力系統會根據實際情況來靈活調控兩種動力源，使發動機始終保持在一個最佳的運行狀態下，以此來降低跟車能耗。但就目前來看，該類型汽車的能耗水平依然難以支持其進行長途行駛，因此鑒于智能化駕駛、巡航控制、停車、換道路輔助等技術的發展，研究者考慮到可以將智能化的控制技術融入到跟車能耗優化控制上，并采用多目標自適應跟車控制方式，來降低智能混合動力汽車的跟車能耗，因此研究者通過此次仿真試驗，來驗證該種多目標自適應跟車控制方式是否能夠優化車輛跟車能耗，從而為汽車性能節能化發展提供推動力量。

2 試驗方法

2.1 發動機模型設計

在仿真試驗中，發動機簡化模型是指研究者將混合動力系統中的發動機通過抽象塑造出的一個數學模型，以便于后期的邏輯推理和數學推演操作。由于發動機模型體現的是發動機的力學狀態，因此研究者需要將模型中的發動機扭矩動態響應部分簡化為一階慣性環節，使模型反映出發動機的能耗水平。在模型構建上，研究者需要發動機的期望扭矩、輸出扭矩、時間常數作為模型中的值，然后在此基礎上，構建出發動機燃油消耗率的函數，在此過程中，研究者還要得出以發動機輸出轉速構成的油耗率函數，并在發動機油耗圖中查詢出油耗率的值，這樣就可以推算出發動機每秒的耗油量，從而構建出完整的發動機簡化模型。

2.2 電機模型設計

由于混合動力系統包含了電機和發動機兩個驅動系，因此在整體力學模型構建上，研究者還要設計出電機的簡化模型，來保證模型的完整性。在模型構建上，電機模型與發動機模型相似，需要通過將其力學模型簡化為慣性環節，來組建以反映電機油耗性能為主的簡化模型。在模型建設上，研究者要將電機的期望、輸出扭矩和時間常數、普拉斯算子這幾項元素構建出一階慣性環節，然后利用電機效率MAP圖，通過電機扭矩和轉速表達出電機效率函數。之后，計算出電池提供給電機的功率表達式，構建出當動力源為電機時汽車的跟車能耗模型。

2.3 電池模型設計

在混合動力系統中，電機需要依靠電池來供電，而電池在運作過程中也會產生一系列的力學運作現象，為了保證此次仿真試驗的嚴謹性，研究者需要構建電池簡化模型，來全面反映出混合動力系統的運作過程中，提高試驗結果的精度。在電池模型的構建中，研究者需要直接提煉出電池在運作中的核心影響因素，即電壓、內阻、容量這三項主要因素，然后推演出電池的SOC梯度表達式。之后再推算出汽車在運行中所需的電池最大功率，完整的呈現出電池運作的狀態，為后續的仿真推演試驗打下良好的基礎。

2.4 車輛模型設計

在上述模型構建完畢后，研究者還要組建一個車輛縱向動力學模型，進一步完善混合動力系統的模型結構。在車輛簡化模型建設中，研究者需要采用車輪驅動力矩、等效慣量、車輛阻力力矩、車輪轉速這幾項元素組建出縱向動力學表達式，其中驅動力矩即為電機和發動機所提供的驅動力矩。而車輛阻力力矩需要研究者利用空氣阻力、道路坡道阻力、摩擦阻力這幾項參數的表達式來進行推演，在此過程中，由于阻力力矩表達式的推演比較復雜，因此研究者要掌握各項參數之間的關系，簡化模型的結構，為之后的推演操作提供便利。

2.5 優化算法設計

在優化操作中，研究者主要需要優化三個性能參數，即行駛距離、速度以及能耗，因此優化計算主要是針對于混合動力系統中的動力學狀態和電池狀態。在優化算法中，研究者需要基于MPC算法，定義好控制矢量、外部輸入，然后結合動力學狀態和電池狀態，得出整體的系統狀態方程。之后，再將需要優化的性能參數指標，即跟車距離、相對速度、相對加速度、車輛縱向沖擊，進行預測時域中數值積分，從而得出縱向動力學優化指標，最后遵循MPC算法推演出經濟性優化指標方程式，也就是發動機、電機的能耗，完成優化算法設計，再將實際數據代入到算法中，即可實現仿真試驗[1]。

3 結果分析

研究者通過將車輛質量、行駛時間、速度等真實數據代入到之前設計出的算法中，可以得出行駛距離、縱向行駛速度等方面的數據，然后再將這些數據繪制成線性統計圖，使多目標自適應技術的優化效果能夠被直觀呈現出來。在試驗結果中，實際跟蹤距離一直處于最小跟蹤距離與最大跟蹤距離之間，這能夠說明經過多目標自適應技術的優化控制后，跟車距離方面的情況得到了改善。此外，借助統計圖研究者可以看出車輛的加減速變得更加緩和，也就是說車輛的顛簸和油耗得到了減少，同時整個工況的變化范圍在60%～70%變化，這對電池的壽命也比較有益[2]。

4 結論

綜上所述，多目標自適應跟車控制方式，能夠起到良好的跟車能耗優化效果。在研究中，試驗人員利用發動機、電機、電池這幾個簡化模型，進行了MPC優化算法，完成了以研究智能混合動力汽車跟車能耗優化控制為目的的仿真試驗，得出了多目標自適應跟車控制可以在保證汽車性能的同時，降低其行駛油耗。

參考文獻：

[1]囤金軍，宋金香.智能混合動力汽車跟車能耗優化控制研究[J/OL].交通世界，2019（30）：158-160[2020-01-08].

[2]牛禮民，楊洪源，周亞洲.混合動力汽車動力總成多智能體集成控制策略[J].機械工程學報，2019，55（12）：168-177+188.