基于模糊控制的ISG-FHEV等效燃油消耗最小策略*

付主木 ，刘晓真 ，周 祥

（1.河南科技大学信息工程学院，河南 洛阳 471023；2.河南省机器人与智能系统重点实验室，河南 洛阳 471023；3.河南科技大学电气工程学院，河南 洛阳 471023）

基于模糊控制的ISG-FHEV等效燃油消耗最小策略*

付主木1，2，刘晓真1，周 祥3

（1.河南科技大学信息工程学院，河南 洛阳 471023；2.河南省机器人与智能系统重点实验室，河南 洛阳 471023；3.河南科技大学电气工程学院，河南 洛阳 471023）

针对ISG重度混合动力汽车，设计了一种基于模糊控制的等效燃油消耗最小策略，以提高发动机和电机驱动系统效率以及整车的燃油经济性。通过对整车等效燃油消耗的分析，构建了整车等效燃油消耗最小目标函数；引入模糊控制对等效因子进行调整，加强等效因子对行驶工况的适应性和对电池荷电状态的偏差控制。仿真结果表明，所设计的控制策略与常规ECMS相比，发动机效率提高8.3%，电机驱动效率提高11.1%，百公里耗油量降低8.4%。

混合动力汽车，燃油经济性，等效因子，等效燃油消耗最小策略，模糊控制

0 引言

作为轻中度混合动力汽车的组合，拥有ISG电机和主电机的ISG重度混合动力汽车（Full Hybrid Electric Vehicle assisted by an Integrated Starter Generator，ISG-FHEV），同时具有轻中度结构的特性和优点，不仅为发动机提供更多的电机助力，而且在行车充电和再生制动情况下均有较高的发电效率，对于提高发动机和电机驱动系统以及整车效率有着很大的潜力［1-2］。

开发ISG-FHEV的一个关键问题是多个能量源之间的协调，能量管理的目标是在满足整车能量需求前提下尽量减少燃油消耗，同时维持电池荷电状态（State of charge，SOC）在合理范围内［3］。由于ISG-FHEV中电机驱动系统占了很大的比重，在考虑发动机燃油经济性的同时，也要考虑电机电能的经济性，并且针对能量实时最优分配，PAGANELLI G等［4］率先提出了基于等效燃油消耗最小策略（E-quivalent Consumption Minimization Strategy，ECMS）的瞬时优化控制策略，考虑了油电转换效率，本质上包含了整车动力系统的效率问题，且等效燃油消耗最小策略的有效性关键在于等效因子的正确取值［5-6］。Sciarretta A［7］等针对充电和放电两种情况设计了两个随时间变化的等效因子，通过引入一个新的参量，将两个等效因子统一为一个参量。Onori S等［8］提出一种自适应ECMS，根据电池充放电状态的反馈在线调节等效因子。Bo G等［9］在不同的行驶条件下采用驱动模式识别方法估计等效因子，并周期性更新控制参数以更精确地估计。Sezer V［10］等将电池的SOC纳入到充放电等效因子的计算中。等效因子的确定依赖于精确的数学模型，对系统误差非常敏感，而混合动力汽车与行驶工况的精确模型均比较复杂。模糊控制具有自适应性，不依赖精确的数学模型就能有效解决推理过程的非线性和不精确问题，有更大的容错性，适用于解决复杂行驶工况中混合动力汽车的快速动力学问题［11-12］。

基于此，本文针对ISG-FHEV，设计了一种基于模糊控制的等效燃油消耗最小策略，最后在MATLAB/ADVISOR环境下进行了仿真与对比分析。

1 ISG-FHEV动力总成及功率分流模式

本文采用发动机、ISG电机、主电机和3个离合器相结合的ISG-FHEV，其系统结构及能量流动情况如图1所示。

图1 ISG-FHEV系统结构及能量流动情况

该系统结构中，ISG电机和发动机之间采用单轴并联式连接结构。为了保证发动机、主电机和ISG电机驱动系统的相对独立，增设了分流器总成和相应的离合器，不仅使ISG电机实现发动机的快速启停、发电和电机助力，而且还具有单独驱动、辅助主电机驱动等功能，可以实现多种工作模式的切换。

假设离合器闭合时不发生功率损耗，由分流器总成决定3个离合器的闭合和分离，将ISG-FHEV驱动系统下的功率分流模式分为行车充电模式、发动机单独驱动模式、混合驱动模式和纯电动模式。整车需求功率由发动机和电机驱动系统共同提供。

式中，Preq为整车的需求功率，Peng为发动机输出功率，Pbat为电机驱动系统输出功率。

在混合驱动模式、纯电动驱动模式均有电机驱动系统的参与，电机驱动系统功率包括了主电机、ISG电机输出功率

式中，Pemg为主电机输出功率，Pisg为ISG电机输出功率。

此时引入一个参量α来描述主电机和ISG电机驱动之间的工作模式，定义如下

①当α=0时，Pemg=0主电机不提供动力输出，此时为ISG电机单独参与驱动；

②当0＜α＜1时，主电机和ISG电机均为汽车提供动力输出，此时为双电机驱动；

③当α=0时，Pemg=Pbat主电机提供全部的动力输出，此时为主电机单独参与驱动。

上述功率分流方式通过分流器总成来实现，通过设计相应的能量管理控制策略，实现混合动力汽车工作模式切换的同时分配该模式下的发动机、ISG电机和主电机的最优功率，从而实现整车的最佳燃油经济性。

2 整车等效燃油消耗分析

对于电量维持型混合动力汽车而言，电池只是作为一个能量缓冲器，消耗的电池电能需要在车辆未来的行驶中由发动机多消耗一定量的燃油进行补偿，需要建立所消耗电池电能与补偿所需燃油的等效关系。首先整车等效燃油消耗量的表达式为

由于ISG电机和主电机所消耗的电能均来自于电池电能，所以先将两者的等效燃油消耗量归结为所消耗电池电能的等效燃油量。

式中，QLHV为燃油低热值。

针对电池放电和充电两种情况，引入一个二值变量γ，γ等于0或1，当γ=0时是电池充电，当γ=1时是电池放电，则ISG-FHEV整车燃油消耗率的目标函数为

式中，schg和sdis分别为充放电等效因子，ηbat-chg和ηbat-dis分别为电池的充放电效率，ηele为电机驱动系统效率，包括ISG电机效率ηisg和主电机效率ηemg。

其约束条件为：

在约束条件下，以整车等效燃油消耗量最小值Jmin为控制目标，以电池功率Pbat为控制变量，通过目标函数求得最小等效燃油消耗量Jmin及其对应的电池功率Pbat，进而求出发动机功率，并在保证电机驱动系统的最高效率下求出变量α，从而实现工作模式的切换及每一时刻发动机、ISG电机和主电机三者间的功率最优分配。

3 等效因子的确定

等效因子的确定是等效燃油消耗最小策略的核心。如果等效因子s太大，在行驶中将倾向于使用燃油，导致油耗增加；反之，则倾向于使用电池电能，导致电池SOC下降过快。

3.1 充放电等效因子

首先在电池放电状态下，假设单位时间内从电池中输出的电能为Ebat-dis，电机驱动系统输出功率为Pbat-dis，则

式中，ηdis为此时放电路径的整体效率。

则补偿这部分电能所消耗的燃油成本CEbat-dis为：

式中，Cchg为整个行驶工况下发动机用于补偿电能所消耗的总的燃油量，Hchg为总的充电能量。ηeng-chg（t）为发动机给电池充电的发动机效率，ηbat-chg（t）为电池充电效率，Pbat-chg（t）为电池的实际充电功率。

结合式（6）、式（9）～式（11），得到放电等效因子为

同理充电等效因子为

3.2 基于模糊控制的等效因子修正

由上述分析可以看出充放电等效因子均是由固定的参数计算得到的，忽略了表征汽车行驶工况的实时反馈，同时也缺少对电池SOC的平衡调节。

因此，本文为了解决行驶工况、电池SOC和控制变量Pbat（t）之间的非显式关系，将等效因子利用专家知识和工程经验进行模糊调整。本文首先引进一个概率因子，将一对充放电等效因子统一为一个等效因子，然后通过模糊逻辑的思想确定概率因子。这里定义等效因子的表达式为

式中，p（t）是概率因子，s（t0）是等效因子 s的初始值。

其中等效因子是随着行驶工况的变化而变化的，而研究表明行驶工况和电池SOC的终值和初值之间的误差有着密切的联系。这里引入电池SOC的参考轨迹SOCref，SOCref是将工况分为若干段，由每一段的SOC变化组合而成，用于跟踪行驶工况中能量需求的变化，并且加入关于SOCref的PI控制，则 s（t0）表达式为

概率因子p（t）的确定取决于电池产生的电能Ebat（t）和电池SOC（t），将其作为输入变量，用于评估电池的工作状态以及控制电池SOC的偏差。根据电量维持型混合动力汽车原理，要保证电池SOC在整个行驶工况中初始值和最终值相同，即SOC（t0）=SOC（tf）

首先是模糊变量单位化。对于电能Ebat（t），电池状态分为电池充放电两种，那么Ebat（t）的论域为［-1，1］。对于电池 SOC（t），本文将电池 SOC 设定在［0.2，0.8］范围内，故电池SOC为0.2对应于单位论域的0，而0.8对应于单位论域的1。

然后是语言变量设计。结合电池产生的电能Ebat（t）的定义，对Ebat（t）设计了：N（负）、Z（零）、P（正）3个语言变量。根据电池SOC的变化状态，对SOC（t）设计了：NB（负大）、NM（负中）、NS（负小）、ZO（零）、PS（正小）、PM（正中）、PB（正大）7个语言变量。

其次是隶属函数的设计。根据对ISG-FHEV能量管理的分析推理，并结合实际经验，由行驶工况中电池产生的电能Ebat（t）和电池SOC（t）的变化情况确定出我们想要得到的概率因子p（t）的最优结果，得出输入、输出变量隶属函数如图2所示。

图2 模糊控制器隶属函数

接下来制定模糊规则。模糊规则是模糊控制器设计的核心，根据等效燃油消耗最小思想，概率因子p（t）要根据工况的变化进行相应的调整，并保证电池SOC维持在小范围波动，模糊控制规则形式如表1所示。

表1 模糊规则表

其中主要核心控制规则为：

①如果Ebat（t）为负，说明电池充电，此时p（t）应更倾向于选择充电等效因子schg；

②如果Ebat（t）为正，说明电池放电，此时p（t）应更倾向于选择放电等效因子sdis；

③如果Ebat（t）为零，说明电池不做功，就要考虑电池SOC；

④如果电池SOC（t）太低（负大），就需要以尽可能快的速度给电池充电；

⑤如果电池SOC（t）相对低（负中），就需要以相对快的速度给电池充电；

⑥如果电池SOC（t）有点低（负小），就需要以缓慢的速度给电池充电；

⑦如果电池SOC（t）在给定值附近（零），此时电池不需充电也不需放电；

⑧如果电池SOC（t）有点高（正小），就需要以缓慢的速度给电池放电；

⑨如果电池SOC（t）相对高（正中），就需要以相对快的速度给电池放电；

⑩如果电池SOC（t）太高（正大），就需要以尽可能快的速度给电池放电。

最后是解模糊。本文模糊控制器采用重心法解模糊，实时得到p（t）的值，进而求出等效因子s，通过目标函数求得最小等效燃油消耗量Jmin及其所对应的最优电池功率Pbat-opt。

具体的步骤总结如下:

①测量车速和车辆加速度并将其输入车辆模型，进而求出车辆所需的转矩和转速，得出整车需求功率；

②以 ΔPbat为步长，在［Pbat-min，Pbat-max］范围内逐步运算，得到一系列电池功率Pbat（t）；

③通过模糊逻辑确定出概率因子p（t），结合等效因子初始值s0，求出等效因子s；

④用每一个电池功率Pbat（t）结合等效因子s，带入到ISG重度混合动力汽车的整车燃油消耗率的目标优化函数，寻找最优的电池功率Pbat-opt，使目标函数Jmin最小，此时该电池功率Pbat-opt就是最优控制变量。

4 仿真及对比分析

本文在保证动力性的前提下，将所设计的一种基于模糊控制的ECMS与常规ECMS嵌入到整车模型当中，在MATLAB／ADVISOR环境下进行仿真及对比分析。仿真所用汽车主要部件参数如下页表2所示。

表2 汽车主要部件参数

在NEDC路况下验证ISG-FHEV的电池SOC变化、发动机效率和电机驱动效率，其中NEDC路况下电池SOC变化曲线如图3所示。

图3 NEDC路况下电池SOC曲线

这里取电池SOC初值为0.7，从图3（a）可以看出，采用常规ECMS的SOC变化曲线整体呈波浪线下降趋势，电池SOC的初值和终值相差很大，不利于电池的长期使用。从图3（b）可以看出，采用基于模糊控制的ECMS的SOC终值接近于初值，保证电池SOC整体在小范围内波动，在电池SOC过度充电和过度放电时都会作出相应的快速反应，维持电池SOC的平衡。

图4 NEDC路况下仿真结果对比

图4为NEDC路况下两种控制策略下发动机、主电机和ISG电机的工作点。比较图4（a）和图4（b）可以看出，常规ECMS发动机的工作点较分散，部分工作点在高效运行区外，并有许多工作点在发动机最大转矩曲线上，发动机输出效率很低。基于模糊控制的ECMS除起动外的工作点，绝大部分都在高效运行区内，并且工作在最优工作曲线上，发动机效率得到很大的提高。比较图4（c）和图4（d）可以看出，常规ECMS的主电机工作点大部分集中在低转矩附近，主电机的效率很低。而采用基于模糊控制的ECMS后，主电机主动避开低速低转矩情况，且在高速段效率达到85%～90%左右，主电机效率很高。由图 4（e）、图 4（f）可以看出，常规 ECMS 的 ISG电机工作点分散，且大部分分布在高转矩的低效率区域内，ISG电机效率极低。而基于模糊控制的ECMS使ISG电机工作在低速或低转矩情况下，ISG电机在这种运行条件下相比于主电机效率很高，ISG电机代替主电机单独驱动，并且ISG电机负转矩区域工作点较多，充电效率很高，仿真统计结果如表3所示。

表3 仿真结果数据对比

5 结论

本文通过对ISG-FHEV进行整车等效燃油消耗分析，设计了一种基于模糊控制的ECMS，仿真结果表明，采用基于模糊控制的ECMS后，与常规ECMS相比，ISG-FHEV的发动机效率提高8.3%，电机驱动效率提高11.1%，百公里耗油量降低8.4%，提高了整车的燃油经济性，证明所制定的控制策略具有一定的有效性和可行性。

［1］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.

［2］秦大同，隗寒冰，段志辉，等.重度混合动力汽车油耗和排放多目标实时最优控制［J］.机械工程学报，2012，48（6）：83-89.

［3］付主木，王斌，张承慧.一种ISG-FHEV改进能量管理策略［J］.信息与控制，2013，42（2）：264-272.

［4］PAGANELLI G，DELPRAT S，GUERRA T M，et al.Equivalent consumption minimization strategy for parallel hybrid powertrains［C］//Proceedings of the 2002 Vehicle Technology Conference，2002：2076-2081.

［5］李晓甫.桥间分配四驱混合动力电动汽车能耗优化控制策略研究［D］.广州：华南理工大学，2012.

［6］MUSARDO C，RIAAONI G，GUEAENNEC Y，et al.A-ECMS：an adaptive al gorithm for hybrid electric vehicle energy management ［J］.European Journal of Control，2005，11：4-5.

［7］SCIARRETTA A，SERRAO L，DEWANGAN P C.A control benchmark on the energy management of a plug-in hybrid electric vehicle ［J］.Control Engineering Practice，2014，29：287-298.

［8］ONORI S，SERRAO L，RIZZONI G.Adaptive equivalent consumption minimization strategy for hybrid electric vehicles［C］//ASME Dynamic Systems and Control Conference，Cambridge，United States，2010：499-505.

［9］BO G，RIZZONI G.An adaptive algorithm for hybrid electric vehicle energy managementbased on driving pattern recognition［C］//American Society of Mechanical Engineers，Chicago，United states，2006：10-22.

［10］SEZER V，GOKASAN M，BOGOSYAN S.A novel ECMS and combined cost map approach for high-efficiency series hybrid electric vehicles［J］.IEEE Transactions on Vehicular Technology，2011，60（8）：3557-3570.

［11］ZHAOo D Z，STOBART R，DONG G Y.Real-time energy management for diesel heavy duty hybrid electric vehicles［J］.IEEE Transactions on Control Systems Technology，2015，23（3）：829–841.

［12］吴剑，张承慧，崔纳新，等.基于粒子群优化的并联式混合动力汽车模糊能量管理策略研究［J］.控制与决策，2008，23（1）：46-50.

Equivalent Consumption Minimization Strategy Based on Fuzzy Control for Full Hybrid Electric Vehicle Assisted by an Integrated Starter Generator

FU Zhu-mu1，2，LIU Xiao-zhen1，ZHOU Xiang3
（1.School of Information Engineering，Henan University of Science and Technology，Luoyang 471023，China；2.Henan Key Laboratory of Robot and Intelligent Systems，Luoyang 471023，China；3.School of Electronic Engineering，Henan University of Science and Technology，Luoyang 471023，China）

In order to improve the driving efficiency of the engine and motor and the vehicle fuel economy further，an Equivalent Consumption Minimization Strategy （ECMS）based on fuzzy control is designed for a Full Hybrid Electric Vehicle assisted by an Integrated Starter Generator（ISG-FHEV）.Firstly，based on the analysis of the equivalent fuel consumption of the vehicle，the equivalent fuel consumption minimization objective function is constructed.Secondly，the equivalent factor is adjusted by the introduction of fuzzy control to enhance the adaptability to the driving cycle and the deviation control of battery state of charge （SOC）.The simulation results show that compared with the ECMS，the engine efficiency increases 8.3%，motor driving efficiency increases 11.1%，fuel consumption to travel 100 km decreases 8.4%.

hybrid electric vehicle，fuel economy，equivalent factor，equivalent consumption minimization strategy，fuzzy control

1002-0640（2017）10-0103-06

TP391.9

A

10.3969/j.issn.1002-0640.2017.10.022

2016-08-05修回日期：2016-10-07

国家自然科学基金（61473115）；河南省科技创新人才杰出青年计划资助项目（144100510004）

付主木（1974- ），男，湖北仙桃人，教授，博士。研究方向：混合动力汽车建模及控制策略。