基于邏輯閾值的輕度混合動力商用車能量管理策略研究★

覃記榮，郭 葵，梁立東，李燕青

（1.東風柳州汽車有限公司，廣西 柳州 545005；2.廣西科技大學，廣西 柳州 545005）

引言

汽車保有量的增加給人們帶來了一定程度的便利，但同時也帶來了一些消極的影響。以燃料為動力源的車輛越來越多，加速了石油資源的消耗，而且汽車排放的尾氣中也含有對健康有害的廢氣。找到適當的方法來緩解能源短缺和污染造成的壓力，已經變得越來越緊迫和必要[1]。作為新一代的清潔能源汽車，混合動力汽車（HEV）的特點是污染物排放和燃料消耗低。面對國家能源危機，以及我國環境污染日益嚴重的壓力，中國政府大力提倡發展新能源汽車，新能源汽車具有均較低的CO2排放量，且隨著三電技術、BMS 控制系統的快速發展，新能源汽車在行駛穩定性、可靠性方面得到了很大的提升，特別是混合動力汽車（HEV），在新能源發展過程中起著舉足輕重的作用。HEV 動力系統根據電力驅動功率占總輸出功率的比例[2]，可以分為微混、輕混、重混和全混。

1 輕度混合動力商用車構型

輕度混合動力商用車的動力單元主要包括發動機ICE、驅動電機EM 和動力傳動系統等。輕度混合動力商用車構型拓撲圖如圖1 所示，發動機曲軸輸出端與離合器機械連接，并與變速器的輸入軸相連，隨后變速器的輸出端與來自驅動電機的動力相耦合。這種混合動力汽車的構型稱為P3 構型，其可以工作在純電驅動模式、混合動力驅動模式與發動機驅動模式下[3]。相較于驅動電機在變速箱前的P0、P1 和P2 布局，這種構型最主要的優勢在于純電驅動和動能回收的效率比較高，同時結構較為簡單，易于推廣普及。

設車輛牽引力為Ftractive，車輛行駛產生的滾動阻力為Frolling_resist，空氣阻力為Fareo，加速阻力為Facceleration，坡度阻力為Fi為0。車輛所需的牽引力可以表示為：

車輛所需的牽引力功率可以表示為：

式中：Mveh為車輛的質量；g 為重力加速度；C0為輪胎的滾動阻力系數；rho為空氣密度；Afrontal為車輛的前迎風面積；CD為空氣阻力系數；Vveh為車輛的行駛速度；aveh為車輛的加速度。

設來自發動機動力源的差速器輸入端轉速為ωlow，變速器輸入端轉速為ωhigh，變速器的傳動比為Gtrans，則三者的關系可表示為：

設左側車輪轉速為ωleft_wheel，右側車輪轉速為ωright_wheel，差速器的傳動比為Gdiff，車輪轉速為ωwheel，則當車輛直線行駛時滿足：

車輛的速度可以表示為：

式中：rwheel為輪胎滾動半徑。

設ωelecmach為驅動電機的轉速，Gelecmach為驅動電機與發動機動力耦合的傳動比，則ωlow也可以表示為：ωlow=Gelecmachωelecmach.

則驅動電機的轉速和轉矩可以表示為：

2 能量管理策略

混合動力汽車的關鍵技術主要包括汽車動力參數匹配技術、混合動力單元的控制技術、能量回收技術和能量總控技術等[4]。能量總成控制技術的核心是能量管理系統的控制策略，目前的整車控制策略主要分為三大類：基于邏輯閾值的控制策略、模糊控制策略、基于優化的控制策略。

1）基于邏輯閾值的控制策略是目前應用最廣泛，技術最成熟的一種能量管理技術手段，根據整車部件的工作特點，以及工程應用中的需求，設計一些控制變量，常用的控制變量有：電池SOC、發動機轉矩、電機轉矩、實時車速和整車行駛需求功率等。通過這些變量來控制整車的運行模式，調整車的能量流輸出路徑，使發動機、電機始終工作在最佳的工作效率區間，提升整車的燃油經濟性。豐田Prius 和本田Insigt 最早把該策略應用于實際工程中，大大提升了整車的燃油經濟性。基于邏輯閾值的穩態控制策略易于實現且實用，因此經常被用于混合動力汽車[5]。

2）模糊控制策略：模糊控制策略（Fuzzy control strategy），是一種使用模糊語言，經過模糊控制器反模糊化，來實現指定目標函數的的一種控制策略，模糊策略根據工程需要確定優化變量，根據專家經驗制定出相應的隸屬度函數以及模糊規則，也可以采用遺傳算法、粒子群算法等優化算法對隸屬度函數進行自動尋優，但尋優周期較長，且普通算法容易早熟，陷入局部解，根據模糊規則排列組合成。模糊控制目前都多在高校里面的進行一些理論研究，實際工程應用的較少。

3）基于優化的控制策略：基于優化的控制策略又分為，全局優化和實時優化，全局優化最常用的有動態規劃（dynamic programming），動態規劃（Dynamic Programming，PM）的概念最早Richard Bellman 提出，用來描述解決最優選擇問題的過程。Bellman 把復雜問題分割成簡單的子問題，從而解決復雜的問題。然而，由于它需要提前知道整個循環工況，因此它只能用于離線計算，難以用于實車[6]。但可以從動態規劃最優結果中提煉出有用的控制規則，用于改進實車的控制策略。實時優化最常用的有等效燃油消耗最小此策略（ECMS），此策略的思路主要是把電機的電耗轉化等量的油耗，以整車燃油量為目標函數，根據整車需求功率，實時合理的分配發動機、電機的驅動轉矩、功率，使發動機和電機始終工作在最佳工作區域，提高整車的燃油經濟性。由于在輕度混合商用車上發動機是主要動力源，輕型電機的作用起到消峰填谷的作用，使發動機保持在高效率工作范圍，從而達到降低油耗和減少排放的目的。基于此，本系統采用基于邏輯閾值的控制策略。

2.1 基于邏輯閾值的控制策略

為了提高發動機的工作效率，通過設定相關變量，根據設計的邏輯閾值策略來實現不同的工作模式，來分配發動機和驅動電機的運行功率。由混合動力整車控制器（HCU）輸入需求車速、需求的凈牽引功率、SOC、發動機map 圖、計算輸出發動機功率、驅動電機功率、發動機轉速、變速器傳動比和燃油消耗率等，最后將相關控制指令輸出給各個子系統，如TCU、ECU 等[7]。

因為輕型電機不但能夠輸出正轉矩用以驅動汽車還能輸出負扭矩用于制動能量回收給電池充電，因此在輕度混合動力汽車上可以將車輛運行模式劃分為電池補給模式和電量消耗模式兩種，這取決于扭矩的狀態。兩種模式的計算公式如下：

2.2 輕度混合動力商用車工作模式劃分

限于輕型電機的結構和功率，基于邏輯閾值的輕度混合動力商用車能量管理從以下三個方面制定：低驅動力模式，關閉發動機；高速助力模式，同時調用發動機和驅動電機；電量補給模式，將多余的發動機功率進行能量回收。因此基于邏輯閾值策略的混合動力商用車主要有以下幾種模式。

1）低驅動力模式：如果車輛所需牽引力功率小于發動機最小功率，則發動機停止動力輸出（Peng=0），電機提供正的牽引力（此時電機為驅動電機），而當電機提供負的牽引力（此時電機為發電機）時，其為再生制動[8]。此時車輛的各參數可以表示為：

式中：Ptractive為車輛所需的牽引力；Pmin為發動機最小功率；Pelecmach為電機功率；fuel，rate為燃油消耗率；ωeng為發動機轉速；Peng為發動機功率；Gtrans和Gtrans_min分別為變速器的傳動比和最小傳動比。

2）高速助力模式：如果車輛所需牽引力功率大于發動機所能提供的最大功率，電機將作為驅動電機為車輛加速提供輔助功率。此時車輛的各參數可以表示為：

式中：Pmax為發動機最大功率。

3）電量補給模式：當車輛所需牽引力在發動機的最小功率和最大功率之間時，多余的發動機功率可以用于動力電池充電。剛開始時，能量管理策略將盡力保證：

式中：SOC 為電池的荷電狀態（%），0.5 為策略所設置的初始SOC。

2.3 動力電池SOC 計算

采用Matlab/Simulink 所搭建的動力電池SOC 計算模型，其結構見圖2 所示。在該模型中，輸入參數為電機功率，輸出參數為動力電池SOC，能量存儲系統效率為ηess。動力電池的SOC 變化量ΔSOC 可由式（13）和（14）表示：

式中：Δt 為車輛的運行時間；Emax為動力電池的最大能量；k 為仿真時間離散的某一步。當Pelecmach<0 時，動力電池處于充電狀態，當Pelecmach≥0 時，動力電池處于放電狀態。

3 仿真結果與討論

采用US06 工況作為仿真工況，車輛的仿真數據見表1。

表1 車輛仿真參數

圖3 給出了US06 工況下的SOC 變化曲線，在整個循環工況中，SOC 在初始值0.5 到最大值0.72 之間波動，可見在行程終端，動力電池SOC 為0.66，穩定在其初始值0.5 附近。這表明，由于電池SOC 的安全下限為0.2，所以在電源管理中可以采用激進的方法。讓循環工況中的SOC 最小值到達0.2 附近。這樣可以充分調動電池的性能，降低燃油消耗。

圖4 給出了車輛在US06 工況下車輛的各性能參數。圖4-1 為US06 工況的速度-時間曲線。下頁圖4-2 為車輛在US06 駕駛循環工況下的燃油消耗，三個駕駛循環行駛了38.40 km，造成燃油消耗7.61 L，約合百公里油耗19.82 L，相較于21.6 L 燃油經濟性提升了8.24%。下頁圖4-3 和下頁圖4-4 給出了基于邏輯閾值的輕度混合動力商用車能量管理策略下，發動機和驅動電機的功率曲線，可見復合動力源的功率輸出滿足US06 工況下的電機功率需求。

5 結論

本文以某款混合動力商用車為研究對象，在基于邏輯閾值的輕度混合動力商用車能量管理策略中，綜合考慮了模擬工況的驅動扭矩和功率扭矩要求，并結合發動機、輕型驅動電機和電池等多個部件的特性。實現以功率為中心的能量管理策略，滿足駕駛員的驅動扭矩和功率要求，同時合理利用各種模式，合理分配發動機扭矩和輕型驅動電機扭矩，從而降低發動機油耗，并在一定程度上提高發動機燃油經濟性。