基于在線ECMS的混合動力公交車能量管理策略優化與HIL仿真*

陳 龍，李文瑤，徐 興，王 位，單海強

(1.江蘇大學汽車與交通工程學院，鎮江 212013； 2.江蘇大學汽車工程研究院，鎮江 212013)

2016182

基于在線ECMS的混合動力公交車能量管理策略優化與HIL仿真*

陳 龍1,2，李文瑤1，徐 興1,2，王 位1，單海強1

(1.江蘇大學汽車與交通工程學院，鎮江 212013； 2.江蘇大學汽車工程研究院，鎮江 212013)

以能耗最小為目標，對插電式串聯混合動力城市公交車能量管理策略進行優化，實現了電池與發動機功率間的最佳分配。同時，采用模糊控制理論引入分配控制參數，對電池功率分配進行進一步的優化控制，在考慮電池溫度對系統影響的同時簡化了電池SOC的估算，從功率分配上達到動力電池健康管理和延長壽命的目的。采用Matlab/Simulink平臺搭建整車動力學模型，AMESim平臺構建電池模型，利用D2P快速原型控制器和NI實時仿真機進行了電池和整車控制器的硬件在環試驗。結果驗證了優化算法的有效性和實時性，為串聯式混合動力公交車整車優化控制提供了參考。

混合動力汽車；能量管理；模糊控制；硬件在環仿真

前言

與傳統內燃機車輛相比, 插電式混合動力汽車可以實現更好的燃油經濟性和排放性[1]。混合動力汽車能量管理優化是一個相對成熟的領域，優化控制方法包括規則法[2]、等油耗最小策略[3]、動態規劃法[4]、龐特亞金極小值原理法[5]和自適應優化法[6]等。本文中依據等效油耗控制策略(ECMS)構建了插電式混合動力城市公交車的能量分配優化策略，并與基于規則的控制策略進行對比分析。

動力電池在插電式混合動力汽車中扮演著更為重要的角色[7]，對電池工作的控制大大影響了電池甚至整車性能。電池容量主要受到荷電狀態(SOC)和溫度的影響[5]。在多數策略研究中，電池SOC通常作為約束條件或控制參數[8-9]，由于電池的溫度特性具有很強的非線性，一些研究中通常不考慮溫度的影響[5]，而對于在SOC估算中進行溫度修正的方法，其估算本身的準確度有限且極為復雜[10]，本文中通過實驗獲取動力電池隨溫度變化的特性曲線，用模糊控制方法實現了功率分配控制參數的實時修正，達到在運動過程中依據溫度，對電池功率分配進行調整的目的。

在混合動力汽車開發中，純軟件的仿真不能實時反映車輛的狀態，而真實車輛匹配又處于開發后期[11]，因此需要采用更加有效的方式進行控制策略的調試、修改和完善。本文中搭建了混合動力汽車整車和電池控制器及電池模擬器的硬件在環試驗臺架，對控制器策略實時性與有效性進行驗證。

1 整車參數及傳動系結構

插電式混合動力城市公交車的動力傳動系統為典型的串聯式混合動力汽車結構，如圖1所示。根據該混合動力系統的結構特點，整車縱向動力學基本數學模型為

Treq=ireducer·ηreducer·Tem=Ft·r

(1)

(2)

式中：Treq為需求轉矩；Tem為驅動電機轉矩；ireducer為減速器減速比；ηreducer為減速器效率；Ft為驅動力；r為車輪滾動半徑；ρair為空氣密度；Cd為空氣阻力系數；A為迎風面積；v為實際車速；Cr為滾動阻力系數；m為整車質量；g為重力加速度；θ為坡度角。

圖1 插電式串聯混合動力城市公交車傳動結構示意圖

插電式串聯混合動力城市公交車主要動力部件有：發動機、起動/發電一體機(ISG電機)、驅動電機和電池，其主要參數如表1所示。部分動態參數選用實驗得到的特性曲線進行查表，圖2所示為發動機燃油消耗圖，圖3為驅動電機效率圖。

表1 整車及動力總成主要參數

圖2 發動機燃油消耗圖

圖3 驅動電機效率圖

2 能量管理策略

2.1 基于規則的能量管理策略

基于規則的能量管理策略通過制定控制條件和規則，把插電式串聯混合動力公交車的工作狀態分為4種，利用有限狀態機，依據相應的觸發條件和規則進行工作狀態間的切換，如圖4所示。為了防止發動機頻繁起停，進入發動機起動或關閉狀態后需要額外滿足發動機最小工作時間的限制。對應這幾種工作狀態，整車控制器輸出包含狀態標志位、發動機指示功率請求、ISG轉速與轉矩請求和驅動電機轉矩請求等控制信號。

圖4 基于規則能量管理策略狀態轉換示意圖

2.2 在線ECMS優化能量管理策略

ECMS的核心思想是將混合動力汽車電力驅動消耗的那部分能量等效為燃油消耗量，與發動機實際燃油消耗量相加，得到每一時刻混合動力汽車的等效燃油消耗，作為目標函數，求解其取得最小時輸出功率的最優分配。在串聯式混合動力汽車中，功率分配指的是ISG電機和電池之間的功率分配。目標函數由式(3)表示，同時應滿足式(4)的約束條件。

(3)

(4)

式中:meq為等效燃油消耗量；mice為發動機實際燃油消耗量；mbatt為電池等效燃油消耗量；SOC為電池荷電這狀態，它代表電池的剩余電量；Pbatt為電池功率；ωx和Tx分別為動力部件角速度與轉矩。

在式(3)目標函數式中，瞬時油耗的組成包含了發動機消耗的真實油耗和電池充放電消耗或補償的等效油耗。發動機消耗的真實油耗可以通過發動機外特性曲線圖查得，而電池的等效油耗為

(5)

式中：Qlhv為燃油低熱值；f為等效因子，為電池驅動分配控制參數。

電池在放電過程中消耗能量，因此等效油耗為正；在充電過程中相當于補償能量，等效油耗為負。

ECMS的具體實施算法流程如圖5所示，ISG電機功率、電池功率和驅動電機輸入功率之間滿足如下關系：

Pisg+Pbatt=Pem

(6)

式中Pisg和Pem分別為ISG電機功率和電機驅動功率。

駕駛模型通過比例-積分-微分(PID)控制器跟蹤城市典型(公交車)標準工況(CTBDS-UD)的速度曲線，得到需求功率。

圖5 最小等油耗策略算法流程圖

2.3 控制參數f的優化

動力電池的充放電性能受溫度的影響很大，圖6為試驗測得某磷酸鐵鋰電池容量隨溫度的變化規律曲線[12]。對于混合動力整車能量分配控制策略而言，電池SOC值是影響分配系數的重要參數。理論上在進行動力電池SOC值估算時需按電池的溫度特性進行修正。但實際上電池SOC值估算的準確度有限，而電池的溫度特性又有很強的非線性，因此考慮溫度特性的SOC值估算更為困難。采用模糊控制策略，將常溫25℃下SOC的估算值與實際溫度值作為模糊控制器的輸入，經過模糊規則判斷和計算，輸出控制參數f。電池SOC的定義[13]表示為

(7)

式中：I(τ)為電池電流；Q(t)為電池在t時刻的電池電量；Qmax為最大電池電量，即電池容量，本文中Qmax取25℃時的值。

圖6 磷酸鐵鋰電池電池容量隨溫度變化規律

由式(7)可知，電池SOC表示電池潛在電能的多少，控制策略在高電量時促進電池驅動的使用，在低電量時懲罰電池驅動的使用，在過低電量時電池會通過ISG電機充電。由圖6可見，當電池低于25℃或高于50℃時減少電池驅動的使用，當電池處于25℃或50℃之間時鼓勵電池驅動的使用。

按式(8)和式(9)將電池電量與溫度進行歸一化處理，作為模糊控制器的輸入。按式(10)～式(15)進行模糊集的定義，共分為7個等級：極低(VL)、低(L)、較低(LL)、中等(M)、較高(LH)、高(H)和極高(VH)。

(8)

(9)

xSOC={VL,L,LL,M,LH,H,VH}

(10)

xtemp={VL,L,LL,M,LH,H,VH}

(11)

f={VL,L,LL,M,LH,H,VH}

(12)

xSOC={-1,-0.7,-0.3,0,0.3,0.7,1}

(13)

xtemp={-1,-0.75,-0.25,0.125,0.5,

0.875,1}

(14)

f={0,+0.2,+0.4,+0.5,+0.6,+0.8,+1}

(15)

通過模糊控制處理后的控制器輸出參數f與電池SOC及溫度的變化規劃規律，如圖7所示。

圖7 模糊控制器參數輸入輸出圖

3 HIL測試與性能驗證

基于標準循環工況速度曲線跟蹤的正向模型仿真，對整車控制器策略的驗證較為粗略且實時性差。因此，為了驗證控制器策略的有效性及運行的實時性，采用快速原型和硬件在環仿真試驗方法，在控制器研發初期，對控制器代碼時效性進行驗證，有利于提高驗證的準確性并降低整個開發過程的成本。

3.1 硬件平臺

硬件在環試驗平臺示意圖如圖8所示。由硬件和軟件兩部分組成。硬件平臺主要包括NI實時仿真機，1個電池BMU控制器，2個電池BCU控制器，Chroma高壓可編程電源，Bloomy電池模擬器和整車快速原型控制器。其中，NI實時仿真機中包含實時處理器卡PXIe-8135 RT、CAN通信板卡PXI 8513/2、模擬量輸出PXI 6723、多功能RIO板卡PXI 7853R、故障注入板卡PXI 5210和模擬電阻板卡PXI 2722。

3.2 軟件平臺

軟件平臺包括人機交互顯示平臺、數學模型和通信系統等(見圖8)。人機交互顯示平臺采用NI Veristand運行環境，實現了用戶虛擬儀表建立，駕駛員控制信號輸入和變量參數的實時監控。數學模型包括AMESim電池模型和Matlab/Simulink整車模型。上位機IP地址與實時仿真機IP地址工作在同一網段內并實現通信。

圖8 硬件在環試驗平臺示意圖

離線模型通過編譯后向NI實時仿真機下載車輛系統實時模型，通過上位機界面中駕駛員操作平臺向模型輸入駕駛員控制信號，經過實時機運行后，向上位機實時數據監控平臺輸出相關變量和參數的實時數據，實現數據記錄和參數調整。

3.3 實時仿真測試與分析

圖9所示為駕駛員模型實際車速PID跟蹤目標車速的速度曲線圖，結果表明跟蹤效果良好，駕駛員模型較準確地模擬了CTBDS-UD工況的運行速度。

圖9 CTBDS-UD工況速度跟蹤曲線圖

圖10對比了SOC為0.35時，兩種策略控制下連續3個工況發動機的轉速特性，規則法在觸發門限時起停發動機，將電池SOC維持在0.4～0.5。ECMS受最低SOC條件限制進行優化，可以看出在起初電量充足的工況中傾向于使用電驅動，同時受到分配系數的影響，在終了階段將電量維持在最低值。圖11為一個CTBDS-UD工況下驅動電機的轉速圖。由于串聯式混合動力汽車由電機驅動，驅動電機轉速變化與行駛工況相一致，說明整體動力系統按駕駛員命令輸出動力效果良好。圖12記錄了同時考慮SOC與溫度和僅考慮SOC兩種工況下控制參數f的變化。由圖可見，與僅考慮SOC相比，在同時考慮SOC和溫度的情況下，隨著溫度從20℃升高至24℃，控制參數值有所增加，鼓勵使用電池，符合電池在該溫度范圍內特性的變化，對長旅程具有重要意義。

圖10 兩種策略發動機轉速對比圖

圖11 驅動電機轉速圖

圖12 控制參數f隨SOC及溫度變化曲線圖

表2列出了不同條件和策略下的百公里油耗。對于插電式混合動力汽車而言，在電量充足情況下通常采用純電動驅動模式，記錄百公里油耗的意義不大，為了有效對比發動機起停策略，所有試驗起始SOC取0.35。由表2可見，ECMS具有優于規則法的燃油經濟性；考慮電池溫度進行策略修正在溫度過低時可能導致油耗增加，但能有效避免電池在較差性能下過度使用。在溫度略高于常溫時，鼓勵電池的使用來降低油耗，符合電池在20～25℃電池容量增加的特點。

表2 百公里油耗對照表

4 結論

(1)ECMS策略與基于規則的方法相比，能減少能量的消耗，且實時性好。

(2) 在控制參數f計算中考慮電池溫度，一方面有效避免了電池SOC估算誤差大且非線性強的缺點；另一方面有利于在分配策略中合理保護和利用電池，具有實際意義。

(3) 使用實時硬件在環平臺可檢測出控制策略的實時性，符合控制器開發初期控制策略修改頻繁的需求，同時有利于降低開發成本。

[1]CHENZ,XIAB,YOUC,etal.Anovelenergymanagementmethodforseriesplug-inhybridelectricvehicles[J].AppliedEnergy, 2015, 145:172-179.

[2]AHMADIS,BATHAEESMT.Multi-objectivegeneticoptimizationofthefuelcellhybridvehiclesupervisorysystem:fuzzylogicandoperatingmodecontrolstrategies[J].InternationalJournalofHydrogenEnergy, 2015, 40(36):12512-12521.

[3]ONORIS,TRIBIOLIL.Adaptivepontryagin’sminimumprinciplesupervisorycontrollerdesignfortheplug-inhybridGMchevroletvolt[J].AppliedEnergy, 2015, 147:224-234.

[4]PEID,LEAMYMJ.Dynamicprogramming-informedequivalentcostminimizationcontrolstrategiesforhybrid-electricvehicles[J].JournalofDynamicSystemsMeasurement&Control, 2013, 135(5):662-668.

[5]PAGANELLIG,GUERRATM,DELPRATS,etal.Simulationandassessmentofpowercontrolstrategiesforaparallelhybridcar[J].ProceedingsoftheInstitutionofMechanicalEngineersPartDJournalofAutomobileEngineering, 2008, 19(1):23-34.

[6]RIZZONIG,ONORIS.Energymanagementofhybridelectricvehicles: 15yearsofdevelopmentattheOhioStateUniversity[J].Oil&GasScience&Technology, 2014, 70(1):41-54.

[7]MARANOV,TULPULEP,STOCKARS,etal.Comparativestudyofdifferentcontrolstrategiesforplug-inhybridelectricvehicles[C].SAEPaper2009-24-0071.

[8] KESSELS J T B A, KOOT M W T, VAN D B P P J, et al. Online energy management for hybrid electric vehicles[J]. IEEE Transactions on Vehicular Technology, 2008, 57(6):3428-3440.

[9] MURA R, UTKIN V, ONORI S. Energy management design in hybrid electric vehicles: a novel optimality and stability framework[J]. IEEE Transactions on Control Systems Technology, 2015, 23(4):1307-1322.

[10] 陳寶民. 電動汽車電池管理系統設計[D]. 秦皇島：燕山大學, 2014.

[11] 邢杰,何洪文,孫逢春.混合動力汽車控制策略硬件在環仿真開發平臺[J].北京理工大學學報,2010,30(8):887-890.

[12] 孫慶, 楊秀金, 代云飛,等. 溫度對磷酸鐵鋰電池性能的影響[J]. 中國自行車, 2012(7):42-49.

[13] SCIARRETTA A, GUZZELLA L. Control of hybrid electric vehicles[J]. IEEE Control Systems, 2007, 27(2):60-70.

Optimization and HIL Simulation of Energy Management Strategy for Hybrid Electric Bus Based on Online ECMS

Chen Long1,2, Li Wenyao1, Xu Xing1,2, Wang Wei1& Shan Haiqiang1

1.SchoolofAutomotiveandTrafficEngineering,JiangsuUniversity,Zhenjiang212013;2.AutomotiveEngineeringResearchInstitute,JiangsuUniversity,Zhenjiang212013

With minimizing energy consumption as objective, the energy management strategy for a plug-in serial hybrid electric bus (HEB) is optimized to realize the optimal power split between battery and engine. Meanwhile by applying the theory of fuzzy control, a control parameter for power split is introduced to further conduct optimal control on the power split for battery. While considering the effects of battery temperature on system functioning, the estimation of battery SOC is simplified, and the goal of power battery health management and service life extension is achieved by power split. A vehicle dynamics model and battery model are set up with the platforms of Matlab/Simulink and AMESim respectively and a hardware-in-the-loop testing is performed on the controllers for vehicle and battery by utilizing D2P rapid prototype controller and NI real-time simulator. The results validate the effectiveness and real-time performance of the optimization algorithm used, providing references for optimal control of serial HEB.

HEV; energy management; fuzzy control; hardware-in-the-loop simulation

*國家自然科學基金(51475213)、江蘇省六大人才高峰項目(2014-JXQC-004)和國家新能源汽車技術創新工程資助。

原稿收到日期為2016年7月4日，修改稿收到日期為2016年8月9日。