靜液傳動混合動力車輛控制策略優化

劉 濤，胡淑榮，羅念寧，姜繼海

(1．哈爾濱工業大學(威海)汽車工程學院，264209威海，lt4325@163．com;2．哈爾濱工業大學流體傳動與控制研究所，150001哈爾濱;3．國家林業局管理干部學院，102600北京)

靜液傳動混合動力車輛控制策略優化

劉 濤1，胡淑榮3，羅念寧1，姜繼海2

(1．哈爾濱工業大學(威海)汽車工程學院，264209威海，lt4325@163．com;2．哈爾濱工業大學流體傳動與控制研究所，150001哈爾濱;3．國家林業局管理干部學院，102600北京)

為了提高靜液傳動混合動力車輛的燃油經濟性，在Matlab/Simulink平臺上建立了整車動態性能仿真分析模型，建立邏輯門限控制策略參數優化的有約束非線性規劃模型，以燃油消耗率為優化目標，以發動機主動充壓轉矩差值和主動充壓壓力限值為優化對象，運用多目標遺傳優化算法，在不同的循環工況下對靜液傳動混合動力系統工作模式的選擇和能量的分配進行了優化，找到了一組全局最優的控制策略參數．仿真結果表明:優化后的控制策略參數可使發動機更多地在燃油經濟性較好的區域工作，提高整車的燃油經濟性．將該方法用于離線參數優化，可以大大縮短控制器的實車標定時間．

汽車工程;混合動力車輛;控制策略;遺傳算法

靜液傳動混合動力車輛通過多種動力源的組合，采用液壓儲能和液壓驅動技術，與傳統車輛的內燃機驅動相結合，為能量的優化分配提供了廣闊的空間，能夠在不降低原車性能的前提下降低油耗，減少排放．驅動轉矩的實時最優分配需要通過整車能量管理策略來實現．能量管理策略作為混合動力車輛控制策略的核心算法［1－3］，通過控制各個子系統工作于最佳狀態，使多能源動力系統高效運行．由于靜液傳動混合動力車輛是一個高度復雜的非線性系統，而且影響其控制策略的參數較多，參數的選取常根據以往車輛的性能數據、工程經驗以及反復調試來確定．這種方法只能獲得針對特定問題的較為合理的解，不能保證選取了最合適的參數值．傳統的基于梯度的搜索方法，如SQP(sequential quadratic programming)，要求目標函數連續、可微，并滿足Lipschitz條件，而對于HHV優化問題而言，這些條件很難滿足，此外，目標函數的梯度值也很難計算，且無法保證最優．

遺傳算法(GA)是一種模仿生物進化過程的全局最優搜索算法，被廣泛應用于優化、神經網絡訓練以及系統識別中的參數估計等領域．由于不需要目標函數的梯度信息，且能自行跳出局部最優解，遺傳算法已經被證明非常適合應用于混合動力系統的參數優化［4－8］．

本文利用在Matlab/Simulink平臺建立的靜液傳動混合動力車(HHV)整車動態分析模型，以降低油耗及排放為目標，采用遺傳優化算法，對靜液傳動混合動力系統工作模式的選擇和轉矩的分配進行了優化，得到最佳的控制策略參數，提高了整車燃油經濟性．

1 HHV仿真分析模型

本文以利用一汽商用車底盤開發的靜液傳動混合動力車輛T57HHV的結構參數及其控制策略為研究實例，對整車的控制策略進行優化研究，所采用的優化方法同樣適用于其他結構形式的混合動力車輛．圖1為T57HHV靜液傳動混合動力輕卡的結構原理圖，該模型為并聯式結構，主要由內燃機、高壓蓄能器、低壓蓄能器和可變排量的液壓泵/馬達組成．主要動力源為傳統車輛的發動機，液壓泵/馬達通過扭矩耦合器與傳動軸連接．其動力系統主要參數見表1．

圖1 HHV結構原理圖

表1 HHV主要參數

基于上述結構和參數，在Matlab/Simulink平臺上建立了HHV整車動態分析模型，如圖2所示．

圖2 HHV仿真模型

2 HHV能量利用策略

并聯式靜液傳動混合動力系統的基本工作模式可用圖3所示的典型行駛工況來說明．在圖3的上部曲線中，AC段為汽車由靜止起步緩慢加速過程，CD為勻速行駛段，DE段為急加速，EF段為制動至停車．這一行駛曲線體現了本文靜液傳動混合動力車輛的5種基本工作模式:1)AB段為液壓泵/馬達單獨驅動模式，發動機處于怠速狀態;2)BC段為液壓蓄能器放能完畢發動機單獨驅動模式;3)CD段勻速行駛，為發動機驅動并同時主動充壓模式;4)DE段車輛急加速，為發動機和液壓泵/馬達聯合驅動模式;5)EF段為再生制動模式，發動機怠速，液壓泵 /馬達工作在液壓泵工況，將部分或全部制動動能轉換為液壓能后存儲于蓄能器中．圖3的下部曲線是與上部行駛曲線對應的驅動功率，圖中在時間軸上方的功率為正功率，用于驅動，在時間軸下方的為負功率，用于制動和發動機向液壓泵 /馬達充壓．

圖3 典型行駛工況與基本工作模式

行駛過程中，采用駕駛員的加速踏板指令、制動踏板指令、當前車速、蓄能器SOC以及其他車輛狀態信息確定系統的工作模式，混合動力車輛由整車控制器(VCU)控制，可在以上5種模式間切換．該車采用邏輯門限控制策略(LTCS)來控制工作模式的切換，控制策略程序運行于VCU上［9－10］．

并聯式靜液傳動混合動力車輛的能量控制策略根據轉矩來定義發動機的優化工作區域，以發動機效率圖為發動機負荷調整的依據，如圖4所示．其中發動機最優轉矩是從靜態條件下發動機的萬有特性曲線出發，將一定轉速條件下發動機最小比油耗點插值連接成的曲線，主動充壓泵的轉矩通過總的需求轉矩與發動機所需轉矩的差值得到．

在靜液傳動混合動力車輛的能量利用策略中，作為邏輯門限參數的主要有:

1)發動機主動充壓功率上限值Pe－opt．由發動機萬有特性曲線可以看出，對應于每一條等功率曲線必有一條等油耗線與之相切，該切點即該功率下的最佳油耗點，將多個切點數據進行擬合即可得到發動機最佳燃油經濟性功率曲線，即發動機主動充壓功率上限值Pe－opt．

2)發動機主動充壓功率下限Pc．對于圖 4，設發動機正常行駛時工作于1點，此時發動機功率為Pc，燃油消耗率為b1，為節省燃油調整發動機工作點至2點，此時發動機功率為Pe－opt，燃油消耗率為b2，多余功率Pe－opt－Pc由主動充壓泵將其轉換為液壓能貯存于蓄能器中，當達到充壓極限壓力值pc后，發動機怠速(怠速燃油消耗率為b3/gs－1)運轉，由液壓泵/馬達釋放液壓能驅動整車行駛．

圖4 能量利用策略示意圖

假設發動機工作點由1點調整至2點，在2點工作時間為 T1，則主動充壓的能耗為(Pe－opt－Pc)T1;儲能釋放以功率Pc驅動車輛行駛T2時間，此時發動機怠速行駛，設能量循環轉換效率為ηe－p，則發動機主動充壓時的功率限值Pc可由來確定．當需求功率Preq在Pc與Pe－opt之間時，因為存在循環效率，主動充壓反而會惡化燃油經濟性，不能進行充壓．根據主動充壓時的功率限值Pc和發動機主動充壓功率上限值Pe－opt可得到發動機的充壓轉矩限值 Tc、Te－opt．

3)主動充壓壓力限值pc．液壓蓄能器功率密度大，但其能量密度小，液壓蓄能器主動充壓壓力限值pc會對系統的節能效果造成很大影響．pc過大，會導致再生制動提前結束，能量回收率降低．pc過小，將導致發動機負荷率頻繁變動，惡化燃油經濟性．一般控制液壓蓄能器的壓力在0.5pmax以下，以保證蓄能器有足夠的空間回收制動能量．

3 HHV控制策略參數優化

3.1 參數優化數學模型

靜液傳動混合動力車輛參數優化設計問題是一個典型的有約束非線性規劃問題(NLP)，其數學模型可以表述為

式中:xi為控制策略的設計變量;n為設計變量數;xli、xui分別為設計變量 xi的下限和上限;gj(x)為非線性不等式約束;f(x)為控制策略優化的目標函數．

控制策略的目標是同時最小化油耗和排放，為減少各自子優化目標之間的數值差異，對其進行了單位化處理，然后采用權重系數變換法將多目標綜合為單一的優化目標(適應度評價函數)，即

式中:wi(i= 1， 2， 3，4)為權重因子，Q(t)、QHC(t)、QCO(t)、QNOX(t)為燃油消耗、碳氫化合物、一氧化碳和氮氧化合物的排放量;Qtar、QCO－tar、QHC－tar、QNOX－tar為燃油消耗、碳氫化合物、一氧化碳和氮氧化合物排放量的對應目標值．

3.2 HHV能量利用策略參數優化

在進行遺傳優化時，利用MATLAB進行算法設計，將遺傳算法編制成各種m文件，利用MATALB對各個文件進行調用，編寫特定的遺傳算法語句，完成遺傳步驟所需的生成初始群體、選擇、交叉、變異等，對邏輯門限控制策略的參數進行優化試驗;在Simulink環境下，利用整車仿真模型計算目標函數和約束，得到控制策略參數優化仿真模型如圖5所示．仿真模型以模塊形式嵌入到整個程序中，進化是基于動態仿真進行的，并在時域中完成．針對每一代的每個個體，都在一個完整的循環工況下運行一次整車仿真模型，求得優化中的解．

圖5 基于遺傳算法的控制策略參數優化模型

選取靜液傳動混合動力車輛的發動機主動充壓轉矩差值ΔT，主動充壓壓力限值pc為待優化的控制策略參數，把待優化的每一個參數看成是一個基因，即個體由基因ΔT和pc組成，采用固定長度為8的二進制數基因編碼來表示一個變量，由ΔT和pc共同組成一條染色體，代表問題的一個解，即

邏輯門限控制策略的設計變量及其上下限邊界值如表2所示．

表2 邏輯門限控制策略的設計變量及其邊界值

選定UDDS、1015、NYCC等3種循環工況，對滿載時的靜液傳動混合動力車輛的控制策略參數進行優化．這里只針對油耗進行了優化，尋優過程如圖6所示．

可以看出，進化初期最優個體的適應度隨著進化代數的增加而減少，其收斂速度較快．到第15代，最佳適應度就基本維持不變了，UDDS工況收斂速度最快，適應度幅值變化較大．3種循環工況下獲得的控制策略參數是不同的，如表3所示，3種循環工況下優化前后的油耗如表4所示，其燃油經濟性得到了不同程度的改善．

表3 不同循環工況下的控制策略參數最優值

表4 不同循環工況下優化前后的油耗對比

圖6 尋優過程

4 結語

1)利用遺傳算法對能量管理策略參數進行優化，可以提高整車的燃油經濟性．

2)遺傳算法在解決多目標多參數優化問題時，能夠在相對較短時間內得到令人滿意的解，在實際中是可行的，采用遺傳算法對靜液傳動混合動力車輛的能量管理策略進行優化是行之有效的．

3)本文方法在T57HHV靜液傳動混合動力車輛的控制策略優化中已得到應用，將其用作控制策略的離線參數優化，可以大大縮短控制器的實車標定時間．

［1］HUANG Y J，YIN C L，MANG J W．Development of the energy management strategy for parallel hybrid electric urban buses［J］．Chinese Journal of Mechanical Engineering， 2008，21(4):44－50．

［2］EWA F．A genetic algorithm and a simulated annealing algorithm combined with column generation technique for solving the problem of scheduling in the hybrid flowshop with additional resources［J］．Computers and Industrial Engineering， 2009，56(1):142－151．

［3］CHAN C M，ZHANG L M，JENNY T M．Optimization of pile groups using hybrid genetic algorithms［J］．Journal of Geotechnical and Geoenvironmental Engineering， 2009，135(4):497－505．

［4］浦金歡，殷承良，張建武．遺傳算法在混合動力汽車控制策略優化中的應用［J］．中國機械工程， 2005，16(7):648－651．

［5］LIU Yong-xin，ZOU Ping-hua．Optimization of networks impedance identification based on hybrid genetic algorithm［C］//2009 2nd International Conference on Information and Computing Science．Manchester City，England:IEEE Computer Society，2009:138 －141．

［6］張昕，宋建峰，田毅，等．基于多目標的混合動力電動汽車控制策略優化［J］．機械工程學報， 2009，45(2):36－40．

［7］DEB K．An efficient constraint handling method for genetic algorithms［J］．Computer Methods in Applied Mechanics and Engineering， 2003，186(2):311－338．

［8］吳光強，陳慧勇．基于遺傳算法的混合動力汽車參數多目標優化［J］．汽車工程， 2009，31(1):60－64．

［9］WU B，LIN C C，FILIPI Z，et al．Optimal power management for a hydraulic hybrid delivery truck［J］．Vehicle System Dynamics， 2004，42(1):23－40．

［10］HOFMAN T，STEINBUJCH M，DRUTEN R V，et al．Rule-based energy management strategies for hybrid vehicles［J］．International Journal of Electric and Hybrid Vehicles， 2007，1(1):71－94．

Optimization of hydrostatics hybrid vehicle control strategy

LIU Tao1，HU Shu-rong3，LUO Nian-ning1，JIANG Ji-hai2

(1．School of Automobile Engineering，Harbin Institute of Technology at Weihai，264209 Weihai，China，lt4325@163．com;2．School of Mechatronics Engineering，Harbin Institute of Technology，150001 Harbin，China;3．State Academy of Forestry Administration，102600 Beijing，China)

To improve the fuel economy of hydrostatics hybrid vehicle(HHV)，a HHV dynamic simulation model is built up for performance analysis in MATLAB/Simulink．The optimal tuning of these threshold logic control strategy parameters is formulated as a constrained nonlinear programming problem with an objective function minimizing fuel consumption．The engine active pressurized torque difference and the active pressurized pressure limit are the objects of optimization．A multi-objective genetic algorithm(GA)optimization method is applied to get the optima of work modes and energy distribution in different drive cycles，which gives the compatible control strategy parameters．Simulation results demonstrate that the optimized control strategy parameters allow the engine working in more fuel economy area，improve the fuel economy of HHV．This method can be used for off-line parametric optimization and to shorten the time of controller calibration in the real vehicle．

automotive engineering;hybrid vehicle;control strategy;genetic algorithm

TH137

A

0367－6234(2011)09－0086－05

2010－04－09．

國家自然科學基金資助項目(50875054);山東省自然科學基金資助項目(ZR2009FL002)．

劉 濤(1966—)，男，博士研究生，副教授;

姜繼海(1957—)，男，教授，博士生導師．

(編輯 楊 波)