混合动力汽车能量控制策略研究现状

摘 要：随着环境污染问题的日益凸显和石油资源的逐渐匮乏，混合动力汽车研究的意义和价值也得到了广泛认可。混合动力汽车由两种或两种以上的能源提供动力，具有纯电动汽车高效率低排放的优点，又能够显著增加电动汽车的行驶里程，具有传统燃料车高比能量、高比功率的长处，又可获得传统车无法达到的优化控制目标。如何对多能量源与其他部件协调配合，进行优化组合，以减少燃油消耗、降低排放，是混合动力汽车研究中面临的一个关键问题。文章重点阐述了混合动力汽车能量控制策略的三种分类方式，并对几种常见能量控制策略进行介绍和比较，得出这些算法的优缺点及适用场合。

关键词：混合动力汽车；能量控制策略

中图分类号：U468.3 文献标识码：A 文章编号：1671-7988（2018）19-14-03

Abstract： With the rising severe environmental pollution problems and gradual scarcity of oil resources， the significance and value of research for hybrid electric vehicle are widely recognized. Hybrid electric vehicle is powered by two or more energy sources. It has the advantage of high efficiency and low emissions as pure electric vehicle， but a higher running range than it. It also has the advantage of higher energy density and power density as traditional fuel vehicle， while it can get the optimal control target which the traditional vehicle can not achieve. The key problem on hybrid electric vehicle research is how to coordinate the multi-energy sources system with other components and optimize the combination to reduce fuel consumption and emissions. This paper mainly explains three classification methods of the energy control strategy of hybrid electric vehicles， and introduces and compares some kinds of common energy control strategies， of which the advantages and disadvantages as well as applicable situations are then obtained.

Keywords： hybrid electric vehicle； energy control strategies

CLC NO.： U468.3 Document Code： A Article ID： 1671-7988（2018）19-14-03

引言

混合動力汽车（Hybrid Electric Vehicle，HEV）是由两种或两种以上的能量源提供动力的汽车，是新老技术结合的产物，它同时具有纯电动汽车和传统内燃机汽车的优点，既有纯电动汽车高效率和低排放的优点，又具有燃油汽车高比能量（单位质量的燃料所具有的能量）和比功率（单位质量的燃料所具有的功率）的长处，显著改善了传统内燃机汽车的排放和燃油经济性，增加了电动汽车的行驶里程。作为传统燃油汽车与纯电动汽车的过渡产品和折中方案，混合动力汽车已经成为国际范围内新型环保车辆开发的热点，具有很好的发展前景和市场潜力。

混合动力汽车按动力复合方式可划分为3种类型：串联式混合动力电动汽车（Series Hybrid Electric Vehicle，SHEV）、并联式混合动力电动汽车（Parallel Hybrid Electric Vehicle，PHEV）、混联式混合动力电动汽车（Series Parallel Hybrid Electric Vehicle，SPHEV）。按照电功率在总驱动功率中所占的比例，则又可分为深度混合/全混（Full Hybrid）、中度混合（Mild Hybrid）和轻微混合（Micro Hybrid）。不管是何种型式的混合动力系统，都要对多个能量源与其他部件相互配合进行优化组合，形成不同的动力系统工作模式，以适应不同的行驶工况需求，获得传统汽车所不能得到的优化控制目标（最佳燃油经济性，最低排放等）。

混合动力汽车的能量控制策略可根据当前车辆的运行状态，合理分配发动机和电池的功率输出，以实现最小的燃油消耗或者最低排放。其本质是对发动机和电池的能量负荷进行协同控制。不同的能量协同控制策略，其建模和计算的复杂程度，在线控制的可实施性以及智能化程度的差异很大。如何寻找一个运算量较小，可在线运行又能实现自主学习的智能化能量协同控制策略成为近年来混合动力汽车研究领域的一个热门话题。

1 能量控制策略分类

混合动力汽车的能量控制策略共有三种分类方式：

Guzzella L， Sciarretta A在文献中将能量控制策略分为无因果关系控制策略和因果关系控制策略。这种分类方式是依据能量控制策略是否依赖于未来驾驶工况。无因果关系控制策略需要详细的车辆未来驾驶信息，这些驾驶信息的获取有两种方式：第一种方式是车辆运行在固定工况，如美国城市循环工况（UDDS）及公路循环工况（HWFET）。第二种方式是针对公共交通车辆，其具有相对固定的驾驶路线并可获取一定的未来驾驶信息。除此之外，驾驶信息都是不可提前获取的，至少在某种意义上不能提前获取车辆的车速及海拔高度的详细信息，在这种情况下，就只能使用因果关系能量控制策略。

同样是Sciarretta A， Guzzella L在文献中将能量控制策略分为启发式控制策略、最优控制策略及次优控制策略。启发式控制策略中采用了布尔或模糊规则，其中的多个控制参数，如发动机启动转速对混合动力系统的结构和工况具有很强的依赖性，因此，需要开展一系列昂贵的标定实验。此外，在某种确定工况下控制效果很好，但在其它工况下，同样的控制参数会导致很差的控制效果。为了解决上述启发控制策略面临的问题，可以采用系统的、基于模型目标方程的最优化能量控制策略。最优化控制策略的实现方式包含静态最优化、数值动态优化以及封闭动态优化。所有这些最优控制策略都需要未来的驾驶信息，在实时控制系统的实现比较困难，因而次优能量控制策略得到了广泛研究。

Salmasi F R，Wirasingha S G， Emadi A分别将混合动力汽车的能量控制策略分为两种类型：基于规则的能量控制策略和最优化的能量控制策略。如图1所示。基于规则的能量控制策略又可以分为确定性规则控制和模糊规则控制。最优化控制又可以分为全局最优和实时最优的控制策略。

确定性规则中又有开关控制策略和功率跟随控制策略，模糊规则中有传统模糊控制策略和自适应控制策略。全局优化中可以采用线性规划控制策略、动态规划及随机动态规划。实时最优控制策略中包括等效燃油消耗、去耦控制及最优预测控制策略。

2 常见控制策略介绍

2.1 確定性规则控制

1）开关控制

Ehsani M， Gao Y， Emadi A采用了开关控制策略，事先设定好电池的和，当SOC低于时，开启发动机且一直工作在效率最高点，当SOC高于时，发动机关闭。开关型控制策略控制逻辑较为简单，但并不能满足车辆在所有工况条件下的功率需求，不过这种控制策略在行驶路径已知的串联式混合动力城市公交车上得到广泛的应用。

2）功率跟随控制策略

在这种控制策略下，发动机是汽车动力的主要来源，汽车需要的额外功率由电机提供，发动机持续给电池充电。这种控制策略一般依据如下几种规则：1.车速较低时只使用电机；2.需求功率大于发动机所能提供的功率时由电机提供额外的功率；3.制动的能量再回收；4.功率需求低于某一极限值时发动机关闭，以提高发动机效率；5.电池的SOC低于某一极限值时，发动机要提供额外的功率给电池充电。这种控制策略很受欢迎，但其缺点是整个动力传动系统的效率不是最优的，且没有充分考虑排放的改善。Toyota Prius以及Honda Insight均采用这功率跟随型控制策略。

3）开关+功率跟随控制策略

上述两种方式各有所长，可将两种控制策略结合起来，充分利用发动机和电池的高效区。SOC较低或负载要求较高时，开启启动发动机，此时对SOC进行状态追踪，确定电机输出功率，蓄电池充放电时进行差额补偿。SOC较高或负载要求较低时，关闭发动机，在这个过程中可以设置状态保持，避免开关制策略中出现的频繁起停现象， 可以提高系统动力性。

2.2 模糊规则控制

1）传统模糊控制策略

Lee H D， Sul S K提出了模糊控制逻辑来降低的排放的同时持续给电池充电并获取驾驶员的需求转矩。模糊控制器的输入是加速踏板行程和电机转速。按照“ IF…is…AND…is…THEN…is…” 形式制定规则库，输出则为发动机和电机的功率分配。结果显示这种控制逻辑与传统内燃机车辆相比的排放可以降低20%，这种控制策略的主要缺点是不能保证对电池的持续充电。

2）自适应模糊控制

Langari R， Won J S中将自适应模糊控制策略应用到能量控制策略中。控制策略中主要包含四部分：驾驶信息提取，驾驶环境识别，模糊转矩分配以及荷电状态补偿器。其中驾驶环境识别中又包含四部分内容：路型识别，驾驶员类型识别，驾驶趋势识别以及驱动方式识别。这种控制策略在车辆需求大功率时，会终止对电池的充电以满足车辆性能要求，即使电池的SOC已经很低。自适应模糊控制策略在能量优化策略中使用广泛，其主要缺点是不考虑动力传动系统的效率。

2.3 全局最优控制策略

1）线性规划

Tate E D， Boyd S P将凸规划用于能量管理系统。他们将极小化燃油消耗表述为非线性的凸规划问题并最终近似为一个大的线性规划问题。其中瞬时的燃油消耗假设为发动机输出功率的凸函数，，一系列类似的处理方式用于该问题。最终建立目标方程为并包含许多限制条件。这种控制策略可以提供全局最优解，然而转换过程中用到了许多近似，事实上线性规划对于复杂的动力传动系统的能量优化控制是不合适的。

2）动态规划

Lin C C， Peng H， Grizzle J W， et al将DP算法用于混合动力卡车的最优功率分配。以汽车在已知工况下的油耗最小为最终目标，建立相应的能量流模型，将车辆运行工况按时间间隔，划分为若干相继的片段，然后求得各片段发动机功率最优输出序列，使目标函数达到极值。DP算法需要知道车辆的工况，且迭代过程计算量较大，DP算法的结果代表着能量优化结果的最好效果。

3）随机动态规划

Lin C C， Peng H， Grizzle J W使用随机动态规划对混合动力汽车的能量分配策略进行优化。这种方法认为驾驶员的功率需求基于Markov过程，能量分配策略是在一系列随机的驾驶工况中进行最优控制，而不是针对优化某种给定的工况。随机动态规划策略可以求解有约束的非线性优化问题，这种控制策略可以产生随时间连续变化的能量分配策略，用以控制发动机与电池的实际能量分配，但这种控制策略需要经过确定的动态规划策略的训练。

2.4 实时最优控制策略

1）等效燃油消耗

Sciarretta A， Back M， Guzzella L采用等效燃油消耗控制策略来实现实时的最优控制过程。这种控制策略不依赖于平均效率。等效燃油消耗控制策略的缺点是没有明确的考虑电池的持续充电问题。

2）去耦控制策略

Pisu P， Koprubasi K， Rizzoni G提出了一种新颖的控制策略来确保可接受的车辆驾驶性能。除了驾驶功率需求和电池SOC，还有其它措施来保证车辆的驾驶性能，比如换挡平顺及减少传动系统振动。针对电机用于直接驱动后轮且发动机上集成启动电机的动态车辆模型，采用去耦控制策略。控制器的输出由三部分组成：1.第一部分驾驶功率需求的设计使用等效燃油消耗的控制策略；2.第二部分主要用于控制电池SOC；3.第三部分确保车辆的驾驶性能，这部分采用线性二次型调节器。但这种控制策略仍处于发展的初级阶段。

3）最优预测控制

Salman M， Chang M F， Chen J S引入了价值函数用于表示等效燃油消耗，这个价值函数可以有预见性的找到实时预测控制法则。最优控制理论用于解决上述问题，这种方法通过预先查看驾驶方式和地形信息，实现燃油经济性的瞬时最优。

3 总结

混合动力汽车能量优化控制策略研究对汽車产业发展和改善生态问题都有较高的实际作用和应用发展价值。文章中介绍了几种混合动力汽车能量优化的控制策略，但在实际工程中，控制策略的选取不仅要考虑到燃油经济性、排放性能和动力性能，还要兼顾驾驶信息、运行工况、电池性能等。通过多种策略的综合比对，选取合适的能量优化控制策略，以期实现以最小的代价获取较优控制结果的目的。

参考文献

[1] 陈清泉，孙逢春，祝嘉光，等.现代电动汽车技术[M].北京理工大学出版社， 2002.

[2] 孙家文，等.基于转矩分配的混合动力汽车控制策略的优化研究[J].广西科技大学学报， 2017 （1） .

[3] 广濑久士，丹下昭二. 电动车及混合动力车的现状与展望[J].汽车工程， 2003， 25（2）： 204-209.

[4] 解云，等.混合动力汽车控制策略优化研究[J].黑河学院学报， 2018.

[5] Guzzella L， Sciarretta A. Vehicle propulsion systems[M]. Springer， 2007.

[6] Sciarretta A， Guzzella L. Control of hybrid electric vehicles[J]. Control systems， IEEE， 2007， 27（2）： 60-70.

[7] Salmasi F R. Control strategies for hybrid electric vehicles： Evolu -tion， classification， comparison， and future trends[J]. IEEE Transac -tions on Vehicular Technology， 2007， 56（5）： 2393-2404.

推荐访问:混合动力 能量 现状 策略 控制