牛繼高，牛丹彤，徐春華，裴馮來

前言

增程式電動汽車(extended-range electric vehicle，E-REV)具有多種工作模式，當(dāng)處于增程模式時(shí)，發(fā)動機(jī)/發(fā)電機(jī)與動力電池一起驅(qū)動車輛行駛，使E-REV成為一個(gè)典型的多動力源驅(qū)動系統(tǒng)[1-2]。E-REV的能量管理策略是目前的研究熱點(diǎn)之一，可分為規(guī)則型和智能型兩類。前者包括恒溫器控制策略[3]、多模式切換控制策略[4]、最優(yōu)曲線控制策略[5]和功率跟隨控制策略等[6]；后者包括模糊邏輯控制策略[7-9]、自適應(yīng)控制策略[10]和基于神經(jīng)網(wǎng)絡(luò)的控制策略等[11]。其中，采用模糊控制策略可較好地實(shí)現(xiàn)E-REV增程模式下各動力源的能量分配，同時(shí)維持動力電池SOC的平衡。

模糊控制具有抗干擾能力強(qiáng)、魯棒性好的優(yōu)點(diǎn)。但由于增程器的日益小型化、駕駛員操作的自主性和車輛行駛工況的隨機(jī)性，采用單模糊控制器的EREV能量管理策略具有一定的局限性。

本文中針對一款E-REV[12]，首先，根據(jù)能量管理的控制目標(biāo)，對E-REV最優(yōu)曲線模糊邏輯能量管理策略進(jìn)行分析；其次，利用Simulink和Cruise軟件，對基于單模糊控制器的E-REV最優(yōu)曲線模糊控制策略進(jìn)行離線仿真，并針對單模糊控制器的不足，設(shè)計(jì)了發(fā)動機(jī)工作區(qū)間調(diào)整模糊控制器，實(shí)現(xiàn)多變工況條件下發(fā)動機(jī)最大輸出功率的自適應(yīng)調(diào)整，以提高E-REV的燃油經(jīng)濟(jì)性；最后，利用dSPACE公司的軟硬件設(shè)備和真實(shí)控制器(vehicle control unit，VCU)，開展E-REV最優(yōu)曲線模糊控制策略的硬件在環(huán)仿真，以驗(yàn)證E-REV雙模糊控制器在實(shí)時(shí)狀態(tài)下的控制效果。

1 E-REV最優(yōu)曲線模糊控制策略

根據(jù)E-REV具有全電力驅(qū)動能力的特點(diǎn)，為充分利用外電網(wǎng)充入的電能和便于下一次外接充電，要求動力電池有電時(shí)(即電池SOC為0.3～0.9)，EREV以純電動模式行駛；當(dāng)電池SOC下降到0.3以下時(shí)，E-REV進(jìn)入增程模式。在增程模式下，為保證電池的性能與使用安全和便于外接充電，控制策略須將電池SOC維持在一個(gè)適當(dāng)?shù)姆秶鷥?nèi)。因此，設(shè)計(jì)最優(yōu)曲線模糊控制策略的主要目的是為了使車輛在行駛過程中能夠根據(jù)工況、負(fù)荷、動力電池電量等因素實(shí)時(shí)調(diào)整發(fā)動機(jī)和電池的動力分配，達(dá)到整車設(shè)計(jì)指標(biāo)的要求，并盡可能地提高燃油經(jīng)濟(jì)性。

綜上所述，采用最優(yōu)曲線模糊控制策略對EREV在增程模式下各動力源的能量進(jìn)行分配，控制目標(biāo)主要包括兩個(gè)方面:第一，控制電池SOC在目標(biāo)值附近，且波動盡可能??；第二，較低的燃油消耗。根據(jù)此目標(biāo)，建立的E-REV最優(yōu)曲線模糊控制能量管理器如圖1所示。

圖1中:Pcyc＿ave為車輛需求功率的平均值，包含行駛工況以及車輛本身等多方面的信息，并隨著車輛行駛時(shí)間的變化而變化；Pice＿max為發(fā)動機(jī)允許的最大輸出功率；ΔPdemand為車輛需求功率的增量；ΔPice為發(fā)動機(jī)輸出功率增量；λ為發(fā)動機(jī)輸出功率增量的修正系數(shù)；Pice＿pre為上一時(shí)刻發(fā)動機(jī)的輸出功率；Pice＿req為發(fā)動機(jī)目標(biāo)功率；Pice＿min為發(fā)動機(jī)允許的最小輸出功率。

圖1 E-REV最優(yōu)曲線模糊控制能量管理器

由圖1可以看出，模糊控制能量管理器包含了兩個(gè)模糊控制模塊，即模糊串聯(lián)功率分配和模糊發(fā)動機(jī)工作區(qū)間調(diào)整。前者根據(jù)車輛需求功率增量和電池SOC，通過調(diào)整發(fā)動機(jī)的工作點(diǎn)達(dá)到驅(qū)動功率分配的目的；后者根據(jù)行駛工況和電池SOC的實(shí)時(shí)信息，沿發(fā)動機(jī)最優(yōu)曲線自適應(yīng)地調(diào)整發(fā)動機(jī)的最大輸出功率。

2 模糊串聯(lián)功率分配

串聯(lián)功率分配控制器(series power distribution controller，SPDC)的設(shè)計(jì)主要包括以下幾個(gè)方面的內(nèi)容:模糊控制器輸入量的確定與計(jì)算、模糊變量隸屬度函數(shù)和模糊控制規(guī)則的確定以及模糊控制器輸出控制變量的求取。

2.1 SPDC輸入量的確定和計(jì)算

根據(jù)加速踏板信號、電機(jī)轉(zhuǎn)速和電機(jī)外特性轉(zhuǎn)矩，計(jì)算電機(jī)輸出端的目標(biāo)轉(zhuǎn)矩:

式中:βm為加速踏板信號；ωm為電機(jī)角速度，rad/s；Tm＿max為電機(jī)外特性轉(zhuǎn)矩，N·m。

根據(jù)電機(jī)轉(zhuǎn)速、效率和輸出端的目標(biāo)轉(zhuǎn)矩，計(jì)算電機(jī)輸入端的需求功率:

式中 Pm＿loss為電機(jī)功率損失，kW。

根據(jù)車輛電氣附件消耗的功率和電機(jī)輸入端的需求功率，得到整車需求功率Pdemand:

式中Paux為車輛電氣附件消耗的功率，kW。

整車需求功率的增量ΔPdemand為

式中Pdemand＿pre為上一時(shí)刻的整車需求功率，kW。

根據(jù)仿真分析，確定ΔPdemand的取值范圍為[-4，4]kW；增程模式下電池SOC的工作范圍為[0.25，0.35]，電池SOC的控制目標(biāo)值為0.3；由于參數(shù)λ的引入，可方便地實(shí)現(xiàn)對ΔPice的修正，因此ΔPice的取值范圍可依據(jù)模糊子集個(gè)數(shù)和作圖的方便進(jìn)行選取，ΔPice的取值范圍定為[-4，4]kW。

2.2 SPDC隸屬度函數(shù)和模糊控制規(guī)則

SPDC的輸入、輸出語言變量均采用了三角形的隸屬函數(shù)，該隸屬函數(shù)運(yùn)算簡單且容易實(shí)現(xiàn)，占用的存儲空間較少，有利于提高仿真速度，并能滿足控制精度的要求。SPDC輸入、輸出變量的模糊集合規(guī)定如下。

動力電池SOC包含5個(gè)模糊子集，模糊集合為:{NB，N，ZO，P，PB}；ΔPdemand包含 5 個(gè)模糊子集，模糊集合為:{NB，N，ZO，P，PB}；ΔPice包含 7 個(gè)模糊子集，模糊集合為:{NB，NM，NS，ZO，PS，PM，PB}。其中，NB表示負(fù)大，N表示負(fù)，ZO表示零，P表示正，PB表示正大，NM表示負(fù)中，NS表示負(fù)小，PS表示正小，PM表示正中。根據(jù)上述規(guī)定，輸入變量和輸出變量的隸屬度函數(shù)設(shè)計(jì)和模糊子集的分布如圖2所示。

圖2 輸入變量和輸出變量的隸屬度函數(shù)

從圖2可以看出，輸入變量和輸出變量的模糊子集在論域上的分布是不均勻的。不均勻分布中“零點(diǎn)”左右的模糊子集劃分的較細(xì)，每個(gè)模糊子集占用的論域區(qū)段較小，遠(yuǎn)離“零點(diǎn)”的模糊子集，其劃分則正好相反。因零點(diǎn)對應(yīng)于控制系統(tǒng)的工作點(diǎn)，故采用這種不均勻分布可使控制器在零點(diǎn)附近的控制動作精確而細(xì)膩。

模糊控制規(guī)則是模糊控制器的核心，E-REV串聯(lián)功率分配模糊控制規(guī)則的設(shè)計(jì)原則是在滿足路況功率需求的前提下，使電池SOC恒維持在0.3。當(dāng)整車需求功率基本保持不變，即ΔPdemand為ZO時(shí)，如果此時(shí)電池SOC為NB，因電池SOC遠(yuǎn)小于目標(biāo)值，故發(fā)動機(jī)除要滿足車輛的需求功率外，還須對動力電池充電，此時(shí)應(yīng)對發(fā)動機(jī)發(fā)出功率增加命令，即發(fā)動機(jī)功率增量ΔPice應(yīng)取PM；如果此時(shí)的電池SOC為ZO，即在目標(biāo)值附近，發(fā)動機(jī)只需維持上一步的輸出功率即可，即ΔPice應(yīng)取ZO；而如果此時(shí)的電池SOC為PB，應(yīng)對發(fā)動機(jī)發(fā)出一個(gè)負(fù)方向的較大的功率增量命令，即ΔPice應(yīng)取NM。上述控制規(guī)則與人對系統(tǒng)的控制過程相似，以此類推，可建立輸入變量在其他狀態(tài)時(shí)的控制規(guī)則，見表1。

表1 串聯(lián)功率分配模糊控制規(guī)則

根據(jù)表1可建立SPDC的規(guī)則庫，規(guī)則庫中共包含了25條規(guī)則，涵蓋了整個(gè)輸入空間。在模糊運(yùn)算過程中，采用了Mamdani型(max-min)模糊推理，即蘊(yùn)含運(yùn)算采用最小值法min，合成運(yùn)算采用最大值法max，and運(yùn)算采用最小算子。

2.3 SPDC的輸出控制變量

為在解模糊化時(shí)不丟失信息，避免控制量發(fā)生躍變，文中采用質(zhì)心法進(jìn)行解模糊運(yùn)算以求取模糊控制器輸出控制變量，并根據(jù)SPDC的輸出ΔPice、修正系數(shù)λ和上一時(shí)刻發(fā)動機(jī)的輸出功率Pice＿pre計(jì)算當(dāng)前時(shí)刻發(fā)動機(jī)的目標(biāo)功率Pice＿req:

為驗(yàn)證所建立的串聯(lián)功率分配模糊控制模型的合理性和可行性，將其嵌入到E-REV整車前向仿真模型中，利用典型工況進(jìn)行仿真計(jì)算。圖 3為FTP72城市循環(huán)工況下工況車速和仿真車速、電池SOC、發(fā)動機(jī)輸出功率的仿真結(jié)果。其中，電池SOC初值取 30%，修正系數(shù) λ 取 0.5，Pice＿min取 3.0kW，Pice＿max取 20kW。

圖3 FTP72工況下單模糊控制器仿真結(jié)果

從圖3可以看出，電池SOC在30%附近波動，幅度變化較小且比較平滑。串聯(lián)功率分配模糊控制策略在FTP72循環(huán)工況下的SOC平衡油耗為6.88L/100km。圖4為25kW發(fā)動機(jī)效率MAP圖和最優(yōu)曲線。由圖可見，發(fā)動機(jī)起動后工作在20kW(B點(diǎn))附近的時(shí)間較長。因此，采用串聯(lián)功率分配模糊控制策略雖然較好地實(shí)現(xiàn)了電池SOC的控制，但卻導(dǎo)致了車輛燃油經(jīng)濟(jì)性的下降。

圖4 25kW發(fā)動機(jī)的效率MAP圖及最優(yōu)曲線

在模糊串聯(lián)功率分配控制策略中有λ，Pice＿min和Pice＿max3個(gè)關(guān)鍵參數(shù)。其中λ對SPDC輸出的ΔPice進(jìn)行修正，Pice＿min和 Pice＿max決定發(fā)動機(jī)最優(yōu)曲線的工作區(qū)間。為分析以上參數(shù)對電池SOC終值和車輛燃油經(jīng)濟(jì)性的影響，仍采用整車模型進(jìn)行FTP72工況下的仿真計(jì)算。表2給出了λ變化時(shí)，電池SOC終值和等效油耗的變化情況。其中，SOC初值為30%，Pice＿min和 Pice＿max分別取 3 和 20kW。

表2 修正系數(shù)λ對SOC終值和等效油耗的影響

從表 2可以看出，當(dāng)修正系數(shù) λ的取值從0.25～2.0變化時(shí)，電池SOC終值和車輛的等效燃油消耗基本保持不變。表3給出了當(dāng)Pice＿max從11～20kW變化時(shí)，電池SOC終值和等效油耗的變化情況。 其中，SOC 初值為 30%，λ 取 0.5，Pice＿min取3kW。從表3可以看出，當(dāng)Pice＿max從11kW開始增加時(shí)，電池 SOC終值的變化幅度很?。怀?Pice＿max取11kW時(shí)的情況外，E-REV的100km油耗隨著Pice＿max的增大而增大。產(chǎn)生這種情況的原因在于沿發(fā)動機(jī)最優(yōu)曲線，發(fā)動機(jī)最高效率點(diǎn)所對應(yīng)的輸出功率為11.8kW，隨著發(fā)動機(jī)輸出功率的升高或降低，發(fā)動機(jī)效率皆下降。

根據(jù)仿真結(jié)果，發(fā)動機(jī)最小功率Pice＿min對電池SOC終值和等效燃油消耗的影響與λ類似。但選擇較大的Pice＿min將導(dǎo)致SOC在目標(biāo)值附近的振蕩加劇，同時(shí)也易造成模糊控制策略失去對電池SOC的調(diào)節(jié)作用。因此，Pice＿min通常取定值，并將其限制在一定的范圍內(nèi)。

由以上分析可知，串聯(lián)功率分配控制策略的3個(gè)關(guān)鍵參數(shù)中，Pice＿max是影響車輛燃油經(jīng)濟(jì)性的主要因素。根據(jù)設(shè)計(jì)指標(biāo)，增程模式時(shí)要求E-REV能在FTP72，NEDC和 HWFET等工況下行駛，且能以100km/h的巡航車速持續(xù)行駛。對應(yīng)不同的循環(huán)工況應(yīng)適時(shí)調(diào)整Pice＿max的大小，以滿足不同工況時(shí)對發(fā)動機(jī)的功率需求。Pice＿max的調(diào)整方式有以下3種:(1)設(shè)置為定值，例如將Pice＿max設(shè)置為20kW，則能滿足上述各工況的功率需求，但會造成 FTP72和NEDC等低速工況下的燃油經(jīng)濟(jì)性下降；(2)手動方式，將Pice＿max分為低、中、高3擋，根據(jù)經(jīng)驗(yàn)或車輛行駛情況，由駕駛員手動選擇 Pice＿max，但在實(shí)際應(yīng)用中，由于Pice＿max分擋的限制以及行駛工況的不確定性，由駕駛員主導(dǎo)的手動方式存在較大的操作誤差，不能保證車輛的燃油經(jīng)濟(jì)性最優(yōu)，且易加重駕駛員的操作負(fù)擔(dān)；(3)自動方式，如圖1所示，本文中擬采用模糊控制的方法沿發(fā)動機(jī)最優(yōu)曲線自適應(yīng)調(diào)整Pice＿max的大小。

3 模糊發(fā)動機(jī)工作區(qū)間調(diào)整

發(fā)動機(jī)工作區(qū)間調(diào)整控制器(engine operation region adjustment controller，EORAC)的設(shè)計(jì)主要包括輸入量的確定與計(jì)算和模糊變量隸屬度函數(shù)與模糊控制規(guī)則的確定。

3.1 EORAC輸入量的確定與計(jì)算

根據(jù)整車需求功率 Pdemand和工況時(shí)間計(jì)算Pcyc＿ave，即

式中:Pdemand(t)為整車需求功率，可根據(jù)式(3)計(jì)算；t為工況時(shí)間；t0為t時(shí)刻之前車速等于零所占用的時(shí)間之和。

由式(6)可以看出，Pcyc＿ave具有以下特點(diǎn):(1)Pcyc＿ave為變量，隨整車需求功率和工況時(shí)間的變化而變化；(2)包含了行駛工況和車輛自身的實(shí)時(shí)信息；(3)考慮了車輛實(shí)際行駛過程中臨時(shí)停車的情況，比式(6)分母中僅取t時(shí)，更能反映實(shí)際車輛的平均功率需求。

3.2 EORAC隸屬度函數(shù)和模糊控制規(guī)則

EORAC的輸入、輸出變量采用以三角形為主的隸屬函數(shù)，輸入、輸出變量的模糊集合規(guī)定如下:SOC包含4個(gè)模糊子集，模糊集合為{NB，N，M，P}；Pcyc＿ave包含 9 個(gè)模糊子集，模糊集合為{A，B，C，D，E，F(xiàn)，G，H，I}；Pice＿max包含 9 個(gè)模糊子集，模糊集合為{A，B，C，D，E，F(xiàn)，G，H，I}。 其中，NB 表示負(fù)大，N 表示負(fù)，M表示中，P表示正。根據(jù)上述規(guī)定，輸入、輸出變量的隸屬度函數(shù)設(shè)計(jì)和模糊子集的分布如圖5所示。

圖5 發(fā)動機(jī)工作區(qū)間調(diào)整模糊邏輯隸屬度函數(shù)

當(dāng)車輛的平均需求功率Pcyc＿ave為B時(shí)，如果電池SOC為M，Pice＿max的取值除滿足車輛需求功率外，還應(yīng)有一定的功率裕量，故Pice＿max應(yīng)取B；如果SOC為N或NB，發(fā)動機(jī)應(yīng)有多余的功率給動力電池充電，即 Pice＿max應(yīng)取 C 或 D；若 SOC 為 H，則應(yīng)減小Pice＿max的取值，即 Pice＿max應(yīng)取 A。 以此類推，可建立輸入變量在其他狀態(tài)時(shí)的控制規(guī)則。發(fā)動機(jī)工作區(qū)間調(diào)整模糊控制規(guī)則見表4。

表4 發(fā)動機(jī)工作區(qū)間調(diào)整模糊控制規(guī)則

與SPDC類似，EORAC的模糊運(yùn)算采用Mamda-ni型模糊推理，并采用質(zhì)心法進(jìn)行解模糊運(yùn)算。將兩個(gè)模糊控制器輸出的控制變量 Pice＿max和 Pice＿req一起送入發(fā)動機(jī)/發(fā)電機(jī)控制模塊。

4 硬件在環(huán)仿真驗(yàn)證

4.1 硬件在環(huán)仿真平臺搭建

為驗(yàn)證E-REV模糊邏輯能量管理策略的控制效果，設(shè)計(jì)開發(fā)了整車控制器 VCU實(shí)物，使用dSPACE公司的Targetlink自動代碼生成工具，完成了模糊控制策略模型轉(zhuǎn)換、在環(huán)離線仿真和代碼生成，并將生成的代碼下載到VCU中。E-REV動力系統(tǒng)等被控對象則采用模型的形式，VCU與被控對象之間通過I/O接口相連。搭建的硬件在環(huán)仿真平臺如圖6所示。

圖6 dSPACE硬件在環(huán)仿真平臺的搭建

上位機(jī)PC1完成被控對象的建模、編譯和下載，并實(shí)現(xiàn)仿真過程的綜合管理等功能；模擬器Simulator的主要功能是運(yùn)行E-REV動力系統(tǒng)仿真模型，并進(jìn)行模擬器與PC1以及VCU之間的數(shù)據(jù)交互；上位機(jī)PC2完成VCU模糊控制算法的更新、編譯和下載，LabVIEW應(yīng)用程序?qū)CU運(yùn)行的關(guān)鍵數(shù)據(jù)進(jìn)行在線監(jiān)控和保存。

4.2 模糊控制算法軟件設(shè)計(jì)

最優(yōu)曲線模糊控制策略模型主要由整車需求功率計(jì)算、再生制動策略、雙模糊控制器、車輛需求功率平均值計(jì)算和發(fā)動機(jī)/發(fā)電機(jī)工作點(diǎn)控制等模塊組成。其中，離線仿真過程中，包含了隸屬度函數(shù)、模糊規(guī)則和模糊推理等環(huán)節(jié)的雙模糊控制器是利用模糊邏輯工具箱來完成的，但Targetlink代碼自動生成工具并不支持模糊工具箱模塊，因此，須對原來的雙模糊控制器模塊進(jìn)行轉(zhuǎn)換。本文中采用二維查表的方式實(shí)現(xiàn)模糊控制器的功能，圖7和圖8分別為SPDC和EORAC查表模塊所對應(yīng)的輸入/輸出曲面圖。

圖7 SPDC的輸入輸出關(guān)系(二維查表)

圖8 EORAC的輸入輸出關(guān)系(二維查表)

4.3 仿真結(jié)果分析

根據(jù)電池SOC初值的不同分以下兩種情況進(jìn)行仿真:一是SOC初值取30%，一個(gè)行駛工況內(nèi)車輛始終處于增程模式，有利于考查雙模糊控制器對電池SOC的控制效果；二是SOC初值取25%，便于同時(shí)考查策略對電池充電過程和SOC平衡過程的綜合控制效果。同時(shí)為便于仿真結(jié)果的對比，所采用的整車配置參數(shù)與之前離線仿真模型參數(shù)相同。圖9和圖10分別給出上述兩種情況下，選取FTP72循環(huán)時(shí)E-REV最優(yōu)曲線模糊控制策略的硬件在環(huán)仿真結(jié)果。

由圖9可知，EORAC根據(jù)車輛平均需求功率和電池SOC的大小自適應(yīng)調(diào)整發(fā)動機(jī)的工作區(qū)間，較好地實(shí)現(xiàn)了工況始末電池SOC的平衡。與圖3相比，圖9中發(fā)動機(jī)起動后工作在12kW(圖4中A點(diǎn))附近的時(shí)間較長，與單模糊控制器相比，采用雙模糊控制器后的E-REV在FTP72循環(huán)工況下的SOC平衡油耗為 5.79L/(100km)，燃油經(jīng)濟(jì)性提高了15.8%。

圖10 硬件在環(huán)仿真結(jié)果(SOC初值取25%)

由圖10可見，由于電池SOC初始值較低，EORAC的調(diào)控作用增強(qiáng)(即圖中Pice＿max取值較大，為14kW)，允許發(fā)動機(jī)輸出較大的功率，除滿足車輛驅(qū)動需求外，富裕部分對動力電池充電。因此，在仿真的初始階段，電池SOC呈逐漸上升的趨勢。當(dāng)電池SOC上升至目標(biāo)值附近時(shí)，Pice＿max值逐漸降低到發(fā)動機(jī)高效點(diǎn)，以保證E-REV能夠獲得較優(yōu)的燃油經(jīng)濟(jì)性。仿真結(jié)束時(shí)，電池SOC被較好地控制在目標(biāo)值附近。

NEDC和HWFET循環(huán)下的硬件在環(huán)仿真結(jié)果與FTP72循環(huán)類似，不再贅述。

5 結(jié)論

針對增程式電動汽車多動力源的能量分配問題，本文中提出一種基于雙模糊控制器的E-REV最優(yōu)曲線模糊控制策略。根據(jù)離線硬件在環(huán)仿真的結(jié)果，可得到以下結(jié)論。

(1)對于配置了小功率增程器的E-REV，采用單模糊控制器可較好地實(shí)現(xiàn)E-REV增程模式下動力電池SOC的平衡問題；但由于車輛實(shí)際行駛工況的不確定性，尤其是在低速工況下，易造成E-REV燃油經(jīng)濟(jì)性的下降。

(2)發(fā)動機(jī)工作區(qū)間調(diào)整模糊控制器能根據(jù)動力電池SOC和車輛行駛工況的實(shí)時(shí)信息自適應(yīng)調(diào)整發(fā)動機(jī)最優(yōu)曲線的工作區(qū)間，有利于E-REV中低速工況下燃油經(jīng)濟(jì)性的提高。