探析智能混合动力汽车跟车能耗优化控制

潘力溧

摘 要：人们通过优化智能混合动力汽车的跟车能耗可以有效提高汽车的使用性能。基于此，本文详细阐述了研究者借助力学模型以及控制算法来进行跟车能耗优化控制仿真实验的过程，从而以智能混合动力汽车为研究对象，实现了对其跟车能耗优化控制的研究，希望能够为汽车产业的发展提供一些助力。

关键词：混合动力;跟车能耗;电机模型

0 引言

智能混合动力汽车是指一种驱动系统内包含两个或两个以上可以同时运转的单个驱动系的汽车类型，具有易操作、噪音小等优势，是当前汽车产业发展的新趋势，因此，本文采用了仿真实验的方式，来验证多目标自适应跟车控制对混合动力汽车跟车能耗的优化效果，探究了跟车能耗优化控制的有效方式。

1 研究目的

在智能混合动力汽车内部结构中，存在电动力源和热动力源两种动力源，其中热动力源即为传统的柴油、汽油动力，而电动力源则为先进的电动机或电池，当汽车行驶时，其中的动力系统会根据实际情况来灵活调控两种动力源，使发动机始终保持在一个最佳的运行状态下，以此来降低跟车能耗。但就目前来看，该类型汽车的能耗水平依然难以支持其进行长途行驶，因此鉴于智能化驾驶、巡航控制、停车、换道路辅助等技术的发展，研究者考虑到可以将智能化的控制技术融入到跟车能耗优化控制上，并采用多目标自适应跟车控制方式，来降低智能混合动力汽车的跟车能耗，因此研究者通过此次仿真试验，来验证该种多目标自适应跟车控制方式是否能够优化车辆跟车能耗，从而为汽车性能节能化发展提供推动力量。

2 试验方法

2.1 发动机模型设计

在仿真试验中，发动机简化模型是指研究者将混合动力系统中的发动机通过抽象塑造出的一个数学模型，以便于后期的逻辑推理和数学推演操作。由于发动机模型体现的是发动机的力学状态，因此研究者需要将模型中的发动机扭矩动态响应部分简化为一阶惯性环节，使模型反映出发动机的能耗水平。在模型构建上，研究者需要发动机的期望扭矩、输出扭矩、时间常数作为模型中的值，然后在此基础上，构建出发动机燃油消耗率的函数，在此过程中，研究者还要得出以发动机输出转速构成的油耗率函数，并在发动机油耗图中查询出油耗率的值，这样就可以推算出发动机每秒的耗油量，从而构建出完整的发动机简化模型。

2.2 电机模型设计

由于混合动力系统包含了电机和发动机两个驱动系，因此在整体力学模型构建上，研究者还要设计出电机的简化模型，来保证模型的完整性。在模型构建上，电机模型与发动机模型相似，需要通过将其力学模型简化为惯性环节，来组建以反映电机油耗性能为主的简化模型。在模型建设上，研究者要将电机的期望、输出扭矩和时间常数、普拉斯算子这几项元素构建出一阶惯性环节，然后利用电机效率MAP图，通过电机扭矩和转速表达出电机效率函数。之后，计算出电池提供给电机的功率表达式，构建出当动力源为电机时汽车的跟车能耗模型。

2.3 电池模型设计

在混合动力系统中，电机需要依靠电池来供电，而电池在运作过程中也会产生一系列的力学运作现象，为了保证此次仿真试验的严谨性，研究者需要构建电池简化模型，来全面反映出混合动力系统的运作过程中，提高试验结果的精度。在电池模型的构建中，研究者需要直接提炼出电池在运作中的核心影响因素，即电压、内阻、容量这三项主要因素，然后推演出电池的SOC梯度表达式。之后再推算出汽车在运行中所需的电池最大功率，完整的呈现出电池运作的状态，为后续的仿真推演试验打下良好的基础。

2.4 车輛模型设计

在上述模型构建完毕后，研究者还要组建一个车辆纵向动力学模型，进一步完善混合动力系统的模型结构。在车辆简化模型建设中，研究者需要采用车轮驱动力矩、等效惯量、车辆阻力力矩、车轮转速这几项元素组建出纵向动力学表达式，其中驱动力矩即为电机和发动机所提供的驱动力矩。而车辆阻力力矩需要研究者利用空气阻力、道路坡道阻力、摩擦阻力这几项参数的表达式来进行推演，在此过程中，由于阻力力矩表达式的推演比较复杂，因此研究者要掌握各项参数之间的关系，简化模型的结构，为之后的推演操作提供便利。

2.5 优化算法设计

在优化操作中，研究者主要需要优化三个性能参数，即行驶距离、速度以及能耗，因此优化计算主要是针对于混合动力系统中的动力学状态和电池状态。在优化算法中，研究者需要基于MPC算法，定义好控制矢量、外部输入，然后结合动力学状态和电池状态，得出整体的系统状态方程。之后，再将需要优化的性能参数指标，即跟车距离、相对速度、相对加速度、车辆纵向冲击，进行预测时域中数值积分，从而得出纵向动力学优化指标，最后遵循MPC算法推演出经济性优化指标方程式，也就是发动机、电机的能耗，完成优化算法设计，再将实际数据代入到算法中，即可实现仿真试验[1]。

3 结果分析

研究者通过将车辆质量、行驶时间、速度等真实数据代入到之前设计出的算法中，可以得出行驶距离、纵向行驶速度等方面的数据，然后再将这些数据绘制成线性统计图，使多目标自适应技术的优化效果能够被直观呈现出来。在试验结果中，实际跟踪距离一直处于最小跟踪距离与最大跟踪距离之间，这能够说明经过多目标自适应技术的优化控制后，跟车距离方面的情况得到了改善。此外，借助统计图研究者可以看出车辆的加减速变得更加缓和，也就是说车辆的颠簸和油耗得到了减少，同时整个工况的变化范围在60%～70%变化，这对电池的寿命也比较有益[2]。

4 结论

综上所述，多目标自适应跟车控制方式，能够起到良好的跟车能耗优化效果。在研究中，试验人员利用发动机、电机、电池这几个简化模型，进行了MPC优化算法，完成了以研究智能混合动力汽车跟车能耗优化控制为目的的仿真试验，得出了多目标自适应跟车控制可以在保证汽车性能的同时，降低其行驶油耗。

参考文献：

[1]囤金军，宋金香.智能混合动力汽车跟车能耗优化控制研究[J/OL].交通世界，2019（30）：158-160[2020-01-08].

[2]牛礼民，杨洪源，周亚洲.混合动力汽车动力总成多智能体集成控制策略[J].机械工程学报，2019，55（12）：168-177+188.