鄧濤，羅俊林，李軍營，周豪

(重慶交通大學(xué)機電與車輛工程學(xué)院，重慶400074)

基于近似ECMS策略的HEV自適應(yīng)規(guī)則能量管理控制研究*

鄧濤，羅俊林，李軍營，周豪

(重慶交通大學(xué)機電與車輛工程學(xué)院，重慶400074)

為解決當(dāng)前等效燃油消耗最低策略實時性差的問題，尋求一種近似ECMS的規(guī)則控制策略，建立ECMS控制模型，分析等效因子、等效油耗和分配轉(zhuǎn)矩之間的關(guān)系，獲取ECMS策略下轉(zhuǎn)矩分配的定性規(guī)律。基于此規(guī)律提出一種基于分段線性SOC反饋的自適應(yīng)規(guī)則策略，并在自定義循環(huán)工況下對提出的自適應(yīng)規(guī)則控制策略與傳統(tǒng)控制策略進行仿真對比，結(jié)果表明:提出的控制策略具有良好的SOC控制能力，與傳統(tǒng)規(guī)則策略比較，燃油消耗降低了16.37%。搭建硬件在環(huán)試驗系統(tǒng)，對自適應(yīng)規(guī)則能量管理控制策略進行試驗驗證，結(jié)果表明:所提出的控制策略具有較好的實時性、穩(wěn)定性和準(zhǔn)確性，可應(yīng)用于實車控制。

HEV;能量管理;ECMS;自適應(yīng)規(guī)則;硬件在環(huán)試驗

前言

目前，混合動力汽車仍然是實現(xiàn)汽車節(jié)能減排的有效途徑之一，而能量管理策略對發(fā)揮其節(jié)能減排的潛力有著至關(guān)重要的影響。當(dāng)前能量管理策略主要分為兩大類:基于規(guī)則能量管理策略和基于最優(yōu)化能量管理策略?；趦?yōu)化的控制策略，如動態(tài)規(guī)劃(dynamic programming，DP)［1］、極小值原理(pontryagin's minimum principle，PMP)［2－3］、隨機動態(tài)規(guī)劃(stochastic dynamic programming，SDP)［4］、模型預(yù)測控制(model predict control，MPC)［5］、等效燃油消耗最低策略(equivalent consumption minimum strategy，ECMS)［6］等能取得最優(yōu)的燃油經(jīng)濟性，其中ECMS是實時優(yōu)化策略，最有可能進行實車應(yīng)用，但計算復(fù)雜限制了其在實車中的應(yīng)用。規(guī)則控制策略簡單，能應(yīng)用于實車，但規(guī)則制定主要依靠人的經(jīng)驗，控制效果不佳［7］。為克服最優(yōu)控制和規(guī)則控制的缺點，提出了很多有效的方法來優(yōu)化基于規(guī)則的能量管理策略，如利用遺傳算法［8］、DP算法［9］、結(jié)合基于規(guī)則與ECMS的能量管理策略［10］，還有離線生成控制MAP，通過在線插值實現(xiàn)實時控制［11－12］。這些方法具有實時性，但是都存在一定的缺陷，因為基于一種或者幾種特定工況提取的規(guī)則或MAP，魯棒性不強，一般只是針對特定工況控制效果較好。

因此，為實現(xiàn)ECMS策略實時控制，本文中在ECMS控制規(guī)律的定性分析基礎(chǔ)上，提出一種新的近似ECMS算法的自適應(yīng)規(guī)則控制策略，實現(xiàn)與ECMS策略近似的節(jié)油效果，且能克服ECMS實時性差的問題。

1 并聯(lián)混合動力系統(tǒng)結(jié)構(gòu)

本文中研究的并聯(lián)式混合動力系統(tǒng)，主要由發(fā)動機、驅(qū)動電機、離合器、轉(zhuǎn)矩耦合器和AMT變速器等組成，如圖1所示，整車動力系統(tǒng)參數(shù)如表1所示。發(fā)動機輸出軸通過離合器與轉(zhuǎn)矩耦合器接合，電機直接與轉(zhuǎn)矩耦合器接合，采用兩對齒輪對發(fā)動機和電機的轉(zhuǎn)矩進行耦合，轉(zhuǎn)矩耦合器的輸出軸直接與AMT變速器輸入軸相連。離合器斷開時，整車工作在純電動模式;當(dāng)離合器接合時，整車工作在并聯(lián)驅(qū)動模式，發(fā)動機可單獨驅(qū)動車輛，也可與電機共同驅(qū)動車輛，還可帶動電機為電池充電。

圖1 并聯(lián)混合動力系統(tǒng)結(jié)構(gòu)示意圖

表1 并聯(lián)混合動力汽車整車及動力總成參數(shù)

基于縱向動力學(xué)建立整車模型，汽車受到的阻力包括滾動動力、空氣阻力、坡度阻力和加速阻力，驅(qū)動力平衡方程為

式中:Ft為汽車驅(qū)動力，N;Ff為滾動阻力，N;Fw為空氣阻力，N;Fi為坡度阻力，N;Fj為加速阻力，N;f為滾動阻力系數(shù);m為整車質(zhì)量，kg;CD為空氣阻力系數(shù);δ為旋轉(zhuǎn)質(zhì)量換算系數(shù)。

發(fā)動機輸出轉(zhuǎn)矩Te和電機輸出轉(zhuǎn)矩Tm必須等于整車系統(tǒng)在當(dāng)前車速下的需求轉(zhuǎn)矩Treq，以滿足駕駛要求，即

電池采用簡單的電阻等效模型，電壓源、電阻和負(fù)載串聯(lián)連接，此時電池電流和SOC分別為

式中:Uoc為電池開路電壓，V;Rint為電池電阻，Ω; Pbat_req為電池輸出端需求功率，W;Qmax為電池最大容量，A·h。

2 ECMS策略

2.1 ECMS策略描述

ECMS策略是一種實時控制策略，其核心思想是通過一個等效因子，將瞬時電池電能消耗等效為瞬時燃油消耗，通過計算在當(dāng)前時刻發(fā)動機和電機所有可能轉(zhuǎn)矩分配組合，得到等效燃油消耗最低的轉(zhuǎn)矩分配組合，作為控制器的輸出。瞬時等效油耗可表示為

式中:f為發(fā)動機瞬時燃油消耗率，g/s;Qlhv為燃油低熱值，取44 000J/g;Pbat為電池端功率，當(dāng)Pbat＞0時，表示電池放電，當(dāng)Pbat＜0時，表示電池充電;s為等效因子;ηm為電機平均效率;ηdis為電池平均放電效率;ηe為發(fā)動機平均工作效率;ηchg為電池平均充電效率;ηchg為電池當(dāng)前充電效率;ηdis為電池當(dāng)前放電效率。

需要指出的是，ECMS策略對等效因子十分敏感，而工況、電池SOC、駕駛風(fēng)格和路面坡度等都是等效因子的影響因素。如果等效因子選取太大，控制策略會偏向于用燃油，導(dǎo)致油耗增加，而使電池電量上升;如果等效因子選取過小，控制策略偏向用電，這樣就會導(dǎo)致電耗過多，而使電池電量下降過多［12－14］。因此如果等效因子選取不當(dāng)，不但無法實現(xiàn)電量保持，而且還可能會導(dǎo)致油耗過多，等效因子的確定方法見下節(jié)。

發(fā)動機瞬時燃油消耗率m·f可通過發(fā)動機轉(zhuǎn)矩、轉(zhuǎn)速插值計算得到;電池端功率Pbat可通過電機轉(zhuǎn)矩、轉(zhuǎn)速、電機效率和電池效率計算得到。在給定車速和需求轉(zhuǎn)矩的條件下，由式(3)可知，一旦電機轉(zhuǎn)矩確定，發(fā)動機轉(zhuǎn)矩也將確定，因此將電機輸出轉(zhuǎn)矩Tm作為控制變量，則性能指標(biāo)函數(shù)表示為

電機最優(yōu)分配轉(zhuǎn)矩Tm*為

同時須滿足如下約束條件:

2.2 等效因子確定方法

對于給定的工況可采用離線計算得到最優(yōu)的等效因子，通過離線仿真的方式，反復(fù)調(diào)整等效因子，當(dāng)電池最終荷電狀態(tài)與初始荷電狀態(tài)相等時，認(rèn)為對應(yīng)的等效因子為最優(yōu)等效因子。在實車控制中，無法確定未來的行駛工況，必然要對等效因子進行調(diào)整。

由式(6)可知，一旦給定等效因子，電池的等效油耗與電池端功率成正比，兩者的比值為s·。為直觀分析等效因子對等效油耗的影響，將電機單獨驅(qū)動、發(fā)動機單獨驅(qū)動和兩者并聯(lián)驅(qū)動的最低等效油耗曲線放在一起進行比較分析。采用離線打靶法，求出NEDC、中國城市典型工況和FTP75工況下的最優(yōu)等效因子分別為2.45，2.315和2.675。這里取等效因子s為2.4，轉(zhuǎn)速為1 500r/min進行分析，圖2為3種驅(qū)動模式(發(fā)動機單獨驅(qū)動、電機單獨驅(qū)動和并聯(lián)驅(qū)動)下的等效油耗曲線。在需求轉(zhuǎn)矩為0時，由于發(fā)動機怠速消耗燃油，所以其油耗不為0;由于混合驅(qū)動的時候，默認(rèn)發(fā)動機一直處于起動狀態(tài)，因此混合驅(qū)動的油耗與發(fā)動機驅(qū)動油耗起始點相同;而純電驅(qū)動時發(fā)動機處于關(guān)閉狀態(tài)，因此純電驅(qū)動的等效油耗曲線從0開始上升。

圖23 種驅(qū)動模式下的等效油耗曲線

由圖可見，3條油耗曲線與需求轉(zhuǎn)矩呈近似線性關(guān)系，當(dāng)s=2.4時，電機等效油耗曲線的斜率最大。電機油耗曲線與混合驅(qū)動油耗曲線有一個交點A，當(dāng)需求轉(zhuǎn)矩低于A點對應(yīng)的轉(zhuǎn)矩時(模式切換轉(zhuǎn)矩)，采用純電動油耗最低;當(dāng)需求轉(zhuǎn)矩超過A點對應(yīng)的轉(zhuǎn)矩時，混合驅(qū)動油耗最低，而發(fā)動機或者電機單獨驅(qū)動的油耗都比它高。由圖2可見，電機驅(qū)動等效油耗曲線斜率大于發(fā)動機油耗曲線斜率，注意到當(dāng)電機功率為負(fù)(即電機發(fā)電)時，電機等效油耗為負(fù)，在相同轉(zhuǎn)矩增量下，發(fā)動機油耗增量的絕對值小于電機等效油耗的絕對值。因此，當(dāng)需求轉(zhuǎn)矩大于A點對應(yīng)轉(zhuǎn)矩時，為了降低總油耗，發(fā)動機將盡可能增大輸出轉(zhuǎn)矩，從而使電機輸出更大的負(fù)轉(zhuǎn)矩，這就是A點后采用混合驅(qū)動油耗最低的原因。B點后等效燃油不再增加，是因為電機和發(fā)動機已經(jīng)達到最大輸出轉(zhuǎn)矩。

將不同轉(zhuǎn)速下的模式切換轉(zhuǎn)矩、電機外特性曲線繪制在發(fā)動機油耗MAP圖上，可以確定出等效因子的有效取值范圍，圖3為等效因子等于2.4時的模式切換轉(zhuǎn)矩線。因為等效因子越小，ECMS策略就更偏向于用電，所以當(dāng)模式切換轉(zhuǎn)矩與電機外特性轉(zhuǎn)矩曲線重合時，獲得等效因子的最小值;當(dāng)模式切換轉(zhuǎn)矩曲線等于發(fā)動機最小轉(zhuǎn)矩曲線時，獲得等效因子的最大值。等效因子最小值和最大值通過離線迭代得到，且只與發(fā)動機、電機和電池的自身特性有關(guān)。本研究中的等效因子的最小臨界值smin=2，最大臨界值smax=3，為后續(xù)自適應(yīng)調(diào)節(jié)等效因子提供調(diào)節(jié)參考范圍。

圖3 模式切換轉(zhuǎn)矩

3 近似ECMS的自適應(yīng)規(guī)則控制策略

3.1 自適應(yīng)規(guī)則控制策略

為了得到ECMS策略的定性規(guī)律，進一步分析在給定等效因子的情況下電機的轉(zhuǎn)矩分配規(guī)律，不同等效因子下，電機轉(zhuǎn)矩隨需求轉(zhuǎn)矩變化曲線如圖4所示?？梢钥吹皆诓煌刃б蜃酉?，電機的轉(zhuǎn)矩分配曲線具有相似的規(guī)律，隨著等效因子減小，電機單獨驅(qū)動的轉(zhuǎn)矩更大，即模式切換轉(zhuǎn)矩變大。

圖4 不同等效因子電機分配轉(zhuǎn)矩隨需求轉(zhuǎn)矩的變化

為了得到更為一般的結(jié)論，取出等效因子等于2.6時的轉(zhuǎn)矩分配曲線進行分析，如圖5所示。

圖5等效因子s=2.6時，電機分配轉(zhuǎn)矩隨需求轉(zhuǎn)矩的變化

圖5 中AB段電機轉(zhuǎn)矩隨需求成正比增大，電機單獨驅(qū)動(純電驅(qū)動模式);

BC段電機轉(zhuǎn)矩突變，電機由驅(qū)動變?yōu)榘l(fā)電，因此B點為模式切換點，從整車角度看，B點是純電驅(qū)動模式向混合驅(qū)動模式的切換點;

DE段，當(dāng)需求轉(zhuǎn)矩進一步加大，由于發(fā)動機最大轉(zhuǎn)矩限制，讓發(fā)動機工作在最大轉(zhuǎn)矩點，而電機發(fā)電轉(zhuǎn)矩減小(發(fā)動機驅(qū)動并發(fā)電模式);

EF段由于電機在低轉(zhuǎn)矩區(qū)發(fā)電效率低，因此停止發(fā)電，發(fā)動機單獨驅(qū)動車輛，整車需求轉(zhuǎn)矩剛好到達發(fā)動機最優(yōu)工作點(發(fā)動機單獨驅(qū)動模式)。

FG段，在F點，發(fā)動機再次達到最大轉(zhuǎn)矩，此時發(fā)動機保持最大轉(zhuǎn)矩輸出，剩余轉(zhuǎn)矩由電機提供(電機助力模式)。

根據(jù)以上分析，ECMS策略的轉(zhuǎn)矩分配有一定規(guī)律，并且等效因子影響最大的就是模式切換轉(zhuǎn)矩。因此，規(guī)則控制策略首先需要從ECMS算法中提取模式切換轉(zhuǎn)矩。具體實現(xiàn)方法是:采用3重循環(huán)迭代的方式計算模式切換轉(zhuǎn)矩，等效因子取值2～3，轉(zhuǎn)速取值從發(fā)動機最低轉(zhuǎn)速到發(fā)動機最高轉(zhuǎn)速，在當(dāng)前等效因子和轉(zhuǎn)速下，需求轉(zhuǎn)矩取值變化從0到當(dāng)前轉(zhuǎn)速下動力系統(tǒng)能提供的最大轉(zhuǎn)矩，得到混合驅(qū)動最低等效燃油消耗和純電驅(qū)動等效油耗，然后進行比較，當(dāng)純電驅(qū)動等效油耗與混合驅(qū)動等效油耗相等時，得到模式切換轉(zhuǎn)矩，如圖6所示。顯然，模式切換轉(zhuǎn)矩隨等效因子s的增大而減小，根據(jù)前文分析，模式切換轉(zhuǎn)矩最大值取不超過電機最大轉(zhuǎn)矩。

圖6 模式切換轉(zhuǎn)矩

為了實現(xiàn)與ECMS策略近似的轉(zhuǎn)矩分配規(guī)律，根據(jù)模式切換轉(zhuǎn)矩、發(fā)動機最優(yōu)工作曲線和發(fā)動機外特性曲線，將需求轉(zhuǎn)矩劃分為4個區(qū)間，分別為純電驅(qū)動、發(fā)動機驅(qū)動并發(fā)電、發(fā)動機驅(qū)動和電機助力驅(qū)動。當(dāng)需求轉(zhuǎn)矩小于模式切換轉(zhuǎn)矩時，采用純電驅(qū)動;當(dāng)需求轉(zhuǎn)矩大于模式切換轉(zhuǎn)矩而小于發(fā)動機最優(yōu)轉(zhuǎn)矩時，發(fā)動機工作于最大轉(zhuǎn)矩點，剩余轉(zhuǎn)矩用來發(fā)電，即發(fā)電驅(qū)動模式，如果發(fā)動機轉(zhuǎn)矩大于電機最大發(fā)電轉(zhuǎn)矩，則調(diào)整發(fā)動機轉(zhuǎn)矩，以保護電池;當(dāng)需求轉(zhuǎn)矩大于發(fā)動機最優(yōu)轉(zhuǎn)矩而小于發(fā)動機最大轉(zhuǎn)矩，采用發(fā)動機單獨驅(qū)動;當(dāng)需求轉(zhuǎn)矩大于發(fā)動機最大轉(zhuǎn)矩時，保持發(fā)動機輸出最大轉(zhuǎn)矩，剩余轉(zhuǎn)矩由電機提供。當(dāng)電池SOC高于最大值時，則優(yōu)先電機驅(qū)動，不再對其進行充電，當(dāng)電池SOC低于最小值時，則發(fā)動機單獨工作，并盡量為電池充電。

根據(jù)以上制定的自適應(yīng)規(guī)則控制策略，在Matlab中用m文件建立并聯(lián)混合動力汽車仿真模型，在NEDC循環(huán)下對所提出規(guī)則控制策略進行仿真分析，并與ECMS策略進行對比(兩種策略的最優(yōu)等效因子都是采用離線打靶法［12］得到)。兩種策略的SOC變化曲線如圖7所示，規(guī)則策略的SOC變化比較平緩，而ECMS策略的SOC前段充電較多，后段充分利用制動能量最終達到初始SOC，說明ECMS策略利用制動能量更充分。ECMS策略的百公里油耗為4.65L，規(guī)則ECMS策略為4.78L，僅比ECMS策略增加2.8%。由此說明了只要能夠取得最優(yōu)的等效因子，該規(guī)則控制策略能夠取得與ECMS策略相近的燃油經(jīng)濟性。

圖7 兩種策略的SOC變化曲線

3.2 等效因子自適應(yīng)策略

ECMS策略在不同工況下的最優(yōu)等效因子可以通過離線得到，但是對于本文所提出的近似ECMS規(guī)則控制策略，由于工況未知，因此等效因子必須進行在線更新。如果等效因子取值太小，模式切換轉(zhuǎn)矩增大，則電機驅(qū)動時間增加，電池SOC會消耗過快。因此當(dāng)SOC較小時，需要減少電機驅(qū)動的時間，可通過降低模式切換轉(zhuǎn)矩來實現(xiàn)，根據(jù)圖6分析，只需要增大等效因子即可;當(dāng)SOC較大時，則需要減小等效因子?；赟OC反饋的等效因子調(diào)節(jié)方法［5］，提出分段線性SOC反饋調(diào)節(jié)方法，其中比例系數(shù)k的大小，代表調(diào)節(jié)強度，反饋調(diào)節(jié)表示如下。

式中:s0為初始等效因子，取值2.5;k為SOC懲罰因子;SOC(t)為當(dāng)前時刻SOC;SOCref為SOC初始值。本文中k取值為10，SOCref=0.6，SOClow=0.575，SOChig=0.625;SOC的最大值設(shè)置為0.65，最小值設(shè)置為0.55。

4 仿真分析

為驗證自適應(yīng)規(guī)則控制策略的自適應(yīng)能力和節(jié)油效果，在自定義聯(lián)合工況下進行測試，該聯(lián)合工況包括新歐洲城市工況NEDC、中國城市典型工況和美國FTP75市區(qū)工況，總里程34.49km，見圖8。

圖8 自定義聯(lián)合工況

與傳統(tǒng)邏輯門限規(guī)則控制策略進行對比，圖9和圖10分別為自適應(yīng)近似ECMS規(guī)則策略和傳統(tǒng)邏輯門限規(guī)則策略發(fā)動機和電池輸出功率曲線，圖11為自適應(yīng)近似ECMS規(guī)則和傳統(tǒng)邏輯門限規(guī)則策略下的SOC曲線。

圖9 自適應(yīng)近似ECMS規(guī)則-功率分配

圖10 傳統(tǒng)邏輯門限規(guī)則-功率分配

圖11 兩種策略SOC變化曲線

如圖8～圖11所示，自適應(yīng)近似ECMS規(guī)則在初始階段不管電量，而是根據(jù)前面制定的控制策略進行轉(zhuǎn)矩分配，只要超過模式切換轉(zhuǎn)矩，發(fā)動機就起動。因此在0～500s之間發(fā)動機有輸出功率，并導(dǎo)致SOC上升，當(dāng)SOC超過0.625時(圖11所示)，自適應(yīng)調(diào)節(jié)開始起作用，控制策略偏向用電，如圖9所示，這時發(fā)動機工作時間減少，而傳統(tǒng)邏輯門限策略在開始階段由于電量充足，且需求功率較小，完全由電機驅(qū)動車輛，電池SOC很快到達下限，為了保持電量，發(fā)動機輸出轉(zhuǎn)矩驅(qū)動車輛，并帶動電機為電池充電，這時發(fā)電功率比較大，電池電量很快回升，但回升到一定限制，不再控制充電，電量又很快消耗。在1 000s左右，從圖11可見，傳統(tǒng)規(guī)則策略的電池電量多次到達下限，為保持電量，而消耗多余的燃油，如圖9和圖10所示，圖10中的發(fā)動機輸出功率比圖9中的發(fā)動機輸出功率更多。

由圖11可見，自適應(yīng)規(guī)則策略能夠很好地保持電池SOC在上下限之間，從而避免發(fā)動機在電池SOC觸及邊界時不必要的起動。并且在整車需求轉(zhuǎn)矩低于模式切換轉(zhuǎn)矩時，發(fā)動機處于關(guān)閉狀態(tài)，從而節(jié)約更多的燃油。

圖12和圖13分別為自適應(yīng)規(guī)則策略中發(fā)動機和電機工作點的分布，發(fā)動機主要工作在高效率區(qū)，而電機在中低效率區(qū)工作點分布較多，是因為需求轉(zhuǎn)矩在模式切換轉(zhuǎn)矩之下，都是由電機單獨驅(qū)動車輛，因此電機的效率不是特別高。在聯(lián)合工況下，傳統(tǒng)規(guī)則策略的百公里油耗為4.46L，自適應(yīng)規(guī)則策略的百公里油耗為3.73L，燃油消耗降低16.37%。

圖12 自適應(yīng)近似ECMS規(guī)則-發(fā)動機工作點分布

圖13 自適應(yīng)近似ECMS規(guī)則-電機工作點分布

5 硬件在環(huán)仿真實驗

為驗證本文中提出的控制策略的實時性和穩(wěn)定性，搭建硬件在環(huán)仿真平臺。在Matlab/Simulink中建立HEV整車模型(不包括控制策略)，并添加RTI接口，接口包括兩路ADC，用于模擬加速和制動踏板信號;兩個CAN發(fā)送接口，分別用于模擬變速器和電池管理系統(tǒng);一個CAN接收，用于接收整車控制器的CAN數(shù)據(jù)，數(shù)據(jù)包括發(fā)動機、電機、制動器的轉(zhuǎn)矩、發(fā)動機開關(guān)控制信號、電機運行模式和離合器控制信號，編譯模型并自動下載到dSPACE實時硬件系統(tǒng)，實時模型如圖14所示。

將離線仿真的控制策略單獨提取出來，采用自動代碼生成技術(shù)快速生成整車控制器能直接下載的C代碼，并手工添加驅(qū)動程序，通過PC上的編譯軟件將程序下載到整車控制器中。本實驗中整車控制器主控芯片為MPC5634M微處理，dSPACE處理器板型號為DS1005，CAN通信格式為擴展幀格式，波特率250kb/s，ID定義遵循J1939協(xié)議，整車控制器利用實時中斷采集AD信號、運行控制策略以及發(fā)送CAN數(shù)據(jù)，通過CAN中斷接收dSPACE的CAN信號，整車控制器實時中斷周期為10ms，dSPACE實時中斷周期為10ms，實物連接如圖15所示。ControlDesk是dSPACE配套的標(biāo)定軟件，可以很方便地采集和更改數(shù)據(jù)。

圖14 硬件在環(huán)仿真模型

圖15 硬件在環(huán)仿真實物圖

在硬件在環(huán)仿真中，采用與離線仿真相同的工況。仿真結(jié)果如圖16～圖18所示。圖16是需求轉(zhuǎn)矩與實際轉(zhuǎn)矩曲線，可以看出，實際轉(zhuǎn)矩與需求轉(zhuǎn)矩曲線幾乎重合，沒有出現(xiàn)不規(guī)則的波動，驗證了控制策略的可靠性以及實時性，從局部放大圖可以看出實際轉(zhuǎn)矩和需求轉(zhuǎn)矩有一定偏差，這是因為單片機定義轉(zhuǎn)矩數(shù)據(jù)類型為有符號的整型數(shù)據(jù)，因此當(dāng)需求轉(zhuǎn)矩為小數(shù)時，實際轉(zhuǎn)矩總是需求轉(zhuǎn)矩的四舍五入取整值。HIL仿真百公里燃油消耗為3.85L，比離線仿真油耗增加3.5%，這是由于數(shù)據(jù)的精度導(dǎo)致的，在可接受的范圍之內(nèi)。圖17和圖18分別是電池SOC和功率分配曲線，取得與離線仿真一致的結(jié)果，也說明了控制策略的有效性。

圖16 需求轉(zhuǎn)矩與實際轉(zhuǎn)矩曲線

圖17 硬件在環(huán)仿真SOC變化曲線

圖18 硬件在環(huán)仿真功率分配曲線

6 結(jié)論

(1)以并聯(lián)混合動力汽車為研究對象，建立等效燃油消耗最低模型，對純電驅(qū)動等效油耗、混合驅(qū)動等效油耗和發(fā)動機單獨驅(qū)動等效油耗進行分析，提取模式切換轉(zhuǎn)矩，從而提出確定等效因子上下限的方法。

(2)離線生成電機分配轉(zhuǎn)矩曲線和模式切換轉(zhuǎn)矩曲面，提取ECMS策略的轉(zhuǎn)矩分配規(guī)律，從而提出近似ECMS規(guī)則控制策略。

(3)在建立的整車仿真平臺中對所設(shè)計控制策略在NEDC循環(huán)下進行驗證，結(jié)果表明在一定等效因子下，該策略與ECMS策略相比，燃油經(jīng)濟性僅相差2.8%。

(4)為了適應(yīng)不同的工況，進一步提出基于SOC反饋的自適應(yīng)規(guī)則控制策略，在自定義聯(lián)合工況下進行仿真，結(jié)果表明本文提出的自適應(yīng)近似ECMS規(guī)則控制策略具有良好的SOC控制能力，與傳統(tǒng)邏輯規(guī)則相比，燃油消耗降低了16.37%。

(5)搭建了硬件在環(huán)仿真平臺，驗證了建立規(guī)則控制策略的實時性和穩(wěn)定性，控制策略可用于實車控制。

［1］鄒淵，侯仕杰，韓爾樑，等．基于動態(tài)規(guī)劃的混合動力商用車能量管理策略優(yōu)化［J］．汽車工程，2012，34(8):663－668．

［2］林歆悠，孫冬野，鄧濤．基于極小值原理的混聯(lián)混合動力客車能量管理策略優(yōu)化［J］．汽車工程，2012，34(10):865－870．

［3］許世景，吳志新．基于PMP的HEV全局最優(yōu)能量管理策略研究［J］．中國機械工程，2014，25(1)．

［4］林歆悠，孫冬野，尹燕莉，等．基于隨機動態(tài)規(guī)劃的混聯(lián)式混合動力客車能量管理策略［J］．汽車工程，2012，34(9):830－836．

［5］BORHAN H，VAHIDI A，PHILLIPS A M，et al．MPC-based energy management of a power-split hybrid electric vehicle［J］．Control Systems Technology IEEE Transactions on，2012，20(3):593－603．

［6］PAGANELLI G，ERCOLE G，BRAHMA A，et al．General supervisory control policy for the energy optimization of charge-sustaining hybrid electric vehicles［J］．Jsae Review，2001，22(4):511－518．

［7］王慶年，孫樹韜，曾小華，等．并聯(lián)混合動力客車廣義最優(yōu)工作曲線控制研究［J］．汽車工程，2008，30(5):391－394．

［8］SORRENTINO M，RIZZO G，ARSIE I．Analysis of a rule-based control strategy for on-board energy management of hybrid solar vehicles［J］．Control Engineering Practice，2011，19(12):1433－1441．

［9］CHEN B C，WU Y Y，TSAI H C．Design and analysis of power management strategy for range extended electric vehicle using dynamic programming［J］．Applied Energy，2014，113(1):1764－1774．

［10］KUGOR B，CIPEK M，DEUR J，et al．Design of a power-split hybrid electric vehicle control system utilizing a rule-based controller and an equivalent consumption minimization strategy［J］．Proceedings of the Institution of Mechanical Engineers Part D Journal of Automobile Engineering，2014，228(6):631－648．

［11］KEULEN T V，MULLEM D V，JAGER B D，et al．Design，implementation，and experimental validation of optimal power split control for hybrid electric trucks［J］．Control Engineering Practice，2012，20(5):547－558．

［12］GUARDIOLA C，PLA B，et al．A stochastic method for the energy management in hybrid electric vehicles［J］．Control Engineering Practice，2014，29(8):257－265．

［13］HAN J，PARK Y，KUM D．Optimal adaptation of equivalent factor of equivalent consumption minimization strategy for fuel cell hybrid electric vehicles under active state inequality constraints［J］．Journal of Power Sources，2014，267(4):491－502．

［14］MUSARDO C，RIZZONI G，GUEZENNEC Y，et al．A-ECMS: An adaptive algorithm for hybrid electric vehicle energy management［J］．European Journal of Control，2005，11(4):509－524．

A Study on Adaptive Rule Energy Management Control for HEV Based on Approximate ECMS

Deng Tao，Luo Junlin，Li Junying＆Zhou Hao
School of Mechatronics＆Automotive Engineering，Chongqing Jiaotong University，Chongqing400074

In order to seek an approximate equivalent consumption minimum strategy(ECMS)in view of the poor real-time performance of existing ECMS，an ECMS control model is established，and the relationships among the equivalent factor，equivalent fuel consumption and torque distribution are analyzed，with the qualitative law of torque distribution under ECMS obtained．On the basis of the law，an adaptive rule strategy based on piecewise linear SOC feedback is proposed and a comparative simulation is conducted on the proposed adaptive rule control strategy and traditional control strategy under the self-defined driving cycle．The results show that the control strategy proposed has a good ability of SOC control，with a fuel consumption being 16.37%less than that of traditional strategy．Moreover，a hardware-in-the-loop test is also performed to verify the adaptive rule control strategy with a result indicating that the proposed control strategy has good real-time performance，stability and accuracy，applicable for real vehicle control．

HEV;energy management;ECMS;adaptive rule;hardware-in-the-loop test

10．19562/j．chinasae．qcgc．2017．06．001

*國家自然科學(xué)基金(51305473)、中國博士后科學(xué)基金(2014M552317)、重慶市博士后研究人員科研項目(xm2014032)、重慶市科委基礎(chǔ)與前沿研究計劃項目(cstc2013jcyjA60007)和重慶市教委科學(xué)技術(shù)研究項目(KJ120421)資助。

原稿收到日期為2016年5月26日，修改稿收到日期為2016年8月14日。

鄧濤，教授，E-mail:d82t722@163．com。