純電動城市客車動力系統參數匹配及仿真優化

肖立維，湯沛，鄭竹安，楊銳淇，趙毫杰

（224002 江蘇省 鹽城市 鹽城工學院 汽車工程學院）

0 引言

自20 世紀70 年代石油危機后，為應對環境污染和能源危機，汽車行業逐漸往可持續方向發展。電動汽車具備低噪音、更環保、更經濟、易保養等優點，是未來汽車行業重點發展方向之一[1]，但是在動力電池等關鍵技術未取得突破性進展之前，合理配置車輛動力傳動系參數仍是提高電動汽車性能的方法之一。

近年來，為提高電動汽車的動力性能及經濟性能，國內外高校、研究所、企業紛紛開展相關研究。李江等[2]通過ADVISOR 對某款純電動汽車建模，優化目標函數，使用遺傳算法優化傳動系速比，進行仿真分析，提高了電動汽車性能；周保華等[3]對一個兩擋AMT 換擋控制策略進行研究，通過臺架實驗驗證其可行性；張元等[4]通過Cruise 搭建車輛模型且采用多目標優化方法進行仿真分析，驗證了在車輛動力性能不變的情況下，傳動系統參數合理匹配能改善電動汽車的經濟性能；牛繼高等[5]針對兩擋電動汽車動力傳動系統匹配優化問題，通過Cruise-Isight 聯合仿真，采用多目標遺傳算法（NSGA-Ⅱ）對傳動比進行優化，兼顧動力性與經濟性，但實際上動力性與經濟性不可能得到保證。

本文以某公司生產的城市客車為參考，對動力傳動系統各部件進行參數匹配設計及選型，使用Cruise 軟件搭建該車整車建模，進行了模擬仿真和優化，為實車設計提供參考。

1 動力系統相關參數匹配

1.1 整車參數及性能設計

純電動汽車與傳統汽車有所不同，動力源由驅動電機提供，蓄電池提供能量。純電動車車輛匹配參數主要有：整車結構參數、驅動電機參數、蓄電池參數等。本文選擇的純電動城市客車整車參數有軸距、整備質量和總質量等，具體參數見表1。

表1 整車參數及性能指標Tab.1 Vehicle parameters and performance indicators

1.2 驅動電機的選型

在純電動汽車中，驅動電機是最為重要的兩大部件之一，它能將電能轉化為機械能。為車輛的正常行駛提供動力，驅動電機需考慮純電動城市客車復雜的城市道路工況，如頻繁啟停、加速與減速等操作，驅動電機需具備較寬的調速范圍及能量回收。并且，考慮到成本、尺寸、重量需滿足車輛結構設計，所以驅動電機的選型非常重要。

驅動電機峰值功率需要滿足最高車速、最大爬坡度、加速性能下車輛需求功率[6]。

（1）依據最高車速確定驅動電機功率P1max

式中：Vmax——車輛的最高車速；η——傳動系效率；m——車輛質量；g ——重力加速度；CD——迎風阻力系數；f——滾動阻力系數；A——迎風面積。（2）依據最大爬坡度確定驅動電機功率P2max

式中：VS——車輛爬坡時的穩定車速，爬坡時速度取穩定車速20 km/h；αmax——車輛最大爬坡度。

（3）依據車輛0～50 km/h 的加速性能確定驅動電機功率P3max

純電動汽車全力加速時的經驗公式：

經簡化在末速度時刻P3max可由式（5）得：

式中：V——車輛瞬時末速度；δ——汽車旋轉質量換算系數，取值1.08；ta——加速時間；X——擬合系數取0.5；Pm——瞬時功率；t ——瞬時速度對應的加速時間。

驅動電機的峰值功率需要滿足Pmax＞（P1max，P2max，P3max），將表1 數據代入式（1）、式（2）、式（5）可 得：P1max=51.9 kW；P2max=147.7 kW；P3max=239.6 kW。

驅動電機的額定功率需要滿足車輛在最高車速下的功率需求。

式中：Pe——驅動電機額定功率；λ—驅動電機的過載系數，一般取值1～3。

依據轉速與車輛最高車速關系，可確定驅動電機峰值轉速以及額定轉速。因本文選擇的純電動城市客車采用單級減速器，參考相似類型車輛，主減速器傳動比初步取值5.992。

式中：nmax——驅動電機峰值轉速；ne——驅動電機額定轉速；i ——主減速器傳動比；r ——輪胎滾動半徑；β——驅動電機的恒擴大功率系數，一般取值2～3。

驅動電機轉矩需要滿足車輛在最大爬坡度下較大的轉矩需求，根據轉矩、功率、轉速的關系可確定其額定轉矩與峰值轉矩：

式中：Tmax——驅動電機峰值轉矩；Te——驅動電機額定轉矩；γ——一般取值范圍在2～3。

綜上，依據驅動電機的主要參數，參考市面上多種驅動電機，選擇型號TZ400XSF05 的永磁同步驅動電機，其各參數滿足上述要求。驅動電機的詳細參數見表2。

表2 電機詳細參數Tab.2 Detailed parameters of the motor

1.3 傳動比的選擇

車輛的最小傳動比需要滿足最高車速下的動力傳遞，車速不能低于限定的最高車速，電機轉速處于驅動電機恒功率區為佳；車輛的最大傳動比需要滿足車輛在最大爬坡度以及附著率的要求，電機轉速處于恒轉矩區為佳[7]。

設傳動比為i，主減速比為i0，此時i=i0。根據上述要求以及轉速與最高車速關系式可確定最小傳動比：

式中：Fvmax——最高車速時的行駛阻力。

最大傳動比的選擇需滿足最大爬坡度下的車輛工況，提供最大的轉矩。因爬坡時速度較低，空氣阻力較小，主要阻力為坡度阻力與滾動阻力，省略了空氣阻力影響。

式中：FZ——地面對車輪的法向反作用力；φ——附著系數。

本文選擇的純電動城市客車驅動電機產生的轉矩直接通過主減速器傳遞，沒有變速器與離合器等裝置，自然換擋時會存在沖擊，但在可接受范圍內。參考原車傳動比后，傳動比選為5.992，經計算符合上述要求。

1.4 動力電池的選擇

純電動汽車采用蓄電池作為唯一的動力源，它為車輛行駛及控制提供能源。目前，純電動汽車采用的蓄電池多為三元鋰電池（NCA/NCM）以及磷酸鐵鋰電池，其中三元鋰電池由于技術及成本的關系，尚未大范圍普及，比亞迪以及特斯拉采用的便是不同材料的三元鋰電池；磷酸鐵鋰電池更高產，更成熟而被普通車企所接受。本文采用型號CB240的磷酸鐵鋰電池，能滿足車輛對動力電池的要求，相關技術指標見表3。

表3 電池電芯參數Tab.3 Battery parameters

本文純電動城市客車使用5 個標準箱串聯，共2 并180 串，單體電池總個數為360 個，電池組總容量302 A·h，電池組總電壓579.6 V，總功率為175.039 2 kW·h，經計算，滿足車輛對續航里程的要求。

2 整車建模及聯合仿真

2.1 整車模型的建立

AVL-Cruise 軟件主要適用于車輛系統動力學領域，對車輛動力性、經濟性、排放性能進行仿真分析，其界面友好，多模塊化設計可快速搭建模型，進行正向及逆向仿真[8]。本文通過Cruise 搭建整車模型（如圖1 所示），包括駕駛員模塊、整車模塊、輪胎模塊、制動模塊、差速器模塊、主減速器模塊、驅動電機模塊、動力電池模塊、用電設備模塊等。

圖1 整車模型Fig.1 Vehicle model

為驗證部件參數初步匹配是否達到設計性能指標，軟件可建立以下仿真任務：循環工況分析（Cycle Run）、爬坡性能分析（Climbing Performance）、穩態行駛工況分析（Constant Drive）以及全負荷加速性能計算（Full Load Acceleration）。

2.2 仿真結果及驗證

AVL-Cruise 整車模型建立后，經計算任務設置，進行仿真任務計算。各參數指標與仿真結果見表4。

表4 仿真結果Tab.4 Simulation results

純電動城市客車因常在市區及市郊行駛，因此仿真使用的循環工況為NEDC（New European Driving Cycle），分為4 個市區工況及1 個市郊工況，共1 180 s。由圖2 可知，仿真車速能較好地跟隨工況，在電機轉速范圍內能達到預期車速69 km/h。模型精度較高，初步的參數匹配結果較好。

圖2 仿真車速與工況車速跟隨曲線Fig.2 Simulation speed and speed following curve under working conditions

2.3 傳動系速比優化

Isight 是一款集成諸多算法的多學科優化軟件，它通過調用其他軟件進行計算，可以在不用人工干預的情況下不斷調用相應的工程計算軟件進行計算，有著“軟件機器人”之稱。雖然Isight 與Cruise 沒有直接的接口，但是其Simcode 模塊可通過Windows bat 文件調用Cruise 生成的dbf、log 等文件。通過確定優化變量、優化目標、約束條件，選擇改良過后的遺傳算法進行尋優迭代，篩選出符合條件的最優解。圖3 所示為聯合仿真模型，圖4為Isight 優化流程圖。

圖3 聯合仿真模型Fig.3 Co-simulation model

圖4 Isight 優化流程Fig.4 Isight optimization process

20 世界70 年代，John holland 依據生物進化的規律設計并提出了遺傳算法（Genetic Algorithm，GA）。它是通過模擬自然進化過程搜索最優解的一種方法。本文以NEDC 百公里電耗為經濟性指標函數，0～69 km/h的加速時間為動力性指標函數，主減速器比為優化變量，以車輛設計性能指標為約束條件，采用改良的遺傳算法進行動力性與經濟性的多目標優化，尋優迭代篩選出符合條件的最優解。圖5 為優化變量尋優迭代過程，圖6 為經濟性目標尋優過程，圖7 為動力性目標尋優過程。

圖5 優化變量尋優迭代過程Fig.5 Iterative process of optimizing variables

圖6 經濟性目標尋優過程Fig.6 Optimization process of economic objectives

圖7 動力性目標尋優過程Fig.7 Dynamic target optimization process

根據聯合仿真結果，將最優解輸入Cruise模型，對優化前后結果進行對比分析。優化前后結果如表5 所示。NEDC 工況下百公里電耗下降0.28 kW·h/100 km，經濟性能提升0.7%，0～69 km/h 的加速時間下降了0.12 s，動力性能提升了0.5%。

表5 優化前后車輛性能指標對比Tab.5 Comparison of vehicle performance indexes before and after optimization

3 結論

本文使用AVL-Cruise 搭建了某公司的一款純電動城市客車模型，并通過理論計算對車輛動力傳動系各部件合理選型，進行動力性及經濟性的模擬仿真，并且通過Cruise 與Isight 聯合仿真優化了傳動比，提升了車輛性能，驗證參數匹配設計方案的有效性，符合車輛設計的性能指標。仿真參數對于結構設計優化和整車整備質量降重有著較為準確的參考作用。