詹長書　王清　朱冬　隋洪濤

摘 要：為提高中度混合動力汽車整車性能，對實際運用性較強的傳統(tǒng)兩參數(shù)換擋規(guī)律進行優(yōu)化。本文通過Cruise 和I sight聯(lián)合仿真進行換擋曲線優(yōu)化，優(yōu)化算法選擇混合優(yōu)化算法Pointer。在設(shè)置經(jīng)濟性換擋規(guī)律時，將污染物的排放量加入優(yōu)化目標來更好地實現(xiàn)節(jié)能減排目標。通過NEDC循環(huán)工況整車仿真，證明優(yōu)化的換擋規(guī)律能更好地發(fā)揮混合動力汽車的性能，同時提高整車經(jīng)濟性。

關(guān)鍵詞：混合動力;換擋規(guī)律;聯(lián)合仿真;Pointer算法

中圖分類號：U463.212??? 文獻標識碼：A?? 文章編號：1006-8023（2020）06-0110-07

Design of AMT Shifting Schedule of Hybrid Electric Vehicle Based

on Intelligent Optimization

ZHAN Changshu1， WANG Qing1， ZHU Dong1*，SUI Hongtao2

（1.School of Traffic and Transportation， Northeast Forestry University， Harbin 150040， China;

2.Micro System Integration Center， Tohoku University， Sendai 9808579， Japan）

Abstract：The optimization of the traditional two-parameter shift schedule with great practical application， improving the performance of the medium hybrid electric vehicle， was achieved by Cruise and I sight combined simulation. The hybrid optimization algorithm Pointer was applied as the optimization algorithm. With the setting of the economic shift schedule， the optimization target by adding the emission of pollutants levels up the realization of the energy conservation and emission reduction target. The NEDC cycle vehicle simulation demonstrates the better performance of hybrid electric vehicle and improving vehicle economy with the optimized shift schedule.

Keywords：HEV; shifting schedule; joint simulation; Pointer algorithm

收稿日期：2020-3-20

基金項目：國家自然科學(xué)基金資助項目（51405075）

第一作者簡介：詹長書，博士，副教授。研究方向：汽車振動與噪聲、節(jié)能減排技術(shù)。E-mail：1437116792@qq.com

通信作者：朱冬，博士，講師。研究方向：氣動系統(tǒng)的建模和仿真研究。E-mail： Winter_Zhu@yahoo.com.cn

引文格式：詹長書，王清，朱冬，等.基于智能優(yōu)化的混合動力汽車AMT換擋規(guī)律設(shè)計[J].森林工程，2020，36（6）：110-116.

ZHAN C S， WANG Q ， ZHU D， et al. Design of AMT shifting schedule of hybrid electric vehicle based on intelligent optimization[J]. Forest Engineering，2020，36（6）：110-116.

0 引言

目前，由于化石燃料能源的不足，各國的排放法規(guī)越來越嚴格，混合動力汽車在汽車市場中比重日益增大[1]。對于配置了自動變速器的混合動力汽車，為了提高整車的動力性和經(jīng)濟性，既要制定發(fā)動機和電機的能量分配策略，又要開發(fā)相應(yīng)的換擋方法來提高發(fā)動機和電機的效率。目前國內(nèi)許多機構(gòu)都在從事混合動力汽車相關(guān)的研究，但對換擋決策方面研究較少，主要集中在車輛能量管理策略上[2]。

考慮混合動力汽車雙動力源的復(fù)雜性，其換擋規(guī)律多采用多參數(shù)和智能換擋方法[3]，但控制算法復(fù)雜、制定方法不成熟，實際應(yīng)用性差強人意。如何仁等[4]采用了動態(tài)3參數(shù)換擋規(guī)律，柴會武[5]制定4參數(shù)換擋規(guī)律，在控制參數(shù)選取上也各有不同。胡宇輝等[6]在某混合動力車輛上進行換擋規(guī)律逆向解析實驗，換擋參數(shù)選取油門開度、車速、電池SOC、電機轉(zhuǎn)矩和發(fā)動機轉(zhuǎn)矩，證實了油門開度和車速對混合動力而言依然是首要換擋參數(shù)。本文以車速、油門開度為換擋參數(shù)，首先搭建混合動力車輛模型，然后基于Pointer算法進行聯(lián)合仿真以優(yōu)化換擋點，提高車輛的經(jīng)濟性能和排放性能。

1 車輛結(jié)構(gòu)及模型搭建

1.1 并聯(lián)式混合動力系統(tǒng)的結(jié)構(gòu)

中度混合動力汽車其同軸并聯(lián)式的結(jié)構(gòu)將電機軸作為傳動軸的一部分，結(jié)構(gòu)簡單容易實現(xiàn)[7]。其并聯(lián)結(jié)構(gòu)可以實現(xiàn)純發(fā)動機驅(qū)動、純電動驅(qū)動、發(fā)動機和電機混合驅(qū)動、制動能量再生等多種工作模式，單軸并聯(lián)混合動力汽車系統(tǒng)簡圖如圖1所示。

1.2 雙動力源協(xié)同能量管理策略

目前混合動力能量分配策略主要分為基于規(guī)則的能量管理和基于系統(tǒng)優(yōu)化的控制策略等?？紤]運行的可靠性，本文在邏輯規(guī)則控制的基礎(chǔ)上研究自動變速換擋規(guī)律。采用邏輯門限策略來實現(xiàn)單動力源驅(qū)動、混合驅(qū)動和制動能量回收等多種工作模式的切換[8-10]。即當(dāng)電量充足時，小負荷和低轉(zhuǎn)速下電動機單獨驅(qū)動，其余工況采用混合驅(qū)動。當(dāng)電量不足時，小負荷發(fā)動機驅(qū)動并行車充電，中大負荷僅發(fā)動機驅(qū)動。

其中在發(fā)動機和電動機混合驅(qū)動時采用確定的轉(zhuǎn)矩分配控制規(guī)則，通過電機的協(xié)作降低燃油消耗，并盡可能減小發(fā)動機負荷的變化。具體為根據(jù)不同油門開度對應(yīng)的需求轉(zhuǎn)矩進行能量分配[11]。發(fā)動機轉(zhuǎn)矩選取該轉(zhuǎn)速下發(fā)動機最大轉(zhuǎn)矩，這樣可以保證車輛具有一定的動力性，又能在混合動力或行車充電工況下，在發(fā)動機最佳燃油經(jīng)濟性轉(zhuǎn)矩附近發(fā)揮電動機的協(xié)調(diào)作用，減少車輛燃油消耗。

1.3 整車模型的搭建

仿真技術(shù)對車輛的研發(fā)起著重要的作用，降低了開發(fā)周期和成本。Cruise是車輛系統(tǒng)的集成開發(fā)軟件，可進行整車的動力性、燃油經(jīng)濟性、排放性能和制動性能的仿真分析[12]。其模塊化的建模形式和圖形化的交互環(huán)境，方便工程師快捷地搭建各種傳統(tǒng)及新能源車輛模型。同時Cruise設(shè)置了許多計算任務(wù)：循環(huán)工況、巡航工況、最大爬坡度計算、穩(wěn)態(tài)行駛性能及全負荷加速性能任務(wù)等[13]。以表1中車輛參數(shù)在Cruise中建立整車模型，如圖2所示。同時在Simulink中建立能量分配控制策略以dell格式嵌入Cruise車輛模型中。

2 傳統(tǒng)單動力源換擋規(guī)律制定

2.1 發(fā)動機動力性換擋規(guī)律制定

發(fā)動機動力性換擋規(guī)律就是使車輛獲得最大的動力性。制定的根據(jù)是發(fā)動機特性曲線[14]，根據(jù)發(fā)動機臺架試驗測得不同油門開度下發(fā)動機的轉(zhuǎn)矩與轉(zhuǎn)速。然后根據(jù)下面公式做出同一油門開度下加速度隨車速變化的關(guān)系曲線。

Fn=Tigioηr 。 （1）

α=Fn-F+ωσm。（2）

v=0.377rnigi0 。 （3）

式中：Fn為驅(qū)動力;T為驅(qū)動電機輸出轉(zhuǎn)矩;ig為變速器速比;i0為主減速比;η為傳動效率;r為車輪半徑;F+ω為滾動阻力和空氣阻力之和;σ為汽車旋轉(zhuǎn)質(zhì)量換算系數(shù);m為整車質(zhì)量;v為車速，n為發(fā)動機轉(zhuǎn)速。

將相鄰擋位加速度曲線的交點作為換擋點。最后根據(jù)換擋點生成動力性換擋曲線，如圖3所示。

2.2 發(fā)動機經(jīng)濟性換擋規(guī)律制定

發(fā)動機經(jīng)濟性換擋規(guī)律的制定依據(jù)是發(fā)動機萬有特性圖[15]，根據(jù)發(fā)動機臺架試驗，利用軟件擬合工具可以得到同一油門開度下燃油消耗率隨車速變化的關(guān)系曲線。做出同一油門下的燃油消耗率-車速曲線，相鄰擋位下曲線交點即為換擋點。最后根據(jù)換擋點生成經(jīng)濟性換擋曲線，如圖4所示。

3 混合動力綜合性換擋規(guī)律優(yōu)化

針對車輛多種工作模式：純發(fā)動機驅(qū)動、純電動驅(qū)動、混合驅(qū)動、制動能量回收以及緊急制動等制定相應(yīng)的換擋規(guī)律。制動能量回收以及緊急制動期間不進行換擋。當(dāng)電池電量充足時為純電動驅(qū)動、混合驅(qū)動，當(dāng)電量不足時為發(fā)動機單獨驅(qū)動和行車充電。因此換擋規(guī)律根據(jù)電量（SOC）大小分為電量充足（文中設(shè)為SOC≥25%）換擋規(guī)律和電量不足（即SOC<25%）換擋規(guī)律。

3.1 聯(lián)合優(yōu)化換擋規(guī)律的優(yōu)勢

傳統(tǒng)換擋規(guī)律是以發(fā)動機轉(zhuǎn)速特性和效率為依據(jù)，沒有考慮系統(tǒng)的總效率。擁有兩個動力源的混合動力汽車存在發(fā)動機與電機耦合現(xiàn)象，采用Cruise建立模型、設(shè)計優(yōu)化換擋規(guī)律可以更好地利用系統(tǒng)的效率，同時在優(yōu)化中將主要污染物的排放（CO、HC、NOx）設(shè)為優(yōu)化目標，更好地實現(xiàn)了節(jié)能減排。

雖然AVL-Cruise自帶了一個換擋策略優(yōu)化工具GSP，但是這個模塊完全是為內(nèi)燃機開發(fā)的。模塊中需要輸入不少內(nèi)燃機的特性參數(shù)，這不符合混合動力汽車的需求。所以需要結(jié)合I sight自帶的優(yōu)化算法，尋找最優(yōu)的換擋策略。

3.2 混合動力換擋規(guī)律設(shè)計

當(dāng)電池電量充足時采用三段式換擋設(shè)計，即根據(jù)油門開度分為大、中、小3個部分進行換擋設(shè)計，油門開度在大和中部分時，車輛需求轉(zhuǎn)矩較大，系統(tǒng)處于混合驅(qū)動模式，因此大油門開度采用動力性換擋規(guī)律，中油門開度采用經(jīng)濟性換擋規(guī)律;而油門開度較小時，車輛運行在純電動模式，采用純電動車輛常用的單參數(shù)換擋規(guī)律，即僅根據(jù)車速確定換擋曲線。具體劃分為：節(jié)氣門開度小于25%時依據(jù)單參數(shù)換擋參數(shù)車速;節(jié)氣門開度為25%～70%時，依據(jù)車速和節(jié)氣門開度設(shè)計經(jīng)濟性換擋曲線;節(jié)氣門開度大于70%時，依據(jù)車速和節(jié)氣門開度設(shè)計動力性換擋曲線。電池電量不足時采用兩段式換擋設(shè)計，電池電量不足時車輛工作在純發(fā)動機模式或行車充電模式，此時中小油門即加速踏板開度小于70%時采取經(jīng)濟性換擋規(guī)律，大油門即加速踏板開度大于70%時，采取動力性擋位規(guī)律。降擋曲線使用等延遲型。故下文僅針對升檔設(shè)計優(yōu)化進行詳細描述。

3.3 換擋規(guī)律優(yōu)化步驟

3.3.1 電量充足時優(yōu)化變量及優(yōu)化目標

以一檔升二檔為例，油門開度為30%～70%時，直接選取5個換擋點，分別為30%、40%、50%、60%、70%，對應(yīng)優(yōu)化變量為x1、x2、x3、x4、x5，優(yōu)化目標為循環(huán)工況下百公里等效燃油消耗和CO、HC、NOx污染物排放量。油門開度為70%～100%時，選取3個換擋點，分別為80%、90%、100%，對應(yīng)優(yōu)化變量為x6、x7、x8。優(yōu)化目標為百公里加速時間。同理做出二檔升三檔和三檔升四檔的換擋曲線。

3.3.2 電量不足時優(yōu)化變量及優(yōu)化目標

以一檔升二檔為例，油門開度為0%～70%時，選取8個換擋點，分別為0、10%、20%、30%、40%、50%、60%、70%，對應(yīng)優(yōu)化變量為x*0、x*1、x*2、x*3、x*4、x*5、x*6、x*7，優(yōu)化目標為循環(huán)工況下百公里等效燃油消耗和CO、HC、NOx污染物排放量。油門開度為70%～100%時，選取3個換擋點，分別為80%、90%、100%，對應(yīng)優(yōu)化變量為x*8、x*9、x*10，優(yōu)化目標為百公里加速時間。同理做出二檔升三檔和三檔升四檔的換擋曲線。

3.4 聯(lián)合仿真優(yōu)化原理和步驟

I sight軟件提供的接口程序可以直接與很多專業(yè)軟件進行集成[16]，由于沒有可以與Cruise直接集成的模塊，本文借助Sim code模塊，通過自定義批處理文件來完成仿真優(yōu)化，搭建Cruise與I sight聯(lián)合仿真模型。在Optimization模塊進行算法的選取、模塊變量設(shè)置、目標函數(shù)等的約束，建立的優(yōu)化算法模型，如圖5所示。

優(yōu)化過程中I sight使用自身的優(yōu)化算法板塊對優(yōu)化變量值不斷更新，然后調(diào)用所集成的 Cruise 模型里的子程序進行計算，并獲取和評定每次計算結(jié)果。當(dāng)優(yōu)化結(jié)果達到最優(yōu)時，停止計算并輸出優(yōu)化結(jié)果[17]。I sight 和 Cruise 進行聯(lián)合仿真設(shè)置步驟如圖6所示。

3.5 優(yōu)化算法的選擇及優(yōu)化結(jié)果

建立優(yōu)化變量、目標函數(shù)以后，選擇恰當(dāng)?shù)膬?yōu)化算法。I sight優(yōu)化庫里有外點罰函數(shù)法、序列二次規(guī)劃法、多島遺傳算法和自適應(yīng)模擬退火算法等?？紤]優(yōu)化問題的復(fù)雜性，選擇I sight中的混合優(yōu)化算法Pointer。Pointer實質(zhì)上是一個算法庫，是線性單純形法、遺傳算法、最速下降法和序列二次規(guī)劃算法的集成[18-19]，在進行優(yōu)化時，首先利用遺傳算法對優(yōu)化空間進行探索，初步確定優(yōu)化問題的種類，然后在迭代中自動選擇合適優(yōu)化算法。

優(yōu)化一檔升二檔曲線時，x1、x2、x3、x4、x5、x6、x7、x8優(yōu)化過程如圖7和圖8所示。

按電量劃分分別優(yōu)化后升檔曲線如圖9和圖10所示。

橫坐標c為車速，縱坐標b為加速踏板開度。

4 結(jié)果驗證

為了驗證所設(shè)計的換擋規(guī)律的優(yōu)勢，將綜合換擋規(guī)律c與動力性換擋規(guī)律a和經(jīng)濟性換擋規(guī)律b載入Cruise模型中進行NEDC工況下的仿真，其結(jié)果見表2。綜合換擋規(guī)律c與經(jīng)濟性換擋規(guī)律b在燃油消耗上區(qū)別不是很大，但其污染物排放降低量和百公里耗電量明顯降低。綜合換擋規(guī)律c與動力性換擋規(guī)律a在動力性能方面區(qū)別不是很大，但其經(jīng)濟性有了很大的改善。綜合分析可得所設(shè)計的換擋規(guī)律不僅在動力上滿足整車的要求，同時也具備了經(jīng)濟性換擋規(guī)律的優(yōu)點，更好地實現(xiàn)了節(jié)能減排的目標。

5 結(jié)論

（1）基于AVL Cruise仿真平臺搭建了并聯(lián)中度混合動力汽車模型，同時在Simulink中建立能量分配控制策略以dell形式嵌入Cruise模型中。

（2）選擇車速、油門開度作為換擋參數(shù)，在基于邏輯規(guī)則能量分配策略上，運用I sight中的智能組合算法對換擋點進行分段優(yōu)化，制定了綜合性換擋規(guī)律，優(yōu)化傳統(tǒng)的換擋規(guī)律，使車輛換擋更加經(jīng)濟、精確。

（3）在設(shè)置經(jīng)濟性換擋規(guī)律時，將CO、HC、NOx主要污染物排放量加入優(yōu)化目標，得出的混合動力系統(tǒng)換擋規(guī)律在保證車輛動力的同時提高了車輛的經(jīng)濟性，減少了污染物的排放量

【參 考 文 獻】

[1]馬建，劉曉東，陳軼嵩，等.中國新能源汽車產(chǎn)業(yè)與技術(shù)發(fā)展現(xiàn)狀及對策[J].中國公路學(xué)報，2018，31（8）：1-19.

MA J， LIU X D， CHEN Y S， et al. Current status and countermeasures for Chinas new energy automobile industry and technology development[J]. China Journal of Highway and Transport， 2018， 31（8）：1-19.

[2]蘇嶺，曾育平，秦大同.插電式混合動力汽車能量管理策略研究現(xiàn)狀和發(fā)展趨勢[J].重慶大學(xué)學(xué)報，2017，40（2）：10-15.

SU L， ZENG Y P， QIN D T. Current situation and development trend of plug-in hybrid electric vehicles energy management strategies[J]. Journal of Chongqing University， 2017， 40（2）：10-15.

[3]DU B， YIN X， LIU Y G. Coordination control during mode transition for a single-shaft parallel hybrid electric vehicle[J]. International Journal of Electric and Hybrid Vehicles， 2016， 8（3）：255.

[4]何仁，徐益強.并聯(lián)混合動力汽車混合驅(qū)動模式的換擋規(guī)律[J].江蘇大學(xué)學(xué)報（自然科學(xué)版），2016，37（6）：657-662.

HE R， XU Y Q. Shifting law of hybrid drive mode of parallel hybrid electric vehicle[J]. Journal of Jiangsu University （Natural Science）， 2016， 37（6）：657-662.

[5]柴會武.基于人—車—路識別的混合動力汽車檔位決策研究[D].合肥：合肥工業(yè)大學(xué)，2016.

CHAI H W. Research on stall position decision of hybrid electric vehicle based on person-vehicle-road recognition[D]. Hefei： Hefei University of Technology， 2016.

[6]胡宇輝，楊林，席軍強，等.某單軸并聯(lián)混合動力客車換擋規(guī)律的解析[J].汽車工程，2013，35（7）：629-634.

HU Y H， YANG L， XI J Q， et al. An analysis on the shifting schedule of a single-shaft parallel hybrid electric bus[J]. Automotive Engineering， 2013， 35（7）：629-634.

[7]陳剛.混合動力汽車關(guān)鍵部件選型及仿真研究[D].西安：長安大學(xué)，2012.

CHEN G. Research on key components selection and simulation of hybrid electric vehicle[D]. Xian： Changan University， 2012.

[8]郭偉，徐向陽，劉獻棟，等.P2結(jié)構(gòu)混合動力系統(tǒng)協(xié)同控制[J].中國公路學(xué)報，2018，31（6）：308-316.

GUO W， XU X Y， LIU X D， et al. P2 structure hybrid power system coordinated control[J]. China Journal of Highway and Transport， 2018， 31（6）：308-316.

[9]付翔，袁雷，紀劍.單軸并聯(lián)式混合動力汽車動力系統(tǒng)轉(zhuǎn)矩分配策略研究[J].公路交通科技，2018，35（1）：129-136.

FU X， YUAN L， JI J. Study on torque distribution strategy of power system of single Axis parallel hybrid power vehicle[J]. Journal of Highway and Transportation Research and Development， 2018， 35（1）：129-136.

[10]CHEN Z， XING R， WANG K， et al. Optimal energy management strategy of a plug-in， hybrid electric vehicle based on a particle swarm optimization algorithm[J]. Energies， 2015， 8（5）：3661-3678.

[11]REN H E. Shift schedule of parallel hybrid electric vehicles under hybrid driving mode[J]. Journal of Jiangsu University， 2016， 10（6）：12-18.

[12]馮英姿.基于Cruise的客車傳動系優(yōu)化匹配及整車性能分析[D].合肥：合肥工業(yè)大學(xué)，2014.

FENG Y Z. Cruise based vehicle transmission line optimization and vehicle performance analysis[D]. Hefei： Hefei University of Technology， 2014.

[13]周江輝，周躍慶，祖林祿.基于Cruise的增程式電動汽車仿真與分析[J].計算機仿真，2014，31（8）：148-152.

ZHOU J H， ZHOU Y Q， ZU L L. Simulation and analysis of range-extended electric vehicle based on cruise software[J]. Computer Simulation， 2014， 31（8）： 148-152.

[14]王麗芳.自動變速器換檔規(guī)律確定方法的研究[J].汽車技術(shù)，1998，18（6）：7-9.

WANG L F. Study on the method of determining the shift rule of automatic transmission[J]. Automobile Technology， 1998， 18（6）： 7-9.

[15]江昊，趙韓，黃康，等.純電動汽車經(jīng)濟性換擋規(guī)律仿真研究[J].汽車工程，2015，37（7）：819-824.

JIANG H， ZHAO H， HUANG K， et al. A simulation study on the shift schedule of electric vehicle aiming at fuel economy[J]. Automotive Engineering， 2015， 37（7）： 819-824.

[16]馬天飛，崔澤飛，佟靜.基于Isight和AMESim的液壓減振器關(guān)鍵參數(shù)集成優(yōu)化[J].汽車工程，2015，37（1）：97-101.

MA T F， CUI Z F， TONG J. Integrated optimization of the key parameters of hydraulic shock absorber based on Isight and AMEsim software[J]. Automotive Engineering， 2015， 37（1）： 97-101.

[17]尹安東，董欣陽，張冰戰(zhàn)，等.基于Isight的增程式電動汽車控制參數(shù)多目標優(yōu)化[J].合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2015，38（3）：289-294.

YIN A D， DONG X Y， ZHANG B Z， et al. Multi-objective optimization of control parameters of range-extended electric vehicle based on Isight[J]. Journal of Hefei University of Technology （Natural Science Edition）， 2015， 38（3）：289-294.

[18]徐丹.基于SVPWM的電動汽車永磁同步電機控制系統(tǒng)設(shè)計與仿真[J].林業(yè)機械與木工設(shè)備，2020，48（2）：29-33.

XU D. Design and simulation of permanent magnet synchronous motor control system of electric vehicles based on SVPWM[J]. Forestry Machinery & Woodworking Equipment， 2020， 48（2）： 29-33.

[19]高建平，張磊敏，孫中博，等.基于工況影響的插電式混合動力汽車控制策略優(yōu)化[J].中國機械工程，2017，28（15）：1770-1777.

GAO J P， ZHANG L M， SUN Z B， et al. Control strategy optimization of plug-in hybrid electric vehicle based on driving cycles[J]. China Mechanical Engineering， 2017， 28（15）： 1770-1777.