基于動態(tài)路面特征的并聯(lián)式混合動力汽車驅(qū)動力控制策略研究

張亮 趙珂倩

摘要：為了提高并聯(lián)式混合動力汽車加速時的動力性與穩(wěn)定性，提出了一種基于電機(jī)力矩動態(tài)調(diào)節(jié)的動態(tài)牽引力控制策略，所建立的控制策略基于路面最優(yōu)滑轉(zhuǎn)率的實時估計，通過電機(jī)力矩的動態(tài)調(diào)節(jié)來控制驅(qū)動輪的動態(tài)牽引力以提高加速性能并抑制過度滑轉(zhuǎn)，對動態(tài)牽引力控制與能量管理的算法融合問題進(jìn)行了研究，以避免動態(tài)牽引力控制對能量管理策略的干擾。最后，在MATLAB/Simulink環(huán)境中進(jìn)行了系統(tǒng)仿真驗證，結(jié)果表明所提出的控制策略顯著地改善了車輛的加速性與行駛穩(wěn)定性，同時還可以實現(xiàn)能量回收，可以有效提高了系統(tǒng)的節(jié)能效果。

Abstract： In order to improve the power performance and stability of parallel hybrid electric vehicle when accelerating， a dynamic traction control strategy based on dynamically adjusting the motor torque was proposed along with its system simulation. The presented strategy is established on the optimal slip ratio real time estimation， while the dynamic traction of driving wheel is controlled by adjusting the motor torque to improve the accelerating ability and preventing the excessive slip of driving wheel. In addition， the algorithm fusion between dynamic traction control strategy and energy management strategy is researched to avoid interference with energy management strategy. Finally system simulation was carried out in the environment of MATLAB/Simulink， and the results indicate that the proposed control strategy can observably improve the vehicle accelerating ability and driving stability， meanwhile， it can realize energy recycle and improve the energy-saving effect to some extent.

關(guān)鍵詞：混合動力汽車;動態(tài)牽引力控制;路面識別;系統(tǒng)仿真

Key words： hybrid electric vehicles;dynamic traction control;road surface identification;system simulation

中圖分類號：U461.2? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2021）12-0005-03

0? 引言

能量管理控制與動力學(xué)控制是混合動力汽車（Hybrid electric vehicles，HEVs）綜合控制策略的兩大核心內(nèi)容，其中能量管理控制所關(guān)注的是如何實現(xiàn)節(jié)能和降低排放[1]，而動力學(xué)控制解決的問題是如何將駕駛員踏板信號合理地解釋為執(zhí)行機(jī)構(gòu)的目標(biāo)力矩。當(dāng)前HEV綜合控制現(xiàn)有的研究較多地集中在了能量管理方面[2-5]。

目前，動力性與操控穩(wěn)定性方面專門針對新能源汽車的研究尚不多見，盡管已有一些學(xué)者針對傳統(tǒng)內(nèi)燃機(jī)汽車的動力學(xué)控制方面進(jìn)行了大量的研究[6-9]，但是混合動力汽車與內(nèi)燃機(jī)汽車有本質(zhì)的不同。與傳統(tǒng)內(nèi)燃機(jī)車相比，混合動力汽車增加了電機(jī)驅(qū)動方式，使其控制更靈活、動態(tài)響應(yīng)更佳。本文采用并聯(lián)式混合動力傳動方案，研究重點是汽車的加速工況下，隨路面參數(shù)變化的動態(tài)牽引力控制策略及與能量管理策略的算法相融問題，最后在MATLAB/Simulink軟件中進(jìn)行了系統(tǒng)仿真驗證。

1? 系統(tǒng)結(jié)構(gòu)

并聯(lián)式HEV的動力總成系統(tǒng)結(jié)構(gòu)如圖1所示[9]，電動機(jī)由電池組供電輸出扭矩，并與發(fā)動機(jī)通過MC（機(jī)械耦合器）進(jìn)行扭力耦合繼而進(jìn)行動力輸出。相對于其它形式而言，并聯(lián)式HEV結(jié)構(gòu)相對簡單，有利于在保證動力性要求的前提下實現(xiàn)較為緊湊的動力總成系統(tǒng)，適合應(yīng)用在新能源轎車中。

2? 控制策略

動態(tài)牽引力控制主要通過調(diào)節(jié)驅(qū)動輪的滑轉(zhuǎn)率以最大限度地利用地面附著條件，具體來說，動態(tài)牽引力控制是將驅(qū)動輪滑轉(zhuǎn)率控制在最優(yōu)滑轉(zhuǎn)率附近，從而實現(xiàn)整車良好的加速性和操控穩(wěn)定性。因此路面參數(shù)的動態(tài)識別是牽引力控制的第一步。

驅(qū)動輪滑轉(zhuǎn)程度可以用滑轉(zhuǎn)率λ表示，地面附著系數(shù)？滋隨λ的變化而變化。地面附著系數(shù)（橫、縱向）達(dá)到最高值的滑轉(zhuǎn)率為最優(yōu)滑轉(zhuǎn)率？姿opt，此時地面附著條件利用率最高。但是不同路面條件下的最優(yōu)滑轉(zhuǎn)率各不相同，必須通過路面參數(shù)進(jìn)行識別算法來獲取不同路面條件下理想的牽引力控制依據(jù)。

首先，ECU單元通過車速、車輪轉(zhuǎn)速傳感器測量、計算得到車輪實際滑轉(zhuǎn)率，通過與最優(yōu)滑轉(zhuǎn)率相對比，將兩者差值e？姿最為PID控制器的輸入。其表達(dá)式為：

式中，Tsup為PID控制器輸出的調(diào)整力矩，KP、KI和KD分別為比例、積分和微分系數(shù)。

能量管理策略是混合動力電動汽車實現(xiàn)良好節(jié)能效果的關(guān)鍵，控制策略通常根據(jù)踏板位置判定電動機(jī)目標(biāo)轉(zhuǎn)矩，并對電能供應(yīng)的功率流進(jìn)行優(yōu)化，已有許多學(xué)者對其進(jìn)行了深入研究，目前較為成熟的是邏輯門限控制策略、模糊控制策略等，此處主要關(guān)注的是所提出的動態(tài)牽引力控制與能量管理策略的融合，因此不對能量管理策略進(jìn)行重復(fù)分析，而是直接選用魯棒性較強(qiáng)且易于實現(xiàn)的邏輯門限控制策略，并提出一個基本的邏輯門限控制算法。以需求功率為主要門限，將其劃分為再生制動（模式一）、電機(jī)單獨(dú)驅(qū)動（模式二）、發(fā)動機(jī)單獨(dú)驅(qū)動（模式三）以及發(fā)動機(jī)和電機(jī)混合驅(qū)動（模式四）。邏輯門限控制規(guī)則如表1所示。其中，Pd為功率需求、Pb為電動機(jī)輸出功率、Pe為發(fā)動機(jī)輸出功率和Pemax為發(fā)動機(jī)最大輸出功率，Pt為功率門限值。

牽引力控制系統(tǒng)僅在加速工況下工作，ξd為牽引力控制系統(tǒng)控制參數(shù)，當(dāng)汽車處于加速工況時，ξd為1;當(dāng)非加速工況（加速踏板γA低于門限值或變化率為負(fù)）時ξd為0，牽引力控制系統(tǒng)不生效。此外，當(dāng)控制器調(diào)整力矩為正值時，電動機(jī)最終輸出轉(zhuǎn)矩將大于汽車預(yù)期轉(zhuǎn)矩，干擾能量控制策略，因此調(diào)整力矩一般取負(fù)值。汽車行駛時能量管理策略根據(jù)駕駛員踏板信號產(chǎn)生一個的前饋控制力矩作為電機(jī)力矩控制的主力矩;當(dāng)輪胎突破地面附著極限時，牽引力控制系統(tǒng)介入，在融合算法中，將根據(jù)地面附著條件所得到的控制器調(diào)整轉(zhuǎn)矩與能量管理策略分配的電機(jī)轉(zhuǎn)矩相加之后，作為電機(jī)最終輸出轉(zhuǎn)矩，公式（2）。由于調(diào)整力矩取負(fù)值，動力系統(tǒng)輸出降低，但滑轉(zhuǎn)率被控制在一個最佳區(qū)間，地面附著條件利用率更高。

3? 仿真分析

通過MATLAB/Simulink進(jìn)行控制系統(tǒng)仿真，籍此驗證牽引力控制策略的有效性及與能量控制策略的相融性。仿真時采用固定步長0.01秒，仿真采用加速較頻繁的US06循環(huán)工況作為仿真工況。

選取循環(huán)工況中的兩個加速階段進(jìn)行分析，如圖2所示。從圖中滑轉(zhuǎn)率的變化結(jié)果可以看出，在所設(shè)計的牽引力控制策略作用下，驅(qū)動輪的滑轉(zhuǎn)率被控制在一個較優(yōu)區(qū)域內(nèi)，與不具備牽引力動態(tài)控制的系統(tǒng)相比，所提出的控制算法明顯抑制了車輛加速過程中驅(qū)動輪的過度滑轉(zhuǎn)，同時，由于改善了滑轉(zhuǎn)率，從速度曲線的變化結(jié)果中可以看出在動態(tài)牽引力控制下車輛的加速性能也得到了明顯提升，并且在加速階段的后期沒有出現(xiàn)車速的超調(diào)現(xiàn)象，控制效果良好，體現(xiàn)出了對目標(biāo)車速的良好跟隨。

由力矩變化曲線可知，在牽引力控制系統(tǒng)工作時，主要通過調(diào)節(jié)電機(jī)輸出轉(zhuǎn)矩對滑轉(zhuǎn)率進(jìn)行控制，而發(fā)動機(jī)轉(zhuǎn)矩變化較為平穩(wěn)，并沒有對牽引力控制系統(tǒng)造成干擾，這表明所設(shè)計的融合算法是有效的。圖3的SOC變化曲線表明，在牽引力控制系統(tǒng)工作過程中，能量得到了一定程度的回收，電池SOC在兩個加速階段分別上升了0.19%和0.02%，所本文所采用的是22.6kWh容量鋰離子電池組，因此可以算的在兩次的加速過程中，由于電機(jī)施加了負(fù)力矩而產(chǎn)生的電能回收約為0.043kWh。

4? 結(jié)論

提出了一種基于路面識別的混合動力汽車控制策略，可以有效實現(xiàn)車輛的ASR控制且提高車輛節(jié)能效果，在一次ASR控制過程中電池組SOC可以上升約0.20%，汽車的加速性能顯著提高，且牽引力動態(tài)控制策略與能量管理策略融合性較好，實現(xiàn)了加速時的驅(qū)動輪防滑控制目標(biāo)。

參考文獻(xiàn)：

[1]Kim N， Cha S and Peng H. Optimal Control of Hybrid Electric Vehicles Based on Pontryagin’s Minimum Principle [J]. IEEE Transactions on Control Systems Technology. 2011，19（5）： 1279-1287.

[2]Zeyu Chen， Jiahuan Lu， Bo Liu， Nan Zhou， Shijie Li. Optimal energy management of plug-in hybrid electric vehicles concerning the entire lifespan of lithium-ion batteries. Energies， 2020， 13， 2543.

[3]Martinez J S， Hissel D， Pera M C， et al. Practical Control Structure and Energy Management of a Testbed Hybrid Electric Vehicle [J]. IEEE Transactions on Vehicular Technology. 2011， 60（9）： 4139-4152.

[4]Pousamed A， Montazeri M. Design of genetic-fuzzy control strategy for parallel hybrid electric vehicles [J]. Control Engineering Practical. 2008，16（7）： 861-873.

[5]Geng B， Mills J K and Sun D. Energy Management Control of Microturbine-Powered Plug-In Hybrid Electric Vehicles Using the Telemetry Equivalent Consumption Minimization Strategy [J]. IEEE Transactions on Vehicular Technology. 2011，60（9）： 4238-4248.

[6]陳澤宇，焦斌，趙廣耀，周淑文.電動汽車動態(tài)路面驅(qū)動防滑控制與仿真[J].哈爾濱工程大學(xué)學(xué)報，2015，36（8）：1120-1125.

[7]Deur J， Pavkovic D， Burgio G， et al. A model-based traction control strategy non-reliant on wheel slip information [J]. Vehicle System Dynamics， 2011， 49（8）：1245-1265.

[8]李亮，冉旭，李洪志，等.用于汽車牽引力控制的復(fù)雜路面輪胎-道路附著狀態(tài)判斷[J].機(jī)械工程學(xué)報，2012，48（10）：109-114.

[9]陳清泉.現(xiàn)代電動車、電機(jī)驅(qū)動及電力電子技術(shù)[M].北京：機(jī)械工業(yè)出版社，2005.