陳慧茹郭建華初亮

（1.長春市機(jī)動車排氣汚染管理中心，長春 130022；2.吉林大學(xué) 汽車仿真與控制國家重點(diǎn)實(shí)驗(yàn)室，長春 130022）

基于工況的PHEV模糊自適應(yīng)控制策略研究

陳慧茹1郭建華2初亮2

（1.長春市機(jī)動車排氣汚染管理中心，長春 130022；2.吉林大學(xué) 汽車仿真與控制國家重點(diǎn)實(shí)驗(yàn)室，長春 130022）

基于智能交通系統(tǒng)（ITS），提出了基于工況的PHEV模糊自適應(yīng)控制策略。通過ITS獲取未來路徑的速度特征進(jìn)行模糊智能控制，基于工況的模糊自適應(yīng)控制策略通過合理分配電池電量來提高PHEV的經(jīng)濟(jì)性。利用是imulink和Cruise搭建了系統(tǒng)仿真模型，對仿真油耗結(jié)果進(jìn)行了對比分析。結(jié)果表明，基于工況的模糊自適應(yīng)控制策略能夠根據(jù)行駛工況的特征參數(shù)合理分配電池電量，從而提高了PHEV的經(jīng)濟(jì)性能。

1 前言

目前，插電式混合動力汽車（Plug-in Hybrid Elec?tric Vehicle，PHEV）的能量管理策略大多基于規(guī)則的控制策略[1～3]，PHEV驅(qū)動模式分為電量消耗階段（Charge Depleting，CD）和電量維持階段（Charge Sustain?ing，CS）?；谝?guī)則的控制策略具有很強(qiáng)的魯棒性和良好的實(shí)時(shí)性能，易于實(shí)現(xiàn)。然而，這種控制策略對行駛工況的適應(yīng)性較差，當(dāng)PHEV在CS模式下驅(qū)動時(shí)，需要啟動發(fā)動機(jī)并且其工作在低效區(qū)域中，導(dǎo)致油耗增加。為解決此問題，Eason和Noble[4]開發(fā)了一種基于動態(tài)規(guī)劃（DP）的混合動力客車控制策略，并建立了神經(jīng)網(wǎng)絡(luò)模型來預(yù)測未來的行駛速度，仿真結(jié)果表明，該策略可以提高混合動力客車7%的燃油經(jīng)濟(jì)性，但該算法較復(fù)雜，并且必須已知行駛工況。

本文基于智能交通系統(tǒng)（Intelligent Traffic System, ITS），提出了基于工況的PHEV模糊自適應(yīng)控制策略，借助ITS獲取未來行駛路徑的速度分布，根據(jù)行駛工況信息，通過合理分配電池電量來提高PHEV的燃油經(jīng)濟(jì)性。

2 PHEV構(gòu)型

本文研究的PHEV構(gòu)型為同軸并聯(lián)式，如圖1所示。電機(jī)安裝在機(jī)械式變速器（AMT）與離合器之間。發(fā)動機(jī)、電機(jī)和機(jī)械式變速器由電控單元（ECU）進(jìn)行協(xié)調(diào)控制。其動力傳動系統(tǒng)基本參數(shù)如表1所列。

圖1 PHEV構(gòu)型

表1 PHEV動力傳動系統(tǒng)基本參數(shù)

3 基于工況的模糊自適應(yīng)控制策略

3.1 控制策略架構(gòu)

本文提出的基于工況的模糊自適應(yīng)控制策略架構(gòu)如圖2所示。

圖2 控制策略架構(gòu)

該控制策略的控制原理如下：

玉米種子、燕麥種子和光葉紫花苕種子價(jià)格分別為15.0，2.0和2.0元/kg。肥料支出包括基肥和追肥的費(fèi)用。青貯玉米收獲后加工調(diào)制青貯料，成本價(jià)為0.186元/kg；混播牧草收獲后晾曬制成青干草，成本為1.25元/kg(表2)。

a.首先，駕駛員通過GPS輸入目的地，GPS計(jì)算行駛路徑，并將路徑的數(shù)據(jù)發(fā)送到ITS（圖3a）。ITS的實(shí)時(shí)交通系統(tǒng)監(jiān)測各路段交通速度（圖3b），然后將速度信息發(fā)送到數(shù)據(jù)處理器（圖2）。

另一種情況下，當(dāng)ΔVmi的隸屬度函數(shù)為dV1并且SOC的隸屬度函數(shù)為S5時(shí)，需求功率中的電機(jī)功率的比例增加，而且發(fā)動機(jī)幾乎不參與車輛的驅(qū)動。在這種情況下，由于速度較低，發(fā)動機(jī)的工作點(diǎn)遠(yuǎn)離高效區(qū)域。

該軟件的部分功能涉及學(xué)生隱私，在當(dāng)前大學(xué)生對學(xué)生管理工作高度敏感的時(shí)代，需要給予他們一定的空間。比如定位功能的使用，學(xué)生比較在意行蹤的隱私性保護(hù)。因此，此功能若無限無度使用易造成學(xué)生的排斥心理。

b.數(shù)據(jù)處理器計(jì)算每個(gè)區(qū)間的平均速度Vmi和整個(gè)路徑的平均速度Vm，得到平均速度差ΔVmi=Vmi-Vm。

c.將平均速度差ΔVmi和當(dāng)前SOC作為模糊控制器的輸入，基于文中所述的模糊規(guī)則計(jì)算電機(jī)轉(zhuǎn)矩閾值“[Trq_Gap]”和電機(jī)驅(qū)動速度閾值“[v_EV_Gap]”。

d.根據(jù)“[Trq_Gap]”和“[v_EV_Gap]”，基于規(guī)則的控制器（圖2）調(diào)節(jié)PHEV的驅(qū)動模式，計(jì)算發(fā)動機(jī)轉(zhuǎn)矩Te和電機(jī)轉(zhuǎn)矩Tm。

預(yù)制光纜余長主要來自于雙端預(yù)制光纜，對于單端預(yù)制光纜，冗余較長光纜可進(jìn)行現(xiàn)場裁剪，無需考慮收納空間。預(yù)制光纜可分為分散配線方式和預(yù)制艙內(nèi)集中配線方式。

由上述分析可知，根據(jù)ITS的實(shí)時(shí)交通數(shù)據(jù)，基于工況的模糊自適應(yīng)控制策略能夠通過智能地分配發(fā)動機(jī)功率和電機(jī)功率達(dá)到合理地規(guī)劃使用電池功率。

在實(shí)驗(yàn)課上，教師也可適時(shí)提出問題，激發(fā)學(xué)生探求欲.比如，在講解“鹽類水解”相關(guān)知識時(shí)，筆者要求：現(xiàn)有滴管、試管、CH3COONa、Na2CO3、CH3COOH、石蕊試液，試對醋酸進(jìn)行酸性驗(yàn)證，并對碳酸、鹽酸、醋酸的酸性強(qiáng)度進(jìn)行比較.大多數(shù)學(xué)生都能夠解決驗(yàn)證問題，但無法想出合適方案判斷酸性強(qiáng)度.而在筆者提示當(dāng)CH3COONa與石蕊試液相溶后會變藍(lán)后，學(xué)生似乎尋找到了路徑，都躍躍欲試.

圖3 實(shí)時(shí)交通系統(tǒng)和平均速度數(shù)據(jù)

3.2 模糊自適應(yīng)控制器

貴州墨：觀賞石界稱為盤江黑珍珠，主要產(chǎn)于興義、羅甸一帶的南北盤江、紅水河流域；石質(zhì)多為水沖深色石灰?guī)r，系觀賞石中的珍品；興義被中國觀賞石協(xié)會評為觀賞石之鄉(xiāng)。由于長年無序開采，儲量已近枯竭。

模糊控制是一種通過模仿人的思維方式實(shí)現(xiàn)智能控制的一種控制方法[5,6]，非常適合于PHEV/HEV能量管理的非線性問題[7～9]。為了達(dá)到更好的實(shí)時(shí)性和魯棒性，本文利用MATLAB的模糊邏輯工具箱來建立模糊自適應(yīng)控制器。

轉(zhuǎn)矩分配模塊計(jì)算發(fā)動機(jī)轉(zhuǎn)矩Te和電機(jī)轉(zhuǎn)矩Tm。在聯(lián)合驅(qū)動模式下，計(jì)算式為：

圖4 輸入變量隸屬度函數(shù)

圖5 輸出變量隸屬度函數(shù)

基于規(guī)則的輸出參數(shù)利用隸屬度函數(shù)由一組25個(gè)規(guī)則進(jìn)行定義，如表2和表3所示。

表2 基于規(guī)則的[Trq_Gap]

表3 基于規(guī)則的[v_EV_Gap]

例如，考慮這樣一種情況：ΔVmi的隸屬度函數(shù)是dV5，SOC的隸屬度函數(shù)是S1，這意味著當(dāng)前車速高并且SOC非常低?！癧Trq_Gap]”的輸出為T2，表示電機(jī)的輸出轉(zhuǎn)矩小，“[v_EV_GAP]”的輸出是V7，這意味著純電動模式（僅電機(jī)驅(qū)動車輛）的概率較低。此情況減少了驅(qū)動需求功率中的電機(jī)功率的比例，并增加了發(fā)動機(jī)輸出功率的比例，由于車速較高，發(fā)動機(jī)的工作點(diǎn)接近高效率區(qū)域。

1.1 材料與試劑 人結(jié)腸癌細(xì)胞系SW1116購自美國細(xì)胞培養(yǎng)收藏中心。miRNA-1254模擬體以及對應(yīng)的陰性對照由上海吉瑪生物技術(shù)有限公司合成，序列見下表1。

My favorite season is winter.It is in December，January and February.In winter，the days are shorter while the nights are longer.

這些規(guī)則的基本原理是盡可能使發(fā)動機(jī)在接近最佳操作點(diǎn)處運(yùn)行，同時(shí)使用電機(jī)來輔助驅(qū)動或發(fā)電。

3.1.4 加樣回收率 精密稱取注射用硫酸核糖霉素樣品（批號13170416，硫酸鹽含量24.3%），用水溶解并稀釋成含硫酸核糖霉素4 mg·mL-1的供試品儲備液。取“2.4.1”項(xiàng)下硫酸滴定液，加水稀釋至1mg·mL-1作為對照品儲備液。取供試品儲備液1 mL至20 mL量瓶中，平行配制9份，每3份加入對照品儲備液 0.8、1.0、1.2 mL，加水定容。按“2.1”項(xiàng)下方法進(jìn)行檢測，結(jié)果顯示，高、中、低濃度回收率在99.9%～101.9%，均值為 101.1%，RSD 為 1.6%（n=9）。方法準(zhǔn)確性較好，結(jié)果見表1。

3.3 門限值控制器

由式（2）和式（3）可知，閾值[Trq_Gap]的增加可以使電機(jī)轉(zhuǎn)矩增加和發(fā)動機(jī)轉(zhuǎn)矩減小。

在開學(xué)典禮上，一位教師代表的發(fā)言吸引了我的注意力。我從來沒有聽過這般清脆悅耳的聲音，言語間文學(xué)味濃厚，更讓我佩服的是，這位老師沒有帶講稿，即興發(fā)言都說得那般自然流暢，文采動人。如果閉著眼睛去聽，還能感受到那種韻律感和節(jié)奏感。

PT模式識別模塊是通過車輛的狀態(tài)變量（當(dāng)前車速，SOC和加速器/制動踏板的角度等）來識別PHEV驅(qū)動模式[3]。圖6為驅(qū)動子模式第一層判別條件，該層次包含純電驅(qū)動（Motor_Drive）和發(fā)動機(jī)驅(qū)動（Engine_On）兩個(gè)狀態(tài)?？刂崎T限為純電動最高速度（[v_EV_Max]= 60 km/h）、“[v_EV_Gap]”和SOC。當(dāng)“[v_EV_Gap]”閾值減小時(shí)，更傾向于選擇“發(fā)動機(jī)驅(qū)動”模式，使用發(fā)動機(jī)功率所占比例增加。

圖6 驅(qū)動模式判別條件

模糊控制器具有兩個(gè)輸入（ΔVmi和SOC）和兩個(gè)輸出（[Trq_Gap]和[v_EV_Gap]），每一個(gè)變量中可以由變化域的數(shù)學(xué)隸屬函數(shù)（梯形、三角或高斯函數(shù)）來表示。為了降低其復(fù)雜性，在該控制器中采用三角形和梯形函數(shù)，如圖4和圖5所示。如，表示平均速度差ΔVmi的不同可能狀態(tài)是{dV1，dV2，dV3，dV4，dV5}，其意義為：dV1為“負(fù)大”，dV2為“負(fù)小”，dV3為“中”，dV4為“高小”，dV5為“高大”。輸入變量ΔVm的變化域?yàn)閇-50，50]（圖4）。

式中，Treq為駕駛員需求轉(zhuǎn)矩；Te_opt為發(fā)動機(jī)轉(zhuǎn)矩上限閥值。

利用Matlab/Simulink建立了基于規(guī)則的門限值控制器[8]。該控制器包括“輸入信號模塊”、“輸出信號模塊”、“駕駛需求計(jì)算模塊”，“PT模式識別模塊”和“轉(zhuǎn)矩分配模塊”等子模塊。

4 仿真驗(yàn)證

為了驗(yàn)證所提出策略的有效性，利用Matlab/Simu?link和AVL Cruise建立聯(lián)合仿真模型。圖7為Cruise整車模型，該模型通過“Cruise interface”模塊與Matlab/Simulink門限值控制器進(jìn)行通信并進(jìn)行聯(lián)合仿真。選擇WLTC循環(huán)工況作為驗(yàn)證工況[10]，如圖8所示。其行駛距離為39.1 km，全程平均速度Vm為26.8 km/h，運(yùn)行時(shí)間為5 245 s，各工況段平均速度Vmi如圖8所示。

圖7 Cruise整車模型

圖8 WLTC循環(huán)工況和平均車速

為了對比驗(yàn)證，選擇了在CD階段是純電模式的全電行程策略（All Electric-Range，AER）和有固定門限值的混合控制策略（Blended）進(jìn)行對比分析。3種策略的燃油經(jīng)濟(jì)性仿真結(jié)果如圖9所示，其中“Fuzzy”為本文所建立的模糊自適應(yīng)控制策略。由圖9可看出，F(xiàn)uzzy控制策略的燃料消耗量最低，與AER策略和Blended策略相比分別下降了6.8%和24.2%。

圖9 燃油經(jīng)濟(jì)性仿真結(jié)果

圖10為SOC-時(shí)間歷程，3種仿真結(jié)果如下：

a.在行程結(jié)束時(shí)，基于工況的模糊自適應(yīng)控制策略恰好達(dá)到CD模式的低限制（35%）。

b.AER策略的SOC值在4 000 s時(shí)降至CD模式的最低值（35%），此后PHEV工作在CS模式，需要發(fā)動機(jī)驅(qū)動車輛同時(shí)給電池充電（圖11）。圖12是發(fā)動機(jī)效率比較，結(jié)果表明，模糊自適應(yīng)控制策略的整體效率高于AER策略，這表明模糊自適應(yīng)控制策略可以提高發(fā)動機(jī)效率。

c.混合控制策略在行程結(jié)束時(shí)，其SOC下降到47%，這意味著仍有12%的SOC未被消耗，導(dǎo)致了油耗的增加。

圖10SOC-時(shí)間歷程

圖11 發(fā)動機(jī)轉(zhuǎn)矩時(shí)間歷程

圖12 不同控制策略下發(fā)動機(jī)效率對比

上述分析表明，本文所建立的模糊自適應(yīng)控制策略可以提高PHEV的經(jīng)濟(jì)性。

5 結(jié)束語

本文基于智能交通系統(tǒng)（ITS），提出了基于工況的PHEV模糊自適應(yīng)控制策略，設(shè)計(jì)了該策略的基本控制框架，并研究了關(guān)鍵的技術(shù)問題。通過ITS獲得未來路徑的各段平均速度，該策略可以通過合理規(guī)劃使用電池電量來提高PHEV系統(tǒng)的效率。最后通過Simulink和Cruise搭建了聯(lián)合仿真模型，進(jìn)行了不同控制策略的燃油經(jīng)濟(jì)性對比分析，結(jié)果表明，模糊自適應(yīng)策略能夠使PHEV適應(yīng)行駛工況特性，合理規(guī)劃SOC，從而提高PHEV的經(jīng)濟(jì)性。

1 Jeffrey Gonder,Tony Markel.Energy Management Strategies for Plug-in Hybrid Electric Vehicle,Advanced Hybrid Ve?hicle Powertrains.Michigan,SAE.2007-01-0290,April 2007.

2 Phillip B Sharer,Aymeric Rousseau,Dominik Karbowski,et al.Plug-in Hybrid Electric Vehicle Control Strategy:Com?parison between EV and Charge-Depleting Options,Ar?gonne National Laboratory,SAE.08PFL-554,April 2008.

3 Namwook Kim,Aymeric Rousseau.Comparison between Rule-Based and Instantaneous Optimization for a Single–Mode,Power-Split HEV,Argonne National Laboratory, SAE.2011-01-0873,January 2011.

4 Scott J Moura,Hosam K Fathy,Duncan S Callaway,et al.A stochastic optimal control approach for power management in plug-in hybrid electric vehicles,2008 ASME Dynamic Systems and Control Conference.Michigan, USA, DSCC2008-2252,October 2008.

5 MA Xianghua,YE Yinzhong.Study on genrtic-fuzzy control strategy for PHEV Drive system,Proceeding of the 32ndchi?nese congtrol conference.Xi’an,China,pp.7575-7579,Ju?ly 2013.

6 Wu Jian.Fuzzy Control Strategy of Parallel HEV Based on Driving Cycle Recognition,2012 IEEE 7th International Power Electronics and Motion Control Conference.Harbin, China,pp.2636-2639,June 2012.

7 A Neffati,S caux,M adel.Double Fuzzy Logic Decision in HEV Engergy Management,EVS27 International Battery, Hybrid and Fuel Cell Electric Vehicle Symposium.Barcelo?na,Spain,pp.1-5,November 2013.

8 Yacine Gaoua,Stéphane Caux,Pierre Lopez.Energy Man?agement Using Fuzzy Logic,on HEV,EVS27 International Battery,Hybrid and Fuel Cell Electric Vehicle Symposium.Barcelona,Spain,pp.1-5,November 2013.

9 周能輝,趙春明,辛明華,等.插電式混合動力轎車整車控制策略的研究.汽車工程,2013,35（2）:99～104.

10 聶彥鑫,張永生,康征,等.插電式混合動力汽車工況能耗及排放特性研究.汽車技術(shù),2013（10）:8～13.

（責(zé)任編輯 文 楫）

修改稿收到日期為2017年1月4日。

Research on Route-Based Fuzzy Adaptive Control Strategy of PHEV

Chen Huiru1,Guo Jianhua2,Chuliang2
（1.Changchun Vehicle Exhaust Pollution Management Center,Changchun,130022;2.State Key Laboratory of Automotive Simulation&Control,Changchun,130022）

The Route-based Fuzzy Adaptive Control Strategy(RFACS)of PHEV is presented in this research based on the Intelligent Transportation System(ITS).We used ITS to get the speed characteristic of the future path for fuzzy intelligent control,the RFACS can improve the economy of PHEV system by the rational distribution and use of battery power.The system simulation model was established by Simulink and Cruise,and the results of simulated fuel consumption were compared and analyzed.The simulation results showed that the RFACS strategy can distribute battery power rationally according to characteristic parameters of driving route,thus improve the economic performance of PHEV.

PHEV,ITS,Fuzzy adaptive control

插電式混合動力轎車 智能交通系統(tǒng) 模糊自適應(yīng)控制

U461

A

1000-3703（2017）04-0040-05