混合动力电动汽车控制策略——分类、现状与趋势

隗寒冰，何义团，李 军，邓 涛

(重庆交通大学机电与汽车工程学院，重庆400074)

0 引言

控制策略和电池、电机一起构成了混合动力汽车开发的3大关键技术［1］。控制策略的优劣直接决定了整车性能，因此控制策略的相关研究也是混合动力汽车(Hybrid Electric Vehicle，HEV)领域内研究范围最广、程度最深的技术之一。混合动力汽车控制策略的研究范围是从针对特定工况的静态优化发展到通过对实际行驶工况进行辨识、预测以对控制策略在随机道路条件下的在线调节和动态优化;研究的重点从稳态工况下的燃油经济性单目标优化发展到考虑各种瞬态工况和复杂环境下对各个部件性能影响的燃油经济性、排放和动力源之间协调控制的综合控制。

笔者对现有混合动力汽车控制策略进行了归纳和分析，指出了当前混合动力汽车控制策略研究的局限性。在此基础之上，提出未来需要进一步研究的发展方向，为后续的研究工作指明思路，避免了研究工作的重复。

1 混合动力汽车燃油经济性控制

1.1 规则控制策略

规则控制策略的基本思想是根据发动机效率MAP图将发动机工作区域划分为高负荷、中负荷和中低负荷区，结合驾驶员油门踏板开度和开度变化率判断当前需求功率对应的发动机工作区域。如果需求功率处于发动机高负荷区域，则将发动机控制在高效率工作区域，不足的动力由电动机提供;如果处于中负荷区域则动力由发动机单独提供;如果处于中低负荷区域则进入纯电动模式或行车充电模式。基于此思想，王庆年，等［2］将发动机最优工作曲线与电动机最优工作曲线联合定义为广义最优工作曲线，以广义最优曲线作为划分工作区域的依据。胡明辉，等［3］基于发动机最优工作曲线，考虑电池充放电效率、CVT效率和电动机工作效率，从整个传动系统效率出发划分发动机工作区域，作为划分混合动力系统工作模式依据。秦大同，等［4］对各个工作模式下的系统最优效率进行离线计算，根据离线计算结果提出SOC阀值、发动机充电曲线和发动机关闭曲线共3个参数的模式切换规则。类似的研究还有N.Jalil，等［5］针对串联混合动力系统中开发的开关式控制策略和功率跟随式控制策略。

规则控制策略算法较为简单，易于在对实时性要求较高的嵌入式系统中实现，且具有较好的鲁棒性。但从最优控制理论上讲，规则控制策略不能实现能量最优分配;规则控制策略针对特定工况开发，移植性较差，规则不能自适应工况的动态变化。

1.2 瞬时优化控制策略

瞬时优化控制策略有“等效燃油消耗最少”法(Equivalent Consumption Minimization Strategies，ECMS)和“功率损失最小”法两种方法。两种方法优化的出发点不同，但基本原理类似，都是建立发动机油耗与蓄电池过去或者未来消耗电量之间的联系，将等效油耗定义为发动机实际油耗和与电池耗电量折算的油耗之和，再对每瞬时的等效油耗求最小值。

一般认为瞬时油耗算法是由 S.Delprat，等［6］和G.Paganelli，等［7］提出。基本思想是从目标函数中的油耗与荷电状态SOC之间的关系出发，采用等效油耗的办法，取控制变量为发动机和电动机转矩，引入松弛量，将不等式约束转化为等式约束，将约束条件下最优计算转化为无约束优化问题。J.P.Gao，等［8］比较了ECMS、功率跟随控制、开关式控制和动态规划，指出开关控制能够优化发动机工作区域，功率跟随控制能够减少电池充放电频次，而ECMS能对发动机工作效率和电池的充放电进行综合优化。

1.3 全局优化控制策略

从最优控制理论的角度分析，混合动力汽车在整个工况内的能量管理可以理解为单步、多阶段的决策问题，其实质上是一个全局优化问题，目标函数的瞬时最优解并不等于全局最优解。求解全局优化问题的数学方法有动态规划算法(Dynamig Programming，DP)和庞特里亚金极小值原理(Pontryagin Minimal Principle，PMP)。

应用动态规划算法求解以油耗为单目标的全局优化问题的研究已经非常普遍。如张炳力，等［9］采用离散动态规划法对并联式混合动力燃油经济性最优目标函数进行了仿真计算。欧阳易时，等［10］分析了动态规划算法求解最优目标函数解的性能指标，该指标融入了电池(电机)输出功率和整车需求功率，能够表示燃油消耗和荷电状态变化量之间的物理关系。

动态规划算法是根据Bellman最优原则将状态变量离散后逆向求解，需要预知整个时间段内的车速，而这点在工程实际中难以实现。考虑到该问题，Lin Chanchiao ，等［11］和 L.Johannesson，等［12］根据驾驶员的驾驶行为只与当前和未来有关而与过去无关的特点，采用随机动态规划算法(又称马尔可夫链)对混合动力汽车能量管理策略进行优化。

应用动态规划算法的另外一个难点是计算量较大。为解决该问题，浦金欢，等［13］通过限制最优搜索区域的方法减少计算量;Y.Bin等［14］对数学模型进行简化，采用功率分配率作为控制变量以降低控制维度;Lin Chanchiao，等［15］采取的方法是根据动态规划离线计算的结果，如发动机和电动机工况点分布等，采用线性回归方法归纳出可以应用于实时控制的规则。

另外一种求解全局最优控制问题的数学方法是从古典变分法引申而来的庞特里亚金极小值原理。它克服了古典变分法不能对控制变量和目标函数受约束的泛函求极值的缺陷。特定循环工况下的混合动力汽车性能最优控制问题都可以认为是时变、非线性、末端固定、控制变量受约束的最优控制问题。

以极小值原理为理论依据对混合动力汽车燃油经济性最优控制问题进行求解具有计算量相对DP较小、适用于实时控制、满足全局最优要求等优点，所以这方面的研究成果也已有很多。L.Serrao，等［16］深入研究了ECMS和PMP方法在理论上的区别和联系，并基于极小值原理对ECMS求解析解。P.Tulpule，等［17］在制定 Plug-in 混合动力汽车等效油耗目标函数时，考虑了外接电源价格、电池寿命和充电方便程度等外部条件。J.Lescot，等［18］在建立Hamilton函数时考虑了发动机冷却液温度对发动机油耗的影响，当状态变量中增加了冷却液温度这一时变量时，将时间和油耗的最优控制转化为油耗最优控制问题，确定了冷却液温度上升所需的油耗与驱动车辆所需油耗之间的等效关系。

1.4 基于工况自适应的路况预测控制策略

以上3种类型的控制策略开发都是针对某一典型工况进行。这些典型工况是对实际交通特征进行概率统计分析后提取特征参数获取的，与实际工况往往存在着较大差异。这种差异会导致所开发的控制策略并不能使车辆在实际行驶时的性能达到最优，驾驶员的驾驶习惯也会影响到控制效果。为解决特定工况与实际道路不一致导致的车辆运行性能下降的问题，根据历史行驶信息提取特征参数，并结合GPS/ITS(Intelligent Traffic System)对未来路况进行判断和预测，以提高实时控制策略对路况和驾驶员风格的“自适应”能力，这已经成为目前研究的热点。

S.L.Jeon，等［19］统计了能够反映典型循环工况的24种特征参数，根据这24种特征参数将所有实际路况归纳为6种典型工况。控制器利用Hammin神经网络对车辆在运行时的特征参数进行辨识，以确定当前所对应的工况，然后根据神经网络的辨识结果来修正控制策略参数。庄继晖，等［20］采用类似办法，提取出15种典型特征参数，用SOM神经网络将纯电动汽车运行时采集到的数据进行运动学片段的聚类分析，得到适用于开发纯电动汽车控制策略的3种典型工况，为电动汽车基于道路行驶工况控制策略的自适应优化提供更为可靠和有效的基础数据。这一类研究的主要思想是只依据历史车速和路况信息，计算量相对较少，但是对路况预测的准确度不够，得到的解也非全局最优解。

为克服确定性动态规划算法只能针对特定工况进行优化的缺陷，S.J.Moura［21］将驾驶员的功率输入作为随机输入，对驾驶员的加速、制动、减速等进行概率预测，采用随机动态规划算法对随机功率输入条件下的能量管理进行全局优化，另外还对燃油价格和电能价格之间的不同比值对目标函数优化结果、控制策略的影响进行分析。Gong Qiuming，等［22］采用K均质聚类算法对从实际行驶工况数据中提取的特征参数进行聚类分析，根据聚类分析结果和不同驾驶风格对ECMS中的拉格朗日系数进行在线调节。这一类研究主要是依靠过去和现在路况信息对油耗和电池SOC之间的等效系数即目标函数中的拉格朗格日系数进行闭环修正。

M.Koot，等［23］依靠历史和现在的路况信息，将预测控制理论应用到混合动力汽车蓄电池充放电控制中。A.Sciarretta，等［24］系统分析了 ECMS 策略中等效系数λ对控制策略及整车性能的影响，针对不同工况下等效系数λ随时间变化的问题，提出一种计算等效系数的概率转移算法。J.M.Park，等［25］通过在PSAT软件中建立动力学模型进行仿真计算，得到了在11个标准工况中的控制参数，从历史车速和道路信息中提取14种特征参数来预测前方车速和道路拥挤条件，并引用M.Koot的方法，对系数λ和发动机燃油消耗率与电池充放电功率之间的二次函数关系式系数进行PID反馈调节，最后还对历史数据时间长度和预测时间长度对预测精度的影响进行了对比分析。这一类研究的主要思想是结合历史车速、路况信息，预测当前驾驶员的功率需求，对控制策略中的参数进行闭环修正，以反映工况和驾驶员风格对控制策略的影响。

C.Manzie，等［26］基于发动机转矩一定时油耗随转速线性上升的简化条件，假设驾驶员无超车而只有理性跟车行为，通过ITS和车载雷达提供40 s内的车速信息来预测前方车速，研究了在传统汽车和HEV上利用ITS和车载网络通信技术提供的车流量、车速信息来对车速进行智能控制。Gong Qiuming，等［27］借助ITS对车速进行预测时考虑了快速路进出口交通流，将车速简化为三角形函数，采用人工神经网络预测车速三角形函数的形状参数，在得到预测车速后采用分段DP算法来得到控制轨迹，即车辆起动时对整个工况执行宏观DP求解，车辆进行到实际分段工况后为微观DP求解。Gong Qiuming［28］还针对Plug-in混合动力系统采用外接电网充电、在每个循环工况末端电池均处于SOC下限的特点，采用DP算法对能量管理进行全局优化。

这一类研究的主要思想是借助于车载GPS系统和ITS提供的交通流信息来预测道路状况，在预知前方道路工况的条件下再采用DP算法得到全局最优解。根据实时道路条件对控制策略进行反馈控制，是道路预测能量管理的最高等级。

2 混合动力汽车动力协调控制

混合动力汽车由于其结构的特殊性，两个动力源在模式切换过程中存在动力突变而造成冲击，这将影响乘坐舒适性。随着对混合动力总成控制系统研究的深入，动力源耦合过程中的协调控制问题受到越来越多的关注。A.Kimura，等［29］针对行星排式功率耦合机构的结构特点和电机响应速度快的优点，在TOYOTA普锐斯车型上成功解决了该协调问题，但该方法很难其他混合动力系统上推广应用。童毅［30］基于发动机开环控制和电动机转矩闭环控制思想，提出了通用性较强的驱动转矩比例控制方法。罗禹贡，等［31］基于模型匹配控制方法，开展了对双驱动电动机结构的协调控制硬件在环仿真研究。古艳春，等［32］建立了包含能量管理和协调控制的分层控制系统。杨阳［33］对制动工况下的压力协调控制策略进行了研究。彭栋，等［34］采用模糊控制逻辑对液压制动力矩和能量回收制动力矩进行动态协调控制进行了相关研究。赵峰，等［35］基于动态协调控制思想建立了混合动力汽车牵引力分层控制体系，上层采用基于动态滑模的整车期望总驱动转矩制定策略;中间层采用基于低通滤波的发动机目标转矩计算方法和基于模型匹配2自由度控制的动态协调控制策略，底层采用基于动态补偿的混合动力汽车牵引力控制策略。

怠速起停是混合动力汽车的一种特殊工作模式，在城市工况下可以节省10%的燃油，在城市工况下怠速起停也更频繁［36-37］。与传统发动机采用起动电机边拖边点火的起动方式不同，混合动力汽车由大功率电动机起动，喷油器在800 r/m以上才开始点火，起动过程缩短，转矩波动也更加明显，因此研究起停阶段的振动、噪声对舒适性的影响便尤为重要［38］。通过电动机的起动扭矩可以协调控制动力源的动力输出，有助于降低怠速启停、模式切换时的振动，改善驾乘舒适性。如李红朋，等［39］对发动机起动过程的阻力特性进行了分析，建立了ISG电机-发动机的综合控制模型，提出了ISG电机驱动控制策略，进行了发动机起动过程中的动力学仿真分析。M.Canova，等［40］针对装备 BSG(belted starter/alternator)的1.9 L高压共轨柴油机混合动力系统，建立怠速起停动力学模型，分析其高频扭矩和转速波动;根据动力学模型设计了二阶前馈控制器对发动机进行闭环控制，以降低发动机起动和怠速时的波动。

3 混合动力汽车排放控制

过去普遍认为汽车油耗降低必然也会降低排放水平。随着排放法规的日益严格和相关研究的不断深入，人们认识到油耗和排放之间并非简单的一一对应关系，尤其是低温冷起动工况时油耗和排放的多目标均衡控制更为复杂。

混合动力汽车发动机起动速度更高，时间更短，瞬态特征也更加明显。由于缺乏适用于开发控制策略的发动机瞬态排放模型，目前对于混合动力汽车起动-停机过程排放特性的研究仅限于实验研究［41-43］，对混合动力汽车排放性能控制策略的研究主要体现在依据发动机转速、转矩和发动机排气管出口排放这3者之间的稳态插值表，结合油耗和排放进行多目标优化的控制策略研究。如 N.A.Kheir，等［44］建立了以油耗和排放为多目标优化的模糊逻辑控制器，将目标函数分别定义为油耗、HC、CO和NOx排放，将发动机工作点控制在每一种目标函数对应的高效区域来优化稳态运行时的整车性能。K.Dongsuk，等［45］考虑了电池 SOC 和三元催化器温度，采用DP算法对冷起动工况下的发动机油耗和排放多目标函数进行离线优化，并对DP求解的结果进行线性回归，归纳出可应用于实时控制的策略。

4 结论

综合国内外关于混合动力电动汽车控制策略的研究现状，对其进行归纳和分析，可以得出以下结论：

1)目前对混合动力汽车燃油经济性最优或者动力传动系统效率最大为控制目标的研究已经较为普遍，对以油耗和排放、尤其是三元催化器起燃前冷起动阶段的油耗和排放综合控制的理论研究尚处于初始阶段。

2)综合考虑低温条件对电池充放电特性以及对发动机油耗和排放的影响，研究如何优化控制策略以降低低温环境下的油耗和排放综合水平等方面的相关研究还较少报道。

5 研究方向

综合上述分析，笔者认为，下一步的研究工作可以在以下几个方面开展：

1)研究发动机热管理、蓄电池热管理系统与混合动力汽车能量管理的集成控制策略。

目前对混合动力汽车油耗和瞬态排放控制策略的研究仅仅考虑了催化器温度对排放的影响，而没有考虑发动机冷却液温度和蓄电池温度的影响。而发动机冷却液温度对整车油耗和排放有着直接影响，蓄电池温度也与蓄电池SOC即整车等效燃油消耗密切相关，尤其是在寒冷的环境里，由于电池充放电能力降低，混合动力汽车动力性、燃油经济性、排放性能和纯电动行驶里程等性能下降。关于这方面的研究目前缺乏深入的理论建模分析，仅以实验为主［46］。考虑电池温度、电池寿命、模式切换时的平顺性以及各部件的可靠性等因素，整体分析、系统优化以油耗和排放为多目标的能量管理策略，研究发动机热管理、蓄电池热管理与混合动力汽车能量管理的集成控制策略，对于满足日趋严格的排放法规具有重要的现实意义，是值得进一步研究的方向。

2)从“人-车-路”闭环系统角度研究混合动力汽车路况自适应能量管理策略。

利用ITS智能交通系统和车载GPS技术提供的相关信息，结合微观交通流理论，建立驾驶员跟车和变道行为特征模型来预测汽车在未来路段的运行状态，从而提高混合动力汽车能量管理策略对复杂环境和驾驶风格的自适应能力，进一步降低混合动力汽车在实际运行工况下的油耗和排放水平，这也是非常值得关注的研究领域。

［1］Chan C C.The state of the art of electric，hybrid，and fuel cell vehicles［J］.Proceedings of the IEEE，2007，95(4)：704-718.

［2］王庆年，孙树韬，曾小华，等.并联混合动力客车广义最优工作曲线控制研究［J］.汽车工程，2008，30(5)：391-394.Wang Qingnian，Sun Shutao，Zeng Xiaohua，et al.A study on the optimal operation line control strategy for hybrid electric bus［J］.Automotive Engineering，2008，30(5)：391-394.

［3］胡明辉，秦大同，杨亚联，等.轻度混合动力汽车巡航工况总工作效率分析和优化［J］.机械工程学报，2008，44(9)：148-153.Hu Minghu，Qin Datong，Yang Yalian，et al.Optimization and analysis of system efficiency for the mild hybrid electric vehicle under the cruise conditions［J］.Chinese Journal of Mechanical Engineering，2008，44(9)：148-153.

［4］秦大同，叶心，胡明辉，等.ISG型中度混合动力汽车驱动工况控制策略优化［J］.机械工程学报，2010，46(12)：86-92.Qin Datong，Ye Xin，Hu Minghui，et al.Optimization of control strategy for medium hybrid electric vehicle with ISG at drive condition［J］.Chinese Journal of Mechanical Engineering，2010，46(12)：86-92.

［5］Jalil N，Kheir N A，Salman M.Rule-Based Energy Management Strategy for a Series Hybrid Vehicle［C］//Proceedings of the American Control Conference.Albuquerque：IEEE，1997：689-695.

［6］Delprat S，Guerra T M，Rimaux J.Optimal Control of a Parallel Powertrain：from Global Optimization to Real time Control Strategy［C］//IEEE 55th Vehicular Technology Conference.Berlin：IEEE，2002：2082-2088.

［7］Paganelli G，Delprat S，Guerra T M，et al.Equivalent Consumption Minimization Strategy for Parallel Hybrid Powertrains［C］//proceeding of IEEE 55th Vehicular Technology Conference.Berlin：IEEE，2002：2076-2081.

［8］Gao J P，Zhu G M，Strangas E G，et al.Equivalent fuel consumption optimal control of a series hybrid electric vehicle［J］.Journal of Automobile Engineering，2009，223(8)：1003-1018.

［9］张炳力，张平平，赵韩，等.基于离散动态规划的PHEV燃油经济性全局最优控制［J］.汽车工程，2010，32(11)：923-927.Zhang Bingli，Zhang Pingping，Zhao Han，et al.Fuel economy global optimal control of PHEV based on discrete dynamic programming［J］.Automotive Engineering，2010，32(11)：923-927.

［10］欧阳易时，金达锋，罗禹贡.并联混合动力汽车功率分配最优控制及其动态规划性能指标的研究［J］.汽车工程，2006，28(2)：117-121.Ouyang Yishi，Jin Dafeng，Luo Yugong.An investigation into the optimal control of power distribution for PHEV and the appropriate performance indicator for dynamic programming［J］.Automotive Engineering，2006，28(2)：117-121.

［11］Lin Chanchiao，Peng Huei，Grizzle J W.A stochastic control strategy for hybrid electric vehicles［C］.Boston，Massachusetts：Proceedings of the 2004 American Control Conference，2004：4710-4715.

［12］Johannesson L，Asbogard M，Egardt B.Assessing the potential of predictive control for hybrid vehicle power trains using stochastic dynamic programming ［J］.Intelligent Transportation Systems，2007，8(1)：71-83.

［13］浦金欢，殷承良，张建武.并联型混合动力汽车燃油经济性最优控制［J］.上海交通大学学报，2006，40(6)：947-951.Pu Jinhuan，Yin Chengliang，Zhang Jianwu.Fuel optimal control of parallel hybrid electric vehicles［J］.Journal of Shanghai Jiaotong University，2006，40(6)：947-951.

［14］Bin Y，Reama A，Cela A.On Fast Dynamic Programming for Power Splitting Control of Plug-in Hybrid Electric Vehicles［C］//Hollywood，C A：Proceedings of ASME Conference，2009：229-236.

［15］Lin Chaochiao，Soonil J，Peng Huei，et al.Driving pattern recognition for control of hybrid electric trucks［J］.International Journal of Vehicle Mechanics and Mobility，2004，42(1/2)：41-58.

［16］Serrao L，Onori S，Rizzoni G.ECMS as a Realization of Pontryagin’s Minimum Principle for HEV Control［C］//American Control Conference.St.Louis，USA：IEEE，2009：3964-3969.

［17］Tulpule P，Marano V，Rizzoni G.Effects of Different PHEV Control Strategies on Vehicle Performance［C］//American Control Conference.St.Louis：IEEE，2009：3950-3955.

［18］Lescot J，Sciarretta A，Chamaillard Y，et al.On the Integration of Optimal Energy Management and Thermal Management of Hybrid Electric Vehicles［C］//Vehicle Power and Propulsion Conference.Lille：IEEE，2010：1-6.

［19］Jeon S L，Sung T J，Yeong L P，et al.Multi-mode driving control of a parallel hybrid electric vehicle using driving pattern recognition［J］.Journal of Dynamic Systems，Measurement，and Control，2002，124(1)：141-149.

［20］庄继晖，谢辉，严英.基于GPRS的电动汽车道路行驶工况自学习［J］.天津大学学报，2010，43(4)：283-286.Zhuang Jihui，Xie Hui，Yan Ying.GPRS based driving cycle selflearning for electric vehicle ［J］.Journal of Tianjin University，2010，43(4)：283-286.

［21］Moura S J，Fathy H K，Callaway D S，et al.A stochastic optimal control approach for power management in plug-in hybrid electric vehicles［J］.IEEE Transactions on Control Systems Technology，2011，19(3)：545-555.

［22］Gong Qiuming，Tulpule P，Marano V，et al.The Role of ITS in PHEV Performance Improvement［C］//2011 American Control Conference.San Francisco，C A：IEEE，2011：2119-2128.

［23］Koot M，Kessels，J T B A，de Jager B，et al.Energy management strategies for vehicular electric power systems［J］.IEEE Transactions on Vehicular Technology，2005，54(3)：771-782.

［24］Sciarretta A，Back M，Guzzella L.Optimal control of parallel hybrid electric vehicles［J］.IEEE Transactions on Control System Technology，2004，12(3)：352-363.

［25］Park J M，Chen Zhihang，Kiliaris L，et al.Intelligent vehicle power control based on machine learning of optimal control parameters and prediction of road type and traffic congestion［J］.IEEE Transactions on Vehicular Technology，2009，58(9)：4741-4756.

［26］Manzie C，Watson H C，Halgamuge S，et al.A comparison of fuel consumption between hybrid and intelligent vehicles during urban driving［J］.Proceedings of the Institution of Mechanical Engineers，Part D：Journal of Automobile Engineering，2006，220(1)：67-76.

［27］Gong Qiuming，Li Yaoyu，Peng Zhongren.Trip-based optimal power management of plug-in hybrid electric vehicles［J］.IEEE Transactions on Vehicular Technology，2008，57(6)：3393-3401.

［28］Gong Qiuming，Li Yaoyu，Peng Zhongren.Optimal Power Management of Plug-in HEV with Intelligent Transportation System［C］//Advanced IntelligentMechatronics，IEEE/ASME International Conference.Zurich：IEEE，2007：1-6.

［29］Kimura A，Tetsuya A，Sasaki S.Drive force control of a parallelseries hybrid system［J］.JSAE Review，1999，20(3)：337-341.

［30］童毅.并联式混合动力系统动态协调控制问题的研究［D］.北京：清华大学，2004.Tong Yi.Study on the Coordinated Control Issue in Parallel Hybrid Electric System［D］.Beijing：Tsinghua University，2004.

［31］罗禹贡，杨殿阁，李孟海，等.并联式混合动力汽车(PHEV)动态协调控制方法硬件在环仿真［J］.机械工程学报，2008，44(5)：80-85.Luo Yugong，Yang Diange，Li Menghai，et al.Hardware-in-theloop simulation on dynamical coordinated control method in parallel hybrid electric vehicle(PHEV)［J］.Chinese Journal of Mechanical Engineering，2008，44(5)：80-85.

［32］古艳春，殷承良，张建武.并联混合动力汽车扭矩协调控制策略仿真研究［J］.系统仿真学报，2007，19(3)：631-636.Gu Yanchun，Yin Chengliang，Zhang Jianwu.Investigation to coordinated torque control strategy of parallel hybrid electric vehicles［J］.Journal of System Simulation，2007，19(3)：631-636.

［33］杨阳，杨文辉，杨亚联，等.ISG混合动力再生制动系统压力协调控制策略［J］.重庆大学学报：自然科学版，2009，32(5)：493-498.Yang Yang，Yang Wenhui，Yang Yalian，et al.Coordinated pressure control of a regenerative braking system based on a hybrid electric vehicle with an integrated starter and generator［J］.Journal of Chongqing University：Natural Science，2009，32(5)：493-498.

［34］彭栋，殷承良，张建武.混合动力汽车制动力矩动态分配控制策略研究［J］.系统仿真学报，2007，19(22)：5254-5259.Peng Dong，Yin Chengliang，Zhang Jianwu.Braking control strategy study for hybrid electric vehicle with braking torque dynamic distribution［J］.Journal of System Simulation，2007，19(22)：5254-5259.

［35］赵峰，罗禹贡，李克强，等.基于动态协调控制的ISG型混合动力电动汽车牵引力控制方法［J］.汽车工程，2011，33(6)：463-467.Zhao Feng，Luo Yugong，Li Keqiang，et al.Traction control scheme for ISG hybrid electric vehicle based on dynamic coordinated control［J］.Automotive Engineering，2011，33(6)：463-467.

［36］Schmidt M，Isermann R，Lenzen B，et al.Potential of regenerative braking using an integrated starter alternator［C］.［S.l.］：SAE Technical Paper，2000.

［37］Kusumi H，Yahi K，Ny Y，et al.42 V power control system for mild hybrid vehicle［C］.［S.l.］：SAE Technical Paper，2002.

［38］Kuang M L.An investigation of engine start-stop NVH in a power split powertrain hybrid electric vehicle［C］.［S.l.］：SAE Technical Paper，2006.

［39］李红朋，秦大同，杨阳，等.汽车发动机起动过程的动力学仿真［J］.重庆大学学报：自然科学版，2005，28(6)：4-8.Li Hongpeng，Qin Datong，Yang Yang，et al.Dynamics simulation of ISG-HEV engine during starting［J］.Journal of Chongqing University：Natural Science，2005，28(6)：4-8.

［40］Canova M，Guezennec Y，Yurkovich S.On the control of engine start/stop dynamics in a hybrid electric vehicle［J］.Journal of Dynamic Systems， Measurement， and Control-Transactions of the ASME，2009，131(6)：1-12.

［41］梁海波，高卫民，朱军，等.混合动力Start/Stop控制策略对整车排放影响的研究［J］.内燃机工程，2008，29(2)：15-18.Liang Haibo，Gao Weimin，Zhu Jun，et al.Study on influence of start/stop control strategy of HEV on vehicle emission［J］.Chinese Internal Combustion Engine Engineering，2008，29(2)：15-18.

［42］陈绍刚，李孟良，徐达，等.基于PEMS的混合动力客车发动机起动/停止对排放影响的研究［J］.汽车工程，2010，32(3)：198-202.Chen Shaogang，Li Mengliang，Xu Da，et al.A study on the influence of start/stop of hybrid electric bus engine on its emissions based on PEMS ［J］.Automotive Engineering，2010，32(3)：198-202.

［43］周光伟，蔡忆昔，张彤，等.点火提前角对混合动力发动机起动工况HC排放的影响［J］.车用发动机，2008(6)：64-67.Zhou Guangwei，Cai Yixi，Zhang Tong，et al.Effects of the spark advance angle on hybrid engine HC emission during start［J］.Vehicle Engine，2008(6)：64-67.

［44］Kheir N A，Salman M A，Schouten N J，et al.Emissions and fuel economy trade-off for hybrid vehicles using fuzzy logic［J］.Mathematics and Computers in Simulation，2004，66(2/3)：155-172.

［45］Dongsuk K，Peng H，Bucknor M.Modeling and Control of Hybrid Electric Vehicles for Fuel and Emission Reduction［C］//Dynamic Systems and Control Conference.Michian，USA：ASME，2008：553-560.

［46］Smith R，Morison M，Capelle D.GPS-based optimization of plugin hybrid electric vehicles’power demands in a cold weather city［J］.Transportation Research Part D：Transport and Environment，2011，16(8)：614-618.