劉斯琦 申彩英

( 遼寧工業(yè)大學 汽車與交通工程學院，遼寧 錦州 121001)

0 前言

全球氣候變化和能源問題加速了世界各國車企新能源汽車的發(fā)展。純電動汽車(BEV)雖然有諸多優(yōu)點，但是其充換電和在寒冷地區(qū)的續(xù)航問題還需要進一步改進。由于可充電的停車位緊缺，相比純電汽車和插電混合動力汽車，混合動力汽車(HEV)具有優(yōu)勢。

HEV在行駛過程中，有發(fā)動機模式、純電模式、混合動力模式和制動回收模式。HEV是在內(nèi)燃機汽車的基礎上增加電池電機作為第2個動力源驅動的汽車，不同動力源之間的能量分配受到車輛在運行工況時發(fā)動機的工作區(qū)間、動力電池的荷電狀態(tài)(SOC)、電機性能和車速等多方面因素的約束。HEV能量控制策略會直接影響到汽車的燃油經(jīng)濟性、排放、動力性，以及行駛過程中的可靠性，還會影響到汽車后續(xù)的二手車評估和維修保養(yǎng)等。

1 HEV現(xiàn)狀

HEV在工程上實現(xiàn)能量控制的策略主要有“基于規(guī)則的控制策略”和“基于優(yōu)化的控制策略”?！盎趦?yōu)化的控制策略”又可分為全局優(yōu)化策略和瞬時優(yōu)化策略?？稍诠こ躺蠈崿F(xiàn)的HEV控制策略分類如圖1所示，其優(yōu)缺點分析見表1。

圖1 可在工程上實現(xiàn)的HEV控制策略分類

表1 HEV控制策略類型與優(yōu)缺點

2 HEV控制策略

2.1 基于簡單規(guī)則的控制策略

基于簡單規(guī)則的控制策略是根據(jù)發(fā)動機、電機和動力電池等硬件設施出廠時的基本參數(shù)設計的規(guī)則，例如：動力電池的SOC低于設定的最低閾值時，動力電池開始充電；SOC高于設定的最高閾值時，動力電池開始放電等。基于簡單規(guī)則控制策略雖然有廣泛的適用性，但是在實際運行過程中，即使發(fā)動機一直處在高效率工作區(qū)間，仍然會損失很多能量。但是，如果將規(guī)則更加細微化、多樣化，又會使系統(tǒng)運行更加復雜，響應時間將變長。

2.2 基于模糊規(guī)則的控制策略

在實際運行過程中，HEV的能量分配受到多種約束條件的限制，并不能完全按照已經(jīng)制定的規(guī)則運行。模糊控制策略在整個控制器中具有較強的魯棒性和自適應能力，易于實現(xiàn)瞬時控制。

在模糊控制系統(tǒng)中，輸入為車速和加速度需求功率和動力電池SOC，最終輸出為發(fā)動機功率，再由需求功率減去發(fā)動機功率就得到電池功率。模糊控制系統(tǒng)結合動力電池的SOC進行能量的分配，最終達到相應的燃油消耗量和排放。隨著控制器技術的高速發(fā)展，為了更能精準地控制燃油消耗率，在基礎控制策略上，又形成了多種基于算法優(yōu)化的模糊控制策略。

隨著科學技術的發(fā)展，基于規(guī)則的控制策略在工程上較容易實現(xiàn)，而且算法思路清晰簡單，應用范圍較廣，為更多控制策略奠定了基礎，在控制策略的研究中廣受學者的關注。

3 基于優(yōu)化的控制策略

基于規(guī)則的控制策略可以有效降低汽車燃油耗，但不能保證其性能達到最優(yōu)，所以基于優(yōu)化的控制策略受到了重視。

3.1 基于全局的優(yōu)化控制策略

全局最優(yōu)控制理論是根據(jù)理想控制設計的策略，并不能直接應用于實體工程?；谌值膬?yōu)化控制策略，主要針對非線性和處在運動狀態(tài)的HEV能量管理系統(tǒng)進行優(yōu)化，計算量大，計算周期長。通常使用全局優(yōu)化控制策略作為其他控制策略的參考對比，用于評價其他控制策略，對具體控制策略進行調(diào)試。

3.2 基于瞬時優(yōu)化的控制策略

由于全局優(yōu)化的控制策略受到條件的限制，近年來，一些瞬時優(yōu)化的控制方法也被用于控制策略的優(yōu)化。其中，龐特里亞金極小值控制策略(PMP)、等效燃油耗最小值控制策略(ECMS)，以及基于預測的ECMS已經(jīng)被用于HEV的燃油消耗率評價中。

ECMS是一種通過引入等效因子將電池在充放電過程中產(chǎn)生的熱量進行有效利用的控制策略。建立瞬時燃油消耗模型，應用PMP原理，對動力電池和發(fā)動機燃油耗進行分析推導，在一定意義上和ECMS控制策略具有等價性。由于ECMS的等效因子受多變的工況及駕駛員的習慣影響非常大，因此只有在保證等效因子相似的行駛工況下運行，控制策略才能起到更優(yōu)的控制效果。雖然ECMS是實時控制油電的分配，但仍需要符合可預見的駕駛條件信息來進行工況的預測分析，以保證等效因子的高效率。如果對下一時刻工況的預測有很大的偏差，使用ECMS控制策略時，HEV仍然能夠保持一定的控制效果，但是結果達不到預期。因此，對下一時刻汽車運行工況的預測非常重要。

下一時刻汽車運行工況的預測算法有很多種，如神經(jīng)網(wǎng)絡預測算法、馬爾科夫預測算法等。神經(jīng)網(wǎng)絡預測需要大量樣本對其進行訓練和學習，且很容易陷入局部最優(yōu)化困局。馬爾科夫預測算法只需要對當前時刻和上一時刻進行分析，就可以得出下一時刻狀態(tài)轉移的規(guī)律，并利用該規(guī)律進行下一時刻的分析和預測。馬爾科夫算法預測車速的原理是在馬爾科夫算法假設基礎上的動態(tài)系統(tǒng)狀態(tài)，以及狀態(tài)之間轉換的理論。馬爾科夫預測的控制策略結構如圖2所示，其中,和分別為時刻的速度和加速度；+1為+1時刻的需求功率。

圖2 基于馬爾科夫預測的控制策略結構

馬爾科夫算法預測車速可以概述為車速概率轉移矩陣從某一時刻車速到下一時刻車速的轉移過程。通過對下一時刻車速進行預測，ECMS控制策略可以根據(jù)下一時刻的速度和加速度進行油電的分配，提升HEV的燃油經(jīng)濟性，優(yōu)化車輛廢氣排放。

4 馬爾科夫算法預測驗證

全球輕型汽車測試循環(huán)(WLTC)的工況如圖3所示，本文通過該測試循環(huán)驗證馬爾科夫算法預測的準確性。

圖3 WLTC工況

選取WLTC工況時間間隔為1 s的車速數(shù)據(jù)，制成散點分布圖進行分析，如圖4所示。利用馬爾科夫算法預測在1 s間隔下的WLTC工況車速的相關性。從圖4可知，在時刻和+1時刻的車速成線性關系，說明該工況具有馬爾科夫算法預見性。如果時間間隔設置得更短，行車車速的線性相關性會更高，在各種道路工況下對下一時刻車速的預測也更準確。

圖4 WLTC工況下的車速相關性

5 結語

對于HEV，基于簡單規(guī)則的能量控制策略規(guī)則簡單且適應性強，但是控制效果一般，且基于優(yōu)化后的等效燃油消耗控制策略的等效因子受外界影響較大。引入基于馬爾科夫算法預測的等效燃油消耗控制策略，對下一時刻的需求功率進行預測，提升了HEV的燃油經(jīng)濟性，優(yōu)化了車輛廢氣排放。