摘要：隨著科技的不斷發(fā)展以及人們環(huán)保意識的不斷增強，混合動力汽車在當前的普及率不斷提高。相較于傳統(tǒng)汽車，混合動力汽車增加了電池驅(qū)動系統(tǒng)，動力源相較傳統(tǒng)汽車來說有所增加，并且不同的動力源由于能量分配上的差異性對混合動力汽車的經(jīng)濟性和動力性也會造成一定程度上的影響。因此，為保障混合動力汽車的舒適性以及經(jīng)濟性，需做好控制措施，實現(xiàn)混合動力汽車長遠可持續(xù)發(fā)展。據(jù)此，分析了混合動力汽車控制策略，并提出混合動力汽車今后研究和發(fā)展方向，以期為開展相關(guān)研究提供參考。

關(guān)鍵詞：混合動力汽車;控制策略;發(fā)展方向

中圖分類號：U461收稿日期：2022-06-13

DOI：10.19999/j.cnki.1004-0226.2022.07.006

1前言

隨著科技的發(fā)展，混合動力汽車的控制策略不斷提升，已由傳統(tǒng)的基于規(guī)則的能量控制策略轉(zhuǎn)變?yōu)榛趦?yōu)化算法的控制策略。而隨著人工智能技術(shù)的不斷發(fā)展，在控制策略上智能化的程度也逐漸提高，并且已經(jīng)成為今后混合動力汽車的主要研究方向和發(fā)展方向。

2混合動力汽車控制策略2.1基于規(guī)則的控制策略

在基于規(guī)則的混合動力汽車能量控制的過程中，在混合動力汽車出現(xiàn)初期，均是采用基于規(guī)則之上的能量控制策略而進行的。基于規(guī)則的能量控制對策，也是在立足于人類學知識、工程學知識以及數(shù)學模型上而得出的，一般來說，并沒有對駕駛循環(huán)進行預先定義，其主旨思想在于負載實現(xiàn)均衡?；谝?guī)則的能量控制對策一般又可分為基于確定規(guī)則的控制策略以及基于模糊規(guī)則的控制策略。

2.1.1確定規(guī)則

在對混合動力汽車進行控制的過程中，基于規(guī)則的控制策略原理是結(jié)合發(fā)動機在運行中生成的MAP圖像來對發(fā)動機進行工作區(qū)上的分類，根據(jù)其負荷承載力將其分為程度不同的工作區(qū)，如高、中以及低負荷區(qū)三個部分，并利用電池或者電機對發(fā)動機在工作時的特性進行優(yōu)化。

在判斷發(fā)動機負荷區(qū)的過程中，一般依照混合動力汽車行駛道路的負載量、混合動力汽車在行駛過程中的車速度、電池荷載電量狀態(tài)、油門踏板信號，以及制動踏板信號等來對當前行駛環(huán)境下的功率所對應的發(fā)動機負荷區(qū)進行判定，以此來明確工作模式上的差異性。具，體的應用控制策略的過程通常包括功率跟隨控制模式以及恒溫器模式。

相較于功率跟隨式模式，恒溫器式控制模式在具體運行原理上較為簡單，操作較為方便，但其局限性也較為明顯，例如其僅僅在串聯(lián)混合動力汽車上才可使用，局限性較大。并且處于恒溫器模式控制下的混合動力汽車，其動力電池組還需滿足車輛在行駛過程中對于峰值功率的需求，這就使得該動力電池組在充電頻次和放電頻次上較高，對電池的使用壽命造成極大的影響。

功率跟隨式控制模式可保證電池在荷電狀態(tài)上的穩(wěn)定性，減少蓄電池反復工作，有利于電池使用壽命的延長，可有效分配發(fā)動機動力。但該種模式也具有極大的局限性，例如其對混合動力汽車的排放性能以及發(fā)動機效率會造成一定影響。

從整體來看，基于確定規(guī)則的混合動力汽車能量控制操作規(guī)則較少，操作難度較低，在應用上較為簡單，并可結(jié)合實際情況來完善控制規(guī)則，對于錯誤的規(guī)則也可進行修改，靈活性較強且應用范圍較為廣泛。但其對工程經(jīng)驗的依賴性較高，在能量分配上無法做到能量最優(yōu)分配，并且一旦在規(guī)則上存在不合理之處，對控制效果也會造成較大的影響。

2.1.2模糊規(guī)則

由于混合動力汽車在傳動系統(tǒng)上較為復雜，為更好地實現(xiàn)功率最優(yōu)分配，基于模糊規(guī)則的控制策略也比較常用。該策略可利用構(gòu)建模糊邏輯的控制器實現(xiàn)對功率的次優(yōu)分配，從而保障整車性能。

在模糊規(guī)則中，利用高、中、低等這類較為模糊的參數(shù)來替代原有的確定規(guī)則，在控制上精確性較高。模糊規(guī)則一般分為模糊邏輯以及模糊自適應控制兩種。在模糊邏輯控制的過程中，其通過模糊規(guī)則來對功率進行分配，以此來優(yōu)化發(fā)動機的工作點，實現(xiàn)荷電狀態(tài)下電機效率和電池組的平衡，并可對模糊策略應用在車輛經(jīng)濟性改善上的有效性進行驗證，提升其積極作用。

c77ff71599c69e63628bd2cf44e4d835模糊自適應控制策略與模糊控制以及自適應控制相結(jié)合，可實現(xiàn)具備自適應功能的模糊控制。由過往的研究中可以得出，利用自適應模糊控制策略來對混合動力汽車的動力系統(tǒng)分配動力，其魯棒性較強，可使得動力設備例如蓄電池、發(fā)動機以及電機等始終保持最優(yōu)工作狀態(tài)。

相較于基于確定原則，基于模糊原則的能量控制策略在控制上對數(shù)學模型的精確性要求較低，可將嵌入式系統(tǒng)進行合理應用，魯棒性較強。但模糊規(guī)則也具有一定的局限性，其在制定上對工程經(jīng)驗依賴性較強，因此在全局最優(yōu)的分配上表現(xiàn)較差。為最大限度地發(fā)揮模糊規(guī)則在能量控制上的積極作用，還需與優(yōu)化算法配合使用[2]。

2.2基于優(yōu)化的控制策略

混合動力汽車的能量控制，本質(zhì)上指在一定的約束條件限制下，利用控制排放與油耗，來提升混合動力汽車的性能?；趦?yōu)化的控制策略，其將能量控制與優(yōu)化算法進行有機集合，打造出基于能量的優(yōu)化策略。建立基于算法的優(yōu)化模型，可將優(yōu)化條件與約束條件進行定義，并利用優(yōu)化算法來計算成本函數(shù)，并取結(jié)果中的最小值。其控制策略一般還包括兩種，分別為全局優(yōu)化能量控制以及瞬時優(yōu)化能量控制。

2.2.1全局優(yōu)化能量控制。

在掌握車輛循環(huán)工況的基礎(chǔ)長度之后，需明確優(yōu)化目標，在約束條件的基礎(chǔ)之上打造成本函數(shù)，對于電動機以及發(fā)動機在轉(zhuǎn)矩上的協(xié)調(diào)性進行合理分配，來實現(xiàn)全局最優(yōu)。由于混合動力汽車在計算和預覽上的復雜性，無法進行實車上的具體應用，但其可對其他控制策略進行分析和評估，對在分析中發(fā)現(xiàn)的問題還可進行及時調(diào)整，提升能量控制對策的適用性。

在全局優(yōu)化能量對策中，一般包括DP、SDP、GA和CP等。在這些對策中，以DP最為常用。詳細來看，DP指的是對多階段決策進行優(yōu)化求解的過程，對于解決混合動力汽車在動力分配上的最優(yōu)問題可起到重要的促進作用，并使得復雜的問題進行簡單化，實現(xiàn)單步優(yōu)化或者多級優(yōu)化，不僅可得到最優(yōu)解，還可實現(xiàn)已處理問題的非線性和約束。在混合動力汽車中，DP在能量控制上可有效節(jié)省燃油，因此可利用其評價其他能量控制對策的優(yōu)勢以及不足之處。但DP也具有一定的局限性，例如其計算步驟較多，存在“維數(shù)災”的幾率[3]。

為了彌補無法完全得知工況的局限性，SDP也較為常用，可利用因果控制器來對系統(tǒng)進行控制，便于找出解決結(jié)果中的最優(yōu)解，并實現(xiàn)無限范圍內(nèi)無限縮小預期，成本。GA從本質(zhì)上來看屬于啟發(fā)式算法，可針對全局進行優(yōu)化，在解決非線性最優(yōu)化問題中具有較大的適應性。利用GA對控制策略以及動力系統(tǒng)的各項參數(shù)進行優(yōu)化，從仿真結(jié)果來看，與未優(yōu)化效果相比，整車在燃油經(jīng)濟性上得以明顯提升，并且還可同時保持整車動力，在排放性能上改善也較為明顯。

但GA也存在一定的局限性，例如其在優(yōu)化上存在一定的過程，并且對代數(shù)存在較高的要求，對于種群個體的要求也較高，其計算步驟較為復雜，且計算所涉及到數(shù)據(jù)較多，局部最優(yōu)現(xiàn)象發(fā)生幾率較高。CP可轉(zhuǎn)化非線性問題，使其成為半定問題，可有效減少運行所需時間，并提升算法的實時性，更可保障結(jié)果的有效性。過往研究中將發(fā)動機在啟動控制上出現(xiàn)的問題引人到能量控制中，并將其進行簡化，利用CP對發(fā)動機啟停、能量控制以及電池的大小進行整體上的優(yōu)化，利用最少的計算時間來實現(xiàn)最大限度的全局優(yōu)化（4。

從整體上來看，全局優(yōu)化可最大限度地提升燃油的經(jīng)濟性。但從實際應用來看，其也具有一定的局限性。例如該種方式對循環(huán)工況需提前進行預知，在算法上也較為復雜，對硬件的需求較大，在實時性上較差，無法實現(xiàn)實車應用，但可作為參考標準存在，可為瞬時優(yōu)化提供指導和借鑒。

2.2.2瞬時優(yōu)化能量控制

由于全局優(yōu)化在具體實施中存在較大的局限性，且無法實現(xiàn)實車應用。因此，瞬時優(yōu)化的策略也被研究出來，在瞬時優(yōu)化中，其可構(gòu)造成本函數(shù)，構(gòu)建能量消耗模型，并在結(jié)合發(fā)電機和電池組工作特性的基礎(chǔ)之上，結(jié)合每個時間步長內(nèi)整車能量消耗或者功率最小損耗的原理，針對電池組的轉(zhuǎn)矩以及功率來開展優(yōu)化分配，做好瞬時能量分配工作。在利用瞬時優(yōu)化策略進行控制的過程中，除需考慮油耗之外，電力自我維持情況也需被納入到考慮范圍內(nèi)。瞬時優(yōu)化在具體實施的過程中，由于計算量較小，實現(xiàn)實時計算，實現(xiàn)最優(yōu)控制每一時間步長，但在全局最優(yōu)上無法完全保障。在瞬時優(yōu)化中，PMP、ECMS和MPC三種方式均較常用[5]。

PMP從本質(zhì)上來看也是瞬時優(yōu)化算法，其原理在于結(jié)合不同時刻哈密頓函數(shù)的辯護來求取最小值，從而得到控制變量的最優(yōu)解，對于控制約束中出現(xiàn)的問題可進行有效解決，并可得出最優(yōu)解的獲得方法，從而針對目標函數(shù)以及控制變量求極值。與DP相比，PMP在計算量上較小，實時性較強，更可滿足全局最優(yōu)，控制性能較好。但也具有一定的局限性，一旦沒有獲知工況信息，則無法獲取最優(yōu)協(xié)同狀態(tài)，無法實時進行應用[6]。

ECMS工作原理為結(jié)合等效因子來處理電耗以及油。耗，并將發(fā)動機的電池以及發(fā)電過程中所產(chǎn)生的油耗轉(zhuǎn)變?yōu)榘l(fā)動機本身的油耗，構(gòu)建不同時間的燃油消耗模型，結(jié)合加權(quán)因子來對排放量以及優(yōu)化效率求取最優(yōu)解，對于電池荷電狀態(tài)可不進行考慮。并且利用PMP來進行分析，利用等效系數(shù)來獲知最優(yōu)解，可明顯提升實時性，更可實現(xiàn)整車性能的優(yōu)化。這種策略在實效性上較好，相較于動態(tài)規(guī)劃來說，其計算量較小，更可滿足全局最優(yōu)的各種要求。

MPC在特征上呈現(xiàn)出預測模型、反饋校正、滾動優(yōu)化以及軌跡參考等。在具體的實施過程中，其在不同預測模型的基礎(chǔ)之上，利用滾動優(yōu)化原則，實時性較好。而在立足于參考軌跡上，可提升魯棒性。利用反饋校正，還可對系統(tǒng)的控制精度以及抗干擾能力進行提升，從而提升整體經(jīng)濟性和適應性。在控制過程上，其在有限時域內(nèi)對控制序列進行預測和計算，將控制序列的第一個元素施加于被控對象，并對結(jié)果進行修正輸出。但MPC也具有一定的局限性，例如由于其實現(xiàn)實時在線進行滾動和優(yōu)化，數(shù)據(jù)量較大，給運算增加了較大難度[8]。

2.3基于人工智能的控制策略

隨著人工智能技術(shù)的不斷優(yōu)化，在對混合動力汽車進行能量控制的過程中，人工智能的應用也較多，相較于傳統(tǒng)能量控制方式，人工智能控制策略可實現(xiàn)自適應、自學習以及自組織，對于較為復雜的控制問題可進行求解。該策略在信息處理能力上極為強大，對混合動力汽車的能量控制效果可進行明顯提升[9]。

3混合動力汽車今后的發(fā)展方向

在混合動力汽車今后的發(fā)展方向上，由于傳統(tǒng)能量控制方式在實車應用上尚未完全普及，部分能量控制方式的計算數(shù)據(jù)量較大，實時性較差。因此在今后的發(fā)展方向上，需針對其中存在的不足之處進行研究，將不同的能量控制方式進行融合使用，以實現(xiàn)優(yōu)勢互補，真正提升混合動力汽車的應用效果。

4結(jié)語

混合動力汽車隨著社會的不斷發(fā)展，其在普及率上也有著明顯提升。而在混合動力汽車的控制方式上，需結(jié)合實際情況來選擇控制策略，提升控制效果，在保證動力的前提之下真正提升整車的經(jīng)濟性與實用性。

參考文獻：

[1]楊琨，徐彬，董德寶，等.氫燃料電池混合動力客車能量控制策略仿真研究[J].客車技術(shù)與研究，2021，43（1）：1-3.

[2]涂安全，洪潔，張金超，等.P2混合動力汽車發(fā)動機起動過程變速箱控制策略研究[J].小型內(nèi)燃機與車輛技術(shù)，2021，50（1）：64-69.

[3]隗寒冰，賀少川，基于深度強化學習的插電式柴電混合動力汽車多目標優(yōu)化控制策略[J].重慶交通大學學報（自然科學版），2021，40（1）：44-52.

[4]張弛，汪少華，儲望，等，基于新型動力精合構(gòu)型的HEV模式切換協(xié)調(diào)控制策略研究[J].汽車工程學報，2021，11（4）：265-271.

[5]陳致西，周金應，龍軍，等.基于負荷跟隨闊值變化規(guī)則的并聯(lián)混合動力汽車能量管理策略[J].河南科技，2021，40（15）：77-81.

[6]任崇嶺，劉慧軍.基于動態(tài)規(guī)劃插電式并聯(lián)混合動力汽車能量管理控制策略的研究[J].合肥工業(yè)大學學報（自然科學版），2021，44（9）： 1157-1164.

[7]牛禮民，朱奮田，張泉泉，等.混合動力汽車控制策略的分析與展望[J].安徽工業(yè)大學學報（自然科學版），2020，37（4）：364-371.

[8]張風奇，胡曉松，許康輝，等.混合動力汽車模型預測能量管理研究現(xiàn)狀與展望[J].機械工程學報，2019，55（10）：86-108.

[9]王永寬，錢立軍，牛禮民、基于免疫算法的四驅(qū)插電式混合動力汽車控制策略多目標優(yōu)化[J].中國機械工程，2017，28（14）：1683-1690.

作者簡介：

苗琪，男，1996年生，碩士在讀，研究方向為機械工程。