004 基于Cruise的混合动力汽车能量管理与控制策略研究_东风商用车_殷政等

基于Cruise的混合动力汽车能量管理与控制策略研究

殷政周杰敏

（东风商用车技术中心，武汉，430056）

摘要：在CRUISE环境中分别建立11L加电机与13L发动机的车辆模型，分析了HEV能量管理策略和不同工作模式间相互切换的条件，在MATLAB/SIMULINK中搭建了基于负荷平衡的转矩分配策略。对比分析两车型在CWTVC工况下的燃油消耗表现，为下一步控制策略调试和参数匹配优化提供数据支持。

关键词：混合动力；CRUSIE；模糊控制

主要软件：A VL CRUISE

1. 前言

随着排放法规的日趋严格，汽车厂家为降低排放所做的努力已不再局限于改善燃烧过程和后处理系统。而目前发动机技术与投入的巨额开发成本相比，技术进步带来的收效却很小。同时现行经济需求的变化，在油价不断高涨的情况下对大马力发动机的需求却不断上升，因此电能在车辆上的应用越来越迫切。

电机虽然能很好的替代发动机，但由于客户需求与特殊的经济应用领域，商用车特别是载货和牵引车在很长一段时间内是不可能实现纯电动的运行，因此HEV的发展是未来一大趋势。而新的动力源的加入则需求耦合机构能使两种动力源能平稳输出，这对协调控制策略提出了新的要求。

本文针对串联式HEV制定出整车控制策略。基于扭矩需求算法制定出整车工作模式，在各个工作模式下对能量源进行合理分配，以实现经济油耗为目标进行控制。通过CRUISE 和Matlab联合仿真，获得了良好的控制效果。

2. CRUISE整车模型建立

2.1 CRUISE介绍

CRUISE是一款针对整车动力性、燃油经济性进行仿真分析的软件，通过图形建模方式，可以快速的根据需求建立整车模型，进行概念的修正工作。而其BUS连接方式可以便捷的提供各数据信息给控制系统，用来做被控对象模型能准确的表达车辆在工况下的实际表现。特别是在混合动力方向的应用有多个特点：

①拥有丰富的混合动力模块库，便于模型的搭建，数据列表界面便于数据的输入和存储。

②自带的FUNCTION和MAP模块能快速的在CRUISE环境中建立简单的控制算法，便于模型的验证和参数的调整。而提供对外接口可以与matlab等软件建立联合仿真，以便进行更加复杂的控制算法的实现。

③其自带的驾驶员模型根据路谱的车速需求可以很快的解耦出加速、刹车、离合踏板信号并通过BUS连接导入到控制算法中，这种前向仿真模式便于控制算法的搭建。

2.2 整车模型的建立

分别建立11L+电机和13L的车辆模型，部分参数如下：车辆总重为65T，变速箱为ZF12档，工况为C-WTVC。模型如下图1所示：

图1 11L+电机模型

电机与发动机通过离合器串联在一起，整个模型的控制部分是MA TLAB DLL 接口提供的SIMULINK 环境中搭建的控制算法，此种连接方式的优点是单一的运行环境仿真速度快，但缺点是由于控制算法生成的DLL 不可在更改，所以对算法的调试不方便。

电机选择的120KW 最大扭矩是840NM ，超级电容选择的是MAXWELL 63F 。

3. 基于转矩分配的模糊控制算法

3.1 模糊控制和逻辑门限控制对比

混合动力汽车控制策略目前主要有三种，第一种为静态的逻辑门限控制策略：根据预先设置的门限参数，限制发动机的工作区域，并调整电机的工作模式；第二种为瞬时优化控制策略：实时监测混合动力车各系统的工作状况，根据当前功率点的需求，计算出最佳经济性输出的各部件工作模式；第三种为模糊逻辑或神经网络等近现代才开展的智能控制策略：应用模糊逻辑或神经网络来决策混合动力系统的工作模式和功率分配。

目前，逻辑门限控制方法在实际商品化混合动力汽车中应用的最广泛。瞬时优化控制策略由于计算量巨大，算法上不容易协调，目前还没有应用。模糊控制在许多工程应用领域中已被证明是一种优越的控制技术。模糊控制策略与逻辑门限控制策略关系密切，逻辑门限控制策略是基于传统布尔逻辑推理的控制方法，而模糊控制策略则基于模糊逻辑推理，在控制策略的分析与综合方法上，逻辑门限控制方法是模糊逻辑控制方法的基础。

通过绘制发动机的MAP 图可以判定出发动机的经济工作区域，而门限值控制算法就是希望发动机能更多的在经济区域工作，如下图2所示：

图2 一般工况工作模式[1]

根据发动机MAP 图可以很快的划分出对应区域的逻辑门限值，但是根据门限值而定义的输出值相对的都是线性输出，虽难能避开发动机的高油耗区域，但是这种基于规则的设置

是一种静态算法，如果要达到很好的效果则需要大量的参数分层，而且也需要不断的运用“试错法”去调试。

基于规则的算法被表示成“IF…THEN…”形式，在通过布尔逻辑运算，实现系统工作模式切换的控制。门限控制的本质，是通过对系统的研究，获得如何有效地控制系统的专家知识，实现一种拟人性能。而在模仿人的推理和决策行为方面，模糊逻辑无疑更接近人的思维方式。它可以很方便的处理诸如“如果SOC较高而加速踏板踩下角度适中，则电机输出部分扭矩辅助驱动”这样的无法用精确参数表达的控制规则。模糊控制事实上实现了逻辑门限控制策略的非线性扩展，它表达了参数在远离和接近门限值时系统行为应有的区别。模糊控制算法模型如下图3所示；

图3 SIMULINK模糊算法

3.2 仿真计算结果

在此，我一共建立了三个车辆模型，分别是：

①基于逻辑门限值控制算法的11L+电机模型，运用Function模块编写基本的门限值算法，并将超级电容设置为无穷大。由此根据MAP基本划分发动机的工作区域，设置门限值分层，可以为模糊算法的设计提供计算支持。

②基于模糊控制的11L+电机模型，由MATLAB DLL模块加载SIMULINK算法。根据MAP可以描绘出最经济的功率曲线如图4所示，然后根据驾驶员输出的踏板信号解构出扭矩需求，然后再根据负荷要求，分配电机和发动机的扭矩输出如图5所示。

图4 发动机MAP图上的模糊子集[1]