基于驾驶意图识别的混合动力公铁车控制策略建模与仿真

孙燕 喻剑

（1. 陆军军事交通学院军用车辆工程系，天津300161；2. 中国人民解放军31603部队，徐州221000）

主题词：混合动力公铁车 驾驶意图识别 控制策略 建模仿真

0 前言

目前，串联式混合动力系统广泛采用的控制策略主要有功率跟随控制策略及恒温器控制策略[1]。功率跟随型控制策略能够根据动力电池组SOC 值来调整发动机输出功率，避免动力电池组出现深度放电情况，有利于延长动力电池使用寿命，但该控制策略下，发动机工作状态没有达到实时最优，整车燃油经济性较差。恒温器型控制策略下，动力电池电量不足时起动发动机，可控制发动机在经济转速范围内工作，但发动机频繁起停，会使动力系统整体效率降低，动力电池使用寿命缩短[2-3]。

针对以上控制策略的不足，本文提出“驾驶意图识别与恒温器”联合控制策略（以下统称“基于驾驶意图识别控制策略”）。该控制策略是在驱动或制动意图识别的基础上对整车实现控制，因此又可分为驱动意图控制策略与制动意图控制策略。

1 驾驶意图识别建模

混合动力公铁牵引车[4]驾驶意图识别过程如下。

(1)对输入的加速踏板开度、制动踏板开度、车速等信号进行逻辑判断，若加速踏板开度信号不为0，则进一步计算出加速踏板位移变化率，并对加速紧急程度做出判断；

(2)若制动踏板开度信号不为0，则进一步计算出制动踏板位移变化率，并对制动紧急程度做出判断；

(3)若加速踏板与制动踏板开度信号同时为0，则依据车速信号对驻车与滑行制动做出判断。

在MATLAB/Simulink 环境下建立的驾驶意图识别仿真模型如图1所示。

图1 驾驶意图识别仿真模型

运用MATLAB 中模糊逻辑工具箱建立驱动意图识别模块、制动意图识别模块，分别对驱动意图、制动意图进行识别，最后输出识别结果。

2 动力系统工作模式

不同的识别结果对应不同的动力系统工作模式，基于驾驶意图识别控制策略[5]的动力系统工作模式划分如下。

（1）牵引车起动时，发动机工作效率较低，因此选用纯电动模式起动。

（2）平缓加速时，为提高燃油经济性，通过对动力电池组充电使发动机工作在经济转速范围内。当发动机输出扭矩Tout大于需求扭矩Treq且动力电池组SOC小于设定上限SOChi时，进入行车充电模式；当动力电池组SOC高于设定上限SOChi时，则为纯电动模式。

（3）一般加速时，牵引车需求扭矩偏大。当发动机输出扭矩Tout大于需求扭矩Treq时，动力系统工作模式与平缓加速时相同；当输出扭矩Tout小于需求扭矩Treq且动力电池组SOC 大于设定下限SOClow时，则为混合驱动模式。

（4）紧急加速时，牵引车需求扭矩大。当动力电池组SOC大于设定下限SOClow时，进入混合驱动模式；当动力电池组SOC 小于设定下限SOClow时，则提高发动机负荷来满足牵引车扭矩需求。

（5）滑行制动时，采用再生制动。

（6）平缓制动与一般制动时，主要以制动能量回收为主，机械制动为辅。考虑到制动紧急程度的不同，再生制动所占比例也就不同，平缓制动情况下再生制动比例较大，一般制动情况下再生制动比例较小。

（7）紧急制动时，为保证驾驶安全，采用机械制动。

3 基于驾驶意图识别的控制策略建模

根据对混合动力公铁牵引车动力系统工作模式的划分，在Simulink 中建立驱动意图控制策略模型如图2。

图2 驱动意图控制策略模型

该模型主要包括3部分。

（1）驱动意图工作模式选择模块a；

（2）SOC 逻辑控制模块b 和发动机开关以及发动机扭矩与转速计算模块c；

（3）以驱动意图识别结果与动力电池SOC 作为输入信号。

驱动意图工作模式选择模块根据驱动意图识别结果信号对动力系统工作模式进行划分。SOC 逻辑控制模块根据SOC 信号与工作模式划分结果输出修正SOC 值，与SOC 限制区域比较后，输出发动机开关指令。发动机转矩与转速计算模块依据发动机MAP图计算出发动机需求的转速与转矩。

制动意图控制策略模型如图3，该模型主要包括3部分。

图3 制动意图控制策略模型

(1)再生制动力比例控制模块a；

(2)前轴制动力计算模块b；

(3)后轴制动力计算模块c。

前轮制动力计算模块根据输入的车速信号、机械制动力信号及前轮制动力限制信号计算出前轮制动力大小。后轮制动力计算模块根据机械制动力信号与前轮制动力信号计算出后轮制动力的大小。

再生制动力比例控制模块根据传动系制动力信号与制动意图识别结果信号来调整输出的再生制动力大小，其计算模型如图4。

4 基于驾驶意图识别的控制策略仿真与结果分析

为检验基于驾驶意图识别控制策略的效果，将恒温器控制策略和基于驾驶意图识别控制策略，在设定参数一致的条件下同时进行仿真对比。混合动力公铁车部件参数如表1，仿真循环工况采用C-WTVC 驾驶循环工况，循环次数为3 次，总耗时3 552 s，总行程为32.79 km。

4.1 电池放电效果仿真分析

恒温器控制策略和基于驾驶意图识别控制策略下的SOC变化曲线如图5。

图4 再生制动力计算模型

表1 混合动力公铁车部件参数

图5 2种不同控制策略下SOC变化曲线

从2 种控制策略下的SOC 变化曲线可以发现，在仿真循环过程中，相较于原恒温器控制策略，基于驾驶意图识别控制策略的SOC 值下降更为平缓，说明基于驾驶意图识别控制策略的制动能量回收效果更为明显，能有效地提高整车的燃油经济性。

仿真结束时，采用恒温器控制策略的SOC 值由0.80 降为0.38，采用基于驾驶意图识别控制策略的SOC值由0.80降为0.47，与恒温器控制策略相比，采用基于驾驶意图识别控制策略的SOC 值提升了23.7%。说明基于驾驶意图识别控制策略对动力电池电量利用效率高，有利于提升纯电动工作时间。

4.2 电池充电效果仿真分析

动力电池在恒温器控制策略和基于驾驶意图识别控制策略下充电效率如图6。

图6 动力电池充电效率

由图可见，恒温器控制策略下，动力电池充电效率在0.60～0.8，且工作点较为稀疏，平均充电效率为0.73，动力电池充电效率不高；基于驾驶意图识别控制策略下，动力电池充电效率在0.75～0.9，工作点较为密集，平均充电效率为0.86。相比于恒温器控制策略，采用基于驾驶意图识别控制策略的动力电池充电效率提升了17.8%。

4.3 发动机工作效率仿真分析

发动机在恒温器控制策略和基于驾驶意图识别控制策略下工作效率如图7。

由图7 可见，恒温器控制策略下发动机平均工作效率为0.24。基于驾驶意图识别控制策略下发动机平均工作效率为0.25，且发动机工作点分布较广，说明该控制策略能实时调整发动机工作状态。2种控制策略下发动机工作效率相差不大，但基于驾驶意图识别控制策略的控制效果优于恒温器控制策略。相比于恒温器控制策略，采用驾驶意图识别控制策略的发动机工作效率提升了4.2%。

图7 发动机工作效率

5 结语

本文根据混合动力公铁牵引车工作特点，将制动踏板开度、制动踏板变化率作为制动意图识别参数，建立了驾驶意图识别仿真模型。在驾驶意图识别的基础上，制定了混合动力公铁牵引车控制策略，并建立了该控制策略仿真模型。通过性能仿真，并与恒温器控制策略仿真结果进行对比分析，发现基于驾驶意图识别控制策略在提升动力电池SOC 值、改善动力电池充电效率、提高发动机工作效率等方面具有明显效果。由此可见，基于驾驶意图识别控制策略对混合动力公铁牵引车动力系统的控制效果更优。

下一步，构建混合动力公铁车硬件在环仿真试验平台，对基于驾驶意图控制策略进行精度提升。