混合動力汽車驅(qū)動意圖識別轉(zhuǎn)矩補(bǔ)償控制策略＊

解慶波 劉永剛 彭靖宇 李杰

（1.比亞迪汽車工業(yè)有限公司，深圳 518118；2.重慶大學(xué)，重慶 400044）

主題詞：混合動力汽車 驅(qū)動意圖識別 轉(zhuǎn)矩補(bǔ)償 控制策略

1 前言

混合動力汽車（Hybrid Electric Vehicle，HEV）的動力系統(tǒng)由多個動力源組成，不同的行駛工況與驅(qū)動意圖會影響其動力性與經(jīng)濟(jì)性[1-2]，因此，在制定混合動力汽車轉(zhuǎn)矩分配策略時應(yīng)充分考慮行駛工況與驅(qū)動意圖的影響。相關(guān)學(xué)者利用某種參數(shù)對行駛工況類型或驅(qū)動意圖進(jìn)行了識別[3-7]，然而，車輛在行駛過程中，由于發(fā)動機(jī)本身固有的轉(zhuǎn)矩響應(yīng)遲滯特性，實際轉(zhuǎn)矩跟隨不上目標(biāo)轉(zhuǎn)矩，駕駛員需求的動力性能會減弱，尤其在急加速時發(fā)動機(jī)不能及時響應(yīng)，導(dǎo)致加速緩慢。因此，有人提出利用電機(jī)的快速響應(yīng)特性隨時補(bǔ)償發(fā)動機(jī)的遲滯轉(zhuǎn)矩[8]，也有人提出利用電機(jī)實時補(bǔ)償發(fā)動機(jī)輸出轉(zhuǎn)矩與需求轉(zhuǎn)矩的差值策略[9]，以及利用電機(jī)轉(zhuǎn)矩補(bǔ)償發(fā)動機(jī)的轉(zhuǎn)矩協(xié)調(diào)控制策略[10-11]。然而車輛即使在勻速行駛過程中，同樣會頻繁出現(xiàn)發(fā)動機(jī)實際轉(zhuǎn)矩小于目標(biāo)轉(zhuǎn)矩的現(xiàn)象，同時電機(jī)全部實時補(bǔ)償發(fā)動機(jī)輸出的遲滯轉(zhuǎn)矩會增加電池電量的消耗。

針對上述問題，本文首先通過車體沖擊度對驅(qū)動意圖進(jìn)行識別，并結(jié)合車輛加速度提出了基于模糊控制的車輛驅(qū)動轉(zhuǎn)矩補(bǔ)償系數(shù)求解方法，在滿足駕駛員需求的條件下，利用轉(zhuǎn)矩補(bǔ)償系數(shù)對電機(jī)補(bǔ)償發(fā)動機(jī)遲滯的轉(zhuǎn)矩進(jìn)行優(yōu)化，建立了基于工況的混合動力汽車驅(qū)動意圖識別轉(zhuǎn)矩補(bǔ)償策略。在同等油耗下，所制定的補(bǔ)償策略與沒有加入驅(qū)動意圖識別的補(bǔ)償策略相比，電池SOC同比增加2.1%。

2 HEV基于規(guī)則的控制策略

2.1 動力系統(tǒng)結(jié)構(gòu)與參數(shù)

以某ISG型混合動力電動汽車為例，其結(jié)構(gòu)如圖1所示，動力系統(tǒng)參數(shù)如表1所列。

圖1 ISG型混合動力電動汽車結(jié)構(gòu)示意

表1 ISG型混合動力電動汽車整車主要參數(shù)

2.2 整車基本邏輯門限控制策略

整車基本能量管理策略及其方案如圖2和表2所示，表2中各參數(shù)含義如表3所列。

圖2 整車基本能量管理策略

3 驅(qū)動意圖的識別方法

不同的行駛工況會對駕駛員的操縱產(chǎn)生影響[12-13]，因此，在行駛工況的基礎(chǔ)上進(jìn)行驅(qū)動意圖的識別才能更準(zhǔn)確。

3.1 行駛工況的識別方法

典型的行駛工況包括市區(qū)擁堵工況（工況1）、城市郊區(qū)工況（工況2）及高速公路道路工況（工況3）等3種，如圖3所示。本文進(jìn)行工況識別時，分別選取120 s和5 s作為歷史工況提取時間和工況預(yù)測時間，選取最高車速、平均車速、最大加速度、最大減速度、平均加速度、平均減速度、怠速時間比例作為工況識別的特征參數(shù)。利用BP神經(jīng)網(wǎng)絡(luò)對行駛工況類型進(jìn)行識別，以圖3所示3種工況作為工況識別的訓(xùn)練樣本。

表2 能量管理策略方案

表3 控制策略各參數(shù)含義

圖3 3種典型工況

3.2 驅(qū)動意圖識別系數(shù)的確定

根據(jù)參考文獻(xiàn)[7]計算方法，利用車體沖擊度計算驅(qū)動意圖識別系數(shù)。車體沖擊度J(t)及驅(qū)動意圖識別系數(shù)R計算式為：

式中，SDJ為沖擊度的標(biāo)準(zhǔn)差；v(t)為車速；為平均沖擊度。

式（1）和式（2）中，設(shè)定9 s為驅(qū)動意圖識別周期，6 s為識別結(jié)果更新周期，通過計算，得到3種典型工況的平均沖擊度如表4所列。

表4 3種典型工況的平均沖擊度

4 驅(qū)動意圖下的轉(zhuǎn)矩補(bǔ)償

通過駕駛意圖識別系數(shù)來判斷駕駛員踩下油門或踏板的程度，可反映出駕駛員對車輛運(yùn)行時驅(qū)動或制動需求緊急程度的不同。本文通過對驅(qū)動意圖識別系數(shù)與車輛加速度的分析，利用模糊控制方法確定驅(qū)動轉(zhuǎn)矩補(bǔ)償系數(shù)，在滿足駕駛員需求的同時，盡量降低因電機(jī)補(bǔ)償發(fā)動機(jī)遲滯轉(zhuǎn)矩所消耗的電量。

4.1 驅(qū)動意圖轉(zhuǎn)矩補(bǔ)償系數(shù)的確定

為滿足駕駛員的轉(zhuǎn)矩需求，需要利用電機(jī)的快速響應(yīng)特性補(bǔ)償發(fā)動機(jī)的響應(yīng)遲滯。本文利用車輛加速度，結(jié)合整車實時識別的驅(qū)動意圖識別系數(shù)R，利用模糊控制方法確定驅(qū)動意圖轉(zhuǎn)矩補(bǔ)償系數(shù)。利用驅(qū)動意圖轉(zhuǎn)矩補(bǔ)償系數(shù)與發(fā)動機(jī)遲滯轉(zhuǎn)矩得到電機(jī)最終補(bǔ)償發(fā)動機(jī)的轉(zhuǎn)矩，在發(fā)動機(jī)單獨(dú)驅(qū)動模式、混合驅(qū)動模式以及行車發(fā)電模式下對發(fā)動機(jī)遲滯轉(zhuǎn)矩進(jìn)行補(bǔ)償。

加速度α驅(qū)動意圖識別系數(shù)R以及轉(zhuǎn)矩補(bǔ)償系數(shù)的模糊控制規(guī)則如表5所列，其隸屬度函數(shù)如圖4所示。

表5 驅(qū)動意圖模糊特征

圖4 隸屬度函數(shù)

加速度α的語言變量為：{小（S），中（M），大（B），很大（VB）}，論域為0到3。驅(qū)動意圖識別系數(shù)R的語言變量為：{小（S），中（M），大（B），很大（VB）}，論域為0到4。轉(zhuǎn)矩補(bǔ)償系數(shù)β的語言變量為：{很小（VS），小（S），中（M），大（B），很大（VB）}，論域為0到1。

驅(qū)動意圖識別修正系數(shù)模糊控制的主要思路是：如果識別出的駕駛意圖識別系數(shù)與工況加速度都較大，表示駕駛員急需加速，利用電機(jī)的快速響應(yīng)瞬態(tài)特性彌補(bǔ)發(fā)動機(jī)的響應(yīng)遲滯，以此來滿足車輛的加速意圖；如果識別出的駕駛意圖識別系數(shù)與加速度都較適中，表示駕駛員是比較標(biāo)準(zhǔn)地驅(qū)動車輛行駛，可以相對減少發(fā)動機(jī)的轉(zhuǎn)矩補(bǔ)償；如果識別出的駕駛意圖識別系數(shù)與加速度都較小，表示駕駛員加速緩慢，可利用電機(jī)補(bǔ)償部分轉(zhuǎn)矩或不補(bǔ)償發(fā)動機(jī)的轉(zhuǎn)矩遲滯。這樣，即可實現(xiàn)更為合理的轉(zhuǎn)矩補(bǔ)償，也可在滿足駕駛員需求的同時降低電量消耗。

4.2 驅(qū)動意圖轉(zhuǎn)矩補(bǔ)償系數(shù)的確定

在需求轉(zhuǎn)矩為正時，利用驅(qū)動意圖轉(zhuǎn)矩補(bǔ)償系數(shù)對車輛行駛過程中的發(fā)動機(jī)遲滯轉(zhuǎn)矩進(jìn)行補(bǔ)償，轉(zhuǎn)矩補(bǔ)償表達(dá)式為：

式中，Treal為發(fā)動機(jī)實際輸出轉(zhuǎn)矩；Tv為車輛需求扭矩；Tm為ISG電機(jī)提供的轉(zhuǎn)矩；β為轉(zhuǎn)矩補(bǔ)償系數(shù)；Te為發(fā)動機(jī)提供的轉(zhuǎn)矩。

由式（3）可知，修正后的電機(jī)目標(biāo)轉(zhuǎn)矩（Tm+β（Te-Treal））為根據(jù)基本控制策略所計算的轉(zhuǎn)矩Tm與轉(zhuǎn)矩補(bǔ)償系數(shù)β乘以發(fā)動機(jī)遲滯轉(zhuǎn)矩（Te-Treal）之和，根據(jù)基本策略計算的發(fā)動機(jī)目標(biāo)驅(qū)動轉(zhuǎn)矩不變。

5 仿真分析

5.1 轉(zhuǎn)矩補(bǔ)償策略

為在滿足車輛動力性的同時盡量減少因電機(jī)全部實時補(bǔ)償發(fā)動機(jī)轉(zhuǎn)矩遲滯所造成的電量消耗，采取電機(jī)根據(jù)轉(zhuǎn)矩補(bǔ)償系數(shù)確定補(bǔ)償發(fā)動機(jī)遲滯轉(zhuǎn)矩的方法，制定了基于工況的驅(qū)動意圖識別轉(zhuǎn)矩補(bǔ)償策略，如圖5所示。

圖5 轉(zhuǎn)矩補(bǔ)償控制策略

5.2 仿真及結(jié)果分析

利用MATLAB/Stateflow搭建控制策略模型，模型包括正常扭矩分配策略模塊、工況識別算法策略模塊、模糊控制算法模塊以及最終電機(jī)需求目標(biāo)扭矩計算模塊，配置模型并自動生成代碼，利用嵌入式工具把代碼寫入控制器。在HIL平臺上驗證采用基于駕駛意圖識別的轉(zhuǎn)矩補(bǔ)償策略與采用電機(jī)全部補(bǔ)償發(fā)動機(jī)轉(zhuǎn)矩遲滯策略所帶來的電量消耗差異。該混合動力汽車的動力系統(tǒng)參數(shù)參照表1，初始SOC設(shè)置為0.5，選取NEDC工況作為測試工況。

NEDC工況的識別結(jié)果如圖6所示，驅(qū)動意圖識別系數(shù)結(jié)果如圖7所示，在NEDC工況下的驅(qū)動意圖轉(zhuǎn)矩補(bǔ)償系數(shù)如圖8所示。圖8表明，在發(fā)動機(jī)單獨(dú)驅(qū)動模式、混合動力模式以及行車發(fā)電模式下，驅(qū)動轉(zhuǎn)矩補(bǔ)償系數(shù)不為0，可進(jìn)行驅(qū)動轉(zhuǎn)矩補(bǔ)償系數(shù)的計算；而在純電動模式及制動回饋模式下驅(qū)動轉(zhuǎn)矩補(bǔ)償系數(shù)為0，不進(jìn)行驅(qū)動轉(zhuǎn)矩補(bǔ)償系數(shù)的計算，即驅(qū)動轉(zhuǎn)矩補(bǔ)償系數(shù)可根據(jù)制定的策略進(jìn)行計算。

圖6 NEDC工況識別結(jié)果

圖7 驅(qū)動意圖識別系數(shù)

圖8 驅(qū)動轉(zhuǎn)矩補(bǔ)償系數(shù)

仿真結(jié)果如圖9和表6所示。

圖9 仿真結(jié)果對比

表6 仿真結(jié)果對比

由圖9a可看出，所采用的驅(qū)動轉(zhuǎn)矩補(bǔ)償能量管理策略能夠很好地跟隨目標(biāo)工況，使車輛具有很好的動力性。由圖9b和圖9c可看出，發(fā)動機(jī)在勻速及加速過程中均會頻繁出現(xiàn)發(fā)動機(jī)實際轉(zhuǎn)矩小于目標(biāo)轉(zhuǎn)矩的現(xiàn)象，這時需要電機(jī)進(jìn)行補(bǔ)償，而不同的驅(qū)動意圖補(bǔ)償轉(zhuǎn)矩是不同的。由圖9d和表6可知，加入驅(qū)動轉(zhuǎn)矩補(bǔ)償系數(shù)后，相對于采用電機(jī)全部補(bǔ)償發(fā)動機(jī)轉(zhuǎn)矩遲滯轉(zhuǎn)矩策略，在百公里油耗均為5.86 L的情況下，電池SOC在NEDC工況開始至結(jié)束整個過程的變化量分別為0.072與0.093，動力電池SOC同比升高2.1%。可見，加入驅(qū)動轉(zhuǎn)矩補(bǔ)償修正系數(shù)后，駕駛員在驅(qū)動過程中消耗的電量有所降低，電池SOC更容易維持。

6 結(jié)束語

通過車輛行駛過程中的車體沖擊度分析，將整車行駛工況的加速度與整車實時識別的驅(qū)動意圖識別系數(shù)相結(jié)合，利用模糊控制方法制定了驅(qū)動意圖轉(zhuǎn)矩補(bǔ)償系數(shù)計算方法。利用MATLAB/Stateflow搭建了控制策略模型并利用HIL平臺進(jìn)行仿真，結(jié)果表明，所制定的基于工況的驅(qū)動意圖識別轉(zhuǎn)矩補(bǔ)償控制策略相對于電機(jī)全部補(bǔ)償發(fā)動機(jī)遲滯轉(zhuǎn)矩策略，在油耗相當(dāng)?shù)那闆r下，電池SOC同比提升2.1%，驗證了所提出策略的有效性。