1.1  混合動力汽車簡介

當今社會需要引起重視和急需解決的兩個重要問題是能源危機和環(huán)境污染[1]。就地區(qū)而言，亞太地區(qū)是世界上能源消費量最大的地區(qū)，中國，日本和韓國等是主要消費國；其次是北美。其中，汽車消耗的能源占比最大，目前，汽車消耗的石油資源約占55％。所以僅僅呼吁低碳出行是遠遠不夠的，更應(yīng)該對汽車進行研究，以達到減少污染物排放的目的。隨著環(huán)境污染的越來越嚴重，由此環(huán)保標準也變得越來越苛刻，傳統(tǒng)的燃油汽車已難以滿足要求，而由于新能源的技術(shù)和成本限制，新能源的汽車發(fā)展緩慢，純電動汽車成本較高且續(xù)航里程短，充電設(shè)施鋪蓋不足。此時，正在穩(wěn)定發(fā)展的混合動力汽車技術(shù)正可以填補汽車行業(yè)的缺陷，并作為過渡。

根據(jù)混合動力汽車的動力耦合形式，可分為串聯(lián)式、并聯(lián)式和混聯(lián)式混合動力汽車。串聯(lián)式混合動力汽車的結(jié)構(gòu)如圖 1 所示，它包括發(fā)動機、電機兩種動力源。發(fā)動機和電機串聯(lián)在一起，組成車輛的驅(qū)動系統(tǒng)。


圖1.串聯(lián)混合動力汽車的結(jié)構(gòu)圖

串聯(lián)混合動力汽車與車輛的驅(qū)動軸之間沒有機械連接，發(fā)動機的工作點不會受到車輛行駛工況的影響，因此它可以一直地工作在最佳工況點附近，發(fā)動機的效率較高。但是由于發(fā)動機在驅(qū)動車輛行駛時，發(fā)動機發(fā)出的能量要經(jīng)過兩次能量轉(zhuǎn)換的問題，能量損失嚴重，故效率較低。

并聯(lián)混合動力汽車的結(jié)構(gòu)如圖2所示。它主要由發(fā)動機、轉(zhuǎn)矩耦合器、蓄電池以及電動機四個模塊組成。


圖2.并聯(lián)式混合動力汽車結(jié)構(gòu)圖

并聯(lián)式混合動力汽車以發(fā)動機作為主動力裝置，電機作為輔助動力裝置，其結(jié)構(gòu)決定了控制的靈活性，通用的控制思想是當車輛在怠速、低速等小功率工況下運行時，關(guān)閉發(fā)動機，只采用電機驅(qū)動；當發(fā)動機處于工作的高效區(qū)時，發(fā)動機單獨驅(qū)動；在車輛需要大功率輸出如爬坡、急加速時，電機協(xié)助發(fā)動機驅(qū)動車輛。由于功率可以疊加，發(fā)動機和配備較小功率的電機也可以獲得比較滿意的動力性能，而且通過電機的“消峰填谷”作用，可以使發(fā)動機較多的工作高效區(qū)。其缺點是結(jié)構(gòu)比較復雜，同時控制難度增加。

如圖3可以看出：混聯(lián)式混合動力汽車的動力系統(tǒng)綜合了串聯(lián)式和并聯(lián)式，因此它又叫做串—并聯(lián)混合動力汽車，它通過轉(zhuǎn)矩耦合器協(xié)調(diào)控制驅(qū)動力傳動系統(tǒng)，可以實現(xiàn)在串聯(lián)模式和并聯(lián)模式之間進行自由的切換。


圖3. 串—并聯(lián)式混合動力汽車結(jié)構(gòu)圖

1.2  能量管理策略現(xiàn)狀

作為一種新型的多能量源交通工具，混合動力汽車的性能與其采用的能量管理策略密切相關(guān)，能量管理策略是傳統(tǒng)燃油汽車與純電動汽車完美結(jié)合的紐帶，是混合動力汽車成敗的最終決定性因素。能量管理策略根據(jù)駕駛員的操作，如加速踏板、制動踏板等，判斷駕駛員的意圖，在滿足車輛動力性能的前提下，最優(yōu)的分配電機、發(fā)動機、動力電池等部件的功率輸出，實現(xiàn)能量的最優(yōu)分配，提高車輛的燃油經(jīng)濟性和排放性能。能量管理策略是迄今為止混合動力汽車領(lǐng)域研究最多、文獻最豐富的內(nèi)容之一。以下介紹并聯(lián)式混合汽車的能量管理策略。

并聯(lián)式混合動力汽車有發(fā)動機和電機兩類動力源，能量管理策略實現(xiàn)發(fā)動機和電機轉(zhuǎn)矩目標值的合理分配，目前常用的有基于規(guī)則的能量管理策略、實時優(yōu)化能量管理策略、全局優(yōu)化能量管理策略等。

1.2.1  基于規(guī)則的能量管理策略

基于規(guī)則的能量管理策略通常以車速、需求轉(zhuǎn)矩、動力電池荷電狀態(tài)( State of charge，SOC)、發(fā)動機轉(zhuǎn)速等為邏輯門限參數(shù)，在邏輯門限參數(shù)構(gòu)成的多維空間中劃分出多種工作模式[1]。當邏輯門限參數(shù)值滿足預設(shè)的規(guī)則時，切換混合動力系統(tǒng)工作模式。主要思想是調(diào)整發(fā)動機的工作點，通過控制電機輸出扭矩的大小，使得發(fā)動機的扭矩輸出（工作點）落在發(fā)動機的高效率區(qū)間內(nèi)?；谝?guī)則的能量管理策略算法簡單，對控制器計算性能要求低，在實際中得到了較為廣泛的應(yīng)用?；谝?guī)則的策略又分為確定性規(guī)則和模糊規(guī)則，這里的模糊規(guī)則概念來源于模糊控制器，即人們在表述某件事情時，往往只給出一個模糊性的說法。

井濟民，王旭東等針對單軸并聯(lián)式混合動力轎車，以混合驅(qū)動系統(tǒng)需求轉(zhuǎn)矩和電池剩余電量(SOC)為輸入，以發(fā)動機需求轉(zhuǎn)矩為輸出，構(gòu)建了能量管理模糊控制器，基于ADVISOR的仿真研究表明，模糊控制策略與傳統(tǒng)的邏輯門控制策略相比，能夠更有效地降低混合動力汽車的燃油消耗和排放，更好地控制電池組SOC的變化[2]。田甜等在Matlab/Simulink軟件中建立了基于模糊PID控制的駕駛員模型，以CUISER和Matlab/Simulink為仿真平臺，對傳統(tǒng)型與單軸并聯(lián)混合動力汽車的燃油經(jīng)濟性進行仿真驗證[3]。付主木，王聰慧等利用Matlab/simulink 建立了并聯(lián)式混合動力汽車模糊控制能量管理算法，并將該算法嵌入到Advisor軟件的PHEV模型中進行仿真和對比分析[4]。雷將華等在Matlab/Simulink環(huán)境下，用ADVISOR作為仿真平臺，分別建立了并聯(lián)式混合動力汽車的各個模塊的模型，研究、分析邏輯門限控制策略，給出并聯(lián)混合動力總成控制系統(tǒng)結(jié)構(gòu)框圖與總成控制軟件結(jié)構(gòu)框圖[5]。邱彬等在Matlab/Simulink仿真環(huán)境下，搭建同軸并聯(lián)式混合動力城市客車的整車能耗模型以及能量管理策略模型。能量管理策略選取簡便但更貼近實際應(yīng)用的邏輯門限策略，以電池SOC值和動力源輸出轉(zhuǎn)矩作為主要的參考變量，設(shè)計了無主動充電的能量分配策略和有主動充電的能量分配策略兩種能量分配策略[6]。李訓明等在仿真軟件Cruise中建立了整車仿真模型，在Stateflow中建立了基于規(guī)則的邏輯門限值控制策略，最后實現(xiàn)了Matlab與Cruise聯(lián)合仿真[7]。李婷婷等在保持混合動力汽車動力性能的前提下，以整車需求轉(zhuǎn)矩和蓄電池SOC為輸入，以發(fā)動機轉(zhuǎn)矩為輸出的模糊控制器，選取了梯形隸屬度函數(shù)，并建立了模糊控制規(guī)則；以發(fā)動機燃油消耗和排放為優(yōu)化目標對模糊隸屬度函數(shù)的參數(shù)進行了離線優(yōu)化[8]。毛建中，張文等分析了并聯(lián)式混合動力汽車電機和發(fā)動機功率的實時分配問題，根據(jù)發(fā)動機工作效率圖制定模糊控制規(guī)則，并以發(fā)動機工作效率為優(yōu)化目標，利用蟻群算法對模糊隸屬度函數(shù)參數(shù)進行優(yōu)化[9]。于浩等在AVL/CRUISE仿真軟件中搭建該混合動力卡車的仿真模型，設(shè)計了基于邏輯門限值的能量管理策略，在MATLAB/Simulink平臺中搭建了混合動力汽車控制策略模型，以汽車油耗最低為目標，制定電池荷電狀態(tài)及其上下限和車輛需求轉(zhuǎn)矩作為邏輯門限值參數(shù)[10]。

基于規(guī)則的能量管理策略研究初期，以發(fā)動機效率最高為準則，確定模式切換規(guī)則，提高燃油經(jīng)濟性。隨著研究的深入，逐步考慮混合動力系統(tǒng)總效率、排放性等，對邏輯門限參數(shù)閾值進行優(yōu)化，并采用模糊控制將模式切換規(guī)則模糊化，進一步提高整車性能。基于規(guī)則的能量管理策略對車輛的循環(huán)工況以及參數(shù)漂移的適應(yīng)能力差，在規(guī)則的設(shè)定時，只重點得考慮了發(fā)動機的燃油經(jīng)濟性。另外，只要蓄電池的SOC 低于了設(shè)定的門限值就充電，沒有考慮蓄電池的充放電損失。

1.2.2  實時優(yōu)化能量管理策略

實時優(yōu)化能量管理策略通過定義實時優(yōu)化目標函數(shù)，根據(jù)當前系統(tǒng)的動力需求作為輸入，滿足動力源及電池等部件的物理約束，采用優(yōu)化算法求解下一時刻的控制變量，不需要預先知道行駛工況，可在線優(yōu)化并且能夠應(yīng)用于實時控制系統(tǒng)，故又稱為在線優(yōu)化策略[29]。

在某一瞬時車輛工況下，實時計算出滿足車輛當前工況的需求扭矩，然后計算發(fā)動機和電機理論上的輸出扭矩，之后運算得出發(fā)動機此時的燃油消耗量和電機此時的電耗量。實時優(yōu)化算法最為經(jīng)典的就是等效燃油消耗最少（Equivalent Consumption Minimization Strategy），后續(xù)的自適應(yīng)等效燃油消耗最?。ˋ-ECMS）也都是在此基礎(chǔ)上進行改進。

朱慶林等提出一個以基于等效油耗最低控制策略（ECMS， Instantaneous Equivalent Consumption Minimization Strategy）為核心的系統(tǒng)研究方法，對混合動力汽車參數(shù)匹配方案的節(jié)能潛力和控制策略參數(shù)匹配方案對節(jié)能潛力的發(fā)揮程度進行研究，并根據(jù)獲得的瞬時優(yōu)化控制策略的控制規(guī)則建立新的實時控制策略[11]。徐萍萍等采用一個小波神經(jīng)網(wǎng)絡(luò)控制器，結(jié)合瞬時優(yōu)化控制策略得到的控制規(guī)則進行訓練，實現(xiàn)對混合動力系統(tǒng)的實時控制，基于ADVISOR的仿真研究表明，該控制策略不僅能夠保證車輛的燃油經(jīng)濟性，而且克服了瞬時優(yōu)化控制策略難以實時控制的缺點[12]。佟尚鍔等設(shè)計了基于發(fā)動機最優(yōu)工作曲線的邏輯門限能量管理策略，進而基于等效燃油消耗最少算法提出了一種實時優(yōu)化能量管理策略，通過實時仿真對所提出的能量管理策略進行驗證和評價，結(jié)果表明提出的能量管理策略方法正確，具有良好的實時性[13]。徐曼等采用了基于瞬時等效油耗最低的（Instantaneous Equivalent Consumption Minimization Strategy，ECMS）瞬時優(yōu)化算法，ECMS算法將電池充放電過程中消耗的能量等效為相應(yīng)的發(fā)動機油耗，以最少等效油耗為目標函數(shù)，建立瞬時優(yōu)化能量管理策略，同時在Simulink環(huán)境下對整車的燃油消耗量進行了理論計算，并在相同條件下與邏輯門限算法的油耗進行比較[14]。張聰?shù)仁状螌⒍涡妥顑?yōu)控制理論應(yīng)用于HEV能量管理問題，旨在提出與未來道路工況無關(guān)且節(jié)油效果與基于最小值原理（Pontryagin’s minimum principle，PMP）的全局最優(yōu)控制策略相接近的實時功率優(yōu)化分配策略[15]。胡正凱等以一款并聯(lián)插電式混合動力汽車為研究對象，為提高其燃油經(jīng)濟性，基于等效油耗最低策略，提出一種自適應(yīng)能量管理策略。仿真結(jié)果表明，與CD-CS策略相比，所提出自適應(yīng)能量管理策略能夠提高燃油經(jīng)濟性[16]。孫芳科等以單軸并聯(lián)式混合動力汽車為研究對象，以等效燃油最小控制策略ECMS為理論基礎(chǔ)，以提高整車燃油經(jīng)濟性為目標，提出了基于混合動力系統(tǒng)瞬時油耗率最低的能量管理策略，并對其在不同的行駛工況下適應(yīng)性進行分析和研究[17]。荊培楊等主要研究對象為并聯(lián)混合動力汽車(Parallel Hybrid Electric Vehicle，PHEV)，采用瞬時能量控制理論為基礎(chǔ)，利用蟻群算法對充放電等效因子進行尋優(yōu)[18]。

雖然瞬時優(yōu)化控制策略能確保每個瞬時工況的燃油最低或者效率最高，但這不代表全局的效率最優(yōu)和排放最小，而且實時優(yōu)化控制策略計算時間也比較長。

1.2.3  全局優(yōu)化能量管理策略

在給定明確的行駛工況時，針對該給定循環(huán)工況，運用最優(yōu)控制原則對多個動力源進行全局優(yōu)化、動態(tài)分配的方法即為全局優(yōu)化的能量管理策略。全局優(yōu)化使在給定工況下，混合動力整車達到了動力性和燃油經(jīng)濟性的最佳平衡。全局優(yōu)化的方法是，通過判斷動力部件的目標狀態(tài)，然后分析當前運行工況，采取一定的控制算法尋找達到目標狀態(tài)的最優(yōu)路徑，實現(xiàn)整車的燃油經(jīng)濟性最優(yōu)化。動態(tài)規(guī)劃算法DP（Dynamic Programming）、模擬退火算法和多島遺傳算法、是現(xiàn)階段全局優(yōu)化策略中的主流算法。

胡紅斐等以并聯(lián)式混合動力電動汽車（PHEV）為研究對象，基于其整車及動力總成相關(guān)數(shù)學模型建立了以整個行駛工況消耗的總?cè)加土孔钚槟繕说南到y(tǒng)目標泛函，以及相關(guān)的機械特性、蓄電池電量保持等約束條件方程，然后采用Lagrange乘子法將有約束的極小值問題轉(zhuǎn)化為無約束的極小值問題進行求解，得到PHEV的全局優(yōu)化控制策略[19]。吳劍等首先建立了以混合動力系統(tǒng)需求轉(zhuǎn)矩和電池組荷電狀態(tài)（SOC）為輸入，發(fā)動機轉(zhuǎn)矩命令為輸出的模糊控制器用于混合動力系統(tǒng)能量分配，然后針對模糊控制器的隸屬度函數(shù)和模糊控制規(guī)則的選取主要依靠專家經(jīng)驗，帶有較大的主觀性等缺陷，采用粒子群算法優(yōu)化模糊控制器中的隸屬度函數(shù)參數(shù)和模糊控制規(guī)則[20]。張平平等提出了應(yīng)用離散動態(tài)規(guī)劃算法求解PHEV燃油經(jīng)濟性的全局最優(yōu)控制問題，以動力系統(tǒng)主要部件數(shù)學模型為基礎(chǔ)，編寫基于離散動態(tài)規(guī)劃算法的全局最優(yōu)控制程序，求解最優(yōu)燃油經(jīng)濟性的理論值以及與其相對應(yīng)的最優(yōu)控制策略[21]。張炳力等針對并聯(lián)式混合動力汽車（PHEV），以整個循環(huán)工況的燃油經(jīng)濟性最優(yōu)為目標，運用離散動態(tài)規(guī)劃算法，得到PHEV的全局最優(yōu)控制策略。并通過在逆向計算中設(shè)置不滿足條件的控制變量的收益函數(shù)為無限大的方法，來達到電池荷電狀態(tài)平衡，最后建立Matlab/Simulink仿真模型，對獲得的全局最優(yōu)控制策略進行仿真驗證[22]。鐘宛余等在給定的典型城市道路循環(huán)工況（UDDS）條件下，運用動態(tài)規(guī)劃（DP）方法對EMCS問題進行優(yōu)化控制，得出全局最優(yōu)的DP能量管理控制器，并在MATLAB/Simulink環(huán)境中對所得出的DP能量管理控制器進行仿真計算和實驗，結(jié)果表明，所提出的能量管理策略與傳統(tǒng)的基于規(guī)則的控制策略相比，燃油經(jīng)濟性提高了10.22%，同時發(fā)動機和電機效率都有相應(yīng)的提高[23]。李高等采用基于粒子群優(yōu)化算法的智能算法對建立的模糊控制器參數(shù)規(guī)則進行優(yōu)化，進而對能量進行有效的分配，減少整車的油耗及尾氣的排放，使得在滿足汽車行駛性能的前提下，達到節(jié)油減排的目的[24]。李訓明等在仿真軟件Cruise中建立了整車仿真模型，為后續(xù)能量管理策略的研究開發(fā)提供了仿真平臺，然后研究了基于動態(tài)規(guī)劃的能量管理策略，以電池SOC和傳動系傳動比為狀態(tài)變量，以發(fā)動機轉(zhuǎn)矩和變速器檔位為控制變量，建立了以燃油經(jīng)濟性為目標的最優(yōu)控制數(shù)學模型[25]。盛楊等針對模糊控制器的設(shè)計主觀性較強，無法達到最優(yōu)的不足，利用一種改進的自適應(yīng)遺傳算法（Improved Adaptive Genetic Algorithm，IAGA）對模糊控制器隸屬度函數(shù)參數(shù)和控制規(guī)則進行優(yōu)化。在算法中設(shè)計一種評價指標反映每代種群較優(yōu)個體的差異程度，用于改進交叉和變異概率，適應(yīng)度函數(shù)中利用加權(quán)法把多目標優(yōu)化問題變?yōu)閱文繕藘?yōu)化問題，使用集主客觀因素的組合賦權(quán)法確定各目標權(quán)重值，其中主觀賦權(quán)法采用一種基于熵的線性組合賦權(quán)法，客觀賦權(quán)法采用熵權(quán)法，最后運用線性加權(quán)法進行組合[26]。張紅黨等以提高系統(tǒng)工作效率為目標，進行混合動力系統(tǒng)的全局優(yōu)化控制研究，構(gòu)建以系統(tǒng)工作效率最優(yōu)為目標的非線性規(guī)劃問題，并基于貝爾曼最優(yōu)原理，采用動態(tài)規(guī)劃算法實現(xiàn)最優(yōu)控制序列的求解[27]。

這種控制策略在理論上可以找到真正意義上的最優(yōu)解。但是，它需要基于一定的操作條件，例如具體的行駛工況，因此這樣不能用于在線控制，導致它的實時性能很差。

目前，各種能量控制策略設(shè)計都不完善，所以有必要進行更深入的研究，設(shè)計出實用性強、效果佳的能量控制策略，使能量分配具有最優(yōu)性、實時性。



參考文獻

[1] 李明，胡博，葛帥帥，王歡。并聯(lián)式混合動力汽車能量管理與模式切換控制研究[J]. 南京理工大學學報，2020，44(06):696-704.

[2] 井濟民，王旭東.單軸并聯(lián)式混合動力汽車能量分配的模糊控制策略研究[J]. 齊齊哈爾大學學報(自然科學版)，2010，26(02):15-18.

[3] 田甜. 單軸并聯(lián)式混合動力汽車能量管理策略的研究[D].南京林業(yè)大學，2011.

[4] 付主木，王聰慧，普杰信.PHEV模糊控制能量管理策略建模與仿真[J]. 系統(tǒng)仿真學報，2012，24(06):1314-1319.

[5] 雷將華. 并聯(lián)混合動力汽車模糊邏輯控制策略的研究[D]. 武漢理工大學，2013.

[6] 邱彬. 混合動力城市客車能量管理策略及節(jié)能評價研究[D]. 清華大學，2014.

[7] 李訓明. 并聯(lián)式混合動力汽車能量分配策略優(yōu)化研究[D]. 山東理工大學，2015.

[8] 李婷婷. 并聯(lián)混合動力汽車模糊控制策略的優(yōu)化[D]. 沈陽工業(yè)大學，2017.

[9] 毛建中，張文.并聯(lián)式混合動力汽車模糊能量管理策略優(yōu)化[J]. 可再生能源，2018，36(03):372-379.

[10] 于浩. 并聯(lián)混合動力卡車能量管理策略優(yōu)化研究[D]. 燕山大學，2019.

[11] 朱慶林. 基于瞬時優(yōu)化的混合動力汽車控制策略研究[D]. 吉林大學，2009.

[12] 徐萍萍，宋建國，王雁峰，沈光地. 基于小波神經(jīng)網(wǎng)絡(luò)的混合動力汽車實時控制策略[J].系統(tǒng)仿真學報，2011，23(11):2455-2459.

[13] 佟尚鍔. 并聯(lián)混合動力汽車能量管理與D2P實時仿真研究[D]. 東北大學，2012.

[14] 徐曼. 并聯(lián)式PHEV瞬時優(yōu)化算法的節(jié)能效果研究[D]. 東北大學，2013.

[15] 張聰. 混合動力汽車實時能量優(yōu)化管理策略研究[D]. 天津大學，2016.

[16] 胡正凱.并聯(lián)式PHEV自適應(yīng)能量管理策略研究[J]. 山東工業(yè)技術(shù)，2018(18):50-51

[17] 孫芳科. 混合動力汽車瞬時最優(yōu)控制策略的研究[D]. 山東大學，2018.

[18] 荊培楊. 并聯(lián)混合動力汽車等效燃油最小控制策略優(yōu)化[D]. 大連海事大學，2020.

[19] 胡紅斐，黃向東，羅玉濤，趙克剛.并聯(lián)式混合動力電動汽車全局優(yōu)化控制[J]. 華南理工大學學報（自然科學版），2006(04):28-32+37.

[20] 吳劍. 并聯(lián)式混合動力汽車能量管理策略優(yōu)化研究[D]. 山東大學，2008.

[21] 張平平. 并聯(lián)式混合動力汽車控制策略的研究[D]. 合肥工業(yè)大學，2009.

[22] 張炳力，張平平，趙韓，田芳，徐小東，吳迪.基于離散動態(tài)規(guī)劃的PHEV燃油經(jīng)濟性全局最優(yōu)控制[J].汽車工程，2010，32(11):923-927.

[23] 鐘宛余. 并聯(lián)式混合動力汽車能量管理策略優(yōu)化研究[D]. 廣西工學院，2012.

[24] 李高. 并聯(lián)式混合動力汽車能量優(yōu)化管理策略的研究[D]. 湖南工業(yè)大學，2014.

[25] 李訓明. 并聯(lián)式混合動力汽車能量分配策略優(yōu)化研究[D]. 山東理工大學，2015.

[26] 盛楊. 并聯(lián)混合動力汽車能量優(yōu)化策略研究[D]. 大連海事大學，2019.

[27] 張紅黨，施德華，楊宏圖，王峰.基于工作效率最優(yōu)的功率分流式混合動力系統(tǒng)控制策略研究[J]. 重慶理工大學學報(自然科學)，2019，33(03):66-72.

[28] 李文廣，馮國勝，馬俊長.基于自適應(yīng)模擬退火算法的HEV能量管理優(yōu)化[J]. 農(nóng)業(yè)裝備與車輛工程，2021，59(04):31-35.

[29] 熊煥劍. CVT混合動力汽車實時優(yōu)化能量管理策略研究[D]. 湖南大學， 2019.