混合動力傳動系統匹配優化與控制策略研究

宋東方，武照云，李 麗

（1.河南職業技術學院汽車工程學院，河南 鄭州 450046；2.河南工業大學機電工程學院，河南 鄭州 450001）

1 引言

重型工程車輛作為污染物的主要排放源，提高發動機的燃油效率、減少污染物排放至關重要［1-2］。文獻［3］采用二等分算法對FC、電池和電機的功率進行優化，優化后的系統動態性能和經濟性能均有所提高。文獻［3］發現ECMS 優化算法可用于實時控制。文獻［4］建立了混合動力系統數學模型，能量分配滿足期望的要求。文獻［5］用自適應能量管理算法來優化混合動力系統參數。文獻［6］用串級控制解決混合動力驅動有軌電車的功率分配問題。文獻［7］分析了不同動力性能約束下的最優尺寸。文獻［8］分析了燃料電池功率跟隨控制策略，匹配了混合動力系統驅動電機的結構參數。目前的研究主要采用油-電混合的動力系統讓電池回收制動能量，借助超級電容器來補償加速和爬坡過程中的瞬時功率，因此有必要對混合動力系統的功率分配策略進行深入的研究。

綜上，對重型車用混合動力驅動系統中的發動機、電池和電機等建立模型，采用遺傳算法進行參數匹配與優化，制定混合動力系統的控制策略并設計了神經網絡控制系統，通過半實物臺架實驗測試了SOC均衡策略對功率分配的控制效果和燃油量的變化，研究結果可為重型車用混合動力系統的開發提供數據參考。

2 混合動力系統匹配優化

重型工程車輛油-電混合動力系統構型示意圖，如圖1所示。柴油機與電機通過聯動器相連，超級電容作為輔助動力，電容與電機之間需要安裝轉換控制器。兩者共同為該傳動系統提供動力，如何將不同動力源的輸出功率進行合理的匹配是混合動力系統最重要的任務之一，也是目前急需解決的關鍵技術。

圖1 混合動力系統Fig.1 Hybrid Power System

油-電混合動力系統參數匹配的原則是在滿足輸出功率的前提下，保證各動力部件在高效率條件下工作，電池SOC的波動量較小，整車的油耗最小。因此，這里以柴油機油耗作為優化目標，優化變量包括柴油機的額定功率及轉矩、電機額定功率及轉矩、超級電容容量。

動力總成的全局優化目標：

式中：η—動 統的效率；E0—輸出能量；Ei—輸入能量；ΔEc—超級電容能量變化量。

總成的輸入能量：

式中：ne—發動機轉速；Te—發動機轉矩；ηe—發動機效率。

由于挖掘機等液壓工程車輛驅動負載的能量即為液壓泵所需的能量：

超級電容能量變化量為：

發動機動態輸出轉矩模型為：

式中：Jc—發動機等效轉動慣量

發動機燃油率模型為：

綜上，優化目標系統效率為：

約束條件為：

式中：PeN—發動機額定功率；PmN—電機額定功率；C—超級電容容量。

其中，發動機：

電機：

超級電容：

采用遺傳的算法進行尋優，對于所有輸入樣本，變異率為0.9，訓練次數為500，采用該算法的求解過程及優化結果，如圖2 所示。

圖2 優化結果Fig.2 Optimization Results

最終的優化結果為：

發動機額定功率95kW，額定轉速2000rpm，電機額定功率30kW，超級電容容量15F。

根據優化結果匹配的發動機、超級電容和電機外特性曲線、效率曲線，為控制系統的設計提供數據參考，通過調整發動機的工作點，保證發動機工作在高的燃燒效率區間，從而達到降低油耗的目的，如圖3所示。

圖3 發動機、電池及電機選型結果Fig.3 Engine and Power Cell and Motor Characteristics

3 控制系統設計

在較為惡劣工況或者功率分配不當的情況下，電池SOC也有可能下降到一定程度，導致車輛不能正常運行。因此，需要建立一個指標體系，用于研究不同功率分配策略。運行時狀態切換過程中混合動力系統的控制策略流程，根據電容SOC的不同，電機與發動機的驅動方式交替發生改變，因此整個控制系統中對超級電容SOC的精確檢測顯得尤為重要，如圖4所示。采用改進神經網絡控制算法的流程圖，如圖5所示。采用FR算法對BP網絡進行改進，能夠適度的調整神經網絡的識別能力，通過修正權值沿共軛方向達到全局最優點，并設計了控制系統的總體的配置方案。通過對輸入層和隱層權值進行改進，其隱層第i節點輸出：

圖4 運行策略流程圖Fig.4 Flow Chart of Running Strategy

圖5 控制系統設計Fig.5 Control System Design

輸出層第i節點輸出：

平均誤差為：

輸出層和隱層神經元的局部梯度為：

FR 算法可用來解決BP 網絡的局部極值的問題，迭代格式如下：

式中：xk—第k次迭代的權值；gk—當前梯度變換參數；dk—搜索方向。

在dk為下降方向時，要求滿足下式：

4 混合動力系統測試

為了驗證混合動力系統部件是否工作正常、連接正常，對混合系統進行聯合測試，聯調系統結構，如圖6所示。

圖6 傳動系統實驗臺架Fig.6 Transmission System Experimental Bench

傳動主要是由柴油機、電機、超級電容、工作油泵、變速器、測功機和控制系統等組成。將自主設計的ECU 與油-電混動系統相連，通過調節電渦流測功機的扭矩來模擬所需的負載的變化，最后，把采集到的實驗參數傳給ECU，ECU 根據控制的策略規律做出判斷，從而實現混合動力系統不同動力源的自主操作。

混合動力系統動態性能測試結果，通過調節擋位和油門開度來改變發動機的轉速，測試發現發動機的實際轉速與目標轉速之間存在一定的轉速差，但是整體對比可以看出速度控制結果較好，僅在高速階段存在一定的誤差，低速階段則吻合較好，如圖7所示。變速箱的輸出轉速與負載轉矩變化趨勢正好相反。變速箱輸出最大轉速為1200rpm，負載轉矩最大則為2300N·m，對應的發動機轉速為800rpm，此時工作泵的輸出壓力為17.5MPa，因為工作泵與發動機直接連接，所以發動機的轉速與工作泵的轉速是正比關系，發動機轉速為700rpm時工作泵的輸出壓力最大，為18MPa。通過發動機的工作特性繪制了混合動力系統工作時發動機的輸出萬有特性，可以看出發動機的工作區域大部分集中在高效區，燃油效率得到了有效的提升，達到了控制系統的控制要求，表明改進神經網絡控制系統可靠性較高。混合動力系統的功率分配結果，結果發現發動機的輸出功率并沒有出現較大的波動，主要原因是電機起到了緩沖功率的作用，因此設計的神經網絡控制系統在穩定發動機工作點的控制上達到了預期的效果，對發動機起到了很好的保護作用，如圖8（a）所示。發動機的燃油效率測試結果，整體保持在較低的水平，燃油率最高達到了40L∕h，如圖8（b）所示。原來的控制算法和神經網絡控制之后油耗量的比較，通過計算后可得采用新的控制算法后傳動系統運行一個小時油耗量降低了17%（其中大約有7%的能量為超級電容的儲存電量），節能效果比較明顯，主要是因為發動機的工作狀態較為平穩，轉速波動變得平穩，而且發動機的工作點在高效區，如圖8（c）所示。 優化后的超級電容SOC 軌跡，工作過程中超級電容SOC 均保持在較高范圍，其中電池SOC始終在60%以上，對比發現發動機燃油率較高的時間段與電池SOC較低的階段相對應，說明電池確實起到了節能的目的，與控制策略所設計的預期相符合，如圖8（d）所示。

圖7 混合動力系統測試結果Fig.7 Hybrid Power System Testing Results

圖8 混合動力系統功率分配Fig.8 Power Distribution of Hybrid Power System

5 結論

針對重型車輛油耗量較高的問題，設計了油-電混合動力系統，采用遺傳算法對系統部件進行了參數優化，得到了最佳的匹配組合。設計了系統的控制策略和改進神經網絡控制系統，分析了重型車輛用混合動力電驅動系統運行規律，評估了不同功率分配算法下的整車運行性能。最后，對油-電混合動力系統進行了聯合臺架測試，測試結果驗證了所匹配的動力系統和所開發的控制系統的可靠性。研究成果對新型混合動力系統的開發和提高節能性能提供了一種借鑒與指導。