基于近似ECMS策略的HEV自适应规则能量管理控制研究*

邓涛，罗俊林，李军营，周豪

(重庆交通大学机电与车辆工程学院，重庆400074)

基于近似ECMS策略的HEV自适应规则能量管理控制研究*

邓涛，罗俊林，李军营，周豪

(重庆交通大学机电与车辆工程学院，重庆400074)

为解决当前等效燃油消耗最低策略实时性差的问题，寻求一种近似ECMS的规则控制策略，建立ECMS控制模型，分析等效因子、等效油耗和分配转矩之间的关系，获取ECMS策略下转矩分配的定性规律。基于此规律提出一种基于分段线性SOC反馈的自适应规则策略，并在自定义循环工况下对提出的自适应规则控制策略与传统控制策略进行仿真对比，结果表明:提出的控制策略具有良好的SOC控制能力，与传统规则策略比较，燃油消耗降低了16.37%。搭建硬件在环试验系统，对自适应规则能量管理控制策略进行试验验证，结果表明:所提出的控制策略具有较好的实时性、稳定性和准确性，可应用于实车控制。

HEV;能量管理;ECMS;自适应规则;硬件在环试验

前言

目前，混合动力汽车仍然是实现汽车节能减排的有效途径之一，而能量管理策略对发挥其节能减排的潜力有着至关重要的影响。当前能量管理策略主要分为两大类:基于规则能量管理策略和基于最优化能量管理策略。基于优化的控制策略，如动态规划(dynamic programming，DP)［1］、极小值原理(pontryagin's minimum principle，PMP)［2－3］、随机动态规划(stochastic dynamic programming，SDP)［4］、模型预测控制(model predict control，MPC)［5］、等效燃油消耗最低策略(equivalent consumption minimum strategy，ECMS)［6］等能取得最优的燃油经济性，其中ECMS是实时优化策略，最有可能进行实车应用，但计算复杂限制了其在实车中的应用。规则控制策略简单，能应用于实车，但规则制定主要依靠人的经验，控制效果不佳［7］。为克服最优控制和规则控制的缺点，提出了很多有效的方法来优化基于规则的能量管理策略，如利用遗传算法［8］、DP算法［9］、结合基于规则与ECMS的能量管理策略［10］，还有离线生成控制MAP，通过在线插值实现实时控制［11－12］。这些方法具有实时性，但是都存在一定的缺陷，因为基于一种或者几种特定工况提取的规则或MAP，鲁棒性不强，一般只是针对特定工况控制效果较好。

因此，为实现ECMS策略实时控制，本文中在ECMS控制规律的定性分析基础上，提出一种新的近似ECMS算法的自适应规则控制策略，实现与ECMS策略近似的节油效果，且能克服ECMS实时性差的问题。

1 并联混合动力系统结构

本文中研究的并联式混合动力系统，主要由发动机、驱动电机、离合器、转矩耦合器和AMT变速器等组成，如图1所示，整车动力系统参数如表1所示。发动机输出轴通过离合器与转矩耦合器接合，电机直接与转矩耦合器接合，采用两对齿轮对发动机和电机的转矩进行耦合，转矩耦合器的输出轴直接与AMT变速器输入轴相连。离合器断开时，整车工作在纯电动模式;当离合器接合时，整车工作在并联驱动模式，发动机可单独驱动车辆，也可与电机共同驱动车辆，还可带动电机为电池充电。

图1 并联混合动力系统结构示意图

表1 并联混合动力汽车整车及动力总成参数

基于纵向动力学建立整车模型，汽车受到的阻力包括滚动动力、空气阻力、坡度阻力和加速阻力，驱动力平衡方程为

式中:Ft为汽车驱动力，N;Ff为滚动阻力，N;Fw为空气阻力，N;Fi为坡度阻力，N;Fj为加速阻力，N;f为滚动阻力系数;m为整车质量，kg;CD为空气阻力系数;δ为旋转质量换算系数。

发动机输出转矩Te和电机输出转矩Tm必须等于整车系统在当前车速下的需求转矩Treq，以满足驾驶要求，即

电池采用简单的电阻等效模型，电压源、电阻和负载串联连接，此时电池电流和SOC分别为

式中:Uoc为电池开路电压，V;Rint为电池电阻，Ω; Pbat_req为电池输出端需求功率，W;Qmax为电池最大容量，A·h。

2 ECMS策略

2.1 ECMS策略描述

ECMS策略是一种实时控制策略，其核心思想是通过一个等效因子，将瞬时电池电能消耗等效为瞬时燃油消耗，通过计算在当前时刻发动机和电机所有可能转矩分配组合，得到等效燃油消耗最低的转矩分配组合，作为控制器的输出。瞬时等效油耗可表示为

式中:f为发动机瞬时燃油消耗率，g/s;Qlhv为燃油低热值，取44 000J/g;Pbat为电池端功率，当Pbat＞0时，表示电池放电，当Pbat＜0时，表示电池充电;s为等效因子;ηm为电机平均效率;ηdis为电池平均放电效率;ηe为发动机平均工作效率;ηchg为电池平均充电效率;ηchg为电池当前充电效率;ηdis为电池当前放电效率。

需要指出的是，ECMS策略对等效因子十分敏感，而工况、电池SOC、驾驶风格和路面坡度等都是等效因子的影响因素。如果等效因子选取太大，控制策略会偏向于用燃油，导致油耗增加，而使电池电量上升;如果等效因子选取过小，控制策略偏向用电，这样就会导致电耗过多，而使电池电量下降过多［12－14］。因此如果等效因子选取不当，不但无法实现电量保持，而且还可能会导致油耗过多，等效因子的确定方法见下节。

发动机瞬时燃油消耗率m·f可通过发动机转矩、转速插值计算得到;电池端功率Pbat可通过电机转矩、转速、电机效率和电池效率计算得到。在给定车速和需求转矩的条件下，由式(3)可知，一旦电机转矩确定，发动机转矩也将确定，因此将电机输出转矩Tm作为控制变量，则性能指标函数表示为

电机最优分配转矩Tm*为

同时须满足如下约束条件:

2.2 等效因子确定方法

对于给定的工况可采用离线计算得到最优的等效因子，通过离线仿真的方式，反复调整等效因子，当电池最终荷电状态与初始荷电状态相等时，认为对应的等效因子为最优等效因子。在实车控制中，无法确定未来的行驶工况，必然要对等效因子进行调整。

由式(6)可知，一旦给定等效因子，电池的等效油耗与电池端功率成正比，两者的比值为s·。为直观分析等效因子对等效油耗的影响，将电机单独驱动、发动机单独驱动和两者并联驱动的最低等效油耗曲线放在一起进行比较分析。采用离线打靶法，求出NEDC、中国城市典型工况和FTP75工况下的最优等效因子分别为2.45，2.315和2.675。这里取等效因子s为2.4，转速为1 500r/min进行分析，图2为3种驱动模式(发动机单独驱动、电机单独驱动和并联驱动)下的等效油耗曲线。在需求转矩为0时，由于发动机怠速消耗燃油，所以其油耗不为0;由于混合驱动的时候，默认发动机一直处于起动状态，因此混合驱动的油耗与发动机驱动油耗起始点相同;而纯电驱动时发动机处于关闭状态，因此纯电驱动的等效油耗曲线从0开始上升。

图23 种驱动模式下的等效油耗曲线

由图可见，3条油耗曲线与需求转矩呈近似线性关系，当s=2.4时，电机等效油耗曲线的斜率最大。电机油耗曲线与混合驱动油耗曲线有一个交点A，当需求转矩低于A点对应的转矩时(模式切换转矩)，采用纯电动油耗最低;当需求转矩超过A点对应的转矩时，混合驱动油耗最低，而发动机或者电机单独驱动的油耗都比它高。由图2可见，电机驱动等效油耗曲线斜率大于发动机油耗曲线斜率，注意到当电机功率为负(即电机发电)时，电机等效油耗为负，在相同转矩增量下，发动机油耗增量的绝对值小于电机等效油耗的绝对值。因此，当需求转矩大于A点对应转矩时，为了降低总油耗，发动机将尽可能增大输出转矩，从而使电机输出更大的负转矩，这就是A点后采用混合驱动油耗最低的原因。B点后等效燃油不再增加，是因为电机和发动机已经达到最大输出转矩。

将不同转速下的模式切换转矩、电机外特性曲线绘制在发动机油耗MAP图上，可以确定出等效因子的有效取值范围，图3为等效因子等于2.4时的模式切换转矩线。因为等效因子越小，ECMS策略就更偏向于用电，所以当模式切换转矩与电机外特性转矩曲线重合时，获得等效因子的最小值;当模式切换转矩曲线等于发动机最小转矩曲线时，获得等效因子的最大值。等效因子最小值和最大值通过离线迭代得到，且只与发动机、电机和电池的自身特性有关。本研究中的等效因子的最小临界值smin=2，最大临界值smax=3，为后续自适应调节等效因子提供调节参考范围。

图3 模式切换转矩

3 近似ECMS的自适应规则控制策略

3.1 自适应规则控制策略

为了得到ECMS策略的定性规律，进一步分析在给定等效因子的情况下电机的转矩分配规律，不同等效因子下，电机转矩随需求转矩变化曲线如图4所示。可以看到在不同等效因子下，电机的转矩分配曲线具有相似的规律，随着等效因子减小，电机单独驱动的转矩更大，即模式切换转矩变大。

图4 不同等效因子电机分配转矩随需求转矩的变化

为了得到更为一般的结论，取出等效因子等于2.6时的转矩分配曲线进行分析，如图5所示。

图5等效因子s=2.6时，电机分配转矩随需求转矩的变化

图5 中AB段电机转矩随需求成正比增大，电机单独驱动(纯电驱动模式);

BC段电机转矩突变，电机由驱动变为发电，因此B点为模式切换点，从整车角度看，B点是纯电驱动模式向混合驱动模式的切换点;

DE段，当需求转矩进一步加大，由于发动机最大转矩限制，让发动机工作在最大转矩点，而电机发电转矩减小(发动机驱动并发电模式);

EF段由于电机在低转矩区发电效率低，因此停止发电，发动机单独驱动车辆，整车需求转矩刚好到达发动机最优工作点(发动机单独驱动模式)。

FG段，在F点，发动机再次达到最大转矩，此时发动机保持最大转矩输出，剩余转矩由电机提供(电机助力模式)。

根据以上分析，ECMS策略的转矩分配有一定规律，并且等效因子影响最大的就是模式切换转矩。因此，规则控制策略首先需要从ECMS算法中提取模式切换转矩。具体实现方法是:采用3重循环迭代的方式计算模式切换转矩，等效因子取值2～3，转速取值从发动机最低转速到发动机最高转速，在当前等效因子和转速下，需求转矩取值变化从0到当前转速下动力系统能提供的最大转矩，得到混合驱动最低等效燃油消耗和纯电驱动等效油耗，然后进行比较，当纯电驱动等效油耗与混合驱动等效油耗相等时，得到模式切换转矩，如图6所示。显然，模式切换转矩随等效因子s的增大而减小，根据前文分析，模式切换转矩最大值取不超过电机最大转矩。

图6 模式切换转矩

为了实现与ECMS策略近似的转矩分配规律，根据模式切换转矩、发动机最优工作曲线和发动机外特性曲线，将需求转矩划分为4个区间，分别为纯电驱动、发动机驱动并发电、发动机驱动和电机助力驱动。当需求转矩小于模式切换转矩时，采用纯电驱动;当需求转矩大于模式切换转矩而小于发动机最优转矩时，发动机工作于最大转矩点，剩余转矩用来发电，即发电驱动模式，如果发动机转矩大于电机最大发电转矩，则调整发动机转矩，以保护电池;当需求转矩大于发动机最优转矩而小于发动机最大转矩，采用发动机单独驱动;当需求转矩大于发动机最大转矩时，保持发动机输出最大转矩，剩余转矩由电机提供。当电池SOC高于最大值时，则优先电机驱动，不再对其进行充电，当电池SOC低于最小值时，则发动机单独工作，并尽量为电池充电。

根据以上制定的自适应规则控制策略，在Matlab中用m文件建立并联混合动力汽车仿真模型，在NEDC循环下对所提出规则控制策略进行仿真分析，并与ECMS策略进行对比(两种策略的最优等效因子都是采用离线打靶法［12］得到)。两种策略的SOC变化曲线如图7所示，规则策略的SOC变化比较平缓，而ECMS策略的SOC前段充电较多，后段充分利用制动能量最终达到初始SOC，说明ECMS策略利用制动能量更充分。ECMS策略的百公里油耗为4.65L，规则ECMS策略为4.78L，仅比ECMS策略增加2.8%。由此说明了只要能够取得最优的等效因子，该规则控制策略能够取得与ECMS策略相近的燃油经济性。

图7 两种策略的SOC变化曲线

3.2 等效因子自适应策略

ECMS策略在不同工况下的最优等效因子可以通过离线得到，但是对于本文所提出的近似ECMS规则控制策略，由于工况未知，因此等效因子必须进行在线更新。如果等效因子取值太小，模式切换转矩增大，则电机驱动时间增加，电池SOC会消耗过快。因此当SOC较小时，需要减少电机驱动的时间，可通过降低模式切换转矩来实现，根据图6分析，只需要增大等效因子即可;当SOC较大时，则需要减小等效因子。基于SOC反馈的等效因子调节方法［5］，提出分段线性SOC反馈调节方法，其中比例系数k的大小，代表调节强度，反馈调节表示如下。

式中:s0为初始等效因子，取值2.5;k为SOC惩罚因子;SOC(t)为当前时刻SOC;SOCref为SOC初始值。本文中k取值为10，SOCref=0.6，SOClow=0.575，SOChig=0.625;SOC的最大值设置为0.65，最小值设置为0.55。

4 仿真分析

为验证自适应规则控制策略的自适应能力和节油效果，在自定义联合工况下进行测试，该联合工况包括新欧洲城市工况NEDC、中国城市典型工况和美国FTP75市区工况，总里程34.49km，见图8。

图8 自定义联合工况

与传统逻辑门限规则控制策略进行对比，图9和图10分别为自适应近似ECMS规则策略和传统逻辑门限规则策略发动机和电池输出功率曲线，图11为自适应近似ECMS规则和传统逻辑门限规则策略下的SOC曲线。

图9 自适应近似ECMS规则-功率分配

图10 传统逻辑门限规则-功率分配

图11 两种策略SOC变化曲线

如图8～图11所示，自适应近似ECMS规则在初始阶段不管电量，而是根据前面制定的控制策略进行转矩分配，只要超过模式切换转矩，发动机就起动。因此在0～500s之间发动机有输出功率，并导致SOC上升，当SOC超过0.625时(图11所示)，自适应调节开始起作用，控制策略偏向用电，如图9所示，这时发动机工作时间减少，而传统逻辑门限策略在开始阶段由于电量充足，且需求功率较小，完全由电机驱动车辆，电池SOC很快到达下限，为了保持电量，发动机输出转矩驱动车辆，并带动电机为电池充电，这时发电功率比较大，电池电量很快回升，但回升到一定限制，不再控制充电，电量又很快消耗。在1 000s左右，从图11可见，传统规则策略的电池电量多次到达下限，为保持电量，而消耗多余的燃油，如图9和图10所示，图10中的发动机输出功率比图9中的发动机输出功率更多。

由图11可见，自适应规则策略能够很好地保持电池SOC在上下限之间，从而避免发动机在电池SOC触及边界时不必要的起动。并且在整车需求转矩低于模式切换转矩时，发动机处于关闭状态，从而节约更多的燃油。

图12和图13分别为自适应规则策略中发动机和电机工作点的分布，发动机主要工作在高效率区，而电机在中低效率区工作点分布较多，是因为需求转矩在模式切换转矩之下，都是由电机单独驱动车辆，因此电机的效率不是特别高。在联合工况下，传统规则策略的百公里油耗为4.46L，自适应规则策略的百公里油耗为3.73L，燃油消耗降低16.37%。

图12 自适应近似ECMS规则-发动机工作点分布

图13 自适应近似ECMS规则-电机工作点分布

5 硬件在环仿真实验

为验证本文中提出的控制策略的实时性和稳定性，搭建硬件在环仿真平台。在Matlab/Simulink中建立HEV整车模型(不包括控制策略)，并添加RTI接口，接口包括两路ADC，用于模拟加速和制动踏板信号;两个CAN发送接口，分别用于模拟变速器和电池管理系统;一个CAN接收，用于接收整车控制器的CAN数据，数据包括发动机、电机、制动器的转矩、发动机开关控制信号、电机运行模式和离合器控制信号，编译模型并自动下载到dSPACE实时硬件系统，实时模型如图14所示。

将离线仿真的控制策略单独提取出来，采用自动代码生成技术快速生成整车控制器能直接下载的C代码，并手工添加驱动程序，通过PC上的编译软件将程序下载到整车控制器中。本实验中整车控制器主控芯片为MPC5634M微处理，dSPACE处理器板型号为DS1005，CAN通信格式为扩展帧格式，波特率250kb/s，ID定义遵循J1939协议，整车控制器利用实时中断采集AD信号、运行控制策略以及发送CAN数据，通过CAN中断接收dSPACE的CAN信号，整车控制器实时中断周期为10ms，dSPACE实时中断周期为10ms，实物连接如图15所示。ControlDesk是dSPACE配套的标定软件，可以很方便地采集和更改数据。

图14 硬件在环仿真模型

图15 硬件在环仿真实物图

在硬件在环仿真中，采用与离线仿真相同的工况。仿真结果如图16～图18所示。图16是需求转矩与实际转矩曲线，可以看出，实际转矩与需求转矩曲线几乎重合，没有出现不规则的波动，验证了控制策略的可靠性以及实时性，从局部放大图可以看出实际转矩和需求转矩有一定偏差，这是因为单片机定义转矩数据类型为有符号的整型数据，因此当需求转矩为小数时，实际转矩总是需求转矩的四舍五入取整值。HIL仿真百公里燃油消耗为3.85L，比离线仿真油耗增加3.5%，这是由于数据的精度导致的，在可接受的范围之内。图17和图18分别是电池SOC和功率分配曲线，取得与离线仿真一致的结果，也说明了控制策略的有效性。

图16 需求转矩与实际转矩曲线

图17 硬件在环仿真SOC变化曲线

图18 硬件在环仿真功率分配曲线

6 结论

(1)以并联混合动力汽车为研究对象，建立等效燃油消耗最低模型，对纯电驱动等效油耗、混合驱动等效油耗和发动机单独驱动等效油耗进行分析，提取模式切换转矩，从而提出确定等效因子上下限的方法。

(2)离线生成电机分配转矩曲线和模式切换转矩曲面，提取ECMS策略的转矩分配规律，从而提出近似ECMS规则控制策略。

(3)在建立的整车仿真平台中对所设计控制策略在NEDC循环下进行验证，结果表明在一定等效因子下，该策略与ECMS策略相比，燃油经济性仅相差2.8%。

(4)为了适应不同的工况，进一步提出基于SOC反馈的自适应规则控制策略，在自定义联合工况下进行仿真，结果表明本文提出的自适应近似ECMS规则控制策略具有良好的SOC控制能力，与传统逻辑规则相比，燃油消耗降低了16.37%。

(5)搭建了硬件在环仿真平台，验证了建立规则控制策略的实时性和稳定性，控制策略可用于实车控制。

［1］邹渊，侯仕杰，韩尔樑，等．基于动态规划的混合动力商用车能量管理策略优化［J］．汽车工程，2012，34(8):663－668．

［2］林歆悠，孙冬野，邓涛．基于极小值原理的混联混合动力客车能量管理策略优化［J］．汽车工程，2012，34(10):865－870．

［3］许世景，吴志新．基于PMP的HEV全局最优能量管理策略研究［J］．中国机械工程，2014，25(1)．

［4］林歆悠，孙冬野，尹燕莉，等．基于随机动态规划的混联式混合动力客车能量管理策略［J］．汽车工程，2012，34(9):830－836．

［5］BORHAN H，VAHIDI A，PHILLIPS A M，et al．MPC-based energy management of a power-split hybrid electric vehicle［J］．Control Systems Technology IEEE Transactions on，2012，20(3):593－603．

［6］PAGANELLI G，ERCOLE G，BRAHMA A，et al．General supervisory control policy for the energy optimization of charge-sustaining hybrid electric vehicles［J］．Jsae Review，2001，22(4):511－518．

［7］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．

［8］SORRENTINO M，RIZZO G，ARSIE I．Analysis of a rule-based control strategy for on-board energy management of hybrid solar vehicles［J］．Control Engineering Practice，2011，19(12):1433－1441．

［9］CHEN B C，WU Y Y，TSAI H C．Design and analysis of power management strategy for range extended electric vehicle using dynamic programming［J］．Applied Energy，2014，113(1):1764－1774．

［10］KUGOR B，CIPEK M，DEUR J，et al．Design of a power-split hybrid electric vehicle control system utilizing a rule-based controller and an equivalent consumption minimization strategy［J］．Proceedings of the Institution of Mechanical Engineers Part D Journal of Automobile Engineering，2014，228(6):631－648．

［11］KEULEN T V，MULLEM D V，JAGER B D，et al．Design，implementation，and experimental validation of optimal power split control for hybrid electric trucks［J］．Control Engineering Practice，2012，20(5):547－558．

［12］GUARDIOLA C，PLA B，et al．A stochastic method for the energy management in hybrid electric vehicles［J］．Control Engineering Practice，2014，29(8):257－265．

［13］HAN J，PARK Y，KUM D．Optimal adaptation of equivalent factor of equivalent consumption minimization strategy for fuel cell hybrid electric vehicles under active state inequality constraints［J］．Journal of Power Sources，2014，267(4):491－502．

［14］MUSARDO C，RIZZONI G，GUEZENNEC Y，et al．A-ECMS: An adaptive algorithm for hybrid electric vehicle energy management［J］．European Journal of Control，2005，11(4):509－524．

A Study on Adaptive Rule Energy Management Control for HEV Based on Approximate ECMS

Deng Tao，Luo Junlin，Li Junying＆Zhou Hao
School of Mechatronics＆Automotive Engineering，Chongqing Jiaotong University，Chongqing400074

In order to seek an approximate equivalent consumption minimum strategy(ECMS)in view of the poor real-time performance of existing ECMS，an ECMS control model is established，and the relationships among the equivalent factor，equivalent fuel consumption and torque distribution are analyzed，with the qualitative law of torque distribution under ECMS obtained．On the basis of the law，an adaptive rule strategy based on piecewise linear SOC feedback is proposed and a comparative simulation is conducted on the proposed adaptive rule control strategy and traditional control strategy under the self-defined driving cycle．The results show that the control strategy proposed has a good ability of SOC control，with a fuel consumption being 16.37%less than that of traditional strategy．Moreover，a hardware-in-the-loop test is also performed to verify the adaptive rule control strategy with a result indicating that the proposed control strategy has good real-time performance，stability and accuracy，applicable for real vehicle control．

HEV;energy management;ECMS;adaptive rule;hardware-in-the-loop test

10．19562/j．chinasae．qcgc．2017．06．001

*国家自然科学基金(51305473)、中国博士后科学基金(2014M552317)、重庆市博士后研究人员科研项目(xm2014032)、重庆市科委基础与前沿研究计划项目(cstc2013jcyjA60007)和重庆市教委科学技术研究项目(KJ120421)资助。

原稿收到日期为2016年5月26日，修改稿收到日期为2016年8月14日。

邓涛，教授，E-mail:d82t722@163．com。