基于模糊PID 的純電動車輛控制策略研究＊

張寶玉

（江蘇食品藥品職業技術學院，江蘇 淮安 223001）

1 模糊PID 控制介紹

模糊PID 自適應控制器是將模糊控制和PID 控制器兩者結合在一起，可實時通過經驗化模糊規則整定PID 的一種智能算法，它可以彌補傳統PID 的缺點，不需要建立精確的被控對象模型，只需要將積累的經驗轉換成相應的模糊規則進行控制[1]。它具有工作比較穩定，對于非線性時變系統有較好的控制效果等優點。

2 電池模型建立

作為新能源汽車的能源動力模塊，在汽車巡航系統仿真分析過程中，動力電池建模至關重要。本文電池模型使用二階RC 等效電路模型，采用開路電壓法及含遺忘因子的遞推最小二乘法（FFRLS）進行模型參數辨識，采用擴展卡爾曼濾波算法（EKF）進行SOC 估算。圖1 為本文所設計的電池模型。

圖1 電池模型

2.1 HPPC 實驗

HPPC 實驗測得電池開路電壓，得出SOC-OCV 曲線，見圖2 所示。

圖2 SOC-OCV 曲線

將實車跑動采集到的電流電壓數據導入模型，進行含遺忘因子的遞推最小二乘法迭代運算，辨識出二階RC 模型所需的參數R0，R1，R2，C1 及C2。辨識結果如圖3 所示。

圖3 辨識結果

2.2 二階RC 等效電路模型

電動汽車動力電池模型是針對電池靜態特性的簡化和描述，建立可以準確模擬電池內外部工作特性的電池模型是提高狀態估計精度的基礎[2]。本文采用二階RC 等效電路模型對鋰電池建模。

將上述辨識出的參數代入模型中，仿真驗證結果如圖4所示，模型仿真值和實際值誤差在0.1V 之內，大部分在0.05V之內，說明建立的電池模型相對準確。

圖4 仿真驗證結果

3 電機建模

電機控制器模型的輸入為實際車速、電門開度、電機請求轉矩、電池電流、電池實際輸出功率、電池最大輸出功率和電機轉速，模型的輸出為當前狀態下允許電機輸出的最大轉矩[3]。電機控制器根據實際車速、電門開度和電機外特性曲線不同轉速下最大輸出轉矩，再根據電機請求的轉矩和電機轉速結合電機的效率圖計算得出此時電機的損失功率，最后根據在當前SOC 下電池的輸出功率和最大輸出功率，計算出此時電機控制器允許驅動電機輸出的轉矩。電機輸出扭矩計算模塊如圖5 所示。

圖5 電機輸出扭矩計算

本研究所采用的電機為永磁同步電機，Simulink 中有自帶的永磁同步電機仿真模型，可以滿足大多研究需求[4]。但是永磁同步電機系統需要輸入的參數太多，在仿真中很多參數用不到比較麻煩。因此，搭建能滿足仿真需求的建議永磁同步電機仿真模型如圖6 所示。

圖6 電機模型

驅動電機模型的輸入為電池電壓、電機需求轉速和來自電機控制器的允許輸出轉矩，輸出為此時需求的電流和實際輸出轉矩。

4 仿真驗證

將制定好的模糊規則使用MATLAB 模糊工具箱生成相應的模糊文件，并使用Simulink 搭建模糊PID 自適應控制器模型，如圖7 所示。

圖7 模糊PI 控制器模型

使用Simulink 搭建出縱向控制器模型，并加入整車模型中進行仿真驗證，得出的縱向速度控制曲線如圖8 所示。

圖8 期望車速與實際車速對比

由下圖可以看出加入縱向控制器之后實際車速基本能跟蹤上目標車速，無論是加速還是減速都能對目標車速進行較好的跟蹤。因此，模糊PID 自適應控制器控制效果良好，動態抗干擾能力較強，魯棒性較高，能實現理想的控制目標。

5 結論

本文以純電動汽車為研究對象，進行了動力學建模，然后通過整車模型對模糊PID 縱向控制策略進行了實際仿真驗證。從仿真結果上來看，整個控制算法滿足實際需求，實際車速與目標車速誤差處于可接受范圍之內。