插电式混合动力汽车离合器控制方法及仿真研究

余世明，孙 超

(浙江工业大学 信息工程学院，浙江 杭州 310023)

插电式混合动力汽车离合器控制方法及仿真研究

余世明，孙 超

(浙江工业大学 信息工程学院，浙江 杭州 310023)

插电式混合动力汽车配备了发动机、电动机等多个动力源，在急加速过程中会产生很大的瞬间扭矩，从而给离合器的接合带来一定的控制难度.通过对汽车起步过程中离合器的运动过程进行动力学分析，从而抽象出目标跟踪控制问题，并分别采用PID和自适应模糊神经网络控制方法对离合器进行调节.仿真结果表明：自适应模糊神经网络控制比PID控制能更好地提高离合器的动态性能，显著改善滑磨功和冲击度.所建模型可直接生成C语言代码并与底层软件集成，形成实际控制软件.

离合器；PID；自适应模糊神经网络；整车仿真

随着全球气候变暖，环境污染加重，同时伴随着能源危机和能源安全的压力，以石油为主要能源的传统汽车产业面临着前所未有的挑战，开发清洁、高效和智能的新型汽车已迫在眉睫[1-3].插电式混合动力是新能源汽车的一种，它不需要构建专用充电设施，便于推广应用，与纯电动相比行驶里程大大增加，有效地解决了纯电动汽车续航里程不足的问题[4-5]；与传统汽车相比，有效地减少了尾气排放造成的环境污染.因此，插电式混合动力汽车能够在不影响车辆动力性能的前提下满足对新能源汽车环保的要求[6-7].插电式混合动力汽车的动力系统由两个或多个能量存储系统来提供能量，包含串联式、并联式和混联式等多种结构，能够提供很大的瞬时扭矩[8-12].这将会给车辆急加速起步过程中离合器的接合带来一定的影响和控制难度.车辆起步阶段，离合器的控制是至关重要的，它将直接影响车辆的加速性能、车辆平稳性以及离合器的滑磨功和冲击度.

目前，工程应用中多采用PID控制对离合器进行调节，然而离合器是一个复杂的非线性系统，且在工作中发动机输出端输出的转速是不断变化的，需要离合器的从盘实时地跟随离合器主盘的转速.如果采用PID控制离合器系统，可能导致控制精度欠佳；如果采用模糊控制，虽然在超调和动态性能上得到了改善，但是由于其隶属度函数依赖专家经验，在控制上仍会存在一定的偏差.因此，把离合器运行过程抽象为目标跟踪控制问题，并采用自适应模糊神经网络控制方法对离合器进行调节，然后与PID控制作出比较.为了体现离合器控制对整车性能的重要性，以Matlab/Simulink为开发平台，建立整车仿真和控制策略模型.使用该平台进行建模和整车仿真，既可以对控制策略模型进行MIL测试和验证，又可通过代码生成技术与底层驱动程序直接集成，形成实际控制软件.与传统C代码开发技术相比，这种技术手段在很大程度上提高开发效率，降低研究成本，是当前国际上日益流行的开发技术.

1 离合器接合过程的动力学分析

离合器位于发动机和变速箱之间，在工作时，通过主动盘的摩擦带动从动盘转动，接合过程如图1所示.图1中Tin为发动机端传递到离合器主盘的扭矩；ωe,ωv分别为主、从动盘角速度；Ie为发动机及飞轮的等效转动惯量；Iv为从动盘子端的等效转动惯量；Fn离合器的压紧力.

图1 离合器接合过程模型Fig.1 The model of clutch engagement

在离合器接合过程中，主要可以分为3个不同的阶段：

1)自由行程阶段.此时的离合器处于完全分离的状态，主、从动盘之间没有接触，因此不存在扭矩的传递，Tcl=0(Tcl为通过离合器传递的扭矩)[13].为了减小车辆起步所需要的时间，应使主、从动盘尽快地接触.

2)滑磨阶段.主要是主、从动盘从产生摩擦扭矩到同步接合为止[14]，其表达式分别为

(1)

(2)

(3)

(4)

Tcl=sgn(ωe-ωv)Tfmaxk

(5)

式中：be,bv分别为离合器发动机端、变速箱端的阻尼率；μk为动摩擦因素；R为离合器摩擦片的平均摩擦半径；r1,r2分别为摩擦片的外、内半径；其余参数见图1.

该阶段在很大程度上决定了离合器的性能以及起步的效果，如果离合器接合较慢，那么车辆将平缓起步，有较好的舒适性，但是滑磨的时间也会随之增加，这将导致摩擦片的损耗加剧[15]；而如果离合器接合过快，则会使车辆的起步产生较大的冲击感.

3)同步接合阶段.在此阶段离合器主、从动盘速度达到同步[16]，其表达式分别为

ωe=ωv=ω

(6)

(7)

(8)

Tcl=Tf

(9)

滑磨功和冲击度是离合器的重要评价指标，它们都与离合器接合的时间有密切的联系.其中W为滑磨功是离合器接合过程中摩擦所产生的功，即

(10)

滑磨功是导致离合器温度升高的重要原因，离合器温度升高会造成离合器摩擦系数急剧降低而失效，还会对离合器产生很大的损耗，从式(11)中可以发现离合器滑磨时间和转速差都会影响滑磨功的大小.因此，我们应在不影响车辆驾驶舒适性的前提下，尽可能缩短离合器接合的时间，以减小滑磨功.

冲击度j是车辆纵向加速度对时间的导数，它与输出扭矩的变化率成正比，冲击度可以很直观地反映车辆的驾驶舒适性.根据我国相关规定，车辆的冲击度不应大于17.64 m/s3.冲击度j的表达式为

(11)

2 离合器控制方法

为了使车辆拥有较好的起步性能，需要通过合理的控制方法对离合器的接合程度进行调节，同时兼顾离合器滑磨功和车辆冲击度这两项重要性能指标.在本节中分别采用了PID控制和自适应模糊神经网络对离合器进行调节，并进行比较.

2.1PID控制

采用传统的控制方法PID调节来对离合器的接合进行控制，这种控制方法结构简单，工程应用性好，在目前的离合器控制中运用广泛.PID控制是由控制器和被控对象组成的[17]，如图2所示,根据离合器主、从盘转速差来调节离合器压紧力的大小，从而实现对离合器接合速度的控制，其表达式为

(12)

式中：kp，ki，kd分别为比例、积分和微分控制参数.比例参数可以加快系统的响应速度，提高系统的调节精度，如果比例参数过大，则会引起系统超调，稳定性减弱，而如果比例参数取值过小，那么系统的响应就会变慢，使调节精度下降；积分参数可以改善系统的稳态误差，随着积分参数的增大，系统稳态误差的消除也会加快；微分参数可以改善系统的动态特性，提高系统稳定性[18-20].

图2 PID控制原理图Fig.2 The principle diagram of PID control

2.2 自适应模糊神经网络控制

自适应模糊神经网络是一种基于Takagi-Sugeno模型的模糊推理系统，它将模糊控制的模糊化、模糊推理和反模糊化三个基本的过程，利用神经网络的自学习能力自主地从输入输出样本里选取相应的规则，构成自适应模糊神经网络控制器[21].

图3 离合器控制示意图Fig.3 The diagram of clutch control

表1 模糊规则

然后需要确定模糊子集隶属度函数，常用的隶属度函数有三角形隶属度函数、梯形隶属度函数、高斯隶属度函数、钟形隶属度函数等，隶属度函数曲线的形状将会对控制的精度和稳定性产生影响[22-23].笔者选择了高斯函数，其数学表达式为

(13)

式中：c，σ分别为隶属度函数的中心位置和宽度.隶属度函数的参数很容易受到专家经验的影响，从而导致控制的偏差.因此，在模糊控制的基础上引入了神经网络，通过神经网络对训练样本进行自学习，对隶属度函数的参数进行优化.笔者采用了2个输入1个输出的5层神经网络模型，如图4所示.

图4 神经网络原理图Fig.4 The principle diagram of neutral network

首先输入训练数据和校验数据，在确定所需的隶属度函数后，进行自学习，不断调整高斯隶属度函数的2个参数，最后得到2个优化后的隶属度函数，如图5所示.图中横坐标为论域[-4,4]，纵坐标为隶属度.

(a) Δω的隶属度函数

(b) 的隶属度函数1—训练前的隶属函数;2—训练后的隶属函数

3 仿真及结果分析

为验证离合器优化的效果，分别将上述两种控制方法进行建模封装后集成到插电式混合动力整车仿真模型中.此款插电式混合动力汽车的发动机和电机都位于离合器输入端，同时进行动力输出时，可产生较大扭矩.

为了模拟车辆急加速的情况，在仿真中将加速踏板开度设为100%，并设定了初始的发动机转速来模拟驾驶员在极短的自由行程时间内使发动机转速达到了某一较高转速.仿真结果表明，在PID控制和自适应模糊神经网络控制下的离合器都能够实现主、从盘转速同步，但是时间有所区别，如图6，7所示.

图6 PID控制离合器接合曲线Fig.6 The clutch engagement curve for PID

图7 自适应模糊神经网络离合器接合曲线Fig.7 The clutch engagement curve for adaptive fuzzy neural network

从图6，7的仿真结果中可以看出，采用PID控制的离合器接合时间为2.2 s，而采用自适应模糊神经网络控制的离合器接合时间为1.6 s，相比较而言采用后者控制方法的离合器性能可以提高大约27%.此外还对离合器非常重要的两项评价指标——滑磨功和冲击度进行了比较，如图8，9所示.

图8 离合器滑磨功对比图Fig.8 The comparison diagram of clutch slip

图9 离合器冲击度对比图Fig.9 The comparison diagram of clutch impact

通过对离合器滑磨功和冲击度进行分析后发现，在滑磨功这项性能指标中，采用PID控制的离合器在急加速起步阶段会产生6 326 J的滑磨功，而采用自适应模糊神经网络的则仅有5 328 J，相比较减少了15.8%左右的滑磨功，这将很大程度上延长离合器的寿命，提高车辆的性能.然后对车辆的冲击度进行分析发现，采用PID控制的车辆冲击度最大达到了17.19 m/s3，而采用自适应模糊神经网络的车辆冲击度仅有8.35 m/s3，相比较降低了51.4%，这会对车辆在急加速起步中的车辆舒适性和稳定性有很大的改善.

4 结 论

通过对离合器进行动力学分析，并分别采用PID和自适应模糊神经网络对其进行调节，然后建立插电式混合动力汽车模型进行仿真和比较.结果发现采用自适应模糊神经网络调节的离合器接合时间更短，滑磨功更小，冲击度也更小，因此采用自适应模糊神经网络控制的车辆性能更优，驾驶舒适性更好.在后续研究中，只需将控制模型直接生成代码就可以进行实车实验，很大程度上可提高研发效率，对离合器的开发具有重要意义.

[1] 金燕，解振方，陈佳彬，等.基于预测的PHEV动力分配模糊逻辑控制策略[J].浙江工业大学学报，2015,43(1)：97-102.

[2] NICOLETTE D, KENNETH S. Household’ stories of their encounters with a plug-in hybrid electric vehicle[J].Environment and behavior,2012,44(4)：493-508.

[3] MICHALEK J, CHESTER M, JARAMILLO P, et al. Valuation of plug-in vehicle life-cycle air emissions and oil displacement benefits[J]. Environment and behavior,2011,108(40)：16554-16558.

[4] HAMUT H.S, DINCER I, NATERER G.F. Analysis and optimization of hybrid electric vehicle thermal management systems[J]. Journal of power sources,2014,247：643-654.

[5] KAUR J, GAUR P, SAXENA P, et al. Speed control of hybrid electric vehicle using artificial intelligence techniques[J]. International journal of computing and network technology,2014,2(1)：33-39.

[6] 隗寒冰,何义团,李军,等.混合动力电动汽车控制策略-分类、现状与趋势[J].重庆交通大学学报，2013,32(5)：1049-1054.

[7] 陈全世,朱家琏,田光宇.先进电动汽车技术[M].北京:化学工业出社,2013.

[8] REGEV I D, SNYDER K, KU J, et al. Parallel-through-the-road plug-in hybrid vehicle design development process[C]//SAE 2012 International Powertrains, Fuels & Lubricants Meeting. American: Society of Automotive Engineers,2012：757-766.

[9] MANNING P C, WHITE E, ALLEY R J, et al. Vehicle system design process for a series-parallel plug-in hybrid electric vehicle[J]. SAE international journal of alternative powertrains,2012,1(2)：503-524.

[10] NIKHILL K, CHING-SHIN S, JEREMY M. Optimal plug-in hybrid electric vehicle design and allocation for diverse charging patterns[C]// ASME Design Engineering Technical Conference. American: American Society of Mechanical Engineers,2009：899-908.

[11] HU S, DENG J, MI C, et al. Optimal design of line level control resonant converters in plug-in hybrid electric vehicle battery chargers[J]. Electrical systems in transportation,2014,4(1)：21-28.

[12] 殷承良,张建龙.新能源汽车整车设计—典型车型与结构[M].上海：上海科学技术出版社,2013.

[13] 孙 龙,石晓辉,张志刚.AMT离合器接合过程扭矩传递特性分析[J].重庆理工大学学报(自然科学版),2011(10):19-22.

[14] 夏长高,张猛,王继磊,等.AMT汽车起步过程离合器接合控制的研究[J].重庆交通大学学报(自然科学版),2012,31(3):125-129.

[15] 胡川.汽车AMT自动离合器控制算法研究及快速控制原型系统开发[D].武汉：华中科技大学，2007.

[16] 周晋超,刘子建,皮皓杰,等.基于发动机转矩与转速控制的AMT换挡策略研究[J].工程设计学报,2015(2)：185-192.

[17] 袁海斌,李运华,袁海文,等.大型轮式工程车辆转向系统的神经网络PID控制[J].系统仿真学报,2005(5)：1185-1187.

[18] 崔军.电动车分布式驱动系统的信号采集与处理研究[D].北京：中国科学院研究生院(电工研究所),2005.

[19] 林屹清.比例型车用电磁执行器驱动及控制系统研究[D].无锡：江南大学,2011.

[20] 李学修,黄虎,刘长虹.基于ANFIS的汽车自动变速器换档规律的决策判断[J].上海工程技术大学学报,2006,20(2)：104-107.

[21] 陈慧萍,王建东,樊春霞.基于自适应神经模糊推理系统的非线性系统控制[J].计算机仿真.2004,21(3)：85-87.

[22] 韩冬梅,王丽萍,吴秋花.基于模糊偏好的多目标粒子群算法在库存控制中的应用[J].浙江工业大学学报，2012,40(3)：348-351.

[23] 何通能,安康,逯峰.基于模糊PI控制的三相船用逆变电源研究[J].浙江工业大学学报，2013,41(2)：222-227.

(责任编辑：刘 岩)

Clutch control method and model-based simulation of plug-in hybrid vehicle

YU Shiming, SUN Chao

(College of Information Engineering, Zhejiang University of Technology, Hangzhou 310023, China)

The plug-in hybrid vehicle is usually equipped with multi-power sources such as an engine, a motor and so on, therefore it may produce a huge torque in the process of rapid acceleration, which makes the control of its clutch difficult. On the basis of dynamic analysis to clutch when the vehicle is starting, this work extracts the clutch control as a typical problem of target tracking control. The PID and adaptive fuzzy neural network method is used to control the clutch respectively. The simulation results show that the control performance of the adaptive fuzzy neural network control is obviously better than PID control. The model can be directly transformed into the corresponding C-language code which can be programmed into a vehicle controller as one part of actual control software.

clutch; PID; adaptive fuzzy neural network; vehicle simulation

2016-11-21

余世明(1962—)，男，甘肃天水人，教授，博士生导师，研究方向为嵌入式系统与机电控制，自适应模型预测控制，E-mail:ysm@zjut.edu.cn.

TP18

A

1006-4303(2017)03-0305-05