丁 磊,吴一滔,刘永刚,黄 真,陈富强,曾 航
(1.东风柳州汽车有限公司, 广西 柳州 545005;2.重庆大学 机械传动国家重点实验室, 重庆 400044)
目前针对混合动力汽车能量管理策略的研究,主要分为两类,一类是基于规则的控制策略,另一类是基于优化的控制策略[1]。基于规则的控制策略高度依赖工程师的经验,如逻辑门限[2]、恒温器控制[3]、功率跟随控制[4];基于优化的控制策略又分为基于全局优化控制的能量管理策略和基于瞬时优化控制能量管理策略[5]。其中,基于全局优化控制的能量管理策略包括动态规划(dynamic programming,DP)[6]算法和序列二次规划算法[7],这类策略通常计算量较大,对控制模型的精度要求较高,难以满足实时应用需求。基于瞬时优化控制能量管理策略主要包括等效燃油消耗最小(equivalent consumption minimize strategy,ECMS)[8]控制策略和模型预测控制(model predictive control,MPC)[9-15]等,这类方法需要利用工况先验知识对未来的车辆状态进行预测、规划,对于现阶段的交通设施而言其工程应用仍有难度。
本文针对多模式串并联混合动力汽车提出了基于动态规划算法优化的逻辑门限规则能量管理策略。首先考虑动力系统包括发动机、电机、电池SOC以及需求扭矩等多维度约束条件,利用动态规划对整车最优控制进行全局寻优,再结合最优策略数据集对整车控制规则进行优化,解决了在特定工况下基于规则能量管理策略的优化问题,显著提升了基于规则能量管理策略的能耗经济性。
HEV动力系统由发动机、发电机(ISG)、驱动电机(TM)、单向离合器、减速器、电池组件和电控系统等部件组成,如图1所示,整车和动力系统主要参数如表1所示。
图1 混合动力汽车动力系统结构示意图
表1 整车和动力系统主要参数
通过对发动机、ISG电机、TM驱动电机和离合器的控制,整车可实现运行在纯电模式、串联模式和并联模式。动力系统基于整车各模块状态(整车动力需求、动力源能力等)、驾驶员模式需求、车辆驾驶经济性需求综合判断当前车辆应执行的模式需求,能量管理策略则根据动力系统特性,在满足系统多维度约束的前提下对系统各部件的扭矩及工作状态进行优化,实现整车综合能耗最小化。
2.1 基于规则的实时控制策略
逻辑门限控制策略主要是根据电池的充放电特性,整车需求扭矩和各模式间切换扭矩线关系建立,总体设计以减少发动机、电池、电机的能量损失为原则,确保混动总成各部件运行在最佳工作区间,提高汽车的燃油经济性。逻辑门限控制规则伪代码如表2所示。
表2 逻辑门限控制规则伪代码
1) 动力电池SOC大于规定的下限,整车需求扭矩小于EV模式最大扭矩阈值。此时整车应运行在纯电模式,需求功率由动力电池提供,整车驱动力由驱动电机提供,发动机不工作。
2) 动力电池SOC小于规定的下限,整车需求扭矩大于HEV模式最大扭矩阈值。此时,整车应运行在串联模式,发电机和发动机处于工作状态,进行发电,为整车提供电能,整车驱动力由驱动电机提供。
3) 动力电池SOC小于规定的下限,车速>55 km/h,并联工况扭矩线阈值<整车需求扭矩<串联工况扭矩线阈值。此时整车应运行在并联状态,驱动电机和发动机处于工作状态;当整车需求扭矩大于发动机直驱最大扭矩阈值时,驱动电机进行并联助力;当整车需求扭矩大于发动机直驱最小扭矩阈值,整车处于发动机并联直驱模式;当整车需求扭矩小于发动机直驱最小扭矩阈值时,整车处于并联发电模式。
4) 车辆处于制动状态时,整车处于制动能量回收状态,制动能量回收为电池充电,发动机不工作。
通过上述策略设计可知,基于逻辑门限规则的控制策略设计主要是由电池SOC、模式扭矩切换阈值、发动机工作扭矩阈值来确定。笔者首先从工程实践的角度出发,在WLTC循环工况下基于整车能耗特性对上述阈值进行工程化标定设计,获得参数初值后再通过动态规划理论最优数据集对规则阈值进行调整与优化。
2.2 能量管理策略实车测试结果
基于人工标定的规则策略,在WLTC工况下对整车能量管理进行了实车测试,实车测试结果如图2所示。工况起始阶段,电池电量充足,车辆运行在纯电模式;根据电池包电量和整车功率需求,200 s后进入混动模式;串联模式下,发电工况点功率跟随较强,发电点切换频繁;并联模式下,高速阶段整车需求功率较大,车辆运行在并联电机助力模式,而当电池电量降低时,切换为并联发电模式,维持整车的电量平衡。基于人工标定规则策略的实车测试油耗为5.56 L/100 km。
图2 人工标定逻辑门限策略实车测试结果
动态规划算法将全局范围内的控制策略问题转化成层层关联的单步决策问题。基于DP优化的控制策略可使混合动力汽车的燃油经济性达到该工况下的理论最优值。针对某款串并联式混合动力车型,设计了基于DP算法的能量管理策略,实现了控制策略在仿真工况下的最优化,提高了混合动力汽车的燃油经济性。
3.1 动态规划算法
Bellman最优化原理指出,对于连续多阶段决策问题,通过构建Bellman方程,某一阶段的最优化决策可以转化成下一阶段的最优化决策,因此,每一个阶段的决策都可以通过终止状态的最优状态迭代求解得到。动态规划算法流程如图3。
图3 动态规划算法流程示意图
3.2 优化问题抽象
为了实现整车运行油耗最优,构建全局优化目标函数J:
(1)
因此,优化问题定义为:
(2)
式中:Pin为电池输入功率;Ubat为电池开路电压;Imot为驱动电机电流;Igen为发电机电流;Cq为电池容量;Rin为内部电阻。
优化函数以油耗最小为优化目标,设置初始SOC(t0)与终止SOC(tend)为0.6,优化过程中需要满足各部件约束:
(3)
根据优化目标函数,构建的阶段性Bellman方程为:
(4)
式中:C*为代价函数;u为控制变量;Ω为控制集;mf为燃油消耗量。由式(4)可知,t时刻的代价函数最优值等于t+1时刻的代价函数最优值与当前最优控制量下的燃油消耗率的和。
设置状态变量x为电池的SOC,控制变量u为发动机的功率和离合器状态。动态规划算法通过迭代计算代价函数,先逆向求解出每一个决策步下采取不同决策的代价值并将其存储在代价矩阵中,之后通过正向寻优步骤找到全局范围下的最优控制序列集Ω。
3.3 需求功率计算
车辆的需求功率计算来源于运行工况。车辆运行时轮端的需求功率可以通过车速和加速度计算。根据汽车行驶方程式,车辆行驶过程中包含滚动阻力、坡道阻力、空气阻力和加速阻力,因此,车辆行驶过程中的总牵引力可按照下式计算:
Ft=Froll+Fgrade+Faero+Facc
(5)
式中:Ft、Froll、Fgrade、Faero、Facc分别为车辆总牵引力、滚动阻力、坡道阻力、空气阻力和加速阻力。代入右边各项并由牵引力可得混合动力汽车总需求功率
(6)
式中:η为动力端到轮端的传动效率;Ptotal为混合动力汽车总需求功率。
对于混合动力汽车而言,总需求功率也可表示为:
Ptotal=Peng+Pmot
(7)
以WLTC工况作为混合动力汽车的运行工况,工况的车辆运行速度及计算后的需求功率如图4。
图4 WLTC工况车辆运行速度和计算后的 需求功率
获得工况下的需求功率后,基于3.2中构建的优化问题,在Python环境下对WLTC工况下的混合动力最优能量管理策略进行数值求解。动态规划仿真程序逻辑如图5所示。
图5 动态规划仿真程序逻辑框图
3.4 动态规划优化结果分析
由DP全局优化得到的工作模式分布如图6所示。相应最优能量管理策略下的百公里油耗为4.9 L/100 km。
图6 最优工作模式分布图
由图6可知,当混合动力汽车处于起步工况时,轮端需求扭矩大,车辆处于纯电模式,短时间由驱动电机输出大扭矩保证汽车顺利起步;低速工况下,轮端需求扭矩低,车辆依然运行在纯电模式。当车速到达20 km/h时,发动机打开,离合器断开,整车运行在串联模式下;中高速工况下,轮端需求扭矩上升,此时离合器闭合,车辆运行在并联模式下,由发动机和驱动电机共同提供动力。
从动态规划的最优控制中可以发现,纯电运行模式主要分布在中低车速及高速小扭矩区域,串联模式则主要分布在20～40 km/h车速区间中高扭矩的小区间内,而大约40 km/h后混动模式主要以并联为主,串联模式极少出现。这是由于在本文串并联构型中并联模式由于发动机及电机直驱输出,能量转换效率相对串联更高;此外,40 km/h的车速阈值则主要是由并联驱动介入时发动机最低转速决定。
基于DP算法的优化结果,对逻辑门限策略中的工况切换线、串联工况点和并联运行经济性进行优化,实测结果为5.3 L/100 km,相比人工标定策略燃油经济性提升4.7%,优化后的逻辑门限策略在WLTC工况下的运行数据如图7所示,优化后的规则控制在发动机启动、停止,电机,发电机工作扭矩的输出,更充分发挥并联优势,减少串联发电工作时长,尽可能弥补串联能量转换效率较低的劣势。WLTC工况起始阶段,电池电量较高,整车运行在纯电模式,在驱动扭矩需求较高的工况段,在优化后规则的实时能量管理策略下,混动总成进入串联,发动机直驱和行车发电等工作模式,避免了长时间运行在串联模式下带来的多重能量转化的问题,充分发挥发动机直驱优势,实现了混动系统整体工作效率的提升。人工标定和DP策略算法优化后的逻辑门限策略测试结果对比如表3所示。可以发现,基于DP优化后的规则可以实现4.7%的燃油经济性提升,充分体现了DP优化对整车节油潜力的发挥。
表3 人工标定和DP策略油耗对比
图7 优化后逻辑门限策略实车测试结果
针对某款串并联混合动力汽车开展了能量管理策略优化的研究。首先针对某混合动力车型建立了基于逻辑门限规则的能量管理策略,并对规则阈值进行人工标定;利用动态规划算法对全局最优能量管理策略进行寻优,并结合最优控制数据集对基于规则的策略进行优化。实车验证表明,所提出的优化能量管理策略在WLTC工况下可实现4.7%的燃油经济性提升,有效降低了实车应用中的燃油消耗。
猜你喜欢门限整车并联基于六自由度解耦分析的整车悬置设计汽车实用技术(2022年15期)2022-08-19基于规则的HEV逻辑门限控制策略汽车实用技术(2022年4期)2022-03-07识别串、并联电路的方法中学生数理化·中考版(2021年10期)2021-11-22地方债对经济增长的门限效应及地区差异研究中国西部(2021年4期)2021-11-04随机失效门限下指数退化轨道模型的分析与应用华东师范大学学报（自然科学版）(2020年1期)2020-03-16审批由“串联”改“并联”好在哪里?中国环境监察(2016年7期)2016-10-23并联型APF中SVPWM的零矢量分配通信电源技术(2016年1期)2016-04-16一种软开关的交错并联Buck/Boost双向DC/DC变换器通信电源技术(2016年5期)2016-03-22生产性服务业集聚与工业集聚的非线性效应——基于门限回归模型的分析湖湘论坛(2015年3期)2015-12-01整车低频加速噪声研究及改进噪声与振动控制(2015年4期)2015-01-01