插電式混合動力汽車實車優(yōu)化控制策略研究＊

曾育平

（南昌工程學(xué)院 江西省精密驅(qū)動與控制重點實驗室，南昌 330099）

插電式混合動力汽車實車優(yōu)化控制策略研究＊

曾育平

（南昌工程學(xué)院 江西省精密驅(qū)動與控制重點實驗室，南昌 330099）

針對目前優(yōu)化控制策略由于尋優(yōu)時間長，難以應(yīng)用于實車控制的問題，提出了近似極小值原理優(yōu)化控制策略，在Matlab/Simulink/Stateflow開發(fā)環(huán)境下，開發(fā)了基于該優(yōu)化控制策略的實車控制軟件。選取一段隨機(jī)路況進(jìn)行實車道路試驗，結(jié)果表明，提出的優(yōu)化控制策略實時性好，能夠應(yīng)用于實際車輛，且能合理分配發(fā)動機(jī)和電機(jī)扭矩。

1 前言

目前對插電式混合動力汽車（PHEV）整車能量管理控制策略的研究主要集中在以下兩個方面：基于規(guī)則的控制策略[1]和基于瞬時優(yōu)化[2-5]或全局優(yōu)化[6-8]的優(yōu)化控制策略。基于規(guī)則的控制策略雖然可以應(yīng)用于實車控制，但其不能獲得較優(yōu)化的控制結(jié)果，基于瞬時優(yōu)化或全局優(yōu)化的優(yōu)化控制策略雖然可以獲得優(yōu)化的控制結(jié)果，但此類控制策略的研究主要是基于MATLAB/Simulink的仿真研究，很少有將這些控制策略應(yīng)用于實際車輛。綜上所述，研究既能獲得優(yōu)化結(jié)果，同時又能應(yīng)用于實際車輛控制的優(yōu)化控制策略顯得尤為重要。

本文針對某單電機(jī)并聯(lián)式PHEV，在提出通過簡化最優(yōu)控制變量搜索空間來縮短尋優(yōu)時間的近似極小值原理（Approximate Pontryagin’s Minimum Principle，APMP）優(yōu)化控制策略的基礎(chǔ)上，開發(fā)了基于該優(yōu)化控制策略的實車控制軟件，然后在某校園內(nèi)選取一段隨機(jī)路況進(jìn)行實車道路試驗，并對試驗結(jié)果進(jìn)行分析。

2 PHEV整車構(gòu)成

2.1 PHEV系統(tǒng)結(jié)構(gòu)

本研究對象是單電機(jī)并聯(lián)式PHEV，其動力傳動系統(tǒng)結(jié)構(gòu)如圖1所示，其動力系統(tǒng)主要由發(fā)動機(jī)、集成式起動發(fā)電機(jī)（Integrated Starter and Generator,ISG）、濕式多片離合器C1、電動油泵、無級變速器（CVT）、電池組和充電器組成。整車控制器通過控制濕式多片離合器的結(jié)合與分離實現(xiàn)整車工作模式的切換；通過控制電動油泵的運(yùn)轉(zhuǎn)實現(xiàn)低轉(zhuǎn)速時蓄能器油壓與CVT油壓的建立；通過CAN總線實現(xiàn)與發(fā)動機(jī)控制器、電機(jī)控制器、電池管理系統(tǒng)、CVT控制器的通信，并監(jiān)測車輛的運(yùn)行狀態(tài)，完成對ISG電機(jī)和發(fā)動機(jī)工作模式和扭矩轉(zhuǎn)速的控制。PHEV動力傳動系統(tǒng)參數(shù)如表1所列。整車參數(shù)如表2所示。

表1 PHEV的動力傳動系統(tǒng)參數(shù)

表2 PHEV整車參數(shù)

2.2 PHEV整車控制策略

圖2為PHEV的實車控制策略，由圖2可知，其主要包括停車控制、起步控制、制動控制和驅(qū)動控制。停車控制包括控制濕式離合器斷開、發(fā)動機(jī)停機(jī)、電機(jī)進(jìn)入零扭矩模式；起步控制根據(jù)電池SOC是否低于最低限值來選擇發(fā)動機(jī)起步或ISG電機(jī)起步；制動控制根據(jù)駕駛員在制動時是否踩下制動踏板來選擇再生制動控制或滑行再生制動控制；驅(qū)動控制根據(jù)電池SOC大小選擇APMP模式控制或電量維持（Charge Sustaining,CS）模式控制，即當(dāng)電池SOC大于電池SOC最低限值時，整車通過基于近似極小值原理控制策略分配發(fā)動機(jī)和電機(jī)扭矩，當(dāng)電池SOC低于SOC最低限值，則通過電量維持模式控制策略分配發(fā)動機(jī)和電機(jī)扭矩。

圖2 插電式混合動力汽車實車控制策略

3 APMP模式控制

3.1 基于近似極小值原理的優(yōu)化控制策略

基于極小值原理的控制策略將全局優(yōu)化轉(zhuǎn)化為瞬時優(yōu)化，因此理論上該控制策略可以應(yīng)用于實時控制，但是由于Hamilton函數(shù)是控制變量u(t)的復(fù)雜函數(shù)，并且在搜索最優(yōu)控制變量時需要遍布整個控制變量域，因此基于極小值原理的控制策略所需計算量大和計算時間較長，實際上難以應(yīng)用于實車控制。為此本文在APMP模式控制中采用能夠?qū)⒆顑?yōu)控制變量搜索空間由整個控制變量域簡化為5個搜索點的近似極小值原理控制策略。

根據(jù)文獻(xiàn)[9]可知，基于近似極小值原理優(yōu)化控制策略只需通過搜索以下5個點即可獲得最優(yōu)控制變量值：Tm=Umin、Tm=Trcq-Topt、Tm=0、Tm=Umax和Tm=Treq，其中，Tm為電機(jī)輸出扭矩；Treq為發(fā)動機(jī)和電機(jī)的總需求扭矩；Topt為各轉(zhuǎn)速下發(fā)動機(jī)燃油消耗率的最低點所對應(yīng)的發(fā)動機(jī)扭矩。

Umin和Umax如下所示：

式中，Temin為發(fā)動機(jī)在各轉(zhuǎn)速下的最小輸出扭矩；Temax為發(fā)動機(jī)在各轉(zhuǎn)速下的最大輸出扭矩；Tmmin為電機(jī)在各轉(zhuǎn)速下的最小輸出扭矩；Tmmax為電機(jī)在各轉(zhuǎn)速下的最大輸出扭矩。

3.2 APMP模式控制的扭矩分配流程

圖3為APMP模式控制的扭矩分配流程圖。圖3中Treq為需求扭矩，Temax、Topt和Temin分別為發(fā)動機(jī)在各轉(zhuǎn)速下的最大輸出扭矩、燃油消耗率最低點所對應(yīng)的扭矩和最小允許輸出扭矩，Tbrk為電機(jī)在制動時的扭矩，Trg為需求扭矩界限，當(dāng)Treq＜0時，Trg=1；當(dāng)0≤Treq＜Temin時，Trg=2；當(dāng)Temin≤Treq≤Topt時，Trg=3；當(dāng)Topt≤Treq≤Temax時，Trg=3；當(dāng)Treq＞Temax時，Trg=5。Hmax、Hopt、Heng、Hmin和Hmoi分別為Tm=Umin、Tm=Treq-Topt、Tm=0、Tm=Umax和Tm=Treq這5個工作點所對應(yīng)的Hamilton函數(shù)值，Te和Tm分別為分配給發(fā)動機(jī)和電機(jī)的扭矩。dri_mode為整車的運(yùn)行模式，0為起步控制模式，1為純電動驅(qū)動模式，2為純發(fā)動機(jī)驅(qū)動模式，3為混合驅(qū)動模式，4為行車充電模式，0.5為再生制動模式。

圖3 APMP模式控制的扭矩分配流程圖

由圖3可知，APMP模式控制的扭矩分配首先根據(jù)發(fā)動機(jī)轉(zhuǎn)速查表獲得Temax、Topt和Temin，再根據(jù)發(fā)動機(jī)轉(zhuǎn)速和發(fā)動機(jī)扭矩分別查表獲得在這5個工作點（Te=Temax、Te=Topt、Te=Treq、Te=Temin和Te=0）下的發(fā)動機(jī)瞬時油耗，然后根據(jù)需求扭矩和5個工作點的發(fā)動機(jī)扭矩分別計算各工作點的電機(jī)扭矩（Tm=Umin、Tm=Treq-Topt、Tm=0、Tm=Umax和Tm=Treq），并由此計算這5個工作點所對應(yīng)的電池瞬時等效油耗。最后由式（1）計算5個工作點所對應(yīng)的Hamilton函數(shù)值，在此基礎(chǔ)上，根據(jù)需求扭矩界限及各個Hamilton函數(shù)值的大小確定發(fā)動機(jī)和電機(jī)的扭矩及整車運(yùn)行模式。

4 道路試驗結(jié)果和分析

為了驗證本文提出的優(yōu)化控制策略，首先在Matlab/Simulink/Stateflow開發(fā)環(huán)境下結(jié)合D2P工具包Motohawk開發(fā)整車控制軟件，然后將控制軟件進(jìn)行編譯生成SRZ文件，并將此文件通過kavaser刷寫到D2P中，最后在某校園內(nèi)選取一段隨機(jī)路況進(jìn)行實車道路試驗，圖4為拉格朗日因子λ=1 800時的實車道路試驗結(jié)果。

圖4a為整車在此隨機(jī)路況下的需求扭矩、需求扭矩界限和車速變化曲線，由需求扭矩曲線可知，整個過程中包括了起動、加速、急加速和減速等階段。圖4b包含了整車在此隨機(jī)工況下的運(yùn)行模式變化和在此隨機(jī)工況下5個工作點的Hamilton函數(shù)值變化曲線。由圖可知，a1階段為起步階段，所以整車運(yùn)行模式為0，即起步控制模式；在a2階段，由5個工作點的Hamilton函數(shù)值變化曲線可知，min(Hmax,Hout,Heng,Hmin,Hmot)=Hmot，因此整車在此階段的運(yùn)行模式為1，即純電動驅(qū)動；在a3階段，由圖4a可知，需求扭矩界限Trg=1，即整車的需求扭矩為負(fù)，因此整車運(yùn)行模式為0.5，即再生制動模式；在a4階段，由5個工作點的Hamilton函數(shù)值變化曲線可知，此階段min(Hmax,Hopt,Heng,Hmin,Hmot)=Heng，因此整車在此階段的運(yùn)行模式為2，即發(fā)動機(jī)單獨驅(qū)動；在a5階段，由圖4a可知，需求扭矩界限Trg=4，即整車的需求扭矩處于Topt＜Treq≤Temax界限內(nèi)，由圖4b中5個工作點的Hamilton函數(shù)值變化曲線可知，此階段，因此整車在此階段的運(yùn)行模式為3，即混合驅(qū)動；其它時刻的分析類似。由圖4d可知，發(fā)動機(jī)和電機(jī)的總輸出扭矩能較好的響應(yīng)整車需求扭矩，說明本文提出的優(yōu)化控制策略實時性好，能應(yīng)用于實車能量管理控制。

圖4 拉格朗日因子λ=1 800時的整車道路試驗結(jié)果

為了驗證基于近似極小值原理的優(yōu)化控制策略能否合理分配發(fā)動機(jī)和電機(jī)扭矩，本文也同時開發(fā)了基于規(guī)則的CD-CS模式控制策略的整車控制軟件，在此基礎(chǔ)上，選擇同一隨機(jī)路段，并按照相同試驗要求和步驟對兩種控制策略進(jìn)行對比道路試驗，試驗過程中分別記錄這兩種控制策略下的發(fā)動機(jī)轉(zhuǎn)速和扭矩，最后在發(fā)動機(jī)萬有特性圖上標(biāo)出發(fā)動機(jī)的工作點。圖5和圖6分別為發(fā)動機(jī)在基于規(guī)則的CD-CS模式控制策略下和基于近似極小值原理的優(yōu)化控制策略下工作點分布圖，由圖5可知，CD-CS模式控制策略下，發(fā)動機(jī)的工作點大部分處于非燃油經(jīng)濟(jì)區(qū)。由圖6可知，在優(yōu)化控制策略下，發(fā)動機(jī)的工作點基本都處于燃油經(jīng)濟(jì)區(qū)。因此本文提出的優(yōu)化控制策略能夠合理分配發(fā)動機(jī)和電機(jī)扭矩。

圖5 CD-CS控制策略下的發(fā)動機(jī)工作點

圖6 優(yōu)化控制策略下的發(fā)動機(jī)工作點

5 結(jié)束語

本文在分析Hamilton函數(shù)的基礎(chǔ)上，提出了基于近似極小值原理的PHEV優(yōu)化控制策略，該策略將最優(yōu)解的搜索區(qū)域由整個控制變量域簡化到5個搜索點，大大縮短了計算時間并減少了計算存儲空間。

在Matlab/Simulink/Stateflow開發(fā)環(huán)境下并結(jié)合D2P工具包Motohawk開發(fā)實車控制軟件，并在某校園內(nèi)選取一段隨機(jī)路況進(jìn)行實車道路試驗，試驗結(jié)果表明，本文提出的控制策略實時性好，能夠應(yīng)用于實際車輛，并能夠合理分配發(fā)動機(jī)和電機(jī)扭矩。

1 Banvait H,Anwar S，Chen Y B.A Rule Based Energy Management Strategy for Plug-in Hybrid Electric Vehicle.IEEE.American Control Conference∶St.Louis,IEEE,2009∶3938-3943.

2 Tulpule P,Marano V,Rizzoni G.Energy Management for Plug-in Hybrid Electric Vehicles Using Equivalent Consumption Minimisation Strategy.International Journal of Electric and Hybrid Vehicles,2010,2(4)∶329-350.

3 Geng B, Mills JK, Sun D.Two-stage Energy ManagementControlofFuelCellPlug-in Hybrid Electric Vehicles Considering Fuel Cell Longevity.IEEE Transactions on Vehicular Technology,2012,61(2)∶498-508.

4 He YM, Chowdhury M, Pisu P, et al.An Energy Optimization Strategy for Power-split Drivetrain Plug-in Hybrid Electric Vehicles.Transportation Research Part C∶Emerging Technologies,2012,22∶29-41.

5 Stockar S,Marano V,Canova M,et al.Energy-optimal control of Plug-in Hybrid Electric Vehicles for Realworld Driving Cycles.Vehicular Technology, IEEE Transactions on,2011,60(7)∶2949-296.

6 Onori S, Tribioli L.Adaptive Pontryagin’s Minimum PrincipleSupervisoryControllerDesign for the Plug-in Hybrid GM Chevrolet Volt.Applied Energy,2015,147∶224-234.

7 Gong Q,Li Y,Peng Z R.Trip-based Optimal Power Management of Plug-in Hybrid Electric Vehicles Vehicular Technology,IEEE Transactions on,2008,57(6)∶3393-3401.

8 MouraS J,FathyH K,CallawayD S,etal.A Stochastic Optimal Control Approach for Power Management in Plug-in Hybrid Electric Vehicles.ControlSystems Technology,IEEE Transactions on,2011,19(3)∶545-555.

9 秦大同,曾育平,蘇嶺,等.基于近似極小值原理的插電式混合動力汽車實時控制策略.機(jī)械工程學(xué)報,2015,51(2)∶134-140.

Research on the Optimal Control Strategy of A Real Plug-in Hybrid Vehicle

Zeng Yuping
（Jiangxi Province Key Laboratory of Precision Drive&Control,Nanchang Institute of Technology,Nanchang 330099）

To address the problem that the existing optimal control strategy is difficult to be applied in real vehicle control due to its long searching time,this paper proposes approximate pontryagin’s minimum principle control strategy.A real vehicle control software based on this optimal control strategy is developed in the Matlab/Simulink/stateflow development environment.Finally,a random road is selected for real vehicle test,the results show that the proposed optimal control strategy has good real-time performance,and can be applied to real vehicle,moreover,it can distribute engine and motor torque properly.

Plug-in Hybrid Electric Vehicle,Approximate Pontryagin’s Minimum Principle,Real-Time Control,Optimal Control Strategy

插電式混合動力汽車 近似極小值原理 實時控制 優(yōu)化控制策略

U469.72

A

1000-3703（2017）11-0019-05

江西省教育廳科學(xué)技術(shù)項目（GJJ161123，GJJ151139），國家自然科學(xué)基金項目（51665020），重慶大學(xué)機(jī)械傳動國家重點實驗2016年開放基金項目（SKLMT-KFKT-201617）。

（責(zé)任編輯簾 青）

修改稿收到日期為2017年4月5日。