增程式電動拖拉機研究進展*

楊杭旭，劉冬梅，周俊，汪珍珍，王旭

(1. 南京農業大學工學院，南京市，210031；2. 金華職業技術學院機電工程學院，浙江金華，321017；3. 浙江省農作物收獲裝備技術重點實驗室，浙江金華，321017)

0 引言

隨著農機設備向大型化、多功能化發展，在農作物產銷量持續增長和耕種收獲機械化水平不斷提髙的同時，也帶來了能源的大量消耗和環境污染[1-4]。因此，現代農業新業態對生態、節能、環保提出了越來越高的要求，特殊農業生產環境下對零排放、無污染、低噪音的綠色動力農機具的需求越來越迫切，而拖拉機作為主要的農業機械，電動化的發展趨勢迫在眉睫。當今，隨著各國對環保重視以及智能化、電動化技術進步，尤其是電動汽車領域三電(電池、電機、電控)技術取得的突破，大大推動了電動拖拉機的發展，諸如美國約翰迪爾、中國一拖等大公司、企業均已開展相關研究并不斷研制出新機型投放市場[5-8]。盡管電動拖拉機能實現零排放、零污染，但單一的能量來源致使續航里程受限，難以滿足大功率拖拉機持續作業需求，可以采用柴電增程器來提升電動拖拉機的續航能力，并通過實施一定的主動控制策略與能量管理策略，降低系統燃油消耗率[9]。然而，對于增程式電動拖拉機來說最大的問題是在行程結束時，動力電池的電量仍然很高，電量沒有得到充分使用，圍繞動力電池電耗以及柴油車油耗能量管理策略以及相關參數的設計、調整十分關鍵；同時，由于增程式電動汽車技術、管理策略等相對比較成熟[10-11]，在考慮拖拉機自身特點的前提下，一定程度借鑒增程式電動汽車在控制策略、能量管理方面的技術方案，對推動增程式電動拖拉機領域發展也具有相當意義。

鑒于此，本文圍繞增程式電動汽車動力系統參數設計、能量管理策略、增程式電動拖拉機相關技術等方面展開評述，并對增程式電動拖拉機控制策略、能量管理方面未來的研究提出建議，以期為增程式電動拖拉機研制、推廣和運用提供借鑒與參考。

1 增程式電動汽車相關技術

增程式電動汽車是在純電動汽車基本結構基礎上，增加了一個含有柴油機(內燃機)的增程器[12-13]，如圖1所示，相比與純電動汽車，設計自由度大、續航里程高、電池使用耐久度大，是一種發展前景非常好的新能源汽車類型，增程式電動汽車核心在于動力系統以及能量管理策略。

圖1 增程式電動汽車結構示意圖

1.1 動力系統研究

增程式電動汽車存在多個動力源，多個動力系統建模、參數匹配關系到后續能量管理策略的效果。目前已發表的文獻中大部分是對于混合動力汽車動力系統參數匹配研究，專門針對增程式電動汽車開展動力系統設計、參數匹配的研究不多。例如，蔣建華等[14]以續航里程和動力性為目標，設計了增程式電動汽車動力系統參數，并采用了增程器恒功率控制策略驗證了其設計效果；黃欣等[15]以整車制造成本、汽車等效百公里加速時間和百公里油耗為目標，以電機峰值功率、電池能量以及發動機額定功率為變量，設計了基于線性加權的多目標遺傳算法，最后進行了試驗驗證；周蘇等[16]采用了定點能量管理策略對設計的某款增程式電動汽車動力系統進行了分析和驗證。

1.2 能量管理控制策略研究

能量管理策略是增程式電動汽車技術研究的熱點，也是難點。其目標是對多個能量源之間的動力進行優化和分配，使其在滿足動力性同時，兼顧經濟性和排放性。目前對于增程式電動汽車的控制策略主要有三種，即全局最優控制策略、基于規則的邏輯門限控制策略以及智能控制策略(包括模糊控制、神經網絡控制、動態規劃以及其他各種智能優化控制方法)，對于上述控制策略，學者們開展了一定的研究。竇國偉等[17]提出了一種基于模糊控制的算法的增程式電動汽車多能源能量分配控制策略，設計了模糊控制器(圖2)，綜合考核電池SOC與驅動電機功率需求，仿真驗證了策略有效性，結果表明：在電機需求功率為負時，輸出功率均在5 kW以下，當SOC值為0.9時，輸出功率88 kW，SOC越高，電池功率輸出能力越高；盤朝奉等[18]也提出了基于模糊控制的穩態能量分配策略，采用單輸出、雙輸入的二維結構，以驅動電機需求功率和SOC為輸入，輔助動力單元需求功率為輸出，最后利用Cruise以及Simulink進行聯合仿真，整車油耗為5.94 km/L，效果良好；賀俊杰等[19]為了對汽車增程器進行有效控制同時，兼顧動力電池組壽命，研究了一種基于模糊控制的恒溫器策略與功率跟隨相結合的能量管理策略，該策略對比功率跟隨策略，油耗消化率達到了16%，同時將發動機工作點控制在最優燃油附近，改善了排放與增程器效率；胡瑾瑜等[20]以燃料電池堆作為增程器的增程式電動汽車為例，提出了一種綜合電池充放電效率和燃料電池效率的能量管理策略，并基于神經網絡將策略實現，在常規工況下續航里程增加3.32%；Chen等[21]利用動態規劃算法對增程式電動汽車能量管理策略進行設計與研究；朱龍飛等[22]以提高整車燃油經濟性為目標，也利用動態規劃方法得到燃油消耗最優值以及最優控制，建立基于邏輯門限值的控制策略，最后借助遺傳算法對策略主要參數進行了優化，優化后整車燃油消耗與最優理論誤差僅為2.8%；席利賀等[23]開展了基于動態規劃與神經網絡的增程式電動汽車能量管理策略研究，設計了一種具有實時控制能力的增程式電動汽車能量管理策略，針對動態規劃算法(動態規劃算法求解示意圖如圖3所示)需要基于實際具體工況而信息實際困難的缺點，借助了BP神經網絡算法進行離線訓練(圖4為構建的BP神經網絡結構)，最終進行了硬件在環仿真試驗，提高了燃油經濟性；張承寧等[24]提出了一種基于Pontryagin 極小值原理的增程式電動車輛電量維持階段控制策略，分析了其能實現SOC維持控制的機理，相比于傳統開關控制策略，燃油經濟性最高能提高5.8%；徐群群等[25]針對傳統遺傳算法易收斂于局部最優(圖5為遺傳算法的優化流程)，無法達到全局最優的缺陷，以車輛百公里油耗以及最長行駛里程為優化目標，提出了交叉和變異概率可動態變化的自適應遺傳算法，對能量管理策略進行優化，使等效燃油消耗減少10%；閔海濤等[26]圍繞增程式電動汽車結構和特點，針對傳統增程式電動汽車主要圍繞發動機工作區域及其控制效果進行研究，無法確定所制定的策略能否在全域范圍內能達到最佳性能的缺點，以系統循環損失能量最小為優化目標，設計了帶精英策略的非支配遺傳基因算法的優化方法，使循環損失能量比優化前降低了6.63%；牛繼高等[27]引入基于規則的發動機定點和最優曲線控制策略改善了燃油經濟性，燃油經濟性提高了9.8%；吳曉剛等[28]為了探討能量管理策略對增程式電動汽車燃油經濟性提升的潛力，考慮不同輸出功率下燃油經濟型最優并以最小燃油消耗為目標函數，提出了一種基于凸優化的能量管理策略，通過于傳統的電量消耗—電量保持模式、混合模式進行了對比，增程器的平均效率提高了0.98%，系統驅動能效提高了3.66%。

圖2 模糊控制器結構圖

圖3 動態規劃算法求解示意圖

圖4 BP神經網絡結構

圖5 遺傳算法的優化流程

2 增程式電動拖拉機研究

2.1 動力系統設計與參數優化

動力系統設計與參數優化是開展增程式電動機拖拉機研究的重要方面之一，目前，國內外開展了一些研究，主要以國內為主。劉孟楠等[29]以國內某一常用拖拉機為研究對象，設計了電動拖拉機驅動系統參數以及結構方案，并基于CRUISE建立了增程式電動拖拉機仿真平臺，以旋耕為例，提出并建立了一種等效模型，仿真結果良好；Chen等[30]采用了雙電機驅動方案，提出一種基于雙電機耦合驅動方式的電動拖拉機傳動系統參數匹配與設計方法，采用基于混合罰函數的粒子群優化算法進行了參數優化，建立了仿真動態模型，通過試驗驗證，提高了電動拖拉機牽引性能。國外各大高校和科研機構也有對混合動力電動拖拉機、增程式電動拖拉機的驅動系統開展研究，Kim等[31]對增程式混合動力拖拉機驅動系統進行研究，基于傳統拖拉機道路測試獲得的負載工況，分析了動力源的功率特性，并設計了兩級減速比，用于典型農業作業；Kim等[32]針對并聯式混合動力拖拉機在主要田間作業(如打包、犁耕和旋耕)的動態特性，提出了一種自適應觀測器用于負載扭矩估計，并將估計的負載扭矩值與測量值進行比較以驗證其性能。

2.2 轉矩分配與能量管理控制策略

完成動力系統設計之后，如何進行轉矩分配以及能量控制策略的研究是增程式電動拖拉機技術的關鍵，該方面國內外也有學者做了一些研究。Liu等[33]提出了一種基于負載轉矩的控制策略，采用了粒子群優化算法，用來提升電動拖拉機能量轉化效率；王麗綿等[34]從降低啟動能耗角度出發，對增程式電動拖拉機的控制策略進行了研究，提出了電動機功率前向預測控制模型，從發動機起動控制略優化角度對增程器能耗、起動成功率、起動平順性等進行了試驗研究和分析，確定了最佳拖動轉速以及起動控制方法，降低了起動能耗，其發動機起動控制邏輯如圖6所示；Xu等[35]針對增程式電動拖拉機行程結束時動力電池SOC仍較高，電量并未得到充分利用的情況，對動力電池電耗與柴油車油耗能量管理策略之間控制參數調整的問題進行了研究，建立了拖拉機整車模型，利用AVL巡航控制模塊編制能量管理策略，同時，為驗證模型優越性， 同柴油機啟停控制加定點能量管理策略(FPEMS)進行對比，通過連續操作和深松操作驗證了該策略適用性。國外的研究很少，主要在韓國以及歐洲，比如Choi等[36]還提出了基于規則的扭矩輔助分配策略用于并聯式混合動力拖拉機，通過仿真模擬比較了傳統拖拉機和混合動力拖拉機燃料消耗，結果表明，并聯式混合動力要比傳統式省油量為0.514 3 L/h；趙靜慧等以國內某款大功率拖拉機為例，采用了增程設計方案提出了驅動系統主要參數設計方案，并實施發動機啟停 + 定點能量管理策略，對經濟性和動力性進行了仿真分析，最后與傳統拖拉機相比，降低了綜合油耗的同時一定程度上提高了最大牽引力和最大爬坡度，其增程式電動拖拉機的驅動系統方案如圖7所示；徐立友等[37]針對增程式四驅電動拖拉機前后輪轉矩分配問題(四驅拖拉機控制原理如圖8所示)，提出了一種基于模糊控制的轉矩分配策略，將犁耕阻力與拖拉機坡度作為模糊輸入變量，將電機轉矩分配因數作為輸出變量，設計模糊控制器，并與定比分配策略進行了對比，有效控制滑轉率在合理范圍，效果良好。

圖6 發動機起動控制邏輯

圖7 增程式電動拖拉機驅動系統方案

圖8 四驅拖拉機控制原理

國外對于增程式電動拖拉機轉矩分配以及控制策略的研究極少，主要集中在韓國以及歐洲的高校及科研機構。Lee等[38]針對并聯混合動力拖拉機提出了基于功率分配比規則的能量管理策略，該策略以效率最優為目標，仿真結果表明，優化后的燃油效率要比優化前的提高了1.88%；Mocera等[39]根據果園實際作業場景對并聯式混合動力拖拉機進行了性能研究，提出了一種負載觀察的能量管理策略，合理地分配兩個動力源的功率需求，仿真結果表明，所提出的方案不僅能夠在不同的工作條件下提供與傳統拖拉機相同的功率，而且還可以使用更小的發動機達到同樣的效果；Jia等[40]提出了一種用于串聯式混合動力拖拉機的前向模型，設計恒溫器(TC)和功率跟隨器控制(PFC)這兩種基于規則的能量管理策略，基于典型犁耕和收獲混合工作循環工況下對其進行仿真分析，結果表明，PFC在節省燃料和減少氮氧化物(NOX)和一氧化碳(CO)排放方面實現了更好的性能，但以產生更多的顆粒物(PM)為代價。

2.3 不同增程式電動拖拉機關鍵技術對比分析

對于增程式電動拖拉機來說，最關鍵的技術在于能量管理及控制策略，根據控制器的數學建模原理，能量管理策略可以分為兩大類：基于規則的能量管理策略和基于優化的能量管理策略[41-43]。增程式電動拖拉機也存在上述兩者控制策略。在基于確定性規則的策略中，規則是在基于增程式電動拖拉機系統的功率流分析、效率/燃料或排放圖和人類經驗的啟發式方法下來設計確定性規則的，規則的實現通常通過預先計算的查找表來實現功率分配問題，比如基于模糊規則、自適應規則等。由于其低計算需求、對在線應用的自然適應性、良好的可靠性和令人滿意的油耗結果，基于規則的控制策略被廣泛使用，然而，它們規則定義和校準過程漫長，并且會因每種拓撲結構和新的駕駛條件而重新定義規則，從而對基于規則的增程式電動拖拉機控制策略的魯棒性提出了一些問題[44]，這激發了優化算法的研究和適用性。

基于優化的能量管理策略在增程式電動拖拉機中的應用很少。基于優化的控制策略通過最小化目標函數隨時間的和(全局優化)或瞬間最小化目標函數(局部優化)來決定控制信號。全局最優控制策略僅依賴于整個駕駛周期的先驗知識，對于汽車來說，在現實中難以事先知道整個駕駛周期，因此，不能在實時中應用，但可以用來評估其他控制策略的質量，或基于此基礎上設計在線實施規則。而在農作業場景中，對于增程電動拖拉機來說，一旦確定作業工況，其場景要比汽車駕駛單一的多得多，在此情況下，全局最優控制策略不失為一個不錯的選擇，線性規劃[45-46]、動態規劃和隨機動態規劃[47-49]、遺傳算法[50-51]等都屬于全局優化控制策略。局部優化控制策略是一種基于瞬時成本函數最小值的實時優化控制策略，所定義的瞬時函數只能依賴于當前的系統變量。瞬時成本函數應包括等效燃料消耗，還可以將排放污染物、電池壽命、駕駛平順性等添加到瞬時成本函數中。雖然這類問題的解不是全局最優解，但可以實現實時在線優化。這些主要基于等效消耗最小化策略(ECMS)[52-53]、神經網絡控制[54-55]或模型預測控制(MPC)策略[56-57]。

因此，結合上述對比分析，針對增程式電動旋耕拖拉機能量管理問題，進行數學一般公式化定義，結合拖拉機作業工況特征，實施全局優化控制是較好的選擇。

3 增程式電動拖拉機存在的問題及發展建議

3.1 存在問題

1) 動力系統建模及參數優化針對性欠缺。增程式電動拖拉機在動力系統設計及建模時一般需要考慮整體的動力需求，在滿足整體需求的基礎上進行參數的匹配與優化設計。大多數的研究僅僅采用是通用的參照增程汽車的動力建模模式，并沒有考慮到針對電動拖拉機各種作業工況下的實際動力需求，針對性不夠。

2) 能量管理技術有待進一步改進和提升。能量管理技術是衡量增程式電動拖拉機總體性能的重要指標之一。對于電動拖拉機來說，如何在差異化以及不同負載、路況等條件下，綜合考慮多個動力部件的動態響應特性與高效區間差異性，合理分配輸出功率是關鍵。而現有的能量管理技術絕大部分采用基于確定規則的能量管理策略，不能實時根據工況變化動態調整策略，整體效率不高。

3) 整體續航里程較短，無法滿足大載荷長時間作業。由于電池技術不夠完善，增程式電動拖拉機仍存在續航里程較短的問題，無法滿足大載荷長時間作業，尤其對于大功率拖拉來說，由于農作業時長需求和作業負載繁重，混合電驅動(增程)形式仍然是首選考慮方案，急需改進并提升電池性能。

4) 智能化技術運用不夠。現有的增程電動拖拉機在傳感、信息、網絡、通訊等方面并沒有很好結合進來，缺少大數據基礎上的系統分析，影響了增程式電動拖拉機帶極具作業時的精度與準確性。

3.2 發展建議

對于增程式電動拖拉機來說，未來機械結構的改進不是重點，結構方面相對比較成熟，重點在于控制策略與能量管理方面的研究。通過梳理目前增程式電動汽車以及電動拖拉機在動力系統設計、能量管理、控制策略等方面的研究現狀與進展，結合增程式電動拖拉機的自身特點，借鑒增程式電動汽車在動力系統參數設計、能量管理及控制策略等方面的成功運用案例，提出以下幾點研究建議。

1) 研究增程式電動拖拉機動力系統建模以及參數優化技術。目前，針對增程式電動拖拉機的建模均是在傳統拖拉機等效模型基礎上附加增程裝置，同時在參數設計以及優化方面并沒有考慮到拖拉機的諸如運輸、犁土、翻土、整地等不同的作業需要，未來可以在基于一定數據分析基礎上，全面考慮實際作業需求，實施個性化、精準化建模與參數設計，提高準確性。

2) 研究增程式電動拖拉機能量管理技術。整車能量管理的核心問題在于：在特定負載和路況條件下，如何綜合考慮各部件動態響應特性與高效率區間差異性，對增程式電動拖拉機來說，即如何合理分配發動機與動力電池的輸出功率，提升系統效率、節約燃油、提高電能利用率，如何在電耗和油耗間找到平衡點，提高特定工況下的續航里程。由于拖拉機工況相對汽車來說比較復雜，基于確定性規則的控制方法不一定適合電動拖拉機，而基于全局優化控制(比如動態規劃算法等)在電動汽車上的成功運用，未來可以結合到增程式電動拖拉機能量管理研究中。

3) 開展適應增程電動拖拉機的電池及相關技術研發，提升續航里程。在充分分析增程式電動拖拉機作業特性與能量需求的基礎上，開展適合該類拖拉機的電池及控制系統研發，在電池材料的選擇、電池控制策略優化等方面進行針對性研究，重點提升大功率增程式電動拖拉機續航里程。

4) 開展智能化技術在增程式電動拖拉機上的運用。隨著人工智能、大數據等技術的進步，已進入智慧農業時代，同時，基于模糊控制、神經網絡等技術已經在電動汽車以及拖拉機上取得了一定的應用，但網絡層級、結構仍較為簡單。未來，通過在獲取大量的數據樣本前提下，可以進一步豐富神經網絡結構，甚至引入深度學習控制算法，對增程式電動拖拉機的控制模型進行深入訓練，提高控制精確性。

4 結語

能量管理以及控制策略優化是未來增程式電動拖拉機得以發展的重要前提。基于目前增程式電動汽車以及拖拉機在控制策略、動力參數設計、能量管理等方面的研究現狀，提出完善增程式電動拖拉機的動力系統參數化設計與優化、實施全局優化控制、充分結合深度學習等人工智能算法是未來增程式電動拖拉機發展的關鍵。今后，隨著控制技術和智能算法的進一步發展，實現控制的精準化和智能化，進一步提升全局范圍內的電能利用率，降低燃油消耗，是未來增程式電動拖拉機技術的發展趨勢。