基于模糊控制的并聯式混合動力汽車能量管理策略

張丹 劉助春 楊小峰 黃登登

1.湖南汽車工程職業學院 湖南省株洲市 412000 2.陜西重型汽車有限公司 陜西省西安市 710200

1 引言

隨著汽車保有量的不斷增加，空氣質量惡化、石油資源匱乏等問題已引起人們的廣泛關注。在能源短缺和環境污染的雙重背景下，作為具有發動機和電動機兩種動力源的并聯式混合動力汽車（PHEV）已引起世界各大汽車制造商的高度重視。

由于PHEV 擁有復雜的結構和運行模式，在整車建模仿真過程中，采用傳統的控制策略往往不能適應工況和負載的動態變化。在不建立精確的整車能耗模型前提下，模糊邏輯控制策略只需要確定隸屬度函數參數和模糊規則即可達到精確的控制效果。因此，對PHEV 的模糊控制策略進行研究并付諸實踐具有重要意義。

2 并聯式混合動力系統

如圖1 所示，相較于傳統的內燃機車輛，發動機和電機既可以單獨驅動車輛，也可以通過耦合裝置共同驅動車輛。在不同的運行模式下，發動機和電機的運行狀態如表1 所示。

圖1 并聯式混合動力系統結構示意圖

表1 PHEV 工作模式

其中，√表示動力部件在此模式下處于工作狀態，× 表示動力部件在此模式處于不工作狀態。

3 并聯式混合動力系統建模

3.1 發動機模型

整個發動機系統非常復雜，難以用數學模型準確表示。在考慮發動機慣性負載和損耗的前提下，首先依據MAP 圖確定發動機的轉矩與轉速，然后計算其油耗和排放，如圖2 所示。其中，模塊1 控制發動機的啟停；模塊2 計算發動機的可用扭矩和轉速；模塊3 計算發動機的油耗和排放。

圖2 發動機模型

3.2 電機模型

在發電機模式下，電機將機械能轉化為電能給電池充電；在電機模式下，電機將電池提供的電能轉化為機械能用以驅動汽車行駛。電機模型同時包括正向和反向仿真，這也就意味著輸出不僅包括電機的可用功率，而且也囊括電機的需求功率，如圖3 所示。其中，模塊1 和模塊2 分別為電機的后向和前向仿真路徑模塊；模塊3依據電機所需扭矩和轉速計算電機能耗；模塊4 判斷所選電機工作點是否在可行范圍之內；模塊5 根據電機的當前運行條件計算電機溫度。

圖3 電機模型

3.3 電池模型

電池模型是一個由電動勢和等效內阻組成的等效電路，以電機模塊的功率需求作為輸入，計算電池充放電過程中的電壓、電流以及SOC，最后將電池組輸出的功率返回至電機模塊。如圖4 所示，模塊1 計算蓄電池的開路電壓和內阻；模塊2 計算等效電路的電流和電池的工作電壓；模塊3限制電池的放電程度，避免電池出現過度放電；模塊4 計算電池SOC 及其變化值；模塊5 計算電池組溫度。

圖4 電池模型

4 模糊控制器設計

在確定了各部件的結構和參數后，如何協調發動機和電機之間的功率流分配以達到節能減排的目的，這就需要對模糊控制器進行設計。

4.1 輸入輸出變量

在設計模糊控制器時，不僅要確保發動機盡可能在高效率區域運行，同時也要維持電池的SOC 平衡。本研究以整車所需扭矩T和電池組SOC 作為模糊控制器的輸入變量，發動機扭矩T作為輸出變量。

4.2 隸屬度函數

根據PHEV 的實際運行狀態，對輸入輸出的隸屬函數進行劃分，將需求轉矩T和電池組SOC 分別劃分為7 個模糊子集{VS，S，RS，M，RB，B，VB}，論域量化為[1,11]；將發動機轉矩T劃分為9個模糊子集{VS，S，RS，RM，M，VM，RB，B，VB}，論域量化為[1,11]。模型選用Mamdani 算法，并采用三角形和梯形相結合的隸屬度函數，如圖5 所示。

圖5 輸入輸出隸屬度函數

4.3 模糊控制規則

對于模糊控制規則的設計，在考慮工程經驗的同時也要顧及到被控對象的輸入輸出特性。一是當電池的SOC 至較大時，使用電機單獨驅動車輛，以免發動機在低效率區域運行；如果電機的最大扭矩小于所需扭矩，則發動機和電機一起驅動車輛。二是當電池的SOC 值較小時，發動機為主要動力源，在保證汽車正常行駛的前提下向電池組充電；三是在低速行駛時，車輛運行于電動模式，此時發動機不工作，以避免其工作于低效率區域；四是在扭矩需求特別大的情況下，如爬坡行駛時，發動機和電機共同驅動車輛。針對上述情況，本研究擬定了49 條模糊規則，如表2 所示。

表2 模糊規則控制表

5 仿真結果與分析

為了對仿真結果進行分析，將設計的模糊控制與ADVISOR 軟件默認的電機輔助控制策略分別嵌入ADVISOR 中的整車仿真模型中，并在CYC_UDDS 城市循環工況下進行仿真。

如圖6 所示，與電機輔助控制策略相比，采用模糊控制后發動機的工作點更集中于高效區域（紅線區域），這表明模糊控制策略效果更好。

圖6 優化前后發動機工作點

從圖7 可以看出，無論采用哪種控制策略，動力電池SOC 初始值均0.7，但循環工況結束時的SOC 值差異較大。采用模糊控制時，動力電池SOC 終值為0.7，在運行過程中SOC 略有波動；采用電機輔助控制時，動力電池SOC 終值為0.63，SOC 下滑0.07，這說明模糊控制可以提高電池組的充放電效率，延長電池組的使用壽命。

圖7 優化前后電池組SOC

6 結論

仿真實驗表明，與電機輔助控制策略相比，模糊控制可以使發動機的工作點集中于高效區域，在實現扭矩合理分配的同時減少電池組SOC 的波動幅度，延長電池組的使用壽命。