陳俊霖 劉勝永

摘 要：為降低混聯(lián)式混合動力汽車的油耗，以提高整車燃油經(jīng)濟性和動力部件工作效率以及使整車具有良好的電量維持性為控制目標(biāo)，提出一種基于雙模糊控制的能量管理策略：串聯(lián)模糊控制器以電量偏差和整車需求功率為輸入，以發(fā)動機輸出功率為輸出，控制發(fā)動機一直工作在低油耗區(qū)；并聯(lián)模糊控制器以電量偏差、需求扭矩偏差和發(fā)動機轉(zhuǎn)速為輸入，以發(fā)動機輸出扭矩為輸出，調(diào)整發(fā)動機工作狀態(tài)。以全球輕型汽車測試循環(huán)為目標(biāo)循環(huán)工況，仿真結(jié)果表明：所提出的雙模糊能量管理策略有效改善了動力部件工作點，使之盡可能工作在高效率工作域內(nèi)，提升了混合動力系統(tǒng)的總體效率，與單模糊策略相比，百公里燃油消耗下降了1.78%，動力電池滿足電量平衡要求且電量偏差更小，混聯(lián)式HEV具有更好的燃油經(jīng)濟性和電量維持性。

關(guān)鍵詞：混聯(lián)式HEV；雙模糊控制；能量管理策略；電量平衡

中圖分類號：TP273 DOI：10.16375/j.cnki.cn45-1395/t.2023.01.009

0 引言

混合動力汽車（hybrid electric vehicle，HEV）被認(rèn)為是現(xiàn)階段可實現(xiàn)節(jié)能減排的有效解決方案之一[1]。由于HEV配置了2種及2種以上動力源，其動力系統(tǒng)是一種復(fù)雜的非線性時變系統(tǒng)，會隨著工況變化自適應(yīng)調(diào)整工作狀態(tài)，因此，需要制定相應(yīng)的能量管理策略（energy management strategy，EMS）來解決動力部件間的協(xié)同及功率流向的能量管理問題[2]。

EMS是HEV研究領(lǐng)域的重點和難點，其性能優(yōu)劣直接決定了整車燃油經(jīng)濟性的優(yōu)劣[3-5]。能量管理目標(biāo)主要有提升系統(tǒng)工作效率、降低整車油耗以及提高能量利用率等[6-8]。我國最早應(yīng)用的EMS是邏輯門限策略，該策略基于負(fù)荷平衡思想，通過電機調(diào)整發(fā)動機工作點，結(jié)合發(fā)動機萬有特性、電機萬有特性、車速等參數(shù)界定發(fā)動機工作域，并設(shè)定一組閾值提升其工作效率，進而提升整車燃油經(jīng)濟性[9-10]。該策略雖能提升發(fā)動機工作效率，但控制目標(biāo)較為單一，難以兼顧工況變化的影響。模糊控制策略具有較好的魯棒性、實時性及控制精度，策略執(zhí)行時不依賴于準(zhǔn)確的數(shù)學(xué)模型，是一種極其適用于HEV這類非線性時變系統(tǒng)的EMS[11]。文獻[12]使用PI控制器建立駕駛員行為識別模型，硬件在環(huán)實驗結(jié)果顯示該策略優(yōu)化了并聯(lián)式HEV的性能。文獻[13]提出一種基于頻率解耦的模糊EMS，該策略實現(xiàn)了更低的整車能耗，延長了電池使用壽命。文獻[14]提出了基于再生制動的模糊EMS，硬件在環(huán)實驗結(jié)果顯示混合動力系統(tǒng)的協(xié)同性較高。文獻[15]用遺傳算法優(yōu)化了模糊規(guī)則，硬件在環(huán)實驗結(jié)果表明整車油耗降低了0.13 L/（100 km）。

本文針對一款混聯(lián)式HEV，設(shè)計以降低油耗、提高系統(tǒng)工作效率、維持電池電量平衡為目標(biāo)的智能控制策略。首先分析了混聯(lián)式HEV的動力總成結(jié)構(gòu)，針對工作模式的差異設(shè)計了2個模糊控制器：①串聯(lián)模式下發(fā)動機轉(zhuǎn)速與輪端車速解耦，因此串聯(lián)模糊控制器以整車需求與電量偏差為輸入，以發(fā)動機輸出功率為輸出，控制發(fā)動機一直工作在低油耗區(qū)；②并聯(lián)模式下發(fā)動機轉(zhuǎn)速與輪端車速耦合，因此并聯(lián)模糊控制器以電量偏差、需求扭矩偏差與發(fā)動機轉(zhuǎn)速為輸入，以發(fā)動機輸出扭矩為輸出，調(diào)整發(fā)動機狀態(tài)，使之工作在低油耗區(qū)。最后基于Cruise和Matlab平臺建立仿真模型，評價雙模糊EMS的控制效果。

1 混合動力系統(tǒng)結(jié)構(gòu)及建模

1.1 混聯(lián)式HEV的動力總成結(jié)構(gòu)

本文研究對象是一款混聯(lián)式HEV，其動力總成包括發(fā)動機、發(fā)電機、驅(qū)動電機及動力電池等部件，其中發(fā)電機負(fù)責(zé)發(fā)電和調(diào)節(jié)發(fā)動機轉(zhuǎn)速，驅(qū)動電機負(fù)責(zé)提供驅(qū)動力和制動能量回收，其構(gòu)型如圖1所示。離合器作為動力耦合裝置，控制著發(fā)動機的能量流向，根據(jù)能量流向可將混聯(lián)式HEV的混合動力模式劃分為串聯(lián)模式及并聯(lián)模式：串聯(lián)模式下，離合器斷開，發(fā)動機輸出能量給發(fā)電機發(fā)電，再結(jié)合電池荷電狀態(tài)（state of charge，SOC），將電能靈活分配到驅(qū)動電機與電池組；并聯(lián)模式下，離合器閉合，發(fā)動機輸出的能量直接用于驅(qū)動整車，電池根據(jù)SOC輔助驅(qū)動整車。

1.2 動力部件建模

1.2.1 整車模型

主要研究EMS對燃油經(jīng)濟性的影響，因此整車模型只考慮車輛的縱向運動，忽略橫向運動及垂向運動的影響。在實際中，由汽車行駛方程計算的行駛阻力與實際行車阻力存在著較大偏差，因此采用實測的滑行阻力曲線來代替理論計算中的空氣阻力和滾動阻力，使整車模型更趨向于實車。實測數(shù)據(jù)擬合的整車縱向運動阻力方程為：

[F=f0+f1v+f2v2+δmdvdt .] （1）

式中：F為整車驅(qū)動力；v是行駛速度；[δ]為旋轉(zhuǎn)質(zhì)量換算系數(shù)；m為整備質(zhì)量；[f0、f1、f2]為測試車輛的道路載荷系數(shù)；前三項之和即為車輛的空氣阻力、滾動阻力之和。

1.2.2 發(fā)動機模型

重點關(guān)注發(fā)動機的油耗，采用實測數(shù)據(jù)建立發(fā)動機油耗數(shù)值模型，如圖2所示。已知當(dāng)前時刻發(fā)動機的轉(zhuǎn)速和扭矩，可以通過數(shù)值模型得知當(dāng)前狀態(tài)的燃油消耗率。

發(fā)動機輸出功率由式（2）得到：

[P=Tene9 550 .] （2）

式中：[Te]為發(fā)動機扭矩；[ne]為發(fā)動機轉(zhuǎn)速。

1.2.3 電機模型

混聯(lián)式HEV配備的2個電機均為永磁同步電機，建模時不考慮電機的電磁特性。圖3和圖4分別是驅(qū)動電機和發(fā)電機的效率模型，已知當(dāng)前時刻電機的轉(zhuǎn)速和扭矩，可以通過數(shù)值模型求解電機當(dāng)前狀態(tài)的工作效率。

電機功率可由式（3）得到：

[P=TMnM9 550ηM， 驅(qū)動狀態(tài)，TGnGηG9 550， 發(fā)電狀態(tài).] （3）

式中：[TM、TG]分別為驅(qū)動電機扭矩和發(fā)電機扭矩；[nM、nG]分別為驅(qū)動電機轉(zhuǎn)速和發(fā)電機轉(zhuǎn)速；[ηM、ηG]分別為驅(qū)動電機效率和發(fā)電機效率。

1.2.4 動力電池模型

以等效電路法建立動力電池模型，其輸出電壓[Ub]和電流Ib為：

[Ub=Uoc（SOC）-Rb（SOC）Ib（SOC）， ? ? ? ? ? ? ? ? ? ? ? ? ? ? Ib=Uoc（SOC）-U2oc（SOC）-4Pb（SOC）Rb（SOC）2Rb（SOC）.]

（4）

式中：[Uoc]為開路電壓；[Rb]為電池內(nèi)阻；[Pb]為電池輸出功率。

SOC是動力電池的關(guān)鍵指標(biāo)，也是制定EMS的關(guān)鍵狀態(tài)量，SOC的狀態(tài)方程如式（5）所示，由輸出電流方程和安時積分法推導(dǎo)得出。

[SOCt=SOC0-IbdtQc]. （5）

式中：SOC0為電量初始值；Qc為電池的最大容量。

2 能量管理策略設(shè)計

2.1 模式切換控制

混聯(lián)式HEV具有純電、串聯(lián)、并聯(lián)和能量回收4種工作模式。在一個駕駛循環(huán)內(nèi)車輛會發(fā)生多次模式切換，模式切換的控制邏輯如圖5所示。車速V小于下閾值[Vlow]時整車進入純電模式；V大于[Vlow]且整車需求扭矩[Treq]小于0時進入能量回收模式；V大于[Vlow]、小于上閾值[Vhigh]且[Treq]大于0時進入串聯(lián)模式；V大于[Vhigh]且[Treq]大于0時進入并聯(lián)模式。

2.2 雙模糊控制器的設(shè)計

由于配備的電機效率較高，高效率區(qū)域分布較廣，可用電機平衡發(fā)動機的功率負(fù)荷，使發(fā)動機工作點盡可能落于經(jīng)濟區(qū)域內(nèi)，并在駕駛循環(huán)內(nèi)保持電池SOC平衡。因此，能量管理策略的控制目標(biāo)為：

①減少能量損耗，提高驅(qū)動能量有效利用率。串聯(lián)模式根據(jù)整車需求動態(tài)調(diào)整發(fā)動機工作在最優(yōu)工作曲線上，減少能量轉(zhuǎn)換過程的損耗；并聯(lián)模式根據(jù)整車需求調(diào)節(jié)發(fā)動機輸出扭矩，避免發(fā)動機嚴(yán)格跟蹤最優(yōu)工作曲線造成能量輸出過剩所產(chǎn)生的電池被動充電現(xiàn)象。

②主動維持電池SOC平衡。SOC太高會減少能量回收的空間；SOC太低則會影響整車動力性。

雙模糊控制的控制邏輯圖如圖6所示。

2.2.1 變量論域的確定

將驅(qū)動電機需求功率Preq和電量偏差△SOC1作為串聯(lián)模糊控制器的輸入量；將電量偏差△SOC2、需求扭矩偏差△T、發(fā)動機轉(zhuǎn)速ne作為并聯(lián)模糊控制器的輸入量。將發(fā)動機輸出功率P和發(fā)動機扭矩T1分別作為串聯(lián)模糊輸出量與并聯(lián)模糊輸出量。

電量偏差△SOC1， 2表述為：

[△SOC1， 2=SOCt-SOC0]. （6）

式中：[SOCt]為任意時刻的電量；[SOC0]為初始電量。

需求扭矩偏差△T表述為：

[?T=Treq（t）-Topt（t）]. （7）

式中：[Treq（t）]為當(dāng)前時刻的整車需求扭矩；[Topt（t）]為發(fā)動機當(dāng)前時刻的最優(yōu)扭矩。

將△SOC1和Preq劃分為7個模糊子集，將△T、△SOC2以及P、T1劃分為5個模糊子集，將ne劃分為3個模糊子集，并用相應(yīng)名稱對應(yīng)，如表1—表3所示。

2.2.2 隸屬度函數(shù)的確定

在滿足混聯(lián)式HEV動力性需求的前提下，將三角形隸屬度函數(shù)作為各個變量的隸屬度函數(shù)，如圖7—圖9所示。

2.3 模糊規(guī)則設(shè)計

2.3.1 串聯(lián)模糊規(guī)則設(shè)計

串聯(lián)模糊控制器的輸入量△SOC1和Preq都有7個模糊子集，可設(shè)計模糊規(guī)則49條。規(guī)則設(shè)計如表4所示，所選取的模糊控制規(guī)則的形式為：

[Rule：If x1 is Ai1 and x2 is Ai2 ，Then u is Bi;i=1，2，…]

其中：[x1、x2]為輸入量；u為輸出量。

串聯(lián)模糊規(guī)則的制定依據(jù)如下：

1）串聯(lián)模式主要以電能驅(qū)動為整車驅(qū)動能源，此模式將發(fā)動機從輪端解耦出來，可靈活調(diào)節(jié)發(fā)動機的工作點，使其盡可能工作于高效率區(qū)；

2）△SOC1為正值時，動力電池作為整車主要驅(qū)動能量源，發(fā)動機作為輔助能量源；△SOC1為負(fù)值時，整車驅(qū)動能源主要由發(fā)動機燃油帶動發(fā)電機發(fā)電提供，利用富余的能量給動力電池充電。

2.3.2 并聯(lián)模糊規(guī)則設(shè)計

并聯(lián)模糊控制器的輸入量△SOC2、△T和ne分別有5個、5個和3個模糊子集，可設(shè)計模糊規(guī)則75條。規(guī)則如表5所示，所選取的模糊控制規(guī)則的形式為：

[Rule： ][If x1 is Ai1 and x2 is Ai2 and x3 is Ai3 ， Then u is ]

[Bi;i=1，2，…]

其中：[x1、x2]、[x3]為輸入量；u為輸出量。

并聯(lián)模糊規(guī)則的制定依據(jù)如下：

1）當(dāng)△SOC2為正值時，電能作為整車主要的驅(qū)動能量，發(fā)動機可根據(jù)工況需求靈活選擇輔助驅(qū)動車輛或不工作；當(dāng)△SOC2為負(fù)值時，整車動力主要由發(fā)動機燃油提供，驅(qū)動電機根據(jù)工況需求靈活選擇不工作或行車充電。

2）根據(jù)發(fā)動機MAP可知，在高轉(zhuǎn)速階段發(fā)動機最優(yōu)工作曲線對應(yīng)的扭矩過大，動力電池容易處于被動充電狀態(tài)，進而產(chǎn)生過充現(xiàn)象，因此模糊控制器要動態(tài)調(diào)整發(fā)動機工作點下移。

3 仿真結(jié)果及分析

基于MATLAB/Simulink平臺搭建雙模糊EMS，與基于Cruise平臺搭建的混聯(lián)式HEV模型進行聯(lián)合仿真，采用Interface模塊實現(xiàn)2個平臺的聯(lián)合仿真。選取全球輕型汽車測試循環(huán)（world light vehicle test cycle，WLTC）工況作為仿真工況，仿真結(jié)果與邏輯門限EMS、單模糊EMS進行對比分析。整車參數(shù)設(shè)計如表6所示。

全球輕型汽車測試循環(huán)工況車速對比如圖10所示。圖10（a）、（b）分別是3種EMS跟蹤WLTC工況車速對比圖和車速局部跟蹤圖，由圖10可知，本文所提出的雙模糊EMS控制下的整車仿真車速可以很好地跟蹤工況要求車速。

圖11（a）、（b）、（c）分別為相同工況不同EMS控制下的動力部件工作狀態(tài)。通過對比3種策略下的發(fā)動機工作狀態(tài)可知，相較于邏輯門限EMS與單模糊EMS，雙模糊EMS作用下的發(fā)動機工作點更集中于發(fā)動機MAP中心的低油耗工作域內(nèi)，表明雙模糊EMS的控制效果更好，發(fā)動機總體效率更高；將不同策略作用下的驅(qū)動電機工作點導(dǎo)入建立的驅(qū)動電機效率模型，可見雙模糊EMS作用下的驅(qū)動電機工作點更為集中，無論是正轉(zhuǎn)驅(qū)動整車還是反轉(zhuǎn)能量回收，工作點都集中在高效率區(qū)內(nèi)；分析發(fā)電機工作狀態(tài)可知發(fā)電機工作效率較高。

圖12為電池SOC的變化曲線。由圖12可知，初始電池SOC設(shè)定為65.00%，雙模糊EMS的循環(huán)終了值為65.24%，邏輯門限EMS的循環(huán)終了值為65.45%，單模糊EMS的循環(huán)終了值為64.63%，可見設(shè)計的雙模糊EMS控制下的電量偏差較小，具有更好的電量維持性。分析曲線可知，在雙模糊EMS作用下動力電池SOC變化趨勢平緩，處于淺充淺放狀態(tài)，避免了電池的過充過放現(xiàn)象，對延長電池使用壽命起到積極作用。

表7為WLTC工況下，3種EMS作用下的仿真油耗對比及電量偏差結(jié)果。與邏輯門限EMS和單模糊EMS相比，雙模糊EMS的百公里燃油消耗分別下降了3.16%和1.78%，電量偏差更小。

4 結(jié)論

本文設(shè)計并驗證了混聯(lián)式HEV雙模糊控制器，包括串聯(lián)模式和并聯(lián)模式2個部分。仿真試驗結(jié)果表明，雙模糊EMS優(yōu)化了混聯(lián)式HEV動力部件工作狀態(tài)，使之工作在高效率工作區(qū)間內(nèi)，提升了混合動力系統(tǒng)的總體效率，整車油耗較其他2種EMS分別降低了3.16%、1.78%，具有更好的燃油經(jīng)濟性；雙模糊EMS的電池SOC變化趨勢平緩，滿足非插電式HEV的電量平衡要求，且動力電池工作在淺充淺放狀態(tài)，對延長電池使用壽命起到積極作用。因此，針對混聯(lián)式HEV設(shè)計的雙模糊EMS不僅具有較好的燃油經(jīng)濟性及電量維持性，還提高了混合動力系統(tǒng)的工作效率。

參考文獻

[1] WANG S H，HUANG X S，MARIA LOPEZ J，et al. Fuzzy adaptive-equivalent consumption minimization strategy for a parallel hybrid electric vehicle[J].IEEE Access，2019，7：133290-133303.

[2] RUAN S，MA Y.Real-time energy management strategy based on driver-action-impact MPC for series hybrid electric vehicles[J].Complexity，2020，7：1-15.

[3] 朱東彬，王喜洋，李艷文.混合動力電動汽車能量管理策略研究進展[J].機械設(shè)計與制造，2020（3）：293-296.

[4] 唐智，范晶晶，魏鵬程，等.基于動態(tài)規(guī)劃的混聯(lián)式混合動力客車能量管理控制策略研究[J].重慶理工大學(xué)學(xué)報（自然科學(xué)版），2019，33（3）：59-65.

[5] ZHANG F，HU X，TENG L，et al.Computationally efficient energy management for hybrid electric vehicles using model predictive control and vehicle-to-vehicle communication[J].IEEE Transactions on Vehicular Technology，2021，70（1）：237-250.

[6] HAN S，ZHANG F，XI J. A real-time energy management strategy based on energy prediction for parallel hybrid electric vehicles[J].IEEE Access，2018，6：70313-70323.

[7] WANG S，LIN X.Eco-driving control of connected and automated hybrid vehicles in mixed driving scenarios[J]. Applied Energy，2020，271：115233.

[8] 王琦，劉勝永，鄭致飛.基于模糊控制的純電動汽車能量管理策略研究[J].廣西科技大學(xué)學(xué)報，2021，32（2）：83-88，106.

[9] 趙秀春，郭戈.混合動力電動汽車能量管理策略研究綜述[J].自動化學(xué)報，2016，42（3）：321-334.

[10] 王志勇，韓善靈，張鑫，等.插電式混合動力汽車能量管理策略發(fā)展綜述[J].科學(xué)技術(shù)與工程，2019，19（12）：8-15.

[11] SUHAIL M，AKHTAR I，KIRMANI S，et al.Development of progressive fuzzy logic and ANFIS control for energy management of plug-in hybrid electric vehicle[J].IEEE Access，2021，9：62219-62231.

[12] CHEN P T，YANG C J，HUANG K D.Development of energy control system for parallel hybrid power system using dynamic equations and fuzzy theory[J].Advances in Mechaical Engineering，2020，12（11）：1-13.

[13] TAO F，ZHU L，F(xiàn)U Z，et al.Frequency decoupling-based energy management strategy for fuel cell/battery/ultracapacitor hybrid vehicle using fuzzy control method[J].IEEE Access，2020，8：166491-166502.

[14] SINGH K V，BANSAL H O，SINGH D.Feed-forward modeling and real-time implementation of an intelligent fuzzy logic-based energy management strategy in a series-parallel hybrid electric vehicle to improve fuel economy[J]. Electrical Engineering，2020，102（2）：967-987.

[15] XU Q，LUO X，JIANG X，et al.Research on double fuzzy control strategy for parallel hybrid electric vehicle based on GA and DP optimization[J].IET Electrical Systems in Transportation，2018，8（2）：144-151.

Research on dual-fuzzy energy management strategy of hybrid HEV

CHEN Junlin1， 2， LIU Shengyong*1， 2

（1. School of Automation， Guangxi University of Science and Technology， Liuzhou 545616， China;

2. Guangxi Key Laboratory of Auto Parts and Vehicle Technology

（Guangxi University of Science and Technology）， Liuzhou 545616， China）

Abstract： An energy management strategy was proposed with the objectives of increased fuel economy of the vehicle， improved working efficiency of power components， and good power maintenance so as to reduce the fuel consumption of hybrid electric vehicle. The series fuzzy controller took the electric quantity deviation and the required power of the whole vehicle as the input， and the engine output power as the output to control the engine to always work in the low fuel consumption area; the parallel fuzzy controller took the electric quantity deviation， the demanded torque deviation and the engine speed as the input， and the engine output power as the output. The output torque was the output， which adjusted the working state of the engine. Taking the global light vehicle test cycle as the target cycle condition， the simulation results show that the proposed dual-fuzzy energy management strategy could effectively improve the working point of the power components， made them work in the high-efficiency working area as much as possible， and improved the overall efficiency of the hybrid system. Compared with the single fuzzy strategy， the fuel consumption per 100 kilometers decreased by 1.78%， the power battery met the power balance requirements and the power deviation was smaller， and the hybrid HEV had better fuel economy and power maintenance.

Key words： hybrid HEV; dual fuzzy control; energy management strategy; power balance

（責(zé)任編輯：黎 婭）