基于逻辑阈值的轻度混合动力商用车能量管理策略研究★

覃记荣，郭 葵，梁立东，李燕青

（1.东风柳州汽车有限公司，广西 柳州 545005；2.广西科技大学，广西 柳州 545005）

汽车保有量的增加给人们带来了一定程度的便利，但同时也带来了一些消极的影响。以燃料为动力源的车辆越来越多，加速了石油资源的消耗，而且汽车排放的尾气中也含有对健康有害的废气。找到适当的方法来缓解能源短缺和污染造成的压力，已经变得越来越紧迫和必要[1]。作为新一代的清洁能源汽车，混合动力汽车（HEV）的特点是污染物排放和燃料消耗低。面对国家能源危机，以及我国环境污染日益严重的压力，中国政府大力提倡发展新能源汽车，新能源汽车具有均较低的CO2排放量，且随着三电技术、BMS 控制系统的快速发展，新能源汽车在行驶稳定性、可靠性方面得到了很大的提升，特别是混合动力汽车（HEV），在新能源发展过程中起着举足轻重的作用。HEV 动力系统根据电力驱动功率占总输出功率的比例[2]，可以分为微混、轻混、重混和全混。

轻度混合动力商用车的动力单元主要包括发动机ICE、驱动电机EM 和动力传动系统等。轻度混合动力商用车构型拓扑图如图1 所示，发动机曲轴输出端与离合器机械连接，并与变速器的输入轴相连，随后变速器的输出端与来自驱动电机的动力相耦合。这种混合动力汽车的构型称为P3 构型，其可以工作在纯电驱动模式、混合动力驱动模式与发动机驱动模式下[3]。相较于驱动电机在变速箱前的P0、P1 和P2 布局，这种构型最主要的优势在于纯电驱动和动能回收的效率比较高，同时结构较为简单，易于推广普及。

设车辆牵引力为Ftractive，车辆行驶产生的滚动阻力为Frolling_resist，空气阻力为Fareo，加速阻力为Facceleration，坡度阻力为Fi为0。车辆所需的牵引力可以表示为：

车辆所需的牵引力功率可以表示为：

式中：Mveh为车辆的质量；g 为重力加速度；C0为轮胎的滚动阻力系数；rho为空气密度；Afrontal为车辆的前迎风面积；CD为空气阻力系数；Vveh为车辆的行驶速度；aveh为车辆的加速度。

设来自发动机动力源的差速器输入端转速为ωlow，变速器输入端转速为ωhigh，变速器的传动比为Gtrans，则三者的关系可表示为：

设左侧车轮转速为ωleft_wheel，右侧车轮转速为ωright_wheel，差速器的传动比为Gdiff，车轮转速为ωwheel，则当车辆直线行驶时满足：

车辆的速度可以表示为：

式中：rwheel为轮胎滚动半径。

设ωelecmach为驱动电机的转速，Gelecmach为驱动电机与发动机动力耦合的传动比，则ωlow也可以表示为：ωlow=Gelecmachωelecmach.

则驱动电机的转速和转矩可以表示为：

混合动力汽车的关键技术主要包括汽车动力参数匹配技术、混合动力单元的控制技术、能量回收技术和能量总控技术等[4]。能量总成控制技术的核心是能量管理系统的控制策略，目前的整车控制策略主要分为三大类：基于逻辑阈值的控制策略、模糊控制策略、基于优化的控制策略。

1）基于逻辑阈值的控制策略是目前应用最广泛，技术最成熟的一种能量管理技术手段，根据整车部件的工作特点，以及工程应用中的需求，设计一些控制变量，常用的控制变量有：电池SOC、发动机转矩、电机转矩、实时车速和整车行驶需求功率等。通过这些变量来控制整车的运行模式，调整车的能量流输出路径，使发动机、电机始终工作在最佳的工作效率区间，提升整车的燃油经济性。丰田Prius 和本田Insigt 最早把该策略应用于实际工程中，大大提升了整车的燃油经济性。基于逻辑阈值的稳态控制策略易于实现且实用，因此经常被用于混合动力汽车[5]。

2）模糊控制策略：模糊控制策略（Fuzzy control strategy），是一种使用模糊语言，经过模糊控制器反模糊化，来实现指定目标函数的的一种控制策略，模糊策略根据工程需要确定优化变量，根据专家经验制定出相应的隶属度函数以及模糊规则，也可以采用遗传算法、粒子群算法等优化算法对隶属度函数进行自动寻优，但寻优周期较长，且普通算法容易早熟，陷入局部解，根据模糊规则排列组合成。模糊控制目前都多在高校里面的进行一些理论研究，实际工程应用的较少。

3）基于优化的控制策略：基于优化的控制策略又分为，全局优化和实时优化，全局优化最常用的有动态规划（dynamic programming），动态规划（Dynamic Programming，PM）的概念最早Richard Bellman 提出，用来描述解决最优选择问题的过程。Bellman 把复杂问题分割成简单的子问题，从而解决复杂的问题。然而，由于它需要提前知道整个循环工况，因此它只能用于离线计算，难以用于实车[6]。但可以从动态规划最优结果中提炼出有用的控制规则，用于改进实车的控制策略。实时优化最常用的有等效燃油消耗最小此策略（ECMS），此策略的思路主要是把电机的电耗转化等量的油耗，以整车燃油量为目标函数，根据整车需求功率，实时合理的分配发动机、电机的驱动转矩、功率，使发动机和电机始终工作在最佳工作区域，提高整车的燃油经济性。由于在轻度混合商用车上发动机是主要动力源，轻型电机的作用起到消峰填谷的作用，使发动机保持在高效率工作范围，从而达到降低油耗和减少排放的目的。基于此，本系统采用基于逻辑阈值的控制策略。

为了提高发动机的工作效率，通过设定相关变量，根据设计的逻辑阈值策略来实现不同的工作模式，来分配发动机和驱动电机的运行功率。由混合动力整车控制器（HCU）输入需求车速、需求的净牵引功率、SOC、发动机map 图、计算输出发动机功率、驱动电机功率、发动机转速、变速器传动比和燃油消耗率等，最后将相关控制指令输出给各个子系统，如TCU、ECU 等[7]。

因为轻型电机不但能够输出正转矩用以驱动汽车还能输出负扭矩用于制动能量回收给电池充电，因此在轻度混合动力汽车上可以将车辆运行模式划分为电池补给模式和电量消耗模式两种，这取决于扭矩的状态。两种模式的计算公式如下：

限于轻型电机的结构和功率，基于逻辑阈值的轻度混合动力商用车能量管理从以下三个方面制定：低驱动力模式，关闭发动机；高速助力模式，同时调用发动机和驱动电机；电量补给模式，将多余的发动机功率进行能量回收。因此基于逻辑阈值策略的混合动力商用车主要有以下几种模式。

1）低驱动力模式：如果车辆所需牵引力功率小于发动机最小功率，则发动机停止动力输出（Peng=0），电机提供正的牵引力（此时电机为驱动电机），而当电机提供负的牵引力（此时电机为发电机）时，其为再生制动[8]。此时车辆的各参数可以表示为：

式中：Ptractive为车辆所需的牵引力；Pmin为发动机最小功率；Pelecmach为电机功率；fuel，rate为燃油消耗率；ωeng为发动机转速；Peng为发动机功率；Gtrans和Gtrans_min分别为变速器的传动比和最小传动比。

2）高速助力模式：如果车辆所需牵引力功率大于发动机所能提供的最大功率，电机将作为驱动电机为车辆加速提供辅助功率。此时车辆的各参数可以表示为：

式中：Pmax为发动机最大功率。

3）电量补给模式：当车辆所需牵引力在发动机的最小功率和最大功率之间时，多余的发动机功率可以用于动力电池充电。刚开始时，能量管理策略将尽力保证：

式中：SOC 为电池的荷电状态（%），0.5 为策略所设置的初始SOC。

采用Matlab/Simulink 所搭建的动力电池SOC 计算模型，其结构见图2 所示。在该模型中，输入参数为电机功率，输出参数为动力电池SOC，能量存储系统效率为ηess。动力电池的SOC 变化量ΔSOC 可由式（13）和（14）表示：

式中：Δt 为车辆的运行时间；Emax为动力电池的最大能量；k 为仿真时间离散的某一步。当Pelecmach<0 时，动力电池处于充电状态，当Pelecmach≥0 时，动力电池处于放电状态。

采用US06 工况作为仿真工况，车辆的仿真数据见表1。

表1 车辆仿真参数

图3 给出了US06 工况下的SOC 变化曲线，在整个循环工况中，SOC 在初始值0.5 到最大值0.72 之间波动，可见在行程终端，动力电池SOC 为0.66，稳定在其初始值0.5 附近。这表明，由于电池SOC 的安全下限为0.2，所以在电源管理中可以采用激进的方法。让循环工况中的SOC 最小值到达0.2 附近。这样可以充分调动电池的性能，降低燃油消耗。

图4 给出了车辆在US06 工况下车辆的各性能参数。图4-1 为US06 工况的速度-时间曲线。下页图4-2 为车辆在US06 驾驶循环工况下的燃油消耗，三个驾驶循环行驶了38.40 km，造成燃油消耗7.61 L，约合百公里油耗19.82 L，相较于21.6 L 燃油经济性提升了8.24%。下页图4-3 和下页图4-4 给出了基于逻辑阈值的轻度混合动力商用车能量管理策略下，发动机和驱动电机的功率曲线，可见复合动力源的功率输出满足US06 工况下的电机功率需求。

本文以某款混合动力商用车为研究对象，在基于逻辑阈值的轻度混合动力商用车能量管理策略中，综合考虑了模拟工况的驱动扭矩和功率扭矩要求，并结合发动机、轻型驱动电机和电池等多个部件的特性。实现以功率为中心的能量管理策略，满足驾驶员的驱动扭矩和功率要求，同时合理利用各种模式，合理分配发动机扭矩和轻型驱动电机扭矩，从而降低发动机油耗，并在一定程度上提高发动机燃油经济性。