【正文】 Jma為機械附件的轉(zhuǎn)動慣量（kg?m2），輸入輸出的關(guān)系如下： (228)式中on為1，off為0。本章主要工作包括：(1) 采用基于性能試驗數(shù)據(jù)和查表的方法，建立了發(fā)動機節(jié)氣門開度與轉(zhuǎn)矩特性關(guān)系、發(fā)動機燃油消耗和排放特性模型，電池的內(nèi)阻――開路電壓模型，以及電機的轉(zhuǎn)矩特性和效率特性模型?；谠囼灁?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(yīng)用經(jīng)典車輛縱向動力學(xué)理論，建立了汽車直線行駛動力學(xué)模型；(5) 在基于實測附件消耗功的基礎(chǔ)上，建立了恒功率附件模型。車輛控制器如同混合動力汽車的大腦，指揮各個系統(tǒng)的協(xié)調(diào)工作，在燃油經(jīng)濟性、污染物排放、整車動力性以及行駛的平穩(wěn)性之間取得最佳的平衡。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。同時，汽車行駛工況的不確定性也增加了控制策略設(shè)計的復(fù)雜性[ Marquez E D, Nelson D. Control Strategy Development for Parallel PlugIn Hybrid Electric Vehicle Using Fuzzy Control Logic[C]// SAE 2016 International Powertrains, Fuels amp。此外，不同的駕駛習(xí)慣和風(fēng)格，也給駕駛意圖的判斷和整車控制策略的設(shè)計增加了難度。隨著混合動力汽車研究的不斷深入，控制策略已成為混合動力汽車的重點研究內(nèi)容之一。 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，還有基于最優(yōu)控制理論的全局最優(yōu)控制策略[89~91]，但是，嚴格意義上講它并不是控制策略，而是控制策略設(shè)計的一種手段。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(yù)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(yīng)用。在混合動力汽車控制領(lǐng)域，模糊邏輯也是一種比較適合的控制技術(shù)，具有很好的應(yīng)用前景。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(chǔ)。在目前公開發(fā)表的文獻中，邏輯門限控制方法都是基于靜態(tài)參數(shù)的，作者在文中首次提出了采用動態(tài)參數(shù)的邏輯門限控制策略的思想。圖31所示為控制策略的設(shè)計循環(huán)，整車仿真平臺是控制策略設(shè)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(biāo)定和試驗，最終完成控制策略在實際車輛上的應(yīng)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(chǔ)。由于第一輪開發(fā)的樣車中，輔助起動/發(fā)電機（ISG）沒有發(fā)電功能，所以該系統(tǒng)實際上屬于標(biāo)準的并聯(lián)型式。表31并聯(lián)式混合動力汽車的主要技術(shù)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。在車輛以正常車速巡航行駛時，由發(fā)動機驅(qū)動，發(fā)動機一旦啟動，就工作于負荷相對較高的高效區(qū)，如果輸出功率有富余，就將此部分功率用于向電池充電，以備將來電機用。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。能量轉(zhuǎn)換效率是指燃料的能量通過動力裝置和傳動系轉(zhuǎn)變?yōu)轵?qū)動車輪的機械能的百分比，能量管理策略的目標(biāo)，是使能量轉(zhuǎn)換效率盡可能高。減速和制動時回收能量是不需要消耗燃料的，當(dāng)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?？刂瓢l(fā)動機工作于最佳效率區(qū)可通過負荷平衡來實現(xiàn)，即用電機來調(diào)整發(fā)動機負荷，使發(fā)動機盡可能工作于最佳效率區(qū)。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)。通過控制功能的分塊，將復(fù)雜的控制系統(tǒng)分解成相對簡單的子系統(tǒng)，從而使得整個系統(tǒng)的設(shè)計難度得到極大地降低，這也是復(fù)雜控制系統(tǒng)設(shè)計常用的方法。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。整車控制（車輛控制器VCU）車輛控制器作為中央控制單元，是整個控制系統(tǒng)的核心，負責(zé)整車的能量管理，向各ECU發(fā)出控制指令，控制車輛的實際運行。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(zé)監(jiān)測電池的電壓、電流和溫度，計算電池的SOC和電池當(dāng)前能吸收或釋放的電能，并將這些信息發(fā)送給VCU。另外 BMS需要對電池組進行熱管理，包括散熱通風(fēng)和電池組的溫度均衡控制。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(yīng)由發(fā)動機ECU完成。集成起動/發(fā)電機（ISG）控制（ISG ECU）由VCU向ISG ECU發(fā)送工作模式指令，若電動機和發(fā)電機工作，同時給出轉(zhuǎn)矩指令。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。換檔邏輯可以放在整車控制器（VCU）中，也可以由AMT/離合器ECU承擔(dān)。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(dāng)），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。在圖35的上部曲線中，AC段為汽車由靜止起步緩慢加速過程，CD為勻速行駛段，DE段為急加速，EF段為制動至停車。圖35的下部曲線是上部行駛曲線對應(yīng)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。表32工作模式分析續(xù)表32基于負荷平衡的轉(zhuǎn)矩分配控制 請求轉(zhuǎn)矩的識別基于轉(zhuǎn)矩的控制策略的前提，是對請求轉(zhuǎn)矩Treq的識別，即將駕駛員的加速和制動踏板輸入信號轉(zhuǎn)換為請求轉(zhuǎn)矩。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?；旌蟿恿ζ囋隈{駛習(xí)慣上不應(yīng)有別于傳統(tǒng)汽車，因此，加速踏板行程為零時，混合動力系統(tǒng)應(yīng)有同樣的轉(zhuǎn)矩輸出特性。β=0對應(yīng)的請求轉(zhuǎn)矩根據(jù)經(jīng)驗公式來確定，用Treq_w0(ua)表示。 負荷平衡控制變速箱輸入軸上的請求轉(zhuǎn)矩為Treq=Treq_w(R*ηT)，R為變速箱與驅(qū)動橋總傳動比，ηT為傳動系機械效率。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(dāng)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。能量管理策略的基本原則是控制發(fā)動機在高效區(qū)工作，取消發(fā)動機的怠速運行工況，同時在低負荷區(qū)，由于效率太低也關(guān)閉發(fā)動機，即在低速、低負荷時由電機驅(qū)動車輛。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。通過主動充電和電機助力，可以調(diào)整發(fā)動機負荷，使之在高效區(qū)工作，如圖37所示。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。例如，發(fā)動機、發(fā)動機應(yīng)該關(guān)閉，對應(yīng)的發(fā)動機轉(zhuǎn)矩為Te_off。實際可行的一種做法是，根據(jù)經(jīng)驗和直觀判斷，設(shè)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(fù)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。在控制參數(shù)的設(shè)計中，有兩種方法：一種是動態(tài)參數(shù)方法，一種是靜態(tài)參數(shù)方法，表33和表34分別是這兩種方法的參數(shù)表，其中表34的控制參數(shù)主要參考了文獻[71]的方法。理論上，動態(tài)邏輯門限控制策略的效果應(yīng)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。采用標(biāo)準C語言編寫控制程序，在Windows環(huán)境下編譯成動態(tài)鏈接庫（DLL）文件，這樣就完成了將控制策略寫成標(biāo)準算法模塊的工作。 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。圖312是對圖11(a)中最后250s的轉(zhuǎn)矩分配規(guī)律的放大圖，（步長為1秒）發(fā)動機工作點在其效率圖上的分布情況。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。在圖312轉(zhuǎn)矩分配規(guī)律的放大圖中，可以看到，在控制策略的作用下，發(fā)動機和電機的轉(zhuǎn)矩之和始終能夠跟蹤請求轉(zhuǎn)矩的變化并與之保持相等，從而實現(xiàn)了將駕駛員的轉(zhuǎn)矩請求在發(fā)動機和電機之間進行合理分配的目的。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。，%，燃油經(jīng)濟性得到了顯著提高。 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(shè)計方法，控制策略是一個涉及復(fù)雜問題決策和非線性時變系統(tǒng)控制的復(fù)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(fù)雜，建立系統(tǒng)的精確數(shù)學(xué)模型非常困難，因此，基于規(guī)則仍是目前控制策略設(shè)計的主要方法。（2）能量管理策略必須通過精確地控制混合動力系統(tǒng)的工作才能實現(xiàn)，為此設(shè)計了由整車控制器、各部件總成ECU和各部件執(zhí)行單元組成的三層分布式遞階結(jié)構(gòu)的控制系統(tǒng)，規(guī)定了控制系統(tǒng)中各個電控單元的控制功能，從而為整車控制策略的設(shè)計奠定了基礎(chǔ)。（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(chǔ)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)。在控制參數(shù)設(shè)計上，提出了不同于靜態(tài)邏輯門限參數(shù)的動態(tài)邏輯門限參數(shù)法，為提高邏輯門限控制策略的性能開辟了新的途徑。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(yù)先設(shè)定的參數(shù)，限定發(fā)動機的工作區(qū)域，并根據(jù)設(shè)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。對于不同的控制策略，參數(shù)優(yōu)化都是一個需要解決的共性問題[95~102]。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。一種改進的方法是利用傳統(tǒng)的基于梯度的優(yōu)化程序如逐步二次規(guī)劃（SQP）法[71]等，對參數(shù)進行優(yōu)化。在不依賴于目標(biāo)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(yīng)人工智能技術(shù)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]。傳統(tǒng)的GA采用二進制位串編碼，應(yīng)用于離散組合優(yōu)化搜索和自適應(yīng)系統(tǒng)等較為廣泛的領(lǐng)域，而ES是作為一種實參數(shù)優(yōu)化技術(shù)出現(xiàn)的，操作于實數(shù)向量。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]。隨著混合動力汽車研究的深入，進化算法也被引入了混合動力汽車的設(shè)計中來[95~102]。混合動力汽車控制策略的參數(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。對于靜態(tài)邏輯門限控制策略，由于所有參數(shù)都是靜態(tài)的，一旦設(shè)計好，在控制過程中是不變的，因此，設(shè)計變量就是這些參數(shù)本身，如表41所示。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(shè)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