王爱国

(1.安徽机电职业技术学院，安徽 芜湖 241002;2.合肥工业大学 机械与汽车工程学院，安徽 合肥 230009）

随着全球逐渐变暖和污染的加剧，混合动力汽车以排量小、油耗少的优点逐渐被推广。相对于常规车，混合动力车有更大的节油潜力。由于动力系统由发动机和电机组成，控制方面有更多的自由度，这就给优化提供了更多的空间。

线性规划有结构简单，运行速度快的优点，它通过发动机、电机、电池等元件的效率取定值来使系统线性化[1－2]。但是各个元件本身的特性是非线性的，线性规划的优化结果与实际运行的误差较大，很难在控制系统中取得最优值。动态规划基于模型对特定的循环工况进行优化，很难应用于实时的控制。

基线控制策略，即BCS(baseline control strategy)使发动机在高效率区间内运行[3]，遗传算法对优化效率区间和SOC的门限值进行了优化以达到最大程度的节油效果[4]。优化控制理论中的最小值原理来对混合动力汽车的扭矩分配进行优化，通过使用哈密顿(Hamiltonian)方程对整个动力系统进行分析和优化[5－7]，主要对基线控制和最小值原理方法进行研究，对混合动力车辆的双离合系统进行优化和实验。

1 车辆概况

1.1 混合动力系统

混合动力双离合系统进行如图1所示，该系统主要配置有一个140KW发动机，扭矩输出由发动机控制器(ECU)控制。一个额定功率为100KW的三相交流电机，扭矩由电机控制系统(DMCM)来控制。和一个容量为40Ah的电池箱，电池箱连接的电池管理系统(BMS)使用算法对当前电池的电荷状态(SOC)进行估计。在发动机和电机之间有一个气动的电控离合器，用来控制发动机与动力连接的断开和结合。一个整车控制器HCU控制整个系统的动力输出。

1.2 动力系统的控制

在对单轴并联混合动力系统的控制时要满足以下要求，首先，混合动力的驾驶性不能差于常规车的驾驶性。另外，为了保持电机正常工作同时延长电池的寿命，电池SOC值要控制在一定的范围内。当前控制策略如下:

(1)车速较低时，断开离合器使电机单独驱动整车运行，一方面可以改善车辆起步过程的舒适性，减少离合器的滑磨所带来的冲击。另一方面可以避免发动机在转速特别低的区域内工作，节省燃油消耗。

(2)尽可能地在回馈制动时增加能量的吸收。

(3)在正常驱动时，电控离合器结合，发动机和电机共同驱动车辆。这就需要一定的方法来对电机和发动机进行扭矩分配。

文中主要对第三种情况进行研究，根据当前加速踏板，电机和发动机转速等输入信号。考虑到当前的SOC的值，如果当前SOC值较低则系统对电池趋向于充电。相反，如果SOC较高则系统对电池倾向于放电。整车控制器HCU对发动机控制器(ECU)和电机控制器(DMCM)发出扭矩指令。HCU中能量管理策略如图2所，Treq表示整车需求扭矩，TDM表示发送给DMCM的扭矩指令，TICE表示发送给ECU的扭矩指令。从图中可以看出，在对整车需求扭矩的控制时主要通过查表进行，表格的一般是通过离线的优化得到，将各个元件的特性进行提取存储在控制器中。

2 扭矩分配优化

在HCU的控制中，动力系统要实时满足驾驶员的需求，这就要求HCU的控制程序中每一循环的时间尽可能的要短。而且单片机中的储存能力要大于计算能力，所以有很大计算量的优化一般离线完成，将优化的结果储存在需要查的表格中。

为了使混合动力车辆在控制中使燃油最小化，需要对车辆进行一定的优化控制。在对混合动力的优化时要考虑到发动机和电机的万有特性，如图3、图4所示。

根据电池的电化学特性，电池可以使用内阻模型进行计算，内阻与SOC的关系如图5所示，则电流产生的能量关系可以表示成:

I—电池电流，Uoc—开路电压，R—电池内阻，Pdm—电机功率，Pbp—电池功率

考虑到发动机要带动车辆的附件工作，发动机的自动起停并没有在考虑范围以内，主要对基线和最小值原理两种扭矩分配方法进行研究。

2.1 基线扭矩分配方法

基线方法主要对对发动机工作在区间进行优化，主要是保证发动机工作在最优的区间内。在控制中主要有两种模式:当SOC大于设定的门限值时，整车的需求扭矩和发动机转速在发动机高效率区间，而其它区域电控离合器断开，整车由电机单独驱动。如图6所示。当SOC小于设定的门限值时，整车的需求扭矩和发动机转速在发动机高效率区间，此时整车由发动机来驱动。如图7所示。

2.2 最小值原理的分配方法

最小值原理的分配方法在有些论文中也叫等价燃油消耗方法，也就是将要消耗的电量等价成燃油消耗，如式3所示:

式中Pf(t)为发动机消耗燃油对应的功率。λ(t)是等价因子，也可以看作是“惩罚因子”。它主要反映对当前电量需求的大小。如果λ(t)越大则反映当前系统对电量的使用需求越大。如果λ(t)越小，则更倾向于使用燃油能量。所以在一定的车辆运行中λ(t)的取值决定扭矩分配的关键因素。

为了使运行中燃油消耗最小，将整个运行的工况分成N个时间点，考虑到每个时刻的转速和整车需求扭矩的变化，则优化目标为

根据最小值原理，对哈密顿方程进行求导

可见，当λ(t)取定值时哈密顿函数可以得到最小值[8]。即，可以将式(3)可以写成:

式中，Pf(t)可以通过图3查表计算得到;Pbp(t)是通过图4查表得到电机的功率后按式(1)、(2)得到的电池功率。以此计算出分配表格，扭矩分配表格如图8所示，当λ为2.5时主要使用发动机不但要满足车辆的驱动需求，还要提供额外的扭矩来给电池充电。随着λ值的不断变小，在扭矩分配中发动机输出扭矩的比例也逐渐减少。当λ为1.7时，发动机在整车需求扭矩较低时发动机的需求扭矩基本为0。

由此可以根据当前SOC来选择对应的λ所算出的表格，当前SOC＞标定值时，SOC选择λ较小值的表格。相反当SOC较小时，选择λ较大值的表格。来使SOC在车辆运行中维持在一定的范围。

3 试验结果

3.1 测试循环

测试实验在台架上进行，台架试验不但可以反映动力系统的控制精度，而且外界环境的干扰较小，有较好的实验复现性。实验台架如图9所示，主要目的是使动力系统在特定的驾驶循环中运行，来对两种扭矩分配方法进行比较。

本次实验室主要对中国典型城市公交循环工况进行测试，对应的车速轨迹如图10所示。实验中主要对动力系统进行控制，运行转速和需求扭矩是整车道路实验时在运行时监测和采集的数据，这样可以使用台架模拟真实车辆实验时动力系统的运行工况。电力测功机采用转速控制模式，控制间隔为0.1秒，目的是使动力系统的运行转速与实际车辆行驶中的转速相同。动力系统由HCU来控制扭矩，HCU收到的油门信号和刹车信号是由测功机实时发送，与当前的转速相对应。

3.2 运行结果

试验采用中国典型城市公交循环实车实验得到的数据，图11和图12分别为基线控制和最小值原理的情况下整车需求扭矩、发动机分配的扭矩和SOC的变化轨迹。

从两种方法的运行结果可以看出:发动机的运行轨迹可以看到，最小值原理对发动机的扭矩控制有更好的平顺性，在正常情况下发动机在低扭矩也在输出扭矩。而基线控制会在300Nm到0Nm会有突然的变动。相对于最小值原理控制，基线控制SOC变化区间较小，运行区域一直在[－0.1，0.1]之间，虽然有较好的SOC平衡。但是节油潜力也被限制。

最小值原理中SOC则趋于平衡，基线控制中SOC的上升了0.6%，采用经验将一升油等效成三度电，将电转换成对应的油耗，来计算整个循环的油耗。最小值原理的试验结果是28.2L/100Km，基线控制的试验结果是30L/100Km。相对于常规车36 L/100Km都有一定的节油效果。

4 结论

本论文对混合动力系统，进行了基线控制和最小值原理两种分配方法的对比研究。

基线控制的分配策略是对主要输出动力的元件－－发动机的运行区间进行优化。确保发动机运行在最优的效率区间，但是发动机在动态运行时有较大的波动。最小值原理分配策略除了发动机的效率以外，还将电池和电机的效率进行计算汇总到扭矩分配表格中。发动机的扭矩控制波动较小。

对两种方法进行了试验验证，结果最小值原理比基线控制节油5%，有更大的节油潜力。

[1]Laura V.Perez，Elvio A.Pilotta.Optimal power split in a hybrid electric vehicle using direct transcription of an optimal control problem[J].Mathematics and Computer in simulation，2009，79(6):1959 －1970.

[2]Hofman T，Steinbuch M，Van Druten R，et al.Rule－ based Energy Management Strategies for Hybrid Vehicles[J].Journal of Electric and Hybrid Vehicles，2007，1(1):71 －94.

[3]Smith K，Kim G H，Darcy E，et al.Thermal/electrical Modeling for Abuse－Tolerant Design of Lithium fon)Modules)[J].International Journal of Energy Research，2010，34(2):204－215.

[4]Morteza Montazeri Gh，Amir Poursamad，Babak Ghalichi.Application of genetic algorithm for optimization of control strategy in parallel hybrid electric vehicles[J].Journal of the Franklin Institute，2006，343(4):420 －435.

[5]Paganelli G，Delprat S，Guerra T M，et al.Equivalent Consumption Minimization Strategy For Parallel Hybrid Powertrains[C].IEEE Vehicular Technology Conference，2002，4(2):2076－2081.

[6]Delprat，T M，Guerra T M，Rimaux J.Optimal control of a parallel powertrain:from global optimization to real time control strategy[C].IEEE Vehicular Technology Conference，2002，4(2):2082 －2088.

[7]Sebastien Delprat，Jimmy Lauber，Thierry Marie Guerra，et al.Control of a parallel hybrid powertrain:optimal control[J].Vehicular Technology IEEE Transactions on，2004，53(3):872－881.

[8]Kermani S，Delprat S，Guerra T M，et al.Predictive energy management for hybrid vehicle[J].Control Engineer Practice，2012，20(4)408 －420.