电动汽车前向仿真中驾驶员模型建模与仿真

第28卷　第6期2004年12月武汉理工大学学报(交通科学与工程版)Jou rnal of W uhan U n iversity of T echno logy(T ran spo rtati on Science &Engineering )V o l .28　N o.6D ec .2004电动汽车前向仿真中驾驶员模型建模与仿真3 收稿日期:20040704 黄妙华:女,42岁,博士,副教授,主要研究领域为电动汽车设计与控制 3国家十五“863”计划项目资助(批准号:2001AA 501213)黄妙华　陈　飚　陈胜金(武汉理工大学汽车工程学院　武汉　430070)摘要:介绍了在电动汽车前向仿真中所采用的驾驶员模型的建模方法.针对仿真车速与需求车速之间的偏差使用P I 控制器进行修正而又难以整定P ,I 系数的问题,提出了采用模糊控制器对车速偏差进行修正的方法.按此方法对驾驶员模型进行建模,在电动汽车仿真软件H EV Si m 中进行仿真测试,在实现仿真要求的前提下,仿真车速对需求车速的跟踪情况优于P I 控制器.该驾驶员模型具有较好的鲁棒性,适用于各种类型的电动汽车仿真.关键词:电动汽车前向仿真;驾驶员模型;模糊控制器中图法分类号:U 469.72;T P 391.90　引 言利用计算机技术对电动汽车的各组成部件及控制策略进行建模与仿真,可起到有效的预测相关部件及整车性能的作用.目前,按照仿真过程中控制信号与能量流的传递路径,可将仿真方法划分为两大类,即后向仿真与前向仿真.其结构如图1所示.图1　后向仿真与前向仿真结构简图后向仿真在假定车辆按循环工况行驶的前提下,根据工况要求反求各部件工作需求,控制器以满足此需求为目标对各动力源(如电池2电机与发动机)的动力输出进行分配;前向仿真则利用一个驾驶员模型将车辆行驶过程中的需求以指令形式实时地传递给控制器,控制器按此指令,结合部件当前工作状态决定各动力源的功率分配,同时实现对主要部件的准确控制.与后向仿真相比,前向仿真更接近于真实的车辆行驶过程.它实现了控制信号与能量流的正向传递,并且在各部件间传递实际的工作转矩、功率与转速.这种与现实过程相类似的处理方法使得通过仿真对控制策略进行高效的测试及调整成为可能;更重要的是前向仿真易于实现模型的动态化建模[1].因而,对前向仿真模型的研究将更有利于指导电动汽车技术在实车上的应用.驾驶员模型作为前向仿真模型区别于后向仿真模型的典型特征部件,同时也是整个仿真过程的起始环节,其重要性不言而喻.文中在讨论驾驶员模型建模方法的基础上,提出了利用模糊控制器对仿真过程中所得仿真车速与工况需求车速偏差进行修正的方法,并将此建模方法与传统的P I 控制器模型进行了比较,其结果优于P I 控制器模型.1　驾驶员模型建模1.1　驾驶员模型概述电动汽车在实车运行阶段,驾驶员按照试验工况(包括车速及爬坡度需求),根据驾驶经验操作加速 制动踏板,控制器按踏板信号控制相关部件工作,使得最终输出的车速与工况需求相吻合,从而验证控制策略及部件选型的正确性.而在计算机前向仿真中,由于无法在仿真进行过程中从系统外部不间断地向系统输入踏板信号,因而要实现仿真按既定工况运行的目的,就只有通过建立驾驶员模型,使其在能够反映工况需求的前提下尽可能模拟真实驾驶员的操作过程.在开环仿真系统中,驾驶员模块所需实现的功能就是将驾驶员操作加速 制动踏板的信号以需求车速的形式体现出来,并通过阻力矩计算将此车速转换为所需作用于车轮的转矩值送交控制器.这种仿真系统动态适应性较差,往往会由于建模方式造成的部件反应滞后或其他原因导致整个仿真过程中实际达到的车速与驾驶员需求的车速存在较大的偏差.而当此偏差产生后,系统又无法像真实驾驶员那样通过经验及时进行修正,于是偏差不断积累,其结果将是控制器无法正确获取与实际需求相同的信号,使得仿真失去现实意义.因此,为尽可能的消除这种偏差,就必须采用闭环仿真.在闭环仿真系统中,驾驶员模型可以对仿真所得车速进行实时采集,并通过调节加速 制动踏板的方式(以修正转矩的形式体现)对需求车速进行较好的跟踪.闭环仿真系统中,驾驶员模型的建模结构如图2所示.图2　驾驶员模型结构简图其中,仿真所得车速由整车仿真计算后得到;仿真需求车速、坡度及仿真状态开关指令(控制仿真的起始与终止)由表述循环工况的数据文件得到.1.2　车轮阻力矩计算达到需求车速所需作用于车轮的转矩T w h 由四部分组成[2]T w h =T rolling+T aero +T grade +T accelerateTro lling=m g (f 1+f 2 u a +f 3 u a 2+ f 4 u a 3)co s (Α)r w h (1)T aero =12×Θaero ×C D ×A × u a ×r w h (2)T grade =m ×g ×sin (Α)×r w h (3)T accelerate =∆×m ×d u ad t×r w h (4)式中:T ro lling 为车轮克服地面滚动阻力所需转矩;T aero 为车轮克服风阻所需转矩;T grade 为车轮克服坡度阻力所需转矩;T accelerate 为车轮克服加速阻力所需转矩;Θaero 为空气密度;C D 为风阻系数;A 为迎风面积;m 为整车质量;r w h 为车轮半径;∆为旋转质量换算系数;f 1,f 2,f 3,f 4为滚动阻力系数(根据不同轮胎而定);Α为驾驶员需求坡度值;u a 为驾驶员需求车速.上述计算得到的车轮需求转矩值与开环仿真系统中驾驶员最终对车轮转矩的需求值相同,属于静态需求.即在车辆模型选定后,该值只取决于驾驶员需求车速的大小,无法结合实际仿真过程中的具体情况进行实时调整,因此容易造成仿真车速与工况需求车速产生较大偏差,难以实现仿真要求.鉴于此,在闭环仿真系统中加入了对车速偏差的修正模块.1.3　车速偏差修正模块的模糊控制器建模由于车速偏差与其修正转矩之间存在较为复杂的非线性关系,难以用精确的数学模型加以描述,故而通常采用P I 控制器对其进行控制.常规P I D 对于非线性、时变的复杂系统和模型不清楚的系统难以达到很好的控制效果;并且P I D 控制器的参数整定一直是个难题,传统的方法是通过以往的经验进行手动调节,或通过经验进行近似估算,这些方法对于较复杂系统的控制器的参数调节将非常费时且难以达到满意的控制效果.目前已在实际中得到了广泛应用的模糊控制,通过模仿人的模糊综合判断推理来处理常规方法难以解决的模糊信息处理的难题,具有简单明晰的结构化知识表达;模糊控制算法对被控对象的数学模型没有特殊要求,采用比较直观的控制规则,通过推理就可以实现对非线性对象的控制[3,4].将模糊控制器应用于驾驶员模型中,对仿真车速与需求车速之差进行修正,可以取得较好的控制效果.模糊控制器结构如图3所示. 模糊控制器的输入变量由需求车速与仿真车速之差∃u 及车速差的变化率∃cu 构成,输出变量则为修正转矩T co rrect .利用量化因子k ∃u ,k ∃cu 和比例因子k T 分别对输入变量∃u ,∃cu 及输出变量T co rrect 的基本论域进行归一化处理,使其论域均为[-1,1].将∃u 及∃cu 的论域划分为5个区间{NB ,N S ,Z ,PS ,PB };T co rrect 的论域则被划分为7个区间{NB ,NM ,N S ,Z ,PS ,PM ,PB }.隶属函数采用三角形函数和半梯形函数[5].各变量的隶属函数如图4・628・武汉理工大学学报(交通科学与工程版)2004年　第28卷所示.图3　车速偏差修正的模糊控制器结构简图图4　输入、输出变量的隶属函数NB :negative big (负大),NM :negative m iddle (负中),N S :negative s m all (负小),Z :zero (零),PS :po si 2tive s m all (正小),P M :po sitive m iddle (正中),PB :po sitive big (正大) 根据已有的关于车速偏差及其变化率与修正转矩变化的经验,得出25条模糊控制规则,现将部分规则列举如下.IF ∃u =Z and ∃cu =Z TH EN T co rrect =Z ;IF ∃uu =P S and ∃cu =PB TH EN T co rrect =PM ;IF ∃u =PB and ∃cu =P S TH EN T co rrect =PB ;IF ∃u =N S and ∃cu =PB TH EN T co rrect =Z ;IF ∃u =N B and ∃cu =PB TH EN T co rrect =N S .模糊推理采用M am dan i (M ax 2M in )决策法,解模糊判决采用重心法(COA ).2　仿真结果及分析将建好的驾驶员模型放入开发的电动汽车仿真软件H EV Si m 中进行仿真,仿真选用串联式混合动力结构.仿真选用车辆主要参数如下.整车总质量1772kg ;滚动阻力系数f 1为0.0054,f 2,f 3,f4均为零;空气阻力系数0.25;迎风面积1.90m 2;车轮滚动半径0.275m ;发动机最大功率49.57k W (6000r m in ),最大转矩90.85N ・m (4582r m in );电机最大功率38.05k W ;发电机最大功率35.37k W ;电池初始充电状态0.5.仿真选用N EDC 循环工况进行.为便于比较,同时对一组采用经整定的P I 控制器模型(k p =200,k i =5)建模的驾驶员模型进行仿真,仿真结果分别如图5,图6所示.图5　含模糊控制器的驾驶员模型仿真结果图6　含P I 控制器的驾驶员模型仿真结果 其中,采用模糊控制器的驾驶员模型仿真需求车速与仿真所得车速之间存在的偏差,其平均值为0.116km h ,均方差值为0.504km h ,发动机油耗为8.55L 100km ,CO 2排放为204.177g km ;而采用P I 控制器的驾驶员模型,其车速偏差的平均值为0.221km h ,均方差值为0.814km h ,发动机油耗为9.38L100km ,CO 2排放为223.984g km .由仿真结果可见,所建驾驶员模型在仿真系统中能实时的对整车控制器传送指令,并通过相应控制使得仿真所得车速与仿真需求车速基本吻合,达到仿真要求;采用模糊控制器对车速偏差进行修正,其修正效果优于传统P I 控制器,仿真车速对需求车速的跟踪情况明显较好;同时,采用模・728・　第6期黄妙华等:电动汽车前向仿真中驾驶员模型建模与仿真糊控制器仿真所得的发动机燃油经济性与排放较之P I 控制器均有所改善,说明其更利于控制器充分发挥功用.3　结 论文中对电动汽车前向仿真研究中所引入的驾驶员模型的建模方法作了详细介绍,说明驾驶员模型在仿真中的功用,提出采用模糊控制器替代传统的P I 控制器对仿真需求车速与仿真所得车速之差进行实时修正,并建立相应的仿真模型.通过对所建模型进行仿真,可见在实现仿真要求的前提下,模糊控制器对车速偏差的修正能力优于P I 控制器,同时对于整车燃油经济性及排放均有所改善.在条件允许的情况下,也可采用自适应模糊控制器对驾驶员模型进行建模,利用采集得到的真实驾驶员的操作数据对模糊控制器进行训练,可使仿真的真实性大大提高.利用模糊控制器建模的驾驶员模型具有较好的鲁棒性,适用于各种类型的电动汽车仿真.参考文献1　W i pke Keith B ,Cuddy M atthew R ,Burch Steven D .ADV ISOR 2.1:a user 2friendly advanced pow ertrain si m ulati on using a com bined backw ard fo r w ard ap 2p roach .IEEE T ransacti on on V eh icular T echno logy ,Sep tem ber 1999.1751～17612　余志生.汽车理论.北京:机械工业出版社,2000.1～203　李士勇.模糊控制・神经网络控制和智能控制论.哈尔滨:哈尔滨工业大学出版社,1996.250～3874　刘振明,潜伟建,夏志澜.基于参数自整定模糊控制的潜器动力定位系统.武汉理工大学学报(交通科学与工程版),2003,27(6):792～7955　M iaohua H uang ,H aixuan Q iu ,J ianghua L iu .Fuzzylogic contro l fo r parallel hybrid veh icles .EV S 19,2002,BusanD river ’s M odeling and Si m u lati on inFacing 2fo rw ard Si m u lati on of E lectric V eh icleHuang M i aohua Chen B i ao Chen Shengj i n(S chool of A u to m otive E ng ineering ,W U T ,W uhan 430070)AbstractT h is p ap er in troduce a m ethod on driver ’s m odeling in fo r w ard 2facing si m u lati on of electric veh i 2cle .To coun ter the p rob lem that it’s difficu lt to ob tain P and I coefficien ts w hen co rrecting the erro r betw een dem and sp eed and si m u lati on speed by u sing P I con tro ller ,a fuzzy logic con tro ller is p resen t 2ed .U sing th is m ethod to bu ild a driver ’s m odel and to run it in the electric veh icle si m u lati on soft 2w are 2H EV Si m .O n the basis of ach ieving dem and of si m u lati on ,the fuzzy logic con tro ller is better than P I con tro ller to the veh icle speed track .T h is driver ’s m odel has good robu stness and can be u sed in m any differen t k inds of electric veh icle si m u lati on .Key words :facing 2fo r w ard si m u lati on of electric veh icle ;driver m odel ;fuzzy logic con tro ller・828・武汉理工大学学报(交通科学与工程版)2004年　第28卷。