基于模糊控制策略的PHEV仿真研究

李 軍，鄒發(fā)明，涂 雄，劉 彪，王文賓

（重慶交通大學(xué)機(jī)電與汽車工程學(xué)院，重慶 400074）

基于模糊控制策略的PHEV仿真研究

李 軍，鄒發(fā)明，涂 雄，劉 彪，王文賓

（重慶交通大學(xué)機(jī)電與汽車工程學(xué)院，重慶 400074）

針對并聯(lián)式混合動力汽車，在電輔控制策略的基礎(chǔ)上設(shè)計一種基于模糊邏輯推理的動力分配控制策略。將其模型嵌入仿真軟件ADVISOR中，在CYC_EUDC循環(huán)道路工況下進(jìn)行仿真計算。仿真結(jié)果表明:與電輔控制策略相比，采用模糊邏輯控制策略的混合動力電動汽車具有較好的經(jīng)濟(jì)性、排放性、魯棒性，能夠使發(fā)動機(jī)盡量集中工作在優(yōu)化工作曲線附近，并保證電池SOC在較小的范圍內(nèi)變化。

并聯(lián)式混合動力汽車;模糊邏輯控制;仿真

0 引言

混合動力電動汽車被認(rèn)為是目前應(yīng)對環(huán)境和能源問題的最主要對策和最現(xiàn)實的選擇之一，在全世界范圍內(nèi)得到大力發(fā)展?；旌蟿恿﹄妱悠嚨奶攸c是燃油發(fā)動機(jī)動力與電動機(jī)動力兩種動力的組合，可以通過合理的控制策略使其獲得良好的燃油經(jīng)濟(jì)性和排放性。

根據(jù)混合動力電動汽車動力源的數(shù)量以及動力系統(tǒng)結(jié)構(gòu)型式的不同，HEV可分為串聯(lián)式、并聯(lián)式以及混聯(lián)式［1］。并聯(lián)式混合動力汽車采用發(fā)動機(jī)和電動機(jī)兩套獨立的驅(qū)動系統(tǒng)驅(qū)動車輪，發(fā)動機(jī)和電動機(jī)可以分別獨立地向汽車提供動力，在需要大功率時可用發(fā)動機(jī)和蓄電池共同提供動力。汽車的需求轉(zhuǎn)矩Trq為發(fā)動機(jī)輸出扭矩Te和電動機(jī)輸出扭矩Tm之和，Te，Tm之間相互獨立，如圖1。

圖1 并聯(lián)式混合動力汽車簡圖Fig.1 Diagram of parallel hybrid electric vehicle

1 模糊邏輯控制策略研究

1.1 混合動力汽車的控制目標(biāo)

在保證PHEV動力性能的前提下，把動力傳動系的需求扭矩合理分配給發(fā)動機(jī)和電動機(jī)，盡量使發(fā)動機(jī)工作在省油區(qū)。通過調(diào)節(jié)發(fā)動機(jī)工作點，使發(fā)動機(jī)工作點圍繞優(yōu)化曲線波動，同時設(shè)定電池電量狀態(tài)的上限值SOChi和下限值SOClo，使電池SOC值保持在一定的范圍內(nèi)以延長電池的使用壽命和提高電池的充放電效率。

1.2 模糊邏輯控制策略

以并聯(lián)式混合動力電動汽車為研究對象，用MTALAB/Simulink軟件建立模糊邏輯控制策略仿真模型，并在ADVISOR平臺上對建立的模型進(jìn)行仿真分析［2］。

模糊邏輯控制策略是以模糊集理論、模糊語言變量和模糊邏輯推理為基礎(chǔ)的一種智能控制方法，它從行為上模仿人的模糊推理和決策過程，其魯棒性和適應(yīng)性較好，不依賴于被控對象精確數(shù)學(xué)模型［3］，比較適用于PHEV的動力系統(tǒng)控制建模。設(shè)計模糊邏輯控制策略目的在于保證整車的動力性能、滿足排放法規(guī)要求的前提下，兼顧發(fā)動機(jī)燃油經(jīng)濟(jì)性和蓄電池充放電效率，實現(xiàn)蓄電池充放電的平衡。其控制系統(tǒng)結(jié)構(gòu)示意如圖2。

圖2 控制系統(tǒng)結(jié)構(gòu)示意Fig.2 Structure schematic drawing of control system

模糊邏輯控制系統(tǒng)的輸入為需求轉(zhuǎn)矩Trq與最優(yōu)轉(zhuǎn)矩Top之差即ΔT、蓄電池SOC值，輸出是參數(shù)r，其與最優(yōu)轉(zhuǎn)矩相乘得到發(fā)動機(jī)輸出轉(zhuǎn)矩Te，電動機(jī)輸出轉(zhuǎn)矩Tm通過Trq和Te之間的差值得到。發(fā)動機(jī)燃油優(yōu)化工作曲線（Top曲線，見圖3）是從發(fā)動機(jī)的萬有特性曲線出發(fā)，將一定發(fā)動機(jī)轉(zhuǎn)速和一定負(fù)荷發(fā)動機(jī)的最低燃油消耗點連成一條線，也就是靜態(tài)工作條件下發(fā)動機(jī)的最佳燃油工作曲線［4］。

圖3 發(fā)動機(jī)優(yōu)化工作曲線Fig.3 Optimization work curve of engine

1.3 模糊邏輯控制器的設(shè)計

利用MATLAB模糊邏輯工具箱設(shè)計模糊邏輯控制器，其步驟包括定義輸入輸出模糊集、定義輸入輸出隸屬函數(shù)和編輯建立模糊控制規(guī)則等［5］，然后將設(shè)計好的模糊控制器模型嵌入到ADVISOR軟件中集成進(jìn)行仿真。模糊控制規(guī)則是模糊控制器的核心，構(gòu)成了描述眾多被控過程的模糊模型。

制定模糊控制規(guī)則的原則是盡量使發(fā)動機(jī)工作在燃油優(yōu)化工作曲線附近，以保證整車的燃油經(jīng)濟(jì)性和排放性能［6-7］。模糊控制器的輸入量是汽車需求轉(zhuǎn)矩Trq與最優(yōu)轉(zhuǎn)矩Top之差即 ΔT、蓄電池 SOC值，輸出是參數(shù)r。

在編輯模糊規(guī)則之前，應(yīng)先對輸入變量進(jìn)行模糊化編輯，分別將轉(zhuǎn)矩差ΔT分成5個模糊子集:{負(fù)大，負(fù)小，零，正小，正大}，其論域確定為［-50 50］，根據(jù)SOC的范圍把電池SOC值也分成5個模糊子集為:{過低，偏低，適中，偏高，過高}，論域確定為:［0.2，1.0］，參數(shù)r的值域為{0.8，0.85，0.9，0.95，1.0，1.05，1.1，1.15，1.2}，輸入變量 ΔT和蓄電池SOC分別采用三角形和梯形的隸屬函數(shù)。模糊控制器輸入變量ΔT、SOC的隸屬函數(shù)如圖4、圖5。

圖4 輸入變量ΔT隸屬函數(shù)Fig.4 Membership function of input variables ΔT

圖5 輸入變量SOC隸屬函數(shù)Fig.5 Membership function of input variables SOC

模糊推理方法采用Sugeno型［8］，其輸出量不是模糊量而是確定的參數(shù)值，模糊控制器的其中部分控制規(guī)則如下:

1）if{需求轉(zhuǎn)矩與最優(yōu)轉(zhuǎn)矩之差ΔTis負(fù)大}and{蓄電池SOC is過低}then{發(fā)動機(jī)輸出轉(zhuǎn)矩參數(shù)ris 1};

2）if{需求轉(zhuǎn)矩與最優(yōu)轉(zhuǎn)矩之差ΔTis負(fù)大}and{蓄電池SOC is偏低}then{發(fā)動機(jī)輸出轉(zhuǎn)矩參數(shù)ris 0.9};

3）if{需求轉(zhuǎn)矩與最優(yōu)轉(zhuǎn)矩之差ΔTis負(fù)小}and{蓄電池SOC is過低}then{發(fā)動機(jī)輸出轉(zhuǎn)矩參數(shù)ris 1.05};

4）if{需求轉(zhuǎn)矩與最優(yōu)轉(zhuǎn)矩之差ΔTis負(fù)小}and{蓄電池SOC is偏低}then{發(fā)動機(jī)輸出轉(zhuǎn)矩參數(shù)ris 1};

5）if{需求轉(zhuǎn)矩與最優(yōu)轉(zhuǎn)矩之差ΔTis零}and{蓄電池SOC is偏低}then{發(fā)動機(jī)輸出轉(zhuǎn)矩參數(shù)ris 1.05};

6）if{需求轉(zhuǎn)矩與最優(yōu)轉(zhuǎn)矩之差ΔTis零}and{蓄電池SOC is適中}then{發(fā)動機(jī)輸出轉(zhuǎn)矩參數(shù)ris 1};

7）if{需求轉(zhuǎn)矩與最優(yōu)轉(zhuǎn)矩之差ΔTis零}and{蓄電池SOC is過高}then{發(fā)動機(jī)輸出轉(zhuǎn)矩參數(shù)ris 0.85};

8）if{需求轉(zhuǎn)矩與最優(yōu)轉(zhuǎn)矩之差ΔTis正大}and{蓄電池SOC is過低}then{發(fā)動機(jī)輸出轉(zhuǎn)矩參數(shù)ris 1.2};

9）if{需求轉(zhuǎn)矩與最優(yōu)轉(zhuǎn)矩之差ΔTis正小}and{蓄電池SOC is過低}then{發(fā)動機(jī)輸出轉(zhuǎn)矩參數(shù)ris 1.15}

10）if{需求轉(zhuǎn)矩與最優(yōu)轉(zhuǎn)矩之差ΔTis正大}and{蓄電池SOC is偏低}then{發(fā)動機(jī)輸出轉(zhuǎn)矩參數(shù)ris 1.15}

2 模糊控制策略的仿真

在基于MATLAB/Simulink環(huán)境的混合動力電動汽車仿真軟件ADVISOR中進(jìn)行PHEV模糊邏輯控制策略的仿真。ADVISOR軟件具有快速的反向仿真和精確的正向仿真兩種模式，它由路面工況、發(fā)動機(jī)、電動機(jī)、蓄電池等模塊構(gòu)成，圖6模塊中的箭頭表示仿真數(shù)據(jù)和能量的流向，每一個模塊都傳遞、變換要求的轉(zhuǎn)矩，也同時傳遞、變換可達(dá)到的和實際的轉(zhuǎn)矩、車速。用戶可以先用Simulink搭建自己的PHEV仿真模型，然后替換ADVISOR中原有的模塊，用戶甚至可以在此基礎(chǔ)上對ADVISOR進(jìn)行二次開發(fā)。在Simulink中搭建的并聯(lián)式混合動力電動汽車頂層模型見圖6。模糊邏輯控制器simulink仿真模型如圖7。最左邊的輸入量為來自離合器模塊的需求轉(zhuǎn)矩Trq和需求轉(zhuǎn)速nrq，最右邊的輸出流向發(fā)動機(jī)模塊。

圖6 PHEV的仿真模型Fig.6 Simulation model of PHEV

圖7 模糊邏輯控制器Fig.7 Fuzzy logic controller

3 仿真結(jié)果與分析

選用ADVISOR軟件中自帶的一款并聯(lián)式混合動力車，發(fā)動機(jī)為1.0 L的汽油機(jī)，ISG為永磁直流無刷電機(jī)，最大電流為210 A，最小電壓為70 V，蓄電池為PB28鉛酸電池組，并設(shè)定其主要參數(shù)見表1。

表1 PHEV主要參數(shù)Table 1 PHEV main parameters

圖8 EUDC仿真循環(huán)工況Fig.8 Circulation conditions of EUDC simulation

CYC_EUDC工況下（如圖8），將建立好的模糊邏輯控制策略模型嵌入ADVISOR中替換原來的電輔控制模型，對其控制效果進(jìn)行仿真分析，仿真時間為1 369 s，行駛距離為11.99 km，兩種控制策略仿真結(jié)果數(shù)據(jù)見表2。

表2 仿真結(jié)果主要參數(shù)Table 2 Main parameters of the simulation results

從表2可知，與電輔控制策略相比較，模糊控制對整車的油耗改善比較明顯，其油耗降低了5.6%，整車的排放性能也有所改善，雖然NOX的排放略有增加，但CO和HC的排放與電輔控制策略相比分別降低了16.5%，1.4%，發(fā)動機(jī)平均效率提升了5%。綜合來看，模糊控制策略在保證發(fā)動機(jī)動力性的前提下，改善了發(fā)動機(jī)的燃油消耗率和排放性，同時提高了發(fā)動機(jī)的效率。

圖9是在整個仿真過程中發(fā)動機(jī)的實際輸出轉(zhuǎn)矩，可看出，在道路循環(huán)的停車時間，發(fā)動機(jī)關(guān)閉，降低油耗。圖10是電動機(jī)實際輸出轉(zhuǎn)矩，由圖可知，在汽車加速時，電動機(jī)提供輔助轉(zhuǎn)矩;減速或怠速時，電動機(jī)回收制動能量，此時電動機(jī)當(dāng)作發(fā)電機(jī)發(fā)電給蓄電池充電。

圖9 發(fā)動機(jī)實際輸出轉(zhuǎn)矩Fig.9 Engine actual output torque

圖10 電動機(jī)實際輸出轉(zhuǎn)矩Fig.10 Motor actual output torque

由圖11可知，模糊控制策略保證了蓄電池具有較高的充放電效率，其中蓄電池充電平均效率為88.162 8%，放電平均效率為98.403 6%。

圖11 蓄電池充電、放電效率Fig.11 Storage battery charging/discharge efficiency

蓄電池SOC變化如圖12，初始值為0.7，最終值為0.706，保持在允許的變化范圍內(nèi)，即充放電平衡，從而可以延長蓄電池的使用壽命。

圖12 電池SOC變化曲線Fig.12 Change curves of battery SOC

由圖13可知，與傳統(tǒng)電輔控制策略相比，模糊邏輯控制策略的發(fā)動機(jī)有比較多的工作點分布在效率較高的中高負(fù)荷區(qū)。

圖13 不同控制策略下發(fā)動機(jī)工作分布點Fig.13 Engine work points under different control strategies

圖14表明，模糊邏輯控制策略下發(fā)動機(jī)的平均工作效率比傳統(tǒng)電輔控制策略要高，其中電輔控制策略下發(fā)動機(jī)平均效率只有22.3%，而模糊控制策略下發(fā)動機(jī)平均效率為27.3%，見表2。

圖14 不同控制策略下發(fā)動機(jī)工作效率Fig.14 Engine efficiency under different control strategies

4 結(jié)語

筆者在電輔控制策略的基礎(chǔ)上設(shè)計了一種基于模糊邏輯推理的動力分配控制策略。仿真結(jié)果表明，用模糊邏輯控制策略的PHEV燃油經(jīng)濟(jì)性、排放性、發(fā)動機(jī)輸出轉(zhuǎn)矩穩(wěn)定性等優(yōu)于電輔控制控制策略，并保證了電池SOC在較小的范圍內(nèi)變化，從而驗證了該控制策略的準(zhǔn)確性和可靠性。

（References）:

［1］ 李興虎.混合動力汽車結(jié)構(gòu)與原理［M］.北京:人民交通出版社，2008:18-19.

Li Xinghu.The Structure and Theory of HEV［M］.Beijing:China Communications Press，2008:18-19.

［2］ 曾小華，王年慶，李俊，等.基于ADVISOR 2002混合動力汽車控制策略模塊開發(fā)［J］.汽車工程，2004，26（4）:394-396.

Zeng Xiaohua，Wang Nianqing，Li Jun，et al.The development of hybrid vehicle strategy module based on ADVISOR 2002［J］.Automotive Engineering，2004，26（4）:394-396.

［3］ 劉金琨.智能控制［M］.北京:電子工業(yè)出版社，2005:36-42.

Liu Jinkun.Intelligent Control［M］.Beijing:Electronic Industry Press，2005:36-42.

［4］ 余志生.汽車?yán)碚摚跰］.北京:機(jī)械工業(yè)出版社，2006:56-62.

Yu Zhisheng.Automotive Theory［M］.Beijing:Mechanical Industry Press，2006:56-62.

［5］ 樓順天.基于MATLAB的系統(tǒng)分析與設(shè)計［M］.西安:西安電子科技大學(xué)出版社，2001:9-10.

Lou Shuntian.System Analysis and Design Based on MATLAB［M］.Xi’an:Xi’an Electronic and Science University Press，2001:9-10.

［6］ 秦大同，姚明亮，胡明輝，等.基于模糊邏輯控制策略的混合動力汽車仿真研究［J］.汽車工程，2007，29（11）:934-941.

Qin Datong，Yao Mingliang，Hu Minghui，et al.Simulation study of the hybrid vehicle based on fuzzy logic control strategy［J］.Automotive Engineering，2007，29（11）:934-941.

［7］ 陳建，李彥，吳亞祥，等.混合動力電動汽車模糊邏輯控制策略的研究與仿真［J］.汽車工程，2006，28（4）:322

Chen Jian，Li Yan，Wu Yaxiang，et al.Study and simulation on fuzzy logic control strategy for hybrid electric vehicle［J］.Automotive Engineering，2006，28（4）:322.

［8］ 張德豐.MATLAB/Simulink建模與仿真實例精講［M］.北京:機(jī)械工業(yè)出版社，2010:304-316.

Zhang Defeng.Earnest Examples of MATLAB/Simulink Modeling and Simulation［M］.Beijing:Mechanical Industry Press，2010:304-316.

Simulation Research on PHEV Based on Fuzzy Logic Control Strategies

Li Jun，Zou Faming，Tu Xiong，Liu Biao，Wang Wenbin
（School of Mechatronics and Automotive Engineering，Chongqing Jiaotong University，Chongqing 400074，China）

In view of PHEV，a fuzzy logic control strategy for power distribution was designed，based on the electrical auxiliary control strategy.Its model was embedded in the simulation software ADVISOR，which was simulated in the condition of CYC_EUDC cycling road condition.The simulation results show that:compared with electric auxiliary control strategy，the designed control strategy based on fuzzy logic has a better economy，emission performance，robustness，and makes the engine work as near as possible to the optimizing working curve，as well as ensures that the SOC of the battery is changing in a small range.

parallel hybrid electric vehicle（PHEV）;fuzzy logic control;simulation

U469.7

A

1674-0696（2013）02-0329-06

10.3969/j.issn.1674-0696.2013.02.34

2012-04-09;

2012-08-15

重慶市教委自然科學(xué)基金項目（KJ090408）;重慶市教委項目（0903070）

李 軍（1964—），男，重慶人，教授，主要從事汽車發(fā)動機(jī)排放與控制研究。E-mail:cqleejun@sina.com。

鄒發(fā)明（1986—），男，江西撫州人，碩士研究生，主要從事汽車發(fā)動機(jī)排放與控制研究。E-mail:zfm8686886@163.com。