趙治國,王茂垚,郭元強,王建光

(1.同濟大學新能源汽車工程中心,201804,上海;2.山東聯(lián)誠精密制造股份有限公司,272100,山東濟寧)

作為深度混合動力汽車重要解決方案的功率分流混合動力系統(tǒng),因其可利用行星排結(jié)構(gòu)將發(fā)動機及電機的輸出功率進行分流與匯流,實現(xiàn)發(fā)動機端與動力輸出端轉(zhuǎn)速、轉(zhuǎn)矩的完全解耦,從而充分發(fā)揮了混合動力汽車的節(jié)油潛力,實現(xiàn)了較好的燃油經(jīng)濟性[1]。功率分流混合動力系統(tǒng)方案已經(jīng)在國際幾款車型上取得了巨大的成功,如豐田的THS系統(tǒng)、通用的VOLTEC系統(tǒng)等[2-3]。

能量管理策略是功率分流混合動力汽車節(jié)能的關(guān)鍵技術(shù),一般包括邏輯門限值[4]、模糊控制[5]等基于規(guī)則的能量管理策略,等效燃油消耗最小[6]等瞬時優(yōu)化策略,動態(tài)規(guī)劃[7]、最小值原理[8]等全局優(yōu)化策略。規(guī)則的能量管理策略簡單易行,卻難以保證優(yōu)化效果;瞬時優(yōu)化策略的效果依賴于油電轉(zhuǎn)化因子的準確性,而針對功率分流混合動力系統(tǒng)沒有一個足夠準確的方法確定其參數(shù);全局優(yōu)化策略則需要提前預知工況信息,難以運用于實際車輛的控制中。隨著研究的深入,基于模型預測控制的局部優(yōu)化能量管理策略越來越受到重視[9]?；谀Ｐ皖A測控制能量管理策略通過建立精確的預測模型,在每一個時刻基于系統(tǒng)的當前及過去狀態(tài)信息,預測未來一段時間內(nèi)的電池荷電狀態(tài)(SOC)變化及發(fā)動機燃油消耗,并將其引入到成本函數(shù)中,通過局部尋優(yōu)手段求解出預測時域內(nèi)各動力源最優(yōu)轉(zhuǎn)矩分配序列,并將第一個控制量即當前控制量作用給系統(tǒng)。因為在每一個時刻都會將系統(tǒng)的狀態(tài)量引入預測模型構(gòu)成反饋校正,故基于模型預測控制的能量管理策略具有較好的魯棒性[10]。同時,相比于瞬時優(yōu)化能量管理策略,基于模型預測控制能量管理策略可做到短時域內(nèi)最優(yōu),相比于全局優(yōu)化能量管理策略可以大大減少計算量。由于功率分流混合動力汽車是一個復雜的系統(tǒng),涉及動力電池、發(fā)動機等諸多強非線性元件,故常規(guī)優(yōu)化方法難以直接運用到能量管理優(yōu)化問題之中。

針對插電式混合動力汽車的能量管理問題,何洪文等將模型預測控制思想用于動態(tài)規(guī)劃算法中,通過多步馬爾科夫預測方法預測混合動力客車駕駛工況,構(gòu)建預測時域內(nèi)能量管理優(yōu)化問題,并運用動態(tài)規(guī)劃算法實現(xiàn)各動力源的轉(zhuǎn)矩的最優(yōu)分配[11]。連靜等針對并聯(lián)式混合動力汽車在新歐洲行駛工況(NEDC)下的燃油經(jīng)濟性進行全局優(yōu)化分析,獲取特定工況下動力電池SOC的變化規(guī)律,將基于動態(tài)規(guī)劃離線計算的SOC軌跡作為模型預測控制的參考軌跡,開發(fā)了既定工況下模型預測控制能量管理策略[12]。

針對功率分流混合動力汽車的能量管理優(yōu)化問題,Borhan等首次將模型預測控制應用于功率分流混合動力汽車的能量管理中,將模型預測控制問題轉(zhuǎn)化為預測時域內(nèi)的二次規(guī)劃問題,在每一個決策時刻通過對二次規(guī)劃問題的求解得到各動力源的最優(yōu)轉(zhuǎn)矩控制序列,實現(xiàn)了基于模型預測控制能量管理策略的初步應用[13]。袁洪亮等在考慮功率分流系統(tǒng)機械及電氣特性的前提下,將模型預測控制與二次規(guī)劃求解方法結(jié)合起來,實現(xiàn)了針對豐田Prius功率分流混合動力汽車能量管理策略的開發(fā)[14]。項昌樂等將模型預測控制的思想與動態(tài)規(guī)劃結(jié)合起來,通過馬爾科夫鏈預測有限時域內(nèi)的功率分流混合動力汽車的車速變化,在有限時域內(nèi)運用動態(tài)規(guī)劃算法求解能量管理的最優(yōu)解,最終決策出發(fā)動機及電機的控制量[15]。Zhu等采用極小值原理對預測時域內(nèi)的能量管理問題進行計算,實現(xiàn)了對預測駕駛員需求轉(zhuǎn)矩的跟蹤[16]。王偉達等通過構(gòu)建狀態(tài)觀測器實時觀測電池SOC的狀態(tài),將模型預測能量管理優(yōu)化問題轉(zhuǎn)化為線性二次型最優(yōu)控制問題[17]。此外,還有人采用迭代算法[18]、一維搜索算法[19]等對預測時域內(nèi)的能量管理優(yōu)化問題進行計算,以實現(xiàn)模型預測控制在能量管理中的應用。

針對新型雙模功率分流混合動力系統(tǒng)方案,本文提出基于系統(tǒng)當前及歷史狀態(tài)信息的發(fā)動機工作點最優(yōu)決策律,深入分析不同功率分流模式下轉(zhuǎn)速轉(zhuǎn)矩關(guān)系,研究發(fā)動機、電機及動力電池的工作機理及特性,并建立了功率分流混合動力系統(tǒng)短時域預測模型,提出了基于發(fā)動機最優(yōu)決策律的能量管理優(yōu)化策略。

1 新型雙模功率分流混合動力系統(tǒng)

1.1 構(gòu)型方案

如圖1所示,該新型雙模功率分流混合動力系統(tǒng)由共用行星架的雙行星排構(gòu)成,發(fā)動機通過單向離合器連接前行星排太陽輪,電機1連接前行星排齒圈,并通過離合器與后行星排齒圈連接,后行星排齒圈又通過制動器鎖止。電機2連接后行星排太陽輪,行星架連接在一起作為整個行星排系統(tǒng)的輸出。通過離合器和制動器不同的作動狀態(tài),可實現(xiàn)5種工作模式,其中有兩種功率分流工作模式,如表1所示。整車參數(shù)與設(shè)計指標見表2,動力系統(tǒng)關(guān)鍵部件參數(shù)見表3。

表1 工作模式一覽表

表2 整車參數(shù)與設(shè)計指標

圖1 新型功率分流混合動力系統(tǒng)結(jié)構(gòu)

部件參數(shù)數(shù)值發(fā)動機最大功率/kW88最大轉(zhuǎn)矩/N·m174最高轉(zhuǎn)速/r·min-15 500電機1峰值功率/kW72峰值轉(zhuǎn)矩/N·m205最高轉(zhuǎn)速/r·min-18 500額定轉(zhuǎn)速/r·min-13 000電機2峰值功率/kW72峰值轉(zhuǎn)矩/N·m205最高轉(zhuǎn)速/r·min-18 500額定轉(zhuǎn)速/r·min-13 000電池電壓/V375容量/A·h8

1.2 數(shù)學模型

針對上述新構(gòu)型方案,忽略各軸及其齒輪的旋轉(zhuǎn)黏性阻尼的作用、嚙合齒輪的嚙合彈性、軸承及軸承座間的彈性作用,將車輪轉(zhuǎn)動慣量以及車輛平動質(zhì)量統(tǒng)一折算到變速箱輸出軸,由此可得混合動力變速箱各部件轉(zhuǎn)矩關(guān)系式

TENG-TS1=JENGαENG

(1)

TM1-TR1=JM1αM1

(2)

TM2-TS2=JM2αM2

(3)

式中:J、α分別為等效轉(zhuǎn)動慣量、角加速度;T為轉(zhuǎn)矩;下標ENG表示發(fā)動機(包括曲軸、飛輪、單向離合器等),M1、M2分別表示電機1、電機2,S1、S2和R1分別表示前、后行星排太陽輪及前行星排齒圈。

考慮行星排系統(tǒng)的轉(zhuǎn)動慣量相對于發(fā)動機及電機的轉(zhuǎn)動慣量比較小,進而忽略太陽輪、行星架及齒圈等的轉(zhuǎn)動慣量,由此可得如下行星排的轉(zhuǎn)矩轉(zhuǎn)速平衡方程。

對于輸入功率分流模式,有

TS1+ρ2TS2+TR1=TOUT

(4)

ρ1ρ2TS2+(1+ρ1)TR1=ρ1TOUT

(5)

ρ1nM1+nENG=(1+ρ1)nOUT

(6)

nM2=(1+ρ2)nOUT

(7)

對于復合功率分流模式,有

TS1+TS2+TR1=TOUT

(8)

(1+ρ1)TS1+(1+ρ2)TS2=TOUT

(9)

ρ1nM1+nENG=(1+ρ1)nOUT

(10)

ρ2nM1+nM2=(1+ρ2)nOUT

(11)

式中:T為折算的等效阻力矩;n為轉(zhuǎn)速;下標OUT表示輸出端(即行星架)。

考慮行星排系統(tǒng)在穩(wěn)態(tài)運行工況下其齒間隙及傳動軸阻尼等均可忽略,

由式(6)(7)可得輸入功率

分流模式下各動力源的加速度關(guān)系表達式,由式(10)(11)可得復合功率分流模式下各動力源的加速度關(guān)系表達式

ρ1αM1+αENG=(1+ρ1)αOUT

(12)

αM2=(1+ρ2)αOUT

(13)

ρ1αM1+αENG=(1+ρ1)αOUT

(14)

ρ2αM1+αM2=(1+ρ2)αOUT

(15)

進一步可得該新型功率分流混合動力系統(tǒng)統(tǒng)一運動學模型的矩陣表達形式[20]

AX=B

(16)

X=[TS1TS2TR1TENGTM2αM1αM2TM1

TOUTαENGαOUT]T

(17)

B=[0000000

TENGTOUTαENGαOUT]T

(18)

在輸入功率分流模式下

(19)

在復合功率分流模式下

(20)

1.3 效率分析

定義功率分流混合動力系統(tǒng)傳動比為發(fā)動機轉(zhuǎn)速與輸出端轉(zhuǎn)速的比值,當電路凈輸出功率為0時,發(fā)動機全部輸出功率都經(jīng)由機械路徑傳遞到車輪,系統(tǒng)傳動效率最高,此時系統(tǒng)的傳動比稱為機械點。定義電功率循環(huán)比為功率分流模式下兩電機總功率與發(fā)動機功率的比值[21],得到機械點處電功率循環(huán)比為0。將電機及輸出端轉(zhuǎn)矩轉(zhuǎn)速相對于發(fā)動機轉(zhuǎn)矩轉(zhuǎn)速做歸一化處理,可得該雙模功率分流系統(tǒng)在輸入功率分流模式下的機械點為1+ρ1,而在復合功率分流模式下的機械點有兩個,分別為1-ρ1/ρ2和1+ρ1。假設(shè)兩個電機的工作效率為η1和η2,經(jīng)過Matlab編程可計算輸入功率分流模式和復合功率分流模式下電功率循環(huán)比隨傳動比的變化關(guān)系如圖2所示。由圖可見:在輸入功率分流模式下,電功率循環(huán)比隨傳動比的增大先減小到0再逐漸增大;在復合功率分流模式下,電功率循環(huán)比隨傳動比的增大呈先減小后增大、而后再減小增大的復雜變化過程。

圖2 電功率循環(huán)比隨傳動比的變化關(guān)系

由于構(gòu)型的特殊性,輸入功率分流的機械點同為復合功率分流的機械點之一。當傳動比大于輸入功率分流的機械點時,輸入功率分流的電功率循環(huán)比低于復合功率分流的電功率循環(huán)比,而當傳動比小于輸入功率分流的機械點時,復合功率分流的電功率循環(huán)比低于輸入功率分流的電功率循環(huán)比。在機械點處,因電功率循環(huán)比為0,故系統(tǒng)效率最高。當傳動比高于機械點時,因電功率循環(huán),系統(tǒng)的效率會緩慢下降。當發(fā)動機轉(zhuǎn)速一定時,車速越高,傳動比越小,因此該構(gòu)型的輸入功率分流模式適合用于車輛傳動比較大的低速行駛中,而復合功率分流模式更適合用于傳動比較小的高速行駛中。

2 功率分流混合動力系統(tǒng)模型

2.1 發(fā)動機模型

該新型雙模功率分流混合動力系統(tǒng)使用阿特金森循環(huán)發(fā)動機,其萬有特性如圖3所示。在發(fā)動機模型中,發(fā)動機的工況點及其燃油消耗率mf可由轉(zhuǎn)速和轉(zhuǎn)矩決定,即

mf=Map(nENG,TENG)

(21)

為方便構(gòu)建預測模型,采用分段擬合函數(shù)法對發(fā)動機穩(wěn)態(tài)燃油消耗Map圖進行擬合,即

mf=mTENG+n/TENG+l,nENG∈ψ

(22)

圖3 發(fā)動機萬有特性圖

圖4 發(fā)動機燃油消耗率擬合誤差

擬合誤差如圖4所示。從圖中可以看出,當發(fā)動機轉(zhuǎn)矩低于40 N·m時,燃油消耗率擬合誤差較大,而當發(fā)動機轉(zhuǎn)矩高于40 N·m時,燃油消耗率擬合較好,誤差可保證在8%以內(nèi)?？紤]到發(fā)動機正常工作時輸出轉(zhuǎn)矩一般較大,故認為發(fā)動機燃油消耗率擬合較好。

2.2 電機模型

相比于發(fā)動機等機械部件,電機轉(zhuǎn)矩響應速度較快,此構(gòu)型方案所用的兩電機為同一型號。這里忽略電機的磁、熱效應,僅考慮電機在不同工況下的損耗,即電機的效率與電機轉(zhuǎn)速和轉(zhuǎn)矩的函數(shù)關(guān)系。通過實驗,得到隨轉(zhuǎn)速和轉(zhuǎn)矩變化的電機效率特性曲線如圖5所示。

圖5 電機效率特性曲線

2.3 動力電池模型

忽略溫度的影響,動力電池簡化為一階模型,如圖6所示。

圖6 動力電池一階等效模型

動力電池電回路方程如下

(23)

(24)

式中:P為電回路負載功率;η為電機的效率;k1、k2為電機1、電機2的充放電狀態(tài),發(fā)電狀態(tài)為1,電動狀態(tài)為-1;R為電池內(nèi)阻;Voc為電池開路電壓;I為電回路電流。

電池荷電狀態(tài)ψSOC的表達式為

(25)

聯(lián)立式(23)～式(25)并求導,可得

(26)

(27)

3 基于模型預測控制的能量管理策略

模型預測控制的機理可描述為:在每一個采樣時刻根據(jù)當前系統(tǒng)已知的測量信息,通過預測模型預測未來有限時域內(nèi)的輸出,在線優(yōu)化未來時刻輸出可得到相應的輸入控制序列,將得到的控制序列的第一個元素作用于被控對象;在下一個循環(huán)時刻重復上述過程,用新的測量值刷新優(yōu)化問題并重新求解[22]。模型預測控制是一種實時優(yōu)化算法,為了滿足實時性,其預測模型不能復雜,故采用擬合函數(shù)法對發(fā)動機萬有特性進行建模,采用安時積分法對動力電池進行建模。功率分流混合動力系統(tǒng)包含了發(fā)動機、電機及動力電池組等多個部件,均具有較復雜的非線性特性。對于非線性系統(tǒng)而言,當非線性因素對系統(tǒng)影響很小時一般可將其忽略,如果系統(tǒng)的變量在工作點附近只發(fā)生微小的偏移,可以通過取其線性主部用切線法進行線性化,故當設(shè)置預測時域較短時,在預測時域內(nèi)輸出端的需求轉(zhuǎn)矩也近似認為不變。

3.1 預測模型

取系統(tǒng)的狀態(tài)變量與輸出變量為ψSOC、mf,控制變量為nENG、TENG,干擾變量為TOUT、nOUT,即

(28)

y=C·x

(29)

(30)

(31)

x=F(u,v)

(32)

式(32)是電池SOC及發(fā)動機燃油消耗率的隱函數(shù)表現(xiàn)形式,對上述系統(tǒng)非線性模型在每一個采樣時刻做最優(yōu)線性逼近,可得泰勒展開表達式

(33)

基于較短預測時域尺度假設(shè),可認為在預測時域內(nèi)輸出端的需求轉(zhuǎn)矩及轉(zhuǎn)速近似不變,由式(32)可得預測時域內(nèi)線性化模型

x=F0+gΔu

(34)

y=C·x

(35)

(36)

(37)

實際應用中為了滿足在線數(shù)值計算的需求,需要將以上獲得的連續(xù)系統(tǒng)模型在預測時域內(nèi)轉(zhuǎn)化為離散化模型

Y=GΔU+F

(38)

(39)

(40)

ΔU=

(41)

(42)

F=

(43)

(44)

式中:y表示輸出;Δu表示控制量變化;F0為由式(37)算出的泰勒展開偏差量;(k+i)表示k+i時刻;gi為由式(36)算出的線性主部系數(shù),是一個2×2的矩陣。

圖7 模型預測控制能量管理策略架構(gòu)

3.2 最優(yōu)決策律

功率分流混合動力汽車能量管理策略的主要目的是使得系統(tǒng)在滿足約束的條件下,獲得最佳的燃油經(jīng)濟性,并且保持動力電池SOC在其參考值附近變化。預測時域內(nèi)目標SOC及目標燃油消耗率

(45)

(46)

式中:w(k+i)表示k+i時刻目標SOC及目標燃油消耗率所組成的向量;ψSOCtrg(k+i)表示k+i時刻目標SOC;mftrg(k+i)表示k+i時刻目標燃油消耗率。

在滾動時域內(nèi)滿足諸多約束的前提下,既要使得動力電池SOC維持在參考值附近,又要使得發(fā)動機的燃油消耗盡可能小,為此在代價函數(shù)中添加控制量增量懲罰項,以確保在控制時域內(nèi)控制量增量的合理變化,即

J=(Y-W)TQ(Y-W)+λΔUTΔU

s.t.Y?Ψ;ΔU?Ω

(47)

式中:Q為預測時域內(nèi)各項輸出的罰函數(shù)對角陣;Ψ為預測輸出的有效集;Ω為控制變化量的有效集。

系統(tǒng)狀態(tài)變量約束條件為

ψSOCmin≤ψSOC(t)≤ψSOCmax

(48)

控制變量約束為

Tmin≤TENG(t)≤Tmax

nmin≤nENG(t)≤nmax

ΔTmin≤ΔTENG(t)≤ΔTmax

Δnmin≤ΔnENG(t)≤Δnmax

(49)

基于最優(yōu)控制理論,令

(50)

可得控制時域內(nèi)最優(yōu)控制律為

ΔU=(GTQG+λI)-1GTQ(W-F)

(51)

實際控制時每次僅將第一個分量加入系統(tǒng),即

u(k)=u(k-1)+gT(W-F)

(52)

式中:gT為(GTQG+λI)-1GTQ的第一行。根據(jù)系統(tǒng)當前及歷史狀態(tài)信息,在每一個決策時刻更新式(52)中各系數(shù)矩陣,即可快速決策發(fā)動機工作點。

3.3 能量管理策略架構(gòu)

基于模型預測控制(MPC)的能量管理策略架構(gòu)如圖7所示,其中模型預測控制器用于決策發(fā)動機轉(zhuǎn)矩及轉(zhuǎn)速;轉(zhuǎn)矩分配控制器在考慮整車約束及功能安全的前提下,根據(jù)需求轉(zhuǎn)矩及已決策出的發(fā)動機轉(zhuǎn)矩和轉(zhuǎn)速來決策相應兩電機轉(zhuǎn)矩,最終決策出每一個時刻發(fā)動機及兩電機的目標轉(zhuǎn)矩[23]。

4 仿真測試及結(jié)果分析

4.1 仿真結(jié)果分析

為了驗證基于模型預測控制的能量管理策略的有效性,在Matlab/Simulink中搭建功率分流混合動力系統(tǒng)模型及相應的控制策略,以NEDC工況為例進行仿真測試。設(shè)置初始ψSOC為60%,預測時域和控制時域均為3 s,設(shè)置仿真步長為0.01 s,一個仿真步長內(nèi)發(fā)動機最大轉(zhuǎn)矩增量不超過2 N·m,發(fā)動機最大轉(zhuǎn)速增量不超過10 r·min-1。

圖8 MPC能量管理策略下車速跟蹤圖

圖9 MPC能量管理策略下SOC變化圖

圖8為NEDC工況車速跟蹤圖,可以看出,基于模型預測控制的能量管理策略能很好地實現(xiàn)整車控制功能,完成車速跟蹤。圖9為NEDC仿真工況下SOC的變化圖,初始時刻的ψSOC設(shè)置為60%,終了時刻的ψSOC為60.18%,絕對誤差為0.18%,說明該控制策略能夠?qū)崿F(xiàn)SOC的基本穩(wěn)定。在800 s前,由于以純電動模式為主,SOC振蕩下降;在800 s后,輸入功率分流模式和復合功率分流模式成為驅(qū)動整車運行的主要模式,SOC快速上升,并維持在SOC目標值60%左右。圖10為整個NEDC工況下發(fā)動機工作點的分布圖。從圖中可以看出,基于模型預測控制的能量管理策略能夠使發(fā)動機工作在最優(yōu)工作區(qū)間。圖11為NEDC工況下發(fā)動機及兩電機轉(zhuǎn)矩的變化過程圖,圖12為NEDC工況下整車模式變化過程圖,圖13為NEDC工況下發(fā)動機及兩電機轉(zhuǎn)速的變化過程圖。經(jīng)過多個NEDC仿真工況后,得到百公里油耗平均為4.95 L。

圖10 MPC能量管理策略下發(fā)動機工作點分布圖

圖11 MPC能量管理策略下發(fā)動機及電機轉(zhuǎn)矩圖

圖12 MPC能量管理策略下工作模式變化圖

圖13 MPC能量管理策略下發(fā)動機及電機轉(zhuǎn)速圖

4.2 基于規(guī)則的能量管理策略

如圖14所示,基于規(guī)則能量管理策略根據(jù)車速、SOC及踏板開度信息決策駕駛員需求轉(zhuǎn)矩及當前最佳工作模式。在純電動模式下,將由電機直接提供駕駛員需求轉(zhuǎn)矩;在混合動力模式下,先根據(jù)駕駛員需求功率查最佳發(fā)動機需求轉(zhuǎn)速,再根據(jù)當前發(fā)動機轉(zhuǎn)速查最佳發(fā)動機轉(zhuǎn)矩輸出范圍,在保證系統(tǒng)平衡且正常工作的前提下決策兩電機轉(zhuǎn)矩。

圖14 規(guī)則能量管理策略控制架構(gòu)

圖15為采用規(guī)則能量管理策略NEDC工況下SOC的變化,初始時刻ψSOC也設(shè)置為60%,而終了時刻的ψSOC為67.53%。對比圖9中SOC變化過程,在0～800 s內(nèi),規(guī)則能量管理策略的SOC變化與模型預測控制能量管理策略的結(jié)果基本相同,均為振蕩下降,這是因為800 s之前兩種控制策略下整車均處于純電動工作模式。在800 s之后,由于SOC較低整車進入功率分流混合動力模式,兩種控制策略下電池的SOC均開始上升,規(guī)則能量管理策略下SOC上升幅度明顯高于模型預測控制能量管理策略下SOC的變化,導致終了時刻SOC有了明顯的上升。這是因為規(guī)則能量管理策略優(yōu)先保證發(fā)動機工作在較優(yōu)的區(qū)間,而忽略了混合動力汽車電氣特性的影響,故電池SOC的變化較大。圖16為采用規(guī)則能量管理策略NEDC工況下發(fā)動機工作點的分布圖,可以看出相比于圖10,規(guī)則的能量管理策略下發(fā)動機的工作點緊緊分布在最優(yōu)工作線兩側(cè)。圖17為仿真過程中兩種控制策略下電機功率損失變化曲線,在800 s之前,兩種控制策略下的整車均處于純電動模式,因此電機功率損失變化曲線基本相同;在800 s之后,由于SOC較低,整車進入功率分流模式,規(guī)則控制策略下的電機損失功率略高于MPC能量管理策略。采用規(guī)則能量管理策略經(jīng)過多個NEDC工況后其百公里油耗為5.364 L。相比于基于規(guī)則的能量管理策略,模型預測控制的能量管理策略可提升百公里燃油消耗約7.7%。

圖15 規(guī)則能量管理策略下SOC變化圖

圖16 規(guī)則能量管理策略下發(fā)動機工作點分布圖

圖17 不同控制策略下電機功率損失變化曲線

5 結(jié) 論

本文以某新型功率分流混合動力系統(tǒng)方案為研究對象,以實時優(yōu)化發(fā)動機轉(zhuǎn)矩為研究目的,重點研究混合動力模式下各動力源轉(zhuǎn)矩的實時優(yōu)化控制。首先,對功率分流混合動力系統(tǒng)的結(jié)構(gòu)及模式進行分析,采用機理研究及實驗擬合相結(jié)合的方法建立短時域預測模型;其次,以預測時域內(nèi)改善發(fā)動機工作點及維持SOC的基本穩(wěn)定為目標,提出了基于系統(tǒng)當前及歷史信息的發(fā)動機工作點最優(yōu)決策方法,開發(fā)了基于發(fā)動機轉(zhuǎn)矩最優(yōu)決策的能量管理策略。

NEDC仿真結(jié)果表明,基于發(fā)動機工作點最優(yōu)決策的功率分流混合動力汽車MPC能量管理策略可實現(xiàn)各動力源轉(zhuǎn)矩的優(yōu)化分配,改善整車的燃油經(jīng)濟性,可保證發(fā)動機基本工作在最優(yōu)的工作區(qū)間的同時,又能兼顧混合動力汽車電氣特性對燃油經(jīng)濟性的影響,對于工程實踐具有一定的參考價值。