隗寒冰,贺少川

(重庆交通大学 机电与车辆工程学院，重庆 400074)

0 引 言

氮氧化物(NOx)是车用柴油机排放的主要污染物[1]，为满足国家标准GB 17691—2018《重型柴油车污染物排放限值及测量方法(中国第六阶段)》中规定的NOx排放低于0.4 g/km限制要求，选择性催化还原(selective catalytic reduction，SCR)后处理技术被认为是进一步降低NOx排放的必要技术路线之一。插电式柴电混合动力汽车(plug-in hybrid electric vehicles，PHEV)工作模式切换过程中由于发动机频繁启停导致的发动机排气温度和进气流速波动较大，从而导致SCR催化器效率降低和排放恶劣，冷启动阶段这种性能下降更为明显。因此制定优化的整车控制策略在保证燃油经济性的条件下有效降低NOx排放，实现发动机油耗及后处理系统综合优化控制具有十分重要的意义。

整车控制策略作为插电式混合动力汽车关键技术之一，已经得到了广泛研究[2]。基于规则的控制策略因其算法简单、实时性好的优点在工程中被大量采用[3-4]，然而策略制定需要大量实验和专家经验，无法适应工况变化，不能充分发挥插电式混合动力汽车的节能潜力。最优控制策略利用优化算法求解最小化目标函数，可以实现整车能量最佳分配[5-7]，此类策略计算资源占用大，执行效率不高，实时应用受到限制。基于学习的控制策略利用历史或实时数据进行学习应用，可以根据不同的行驶工况对控制策略参数进行自调整，优化车辆运行以适应不同的驾驶工况[8-9]，但仍依赖专家经验和精确的系统模型。……