基于工況及駕駛意圖識別的SOC動態(tài)控制研究

孫瀚文 王鵬 歐陽

（中國汽車工程研究院股份有限公司，重慶 400061）

基于工況及駕駛意圖識別的SOC動態(tài)控制研究

孫瀚文 王鵬 歐陽

（中國汽車工程研究院股份有限公司，重慶 400061）

為了解決混合動力汽車在不同駕駛工況及駕駛意圖條件下油耗存在較大區(qū)別的問題，通過研究混合動力汽車的EV/HEV模式切換策略，分析SOC單閾值控制的不足，提出了一種能夠根據(jù)駕駛工況、駕駛意圖對SOC進行動態(tài)控制，合理選擇EV/HEV模式切換點的方法。運用該方法，在分段層面通過駕駛工況識別，在實時層面通過駕駛意圖識別，實現(xiàn)了發(fā)動機起停及工作點的優(yōu)化，提高了電能利用效率，試驗結果表明，實現(xiàn)了11.14%的節(jié)油效果。

1 概述

電池系統(tǒng)的優(yōu)化控制是影響混合動力系統(tǒng)燃油經(jīng)濟性的重要因素，其中，最為關鍵的荷電狀態(tài)（State of Charge，SOC）控制不僅影響功率分配（可充/放電功率）、燃油效率，也影響電池的性能和壽命等。所以，燃油經(jīng)濟性等重要性能在一定程度上取決于行駛過程中的SOC管理，在整車層面則表現(xiàn)為EV/HEV模式切換點控制。

針對混合動力汽車的SOC優(yōu)化控制，研究人員開展了多項研究工作。高建平[1]研究了基于工況識別的SOC優(yōu)化策略，選取了10個特征參數(shù)描述工況信息，在實際駕駛中進行工況信息識別，實現(xiàn)了能量的優(yōu)化利用；張亞明[2]選取了影響相對較大的9個特征參數(shù)描述工況信息，簡化了工況識別，提高了實時性；秦大同[3]、王慶年[4]等人考慮到駕駛意圖對整車能量分配的影響作用，提出了基于駕駛意圖識別的SOC優(yōu)化策略。

以上研究在基于工況識別、駕駛意圖識別的SOC優(yōu)化控制方面提出了很好的解決方案，但工況識別是針對某一段路況的識別策略，面對多變的實際道路工況，在策略的瞬時調整上略顯不足，而駕駛意圖識別在實時性上具有較大的優(yōu)勢。因此，本文結合駕駛工況識別與駕駛意圖識別提出了SOC優(yōu)化控制方法，并進行了相關試驗驗證。

2 EV/HEV模式控制策略

混合動力汽車的EV/HEV模式切換時機是根據(jù)SOC與車速確定的[5]。當駕駛員輸入的需求功率高于根據(jù)SOC和車速計算得到的發(fā)動機起動功率閾值時，發(fā)動機起動，否則不起動。

因此，EV/HEV模式切換控制策略的關鍵是SOC控制策略。通過合理的SOC閾值控制，減少發(fā)動機起停次數(shù)，使發(fā)動機更多地運行在高效區(qū)間，提高燃油經(jīng)濟性。

3 SOC單閾值控制策略

對于插電式混合動力車型，其電池組工作模式包括電量消耗（Charge Depleting，CD）模式和電量保持（Charge Sustaining，CS）模式，不同模式的SOC控制策略不同[6]。CD模式充分利用電能輸出，SOC逐漸降低，直至到達SOC控制閾值（SOCobj），進入CS模式；CS模式以SOCobj為控制目標，電池仍可放電直至到達CS模式SOC下限（SOClow），起動發(fā)動機或提高發(fā)動機起動功率閾值，在滿足功率需求的同時，為電池充電，至CS模式SOC上限（SOChigh）后不再充電，發(fā)動機停機或降低發(fā)動機起動功率閾值，利用電池純電驅動或助力。

當電池組處于CD模式時，整車在一定車速范圍內盡可能保持在EV模式，同時擴大電池助力的范圍，發(fā)動機容易工作在經(jīng)濟點，因此CD模式的SOC控制相對簡單。而CS模式由于存在較多的EV/HEV模式切換，發(fā)動機運行工況明顯增多，SOC控制與整車性能的關系更為緊密，若僅靠某個固定閾值控制，遇到較為激進的工況，荷電狀態(tài)可能長時間處于SOClow，電池助力消失，發(fā)動機在全工況運行。

4 工況識別

根據(jù)不同的工況特點，建立工況特征參數(shù)庫，反映工況的特征參數(shù)包括平均車速、平均加速度、平均減速度、最大減速度等，平均車速、平均加速度、平均減速度的計算方法為：

國際上對工況特征參數(shù)并沒有統(tǒng)一的標準，參數(shù)選擇過多會影響工況識別的實時性，過少會影響工況識別的準確性，因此，研究過程中可根據(jù)需要選擇適當數(shù)量的工況特征參數(shù)。

在車輛行駛過程中，采集工況參數(shù)信息，與工況特征參數(shù)庫進行對比，識別此時的工況。若處于城市工況，通過降低SOCobj、提高發(fā)動機起動功率閾值，使整車繼續(xù)處于EV模式下，增加純電行駛里程，減少由于發(fā)動機起停產(chǎn)生的非必要燃油消耗；若處于高速工況，則通過提高SOCobj、降低發(fā)動機起動功率閾值，使整車保持HEV模式，發(fā)動機處于高效工作區(qū)間。

工況識別可采用基于單隱含層前饋神經(jīng)網(wǎng)絡的學習算法[7]，訓練集包含4個標準循環(huán)工況（NEDC、UDDS、HWY、US06），構建隨機工況作為測試集，經(jīng)過訓練后的識別結果如圖1所示。工況識別結果中，“1”表示城市城郊工況，“2”表示高速公路工況。

圖1 隨機工況的識別結果

5 駕駛意圖識別

考慮到工況識別較難應對整車瞬時狀態(tài)變化，在此基礎上，引入駕駛意圖識別。對駕駛意圖進行分類，確定駕駛意圖識別參數(shù)，在車輛行駛過程中，采集駕駛員操縱信息，通過參數(shù)對比，識別駕駛員操縱意圖。

若工況較為激進，通過降低SOClow，擴大電池助力窗口，增加輔助驅動能力，提高發(fā)動機工作在經(jīng)濟區(qū)間的機會；若工況較為緩和，通過提高SOChigh，擴大電池充電窗口，增加純電行駛能力，減少發(fā)動機起停次數(shù)。

駕駛意圖隨車輛運行狀態(tài)和工況環(huán)境實時變化，是經(jīng)典的經(jīng)驗模型，而模糊理論在處理經(jīng)驗模型上具有明顯的優(yōu)勢[8～9]，因此，采用模糊控制器識別駕駛員操作意圖，根據(jù)模糊控制器理論，建立駕駛員意圖的模糊推理控制器，輸出變量為駕駛員意圖（包括起步、平穩(wěn)加速、一般加速、急加速、低速巡航、中速巡航、高速巡航），輸入變量為車速、加速度、踏板開度、踏板開度變化率等，并將各輸入變量模糊化。

車速的模糊子集為{VS，S，M，L}，其中VS表示極小，S表示小，M表示中，L表示大；加速度的模糊子集為{Z，PS，PM，PL}，其中Z表示零，PS表示正小，PM表示正中，PL表示正大；油門踏板開度的模糊子集為{S，M，L}，其中S表示小，M表示中，L表示大；油門踏板變化率的模糊子集為{NS，Z，PS，PM，PL}，其中NS表示負小，Z表示零，PS表示正小，PM表示正中，PL表示正大。

輸入變量隸屬度函數(shù)均采用高斯函數(shù)，如圖2所示。模糊規(guī)則的形式為“if…and…then…”，最終確定的模糊規(guī)則庫如表1所示。某段工況的駕駛意圖識別結果如圖3所示。駕駛意圖識別結果中，“1～7”分別表示起步、平緩加速、一般加速、急加速、低速巡航、中速巡航、高速巡航。

模糊推理采用Mamdani推理原則：

式中，R為模糊規(guī)則集合；A、B為模糊輸入集合；x、y為模糊輸入量；μ(x)為隸屬度函數(shù)。

清晰化計算采用重心法，取μc(z)的加權平均值為z的清晰值，即：

式中，z0為清晰值；μc為模糊輸出集合的隸屬度函數(shù)；zi為模糊輸出量。

6 基于工況和駕駛意圖識別的SOC動態(tài)控制

基于固定閾值的SOC控制策略不夠靈活，無法應對多變的道路工況和駕駛員操作輸入。為了改善這種狀況，提出了結合工況和駕駛意圖識別的SOC動態(tài)控制方法，如圖4所示。

圖2 各輸入變量的隸屬度函數(shù)

表1 駕駛員意圖模糊規(guī)則庫

圖3 某段工況的駕駛意圖識別結果

圖4 基于工況和駕駛意圖識別的SOC動態(tài)控制

假設2種工況Q、S分別對應城市工況與高速工況，3種駕駛意圖q、s、t分別對應平穩(wěn)加速、中速巡航、急加速，則共有6種識別結果，分別對應不同的SOC閾值控制，對發(fā)動機及電池控制策略進行動態(tài)調整，如表2所示。

表2 控制案例

該方法通過工況識別在分段層面上控制動力源的功率分配，輔以駕駛意圖識別，在實時層面上覆蓋工況的復雜多變，實現(xiàn)SOC的動態(tài)控制，優(yōu)化電能使用以降低油耗。

7 試驗驗證

試驗車的構型及參數(shù)如圖5和表3所示。該試驗車為串并聯(lián)構型，具有EV和HEV 2種工作模式，HEV模式下具有串聯(lián)和并聯(lián)2種驅動形式。

圖5 試驗車動力總成構型

表3 動力總成參數(shù)

該試驗車搭載的高轉速驅動電機可保證純電及串聯(lián)模式下整車的驅動性能，搭載的阿特金森循環(huán)自然吸氣發(fā)動機在電池功率不足的情況下也能夠通過串聯(lián)或并聯(lián)方式成為整車動力源。

在試驗車上安裝多個傳感器，包括半軸扭矩傳感器、電流傳感器、電壓傳感器、溫度傳感器、踏板位移傳感器等，同時結合CAN解析，采集各關鍵信號的試驗數(shù)據(jù)。

通過在臺架上進行工況測試，并對結果進行分析，觀察本文提出的SOC動態(tài)控制方法的實際效果，分析該方法對EV/HEV切換控制、發(fā)動機起動功率閾值控制的影響，最后對比不同SOC控制方法的節(jié)油效果。

采用市區(qū)UDDS工況和高速US06工況進行試驗，圖6為UDDS工況的測試結果。該工況平均功率約20 kW，屬于低速低功率需求工況。經(jīng)過工況識別，SOC控制區(qū)間為26%～28%；在約第200 s處功率需求突增，經(jīng)過駕駛意圖識別，SOC控制區(qū)間上調，提供更高的助力能力，減少工況需求的頻繁變化給發(fā)動機帶來的影響；第400 s后，由于SOC較高，功率需求降低，經(jīng)過識別后，提高發(fā)動機起動功率閾值，更多地利用電能進行純電驅動/助力，回到SOC控制區(qū)間。

圖6 UDDS工況測試結果

圖7為US06工況的測試結果。該工況平均功率約40 kW，屬于高速高功率需求工況。經(jīng)過工況識別，SOC控制區(qū)間為32%～34%；在約第200 s處功率需求降低，經(jīng)過駕駛意圖識別的結果，SOC控制區(qū)間下調，充分利用電能助力，使發(fā)動機工作在高速經(jīng)濟區(qū)間；第400 s后，由于SOC較低，經(jīng)過識別后，提高發(fā)動機起動功率閾值，為電池充電，回到SOC控制區(qū)間。

圖7 US06工況測試結果

圖8為兩種工況測試中的發(fā)動機起動功率閾值分布結果，可以看到，SOC動態(tài)控制方法能使發(fā)動機起動功率閾值呈穩(wěn)定線性趨勢且較為集中，更有利于發(fā)動機高效控制。

圖9為采用兩種SOC控制方法的發(fā)動機工作點分布，可以看到，SOC動態(tài)控制方法使發(fā)動機起動功率閾值的分布更加集中在經(jīng)濟區(qū)間，且擴大了經(jīng)濟區(qū)間的利用范圍。

圖8 發(fā)動機起動功率閾值分布

圖10為采用兩種SOC控制方法的發(fā)動機能量輸出積分，在相同工況下，SOC動態(tài)控制方法使發(fā)動機的能量輸出降低了0.144 kW·h，油耗降低了0.067 L，降幅達11.14%。

圖9 發(fā)動機工作點分布

圖10 發(fā)動機能量積分

8 結論

本文提出的結合工況識別和駕駛意圖識別的SOC動態(tài)控制方法，解決了單固定閾值SOC控制的局限性，通過轉鼓臺架試驗驗證，達到了節(jié)油11.14%的效果。該方法的優(yōu)勢主要有：

a.通過對EV/HEV模式切換時機的控制，實現(xiàn)了發(fā)動機起停及起動功率閾值的優(yōu)化。

b.通過對SOC的動態(tài)平衡閾值控制，提高了電能利用效率。

c.普遍適用于多動力源的能量輸出匹配，特別是混合動力系統(tǒng)能量管理策略的開發(fā)。

1 高建平.基于工況識別的混合動力汽車優(yōu)化控制策略研究.北京：北京理工大學，2010.

2 張亞明.基于DIRECT算法和工況識別的混合動力汽車優(yōu)化研究.北京：北京理工大學，2010.

3 秦大同，楊官龍，胡明輝，等.基于駕駛意圖的插電式混合動力汽車能量管理策略.吉林大學學報：工學版，2015，45（6）：1743～1750.

4 王慶年，唐先智，王鵬宇，等.基于駕駛意圖識別的混合動力汽車控制策略.吉林大學學報：工學版，2012，42（4）：789～795.

5 Kim J,Sim H,Oh J.The Flexible EV/HEV and SOC Band Control Corresponding to Driving Mode,Driver's Driving Style and Environmental Circumstances.Oxford University Press，2012，4（2）：151～152.

6 張博，李君，高瑩，等.Plug-in混合動力汽車能量管理策略優(yōu)化設計.農業(yè)機械學報，2009，40（9）：20～25.

7 朱凱，王正林.精通Matlab神經(jīng)網(wǎng)絡.北京：北京電子工業(yè)出版社，2009.

8 王玉海，宋健，李興坤.基于模糊推理的駕駛員意圖識別研究.公路交通科技，2005，22（12）：113～118.

9 Wu L,Su X,Shi P,et al.Model approximation for discretetime state-delay systems in the T-S fuzzy framework.IEEE Transactions on Fuzzy System，2011，19（2）：366～378.

（責任編輯 斛 畔）

修改稿收到日期為2016年10月21日。

Research of SOC Dynamic Control Based on Recognition of Driving Condition and Intention

Sun Hanwen,Wang Peng,Ou Yang
（China Automotive Engineering Research Institute Co.,Ltd.,Chongqing 400061）

Fuel consumption of HEV differed greatly under different driving conditions and intentions,to solve this problem,we proposed a method which could make dynamic control according to driving conditions and driving intentions, appropriately selecting EV/HEV mode switching point,through research of EV/HEV mode switching strategy of HEV, analysis of deficiency of SOC threshold value control.With this method,through driving condition recognition by time slot, and real-time driving intention recognition,engine start-stop and operating points were optimized and electric power utilization efficiency was improved.Test results showed that a fuel saving rate of 11.14%was achieved.

Recognition of driving condition,Recognition of driving intention,SOC balancing

駕駛工況識別 駕駛意圖識別 SOC平衡

U469.72

A

1000-3703（2017）02-0010-06