并联式混合动力汽车能量管理与模式切换控制研究

李 明,胡 博,葛帅帅,王 欢

(重庆理工大学 1.车辆工程学院;2.汽车零部件先进制造技术教育部重点实验室,重庆 401320)

随着空气污染的加剧和能源的不断消耗,一些国家纷纷提出新能源汽车发展规划[1],其中混合动力汽车是实现节能减排的一种有效解决方案[2]。混合动力汽车通常有发动机和电机两类动力源,通过合理控制发动机和电机,可提高整车经济性能和排放性能。根据混合动力汽车的结构形式,可分为串联式、并联式和混联式混合动力汽车。其中并联式混合动力汽车结构较为简单、且节能减排效果良好,广泛应用于国内外部分主流车型[3]。

相比于传统燃油汽车,并联式混合动力汽车的动力源既包含发动机也包含电机,使其存在能量管理、模式切换控制、制动能量回收、电机控制等问题,这些问题影响着并联式混合动力汽车的经济性、排放性、行驶平顺性等。本文总结分析并联式混合动力汽车能量管理策略和模式切换控制两个热点问题的研究现状,为混合动力汽车研究与开发人员提供参考。

1 并联式混合动力汽车结构

图1为并联式混合动力汽车动力传动系统示意图,由发动机、动力电池、电机、转矩耦合装置、变速器等组成。通过控制离合器的接合分离状态和电机工作模式,可实现纯电动、发动机驱动、行车发电、联合驱动、制动能量回收等工作模式。部分并联式混合动力汽车采用如图2所示的方案,发动机与电机同轴布置,可减少混合动力系统体积、提高功率密度。

2 能量管理策略研究

并联式混合动力汽车有发动机和电机两类动力源,能量管理策略实现发动机和电机转矩目标值的合理分配。发动机比油耗、排放量等受工况影响,且变化幅度大,而电机效率较高。制定能量管理策略合理控制发动机和电机,改善发动机运行工况,可提高整车经济性、排放性等。

2.1 基于规则的能量管理策略

基于规则的能量管理策略通常以车速、需求转矩、动力电池荷电状态(State of charge,SOC)、发动机转速等为逻辑门限参数,在逻辑门限参数构成的多维空间中划分出多种工作模式。图3为以发动机转速和需求转矩为逻辑门限参数的能量管理策略示意图。当逻辑门限参数值满足预设的规则时,切换混合动力系统工作模式。基于规则的能量管理策略算法简单,对控制器计算性能要求低,在实际中得到了较为广泛的应用。

童毅等[3,4]研究了并联式混合动力汽车基于规则的能量管理策略,根据发动机稳态效率特性确定逻辑门限参数的阈值。崔淑华等[5]以驾驶员需求转矩、动力电池SOC、加速踏板开度、车速等为逻辑门限参数,张雄等[6]以需求功率和动力电池SOC为逻辑门限参数,郑竹安等[7]以汽车车速、爬坡度等为逻辑门限参数,研究了基于规则的能量管理策略。部分学者研究了逻辑门限参数优化问题,Morteza等[8]以燃油消耗量和排放量最小为目标,采用遗传算法优化了逻辑门限参数的阈值。杨官龙等[9]以整车经济性最优为目标,采用遗传算法优化了逻辑门限参数阈值,并采用瞬时优化算法确定发动机转矩、电机转矩和变速器挡位目标值。刘辉等[10]研究了逻辑门限参数动态调整方法,在发动机最优工作曲线中引入功率分配因子,在不同SOC下优化功率分配因子,在联合驱动模式随SOC变化动态调整发动机和电机转矩目标值。

部分学者将模式切换规则模糊化,采用模糊控制进行能量管理策略研究。邓国红等[11]基于动力电池SOC和需求转矩与发动机当前最佳效率转矩的比值,通过模糊控制确定发动机和电机转矩目标值。李军等[12]以燃油经济性和排放性最优为目标,通过线性加权法将多目标优化转化为单目标优化,采用遗传算法对模糊控制规则进行了离线优化。

基于规则的能量管理策略研究初期,以发动机效率最高为准则确定模式切换规则,提高燃油经济性。随着研究的深入,逐步考虑混合动力系统总效率、排放性等,对逻辑门限参数阈值进行优化,并采用模糊控制将模式切换规则模糊化,进一步提高整车性能。

2.2 实时优化能量管理策略

实时优化能量管理策略根据当前行驶工况信息,优化发动机转矩、电机转矩或变速器挡位目标值,获得实时最优的性能,其原理如图4所示。Sciarretta等[13]根据当前行驶工况,以混合动力汽车燃油经济性最佳为目标,采用动态规划方法实时优化发动机和电机转矩目标值。部分研究结合了工况预测,舒红等[14]建立了基于空间域的燃油经济性预测控制模型,将整个行驶工况的全局最优问题转化为预测区域内的局部优化问题,根据预测视距内的工况优化确定混合动力系统最佳工作状态。Hofman等[15]考虑将来的行驶工况信息,以燃油经济性最佳为目标,采用模型预测控制方法确定发动机转矩、电机转矩和变速器挡位目标值。部分研究综合考虑燃油经济性和动力电池电量消耗,钱立军等[16]研究了等效油耗最小化策略,将耗电量转化为等效油耗,以总油耗最小为目标,采用遗传算法优化发动机和电机转矩目标值。Wang等[17]根据动力电池SOC参考值和SOC实际值之差,通过模糊控制实时调整等效油耗最小化策略的油电转化等效因子。Tian等[18]使用最近邻法和最大期望法识别驾驶风格,根据驾驶风格和动力电池SOC调整油电转化等效因子。Zhang等[19]基于车联网数据训练神经网络以预测车速,根据动力电池SOC和预测视距内的车速动态调整油电转化等效因子,提高燃油经济性和SOC稳定性。Yang等[20]构造包含油耗和动力电池SOC变化量的目标函数,通过优化确定发动机和电机转矩目标值。

实时优化能量管理策略主要以经济性、排放性最优为目标,根据行驶工况优化发动机转矩、电机转矩或变速器挡位目标值。部分研究考虑了预测视距内的工况信息,部分研究分析了油电转化因子的实时调节方法,进一步提高实时能量管理策略的性能。

2.3 全局优化能量管理策略

全局优化能量管理策略基于整个行驶工况的信息,优化发动机转矩、电机转矩或变速器挡位目标值[21],使混合动力汽车在整个行驶工况中获得最佳性能。张红党等[22]研究了混合动力系统全局最优控制,构建以系统工作效率最优为目标的非线性规划问题,基于贝尔曼最优原理采用动态规划算法求解最优控制序列。部分研究采用离线优化确定最优目标值,以减少在线运算量。Jeon等[23]选取了6种代表性的循环工况,在每种工况下优化能量管理策略的参数;采用神经网络识别当前行驶工况特征,与6种代表性循环工况特征进行对比,选用最佳的能量管理策略参数。王旭等[24]基于采集的交通信息进行离线计算,确定各路段电量和车速的最佳轨迹,在线跟踪最佳轨迹,提高整车经济性。

全局优化能量管理策略主要以经济性、排放性等为优化目标,根据整个行驶工况的信息确定混合动力系统最优工作状态。但汽车行驶工况随机多变,难以预先获得整个行驶工况的信息,限制了全局优化能量管理策略的应用。部分研究在某个循环工况下离线优化获得全局优化能量管理策略,通过在线识别当前行驶工况特征、与循环工况特征匹配的方法,选用最佳的能量管理策略参数,可提高全局优化能量管理策略的实用性。

2.4 基于智能控制和车联网的能量管理策略

智能控制不依赖精确的数学模型,适用于自由度高、非线性、时变系统的控制,在混合动力汽车能量管理策略研究中得到了应用。部分学者基于强化学习、神经网络等进行能量管理策略研究,Liu等[25]采用模糊编码和最近邻法预测车速,以燃油经济性最优为目标,通过强化学习方法确定发动机和电机转矩目标值。Li等[26]通过多层神经网络预测车速,以动力电池SOC和预测车速为输入量,通过强化学习获得发动机、电机和变速器挡位目标值。肖仁鑫等[27]采用马尔可夫决策进行能量管理策略研究,以燃油经济性最优为目标,使用策略迭代方法求解马尔可夫能量管理的转矩决策过程,确定发动机和电机转矩目标值。Kong等[28]将深度递归神经网络用于能量管理研究,以车速、汽车加速度、驾驶员需求转矩和动力电池SOC为输入量,通过训练深度递归神经网络,确定电机和发动机转矩目标值。

随着通信技术的快速发展,部分学者探索了基于车联网的能量管理策略研究。钱立军等[29]基于车联网获取的交通信号灯正时信息,采用多岛遗传算法和非线性模型预测方法确定最优的车速目标值,并通过等效油耗最小化策略确定发动机和电机转矩目标值,以跟踪车速目标值。HomChaudhuri[30]、Qiu等[31]采用分层控制策略,上层控制器基于从车联网获取的交通信号灯正时信息、邻车状态信息、下层控制器反馈的驱动效率与制动能量回收效率,通过模型预测控制确定最优的车速目标值,下层采用等效油耗最小化策略确定发动机和电机转矩目标值。在上述基础上,Qiu等[32]采用马尔可夫过程描述由通讯和执行机构引起的随机误差的动态特性,修正模型预测控制确定的最优车速目标值,提高燃油经济性。

基于规则的能量管理策略对控制器计算性能要求低、应用范围广,但逻辑门限参数的选取依赖工程经验,不易实现整车性能最优。实时优化能量管理策略和全局优化能量管理策略可实现全局最优或近似最优解,但这两种能量管理策略对控制器计算性能要求高,限制了其应用范围,基于智能控制的能量管理策略也有类似不足。能量管理策略实用性和控制效果之间的矛盾,是并联式混合动力汽车能量管理策略研究需解决的关键问题之一。基于车联网数据可更准确地获取行驶工况,更高效地控制发动机和电机运行状态,进一步提高混合动力系统性能。

3 模式切换控制研究

并联式混合动力汽车有纯电动、发动机驱动、行车发电、联合驱动、制动能量回收等工作模式,随行驶工况的变化,混合动力系统工作状态在多种模式间切换。在发动机启动过程中存在启动阻力矩,且发动机启动初期运行不稳定,输出转矩波动大。含启动发动机的模式切换过程中易出现冲击,影响行驶平顺性。

为提高模式切换的平顺性,部分研究分析了电机转矩补偿控制方法,其原理如图5所示,以反映模式切换平顺性的信号为反馈量,通过控制电机转矩,减小变速器输入转矩波动幅度。童毅等[3]采用发动机转矩开环控制,基于模型估算发动机转矩实际值,在模式切换过程中使用电机补偿发动机转矩实际值与目标值之差。Kim等[33]通过观测器获得模式切换过程中转矩波动幅度,采用电机进行补偿,提高纯电动至混合驱动模式的平顺性。严运兵等[34]通过BP神经网络估计发动机转矩实际值,使用电机进行转矩补偿,减小变速器输入转矩波动幅度。王磊等[35]采用滑模控制方法调节电机转矩补偿值,通过模糊自适应系统估计系统参数不确定性引起的偏差和发动机转矩实际值与目标值之差,调整滑模控制器的控制量,提高模式切换平顺性。刘翠等[36]在模式切换过程中采用适用于输入冗余系统的无扰动切换控制算法协调控制发动机和电机转矩。王伟华等[37]针对发动机动态转矩估计误差大的问题,提出了以车轮转速为反馈量的电机转矩补偿控制方法,根据车轮转速实际值与目标值之差,通过比例积分微分(Proportional integral derivative,PID)闭环控制确定电机的转矩补偿值,实现模式切换过程中发动机和电机动态协调控制。Lin等[38]通过基于规则的控制策略确定需求扭矩,通过模糊策略结合离合器传递扭矩与发动机输出扭矩,得到电机的补偿扭矩。Zeng等[39]通过基于规则的控制策略分配发动机与电机扭矩,提出了湿式离合器的双模糊控制策略以及协调转矩控制策略。Li等[40]针对多模型集开发了多个鲁棒控制器,并在控制过程中选择不同控制器进行控制决策。

在采用电机转矩补偿的研究中,主要采用模型估计、观测器、模糊自适应系统估计等方法估算转矩波动幅度,利用电机响应速度快的特点,通过电机转矩补偿,降低转矩耦合装置输出转矩的波动幅度,提高模式切换平顺性。部分研究提出了以车轮转速为反馈量的方法,避免了转矩估算不准确的问题。

部分混合动力汽车在行驶过程中,通过离合器的分离与接合实现工作模式切换,离合器接合过程控制对模式切换平顺性有较大影响。杨超等[41]考虑了发动机启动阻力矩和系统负载转矩的瞬时不确定性,基于H∞鲁棒控制理论确定离合器接合速度最优轨迹,采用PID控制离合器执行电机跟踪最优轨迹。Wang等[42]使用线性二次型最优控制方法确定模式切换过程中离合器传递转矩目标值,以离合器传递转矩实际值与目标值之差为输入量,通过模糊控制确定离合器从动盘位置的目标值,采用模型预测控制方法控制离合器从动盘位置,提高模式切换的平顺性。Yang等[43]以离合器滑摩功最小为目标,以冲击度为约束,采用粒子群优化算法确定离合器接合速度目标值,以离合器接合速度和位移为反馈量,采用自适应状态反馈方法控制离合器接合过程。王庆年等[44]针对切换过程容易导致转矩出现波动,提出了基于电机辅助的协调控制策略,通过软件仿真结果表明此方法能够改善动力传递的平稳性。Du等[45]利用电机的快速瞬态响应来补偿发动机瞬态转矩性能的不足,与通过稳态扭矩图估算发动机扭矩的控制方法相比较,该方法可以显著改善模式切换过程中的平顺性。杨阳等[46]通过对发动机、电机、离合器等参数变化分析,制定了不同模式切换过程扭矩波动的扭矩协调控制策略。

在通过控制离合器提高模式切换平顺性的研究中,首先确定离合器接合速度或传递转矩目标值,采用PID、模型预测控制、自适应状态反馈控制等方法控制离合器跟踪目标值,提高模式切换平顺性。

部分研究在模式切换过程中同时采用电机转矩补偿和离合器控制的方法,提高模式切换平顺性。古艳春等[47]以冲击度最小为目标,通过极小值原理获得电机转矩目标值,以离合器主动盘与从动盘转速差为输入量,采用模糊控制方法确定离合器接合速度。倪成群等[48]针对含发动机启动的模式切换过程,在离合器接合前和接合过程中,采用自适应模糊PID控制发动机跟踪电机转速;在离合器接合后,通过电机转矩补偿降低转矩耦合装置输出转矩波动幅度。Xu等[49]以提高模式切换平顺性和缩短切换时间为目标,确定发动机启动过程的转速目标值,通过反馈前馈控制离合器油压和电机转矩,使发动机跟踪转速目标值。Zhao等[50]通过控制电机转速提高发动机与电机转速同步程度,并采用离合器油压控制和电机转矩补偿控制,提高模式切换过程的平顺性。

由于模式切换与能量管理策略均将对发动机与电机输出扭矩进行调整,二者密不可分,近年来的部分研究已有涉及耦合混合动力汽车能量管理与模式切换控制。郝英其[51]通过基于规则的挡位耦合能量管理策略实现发动机工作效率的提升,以自适应遗传算法以及基于优化的BP神经网络算法来优化模式切换协调控制策略。管从鑫[52]结合双电机的经济性优势以及多档驱动的动力性的优势,设计了5种驱动模式并且通过采用遗传算法对挡位参数进行优化。田翔[53]以迭代动态规划及自适应神经模糊推理系统探索系统状态变量与控制策略间的映射关系,有效提高了整车的燃油经济性与排放性能,并提出基于混杂系统理论的模式切换动力协调控制策略,以自适应滑模控制器对驱动电机进行转矩调节,以RBF神经网络进行在线估计,保证了模式切换过程中动力传递的平稳性。庄伟超[54]通过利用支持向量机对从动态规划算法中提取的多模混动汽车各结构模式的工作点进行分类,得到模式切换图,将其结合等效能耗最小策略组成多模混动汽车实时的动态协调控制策略。

在模式切换过程中,基于发动机、电机和离合器转矩实际值确定控制量,转矩实际值的估计准确度显著影响控制效果,实时精确估计转矩实际值是模式切换控制的难点之一。发动机、电机和离合器是非线性时变系统,且存在响应延迟[55]。电机转矩补偿值频率较高时,电机响应延迟使转矩补偿相位偏离目标值,影响控制效果,甚至导致平顺性下降。在模式切换控制中有必要综合考虑参数时变、非线性、电机响应延迟等问题。使用相关智能控制算法例如机器学习中深度强化学习算法,结合发动机与电机的瞬态特性对耦合控制策略进行改进成为必要。

4 结论

能量管理策略和模式切换控制是并联式混合动力汽车的两个研究热点,文中总结分析了这两个热点问题的研究现状和发展趋势。

能量管理策略实现发动机和电机转矩目标值的合理分配,影响并联式混合动力汽车的经济性能、排放性能等。总结分析了能量管理策略的研究现状,基于规则的能量管理策略应用范围广,但难以实现整车性能最优;实时优化、全局优化和基于智能控制的能量管理策略对计算性能的高要求限制了其应用范围。能量管理策略实用性和控制效果之间的矛盾,是待解决的关键问题之一。基于车联网的能量管理策略,可更高效地控制发动机和电机运行工况,进一步提高系统性能。

在并联式混合动力汽车模式切换过程中,通过电机转矩补偿、离合器控制等方法可提高模式切换平顺性。但发动机、电机和离合器转矩估计准确度显著影响控制效果,实时精确估计转矩实际值是难点之一。混合动力系统具有时变非线性特征,且存在响应延迟,导致转矩补偿相位偏离目标值,影响平顺性,综合考虑系统参数时变、非线性、响应延迟等特性是模式切换控制的研究方向之一。随着控制技术的发展,耦合混合动力汽车能量管理及模式切换控制策略的研究变得极为重要,当前部分耦合能量管理与模式切换的研究尚处于初级阶段。可以预见,结合相关智能控制算法,深度耦合能量管理与模式切换控制并对发动机电机输出量做出控制决策将成为研究热点。