并聯混合動力汽車能量管理系統的仿真研究

歐陽壯，張 瑞，朱天軍

(1.廣東省肇慶市質量計量監督檢測所，廣東 肇慶 526070；2.河北工程大學 機械與裝備工程學院，河北 邯鄲 056107；3.肇慶學院 機械與汽車工程學院，廣東 肇慶 526061)

0 引言

隨著時代的發展，汽車已經成為了我們日常生活中不可或缺的一部分，同時汽車的發展也成為了時代發展的重要內容之一。由于石油等不可再生資源的過度挖掘、損耗，汽車燃料的使用迎來了新的挑戰，傳統的燃油汽車已不符合時代發展的需要。由于純電動汽車具有清潔、無污染的優勢，所以快速發展起來。目前純電動汽車存在續航里程短、電池使用年限短的不足，使其很難被大眾所接受。混合動力汽車結合了傳統燃油汽車和純電動汽車的優勢，它的出現不僅實現了汽車在不同能源之間的混合利用，而且降低了傳統汽車能源的使用，也改變了其驅動結構和方式，進一步促使混合動力汽車成為未來汽車研發的首選方案之一[1]。

對于混合動力汽車來說，它的能量管理系統是使其運行的關鍵技術。對保證混合動力汽車是否有較好的燃油經濟性、綜合排放性能以及汽車動力性能均有影響[2]。混合動力汽車能量管理系統的主要目的是滿足汽車駕駛員對牽引功率的需求,維持蓄電池充電并優化傳動系效率、油耗和排放[3-4]。

混合動力汽車能量管理系統的仿真研究，可以完善能量管理策略。在滿足汽車行駛工況下所需各方面動力性能要求的同時，讓車輛可以實現發動機、電機以及動力電池等部件輸出功率的最優分配，使能量利用率達到最高，進而提升車輛的燃油經濟性和排放性能[5-6]。Ramadan等人提出一種基于GPS(global positioning system)/規則的混合方法，并結合PNs(petri nets)一起使用，以減少駕駛行程中的燃油消耗。這種策略是基于以往行程中記錄的GPS數據和電池的最終充電容量而開發的[7]。Rezaei等人在等效能耗最小化策略的基礎上，提出一種新型的并聯式混合動力汽車實時能量管理策略即ECMS-CESO(equivalent consumption minimization strategy-catch energy saving opportunities)。研究表明，與瞬時自適應等效能耗策略相比，燃油經濟性提高了7%[8]。Han等人提出一種新型基于能量預測的并聯式混合動力汽車能源管理策略(ECMS-EP，equivalent consumption minimization strategy-energy prediction)。通過Matlab/Simulink在3種不同的預測時域下進行仿真，驗證了所提出的自適應規則ECMS-EP的性能。研究顯示，與傳統的自適應ECMS(equivalent consumption minimization strategy)相比，所提出的策略能實現更穩定的SOC(state of charge)，燃油經濟性由2.7%提升至7%[9]。Des Buttes等人為了檢驗并聯混合動力汽車的規定污染物排放量和混合動力傳動系統效率之間的關系。引入排放、廢氣溫度、催化劑傳熱和效率的簡化模型，通過三維動態規劃和加權目標函數確定熱機和電機之間功率請求的最優分配。在不同的工況下進行對比，得出在最佳扭矩狀態下污染物排放減少了8%～33%[10]。Hmidi等人通過能量管理策略優化對車輛最佳運行的參數化研究。提出基于規則的能量管理策略，使用基于灰狼優化算法對規則進行優化。模擬結果推斷出最佳能量管理策略對燃油消耗和CO2排放的影響[11]。

為了進一步提升基于規則的邏輯門限管理策略的性能，以傳統的并聯式混合動力汽車為模型。首先通過使用Matlab/Simulink和ADVISOR軟件進行仿真試驗。其次利用參數優化的方法對控制策略中的門限參數進行優化。最后對比門限參數優化前后汽車在不同循環工況下的燃油經濟性和排放性能的變化，進而得出所提優化方法對汽車性能的影響。

1 并聯式混合動力汽車的結構及工作方式

1.1 并聯式混合動力汽車

并聯式混合動力汽車的結構形式如圖1所示，發動機和電動機與驅動橋之間的是通過變速裝置同時連接的[12]。二者共同為驅動軸提供動力，同時也可以作為單一的動力源為車輛提供動力。例如在小載荷路面上行駛而驅動部分處于低轉速區時，可以讓發動機與離合器分離或者關閉發動機，僅依靠電動機讓汽車正常行駛；也可以增加發動機的工作負荷讓電動機成為發電機為電池提供電能，此時發動機既是汽車的驅動源也是電池的電力來源。這種結構形式的汽車在穩定的高速行駛中，發動機處于滿負荷(中等轉速)的工作狀態，具有較高的工作效率以及質量比，所以在高速公路上行駛時具有很好的燃油經濟性。目前這種結構形式常用于小型乘用車。

圖1 并聯式混合動力汽車結構組成

1.2 并聯式混合動力汽車的工作方式

混合動力汽車有兩個驅動部件，分別是發動機和電動機，而在并聯式混合動力汽車中兩者以并聯的方式結合在一起共同為汽車提供驅動力。并聯結構下，這兩個部件都是動力總成，它們之間的功率是可以相互疊加的，發動機功率和電動機功率為汽車所需最大驅動功率的0.5～1之間。故可以利用小功率的電動機或者發電機和發動機讓整個動力系統的質量、裝配尺寸都會有所減小，所以并聯式混合動力系統常用于小型乘用車[13]。

在并聯混合動力汽車行駛過程中，汽車的動力來源可以是發動機或電動機與電池組，也可以是由二者共同工作提供動力。此時，發動機和電動機產生的動力通過機械耦合裝置之后產生更大的扭矩和驅動力，發動機可以為電池組提供能量，使其處于最佳的工作狀態[14]。

2 并聯式混合動力汽車的能量管理策略

混合動力汽車的能量管理系統對保證其是否具有較好的燃油經濟性、動力性以及排放性都有重大影響，是混合動力汽車發展過程中不可或缺的一步。對于同一種并聯式混合動力汽車來說，選擇不同的能量管理策略會得到不同的燃油消耗、電池SOC值和排放數據[15-16]。目前主要研究的并聯式混合動力汽車的能量管理策略主要包括：基于規則的邏輯門限控制策略、瞬時優化能量管理策略、全局最優能量管理策略以及模糊能量管理策略4種能量管理策略[17]。

2.1 基于規則的邏輯門限控制策略

基于規則的邏輯門限控制策略是通過設置動力電池SOC值最大值(最小值)、汽車行駛車速以及發動機工作轉速等一組門限參數來限定動力系統各部件所處的工作范圍。該種策略根據預設規則判斷和選擇動力總成的工作模式。同時，根據動力源的穩態效率圖確定如何在發動機和電機之間分配功率以減少油耗和排放。

由于這種策略主要依靠前面累計的工程經驗來設置門限參數，這樣并不能保證并聯式混合動力汽車可以使燃油經濟性達到最優，且這些靜態的門限參數并不能適應工況的動態變化，無法使得整車系統處于最大效率狀態。吳劍提出一種基于動態邏輯門限方法的能量管理策略。通過基于車輛實時參數，設定一組可變的門限參數，實現了混合動力系統不同工作模式的切換，并確定了不同工作模式中動力系統主要部件的最佳工作曲線和合理控制發動機與電機之間的轉矩分配以及無級變速器的速比，進而提高車輛性能[18]。劉輝等人通過對基于動態邏輯門限參數進行調整，在發動機的最優工作曲線中引入功率分配因子，根據電池不同的SOC與需求轉矩的大小調整發動機和電機的運行方式，進而改變車輛的驅動模式提升燃油經濟性[19]。

這種能量管理策略相對于其他的能量管理策略較為簡單。在汽車實際行駛時，這種策略易于實現且具有良好的穩定性，所以被廣泛地應用于并聯式混合動力汽車。

2.2 瞬時優化控制策略

瞬時優化控制策略作為一種等效燃油消耗最小的控制策略，其應用效果也比較好。采用這種策略，可以對汽車的實際耗油量以及汽車的電機等效耗油量進行計算。根據計算結果選擇小的耗油量當作計算的工作點，進而實現發動機、電動機轉矩的合理分配。同時在汽車行駛中，無需事先輸入整個行駛工況的數據，僅通過汽車行駛工況的數據反饋就能對汽車進行瞬時地優化，進而提升汽車的性能。Kazemi等人提出一種基于駕駛條件預測的自適應等效能耗最小策略增強方法，利用車輛在預測時間范圍內的近似未來能量需求，更新等效因子的次優值。結果表明該方法在滿足充電可持續性的前提下降低了油耗[20]。劉西學采用改進的等效能耗最小策略對無級變速器(CVT, continuously variable transmission)的速比進行優化，將優化得到的CVT速比嵌套在基于規則的控制器中，形成基于ECMS和門限值相結合的控制策略。研究表明改進的策略不僅提升了燃油經濟性，也使SOC值穩定性更好[21]。

這種策略在實施過程中具有較為復雜的運算過程，且成本較高，因此難以在汽車上大范圍推廣使用。

2.3 全局最優能量管理策略

全局最優能量管理策略是一種以動態規劃為主要手段，能基于某種工況下對汽車實現全局優化。該種策略具有一定的研究價值，但是需要將循環工況作為計算的前提條件，具有一定的局限性。Yuan等人提出一種新分層能量管理策略。通過引入層次強化學習實現近似全局優化。利用采集的實際行駛工況對車速預測和所提出策略進行驗證。研究表明，所提策略能通過自學習適應駕駛類型的變化，與基于規則的策略相比，氫消耗量降低了6.14%，進而抑制燃料電池的老化[22]。Liu等人以等效因子為核心，研究等效油耗最小化策略的燃油經濟性效應。建立了蓄電池SOC、車輛加速度a和等效因子S的關系模型。采用遺傳算法對US06條件下的校正函數進行優化，以加速度a和電池SOC為自變量，得到了最佳等效因子圖，建立了改進的等效能耗管理全局優化最優等效因子。結果表明與傳統的等效能耗管理相比，即使SOC低于目標值，電池仍有正功率輸出，燃油經濟性提高1.88%，與基于規則的能量管理策略相比，燃油經濟性提高了10.17%[23]。

雖然這種策略能使得汽車達到一種全局最優的工作狀態，但是這種策略的實現設計計算復雜。在汽車研究設計的具體使用中，其通常需要通過與別的控制策略共同工作才能實現優化。由于目前對它的研究發展深度有限以及技術限制，全局優化的控制策略尚不能實現獨立的控制，只能作為當前汽車設計以及研究的參考對象。

2.4 模糊能量管理策略

模糊控制是一種基于模糊推理的非線性控制方法，可以簡化非線性時變系統的復雜控制問題。模糊控制器將輸入信號轉換為模糊變量，然后根據專家制定的推理機制，應用規則庫中的相關規則得出模糊結論，并進一步將其轉換為相應的精確變量，以協調車輛各部分的能量值，從而實現整車的最佳性能[24]。

由于傳統模糊能量管理策略存在自適應能力差、缺乏學習等問題，Zhang等人設計了一種基于行駛循環工況識別的混合動力汽車神經網絡模糊能量管理策略(NNF-EMS, neural network fuzzy-energy management strategy)。通過神經網絡樣本學習和特征參數分析方法實現行駛循環工況識別，將識別結果作為模糊控制的參考輸入，進而優化函數。結果表明所提策略能實現不同行駛工況下模糊隸屬度函數和模糊規則的自適應優化[25]。毛建中等人利用測試實驗數據所得出的發動機的工作效率圖制定了模糊控制規則，并將發動機的工作效率作為優化目標，采用蟻群算法對模糊控制策略中的隸屬度函數進行優化。研究表明優化后的策略提升了車輛的燃油經濟性和電池的使用年限[26]。何正偉等人根據模糊理論構建了復合電源的模糊控制能量管理策略，并利用ADVISOR軟件構建了帶有復合電源的汽車模型。研究顯示，應用所設計的模糊控制策略能夠提升的汽車的動力性[27]。

這種策略無需建立精準的系統模型，魯棒性強，具有適當的人工推理能力，計算速度快，只需用一種便于設計而且易于理解的方式就可以達到目標的控制效果，可以基于嵌入式系統在線應用。但是因為模糊控制主要是依賴人的經驗這種主觀性強的方法來實現的控制。同時這種策略無法使汽車實現全局最優。為了獲得更好的控制效果，需要采用優化算法對模糊控制的參數進行優化。常用的優化算法有遺傳算法和粒子群優化算法。在并聯式混合動力汽車的能量管理中，模糊控制仍處于一個不斷完善的時期，需要不斷地優化改進。

通過綜合比較不同能量管理策略的優缺點以及復雜程度，最后選取基于規則的邏輯門限策略為本文的仿真研究對象。

3 并聯式混合動力汽車能量管理系統仿真及分析

ADVISOR軟件是以 Matlab/Simulink環境為開發基礎，包含多種汽車模型的高級車輛仿真軟件[28]。該軟件不僅具有完整的圖形功能,還具有數值計算高效和語法結構簡單兩個優點。本文選用的大部分模型均是由研究人員已經搭建好的，節省了各部件以及整車模型參數選取的時間，也極大降低了仿真的難度。

3.1 汽車整體參數以及模型選擇

通過比較所選模型為傳統并聯式混合動力汽車模型PARALLEL_defaults_in，具體參數如圖2所示。

圖2 ADVISOR 車輛參數定義

3.2 仿真工況選擇

由于并聯式結構多用于小型混合動力汽車上，該類型的車輛更多行駛于城市道路或者市郊道路上，因此所選取的仿真工況為循環工況。循環工況是我國常用于整車測試ECE_EUDC(economic commission for europe_extra urban driving cycle)工況(該工況由兩個工況組合而成，分別是城市道路行駛工況ECE(economic commission for europe)和市郊行駛工況EUDC(extra urban driving cycle))，為了使仿真數據更加貼近實際情況，另外選用同一種車型在美國的UDDS(urban dynamometer driving schedule)城市循環工況進行仿真研究，各循環工況分別進行10次試驗[29]。以下圖3與圖4為以上兩種循環工況的具體參數。

圖3 ECE_ECDU循環工況參數

圖4 UDDS循環工況參數

3.3 循環工況仿真

根據選取的并聯式混合動力汽車傳統能量管理策略——基于規則的邏輯門限策略應用于并聯式混合動力汽車車型上進行ECE_EUDC循環工況以及UDDS循環工況仿真，以下為各循環工況下的仿真結果。

3.3.1 基于ECE_EUDC循環工況下的仿真結果

圖5所示的仿真結果可以看出選用基于規則的邏輯門限策略的并聯混合動力汽車在ECE_EUDC循環工況下的百公里燃油消耗量為7 L/100 km，0～96.6 km/h的加速時間為9 s，64.4～96.6 km/h的加速時間為4.5 s，0～137 km/h的加速時間為18.4 s，最大的加速度可以達到5 m/s2，最高車速可達191.4 km/h，時速24.1 km/h下最大爬坡度可達26.4%，行駛過程中所排放的HC有0.136 grams/km，CO為0.907 grams/km，NOx為0.152 grams/km。

圖5 ECDU循環工況仿真結果

圖6所示的仿真結果可以看出選用基于規則的邏輯門限策略的并聯混合動力汽車ECE_EUDC循環工況下，行駛過程中的速度變化穩定，電池的SOC值初始值為0.7，隨著時間的變化而降低最終穩定在了0.6左右，直至工況行駛結束。從排放曲線圖可以看出發動機在循環工況中是一直處于工作狀態的，其排放量除了汽車剛起步時所需發動機提供較高的轉矩所導致的排放量較多外，在后續汽車持續行駛過程中各污染物(CO、HC、NOx)排放量均較小(0.02以下)。

圖6 ECE_ECDU 循環工況仿真結果

3.3.2 基于UDDS循環工況下的仿真結果

利用相同車型以及控制策略，在UDDS循環工況下進行仿真，仿真結果如圖7和圖8所示。由于圖示結果與ECE_EUDC僅是數據不相同，增加本工況的仿真僅為仿真結果提供驗證的對比數據，故不再對其進行詳細說明，相關數據將會在后文中綜合整理分析，以下僅為結果的展示。

圖7 UDDS循環工況仿真結果

圖8 UDDS循環工況仿真結果

3.4 能量管理策略優化

由基于規則的邏輯門限能量管理策略工作原理可知，通過對門限參數修改可以對策略進行優化，使車輛獲得更好的動力性能，同時還能減少排放。由圖9得知控制策略的優化可以通過對其設置一定的約束、所預期的目標值以及參數選用范圍讓其不斷仿真測試，進而找出最優的參數。

圖9 控制策略優化界面

在ADVISOR中可以利用基于MATLAB和基于VisualDOC兩種方式對控制策略進行優化。研究選用基于MATLAB的方式對控制策略進行優化，但是基于MATLAB的方式不能對電池的SOC值進行優化只能對3種門限參數基于某種工況進行仿真測試。因此研究選取以下3種門限參數作為優化對象：發動機充電轉矩：cs_charge_trq、發動機的最小轉矩系數：cs_min_trq_frac、發動機關閉轉矩：cs_off_trq_frac。

通過給定的約束、所預期的目標值以及參數選用范圍，如圖10、11和12所示，ADVISOR利用MATLAB不斷對在設定范圍內的門限參數進行逐一測試運算，達不到目標值的取值將被舍棄，最終得出最優的參數組如圖13所示。

圖10 發動機充電轉矩參數取點最優貼近過程

圖11 發動機最小轉矩系數參數取點最優貼近過程

圖12 發動機關閉轉矩系數參數取點最優貼近過程

圖13 參數優化結果

3.5 策略優化后仿真結果以及優化前后對比

將優化后的能量管理策略參數取值輸入到原來的車輛模型中，然后按照優化前的仿真過程以及相應條件對其分別進行ECE_EUDC以及UDDS循環工況仿真，其結果如圖14和圖15所示。將優化后各工況的仿真結果與未優化的仿真結果進行匯總，得到了表1與表2。

圖14 優化后UDDS工況下的仿真結果

圖15 優化后ECE_EUDC工況下的仿真結果

表1 汽車燃油消耗量及動力性能參數

表2 汽車尾氣排放物含量(單位grams/km)

表1為并聯混合動力汽車模型在仿真工況下的燃油消耗量和動力性能參數表，通過表1中的數據可以得出對控制策略的門限參數經過優化后，在UDDS工況中每百公里燃油消耗量減少了8.45%，在ECE_EUDC工況中每百公里燃油消耗量減少了10%，表明汽車的燃油經濟性提升了。但是其他有關動力性能的數據并沒有變化，表明汽車的動力性并沒有任何改變。表2為并聯混合動力汽車模型在仿真工況下的尾氣中有害物含量，通過表2中的數據可以得出，門限參數經過優化后，在UDDS工況中汽車尾氣中的有害物HC、CO和NOX含量分別減少了5.8%、11.54%、7.51%，在ECE_EUDC工況中汽車尾氣中的有害物HC、CO和NOX含量分別減少了5.88%、12.24%、8.55%，表明汽車的排放性能有所提升。圖16為UDDS和ECE_EUDC循環工況經過優化后各參數的下降百分比。

圖16 優化后汽車各參數下降百分比

4 結束語

隨著石油能源的日益減少和污染物排放法規的逐年嚴格，混合動力汽車已成為國內外新能源汽車行業的研究熱點。本文對基于規則的邏輯門限策略的并聯式混合動力汽車進行了仿真分析。主要在ECE_EUDC以及UDDS循環工況下的進行仿真研究。采用參數優化的方法對基于規則的邏輯門限控制策略的參數進行優化。分析了策略參數優化前后的仿真結果，研究表明優化后的策略相較于優化前的策略汽車在ECE_EUDC和UDDS循環工況中的每百公里油耗分別降低了8.45%和10%，尾氣排放物HC、CO和NOX含量分別減少了5.88%和5.8%、12.24%和11.54%、8.55%和7.51%。雖然控制策略參數的優化提高汽車的燃油經濟性和排放性能，但是受限于所提優化方法無法把所有的門限參數聯系到一起進行綜合測試優化，導致無法實現整車全部性能的優化，下一步可以將所涉及的門限參數整合優化，以提升整車性能。