基于駕駛意圖識別的混合動力公鐵車控制策略建模與仿真

孫燕 喻劍

（1. 陸軍軍事交通學(xué)院軍用車輛工程系，天津300161；2. 中國人民解放軍31603部隊，徐州221000）

主題詞：混合動力公鐵車 駕駛意圖識別 控制策略 建模仿真

0 前言

目前，串聯(lián)式混合動力系統(tǒng)廣泛采用的控制策略主要有功率跟隨控制策略及恒溫器控制策略[1]。功率跟隨型控制策略能夠根據(jù)動力電池組SOC 值來調(diào)整發(fā)動機輸出功率，避免動力電池組出現(xiàn)深度放電情況，有利于延長動力電池使用壽命，但該控制策略下，發(fā)動機工作狀態(tài)沒有達到實時最優(yōu)，整車燃油經(jīng)濟性較差。恒溫器型控制策略下，動力電池電量不足時起動發(fā)動機，可控制發(fā)動機在經(jīng)濟轉(zhuǎn)速范圍內(nèi)工作，但發(fā)動機頻繁起停，會使動力系統(tǒng)整體效率降低，動力電池使用壽命縮短[2-3]。

針對以上控制策略的不足，本文提出“駕駛意圖識別與恒溫器”聯(lián)合控制策略（以下統(tǒng)稱“基于駕駛意圖識別控制策略”）。該控制策略是在驅(qū)動或制動意圖識別的基礎(chǔ)上對整車實現(xiàn)控制，因此又可分為驅(qū)動意圖控制策略與制動意圖控制策略。

1 駕駛意圖識別建模

混合動力公鐵牽引車[4]駕駛意圖識別過程如下。

(1)對輸入的加速踏板開度、制動踏板開度、車速等信號進行邏輯判斷，若加速踏板開度信號不為0，則進一步計算出加速踏板位移變化率，并對加速緊急程度做出判斷；

(2)若制動踏板開度信號不為0，則進一步計算出制動踏板位移變化率，并對制動緊急程度做出判斷；

(3)若加速踏板與制動踏板開度信號同時為0，則依據(jù)車速信號對駐車與滑行制動做出判斷。

在MATLAB/Simulink 環(huán)境下建立的駕駛意圖識別仿真模型如圖1所示。

圖1 駕駛意圖識別仿真模型

運用MATLAB 中模糊邏輯工具箱建立驅(qū)動意圖識別模塊、制動意圖識別模塊，分別對驅(qū)動意圖、制動意圖進行識別，最后輸出識別結(jié)果。

2 動力系統(tǒng)工作模式

不同的識別結(jié)果對應(yīng)不同的動力系統(tǒng)工作模式，基于駕駛意圖識別控制策略[5]的動力系統(tǒng)工作模式劃分如下。

（1）牽引車起動時，發(fā)動機工作效率較低，因此選用純電動模式起動。

（2）平緩加速時，為提高燃油經(jīng)濟性，通過對動力電池組充電使發(fā)動機工作在經(jīng)濟轉(zhuǎn)速范圍內(nèi)。當發(fā)動機輸出扭矩Tout大于需求扭矩Treq且動力電池組SOC小于設(shè)定上限SOChi時，進入行車充電模式；當動力電池組SOC高于設(shè)定上限SOChi時，則為純電動模式。

（3）一般加速時，牽引車需求扭矩偏大。當發(fā)動機輸出扭矩Tout大于需求扭矩Treq時，動力系統(tǒng)工作模式與平緩加速時相同；當輸出扭矩Tout小于需求扭矩Treq且動力電池組SOC 大于設(shè)定下限SOClow時，則為混合驅(qū)動模式。

（4）緊急加速時，牽引車需求扭矩大。當動力電池組SOC大于設(shè)定下限SOClow時，進入混合驅(qū)動模式；當動力電池組SOC 小于設(shè)定下限SOClow時，則提高發(fā)動機負荷來滿足牽引車扭矩需求。

（5）滑行制動時，采用再生制動。

（6）平緩制動與一般制動時，主要以制動能量回收為主，機械制動為輔。考慮到制動緊急程度的不同，再生制動所占比例也就不同，平緩制動情況下再生制動比例較大，一般制動情況下再生制動比例較小。

（7）緊急制動時，為保證駕駛安全，采用機械制動。

3 基于駕駛意圖識別的控制策略建模

根據(jù)對混合動力公鐵牽引車動力系統(tǒng)工作模式的劃分，在Simulink 中建立驅(qū)動意圖控制策略模型如圖2。

圖2 驅(qū)動意圖控制策略模型

該模型主要包括3部分。

（1）驅(qū)動意圖工作模式選擇模塊a；

（2）SOC 邏輯控制模塊b 和發(fā)動機開關(guān)以及發(fā)動機扭矩與轉(zhuǎn)速計算模塊c；

（3）以驅(qū)動意圖識別結(jié)果與動力電池SOC 作為輸入信號。

驅(qū)動意圖工作模式選擇模塊根據(jù)驅(qū)動意圖識別結(jié)果信號對動力系統(tǒng)工作模式進行劃分。SOC 邏輯控制模塊根據(jù)SOC 信號與工作模式劃分結(jié)果輸出修正SOC 值，與SOC 限制區(qū)域比較后，輸出發(fā)動機開關(guān)指令。發(fā)動機轉(zhuǎn)矩與轉(zhuǎn)速計算模塊依據(jù)發(fā)動機MAP圖計算出發(fā)動機需求的轉(zhuǎn)速與轉(zhuǎn)矩。

制動意圖控制策略模型如圖3，該模型主要包括3部分。

圖3 制動意圖控制策略模型

(1)再生制動力比例控制模塊a；

(2)前軸制動力計算模塊b；

(3)后軸制動力計算模塊c。

前輪制動力計算模塊根據(jù)輸入的車速信號、機械制動力信號及前輪制動力限制信號計算出前輪制動力大小。后輪制動力計算模塊根據(jù)機械制動力信號與前輪制動力信號計算出后輪制動力的大小。

再生制動力比例控制模塊根據(jù)傳動系制動力信號與制動意圖識別結(jié)果信號來調(diào)整輸出的再生制動力大小，其計算模型如圖4。

4 基于駕駛意圖識別的控制策略仿真與結(jié)果分析

為檢驗基于駕駛意圖識別控制策略的效果，將恒溫器控制策略和基于駕駛意圖識別控制策略，在設(shè)定參數(shù)一致的條件下同時進行仿真對比。混合動力公鐵車部件參數(shù)如表1，仿真循環(huán)工況采用C-WTVC 駕駛循環(huán)工況，循環(huán)次數(shù)為3 次，總耗時3 552 s，總行程為32.79 km。

4.1 電池放電效果仿真分析

恒溫器控制策略和基于駕駛意圖識別控制策略下的SOC變化曲線如圖5。

圖4 再生制動力計算模型

表1 混合動力公鐵車部件參數(shù)

圖5 2種不同控制策略下SOC變化曲線

從2 種控制策略下的SOC 變化曲線可以發(fā)現(xiàn)，在仿真循環(huán)過程中，相較于原恒溫器控制策略，基于駕駛意圖識別控制策略的SOC 值下降更為平緩，說明基于駕駛意圖識別控制策略的制動能量回收效果更為明顯，能有效地提高整車的燃油經(jīng)濟性。

仿真結(jié)束時，采用恒溫器控制策略的SOC 值由0.80 降為0.38，采用基于駕駛意圖識別控制策略的SOC值由0.80降為0.47，與恒溫器控制策略相比，采用基于駕駛意圖識別控制策略的SOC 值提升了23.7%。說明基于駕駛意圖識別控制策略對動力電池電量利用效率高，有利于提升純電動工作時間。

4.2 電池充電效果仿真分析

動力電池在恒溫器控制策略和基于駕駛意圖識別控制策略下充電效率如圖6。

圖6 動力電池充電效率

由圖可見，恒溫器控制策略下，動力電池充電效率在0.60～0.8，且工作點較為稀疏，平均充電效率為0.73，動力電池充電效率不高；基于駕駛意圖識別控制策略下，動力電池充電效率在0.75～0.9，工作點較為密集，平均充電效率為0.86。相比于恒溫器控制策略，采用基于駕駛意圖識別控制策略的動力電池充電效率提升了17.8%。

4.3 發(fā)動機工作效率仿真分析

發(fā)動機在恒溫器控制策略和基于駕駛意圖識別控制策略下工作效率如圖7。

由圖7 可見，恒溫器控制策略下發(fā)動機平均工作效率為0.24。基于駕駛意圖識別控制策略下發(fā)動機平均工作效率為0.25，且發(fā)動機工作點分布較廣，說明該控制策略能實時調(diào)整發(fā)動機工作狀態(tài)。2種控制策略下發(fā)動機工作效率相差不大，但基于駕駛意圖識別控制策略的控制效果優(yōu)于恒溫器控制策略。相比于恒溫器控制策略，采用駕駛意圖識別控制策略的發(fā)動機工作效率提升了4.2%。

圖7 發(fā)動機工作效率

5 結(jié)語

本文根據(jù)混合動力公鐵牽引車工作特點，將制動踏板開度、制動踏板變化率作為制動意圖識別參數(shù)，建立了駕駛意圖識別仿真模型。在駕駛意圖識別的基礎(chǔ)上，制定了混合動力公鐵牽引車控制策略，并建立了該控制策略仿真模型。通過性能仿真，并與恒溫器控制策略仿真結(jié)果進行對比分析，發(fā)現(xiàn)基于駕駛意圖識別控制策略在提升動力電池SOC 值、改善動力電池充電效率、提高發(fā)動機工作效率等方面具有明顯效果。由此可見，基于駕駛意圖識別控制策略對混合動力公鐵牽引車動力系統(tǒng)的控制效果更優(yōu)。

下一步，構(gòu)建混合動力公鐵車硬件在環(huán)仿真試驗平臺，對基于駕駛意圖控制策略進行精度提升。