引言

插電式混合動(dòng)力汽車(PHEV)是介于燃油汽車和電動(dòng)汽車之間的一種新型混合動(dòng)力汽車，它不僅可以保持一定距離的純電驅(qū)動(dòng)，還可以混合驅(qū)動(dòng)提高燃油經(jīng)濟(jì)性?；旌蟿?dòng)力汽車作為一種新的替代交通工具具有巨大的潛力。與傳統(tǒng)汽車相比，混合動(dòng)力汽車燃油經(jīng)濟(jì)性更好，另一方面，混合動(dòng)力汽車的設(shè)計(jì)和實(shí)施提出了許多具有挑戰(zhàn)性的問題，特別是能量管理和轉(zhuǎn)矩分配是混合動(dòng)力電動(dòng)汽車發(fā)展中的兩個(gè)關(guān)鍵問題。

能量管理策略主要有3大類：
（1)基于規(guī)則的算法：秦大同等提出了一種門限值與瞬時(shí)優(yōu)化結(jié)合的控制策略。這種方法的基本思想是通過設(shè)定閾值參數(shù)來(lái)限制參數(shù)的工作范圍，但閾值參數(shù)的設(shè)定通常依賴于經(jīng)驗(yàn)，因此不能保證車輛燃油經(jīng)濟(jì)性的優(yōu)化。
（2)智能控制方法：黃稟通等、Meng ＤW等針對(duì)并聯(lián)式混合動(dòng)力汽車提出了一種模糊控制策略。吳兵等基于模糊控制模擬駕駛員的動(dòng)態(tài)決策過程。Wang J等創(chuàng)建了基于學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)的工況識(shí)別算法。上述分別采用了模糊控制算法和神經(jīng)網(wǎng)絡(luò)算法，這些控制方法不需要建立精確的數(shù)學(xué)模型，具有自學(xué)習(xí)、自適應(yīng)和魯棒性的優(yōu)點(diǎn)，可以解決一些復(fù)雜的非線性問題。
（3)優(yōu)化算法：王琳等引入模擬退火和帶壓縮因子的粒子群算法相結(jié)合的優(yōu)化算法對(duì)雙電機(jī)需求轉(zhuǎn)矩進(jìn)行分配。耿文冉等通過粒子群算法來(lái)進(jìn)行能量管理策略的多目標(biāo)優(yōu)化。金輝等、胡建軍等則在能量管理策略中引入自適應(yīng)動(dòng)態(tài)規(guī)劃算法。上述粒子群算法和動(dòng)態(tài)規(guī)劃算法對(duì)于尋找最優(yōu)策略是有用的，但是實(shí)時(shí)性較差，主要適用于分析和評(píng)估其他能量管理策略的效果。
能量管理和轉(zhuǎn)矩分配必須滿足駕駛員的意圖。目前駕駛員的意圖識(shí)別大多取決于油門和剎車踏板開度，尹安東等、Shi Y M 等以加速踏板開度和加速踏板開度變化率為參數(shù)來(lái)識(shí)別駕駛員意圖，沒有考慮當(dāng)前車輛行駛狀態(tài)的影響；張利鵬等以平均加速度和加速度均方差作為意圖識(shí)別的參數(shù)，對(duì)駕駛員的操作影響考慮較少。作者基于影響因素分析，綜合考慮駕駛員操作與當(dāng)前車輛狀態(tài)對(duì)駕駛意圖識(shí)別的影響，選擇合適的意圖識(shí)別參數(shù)，基于意圖識(shí)別來(lái)制定整車的控制策略，以插電式混合動(dòng)力汽車為研究對(duì)象，以確保整車動(dòng)力性為前提，以提高能耗經(jīng)濟(jì)性為目標(biāo)，分別針對(duì)混合動(dòng)力汽車驅(qū)動(dòng)意圖識(shí)別、驅(qū)動(dòng)模式規(guī)劃、轉(zhuǎn)矩分配優(yōu)化進(jìn)行研究，提出基于意圖識(shí)別的模糊控制策略，并且通過Cruise－Simulink進(jìn)行聯(lián)合仿真，驗(yàn)證所提出的控制策略對(duì)經(jīng)濟(jì)性的改善效果。

1、整車動(dòng)力系統(tǒng)結(jié)構(gòu)及參數(shù)

文中研究的是一款混聯(lián)式混合動(dòng)力汽車，整車動(dòng)力系統(tǒng)結(jié)構(gòu)如圖1所示。主要部件包括發(fā)動(dòng)機(jī)、驅(qū)動(dòng)電機(jī)、發(fā)電機(jī)、離合器、變速箱、減速器、動(dòng)力電池組等。其中發(fā)動(dòng)機(jī)與發(fā)電機(jī)通過離合器相連，驅(qū)動(dòng)電機(jī)經(jīng)后軸主減速器驅(qū)動(dòng)后軸。動(dòng)力電池組可通過充電口進(jìn)行外部充電，向驅(qū)動(dòng)電機(jī)提供能量，也可從發(fā)電機(jī)獲取能量。整車參數(shù)如表1所示。

2、駕駛意圖識(shí)別

整車能量管理策略將基于駕駛意圖識(shí)別結(jié)果進(jìn)行工作模式的劃分。所制定能量管理策略的流程圖如圖2所示，整個(gè)過程包含驅(qū)動(dòng)意圖識(shí)別、驅(qū)動(dòng)模式規(guī)劃和轉(zhuǎn)矩優(yōu)化分配3個(gè)部分，首先通過識(shí)別駕駛員操作和車輛狀態(tài)，對(duì)駕駛意圖進(jìn)行識(shí)別，針對(duì)當(dāng)前意圖切換對(duì)應(yīng)的工作模式，再合理分配動(dòng)力源之間的轉(zhuǎn)矩，輸出各動(dòng)力源的目標(biāo)轉(zhuǎn)矩，實(shí)現(xiàn)對(duì)發(fā)動(dòng)機(jī)、驅(qū)動(dòng)電機(jī)和發(fā)電機(jī)工作狀態(tài)的控制。

駕駛意圖識(shí)別就是根據(jù)實(shí)時(shí)采集駕駛員操作信號(hào)和汽車運(yùn)行狀態(tài)來(lái)識(shí)別駕駛員當(dāng)前的駕駛意圖，進(jìn)而以此為依據(jù)采用不同的控制策略合理分配動(dòng)力源轉(zhuǎn)矩。駕駛意圖識(shí)別不準(zhǔn)確會(huì)直接影響整車需求轉(zhuǎn)矩計(jì)算誤差，因此駕駛意圖識(shí)別的精準(zhǔn)性決定了控制策略與駕駛意圖匹配的良好性，從而影響到整車安全性及經(jīng)濟(jì)性等性能。
在駕駛過程中，駕駛員加速意圖的識(shí)別很難用精確的數(shù)學(xué)模型來(lái)表示。因此，駕駛員加速意圖的識(shí)別需要引入魯棒性強(qiáng)的模糊邏輯識(shí)別，因?yàn)槟：刂剖且环N基于人的經(jīng)驗(yàn)的智能控制方法，在經(jīng)驗(yàn)處理方面有很大的優(yōu)勢(shì)。

首先針對(duì)駕駛員驅(qū)動(dòng)意圖進(jìn)行識(shí)別，通過對(duì)一個(gè)行駛循環(huán)下各參數(shù)的統(tǒng)計(jì)分析，選擇車速、加速度、加速踏板開度作為駕駛員意圖識(shí)別參數(shù)，也就是模糊邏輯控制器的輸入，輸出為駕駛員的驅(qū)動(dòng)意圖，劃分為輕度加速、中度加速和緊急加速。
根據(jù)混合動(dòng)力汽車的工作模式以及駕駛員的行為特征，將對(duì)應(yīng)車速v、加速度a 和油門踏板開度l，3個(gè)識(shí)別參數(shù)的模糊子集設(shè)置為｛S，M，L｝，S表示車速／加速度／油門踏板開度小，M 表示車速／加速度／油門踏板開度中等，L表示車速／加速度／油門踏板開度大。根據(jù)車輛的最高車速和最大加速度指標(biāo)以及工程經(jīng)驗(yàn)，即車速和加速度的取值范圍，確定車速與加速度經(jīng)模糊化處理后的論域分別為(0，150)和(0，8)；而加速踏板開度的值在0％～100％之間變化，即加速踏板開度的取值范圍為(0，1)，因此加速踏板開度經(jīng)模糊化處理后的論域?yàn)?0，1)。3個(gè)識(shí)別參數(shù)分別對(duì)應(yīng)的隸屬度函數(shù)如圖3所示。意圖識(shí)別模糊控制器的輸出為一個(gè)flag值，對(duì)應(yīng)駕駛員驅(qū)動(dòng)意圖緊急程度，分別為平緩驅(qū)動(dòng)、一般驅(qū)動(dòng)與緊急驅(qū)動(dòng)。

模糊控制器的推理規(guī)則庫(kù)是由IF－THEN 語(yǔ)句組成的，IF表示判斷條件，THEN 表示輸出結(jié)果。依據(jù)對(duì)駕駛員操作經(jīng)驗(yàn)的總結(jié)分析，相同的車速和加速度情況下，加速踏板開度越大，驅(qū)動(dòng)意圖越緊急；相同的驅(qū)動(dòng)強(qiáng)度下，當(dāng)前的車速和加速度越高，驅(qū)動(dòng)的緊急程度越大。由此建立了駕駛員驅(qū)動(dòng)意圖的模糊控制規(guī)則，如表2所示。

3、能量管理控制策略

3．1 整車工作模式

插電式混合動(dòng)力汽車有多種工作模式：純電動(dòng)模式、發(fā)動(dòng)機(jī)單獨(dú)驅(qū)動(dòng)模式、混合驅(qū)動(dòng)模式、行車充電模式和強(qiáng)制充電模式。當(dāng)電池電量較高時(shí)，一般進(jìn)入純電模式，車輛消耗動(dòng)力電池組中存儲(chǔ)的電能來(lái)提供動(dòng)力，只有在驅(qū)動(dòng)電機(jī)輸出功率不足時(shí)，發(fā)動(dòng)機(jī)才會(huì)介入共同驅(qū)動(dòng)。當(dāng)電池電量較低時(shí)，車輛進(jìn)入電量維持階段，發(fā)動(dòng)機(jī)工作點(diǎn)通過發(fā)電機(jī)與驅(qū)動(dòng)電機(jī)來(lái)調(diào)整，優(yōu)化系統(tǒng)效率。表3是各動(dòng)力源在不同工作模式下的工作狀態(tài)。

3．2 驅(qū)動(dòng)模式規(guī)劃

針對(duì)此款混合動(dòng)力汽車，在進(jìn)行了駕駛員的驅(qū)動(dòng)意圖識(shí)別之后，對(duì)不同的驅(qū)動(dòng)意圖進(jìn)行驅(qū)動(dòng)模式規(guī)劃，具體流程圖如圖4所示?？偟膩?lái)說(shuō)，輕度驅(qū)動(dòng)和中度驅(qū)動(dòng)以經(jīng)濟(jì)性為主，緊急驅(qū)動(dòng)以動(dòng)力性為主。

（1)起步：一般車輛起步特征為車速較低，考慮到發(fā)動(dòng)機(jī)此時(shí)的效率低，進(jìn)入純電動(dòng)模式。
（2)輕度驅(qū)動(dòng)：為了優(yōu)化系統(tǒng)效率，使發(fā)動(dòng)機(jī)工作在最優(yōu)區(qū)域，可以通過發(fā)電機(jī)來(lái)調(diào)整發(fā)動(dòng)機(jī)工作點(diǎn)。當(dāng)最優(yōu)發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩Tgbest大于需求轉(zhuǎn)矩Treq時(shí)，若SOC小于目標(biāo)SOC閾值SOCobj，進(jìn)入行車充電模式；若SOC大于SOCobj，進(jìn)入純電動(dòng)模式。
（3)中度驅(qū)動(dòng)：發(fā)動(dòng)機(jī)工作點(diǎn)通過發(fā)電機(jī)與驅(qū)動(dòng)電機(jī)來(lái)調(diào)整。當(dāng)SOC大于SOCobj時(shí)，進(jìn)入純電動(dòng)模式；當(dāng)SOC小于SOCobj時(shí)，若最優(yōu)發(fā)動(dòng)機(jī)輸出轉(zhuǎn)矩Tgbest大于需求轉(zhuǎn)矩Treq，進(jìn)入行車充電模式；若Tgbest小于Treq，進(jìn)入混合驅(qū)動(dòng)模式；若Treq進(jìn)入最優(yōu)區(qū)域則發(fā)動(dòng)機(jī)單獨(dú)驅(qū)動(dòng)。
（4)緊急驅(qū)動(dòng)：此時(shí)駕駛員需求轉(zhuǎn)矩較大，進(jìn)入混合驅(qū)動(dòng)模式；若SOC已過度放電，則進(jìn)入發(fā)動(dòng)機(jī)單獨(dú)驅(qū)動(dòng)模式。

3．3 轉(zhuǎn)矩分配策略

當(dāng)PHEV進(jìn)入不同的工作模式時(shí)，轉(zhuǎn)矩分配策略如下：進(jìn)入純電模式時(shí)，電機(jī)轉(zhuǎn)矩TM＝Treq，發(fā)動(dòng)機(jī)轉(zhuǎn)矩Te＝0；進(jìn)入行車充電模式時(shí)，發(fā)動(dòng)機(jī)轉(zhuǎn)矩Te＝Tgbest，多余轉(zhuǎn)矩帶動(dòng)發(fā)電機(jī)進(jìn)行發(fā)電；進(jìn)入發(fā)動(dòng)機(jī)單獨(dú)驅(qū)動(dòng)模式時(shí)，電機(jī)轉(zhuǎn)矩TM＝0，發(fā)動(dòng)機(jī)轉(zhuǎn)矩Te＝Treq；進(jìn)入混合驅(qū)動(dòng)模式時(shí)，發(fā)動(dòng)機(jī)轉(zhuǎn)矩Te＝Tgbest，不足的轉(zhuǎn)矩由驅(qū)動(dòng)電機(jī)進(jìn)行補(bǔ)充。
針對(duì)混合驅(qū)動(dòng)模式與行車充電模式，基于規(guī)則的策略為使發(fā)動(dòng)機(jī)始終在高效區(qū)工作，始終讓發(fā)動(dòng)機(jī)提供最優(yōu)轉(zhuǎn)矩，發(fā)動(dòng)機(jī)工作點(diǎn)通過發(fā)電機(jī)與驅(qū)動(dòng)電機(jī)來(lái)調(diào)整。對(duì)于混合動(dòng)力汽車的工作過程，控制器設(shè)計(jì)的基本原則是保持動(dòng)力電池在平衡狀態(tài)下充放電，使發(fā)動(dòng)機(jī)和電機(jī)工作在最高效率范圍內(nèi)，以降低汽車油耗和排放。為提高整車經(jīng)濟(jì)性并合理分配轉(zhuǎn)矩，采用模糊控制算法，對(duì)發(fā)動(dòng)機(jī)、驅(qū)動(dòng)電機(jī)和發(fā)電機(jī)的轉(zhuǎn)矩分配進(jìn)行優(yōu)化，使車輛在保證動(dòng)力性的前提下，提高整車經(jīng)濟(jì)性。

選擇SOC、整車需求轉(zhuǎn)矩／當(dāng)前狀態(tài)下發(fā)動(dòng)機(jī)最大轉(zhuǎn)矩作為輸入變量，選擇發(fā)動(dòng)機(jī)目標(biāo)負(fù)載F1、電動(dòng)機(jī)目標(biāo)負(fù)載F2、發(fā)電機(jī)目標(biāo)負(fù)載F3 作為輸出變量。構(gòu)建｛小S，中 M，大L｝模糊子集，SOC經(jīng)模糊化處理后的模糊化論域?yàn)?0，100)，整車需求轉(zhuǎn)矩／發(fā)動(dòng)機(jī)最大轉(zhuǎn)矩的轉(zhuǎn)矩比經(jīng)模糊化處理后的模糊化論域?yàn)?0，3．1)。SOC和轉(zhuǎn)矩比分別對(duì)應(yīng)的隸屬度函數(shù)如圖5所示。發(fā)動(dòng)機(jī)、驅(qū)動(dòng)電機(jī)和發(fā)電機(jī)的目標(biāo)負(fù)載經(jīng)模糊化處理后的模糊化論域均為(0，1)，分別對(duì)應(yīng)的隸屬度函數(shù)如圖6所示。在相同SOC狀態(tài)下，轉(zhuǎn)矩比越大，對(duì)應(yīng)的發(fā)動(dòng)機(jī)和驅(qū)動(dòng)電機(jī)目標(biāo)負(fù)載越大；相同的轉(zhuǎn)矩比狀態(tài)下，SOC越大，驅(qū)動(dòng)電機(jī)參與驅(qū)動(dòng)的占比越大；；而在同樣轉(zhuǎn)矩比的情況下，SOC較大時(shí)，發(fā)電機(jī)目標(biāo)負(fù)載為0。因此根據(jù)上述輸入、輸出變量模糊化處理后，分別設(shè)計(jì)發(fā)動(dòng)機(jī)目標(biāo)負(fù)載F1、電動(dòng)機(jī)目標(biāo)負(fù)載F2、發(fā)電機(jī)目標(biāo)負(fù)載F3模糊控制規(guī)則如表4所示。

4、仿真對(duì)比分析

基于Cruise－Simulink搭建聯(lián)合仿真平臺(tái)，研究所提出的控制策略的駕駛意圖識(shí)別準(zhǔn)確性以及對(duì)整車能耗的影響。所研究車型為乘用車，選用UＤC工況作為仿真工況，查看文中基于駕駛意圖識(shí)別的模糊控制策略能否準(zhǔn)確識(shí)別駕駛員意圖，并且使車輛實(shí)際車速跟隨UＤC工況設(shè)定車速。仿真結(jié)果如圖7所示。

由圖7可知，文中設(shè)置的控制策略能夠根據(jù)車速、加速度和油門踏板開度來(lái)準(zhǔn)確識(shí)別車輛的驅(qū)動(dòng)意圖，且實(shí)際車速跟隨效果較好，具有良好的動(dòng)力性。
為了證明文中選取的意圖識(shí)別方法較其他方法更準(zhǔn)確可靠，選取加速踏板開度和踏板開度變化率作為識(shí)別參數(shù)，創(chuàng)建了意圖識(shí)別模糊控制器來(lái)識(shí)別同種工況下的駕駛員驅(qū)動(dòng)意圖，該方法的推理規(guī)則如表5所示，意圖識(shí)別結(jié)果如圖8所示。

由圖7(C)與圖8對(duì)比可知，基于加速踏板開度及其變化率指標(biāo)的意圖識(shí)別方法，在識(shí)別到駕駛員意圖變化時(shí)，會(huì)有連續(xù)的跳變，使得汽車模式切換頻繁，轉(zhuǎn)矩波動(dòng)較大，影響汽車的駕駛性與經(jīng)濟(jì)性。而文中的意圖識(shí)別方法，識(shí)別結(jié)果輸出更穩(wěn)定，避免了轉(zhuǎn)矩輸出的波動(dòng)，在準(zhǔn)確識(shí)別駕駛意圖的前提下，避免了頻繁的模式切換，與其他識(shí)別方法相比更準(zhǔn)確可靠。
為驗(yàn)證文中PHEV控制策略的經(jīng)濟(jì)性，將所提出的控制策略與基于規(guī)則的策略進(jìn)行仿真對(duì)比，仿真工況設(shè)置為 UＤC工況，分別設(shè)置蓄電池初始SOC值為20％、90％，對(duì)應(yīng)較低和較高的SOC初始狀態(tài)，仿真結(jié)果如圖9、圖10所示。低SOC狀態(tài)下對(duì)應(yīng)的發(fā)動(dòng)機(jī)運(yùn)行工作點(diǎn)如圖11所示。
由仿真結(jié)果可知，在運(yùn)行一次UＤC循環(huán)工況下，初始SOC為90％時(shí)，基于規(guī)則的控制策略和基于意圖識(shí)別的模糊控制策略在驅(qū)動(dòng)過程中均控制驅(qū)動(dòng)電機(jī)輸出轉(zhuǎn)矩為整車提供動(dòng)力。初始SOC為20％時(shí)，驅(qū)動(dòng)模式根據(jù)需求轉(zhuǎn)矩的大小進(jìn)行切換。對(duì)于基于規(guī)則的策略，為了使發(fā)動(dòng)機(jī)一直工作在最優(yōu)區(qū)域內(nèi)，在不同的轉(zhuǎn)矩需求下，發(fā)動(dòng)機(jī)的工作點(diǎn)通過驅(qū)動(dòng)電機(jī)或發(fā)電機(jī)來(lái)調(diào)節(jié)；對(duì)于基于意圖識(shí)別的模糊控制策略，根據(jù)意圖識(shí)別的結(jié)果進(jìn)行驅(qū)動(dòng)模式劃分，發(fā)動(dòng)機(jī)、驅(qū)動(dòng)電機(jī)和發(fā)電機(jī)的輸出轉(zhuǎn)矩通過模糊控制來(lái)調(diào)節(jié)分配。

由圖9對(duì)比可以看出，在低 SOC狀態(tài)下，基于規(guī)則的控制策略中，發(fā)動(dòng)機(jī)參與驅(qū)動(dòng)的時(shí)間很多，停機(jī)再啟動(dòng)的次數(shù)也較多，使得汽車模糊切換較頻繁，發(fā)動(dòng)機(jī)不能經(jīng)常在高效區(qū)工作。而基于意圖識(shí)別的模糊控制策略中發(fā)動(dòng)機(jī)的啟動(dòng)次數(shù)較基于規(guī)則的少，避免了發(fā)動(dòng)機(jī)的頻繁啟動(dòng)，一些較低的轉(zhuǎn)矩需求由驅(qū)動(dòng)電機(jī)提供，減少了發(fā)動(dòng)機(jī)在低效率區(qū)間工作的時(shí)間。由圖10可以看出，在高SOC狀態(tài)下，汽車處于純電模式，輸出轉(zhuǎn)矩全部由驅(qū)動(dòng)電機(jī)提供。由圖11可以看出，基于意圖識(shí)別策略的發(fā)動(dòng)機(jī)工作點(diǎn)與基于規(guī)則的相比，基于規(guī)則策略的發(fā)動(dòng)機(jī)工作點(diǎn)較分散，而基于意圖識(shí)別策略的發(fā)動(dòng)機(jī)工作點(diǎn)更集中在經(jīng)濟(jì)區(qū)，工作點(diǎn)跳變情況得到了改善，驗(yàn)證了所提策略的優(yōu)化效果。

為驗(yàn)證基于規(guī)則策略與基于意圖識(shí)別的模糊控制策略的整車能耗，確定驅(qū)動(dòng)系統(tǒng)消耗能量公式如下

式中，J 為總費(fèi)用；Q1 為總?cè)加拖牧?；Y1 為燃油價(jià)格，取7元／L；ρ 為汽油密度，取750g／L；Q2 為耗電量；Y2 為電價(jià)，取1元／(kWh)。
設(shè)置初始SOC為50％，仿真工況為 UＤC循環(huán)工況，兩種策略整車的油電綜合能耗對(duì)比如表6所示。

根據(jù)兩種策略方案的整車能耗對(duì)比結(jié)果可知，與基于規(guī)則的控制策略相比，基于意圖識(shí)別的模糊控制策略總能耗更低，整車綜合能耗降低了3．6％，具有更好的經(jīng)濟(jì)性。

5、結(jié)論

a．利用模糊控制器建立意圖識(shí)別模塊，通過判斷駕駛員的驅(qū)動(dòng)意圖來(lái)更精確地劃分需求扭矩的大小，從而使模式切換更準(zhǔn)確。仿真結(jié)果證實(shí)提出的意圖識(shí)別方法能準(zhǔn)確識(shí)別駕駛員的驅(qū)動(dòng)意圖，并能夠根據(jù)不同SOC狀態(tài)和駕駛員當(dāng)前意圖切換至相對(duì)應(yīng)的工作模式，且與其他意圖識(shí)別方法相比更準(zhǔn)確可靠，減少了轉(zhuǎn)矩的波動(dòng)和模式切換次數(shù)，有利于提高汽車駕駛性與經(jīng)濟(jì)性。
b．針對(duì)插電式混合動(dòng)力汽車，以提高能耗經(jīng)濟(jì)性為目標(biāo)，引入了模糊控制算法來(lái)優(yōu)化發(fā)動(dòng)機(jī)和驅(qū)動(dòng)電機(jī)與發(fā)電機(jī)之間的轉(zhuǎn)矩分配，仿真結(jié)果表明，所提出的基于模糊控制的轉(zhuǎn)矩分配方法能夠合理地分配各動(dòng)力源之間的轉(zhuǎn)矩，且發(fā)動(dòng)機(jī)工作點(diǎn)更多地落在了效率較高的區(qū)域，工作點(diǎn)跳變情況得到了改善。
C．通過Cruise－Simulink聯(lián)合仿真，驗(yàn)證所提出的基于意圖識(shí)別的模糊控制策略的經(jīng)濟(jì)性。仿真結(jié)果表明，與基于規(guī)則的控制策略相比，提出的控制策略不僅具有良好的動(dòng)力性，而且使整車綜合能耗降低了3．6％，整車經(jīng)濟(jì)性得到了顯著提高。