基于马尔科夫预测算法的混合动力汽车控制策略研究与分析

刘斯琦 申彩英

( 辽宁工业大学 汽车与交通工程学院，辽宁 锦州 121001)

0 前言

全球气候变化和能源问题加速了世界各国车企新能源汽车的发展。纯电动汽车(BEV)虽然有诸多优点，但是其充换电和在寒冷地区的续航问题还需要进一步改进。由于可充电的停车位紧缺，相比纯电汽车和插电混合动力汽车，混合动力汽车(HEV)具有优势。

HEV在行驶过程中，有发动机模式、纯电模式、混合动力模式和制动回收模式。HEV是在内燃机汽车的基础上增加电池电机作为第2个动力源驱动的汽车，不同动力源之间的能量分配受到车辆在运行工况时发动机的工作区间、动力电池的荷电状态(SOC)、电机性能和车速等多方面因素的约束。HEV能量控制策略会直接影响到汽车的燃油经济性、排放、动力性，以及行驶过程中的可靠性，还会影响到汽车后续的二手车评估和维修保养等。

1 HEV现状

HEV在工程上实现能量控制的策略主要有“基于规则的控制策略”和“基于优化的控制策略”。“基于优化的控制策略”又可分为全局优化策略和瞬时优化策略。可在工程上实现的HEV控制策略分类如图1所示，其优缺点分析见表1。

图1 可在工程上实现的HEV控制策略分类

表1 HEV控制策略类型与优缺点

2 HEV控制策略

2.1 基于简单规则的控制策略

基于简单规则的控制策略是根据发动机、电机和动力电池等硬件设施出厂时的基本参数设计的规则，例如：动力电池的SOC低于设定的最低阈值时，动力电池开始充电；SOC高于设定的最高阈值时，动力电池开始放电等。基于简单规则控制策略虽然有广泛的适用性，但是在实际运行过程中，即使发动机一直处在高效率工作区间，仍然会损失很多能量。但是，如果将规则更加细微化、多样化，又会使系统运行更加复杂，响应时间将变长。

2.2 基于模糊规则的控制策略

在实际运行过程中，HEV的能量分配受到多种约束条件的限制，并不能完全按照已经制定的规则运行。模糊控制策略在整个控制器中具有较强的鲁棒性和自适应能力，易于实现瞬时控制。

在模糊控制系统中，输入为车速和加速度需求功率和动力电池SOC，最终输出为发动机功率，再由需求功率减去发动机功率就得到电池功率。模糊控制系统结合动力电池的SOC进行能量的分配，最终达到相应的燃油消耗量和排放。随着控制器技术的高速发展，为了更能精准地控制燃油消耗率，在基础控制策略上，又形成了多种基于算法优化的模糊控制策略。

随着科学技术的发展，基于规则的控制策略在工程上较容易实现，而且算法思路清晰简单，应用范围较广，为更多控制策略奠定了基础，在控制策略的研究中广受学者的关注。

3 基于优化的控制策略

基于规则的控制策略可以有效降低汽车燃油耗，但不能保证其性能达到最优，所以基于优化的控制策略受到了重视。

3.1 基于全局的优化控制策略

全局最优控制理论是根据理想控制设计的策略，并不能直接应用于实体工程。基于全局的优化控制策略，主要针对非线性和处在运动状态的HEV能量管理系统进行优化，计算量大，计算周期长。通常使用全局优化控制策略作为其他控制策略的参考对比，用于评价其他控制策略，对具体控制策略进行调试。

3.2 基于瞬时优化的控制策略

由于全局优化的控制策略受到条件的限制，近年来，一些瞬时优化的控制方法也被用于控制策略的优化。其中，庞特里亚金极小值控制策略(PMP)、等效燃油耗最小值控制策略(ECMS)，以及基于预测的ECMS已经被用于HEV的燃油消耗率评价中。

ECMS是一种通过引入等效因子将电池在充放电过程中产生的热量进行有效利用的控制策略。建立瞬时燃油消耗模型，应用PMP原理，对动力电池和发动机燃油耗进行分析推导，在一定意义上和ECMS控制策略具有等价性。由于ECMS的等效因子受多变的工况及驾驶员的习惯影响非常大，因此只有在保证等效因子相似的行驶工况下运行，控制策略才能起到更优的控制效果。虽然ECMS是实时控制油电的分配，但仍需要符合可预见的驾驶条件信息来进行工况的预测分析，以保证等效因子的高效率。如果对下一时刻工况的预测有很大的偏差，使用ECMS控制策略时，HEV仍然能够保持一定的控制效果，但是结果达不到预期。因此，对下一时刻汽车运行工况的预测非常重要。

下一时刻汽车运行工况的预测算法有很多种，如神经网络预测算法、马尔科夫预测算法等。神经网络预测需要大量样本对其进行训练和学习，且很容易陷入局部最优化困局。马尔科夫预测算法只需要对当前时刻和上一时刻进行分析，就可以得出下一时刻状态转移的规律，并利用该规律进行下一时刻的分析和预测。马尔科夫算法预测车速的原理是在马尔科夫算法假设基础上的动态系统状态，以及状态之间转换的理论。马尔科夫预测的控制策略结构如图2所示，其中,和分别为时刻的速度和加速度；+1为+1时刻的需求功率。

图2 基于马尔科夫预测的控制策略结构

马尔科夫算法预测车速可以概述为车速概率转移矩阵从某一时刻车速到下一时刻车速的转移过程。通过对下一时刻车速进行预测，ECMS控制策略可以根据下一时刻的速度和加速度进行油电的分配，提升HEV的燃油经济性，优化车辆废气排放。

4 马尔科夫算法预测验证

全球轻型汽车测试循环(WLTC)的工况如图3所示，本文通过该测试循环验证马尔科夫算法预测的准确性。

图3 WLTC工况

选取WLTC工况时间间隔为1 s的车速数据，制成散点分布图进行分析，如图4所示。利用马尔科夫算法预测在1 s间隔下的WLTC工况车速的相关性。从图4可知，在时刻和+1时刻的车速成线性关系，说明该工况具有马尔科夫算法预见性。如果时间间隔设置得更短，行车车速的线性相关性会更高，在各种道路工况下对下一时刻车速的预测也更准确。

图4 WLTC工况下的车速相关性

5 结语

对于HEV，基于简单规则的能量控制策略规则简单且适应性强，但是控制效果一般，且基于优化后的等效燃油消耗控制策略的等效因子受外界影响较大。引入基于马尔科夫算法预测的等效燃油消耗控制策略，对下一时刻的需求功率进行预测，提升了HEV的燃油经济性，优化了车辆废气排放。