馬良君，楊觀賜

(貴州大學現(xiàn)代制造技術教育部重點實驗室，貴州貴陽550003)

?

并聯(lián)混合動力電動汽車電輔助控制策略仿真分析*

馬良君，楊觀賜

(貴州大學現(xiàn)代制造技術教育部重點實驗室，貴州貴陽550003)

摘要：以并聯(lián)式混合動力汽車為研究對象，分析了ADVISOR軟件中缺省的并聯(lián)混合動力電動汽車現(xiàn)有電輔助控制策略存在的問題，然后對其主要控制參數(shù)進行了修改，最后在ADVISOR軟件中進行仿真對比分析，仿真結(jié)果表明經(jīng)過修改后的控制策略，電機效率由原來的38%上升到43%，發(fā)動機效率由原來的22%上升到27%，系統(tǒng)整體效率由原來的10.3%上升到12.1%，綜合油耗由原來的5.8 L/100 km下降到4.9 L/100 km,整車的性能和燃油經(jīng)濟性都有了一定的提高。

關鍵詞:ADVISOR混合動力汽車電輔助控制策略仿真

0引言

節(jié)能和環(huán)保已成為當今世界的兩大主題，混合動力汽車由于其同時裝備兩種或兩種以上的動力源，利用內(nèi)燃機和電動機共同驅(qū)動車輪，既繼承了純電動汽車低排放的優(yōu)點，又發(fā)揚了傳統(tǒng)內(nèi)燃機汽車功率大、續(xù)航里程長的特性，能有效地提高燃油效率，成為解決當前環(huán)境污染和能源短缺等問題切實可行的方案[3,5]。

目前，國內(nèi)外應用于混合動力汽車的仿真軟件主要有：愛達荷州國家工程實驗室開發(fā)的SIMPLEV2.0、大氣環(huán)境有限公司開發(fā)的CarSim2.5.4、德克薩斯A&M大學開發(fā)的V-Elph、美國可再生能源國家實驗室開發(fā)的ADVISOR、美國Argonne國家實驗室開發(fā)的PAST，以及奧地利李斯特內(nèi)燃機及測試設備公司開發(fā)的CRUISE等[1]。ADVISOR由于其免費和源代碼完全開放等優(yōu)點，其用戶數(shù)量最多，目前國際上有許多企業(yè)和研究機構(gòu)都使用ADVISOR軟件來作為混合動力系統(tǒng)仿真工具，在混合動力汽車開發(fā)的過程中，通過借用仿真軟件來開展工作，可以減少實車的實驗時間，節(jié)省研發(fā)成本[2,7]。本文首先分析了ADVISOR軟件中缺省的并聯(lián)混合動力電動汽車現(xiàn)有的電輔助控制策略，然后通過修改電輔助控制策略對應的M文件，重新調(diào)整控制策略的參數(shù)設置，最后使用ADVISOR軟件完成仿真對比分析。

1并聯(lián)混合動力電動汽車電輔助控制策略分析

并聯(lián)混合動力電動汽車的電輔助控制策略是在對發(fā)動機的性能和各部件的效率進行分析的基礎上而提煉出來的，其設計思想是，減少傳統(tǒng)發(fā)動機的功率，避免“大馬拉小車”的現(xiàn)象，將電機作為靈活變化的被控部件，在混合動力汽車的行駛過程中，隨工況需求變化配合發(fā)動機進行電機實時調(diào)控，電機作為輔助驅(qū)動源對發(fā)動機的輸出轉(zhuǎn)矩起到“削峰填谷”的作用，從而使得動力總成能量輸出在滿足汽車動力學要求的同時，確保電池組SOC維持在合理的范圍內(nèi)，最終使整車獲得良好的燃油經(jīng)濟性和排放特性[9]。電機在以下情況下使用[10]：

1)當整車車速低于某一最小車速時，電機提供驅(qū)動轉(zhuǎn)矩驅(qū)動車輪。

2)當車輛需求的轉(zhuǎn)矩超過發(fā)動機運行速度下所能提供的最大轉(zhuǎn)矩時，由電機補償轉(zhuǎn)矩。

3)如果需求的發(fā)動機轉(zhuǎn)矩使得發(fā)動機處在低效率運行區(qū)時，發(fā)動機關閉，轉(zhuǎn)矩由電動機來提供。

4)當電池的SOC較低時，發(fā)動機提供一部分轉(zhuǎn)矩用來給電池充電。

5)制動時，回收制動能量，電機處于發(fā)電狀態(tài)給電池充電。

并聯(lián)混合動力電動汽車電輔助控制策略的主要控制參數(shù)如表1。

表1

變量含義原有控制策略參數(shù)默認值cs_hi_soc電池SOC最高期望值0.7cs_lo_soc電池SOC最低期望值0.6cs_electric_launch_spd_lo車輛純電動車速下限0cs_electric_launch_spd_hi車輛純電動車速上限0cs_off_trq_frac發(fā)動機關機轉(zhuǎn)矩系統(tǒng)0cs_min_trq_frac發(fā)動機最小轉(zhuǎn)矩系數(shù)0.4cs_charge_trq發(fā)動機充電轉(zhuǎn)矩0.25*min(fc_max_trq)

從表1中我們可以分析出ADVISOR軟件中缺省的并聯(lián)混合動力電動汽車的電輔助控制策略參數(shù)的默認值有不盡合理之處：

1)車輛純電動車速的上限參數(shù)cs_electric_launch_spd_hi的值為0，這意味著只有當整車車速為0時才能關閉發(fā)動機，發(fā)動機在整車速度需求較低的情況下還在運轉(zhuǎn)給整車提供轉(zhuǎn)矩，這時候發(fā)動機工作在低效率區(qū)，在整車需求速度較低的時候可以關閉發(fā)動機，防止發(fā)動機工作在低效率區(qū)而帶來的燃油效率不高的問題，所以可以適當提高變量cs_electric_launch_spd_hi的值。

2)發(fā)動機關機的轉(zhuǎn)矩系數(shù)cs_off_trq_frac為0，這說明關閉發(fā)動機所需的負荷率閾值較低，應該要適當提高變量cs_off_trq_frac的值，使得當發(fā)動機的負荷率大于設定的閾值時，電機不獨立工作。

3)當電池SOC小于下限時，使電機處于發(fā)電狀態(tài)所需的發(fā)動機負荷率閾值可以適當?shù)亟档?，因而可以減少發(fā)動機最小轉(zhuǎn)矩系數(shù)cs_min_trq_frac參數(shù)的值，這樣做可以給電池增加更多的充電機會。

2電輔助控制策略參數(shù)的調(diào)整及仿真對比分析

2.1電輔助控制策略參數(shù)的調(diào)整

ADVISOR中缺省的并聯(lián)混合動力電動汽車電輔助控制策略模塊對應的M文件為“/ADVISOR2002/data/control”文件夾中的PTC_PAR.m,本文在其已有的控制策略的基礎上修改其控制參數(shù)：

1)將電池SOC的最高期望值cs_hi_soc由原來的0.7修改成為0.8，當車輛在高速行駛的時候，適當提高cs_hi_soc的值可以降低車輛的燃油消耗率[4]。

2)將車輛純電動車速上限由原來的0 m/s修改成為3 m/s，當車速低于3 m/s時，發(fā)動機將關閉，由電機單獨給車輪提供轉(zhuǎn)矩。

3)將發(fā)動機關機的轉(zhuǎn)矩系數(shù)cs_off_trq_frac由原來的0修改成0.3，發(fā)動機負荷率大于0.3時，電機不獨立工作。

4)將發(fā)動機最小轉(zhuǎn)矩系數(shù)cs_min_trq_frac由原來的0.4調(diào)整為0.2，以增加給電池充電的機會。

2.2仿真結(jié)果對比分析

本文重點分析電輔助控制策略的參數(shù)調(diào)整后對電機和發(fā)動機的效率和系統(tǒng)的總體效率以及綜合油耗的影響，進行仿真分析的車型為ADVISOR中缺省的并聯(lián)混合動力電動汽車PARALLEL_defaults_in，仿真所采用的工況為UDDS市區(qū)循環(huán)工況，仿真結(jié)果如圖1、圖2。

如圖1和圖2所示，在控制策略參數(shù)調(diào)整前電機的工作效率主要分布在[0,0.7]區(qū)間內(nèi)，而在控制策略參數(shù)調(diào)整之后電機的工作效率主要分布在[0.1,0.8]之間，電機的工作效率相比之前有了一定的提高。

如圖3和圖4所示，在控制策略參數(shù)調(diào)整前發(fā)動機的大部分工作點分布在低效率區(qū)，而控制策略參數(shù)調(diào)整后發(fā)動機有相當一部分工作點分布在高效率區(qū)，這表明控制策略的參數(shù)經(jīng)過調(diào)整后，發(fā)動機的工作點更加的理想。

如圖5和圖6，在控制策略參數(shù)調(diào)整前發(fā)動機工作效率分布在[0,0.35]區(qū)間內(nèi)，而控制策略參數(shù)調(diào)整后發(fā)動機工作效率主要分布在[0.15,0.35]區(qū)間內(nèi)，這表明控制策略的參數(shù)經(jīng)過調(diào)整后發(fā)動機的燃油轉(zhuǎn)化效率有了提高，有利于提高燃油經(jīng)濟性。

如圖7和圖8，在控制策略參數(shù)調(diào)整前整車綜合油耗Fuel Consumption 為5.8 L/100 km,而控制策略參數(shù)調(diào)整后整車綜合油耗下降至4.9 L/100 km，這表明發(fā)動機的燃油效率有了提高，有利于節(jié)能減排。

如圖9和圖10，控制策略修改前電機的效率Motor/Controller為38%、發(fā)動機的效率Fuel Converter為22%、系統(tǒng)整體的效率Overall System Efficiency為10.3%，而控制策略修改后電機的效率為43%、發(fā)動機的效率為27%、系統(tǒng)整體的效率為12.1%，可見并聯(lián)混合動力電動汽車的電輔助控制策略的參數(shù)經(jīng)過調(diào)整后，其電機效率、發(fā)動機效率以及系統(tǒng)整體的效率都有了一定的提高，表明并聯(lián)混合動力電動汽車的各子系統(tǒng)相比之前都有了更好的匹配，整車的性能有了提高。

圖9　參數(shù)調(diào)整前的系統(tǒng)運行效率統(tǒng)計圖

圖10　參數(shù)調(diào)整后的系統(tǒng)運行效率統(tǒng)計圖

3結(jié)論

本文首先分析了ADVISOR軟件中缺省的并聯(lián)混合動力電動汽車的電輔助控制策略，并指出了軟件中默認的電輔助控制策略參數(shù)設置的缺陷和不足，然后通過ADVISOR軟件對修改后的電力輔助控制策略進行仿真分析并和修改前進行對比，結(jié)果表明經(jīng)過修改后的電輔助控制策略，其電機效率和發(fā)動機效率以及系統(tǒng)整體的效率都有了一定的提高，整車的綜合油耗下降，為今后對電輔助控制策略的進一步研究提供參考。

參考文獻

[1]張云,張承慧. ADVISOR仿真軟件及其在電動汽車仿真中的應用:中國自動化學會控制理論專業(yè)委員會B卷[C].中國自動化學會控制理論專業(yè)委員會,2011:4.

[2]常亮.基于ADVISOR的典型并聯(lián)混合動力汽車控制策略仿真分析[J].蘭州工業(yè)學院學報,2014,21(4):5-9.

[3]蔡玲,岳峰麗.采用ADVISOR的串聯(lián)式混合動力客車控制策略研究[J].沈陽理工大學學報,2012,31(2):46-49.

[4]張梓梁,吳森.混合動力電動汽車中SOC初始值對燃油經(jīng)濟性的影響[J].科技創(chuàng)業(yè)家,2011(4)6.

[5]段巖波,張武高,黃震,等.混合動力汽車模糊邏輯控制策略仿真[J].內(nèi)燃機工程,2004,24(2):66-69.

[6]陳瓊英.基于 ADVISOR 的混合動力公交車經(jīng)濟性仿真[J].機電技術,2012(2)26-29.

[7]李歡,林川.基于ADVISOR的混合動力電動汽車控制策略仿真研究[J].廣西工學院學報,2005,16(4):27-30.

[8]王良模,柏衛(wèi)軍.基于ADVISOR電動汽車的開發(fā)和仿真[J].東南大學學報(英文版),2006,22(2):196-199.

[9]李頂根,王好端.基于參數(shù)掃描算法的HEV多能源控制策略優(yōu)化研究[J].汽車工程,2010,32(8):664-668.

[10]王保華,王偉明,張建武,等.并聯(lián)混合動力汽車控制策略比較研究[J].系統(tǒng)仿真學報,2006,18(2):401-404.

Simulation analysis of electric auxiliary control strategy for parallel hybrid electric vehicle

MA Liangjun，YANG Guanci

Abstract:Taking parallel hybrid electric vehicle as study object, we analyzed the existing problems of the electric auxiliary control strategy of the default parallel hybrid electric vehicle in ADVISOR, modified its main control parameters, and carried out simulation comparative analysis in ADVISOR. The results showed that, after the modification, the motor efficiency increased from 38% to 43%, engine efficiency increased from 22% to 27%, overall efficiency of the system increased from 10.3% to 12.1%, fuel consumption decreased from 5.8L/100km to 4.9L/100km, and the performance and fuel economy of the vehicle was improved.

Keywords:ADVISOR; hybrid electric vehicle; electric auxiliary control strategy; simulation

收稿日期：2015-09-01

通訊作者：楊觀賜(1983-)，男，博士，副教授，主要研究方向：智能系統(tǒng)。

作者簡介：馬良君，男，湖南湘鄉(xiāng)人，漢族，貴州大學現(xiàn)代制造技術教育部重點實驗室研究生，研究方向：機械制造及其自動化。

基金項目：貴州省優(yōu)秀青年科技人才培養(yǎng)對象專項資金項目(黔科合人字(2015)13號)，貴州省科技計劃(黔科合JZ字[2014]2004號、黔科合高G字〔2014〕4001，黔科合重大專項字(2013)6020)。

中圖分類號：U469

文獻標識碼：A

文章編號：1002-6886(2016)02-0005-04