基于模糊控制的PHEV 轉矩協調控制策略研究

谷貴志，趙咪，樊然然

（832003 新疆維吾爾自治區 石河子市 石河子大學 機械電氣工程學院）

0 引言

隨著經濟的發展，我國的汽車保有量逐年增加，隨之也出現了環境污染、化石能源枯竭、汽車尾氣危害等問題，新能源汽車的出現為解決以上問題提供了可能?；旌蟿恿ζ嚕℉ybrid Electric Vehicle，HEV）作為一種傳統燃油汽車向電動汽車過渡的新能源汽車，因其相比傳統燃油汽車具有低排放、低污染等優點，相比純電動汽車具有續航里程長、不用充電等優點，受到了廣大消費者接受和歡迎[1-2]。其中，并聯混合動力汽車（Parallel Hybrid Electric Vehicle，PHEV）燃料利用率高、結構簡單、有效降低了整車質量和制造成本，具有廣闊的發展前景。同時，PHEV 具有發動機和電機雙動力源，這種結構使汽車具有多種運行模式，復雜的運行模式需要更加高效的控制策略[3]，文獻[4]針對不同結構的HEV，采用靜態規則控制策略，通過對發動機工作區域的劃分，根據整車需求功率所在發動機工作區域確定整車的運行模式，以達到功率合理分配的目的。靜態規則控制策略具有簡單有效、實用性強等優點，但由于控制參數的大小和閾值主要根據經驗設定，理論上控制效果不能達到最優。文獻[5]采用實時最優控制策略，運用等效燃油消耗最小思想對PHEV 輸出轉矩協調控制，合理分配發動機和電機的輸出轉矩。由于需要實現油耗的實時最優，因計算量大而很難應用于實車運行，文獻[6]采用基于動態規劃算法的全局最優控制策略，在2 種不同優化目標下對PHEV 最優轉矩分配進行求解，通過對比，為更加高效的控制策略提供了依據。由于汽車未來的運行工況是不確定的，全局最優控制策略不能直接應用于實車運行，文獻[7-8]采用模糊控制策略分別對插電式PHEV 和PHEV 的轉矩協調分配問題進行研究，模糊控制策略均能取得良好的控制效果。由于模糊控制策略的建立不依賴于被控對象精確的數學模型，并具有魯棒性強、實時性好等優點，本文擬采用模糊控制策略在2 種不同循環工況下對PHEV 轉矩協調控制系統進行研究。

1 PHEV 驅動系統結構及運行模式

雙軸PHEV 驅動系統結構如圖1 所示，其主要包括發動機、離合器、蓄電池、電機、傳動系統等。

PHEV 獨有的雙動力源結構使它既可以單獨驅動車輛行駛，又可以聯合驅動車輛行駛。當車輛制動或減速時，電機作為發電機為蓄電池充電，回收部分能量。通過對發動機和電機輸出轉矩的協調控制，PHEV 有純發動機驅動、純電機驅動、混合驅動和制動4 種運行模式：

（1）當車輛剛起步或低速運行時，整車需求轉矩較低，為使發動機盡可能工作在高效率區，電機單獨驅動車輛行駛；

（2）當車輛勻速運行在平直的公路上，根據蓄電池組SOC 的高低，判斷發動機是否需要向蓄電池組充電，此時，PHEV 運行在純發動機驅動模式或混合驅動模式；

（3）當車輛運行在高速、大負荷、爬坡等情況下，發動機所能提供的轉矩小于整車需求轉矩，此時，發動機和電機共同驅動車輛行駛；

（4）當車輛制動或減速時，發動機關閉，由電機和機械制動機構共同完成制動或減速工作，在保證制動性能的前提下，電機盡可能多地回收制動能量，剩余制動能量由機械制動機構消耗。

2 模糊控制策略的設計

PHEV 轉矩協調控制策略的研究，主要是實現整車需求轉矩在發動機與電機之間合理的分配，重點是對發動機性能的優化。有2 種控制模式可以用來實現發動機性能的優化：一種是基于燃油消耗的控制策略模式，另一種是基于效率的控制策略模式。本文采用基于效率的模糊控制策略對PHEV 驅動模式下發動機和電機輸出轉矩協調控制，控制發動機盡可能工作在最大效率點附近，在滿足動力性能的前提下，降低燃油消耗和尾氣排放，并使蓄電池組SOC 維持在一定范圍內。

2.1 模糊控制策略設計原理

模糊控制策略設計原理如圖2 所示，主要包括輸入參數論域轉換模塊、模糊控制器模塊、輸出參數論域轉換模塊。本文采用雙輸入單輸出的Mamdani 型模糊控制器，以整車需求轉矩Treq 與當前轉速下發動機最大效率輸出轉矩Teff 的比值k 作為模糊控制器的一個輸入，蓄電池組荷電狀態SOC 作為另一個輸入，模糊控制器的輸出為發動機輸出轉矩Te。為了使模糊控制器具有一定的通用性，通過輸入輸出參數論域轉換模塊對輸入輸出參數進行論域變換。電機輸出轉矩Tm由整車需求轉矩Treq與發動機輸出轉矩Te的差值求出。

2.2 輸入輸出參數論域轉換模塊的設計

根據模糊控制原理，為了使模糊控制器的一個輸入比值k 落在相對應隸屬函數的論域中，需要通過輸入參數論域轉換模塊對比值k 進行論域變換。蓄電池組SOC 作為模糊控制器的另一個輸入，由于蓄電池組SOC 允許的最大最小值可以直接作為蓄電池組SOC 隸屬函數的論域，不需要進行論域變換。

同理，在模糊控制器輸出端，輸出參數論域轉換模塊將模糊推理得出的發動機輸出轉矩論域范圍內的精確值轉化為發動機輸出轉矩的實際值。

輸入輸出參數論域轉換模塊所采用的計算方法如式（1）、式（2）所示：

式中：U ——論域變換后的值；Umax——論域變換后的最大值；Umin——論域變換后的最小值；U*——論域變換前的值；——論域變換前的最大值；——論域變換前的最小值；R——比例因子。

2.3 模糊控制器的設計

模糊控制器的設計主要包括輸入參數的模糊化及隸屬函數的設計、模糊規則的設計、輸出參數的去模糊化3 個部分[9]。

（1）輸入參數的模糊化及隸屬函數的設計

模糊控制器的一個輸入比值k 通過輸入參數論域轉換模塊縮放到[0，1]論域范圍內，將其論域范圍劃分為7 個模糊子集，模糊集合為{VL，L，RL，N，RH，H，VH}，其隸屬函數如圖3（a）所示。蓄電池組SOC 沒有經過論域變換，為保證電池使用壽命，蓄電池組SOC 論域設定為[0.5，0.7]，將其論域范圍劃分為5 個模糊子集，模糊集合為{VL，L，N，H，VH}，其隸屬函數如圖3（b）所示。模糊控制器的輸出發動機輸出轉矩Te的論域設定為[0，1]，將其論域范圍劃分為7 個模糊子集，模糊集合為{VL，L，RL，N，RH，H，VH}，其隸屬函數如圖3（c）所示。

圖3 模糊控制器輸入輸出參數隸屬度函數Fig.3 Membership functions of input and output parameters in fuzzy controller

（2）模糊規則的建立

模糊規則是模糊控制器的核心，模糊規則的建立主要有以下依據：

（1）當蓄電池組SOC 很高，整車需求轉矩不大的情況下，電機單獨驅動車輛行駛，若整車需求轉矩大于電機所能提供的最大轉矩，發動機和電機共同驅動車輛行駛。

（2）當蓄電池組SOC 適中，整車需求轉矩不大的情況下，發動機以大于整車需求轉矩的狀態運行，多余轉矩為蓄電池組充電。若整車需求轉矩適中，發動機單獨驅動車輛行駛；若整車需求轉矩較大，發動機提供的轉矩不能滿足整車需求轉矩要求，發動機和電機共同驅動車輛行駛。

（3）當蓄電池組SOC 很低時，為了保證蓄電池組的使用壽命，在車輛正常行駛的前提下，發動機盡可能以大于整車需求轉矩狀態運行，提高蓄電池組的荷電狀態。

根據輸入輸出參數論域上模糊子集的劃分，建立了35 條模糊控制規則，如表1 所示。

表1 模糊控制規則表Tab.1 Rules of fuzzy control

（3）輸出參數的去模糊化

模糊控制器的輸出參數為模糊值，需要通過去模糊化處理轉化為精確值，去模糊化的面積中心法運算公式如式（3）所示：

式中：u0——去模糊化后的精確值；u——模糊值；a ——u 所在論域中的最小值；b ——u 所在論域中的最大值；A（u）——u 的隸屬函數。

3 整車建模及仿真分析

3.1 整車建模與仿真參數的確定

基于MATLAB/Simulink 仿真平臺在ADVISOR汽車仿真軟件上對PHEV 進行整車建模，主要包括整車控制模塊、整車模塊、循環工況、車輪與半軸模塊、主減速器模塊、變速器模塊、離合器模塊、控制策略模塊、轉矩耦合器模塊、電機與控制模塊、發動機模塊、能量儲存器模塊、排放后處理模塊等[10]，本文主要對控制策略模塊進行設計。PHEV 主要部件仿真參數如表2 所示。

表2 PHEV 主要部件仿真參數表Tab.2 Main components simulation parameters of PHEV

圖4 為模糊控制策略模塊仿真框圖，將設計的模糊控制策略模塊與其它模塊共同完成PHEV整車模型的建立。

圖4 模糊控制策略模塊仿真框圖Fig.4 Simulation block diagram of fuzzy control strategy module

3.2 仿真結果對比分析

循環工況選擇新歐洲行駛工況（CYC_NEDC）和美國城市行駛工況（CYC_UDDS），其主要參數如表3 所示。為了更好地查看PHEV的續航能力，循環次數均選擇為5 次。

表3 NEDC 和UDDS 循環工況的主要參數表Tab.3 Parameters of NEDC and UDDS cycle conditions

根據選擇的仿真參數和循環工況，在ADVISOR中分別對模糊控制策略和電機輔助控制策略下的整車模型進行仿真，并對仿真結果對比分析。

（1）蓄電池組SOC 變化曲線對比分析

圖5 為采用電機輔助控制策略和模糊控制策略在2 種循環工況下的蓄電池組SOC 變化曲線圖。從圖中可以看出，在經過5 個循環周期后，NEDC 循環工況下，電機輔助控制策略和模糊控制策略的蓄電池組SOC 的值分別為0.610 和0.591，UDDS 循環工況下，電機輔助控制策略和模糊控制策略的蓄電池組SOC 的值分別為0.615和0.605，2 種控制策略下的蓄電池組SOC 相差不大，且都可以實現蓄電池組SOC 在一定范圍內的動態平衡，模糊控制策略滿足設計要求。

（2）整車燃油經濟性和排放性能對比分析

表4 為2 種循環工況下分別采用電機輔助控制策略和模糊控制策略的整車燃油經濟性和排放性能。從表4 可以看出，NEDC 循環工況和UDDS 循環工況在經過5 個循環周期后，模糊控制策略相對于電機輔助控制策略下車輛的百里油耗分別降低了10.4%和8.7%。從排放性能來看，模糊控制策略相對于電機輔助控制策略下車輛的HC 排放量有少量的增加，車輛的CO 排放量明顯減少，在UDDS 循環工況下，車輛的NOx 排放量有少量減少，由于NEDC 循環工況后半段車輛運行在高速狀態，根據設計的模糊控制規則，此時整車需求轉矩較高，蓄電池SOC 適中，發動機運行在高轉矩狀態，這導致在NEDC 循環工況下，車輛的NOX排放量反而有所增加。

（3）發動機工作點對比分析

圖7 2 種控制策略在UDDS 循環工況下發動機工作點分布圖Fig.7 Distribution of engine operating points for two control strategies under UDDS cycle condition

圖6 和圖7 為在2 種循環工況下分別采用電機輔助控制策略和模糊控制策略的發動機工作點分布圖。相較之下，當使用電機輔助控制策略時，發動機工作點分布較為分散，發動機工作效率不高，而使用模糊控制策略時，發動機工作點較為集中地分布在發動機工作效率較高的區域。對比結果表明，模糊控制策略下，發動機的平均工作效率高于電機輔助控制策略。

4 結論

針對PHEV 的轉矩協調分配問題，建立了一種雙輸入單輸出模糊控制器，使用MATLAB/Simulink 和ADVISOR 軟件聯合完成PHEV 整車模型的搭建，根據選擇的汽車主要部件仿真參數和循環工況，利用ADVISOR 軟件對不同循環工況下采用電機輔助控制策略和模糊控制策略搭建的整車模型進行仿真。仿真結果表明，在保證PHEV 整車性能的前提下，2 種控制策略都能夠維持蓄電池組SOC 的動態平衡，相較于電機輔助控制策略，本文提出的模糊控制策略能夠更好地控制發動機工作在高效率區，進一步提高了PHEV 的整車燃油經濟性和排放性能。