純電動汽車驅動控制策略研究

羅 勇，劉 莉，王 毅，祁朋偉，吳 霏，崔環宇

(1.重慶理工大學 汽車零部件先進制造技術教育部重點實驗室, 重慶 400054; 2.重慶青山工業有限責任公司 技術中心， 重慶 400000)

針對全球能源危機及環境惡化問題，純電動汽車因能耗低、排放低的優勢，成為行業發展的趨勢。純電動汽車是一個集機械、電氣、控制等為一體的非線性動態系統，想要達到低能耗、低排放，設計合理的、完善的控制策略是非常重要的[1-5]。驅動控制策略是整車控制策略的核心，它根據駕駛員動作分析駕駛員的意圖，并綜合考慮動力系統的狀態，計算出駕駛員對于驅動電機的期望轉矩，并發出相應指令，使車輛的行駛狀態盡快達到駕駛員的要求，這對于整車的性能起到至關重要的作用。

整車控制器接收來自駕駛員的加速踏板信號，通過一定的函數關系，計算出相應的期望轉矩。根據不同的函數關系形成不同的控制策略，主要有以下3種，如圖1所示。

圖1 轉矩控制策略曲線

曲線1是硬踏板控制策略，更多體現了車輛的動力性能，能滿足車輛的動力需求，但是在負荷較低的時候車輛的操穩性較差；曲線3與曲線1相反，是軟踏板控制策略，更多體現了車輛的經濟性能，在加速時體現出的駕駛感覺比較軟，在負荷較低的時候加速感覺更弱，但是車輛的操穩性較好；曲線2是函數關系相對簡單的線性踏板控制策略，控制效果介于曲線1和曲線3之間。

針對上述問題，本文提出了一種基于模糊控制的驅動控制策略，并在Matlab/Simulink環境下搭建了純電動汽車整車仿真模型，通過離線仿真，驗證了控制策略的正確性與合理性。

1 驅動控制策略

圖1中的函數關系可用式(1)來表示。對于給定的加速踏板開度ACC，即可得到相對應的轉矩負荷系數L1、L2、L3。通過多項式插值即可得到如式(2)所示的函數關系，其中K值取值范圍為0、0.1、0.2、…、1。用K從0～1的數值大小來表示從經濟模式到動力模式的強度，構建如圖2所示的三維曲面。

(1)

L=g(θ,K)

(2)

圖2 基于踏板控制策略構建的三維曲面

基于以上構建的踏板控制曲面，具體控制策略如圖 3所示。通過加速踏板開度ACC、加速踏板開度變化率DACC以及SOC模糊控制得到系數K值，進而得到電機轉矩負荷系數L。根據電機性能可得到電機當前轉速下的最大轉矩Tmax(nm)，通過式(3)計算得到電機轉矩T1，將其作為基準轉矩。

T1=L×Tmax(nm)

(3)

圖3 控制策略基本框架

具體的模糊控制原理如圖4所示。知識庫中定義了每一個模糊集，同時設定了模糊規則，模糊系統將輸入模糊化后，通過推理單元與知識庫中的規則匹配輸出模糊分布，最后去模糊化后輸出。

圖4 模糊控制原理

ACC論域為[0,100]，設定DACC最大值為100%/s，將ACC、DACC及K的模糊子集均分為VS(極小)、S(小)、M(中)、B(大)、VB(極大)共5級。 SOC論域為[0,1]，模糊子集分為3級：S(小)、M(中)、B(大)。其隸屬度函數如圖 5所示。

圖5 模糊變量隸屬度函數

具體模糊規則見表1。當SOC較低的時候偏向于經濟模式，當加速踏板開度變化率DACC較大的時候偏向動力性模式。汽車在低速行駛時，車輛需要具有足夠的加速能力，因此對驅動轉矩的需求比較大。在高速行駛時，驅動轉矩主要用于維持車速，需要較大的電機功率，但對驅動轉矩的需求不大。因此，建立以車速和系數K作為輸入、補償轉矩T2作為輸出的模糊控制器。經過模糊控制輸出補償轉矩來滿足車輛對動力性的要求。考慮到補償轉矩的突變會對車輛造成一定的沖擊，所以還應考慮沖擊度的影響，如式(4)所示(假定車輛行駛過程中其他阻力不變)。德國沖擊度推薦值[2]為j≤10 m/s3，這樣就可以得到電機補償轉矩的最大值。

(4)

定義系數K與沖擊度j的關系：如表2所示，通過系數K調節j，從而實現對輸出補償轉矩的限制。

表1 模糊推理規則

表2 K與j的關系

最終輸出的電機目標轉矩T如式(5)所示。

T=T1+T2

(5)

2 純電動汽車建模

基于Matlab/Simulink搭建純電動汽車整車仿真模型。該模型主要包括駕駛員模型、電池模型、電機模型、動力學模型以及控制策略模型，模型整體布局如圖6所示。

循環工況為駕駛員提供道路信息，駕駛員將需求轉化為加速踏板和制動踏板信號。整車控制器根據踏板信號及整車狀態進行控制，輸出目標轉矩到電機。電機模型通過計算及性能限制后將轉矩傳遞到傳動系統。最后依據汽車行駛方程求得車輛運行的實際車速，并反饋給駕駛員模型及控制器模型，實現完整的閉環控制，以提高仿真的準確性。

圖6 純電動汽車整車仿真模型

2.1 循環工況

循環工況為整車模型提供目標車速、加速度以及道路坡度等信息，反映了汽車行駛中的實際路面狀況。

2.2 駕駛員模型

駕駛員模型對車速進行控制，根據需求車速及反饋回的實際車速模擬駕駛員的思維，將駕駛員的需求轉化為加速踏板信號和制動踏板信號，使得實際車速與工況車速吻合[6-7]，從而實現駕駛員的行駛意圖。本文采用模糊控制，將需求車速與實際車速的差值以及車速誤差變化率作為輸入，加速踏板/制動踏板開度的增量作為輸出。模糊控制曲面如圖7所示。

圖7 模糊控制曲面

2.3 動力電池模型

動力電池實際的充放電過程是一個受到多種因素影響的復雜非線性過程[8]，因此動力電池模型的建立對于整車建模至關重要。常見的電池建模方法有電化學建模和等效建模。電化學建模就是根據電池內部的電化學反應，依據電化學理論進行建模。但電池在實際的充放電過程中，內部電化學反應非常復雜，想要建立準確的電化學模型非常困難。等效建模是以等效電池內部的結構來模擬電池的充放電特性[9]，相對于電化學建模較簡單，其中等效電路是應用最廣泛的建模方法。本文采用2階RC等效電路模型，等效電路如圖8所示。

圖8 2階RC等兒電路

圖8中：Voc代表開路電壓(OCV)；Re是電池的歐姆內阻；Rs、Cs用于模擬電池動態特性中表現出的短時間常數，即放電電壓快速上升的過程；Rl、Cl用于模擬電池動態特性中表現出的長時間常數，即放電電壓緩慢穩定的過程；Rs、Rl之和為電池的極化內阻。

電池Simulink模型如圖9所示，包括SOC計算、模型參數計算以及電池端電壓計算3部分。電池模型通過電機模塊輸入的電流值以及自身反饋的SOC值，求出電池的SOC值、電池實際充放電電流、電池模型參數、電池端電壓以及電池實際的輸出功率。

圖9 電池模型的Simulink框圖

SOC采用安時積分法來計算，如式(6)所示。

(6)

其中：SOC0是電池在充放電起始時刻的SOC；SOCt表示t時刻的SOC；C表示電池的額定容量；I為電池輸出電流。

根據圖8電池電路模型可知，電池端電壓計算如式(7)所示。

V=Voc-Vs-Vl-IRe

(7)

2.4 電機模型

電機建模的基礎是電動機的電壓、轉矩、功率的平衡方程和運行特性方程[10]。一般有以下兩種建模方法：一是根據電機的物理特性建模，通過電機電壓、磁路以及運動學方程等建立的模型，此模型精度高，但是較為復雜；另一種是基于實驗數據建立的模型，通常將電機轉矩、電機轉速以及電機效率三維Map圖存儲起來，在實際使用時通過查表插值的方式來獲取，這種方法較為簡單，主要依賴實驗數據。綜上所述，本研究采用第2種方法對電機進行建模。

本文采用永磁同步電機，模型主要包括性能限制、轉矩計算以及電流計算3部分，如圖10所示。電機模型接受來自控制器的轉矩、轉速需求以及動力電池輸入的功率，并根據電機的性能進行計算和限制后將動力輸出。性能限制模塊主要是為了保護電機，使得輸入的轉速、轉矩等不超過電機的運行范圍。

圖10 電機模型的Simulink框圖

電機功率及效率均為電機轉速和轉矩的函數如式(8)(9)所示。

ηm=η(nm,Tm)

(8)

Pm=P(nm,Tm)

(9)

根據輸入的電機轉矩及轉速，通過查表即可求得電機功率及電機效率，電機功率及電機效率Map圖分別如圖11、12所示。

電機實際轉矩的計算與實際輸入的功率以及需求輸入功率相關[11]。通過計算目標轉矩與需求輸入功率的比值求得轉矩，再根據實際輸入功率求得電機實際輸出轉矩。

圖11 電機功率Map圖

圖12 電機效率Map圖

電機的電流則與電機效率、電機輸出功率以及輸入電壓相關，如式(10)所示。

(10)

2.5 動力學模型

動力學模型以汽車行駛方程為基礎，對汽車行駛阻力進行分析得到汽車行駛方程，如式(11)所示[12]。

(11)

式中：Ttq表示動力裝置的輸出轉矩(N·m)；ig表示變速器傳動比；i0表示主減速器傳動比；ηt表示機械系統傳動效率；G表示汽車重力(N)；m表示汽車質量(kg)；r表示車輪半徑(m)；f表示滾動阻力系數；CD表示空氣阻力系數；δ表示旋轉質量換算系數；α表示坡度角；A表示車輛迎風正面的面積(m2)；du/dt表示直線行駛的加速度(m/s2)。

對汽車行駛方程進行變換得到式(12)，就可以求得車輛的加速度，進而求得實際車速。

(12)

3 純電動汽車系統性能仿真

3.1 整車參數

整車的主要參數如表3所示。

表3 整車主要參數

3.2 仿真結果與分析

本文選用NEDC(new europe driving cycle)新歐洲汽車法規循環工況以及UDDS(urban dynamometer driving schedule)城市道路循環工況進行車速跟蹤仿真驗證,并測試了在NEDC工況下電池電流、電壓以及SOC等參數的變化。

NEDC工況包含4個市區工況和1個市郊工況，工況具體信息見表4。UDDS工況代表美國城市平均行駛模式，具體信息見表5。

表4 NEDC循環工況

表5 UDDS循環工況

圖13、14為模型在NEDC和UDDS循環工況下車速跟隨性仿真驗證結果，可以看出：圖中目標車速曲線和實際車速曲線基本重合，誤差值基本控制在2 km/h以內，表明搭建的模型可以較好地跟蹤工況車速的變化，按照駕駛員需求輸出轉矩，驗證了所建驅動控制策略是合理的。

圖13 NEDC循環工況仿真車速曲線

圖14 UDDS循環工況仿真車速曲線

圖15為在NEDC循環工況下續駛里程仿真曲線，可知離線仿真續駛里程與工況總距離相等。圖16為NEDC循環工況下加速踏板開度的變化以及對應電機轉矩的變化。可以看出：在車速較低的時候，整車對轉矩的需求較大；在800～1 200 s范圍，車速較高，驅動轉矩主要用于維持車速，對驅動轉矩需求較小，驗證了控制策略的正確性。

圖15 NEDC循環工況續駛里程仿真曲線

圖16 NEDC循環工況加速踏板開度和電機轉矩曲線

圖17為在NEDC循環工況下電池SOC(初始SOC值設為0.8)、放電電流以及電壓變化曲線，可知其變化趨勢和范圍較合理，亦可證明整車模型及控制策略的正確性與合理性。

圖17 NEDC循環工況電池SOC、放電電流、電壓曲線

4 結束語

基于3種基本轉矩控制策略，提出了一種以加速踏板開度及其變化率、SOC為主要輸入參數，利用模糊控制來確定目標轉矩的控制策略。并基于Matlab/Simulink搭建了純電動汽車整車仿真模型，并在NEDC、UDDS工況下進行了仿真驗證。仿真結果表明：所建模型可以較好地跟蹤工況車速的變化，符合整車的實際需求；電機轉矩的變化和控制策略相符，電池SOC、放電電流、電壓等變化均較合理。由此驗證了整車模型及驅動控制策略的正確性及合理性，對于進一步研究純電動汽車具有參考意義。