【正文】 調(diào)整因子實際上起到了對動態(tài)參數(shù)的變化范圍進行調(diào)整的作用，參數(shù)優(yōu)化對調(diào)整因子進行，因此設計變量為靜態(tài)參數(shù)本身和動態(tài)參數(shù)的調(diào)整因子，如表 42所示?；旌蟿恿ζ嚳刂撇呗缘膮?shù)優(yōu)化本質(zhì)上是個大規(guī)模、高度非線性的不連續(xù)多元多峰函數(shù)的有約束優(yōu)化問題，為解決這個問題，本文吸收了EA優(yōu)化方法的最新進展，基于現(xiàn)代GA和ES算法模型，提出了一種改進型穩(wěn)態(tài)進化算法（Steadystate Evolutionary Algorithm，SEA），取得了較為滿意的結(jié)果。與此同時，GA和ES的理論和方法在發(fā)展中相互滲透和借鑒，目前已很難區(qū)分一個算法屬于GA還是ES，于是人們更傾向于把它們稱作“進化算法（EA）”[126,127,135]。在不依賴于目標函數(shù)梯度信息的全局優(yōu)化搜索算法中，進化算法是一種比較高效的現(xiàn)代優(yōu)化計算方法，它是一類模擬生物進化過程與機制的求解問題的自組織、自適應人工智能技術的總稱，主要包括三種典型的算法模型，分別是：遺傳算法、進化策略和進化規(guī)劃[124~126]。如果這種“試錯法”是在實車上進行，以NEDC試驗工況為例，完成一個試驗工況需耗時20分鐘，加上控制參數(shù)調(diào)整時間，一次參數(shù)調(diào)整周期至少需要30分鐘以上，完成參數(shù)優(yōu)化將要耗費大量的時間和金錢。4 控制策略的參數(shù)優(yōu)化方法 引言邏輯門限控制策略通過一組預先設定的參數(shù)，限定發(fā)動機的工作區(qū)域，并根據(jù)設計好的規(guī)則對混合動力系統(tǒng)的工作模式進行判斷和選擇，控制發(fā)動機和電機的轉(zhuǎn)矩分配，從而實現(xiàn)混合動力系統(tǒng)的能量最優(yōu)管理和工作模式的平穩(wěn)切換。（4）為實現(xiàn)負荷平衡的轉(zhuǎn)矩分配控制策略，首先解決了駕駛員請求轉(zhuǎn)矩的識別問題，然后在發(fā)動機效率圖、電機效率圖、電池內(nèi)阻特性和能量轉(zhuǎn)換效率分析的基礎上，確定了控制策略需要的參數(shù)，為進一步制定控制規(guī)則提供了依據(jù)。 本章小結(jié)本章主要研究了并聯(lián)混合動力汽車的邏輯門限控制策略及其設計方法，控制策略是一個涉及復雜問題決策和非線性時變系統(tǒng)控制的復雜問題，由于混合動力系統(tǒng)自身及其各部件之間的協(xié)調(diào)工作極其復雜，建立系統(tǒng)的精確數(shù)學模型非常困難，因此，基于規(guī)則仍是目前控制策略設計的主要方法。圖313顯示，發(fā)動機的工作點大部分分布在效率為23%以上的區(qū)域，可見，控制策略能夠比較好的控制發(fā)動機在高效區(qū)工作。而在電池初始SOC比較低的情況下，為了維持SOC在工作區(qū)域變化，電機用作發(fā)電的時候比較多，發(fā)動機工作的時間也較長，因而油耗相對高一些。 仿真結(jié)果將圖39所示的控制程序，在整車仿真平臺環(huán)境中進行仿真試驗研究，圖310為完整的整車仿真模型，控制策略的參數(shù)采用第四章的穩(wěn)態(tài)進化算法進行了優(yōu)化。理論上，動態(tài)邏輯門限控制策略的效果應優(yōu)于靜態(tài)邏輯門限控制策略的效果，但由于存在參數(shù)優(yōu)化的問題，這兩種方法的實際控制效果差異可能不是很顯著，而動態(tài)參數(shù)方法對內(nèi)存的需求量和CPU的運算速度要求都要略高于靜態(tài)參數(shù)方法，即便如此，動態(tài)參數(shù)法仍為提高邏輯門限控制策略的性能提供了新的思路。實際可行的一種做法是，根據(jù)經(jīng)驗和直觀判斷，設定一組參數(shù)，調(diào)整和控制發(fā)動機負荷，并通過實車試驗，反復調(diào)整這些參數(shù)，直到取得較為滿意的結(jié)果為止，這就是常用的邏輯門限控制策略。發(fā)動機直接驅(qū)動的能量轉(zhuǎn)換效率： (36)電機驅(qū)動的能量轉(zhuǎn)換效率： (37)式中ηe為發(fā)動機效率，ηT為傳動系機械效率，ηm為電機效率，ηess為電池的充放電效率。電SOC的工作區(qū)間為充放電內(nèi)阻相對較低的區(qū)域，以減少電池的充放電損失，提高能量轉(zhuǎn)換效率。能量管理策略將駕駛員的轉(zhuǎn)矩請求分配給發(fā)動機、電機和制動器，當轉(zhuǎn)矩請求為正時，請求轉(zhuǎn)矩等于發(fā)動機的轉(zhuǎn)矩加上電機的轉(zhuǎn)矩： (35)式中Te、Tm分別為發(fā)動機和電機的轉(zhuǎn)矩指令，Tm可正可負，用于調(diào)整發(fā)動機的負荷。β=0對應的請求轉(zhuǎn)矩根據(jù)經(jīng)驗公式來確定，用Treq_w0(ua)表示。將制動踏板信號從加速踏板信號中減去，于是駕駛員的踏板操作輸入為1到1之間的值，用β表示。圖35的下部曲線是上部行駛曲線對應的驅(qū)動功率，圖中斜紋陰影部分為電機功率，豎紋陰影部分為發(fā)動機功率，在時間軸上方為正功率，用于驅(qū)動，在時間軸下方為負功率，用于制動。液壓制動控制（制動ECU）制動時，VCU向電機ECU發(fā)出一個發(fā)電轉(zhuǎn)矩指令，同時向制動ECU發(fā)出一個減壓指令（減壓值與電機的發(fā)電轉(zhuǎn)矩值相當），控制液壓伺服閥減小油壓，使得電機消耗的制動能量加上液壓制動系統(tǒng)消耗的制動能量剛好與VCU根據(jù)制動踏板信號計算的制動總能量相等。電機控制（電機ECU）電機ECU根據(jù)VCU給出的指令，控制電機輸出期望的正轉(zhuǎn)矩值（驅(qū)動）或負轉(zhuǎn)矩值（制動），電機轉(zhuǎn)矩指令與實際輸出轉(zhuǎn)矩的閉環(huán)控制由電機ECU完成。轉(zhuǎn)矩換算成節(jié)氣門開度值的功能可由VCU完成，視發(fā)動機ECU軟件的開放程度而定，但節(jié)氣門的閉環(huán)控制應由發(fā)動機ECU完成。圖34 混合動力了總成控制系統(tǒng)結(jié)構(gòu)電池管理（電池管理系統(tǒng)Battery Management System）電池管理系統(tǒng)（BMS）負責監(jiān)測電池的電壓、電流和溫度，計算電池的SOC和電池當前能吸收或釋放的電能，并將這些信息發(fā)送給VCU。車輛控制器與駕駛員和整車一起構(gòu)成整車層次的閉環(huán)控制系統(tǒng)，車輛控制器與各部件之間沒有閉環(huán)聯(lián)系，部件層次的閉環(huán)控制由各部件ECU、執(zhí)行機構(gòu)、傳感器組成的閉環(huán)系統(tǒng)完成。圖34為混合動力總成控制系統(tǒng)結(jié)構(gòu)方框圖，整個系統(tǒng)采用分布式遞階控制結(jié)構(gòu)，最頂層的是車輛控制器（Vehicle Control Unit，VCU），第二層是各部件總成ECU，最底層是各部件總成的控制執(zhí)行機構(gòu)。減速和制動時回收能量是不需要消耗燃料的，當電機使用回收能量驅(qū)動車輪時能量轉(zhuǎn)換效率為無窮大，因此減速/制動能量回收也是必要的。在減速和制動時，電機又可把部分動能轉(zhuǎn)換為電能存儲于電池中。表31并聯(lián)式混合動力汽車的主要技術參數(shù)圖32 并聯(lián)混合動力系統(tǒng)結(jié)構(gòu)圖33 并聯(lián)混合動力汽車的能量管理策略與傳統(tǒng)汽車一樣，混合動力汽車的動力全部來自發(fā)動機的燃料燃燒所釋放的熱能，電機驅(qū)動所需的電能是燃料的熱能在車輛行駛中轉(zhuǎn)換為電能后儲存在蓄電池中的。圖31所示為控制策略的設計循環(huán)，整車仿真平臺是控制策略設計的環(huán)境，利用整車仿真模型，可以快速驗證控制策略；通過實車標定和試驗，最終完成控制策略在實際車輛上的應用；混合動力系統(tǒng)的臺架試驗則是整車仿真平臺和實車平臺的基礎。邏輯門限控制策略是一種簡單而有效的控制算法，同時也是模糊控制策略的基礎。瞬時優(yōu)化控制策略由于計算量巨大，需要昂貴的高速運算芯片，成本比較高，加之在算法理論（能量回收預測模型）上尚欠完善，因而尚不能在實際混合動力汽車上推廣應用。 Lubricants Meeting. 2016., Jin Y, Xie Z, Chen J, et al. PHEV power distribution fuzzy logic control strategy based on prediction[J]. Journal of Zhejiang University of Technology, 2015., Chen L, Ding M, Pan C. Motor Control of Pure Electric Vehicle Based on BP Fuzzy Neural Network Control[J]. Journal of Henan University of Science amp。此外，不同的駕駛習慣和風格，也給駕駛意圖的判斷和整車控制策略的設計增加了難度。實現(xiàn)整車能量管理與動力系統(tǒng)控制的算法稱為控制策略，控制策略與車輛控制器是整車的神經(jīng)中樞，是混合動力汽車成敗的最終決定性因素。基于試驗數(shù)據(jù)的建模法可以十分精確的反映部件的穩(wěn)態(tài)特性，對于以分析能量消耗為主的仿真（不需要高頻的瞬態(tài)特性），模型的精度是足夠的；(2) 從混合動力系統(tǒng)控制分析的實際需要出發(fā)，采用了簡化的離合器模型，用以仿真?zhèn)鲃酉档霓D(zhuǎn)速和轉(zhuǎn)矩的傳遞特性；(3) 用一個PID控制器模仿駕駛員的判斷和操作，建立了駕駛員模型；(4) 應用經(jīng)典車輛縱向動力學理論，建立了汽車直線行駛動力學模型；(5) 在基于實測附件消耗功的基礎上，建立了恒功率附件模型。 圖219 機械附件模型的輸入輸出 圖220 電氣附件模型的輸入輸出圖219所示為機械附件模型的輸入輸出，Pma為機械附件功率（W），Jma為機械附件的轉(zhuǎn)動慣量（kg?m2），輸入輸出的關系如下： (228)式中on為1，off為0。加速阻力 取決于汽車總質(zhì)量和加速度的乘積。圖218 汽車受力圖滾動阻力，受道路狀況、車速影響還和汽車質(zhì)量有關。 (222) 汽車行駛動力學模型汽車行駛動力學模型的輸入輸出如圖217所示，輸入為道路坡度值α（186。 車輪模型車輪（含制動器）模型的輸入輸出如圖216所示，輸入包括摩擦制動力矩指令fric，從傳動系傳遞過來的輸入轉(zhuǎn)矩Tin（N?m）和轉(zhuǎn)動慣量Jin（kg?m2），以及從汽車行駛動力學模型傳遞過來的車速ua（m/s）；輸出為車輪驅(qū)動力Ft（N），汽車旋轉(zhuǎn)部件的等效平移質(zhì)量MJ（kg），以及向傳動系傳遞的車輪轉(zhuǎn)速ωw（rad/s）。圖214 車輛控制器模型 駕駛員模型駕駛員模型實際上是個車速控制器，如圖215所示，模型中采用了一個PID控制器，將輸入的期望車速ud與實際車速ua（來自汽車動力學模型的輸出反饋）的差值?u轉(zhuǎn)變?yōu)榧铀偬ぐ逯噶瞀耡cc或制動踏板指令βbrk。根據(jù)混合動力系統(tǒng)控制分析的需要，變速器模型的輸入輸出如圖213所示，輸入為檔位指令gn，轉(zhuǎn)矩輸入Tin和轉(zhuǎn)動慣量輸入Jin，以及與驅(qū)動橋相連的轉(zhuǎn)速輸入ωin；輸出有轉(zhuǎn)矩Tout和轉(zhuǎn)動慣量Jout，以及向前傳遞的轉(zhuǎn)速ωout。在全合狀態(tài)下，轉(zhuǎn)速和轉(zhuǎn)矩等值傳遞，即輸入輸出轉(zhuǎn)矩、轉(zhuǎn)速相等。注意前向仿真模型中轉(zhuǎn)速是向前傳遞的，離合器模型的轉(zhuǎn)速輸入是變速器的轉(zhuǎn)速輸出，離合器模型的轉(zhuǎn)速輸出則向前傳遞。電機的最大轉(zhuǎn)矩是電機輸出轉(zhuǎn)速的函數(shù)，因此可用方程求解；電機效率隨著電動機工作點的不同而不同，即可表示為電機輸出轉(zhuǎn)矩和輸出轉(zhuǎn)速的函數(shù)；。圖29是電機模型的頂層框圖。 電機模型電機的輸出性能（轉(zhuǎn)矩、功率）是電機和電機控制器的綜合性能，因此建模中把電機及其控制器作為一個整體考慮。電池的單模塊熱模型用于模擬電池的溫升，計算電池的溫度Tess。圖25 電池模型的輸入輸出電池模型采用了文獻[ Pesaran A A. Battery thermal models for hybrid vehicle simulations[J]. Journal of Power Sources, 2002, 110(2):377382.]的內(nèi)阻模型，電池內(nèi)阻模型分兩部分：電氣模型和熱模型，電氣模型由電壓源和電阻組成，如圖26所示。完整的發(fā)動機數(shù)學模型包含熱力學模型、轉(zhuǎn)矩模型、油耗模型、排放模型。線性模型是根據(jù)大量的實驗數(shù)據(jù)建立起來的，雖然不及非線性模型那樣精確，但計算時間段，能滿足實時仿真需求，所以可以選取線性模型為發(fā)動機模型。對于混合動力系統(tǒng)，發(fā)動機控制的目的是盡可能讓其工作于高效區(qū)，因此，我們關心的是外部控制變量——對于汽油機是節(jié)氣門開度，對于柴油機是供油系統(tǒng)的控制[ Bidarvatan M, Shahbakhti M. Energy Management Control of a Hybrid Electric Vehicle by Incorporating Powertrain Dynamics[C]// ASME 2015 Dynamic Systems and Control Conference. American Society of Mechanical Engineers, 2015.]，其內(nèi)部控制變量如點火提前角、廢氣再循環(huán)（EGR）和空然比等將作為預先標定好的控制變量，建模中不作考慮。理論模型可以比較好的反映發(fā)動機的動態(tài)特性，而且只要簡單地改變發(fā)動機的幾何參數(shù)值就可以仿真不同大小的發(fā)動機。圖23 汽油機模型的輸入輸出發(fā)動機建模有實驗建模法（Empirical Modeling）和理論建模法（Theoretical Modeling）兩種方法[3]。建模過程中為兼顧模型的簡單性和精確性，采用以經(jīng)驗模型為主、理論模型為輔的方法，同時理論模型也盡可能采用低階模型。前向仿真可用于控制系統(tǒng)的設計，而后向仿真主要用于整車性能仿真分析。在混合動力汽車中，把從動力裝置到車輪的方向，即動力傳遞的方向稱為正方向，順著這個方向的稱為“正向”或“前向”，其逆方向稱為“反向”或“后向”。在控制策略設計中，系統(tǒng)部件模型還可以用來定量分析整車的能量消耗，建立能量消耗模型，用于算法設計。第三章通過對模糊控制概念、原理和組成的介紹設計滿足混合動力汽車的模糊控制策略，在滿足汽車動力性能的前提下，設計模糊控制器。因此，目前的能量管理策略大多是屬于基于轉(zhuǎn)矩控制。在基于速度的能量管理策略中，車速是最重要的控制依據(jù)，當車速低于設定值時，發(fā)動機關閉，由電機單獨驅(qū)動車輛；當車速高于設定值時，發(fā)動機驅(qū)動車輛，電機停止工作；當需求負荷較大時，發(fā)動機和電動機同時工作，驅(qū)動車輛運行。能量管理策略根據(jù)駕駛員的操作，判斷駕駛員的意圖，在滿足車輛動力性能的前提下，合理配合電機、發(fā)動機和電池等結(jié)構(gòu)的功率輸出，實現(xiàn)能量的最優(yōu)化，提高車輛的燃油經(jīng)濟性和減少車輛尾氣的排放。鉛酸電池是在汽車上應用最早、范圍最廣的，但它的能量體積比較低，不能滿足未來汽車的需求?；旌蟿恿ζ?