曾繁琦,袁曉靜,王旭平,張 澤

(火箭軍工程大學(xué)作戰(zhàn)保障學(xué)院， 西安 710025)

1 引言

軍用車輛混合動(dòng)力系統(tǒng)可以解決車載裝備電力需求問(wèn)題，提高軍用車輛信息化水平及控制水平，它不僅僅是一個(gè)單純的作戰(zhàn)指揮平臺(tái)，即各種武器裝備的最佳承載平臺(tái)和應(yīng)用載體，而且是一個(gè)能源平臺(tái)，如何對(duì)系統(tǒng)各部件之間的能量流動(dòng)進(jìn)行合理分配是能否發(fā)揮整車性能潛力的關(guān)鍵?；旌蟿?dòng)力系統(tǒng)能量管理策略制定是軍用混合動(dòng)力車輛研究的關(guān)鍵問(wèn)題之一，車輛性能在很大程度上依賴于動(dòng)力源的協(xié)調(diào)控制，控制策略能否適應(yīng)戰(zhàn)場(chǎng)環(huán)境下復(fù)雜的行駛工況是能否發(fā)揮混合動(dòng)力系統(tǒng)性能優(yōu)勢(shì)的關(guān)鍵。因此，設(shè)計(jì)合理的控制策略對(duì)提升軍用混合動(dòng)力車輛的動(dòng)力性、經(jīng)濟(jì)性等性能具有重要意義。

2 能量管理策略研究現(xiàn)狀

作為混合動(dòng)力車輛研究領(lǐng)域的關(guān)鍵問(wèn)題之一，能量管理策略的優(yōu)劣直接影響著車輛的可靠性、機(jī)動(dòng)性、經(jīng)濟(jì)性和排放性能[1]。目前，根據(jù)混合動(dòng)力車輛控制需要，其能量管理策略可大致分為三類，如圖1所示。第一類為基于規(guī)則的能量管理策略，具體包括確定性規(guī)則能量管理策略、模糊規(guī)則能量管理策略和負(fù)載功率濾波能量管理策略；第二類為基于優(yōu)化的能量管理策略，具體包括全局優(yōu)化能量管理策略和瞬時(shí)優(yōu)化能量管理策略；第三類為基于工況自適應(yīng)的能量管理策略，它是通過(guò)現(xiàn)有信息對(duì)未來(lái)工況進(jìn)行預(yù)測(cè)實(shí)現(xiàn)的[2]。

圖1 混合動(dòng)力車輛能量管理策略分類框圖

2.1 基于規(guī)則的能量管理策略

基于規(guī)則的能量管理策略是根據(jù)工程經(jīng)驗(yàn)、數(shù)值模型、先驗(yàn)知識(shí)或?qū)嶒?yàn)數(shù)據(jù)等人為制定的規(guī)則對(duì)動(dòng)力源進(jìn)行能量分配，依據(jù)動(dòng)力源的功率需求、穩(wěn)態(tài)Map圖、車速、動(dòng)力電池荷電狀態(tài)(state of charge，SOC)等參數(shù)設(shè)置工作模式切換條件，實(shí)現(xiàn)對(duì)系統(tǒng)能量分配方式和流向以及各部件工作狀態(tài)的控制，最大限度地保證系統(tǒng)各部件工作在高效區(qū)域，具有算法簡(jiǎn)單、易于實(shí)現(xiàn)、實(shí)時(shí)性好的優(yōu)點(diǎn)，因此基于規(guī)則的能量管理策略成為最早用于混合動(dòng)力車輛的控制方法[1,3-4]。在基于規(guī)則的能量管理策略中，根據(jù)規(guī)則是確定或者模糊與車輛負(fù)載功率需求的關(guān)系，其可分為確定性規(guī)則能量管理策略、模糊規(guī)則能量管理策略和負(fù)載功率濾波能量管理策略[4-6]。

1) 確定性規(guī)則能量管理策略

確定性規(guī)則能量管理策略通過(guò)設(shè)定一組穩(wěn)態(tài)參數(shù)限定動(dòng)力源的開(kāi)關(guān)與工作區(qū)域，根據(jù)設(shè)定規(guī)則完成車輛各個(gè)工作模式之間的轉(zhuǎn)換，確定動(dòng)力源的轉(zhuǎn)矩分配方式，即通過(guò)電機(jī)調(diào)節(jié)發(fā)動(dòng)機(jī)工作點(diǎn)，避免發(fā)動(dòng)機(jī)怠速或低負(fù)荷運(yùn)行，使得發(fā)動(dòng)機(jī)盡量工作在高效區(qū)域，從而提高整車的燃油經(jīng)濟(jì)性[7]?，F(xiàn)有確定性規(guī)則能量管理策略包括單點(diǎn)控制策略、多點(diǎn)控制策略、功率跟隨控制策略、發(fā)動(dòng)機(jī)最優(yōu)油耗曲線控制策略、蓄電池輔助控制策略和最大電池SOC控制策略等[8-9]。

童毅等以轉(zhuǎn)矩作為主要控制變量，考慮發(fā)動(dòng)機(jī)穩(wěn)態(tài)效率特性、駕駛員需求轉(zhuǎn)矩以及系統(tǒng)部件特性，合理分配了發(fā)動(dòng)機(jī)和電機(jī)的輸出轉(zhuǎn)矩，最終實(shí)現(xiàn)了系統(tǒng)效率提高的目的[10]；舒紅等分析了混聯(lián)式混合動(dòng)力電動(dòng)汽車的工作原理，在此基礎(chǔ)上將車輛運(yùn)行工況劃分為充電、放電和制動(dòng)3種工況，選取系統(tǒng)效率為優(yōu)化目標(biāo)建立優(yōu)化模型，其燃油經(jīng)濟(jì)性較傳統(tǒng)車提高了36.95%[11]；Adhikari等建立的控制規(guī)則是以功率平衡方程為基礎(chǔ)，控制電池SOC保持在合理范圍，保證了發(fā)動(dòng)機(jī)工作在高效區(qū)域，同時(shí)避免了發(fā)動(dòng)機(jī)頻繁起停。與未安裝起動(dòng)/發(fā)電一體機(jī)(integrated starter generator，ISG)的混合動(dòng)力系統(tǒng)相比，燃油消耗降低了9.3%[12]；連靜等根據(jù)混合動(dòng)力系統(tǒng)結(jié)構(gòu)和動(dòng)力源穩(wěn)態(tài)Map圖對(duì)混合動(dòng)力車輛進(jìn)行工作模式劃分，采用線性約束優(yōu)化方法求解不同工作模式下系統(tǒng)的效率，以系統(tǒng)效率為優(yōu)化目標(biāo)，得到最優(yōu)效率下各參數(shù)的邏輯門(mén)限值[13]；Dextreit等結(jié)合發(fā)動(dòng)機(jī)穩(wěn)態(tài)效率特性Map圖，將發(fā)動(dòng)機(jī)工作區(qū)域分為低、中、高3種負(fù)荷區(qū)域，通過(guò)駕駛員意圖識(shí)別得到當(dāng)前駕駛員需求轉(zhuǎn)矩。當(dāng)駕駛員需求轉(zhuǎn)矩很小時(shí)，車輛采用電機(jī)單獨(dú)驅(qū)動(dòng)的純電動(dòng)模式或行車發(fā)電模式；當(dāng)駕駛員需求轉(zhuǎn)矩處于發(fā)動(dòng)機(jī)中負(fù)荷區(qū)域時(shí)，車輛采用發(fā)動(dòng)機(jī)單獨(dú)驅(qū)動(dòng)的工作模式；當(dāng)駕駛員需求轉(zhuǎn)矩較大時(shí)，采用兩個(gè)動(dòng)力源混合驅(qū)動(dòng)，發(fā)動(dòng)機(jī)處于經(jīng)濟(jì)工作區(qū)域，電機(jī)提供額外轉(zhuǎn)矩。研究結(jié)果表明，與傳統(tǒng)車輛相比，所制定的控制規(guī)則較大程度地提高了混合動(dòng)力車輛的燃油經(jīng)濟(jì)性和排放性[14]；Shabbir等采用動(dòng)力電池輔助控制策略，綜合考慮動(dòng)力電池充放電效率，通過(guò)Map圖使得混合動(dòng)力車輛實(shí)時(shí)運(yùn)行在高效區(qū)域，系統(tǒng)需求功率分配具有實(shí)時(shí)性，避免了發(fā)動(dòng)機(jī)起動(dòng)與停止次數(shù)增加，延長(zhǎng)了動(dòng)力電池壽命。與采用單點(diǎn)控制策略相比，燃油消耗降低了20%[15]；周奇勛等綜合考慮發(fā)動(dòng)機(jī)轉(zhuǎn)矩特性、ISG電機(jī)效率特性以及動(dòng)力電池組充放電特性，優(yōu)化了3個(gè)部件的工作區(qū)域，在優(yōu)化后的控制規(guī)則下混合動(dòng)力系統(tǒng)各個(gè)部件均工作在高效區(qū)域，制定的模式切換條件實(shí)現(xiàn)了混合動(dòng)力車輛不同工作模式之間的轉(zhuǎn)換[16]。

在確定性規(guī)則能量管理策略中，邏輯門(mén)限值往往是根據(jù)研究學(xué)者的經(jīng)驗(yàn)和實(shí)驗(yàn)數(shù)據(jù)確定的，規(guī)則簡(jiǎn)單，計(jì)算量小，對(duì)車載控制器的處理能力要求低，工程實(shí)用性強(qiáng)，但對(duì)于復(fù)雜多變的行駛工況和混合動(dòng)力系統(tǒng)的動(dòng)態(tài)變化均具有較差的適應(yīng)性，無(wú)法保證系統(tǒng)達(dá)到最優(yōu)控制，車輛的燃油經(jīng)濟(jì)性仍有提升的空間。為了優(yōu)化確定性規(guī)則能量管理策略的性能，同時(shí)增強(qiáng)其工況的實(shí)時(shí)適應(yīng)性，研究學(xué)者引入模糊控制理論，從而產(chǎn)生了模糊規(guī)則控制策略。

2) 模糊規(guī)則能量管理策略

模糊規(guī)則能量管理策略并不依賴于系統(tǒng)的精確模型，隸屬度函數(shù)對(duì)精確信號(hào)進(jìn)行模糊化處理后形成模糊語(yǔ)言輸入，再根據(jù)規(guī)則庫(kù)中預(yù)先設(shè)定好的模糊規(guī)則或?qū)＜抑R(shí)進(jìn)行推理得到模糊結(jié)論，最后將模糊結(jié)論解模糊化為精確控制命令，協(xié)調(diào)控制混合動(dòng)力系統(tǒng)各個(gè)部件。模糊規(guī)則能量管理策略更加適用于多變量、非線性、時(shí)變性的混合動(dòng)力系統(tǒng)，具有較強(qiáng)的穩(wěn)定性和魯棒性。隨著算法的不斷改進(jìn)，產(chǎn)生了基于傳統(tǒng)模糊控制的改進(jìn)策略，例如自適應(yīng)模糊控制和預(yù)測(cè)模糊控制等策略[17]。

Cairano等對(duì)動(dòng)力電池SOC和發(fā)動(dòng)機(jī)轉(zhuǎn)矩分別采用模糊控制方法，保證了發(fā)動(dòng)機(jī)時(shí)刻工作在效率特性Map圖上的高效區(qū)域，整車燃油經(jīng)濟(jì)性和排放性能得到了提高[18]；Murphey等針對(duì)混合動(dòng)力系統(tǒng)采用分層結(jié)構(gòu)，采用模糊控制方法控制發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩，保持發(fā)動(dòng)機(jī)高效運(yùn)行，進(jìn)一步提高了整車的燃油經(jīng)濟(jì)性[19]；Zhou等制定的模糊規(guī)則以駕駛員需求轉(zhuǎn)矩和發(fā)動(dòng)機(jī)目標(biāo)轉(zhuǎn)矩之差和動(dòng)力電池SOC作為模糊控制器的輸入，發(fā)動(dòng)機(jī)轉(zhuǎn)矩和電機(jī)轉(zhuǎn)矩作為模糊控制器的輸出，最終實(shí)現(xiàn)了兩個(gè)動(dòng)力源轉(zhuǎn)矩的合理分配[20]；Bostanian等將智能算法和模糊控制相結(jié)合，模糊規(guī)則的輸入量為車速、需求功率、動(dòng)力電池SOC，輸出量為發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩，為了達(dá)到改善燃油經(jīng)濟(jì)性和排放性的目的，將油耗、電耗、污染物排放、轉(zhuǎn)矩差進(jìn)行歸一化處理，以處理后的參數(shù)作為目標(biāo)函數(shù)，采用遺傳算法優(yōu)化模糊控制器中的隸屬度函數(shù)[21]；Chindamo等將神經(jīng)網(wǎng)絡(luò)引入到模糊規(guī)則能量管理策略中，通過(guò)神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到的發(fā)動(dòng)機(jī)功率和動(dòng)力電池SOC決定是否進(jìn)入充電模式，模糊規(guī)則再通過(guò)電機(jī)電流大小決定相應(yīng)充電模式的持續(xù)時(shí)間。該能量管理策略應(yīng)用于某型串聯(lián)式混合動(dòng)力車輛，提高了燃油效率和續(xù)駛里程[22]；Moghbeli等從動(dòng)態(tài)規(guī)劃優(yōu)化算法的優(yōu)化結(jié)果中提取模糊規(guī)則，將其應(yīng)用于液力混合動(dòng)力車輛的系統(tǒng)中，根據(jù)提取的規(guī)則將系統(tǒng)的工作模式分為五種，整車的燃油經(jīng)濟(jì)性得到改善[23]；梁俊毅等采用多目標(biāo)非占優(yōu)排序智能優(yōu)化算法優(yōu)化模糊規(guī)則能量管理策略，引入三類混沌算子避免了優(yōu)化算法陷入局部最優(yōu)解，從而得到整車的最佳燃油消耗與排放[24]。

模糊規(guī)則能量管理策略中的隸屬度函數(shù)是研究學(xué)者通過(guò)工程經(jīng)驗(yàn)確定的，并沒(méi)有完善的理論指導(dǎo)方法。與確定性規(guī)則一樣，模糊規(guī)則也需要通過(guò)大量實(shí)驗(yàn)數(shù)據(jù)的積累而得到，其依賴于隸屬度函數(shù)的精確度。因此，模糊控制規(guī)則仍然無(wú)法實(shí)現(xiàn)系統(tǒng)的最優(yōu)控制，隨著輸入量和輸出量的增多，規(guī)則集的制定也變得更加困難。雖然有研究學(xué)者將智能算法引入到模糊規(guī)則中，對(duì)隸屬度函數(shù)進(jìn)行優(yōu)化，但仍無(wú)法避免模糊規(guī)則主觀性較強(qiáng)的缺點(diǎn)。

3) 負(fù)載功率濾波能量管理策略

在電傳動(dòng)型的混合動(dòng)力車輛中，若采用前述的規(guī)則能量管理策略，負(fù)載功率需求的非穩(wěn)定瞬態(tài)過(guò)程會(huì)對(duì)發(fā)動(dòng)機(jī)、電機(jī)、動(dòng)力電池等動(dòng)力源產(chǎn)生較大沖擊，導(dǎo)致發(fā)動(dòng)機(jī)運(yùn)行過(guò)程中的劇烈波動(dòng)，同時(shí)降低動(dòng)力電池的使用壽命。因此，考慮到動(dòng)力源的工作特性，將負(fù)載功率需求根據(jù)一定規(guī)則進(jìn)行分解，以此作為動(dòng)力源輸出的目標(biāo)值，達(dá)到功率流在動(dòng)力源之間合理分配的目的，但這種負(fù)載功率濾波能量管理策略只適用于包含超級(jí)電容等高功率密度儲(chǔ)能元件的混合動(dòng)力系統(tǒng)。負(fù)載功率濾波能量管理策略包括非線性比例因子控制策略和基于小波變換的控制策略，2種策略均可以實(shí)現(xiàn)合理的功率分流[25]。

張炳力等針對(duì)一種包含鋰離子電池、燃料電池、超級(jí)電容的新型混合動(dòng)力系統(tǒng)，提出了一種基于小波變換的能量管理策略。仿真結(jié)果表明，該策略按照負(fù)載功率需求變化頻率實(shí)現(xiàn)了對(duì)3種儲(chǔ)能元件能量的合理分配，最終系統(tǒng)性能得到提高，延長(zhǎng)了部件的使用壽命，滿足設(shè)計(jì)要求[25]；項(xiàng)宇等針對(duì)某型串聯(lián)式軍用混合動(dòng)力車輛開(kāi)展了能量管理策略研究，根據(jù)動(dòng)力源和負(fù)載特性，采用小波變換算法對(duì)負(fù)載功率需求中的高、低頻分量進(jìn)行分離，將高頻分量分配給超級(jí)電容，低頻分量分配給低輸出頻率的動(dòng)力源，實(shí)現(xiàn)動(dòng)力源輸出特性與負(fù)載頻率特性相匹配。仿真結(jié)果表明，所制定的能量管理策略達(dá)到了預(yù)期的控制效果，可應(yīng)用于軍用混合動(dòng)力車輛[26]。

基于規(guī)則的能量管理策略較為簡(jiǎn)單，可以在一定程度上改善混合動(dòng)力車輛的燃油經(jīng)濟(jì)性和排放性，但規(guī)則的制定依據(jù)主要來(lái)自研究學(xué)者的工程經(jīng)驗(yàn)，導(dǎo)致規(guī)則并不完善，從而也不能保證系統(tǒng)達(dá)到最優(yōu)控制。因此，更多的研究學(xué)者開(kāi)始關(guān)注優(yōu)化控制理論與智能優(yōu)化算法以實(shí)現(xiàn)最優(yōu)的控制結(jié)果。

2.2 基于優(yōu)化的能量管理策略

基于優(yōu)化的能量管理策略是采用數(shù)學(xué)分析方法，使定義的成本函數(shù)在一定約束條件下最小化的控制方法。通常將混合動(dòng)力車輛的燃油經(jīng)濟(jì)性指標(biāo)、排放性指標(biāo)、動(dòng)力電池電量變化、駕駛性能等作為系統(tǒng)的成本函數(shù)，尋求合適的算法最優(yōu)化混合動(dòng)力系統(tǒng)性能，能夠較好地解決規(guī)則能量管理策略存在的問(wèn)題。目前，根據(jù)策略的優(yōu)化程度和階段的不同，基于優(yōu)化的能量管理策略分為全局優(yōu)化能量管理策略和瞬時(shí)優(yōu)化能量管理策略[27-28]。

1) 全局優(yōu)化能量管理策略

全局優(yōu)化能量管理策略是在特定工況下，基于最優(yōu)控制理論或方法對(duì)混合動(dòng)力系統(tǒng)進(jìn)行開(kāi)發(fā)研究的一種控制策略。其中心思想是建立以整車油耗或排放為目標(biāo)函數(shù)，系統(tǒng)狀態(tài)變量為約束條件的系統(tǒng)全局優(yōu)化模型，采用最優(yōu)控制算法得到系統(tǒng)動(dòng)力源能量最優(yōu)分配狀態(tài)，最終實(shí)現(xiàn)整車最佳燃油經(jīng)濟(jì)性或排放性能[29-30]。目前，該能量管理策略中所采用的最優(yōu)控制算法包括二次規(guī)劃算法、單純形法、隨機(jī)搜索方法、動(dòng)態(tài)規(guī)劃(dynamic programming，DP)算法、龐特里亞金最小值原理(pontryagin minimum principle，PMP)以及智能優(yōu)化算法等[28,31]，其中研究較多的有基于DP算法、基于PMP以及基于智能優(yōu)化算法的全局優(yōu)化能量管理策略。

1951年，為了求解多階段決策過(guò)程的最優(yōu)化問(wèn)題，美國(guó)數(shù)學(xué)家貝爾曼提出DP算法。其主要思想是將一個(gè)多階段問(wèn)題分解成多個(gè)單階段決策問(wèn)題，狀態(tài)變量離散化后逆向求解出每個(gè)階段的最優(yōu)解，在這組最優(yōu)解中找到全局最優(yōu)解。DP算法從2000年開(kāi)始被應(yīng)用于混合動(dòng)力車輛控制中，其被研究學(xué)者一致認(rèn)為是較為理想的混合動(dòng)力車輛控制方法，可以較好地改善整車的燃油經(jīng)濟(jì)性，實(shí)現(xiàn)系統(tǒng)的全局最優(yōu)。目前，基于DP的全局優(yōu)化能量管理策略的主要研究有：

勾華棟采用DP算法得到了混合動(dòng)力車輛在特定工況下的最優(yōu)控制序列，從中擬合出發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩和需求轉(zhuǎn)矩的比值隨變速器輸入端轉(zhuǎn)矩的變化規(guī)律，研究結(jié)果為整車能量管理的實(shí)時(shí)控制提供了依據(jù)[32]；巴特等將割線迭代法引入到傳統(tǒng)DP算法中，提出了改進(jìn)的DP算法，為權(quán)系數(shù)的確定找到了理論依據(jù)，同時(shí)基于等效油耗的成本函數(shù)考慮了動(dòng)力電池SOC的影響，以成本函數(shù)為目標(biāo)函數(shù)，采用反向遞推法求解最優(yōu)控制變量的解集，從最優(yōu)解集中提煉出合理的動(dòng)力源轉(zhuǎn)矩分配方式[33]；Larsson等將局部線性近似和二次樣條逼近與傳統(tǒng)DP算法相結(jié)合，求解混合動(dòng)力車輛能量管理問(wèn)題的解析解，解決了傳統(tǒng)DP算法計(jì)算量大的問(wèn)題，降低了計(jì)算機(jī)仿真過(guò)程中的內(nèi)存需求[34]；Ko等采用基于隨機(jī)動(dòng)態(tài)規(guī)劃(stochastic dynamic programming，SDP)算法的能量管理策略對(duì)混合動(dòng)力系統(tǒng)進(jìn)行全局優(yōu)化，對(duì)油耗、排放、電池電量3個(gè)量取不同權(quán)重值構(gòu)造成本函數(shù)，經(jīng)多次離線迭代得到成本函數(shù)的最優(yōu)解集[35]；Lee等采用SDP算法對(duì)混合動(dòng)力車輛進(jìn)行控制，首先選取功率與車速作為特征參數(shù)，對(duì)行駛工況進(jìn)行分解，然后建立基于Markov Process的概率分布，最后以整車燃油經(jīng)濟(jì)性為目標(biāo)函數(shù)建立優(yōu)化模型。該策略的優(yōu)化控制方式是通過(guò)優(yōu)化動(dòng)力源特性得到的，提高了整車的燃油經(jīng)濟(jì)性[36]。

20世紀(jì)50年代中期，蘇聯(lián)學(xué)者Pontryagin等為解決當(dāng)控制作用集受約束條件限制時(shí)如何求最優(yōu)解集的問(wèn)題，在經(jīng)典變分法和經(jīng)典最優(yōu)控制理論的基礎(chǔ)上提出了PMP，無(wú)論受控系統(tǒng)是連續(xù)形式還是離散形式，對(duì)于求解系統(tǒng)的最優(yōu)控制問(wèn)題該原理均適用?；赑MP的全局優(yōu)化能量管理策略是以最優(yōu)化原理為理論基礎(chǔ)對(duì)混合動(dòng)力系統(tǒng)最優(yōu)控制問(wèn)題進(jìn)行求解，計(jì)算量比DP算法小，但可以達(dá)到相近的優(yōu)化效果[37]。繼DP算法之后，研究學(xué)者對(duì)PMP在混合動(dòng)力系統(tǒng)中的應(yīng)用也進(jìn)行了大量探索和研究。目前，基于PMP的全局優(yōu)化能量管理策略的主要研究有：

Peng等采用基于PMP的全局優(yōu)化能量管理策略對(duì)AT式并聯(lián)混合動(dòng)力車輛的能量管理系統(tǒng)進(jìn)行控制，其優(yōu)化效果與基于DP算法的能量管理策略很接近，油耗略高0.4%。在該策略的控制下，車輛換擋與車速有關(guān)，起到了較好的控制效果，計(jì)算時(shí)間節(jié)約了70%以上，更便于對(duì)系統(tǒng)的實(shí)時(shí)控制[37]；Liu等將龐特里亞金最小值原理與等效燃油消耗最小控制策略結(jié)合，以油耗和動(dòng)力電池SOC作為控制目標(biāo)對(duì)并聯(lián)式混合動(dòng)力車輛進(jìn)行控制，控制效果接近全局最優(yōu)[38]；Xu等采用PMP對(duì)混合動(dòng)力系統(tǒng)進(jìn)行實(shí)時(shí)控制，建立系統(tǒng)模型并推導(dǎo)得到系統(tǒng)的哈密頓方程，在不影響控制精度的前提下假設(shè)動(dòng)力電池參數(shù)滿足一定條件，實(shí)現(xiàn)了令人滿意的優(yōu)化效果。優(yōu)化結(jié)果得到的燃油經(jīng)濟(jì)性與DP算法相近，但計(jì)算量較小的突出優(yōu)勢(shì)使得PMP算法更便于實(shí)現(xiàn)實(shí)時(shí)控制[39]；Onori等提出了一種基于PMP的自適應(yīng)能量管理策略，混合動(dòng)力系統(tǒng)可以根據(jù)路況行駛條件自動(dòng)在線調(diào)整協(xié)變量，比傳統(tǒng)PMP的燃油消耗降低了20%[40]。

隨著智能優(yōu)化算法的產(chǎn)生與發(fā)展，大量研究學(xué)者將遺傳算法[41]、粒子群算法[42]、穩(wěn)健進(jìn)化算法[43]、博弈進(jìn)化算法[44]以及神經(jīng)網(wǎng)絡(luò)算法[45-46]等智能優(yōu)化算法應(yīng)用于混合動(dòng)力系統(tǒng)能量管理策略的多目標(biāo)優(yōu)化中，實(shí)現(xiàn)了系統(tǒng)的全局最優(yōu)。目前，基于智能優(yōu)化算法的全局優(yōu)化能量管理策略的主要研究有：

Panigrahi等采用將遺傳算法和細(xì)菌覓食優(yōu)化算法相結(jié)合的方式作為混合動(dòng)力車輛能量管理方法，引入時(shí)間加權(quán)平方誤差積分對(duì)整車性能進(jìn)行評(píng)價(jià)。結(jié)果表明，與單一優(yōu)化算法相比較，聯(lián)合算法使車輛燃油經(jīng)濟(jì)性提高約2%，排放也有所下降[47]；Sun等采用神經(jīng)網(wǎng)絡(luò)算法對(duì)車輛行駛路況信息進(jìn)行學(xué)習(xí)預(yù)測(cè)，優(yōu)化了混合動(dòng)力系統(tǒng)的性能，從而提高了整車的燃油經(jīng)濟(jì)性[46]；夏超英等應(yīng)用神經(jīng)網(wǎng)絡(luò)算法的強(qiáng)大學(xué)習(xí)能力對(duì)當(dāng)前駕駛環(huán)境中的道路信息、駕駛模式、交通信息等進(jìn)行預(yù)測(cè)，解決了循環(huán)工況和駕駛環(huán)境對(duì)車輛能量消耗影響的問(wèn)題，并通過(guò)學(xué)習(xí)DP算法實(shí)現(xiàn)了對(duì)混合動(dòng)力車輛功率分配的最優(yōu)控制[48]；楊觀賜等采用行為博弈進(jìn)化算法，以動(dòng)力性能指標(biāo)為約束條件并以最小化燃油消耗與污染物排放總量為優(yōu)化目標(biāo)，對(duì)并聯(lián)混合動(dòng)力汽車控制策略參數(shù)進(jìn)行了優(yōu)化。優(yōu)化后系統(tǒng)的百公里油耗和污染物排放總和降幅明顯，提高了動(dòng)力源和系統(tǒng)效率，相比于基于最優(yōu)原理的多目標(biāo)優(yōu)化算法，博弈進(jìn)化算法可以獲得精度更高的解[44]；陳征等對(duì)插電式混合動(dòng)力公交車開(kāi)展能量管理策略研究，提出一種進(jìn)化-增強(qiáng)學(xué)習(xí)方法。首先，建立系統(tǒng)簡(jiǎn)化模型并基于增強(qiáng)學(xué)習(xí)系統(tǒng)以燃油消耗為目標(biāo)建立優(yōu)化目標(biāo)函數(shù)；然后，采用進(jìn)化算法求出最優(yōu)的能量分配方法并給出最優(yōu)燃油消耗值；最后，通過(guò)仿真分析，對(duì)比傳統(tǒng)電量消耗-維持策略，所提出的方法提高了12%的燃油經(jīng)濟(jì)性，驗(yàn)證了方法的有效性[49]。

全局優(yōu)化能量管理策略雖然可以最大限度使得混合動(dòng)力系統(tǒng)性能達(dá)到全局最優(yōu)，從而提高整車燃油經(jīng)濟(jì)性，但只有獲取未來(lái)的行駛工況信息才能進(jìn)行優(yōu)化計(jì)算，同時(shí)無(wú)法避免算法計(jì)算量大、計(jì)算時(shí)間長(zhǎng)的缺點(diǎn)，因此其實(shí)車應(yīng)用受到了限制。雖然全局優(yōu)化能量管理策略具有一定應(yīng)用局限性，但是可以作為一種能量管理策略的評(píng)價(jià)方法，為實(shí)車控制規(guī)則的制定提供理論指導(dǎo)。

2) 瞬時(shí)優(yōu)化能量管理策略

為了實(shí)現(xiàn)混合動(dòng)力車輛的實(shí)時(shí)狀態(tài)在線控制，瞬時(shí)優(yōu)化能量管理策略應(yīng)運(yùn)而生，也被稱為實(shí)時(shí)優(yōu)化能量管理策略。其中心思想是保證混合動(dòng)力系統(tǒng)能量管理過(guò)程中當(dāng)前時(shí)刻的能量消耗最少或功率損失最小，即保證成本函數(shù)在每一時(shí)刻上達(dá)到最優(yōu)，基于發(fā)動(dòng)機(jī)效率特性Map圖得到瞬時(shí)最優(yōu)工作點(diǎn)，保證動(dòng)力源工作在實(shí)時(shí)最優(yōu)狀態(tài)。目前，瞬時(shí)優(yōu)化能量管理策略中獲得最廣泛研究的優(yōu)化方法有等效油耗最小控制策略(equivalent consumption minimization strategy，ECMS)和模型預(yù)測(cè)控制策略(model predictive control strategy，MPCS)[3]。

基于ECMS的瞬時(shí)優(yōu)化能量管理策略最早是由Paganelli等提出來(lái)的，主要思想是將電機(jī)消耗的電能等效為發(fā)動(dòng)機(jī)的油耗，與實(shí)際發(fā)動(dòng)機(jī)油耗相加得到等效油耗，在某一瞬時(shí)工況下以該等效油耗最小為目標(biāo)得到此時(shí)動(dòng)力源能量分配方式，即最佳分配方式，從而實(shí)現(xiàn)混合動(dòng)力系統(tǒng)瞬時(shí)最優(yōu)控制，主要的研究有：

黃碩等根據(jù)車輛目標(biāo)車速與實(shí)際車速的差值得到當(dāng)前整車需求轉(zhuǎn)矩，采用ECMS求解得到動(dòng)力源瞬時(shí)優(yōu)化的轉(zhuǎn)矩分配方式，同時(shí)考慮到發(fā)動(dòng)機(jī)起閉對(duì)燃油經(jīng)濟(jì)性的影響，通過(guò)規(guī)則修正方法對(duì)轉(zhuǎn)矩分配方式做進(jìn)一步調(diào)整，實(shí)現(xiàn)了整車油耗的進(jìn)一步降低[50]；Gupta采用模糊規(guī)則與ECMS相結(jié)合的方式對(duì)混合動(dòng)力系統(tǒng)能量管理進(jìn)行控制，以車速、加速度、動(dòng)力電池SOC作為模糊控制器的輸入量，以電機(jī)單獨(dú)驅(qū)動(dòng)、發(fā)動(dòng)機(jī)單獨(dú)驅(qū)動(dòng)、聯(lián)合驅(qū)動(dòng)、再生制動(dòng)四大類工作模式為模糊控制器的輸出量，僅在行車發(fā)電模式和混合模式中應(yīng)用ECMS進(jìn)行需求轉(zhuǎn)矩分配[51]；Han等提出了一種預(yù)測(cè)自適應(yīng)的ECMS，通過(guò)獲取一些預(yù)測(cè)信息或歷史數(shù)據(jù)以調(diào)整等效因子的取值，使其隨工況變化而不斷調(diào)整，從而獲得更好的車輛性能[52]；Zhang等采用一種駕駛行為在線分類方法，提出了一種改進(jìn)的自適應(yīng)ECMS，分析了駕駛方式和交通狀況對(duì)燃油消耗和污染物排放的影響。研究結(jié)果表明，可以根據(jù)駕駛行為和實(shí)時(shí)交通信息實(shí)時(shí)調(diào)整等效因子，改善了混合動(dòng)力系統(tǒng)性能[53]；張靜等采用ECMS，以油耗和動(dòng)力電池荷電狀態(tài)作為控制目標(biāo)對(duì)并聯(lián)式混合動(dòng)力卡車進(jìn)行控制，既保證了算法的實(shí)時(shí)性，控制效果又接近全局最優(yōu)[54]。

近年來(lái)，MPCS方法魯棒性強(qiáng)、預(yù)測(cè)能力強(qiáng)、實(shí)時(shí)計(jì)算能力強(qiáng)，適用于非線性、非精確動(dòng)態(tài)系統(tǒng)的控制，在一定程度上它還可以克服ECMS無(wú)預(yù)測(cè)能力、對(duì)行駛工況敏感等缺點(diǎn)[3]。因此，基于MPCS的瞬時(shí)優(yōu)化能量管理策略在混合動(dòng)力車輛控制領(lǐng)域也得到了廣泛應(yīng)用[7]。其中心思想是通過(guò)在線識(shí)別混合動(dòng)力系統(tǒng)動(dòng)態(tài)參數(shù)，將整個(gè)循環(huán)工況燃油經(jīng)濟(jì)性的全局優(yōu)化轉(zhuǎn)化為預(yù)測(cè)區(qū)間內(nèi)的局部?jī)?yōu)化，通過(guò)對(duì)動(dòng)態(tài)參數(shù)進(jìn)行滾動(dòng)循環(huán)優(yōu)化，更新預(yù)測(cè)出車輛下一段時(shí)間區(qū)間的工作狀態(tài)從而獲得優(yōu)化結(jié)果[1]。目前，基于MPCS的瞬時(shí)優(yōu)化能量管理策略的主要研究有：

趙韓等采用基于模型預(yù)測(cè)的能量管理策略對(duì)并聯(lián)式混合動(dòng)力車輛的整車需求轉(zhuǎn)矩進(jìn)行預(yù)測(cè)，建立轉(zhuǎn)矩分配問(wèn)題的馬爾科夫模型，并結(jié)合動(dòng)態(tài)規(guī)劃算法，以油耗最小化為目標(biāo)進(jìn)行優(yōu)化控制，實(shí)現(xiàn)了較好的優(yōu)化效果[55]；Cairano等結(jié)合馬爾科夫鏈隨車學(xué)習(xí)方法提出了一種改進(jìn)的隨機(jī)MPCS，應(yīng)用于一款串聯(lián)式混合動(dòng)力車輛的能量管理中，通過(guò)駕駛員感知控制車輛，對(duì)隨機(jī)參數(shù)可以實(shí)時(shí)重新配置以適應(yīng)駕駛員行為的變化，同時(shí)可以約束動(dòng)力電池功率以及充放電狀態(tài)，在實(shí)際駕駛循環(huán)中可以更好地預(yù)測(cè)未來(lái)的駕駛員功率需求，實(shí)現(xiàn)了實(shí)時(shí)控制[56]；Yu等提出了一種基于坡度信息的MPCS，考慮不同道路坡度和阻力系數(shù)建立混合動(dòng)力車輛的動(dòng)力學(xué)模型，通過(guò)仿真分析在不同道路狀況、預(yù)測(cè)時(shí)間、車輛充放電狀態(tài)下路面信息對(duì)燃油經(jīng)濟(jì)性的影響。結(jié)果表明所提出的方法在提高燃油效率方面是有效的，采用連續(xù)廣義最小殘差法求解MPCS問(wèn)題，取得了較好的節(jié)能效果[57]；Homchaudhuri等提出了一種用于城市網(wǎng)聯(lián)車輛的快速M(fèi)PCS，利用交通信號(hào)燈定時(shí)信息、車輛之間的通訊信息開(kāi)發(fā)控制策略，從而減少紅燈停車次數(shù)，提高燃油經(jīng)濟(jì)性。仿真結(jié)果表明，該方法可以提高網(wǎng)聯(lián)汽車互聯(lián)性能和效率，解決了非線性能耗問(wèn)題[58]；Shi等將非線性MPCS應(yīng)用于混合動(dòng)力車輛的動(dòng)態(tài)控制中，優(yōu)化了運(yùn)行程序，通過(guò)仿真對(duì)比分析，所提出的控制策略在混合動(dòng)力車輛能量管理策略設(shè)計(jì)中是有效可行的[59]。

隨著我國(guó)經(jīng)濟(jì)社會(huì)的發(fā)展和人民生活水平的不斷提高，我國(guó)對(duì)糧食的需求量不斷增加。近年來(lái)，綠色食品已成為人們購(gòu)買(mǎi)和購(gòu)買(mǎi)的熱點(diǎn)。大豆意味著在生產(chǎn)和種植過(guò)程中，大豆生產(chǎn)基地周圍的環(huán)境是良好的，沒(méi)有城市污染。同時(shí)，在施肥過(guò)程中采用綠色肥料。大豆產(chǎn)量完全符合國(guó)家標(biāo)準(zhǔn)。然而，在大豆的種植過(guò)程中還存在病蟲(chóng)害許多問(wèn)題，本文將對(duì)些提供相關(guān)的經(jīng)驗(yàn)，以共參考。

瞬時(shí)優(yōu)化能量管理策略是針對(duì)混合動(dòng)力車輛瞬時(shí)工況的能量分配進(jìn)行優(yōu)化控制，計(jì)算量相對(duì)較小，易于實(shí)車應(yīng)用，但優(yōu)化過(guò)程并未考慮駕駛風(fēng)格、行駛里程、能量?jī)r(jià)格比等因素對(duì)燃油經(jīng)濟(jì)性的影響。因此，瞬時(shí)優(yōu)化結(jié)果無(wú)法保證全局最優(yōu)，車輛燃油經(jīng)濟(jì)性仍有很大改善空間。

2.3 基于工況自適應(yīng)的能量管理策略

近年來(lái)，隨著數(shù)據(jù)挖掘和大數(shù)據(jù)技術(shù)不斷提高，研究人員更加關(guān)注能量管理策略的工況適應(yīng)性與實(shí)時(shí)控制性，因此人們開(kāi)始深入研究工況預(yù)測(cè)技術(shù)與識(shí)別算法，進(jìn)一步實(shí)現(xiàn)整車性能的優(yōu)化。基于工況自適應(yīng)的能量管理策略是通過(guò)分析現(xiàn)有行駛工況信息對(duì)未來(lái)某一段時(shí)間內(nèi)的行駛工況進(jìn)行預(yù)測(cè)，或者通過(guò)地理信息系統(tǒng)(GIS)、全球定位系統(tǒng)(GPS)、智能交通系統(tǒng)(ITS)等工具得到未來(lái)行駛工況信息，根據(jù)獲取的工況信息實(shí)時(shí)調(diào)整混合動(dòng)力系統(tǒng)的工作方式進(jìn)而實(shí)現(xiàn)系統(tǒng)的自適應(yīng)控制。

Xing等提出了一種基于循環(huán)工況識(shí)別的自適應(yīng)能量控制策略，通過(guò)對(duì)行駛工況片段的研究，分析其特征參數(shù)，在此基礎(chǔ)上提出了面向10個(gè)特征參數(shù)的學(xué)習(xí)矢量量化(learning vector quantization，LVQ)神經(jīng)網(wǎng)絡(luò)識(shí)別算法。仿真結(jié)果表明，該方法具有很好的識(shí)別精度[60]；Leroy等以車速、加速度、動(dòng)力電池SOC和發(fā)動(dòng)機(jī)狀態(tài)4個(gè)參數(shù)建立馬爾科夫鏈預(yù)測(cè)模型，采用隨機(jī)DP算法優(yōu)化系統(tǒng)的能量分配，再將有約束的能量管理策略在線優(yōu)化轉(zhuǎn)換為無(wú)限時(shí)域的離線優(yōu)化[61]；Zheng等基于GPS和GIS的道路信息建立預(yù)測(cè)模型，以油耗最小為優(yōu)化目標(biāo)，動(dòng)力電池SOC和功率分別為狀態(tài)變量和控制變量，根據(jù)預(yù)測(cè)的未來(lái)行駛工況信息，采用PMP對(duì)整車的能量分配進(jìn)行優(yōu)化[62]；Sun等采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和PMP相結(jié)合的能量管理策略，對(duì)行駛工況進(jìn)行預(yù)測(cè)的前提下優(yōu)化混合動(dòng)力系統(tǒng)的能量分配，優(yōu)化過(guò)程中拉格朗日乘子隨工況的改變而不斷調(diào)整，從而提高了能量管理策略的工況適應(yīng)性，進(jìn)一步改善了車輛的燃油經(jīng)濟(jì)性[63]；Wang等對(duì)工況識(shí)別結(jié)果進(jìn)行了分析，得到特征參數(shù)、預(yù)測(cè)周期、識(shí)別周期、工況類型之間的關(guān)系，從中選取最優(yōu)預(yù)測(cè)周期和識(shí)別周期，結(jié)合LVQ神經(jīng)網(wǎng)絡(luò)算法對(duì)實(shí)際行駛工況進(jìn)行工況識(shí)別，最后采用等效油耗最小控制策略提高了整車燃油經(jīng)濟(jì)性[64]；劉永剛等以GPS和GIS作為工具獲取工況信息，建立道路坡度預(yù)測(cè)模型，采用相似行駛工況估算坡度的能量消耗，得到車輛在進(jìn)入坡道前動(dòng)力電池SOC的目標(biāo)值，在電量維持模式和電量消耗模式下實(shí)現(xiàn)了對(duì)預(yù)充電時(shí)刻的規(guī)劃[65]；詹森等提出將K均值聚類方法和遺傳算法相結(jié)合的行駛工況識(shí)別方法，基于此工況識(shí)別方法，應(yīng)用ECMS實(shí)時(shí)優(yōu)化混合動(dòng)力系統(tǒng)的能量分配[66]；連靜等采用模糊控制方法對(duì)行駛工況進(jìn)行識(shí)別，然后應(yīng)用考慮動(dòng)力電池SOC平衡的ECMS求解不同工況下的最優(yōu)控制參數(shù)，從而實(shí)現(xiàn)了對(duì)動(dòng)力源能量分配的實(shí)時(shí)控制[67]。

基于工況自適應(yīng)的能量管理策略只根據(jù)歷史工況信息或通過(guò)GPS、GIS、ITS等工具獲取未來(lái)行駛工況信息，計(jì)算量不大，但如果行駛工況信息預(yù)測(cè)方法選擇不當(dāng)，仍舊會(huì)影響其在實(shí)車上的應(yīng)用，并且該策略得到的能量分配方式也不是全局最優(yōu)。

3 存在的問(wèn)題

綜上，每種能量管理策略都有相應(yīng)的優(yōu)缺點(diǎn)，具體特點(diǎn)如表1所示。

表1 能量管理策略特點(diǎn)對(duì)比

在傳統(tǒng)民用混合動(dòng)力車輛控制策略研究中，受到系統(tǒng)優(yōu)化目標(biāo)和車輛使用環(huán)境條件的影響，控制方法靈活多樣、日漸成熟，但每種控制策略都有相應(yīng)的局限性。目前混合動(dòng)力車輛能量管理策略具有算法復(fù)雜、抗擾動(dòng)能力弱等缺點(diǎn)，一部分基于優(yōu)化的能量管理策略復(fù)雜，受限于控制器的運(yùn)行能力難以實(shí)現(xiàn)實(shí)時(shí)控制，對(duì)于運(yùn)行特性復(fù)雜的軍用混合動(dòng)力車輛并不適用且控制難度大。例如，隨機(jī)DP算法對(duì)控制器參數(shù)和環(huán)境噪聲比較敏感，不適合在軍用車輛干擾嚴(yán)重的惡劣工作環(huán)境中使用；現(xiàn)有的單一駕駛循環(huán)工況適用于民用混合動(dòng)力車輛，但無(wú)法滿足軍用車輛面向戰(zhàn)場(chǎng)的使用要求；神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練樣本需求量大且無(wú)法在線運(yùn)行的缺陷限制了其使用范圍，無(wú)法在軍用車輛上實(shí)現(xiàn)；GPS、GIS、ITS等智能工具可用于民用車輛預(yù)測(cè)未來(lái)行駛工況，但不適合軍用車輛。因此，應(yīng)該選擇算法簡(jiǎn)單、實(shí)時(shí)控制效果好、工況適應(yīng)性強(qiáng)的控制策略作為軍用混合動(dòng)力車輛能量管理策略。

目前，雖然有不少關(guān)于規(guī)則能量管理策略和瞬時(shí)優(yōu)化能量管理策略的研究，但這2種策略都只是單獨(dú)使用，二者組合成新的混合控制策略會(huì)比單獨(dú)使用效果更好，可以取得和全局優(yōu)化接近的控制效果，適合軍用混合動(dòng)力系統(tǒng)的能量管理。同時(shí)，軍用混合動(dòng)力車輛的工況較多，不同工況下的系統(tǒng)特性又有很大差別，能量管理策略的控制效果很大程度上取決于其對(duì)各種工況的適應(yīng)性。目前，模糊控制、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等算法雖然在工況識(shí)別方面可以獲得較好的識(shí)別效果，但受限于車載控制器的運(yùn)算能力，算法程序無(wú)法直接導(dǎo)入控制器進(jìn)行實(shí)時(shí)控制，因此如何選擇合理的工況識(shí)別算法是能量管理策略應(yīng)用于軍用混合動(dòng)力車輛的關(guān)鍵。同時(shí)有研究表明，只有獲取行駛工況信息，實(shí)時(shí)優(yōu)化控制才能實(shí)現(xiàn)真正意義上的優(yōu)化[68]。

4 結(jié)論

隨著智能優(yōu)化算法、物聯(lián)網(wǎng)等技術(shù)的不斷發(fā)展，軍用混合動(dòng)力系統(tǒng)能量管理今后的發(fā)展趨勢(shì)，大體有以下3個(gè)方面：

1) 多目標(biāo)協(xié)調(diào)優(yōu)化的能量管理策略。傳統(tǒng)的能量管理策略基本只考慮動(dòng)力性和經(jīng)濟(jì)性兩個(gè)指標(biāo)，對(duì)排放性、動(dòng)力電池成本和使用壽命、系統(tǒng)的壽命成本以及駕駛員駕駛行為等指標(biāo)進(jìn)行綜合優(yōu)化的研究較少，可以根據(jù)軍用混合動(dòng)力車輛在不同戰(zhàn)場(chǎng)環(huán)境和運(yùn)行工況下，考慮各個(gè)指標(biāo)所占權(quán)重，對(duì)各個(gè)指標(biāo)進(jìn)行協(xié)調(diào)優(yōu)化，作為整車能量管理的控制原則，也是研究能量管理策略的最終目標(biāo)。

2) 混合式控制的能量管理策略。如前文所述，每種能量管理策略都有相應(yīng)的優(yōu)缺點(diǎn)，采用2種或者多種能量管理策略相融合的方式，綜合了各種能量管理策略的優(yōu)勢(shì)，組合成新的控制策略來(lái)彌補(bǔ)各自的缺點(diǎn)，取長(zhǎng)補(bǔ)短以達(dá)到更好的優(yōu)化效果。如邏輯規(guī)則能量管理策略和等效油耗最小控制策略的組合比單獨(dú)應(yīng)用某一控制策略要有更好的效果，也符合軍用車輛能量管理策略未來(lái)的發(fā)展趨勢(shì)。

3) 更豐富的動(dòng)力源與新技術(shù)的應(yīng)用。與民用混合動(dòng)力系統(tǒng)不同，軍用混合動(dòng)力系統(tǒng)中還存在大功率用電負(fù)載，這就需要考慮開(kāi)發(fā)和引入新型電源部件(如超級(jí)電容)，因此，軍用車輛能量管理策略需要實(shí)現(xiàn)新型電源部件與原有動(dòng)力源的協(xié)同控制；動(dòng)力源豐富的同時(shí)也使得算法更復(fù)雜，加深了其與能量管理策略優(yōu)化實(shí)時(shí)性的矛盾，分層控制技術(shù)與云計(jì)算技術(shù)的引入為解決這個(gè)問(wèn)題提供了新思路與技術(shù)支撐。