程 飛， 趙 韓， 尹安東， 王若飛

（1.合肥工業(yè)大學(xué) 機(jī)械與汽車工程學(xué)院，安徽 合肥 230009；2.奇瑞新能源汽車技術(shù)有限公司，安徽 蕪湖 241002）

近年來，插電式混合動力汽車（plug－in hybrid electric vehicle，PHEV）因可以使用外接電網(wǎng)充電、純電動行駛里程長、節(jié)油率高，成為許多國家新一代電動汽車發(fā)展規(guī)劃中實(shí)現(xiàn)車輛節(jié)能減排的重要技術(shù)途徑之一［1］。從當(dāng)前國內(nèi)外的混合動力汽車研究發(fā)展現(xiàn)狀來看，PHEV的研發(fā)在國內(nèi)外剛剛起步，差距不大。日本、美國、德國、法國等國家的車企已經(jīng)推出了自己的PHEV。在基礎(chǔ)設(shè)施及電池技術(shù)還沒有完全解決的前提下，國內(nèi)各大汽車廠商把PHEV作為一個(gè)重點(diǎn)研究方向，上汽、一汽、長安等公司都在研發(fā)自己的PHEV，并且一些車型已經(jīng)上市。PHEV屬于混合動力汽車（HEV）范疇，但又區(qū)別于傳統(tǒng)HEV，它不但具有傳統(tǒng)HEV汽車的優(yōu)點(diǎn)，而且可以通過外部電網(wǎng)對動力電池進(jìn)行充電，進(jìn)一步降低了對燃油的依賴，經(jīng)濟(jì)性更好。然而，由于動力總成結(jié)構(gòu)以及工作模式的復(fù)雜性，PHEV需要一套嚴(yán)密的控制策略以解決汽車行駛中如何根據(jù)行駛工況的不同來完成不同動力源之間的能量分配問題，保證各動力元件在最佳工作區(qū)域工作，提高整車的經(jīng)濟(jì)性和排放性［2］。由于模糊控制更接近人的思維方式，具有構(gòu)造方便、良好的魯棒性、適應(yīng)性強(qiáng)以及對參數(shù)不敏感等優(yōu)點(diǎn)，適合作為PHEV的控制策略［3］。

1 PHEV的工作模式

PHEV的能量管理策略不同于傳統(tǒng)混合動力汽車，需要尋求一種適合PHEV的能量管理策略以充分發(fā)揮其節(jié)省燃油和降低排放的優(yōu)勢。由于PHEV可以外接電源，具有較長的純電動行駛里程，這決定了PHEV與普通混合動力汽車在工作模式上的不同。PHEV動力電池的工作模式主要包括電量消耗（CD）模式以及電量維持（CS）模式［4］。電量消耗模式又可分為純電動模式和混合動力模式。其中，在混合動力模式中，考慮到PHEV動力電池容量較大的特點(diǎn)，一般會選擇電機(jī)為主導(dǎo)的控制策略［5］，此時(shí)，電機(jī)提供整車需求功率的主要部分，不足的部分由發(fā)動機(jī)提供。在電量維持模式中，PHEV的工作模式和控制策略與傳統(tǒng)混合動力汽車相似，電機(jī)和發(fā)動機(jī)聯(lián)合工作，使SOC保持在某一水平上，此時(shí)，發(fā)動機(jī)作為主要動力源，電機(jī)作為輔助動力源。同時(shí)為了防止動力電池過度放電，當(dāng)SOC低于某一規(guī)定的值（最低門限值）時(shí)，發(fā)動機(jī)在滿足整車所需功率的同時(shí)又要為動力電池充電。

2 模糊控制策略

2.1 模糊控制策略的基本原理

模糊控制策略的目標(biāo)是在滿足整車動力性能的前提下，在2種車載動力源（內(nèi)燃機(jī)和電動機(jī)）的工作模式可隨時(shí)改變的情況下，協(xié)調(diào)發(fā)動機(jī)和電動機(jī)之間的能量分配，從而提高整車的經(jīng)濟(jì)性和排放性能?；赑HEV具有較大動力電池容量的特點(diǎn)，控制策略的設(shè)計(jì)應(yīng)保證汽車以消耗動力電池電能為主、燃油為輔，使整車燃油經(jīng)濟(jì)性達(dá)到最優(yōu)，并且使發(fā)動機(jī)工作在高效低排放區(qū)。同時(shí)，為了兼顧動力電池的放電效率并延長使用壽命，要求動力電池的SOC在高效區(qū)域內(nèi)工作?？紤]到驅(qū)動電機(jī)本身效率較高，高效率區(qū)域分布較廣，因此模糊控制策略的重點(diǎn)是優(yōu)化發(fā)動機(jī)的性能，即盡可能維持發(fā)動機(jī)在最優(yōu)曲線上運(yùn)行［6］。

由于模糊控制策略的設(shè)計(jì)不依賴于被控對象的精確數(shù)學(xué)模型，而依賴于控制專家或操作者的經(jīng)驗(yàn)知識［7］，因此不同的設(shè)計(jì)人員依據(jù)不同的經(jīng)驗(yàn)、角度可制定出不同的策略，豐富的經(jīng)驗(yàn)是決定制定的模糊控制策略優(yōu)劣的主要因素。

假設(shè)PHEV在2次充電之間的行駛里程已知，那么希望在汽車行駛至里程的終點(diǎn)時(shí)，動力電池的SOC能夠剛好降到最低門限值，即汽車工作在電量消耗模式，進(jìn)而充分發(fā)揮PHEV較大電池容量的優(yōu)勢，同時(shí)又希望發(fā)動機(jī)能夠保持在高效區(qū)域內(nèi)工作，提高整車的燃油經(jīng)濟(jì)性和排放性能；如果由于特殊情況使得汽車的行駛里程超出了這個(gè)“已知”的行程（本文稱為“預(yù)設(shè)行程”），那么希望整車SOC能夠保持在這個(gè)最低的門限值附近波動，即汽車工作在電量維持模式。隨著GPS和現(xiàn)代交通技術(shù)應(yīng)用的日益廣泛，只要在導(dǎo)航儀中輸入行車目的地，行車路徑和行程也就確定下來了，使得以上這種假設(shè)成為可能，所以本文將出行工況的行駛里程作為模糊控制策略的重要因素之一。理論SOC參考軌跡如圖1所示，將汽車出發(fā)時(shí)最高的SOC和行車終點(diǎn)時(shí)SOC最低門限值用直線相連，由于該直線非常吻合基于動態(tài)規(guī)劃的全局優(yōu)化控制方法仿真時(shí)動力電池SOC的變化軌跡［8］，因此本文將這條線段稱為理論SOC參考軌跡。

圖1 理論SOC參考軌跡

根據(jù)這條理論參考軌跡，可依據(jù)（1）式計(jì)算汽車行駛至每個(gè)位置S處的SOC參考值SOCref（S）為：

其中，SOChi為汽車行駛起始時(shí)刻SOC參考值；SOClo為汽車行駛至預(yù)設(shè)行程終點(diǎn)時(shí)刻的SOC門限值；Xset為設(shè)定的總的行駛里程（預(yù)設(shè)行程）；X（S）為已行駛的里程。

模糊控制策略的目標(biāo)是當(dāng)PHEV工作在電量消耗模式時(shí)，動力電池SOC能夠盡可能地沿著理論SOC參考軌跡附近波動。ΔSOC的計(jì)算如圖2所示，為了便于反應(yīng)實(shí)際SOC對理論SOC參考軌跡的逼近程度，將汽車當(dāng)前時(shí)刻下的SOC與汽車在下一位置時(shí)的SOC參考值SOCref（Sk＋1）的差值ΔSOC作為模糊控制器的輸入變量之一［9］，即

其中，SOC（Sk）為當(dāng)前時(shí)刻的SOC值。

圖2 SOC的計(jì)算

選取汽車當(dāng)前時(shí)刻的SOC作為模糊控制器的1個(gè)輸入變量，再選取當(dāng)前時(shí)刻汽車需求轉(zhuǎn)矩Treq與發(fā)動機(jī)在當(dāng)前轉(zhuǎn)速下的最大輸出轉(zhuǎn)矩Tmax的比值K作為模糊控制器的輸入變量，即

模糊控制器的輸出變量為發(fā)動機(jī)當(dāng)前時(shí)刻輸出的目標(biāo)轉(zhuǎn)矩Teng與Tmax的比值Q，即

模糊控制策略的工作原理如圖3所示，模糊邏輯控制器通過每一時(shí)刻輸入值（K、SOC、ΔSOC）基于模糊控制器內(nèi)部的推理機(jī)制得到唯一的模糊輸出Q，將Q與發(fā)動機(jī)當(dāng)前轉(zhuǎn)速下的最大轉(zhuǎn)矩Tmax相乘的結(jié)果作為發(fā)動機(jī)承擔(dān)的轉(zhuǎn)矩，由于整車所需轉(zhuǎn)矩是在發(fā)動機(jī)和電機(jī)之間分配，因此，電機(jī)承擔(dān)的轉(zhuǎn)矩等于整車需求轉(zhuǎn)矩減去發(fā)動機(jī)承擔(dān)的轉(zhuǎn)矩。

圖3 模糊控制策略的工作原理

2.2 模糊控制器的設(shè)計(jì)

模糊邏輯控制屬于智能型控制方法，其核心是模糊控制器，由規(guī)則庫、推理機(jī)制、模糊化接口和去模糊化接口組成［10］。本文的模糊控制器是在Matlab／Simulink軟件的模糊邏輯工具箱（Fuzzy Logic Toolbox）中進(jìn)行設(shè)計(jì)的，能夠方便地嵌入到ADVISOR控制策略模塊中進(jìn)行仿真分析，它含有3個(gè)輸入變量和1個(gè)輸出變量。K的模糊集合為｛VL，L，M，H，VH｝，依次代表很低、低、適中、高、很高；SOC的模糊集合為｛VL，L，M，H｝，依次代表很低、低、適中、高；ΔSOC的模糊集合為｛NB，NS，ZE，PS，PB｝，依次代表負(fù)大、負(fù)小、0、正小、正大；輸出Q的模糊集合為｛ZE，L，M，B，VB｝，依次代表0、小、適中、大、很大。輸入與輸出的論域及隸屬度函數(shù)如圖4所示。

圖4 輸入、輸出變量的隸屬度函數(shù)

模糊控制規(guī)則是整個(gè)模糊邏輯控制器的核心，建立在對被控對象物理特性的理解和關(guān)于控制的直覺及經(jīng)驗(yàn)的基礎(chǔ)上，每一條規(guī)則必須準(zhǔn)確且能反映設(shè)計(jì)者的控制意圖［11］。本文的模糊控制規(guī)則見表1所列，采用“IF－THEN”的模糊推理規(guī)則。

表1 模糊控制規(guī)則表

在模糊推理過程中，模糊控制器的推理采用Mamdani方法，去模糊化采用重心法。該模糊規(guī)則的設(shè)計(jì)建立在經(jīng)驗(yàn)總結(jié)的基礎(chǔ)上，考慮了如下幾點(diǎn)：

（1）當(dāng)整車SOC偏高時(shí)，整車工作在電量消耗模式，保證動力電池SOC能夠沿著理論SOC參考軌跡線附近波動并逐步穩(wěn)定降低，若此時(shí)整車需求轉(zhuǎn)矩較小（K值較?。瑧?yīng)保證整車工作在純電動模式，車輛行駛所需的轉(zhuǎn)矩由驅(qū)動電機(jī)單獨(dú)提供；若整車需求轉(zhuǎn)矩較大（K值較大），參考ΔSOC大小調(diào)整發(fā)動機(jī)工作在高效率區(qū)域，此時(shí)由內(nèi)燃機(jī)單獨(dú)驅(qū)動或由內(nèi)燃機(jī)和驅(qū)動電機(jī)聯(lián)合驅(qū)動。

（2）當(dāng)整車SOC降低至最低的門限值（SOClo）附近時(shí)，整車工作在電量維持模式，內(nèi)燃機(jī)提供整車驅(qū)動所需功率的主要部分，并提供額外的功率為動力電池充電，保證整車SOC在門限值附近波動，驅(qū)動電機(jī)提供輔助動力。此時(shí)，ΔSOC對整車能量分配控制策略的影響程度被相對削弱。

（3）為了進(jìn)一步保證內(nèi)燃機(jī)工作在高效區(qū)域，需保證模糊輸出Q不會出現(xiàn)在較小區(qū)間（0～0.3）內(nèi)，當(dāng)整車所需的功率對內(nèi)燃機(jī)的需求非常小時(shí)，強(qiáng)制控制Q為0，使整車工作在純電動模式。

3 模糊控制策略的仿真與分析

3.1 模糊控制策略的仿真

為了驗(yàn)證該模糊控制策略的有效性，本文基于電動汽車仿真軟件ADVISOR2002，重新搭建了PHEV的仿真模型，并將已設(shè)計(jì)好的模糊邏輯控制策略嵌入到模型中進(jìn)行仿真分析。首先，為了驗(yàn)證該模糊控制策略在燃油經(jīng)濟(jì)性以及排放性能上的表現(xiàn)，將模糊控制策略與基于邏輯門限值的電輔助控制策略在不同工況下的燃油經(jīng)濟(jì)性和排放性進(jìn)行比較，所選擇的工況模型為具有代表性的美國環(huán)保署EPA制定的城市道路工況UDDS和歐洲城市道路工況NEDC；其次，為了驗(yàn)證該模糊控制策略在不同預(yù)設(shè)行程下動力電池SOC軌跡曲線以及燃油經(jīng)濟(jì)性變化趨勢，設(shè)計(jì)了汽車在 UDDS－n（n＝2，4，6，8，10）工況下的仿真，其中UDDS－10為正確預(yù)測預(yù)設(shè)行程下的汽車行駛工況。汽車主要部件的仿真參數(shù)見表2所列。

表2 主要部件的仿真參數(shù)

3.2 仿真結(jié)果與分析

模糊控制策略和電輔助控制策略在UDDS－10、NEDC－10循環(huán)工況下的燃油經(jīng)濟(jì)性和排放性能對比見表3所列，其中，在模糊控制策略中取動力電池初始SOChi＝1，最低門限值SOClo＝0.3。仿真結(jié)果表明，該模糊控制策略能夠在滿足汽車動力性的前提下，有效提高燃油經(jīng)濟(jì)性并減少了汽車尾氣的排放，2種工況下燃油經(jīng)濟(jì)性與電輔助控制策略相比分別提高11.44%、12.63%，并且排放性能也有較好的提升。

表3 燃油經(jīng)濟(jì)性和排放性能對比

UDDS－10工況下2種控制策略的發(fā)動機(jī)工作點(diǎn)對比如圖5所示。從圖5可以看出，模糊控制策略中發(fā)動機(jī)工作點(diǎn)主要分布在較低燃油消耗率的高效區(qū)，而電輔助控制策略中發(fā)動機(jī)工作點(diǎn)分布較廣，有大量工作點(diǎn)分布在高燃油消耗率的低效區(qū)，從而說明該模糊控制策略能夠有效地控制發(fā)動機(jī)在低燃油消耗率曲線上運(yùn)行，提高燃油經(jīng)濟(jì)性和排放性能。

圖5 UDDS－10工況下2種控制策略發(fā)動機(jī)的工作點(diǎn)

UDDS－10工況下2種控制策略動力電池SOC變化軌跡曲線，如圖6所示。其中線段a為理論SOC參考軌跡，曲線b、c分別為模糊控制策略和電輔助控制策略下動力電池SOC變化軌跡。由圖6可以看出，相比于電輔助控制策略，該模糊控制策略能夠使動力電池SOC沿著理論SOC參考軌跡附近波動并平穩(wěn)降低至設(shè)定的最低門限值0.3附近，發(fā)揮了PHEV較大的動力電池容量的優(yōu)勢，從而提高了整車經(jīng)濟(jì)性。

圖6 UDDS－10工況下2種控制策略SOC變化軌跡

當(dāng)出行時(shí)汽車的實(shí)際行程超過預(yù)設(shè)行程時(shí)，根據(jù)模糊控制策略的設(shè)計(jì)思想，動力電池SOC會沿著理論SOC參考軌跡下降至最低門限值，余下的行程汽車會進(jìn)入電量保持階段，此時(shí)，發(fā)動機(jī)工作在高效區(qū)，為整車提供所需功率的主要部分并將多余的功率為動力電池充電，使動力電池SOC維持在最低門限值附近波動。如圖7所示為不同預(yù)設(shè)行程下的動力電池SOC變化軌跡，其中曲線a、b、c、d分別代表預(yù)設(shè)行程 UDDS－2、UDDS－4、UDDS－6、UDDS－8工況，用來模擬實(shí)際行程大于預(yù)設(shè)行程的工況，e為能夠正確預(yù)測預(yù)設(shè)行程的UDDS－10工況。

圖7 不同預(yù)設(shè)行程下SOC變化軌跡對比

由圖7可以看出，不同的預(yù)設(shè)行程決定了初始時(shí)刻SOC下降的快慢程度，預(yù)設(shè)行程越短，SOC下降越快，當(dāng)SOC降至門限值時(shí)均會保持在門限值附近波動，從而保證了動力電池不會因過度放電而降低使用壽命。

不同預(yù)設(shè)行程下的燃油消耗情況見表4所列。其中燃油消耗增加率是各預(yù)設(shè)工況與UDDS－10工況相比增加的百分率。

分析表4中數(shù)據(jù)可知，當(dāng)實(shí)際行程大于預(yù)設(shè)行程時(shí)，燃油消耗會有所增加，并且兩者相差越大，燃油消耗增加得越多。

表4 不同預(yù)設(shè)行程時(shí)燃油消耗率對比

4 結(jié)束語

本文以PHEV為研究對象，以整車燃油經(jīng)濟(jì)性和排放性能為目標(biāo)，設(shè)計(jì)了一種需求轉(zhuǎn)矩在發(fā)動機(jī)和驅(qū)動電機(jī)之間合理分配的模糊邏輯控制策略，并利用ADVISOR2002軟件平臺對整車經(jīng)濟(jì)性和排放性能進(jìn)行了仿真和分析，本文的創(chuàng)新之處在于以理論SOC參考軌跡為控制策略的切入點(diǎn)，消耗動力電池的電能為主，燃油為輔，最大程度地發(fā)揮動力電池的存儲能量。

（1）本文設(shè)計(jì)的模糊控制策略能夠較好地根據(jù)不同行駛距離處的SOC參考值、動力電池荷電狀態(tài)以及需求轉(zhuǎn)矩實(shí)時(shí)調(diào)整發(fā)動機(jī)和電機(jī)之間的功率分配，優(yōu)化發(fā)動機(jī)性能，在 UDDS－10、NEDC－10 2種工況下燃油經(jīng)濟(jì)性與電輔助控制策略相比分別提高11.44%、12.63%，排放性能也有較好的提升。

（2）所設(shè)計(jì)的模糊控制策略能夠使動力電池SOC在理論SOC參考軌跡附近波動，并平穩(wěn)降至最低門限值附近，既保障了動力電池的使用壽命，又充分發(fā)揮了PHEV動力電池容量大的優(yōu)勢。

（3）當(dāng)實(shí)際行程超過預(yù)設(shè)行程時(shí)，隨著兩者偏差的增加，燃油消耗也會增加，正確地設(shè)置預(yù)設(shè)行程能夠有效地降低燃油消耗。

（4）由于PHEV系統(tǒng)的復(fù)雜性，本文設(shè)計(jì)的模糊控制策略并不能保證整車性能達(dá)到最優(yōu)，為了進(jìn)一步優(yōu)化仿真結(jié)果，在后續(xù)的研究中可通過融入更多的經(jīng)驗(yàn)或一些優(yōu)化算法如遺傳算法、神經(jīng)網(wǎng)絡(luò)等來完成控制策略的優(yōu)化設(shè)計(jì)，從而更好地優(yōu)化整車仿真性能。

［1］ 舒 紅，彭 大，袁月會，等.插電式并聯(lián)混合動力汽車動力傳動系統(tǒng)與控制參數(shù)匹配設(shè)計(jì)［J］.汽車工程學(xué)報(bào)，2012，2（2）：105－112.

［2］ 張丹紅，龔永剛.并聯(lián)混合動力汽車模糊控制能量管理策略研究［J］.武漢理工大學(xué)學(xué)報(bào)：信息與管理工程版，2012，34（1）：9－12.

［3］ 張兵戰(zhàn).插電式混合動力電動汽車能量管理策略研究［D］.合肥：合肥工業(yè)大學(xué)，2011.

［4］ 張愛國.插電式混合動力轎車動力總成參數(shù)匹配及控制策略研究［D］.廣州：華南理工大學(xué)，2011.

［5］ 譚德榮，孫靜霞，王興偉.基于 ADVISOR二次開發(fā)的Plug－in HEV模糊控制研究［J］.重慶交通大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，30（5）：1054－1058.

［6］ Zhu Fushun，He Hongwen，Lin Yi，et al.Study on fuzzy logic control strategy of ISG hybrid system［C］／／International Conference on Computer，Mechatronics，Control and Electronic Engineering.Beijing：IEEE，2010：519－522.

［7］ MATLAB技術(shù)聯(lián)盟，高 飛.MATLAB智能算法超級學(xué)習(xí)手冊［M］.北京：人民郵電出版社，2014：158.

［8］ 舒 紅，聶天雄，鄧麗君，等.插電式并聯(lián)混合動力汽車模型預(yù)測控制［J］.重慶大學(xué)學(xué)報(bào)：自然科學(xué)版，2011，34（5）：36－41.

［9］ 喬俊林.插電式并聯(lián)混合動力汽車模糊控制策略研究［D］.重慶：重慶大學(xué)，2012.

［10］ 尹安東，李領(lǐng)領(lǐng).基于CRUISE的輕度ISG型HEV控制策略研究［J］.合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2012，35（1）：5－8.

［11］ 趙 震，王 鐵.并聯(lián)混合動力汽車模糊控制策略設(shè)計(jì)與仿真［J］.北京汽車，2011（5）：18－21.