1.1  混合動(dòng)力汽車(chē)簡(jiǎn)介

當(dāng)今社會(huì)需要引起重視和急需解決的兩個(gè)重要問(wèn)題是能源危機(jī)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(fèi)量最大的地區(qū)，中國(guó)，日本和韓國(guó)等是主要消費(fèi)國(guó)；其次是北美。其中，汽車(chē)消耗的能源占比最大，目前，汽車(chē)消耗的石油資源約占55％。所以?xún)H僅呼吁低碳出行是遠(yuǎn)遠(yuǎn)不夠的，更應(yīng)該對(duì)汽車(chē)進(jìn)行研究，以達(dá)到減少污染物排放的目的。隨著環(huán)境污染的越來(lái)越嚴(yán)重，由此環(huán)保標(biāo)準(zhǔn)也變得越來(lái)越苛刻，傳統(tǒng)的燃油汽車(chē)已難以滿(mǎn)足要求，而由于新能源的技術(shù)和成本限制，新能源的汽車(chē)發(fā)展緩慢，純電動(dòng)汽車(chē)成本較高且續(xù)航里程短，充電設(shè)施鋪蓋不足。此時(shí)，正在穩(wěn)定發(fā)展的混合動(dòng)力汽車(chē)技術(shù)正可以填補(bǔ)汽車(chē)行業(yè)的缺陷，并作為過(guò)渡。

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


圖1.串聯(lián)混合動(dòng)力汽車(chē)的結(jié)構(gòu)圖

串聯(lián)混合動(dòng)力汽車(chē)與車(chē)輛的驅(qū)動(dòng)軸之間沒(méi)有機(jī)械連接，發(fā)動(dòng)機(jī)的工作點(diǎn)不會(huì)受到車(chē)輛行駛工況的影響，因此它可以一直地工作在最佳工況點(diǎn)附近，發(fā)動(dòng)機(jī)的效率較高。但是由于發(fā)動(dòng)機(jī)在驅(qū)動(dòng)車(chē)輛行駛時(shí)，發(fā)動(dòng)機(jī)發(fā)出的能量要經(jīng)過(guò)兩次能量轉(zhuǎn)換的問(wèn)題，能量損失嚴(yán)重，故效率較低。

并聯(lián)混合動(dòng)力汽車(chē)的結(jié)構(gòu)如圖2所示。它主要由發(fā)動(dòng)機(jī)、轉(zhuǎn)矩耦合器、蓄電池以及電動(dòng)機(jī)四個(gè)模塊組成。


圖2.并聯(lián)式混合動(dòng)力汽車(chē)結(jié)構(gòu)圖

并聯(lián)式混合動(dòng)力汽車(chē)以發(fā)動(dòng)機(jī)作為主動(dòng)力裝置，電機(jī)作為輔助動(dòng)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(dāng)車(chē)輛在怠速、低速等小功率工況下運(yùn)行時(shí)，關(guān)閉發(fā)動(dòng)機(jī)，只采用電機(jī)驅(qū)動(dòng)；當(dāng)發(fā)動(dòng)機(jī)處于工作的高效區(qū)時(shí)，發(fā)動(dòng)機(jī)單獨(dú)驅(qū)動(dòng)；在車(chē)輛需要大功率輸出如爬坡、急加速時(shí)，電機(jī)協(xié)助發(fā)動(dòng)機(jī)驅(qū)動(dòng)車(chē)輛。由于功率可以疊加，發(fā)動(dòng)機(jī)和配備較小功率的電機(jī)也可以獲得比較滿(mǎn)意的動(dòng)力性能，而且通過(guò)電機(jī)的“消峰填谷”作用，可以使發(fā)動(dòng)機(jī)較多的工作高效區(qū)。其缺點(diǎn)是結(jié)構(gòu)比較復(fù)雜，同時(shí)控制難度增加。

如圖3可以看出：混聯(lián)式混合動(dòng)力汽車(chē)的動(dòng)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(dòng)力汽車(chē)，它通過(guò)轉(zhuǎn)矩耦合器協(xié)調(diào)控制驅(qū)動(dòng)力傳動(dòng)系統(tǒng)，可以實(shí)現(xiàn)在串聯(lián)模式和并聯(lián)模式之間進(jìn)行自由的切換。


圖3. 串—并聯(lián)式混合動(dòng)力汽車(chē)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(dòng)力汽車(chē)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(chē)與純電動(dòng)汽車(chē)完美結(jié)合的紐帶，是混合動(dòng)力汽車(chē)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(dòng)踏板等，判斷駕駛員的意圖，在滿(mǎn)足車(chē)輛動(dòng)力性能的前提下，最優(yōu)的分配電機(jī)、發(fā)動(dòng)機(jī)、動(dòng)力電池等部件的功率輸出，實(shí)現(xiàn)能量的最優(yōu)分配，提高車(chē)輛的燃油經(jīng)濟(jì)性和排放性能。能量管理策略是迄今為止混合動(dòng)力汽車(chē)領(lǐng)域研究最多、文獻(xiàn)最豐富的內(nèi)容之一。以下介紹并聯(lián)式混合汽車(chē)的能量管理策略。

并聯(lián)式混合動(dòng)力汽車(chē)有發(fā)動(dòng)機(jī)和電機(jī)兩類(lèi)動(dòng)力源，能量管理策略實(shí)現(xiàn)發(fā)動(dòng)機(jī)和電機(jī)轉(zhuǎn)矩目標(biāo)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(shí)時(shí)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(chē)速、需求轉(zhuǎn)矩、動(dòng)力電池荷電狀態(tài)( State of charge，SOC)、發(fā)動(dòng)機(jī)轉(zhuǎn)速等為邏輯門(mén)限參數(shù)，在邏輯門(mén)限參數(shù)構(gòu)成的多維空間中劃分出多種工作模式[1]。當(dāng)邏輯門(mén)限參數(shù)值滿(mǎn)足預(yù)設(shè)的規(guī)則時(shí)，切換混合動(dòng)力系統(tǒng)工作模式。主要思想是調(diào)整發(fā)動(dòng)機(jī)的工作點(diǎn)，通過(guò)控制電機(jī)輸出扭矩的大小，使得發(fā)動(dòng)機(jī)的扭矩輸出（工作點(diǎn)）落在發(fā)動(dòng)機(jī)的高效率區(qū)間內(nèi)。基于規(guī)則的能量管理策略算法簡(jiǎn)單，對(duì)控制器計(jì)算性能要求低，在實(shí)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(lái)源于模糊控制器，即人們?cè)诒硎瞿臣虑闀r(shí)，往往只給出一個(gè)模糊性的說(shuō)法。

井濟(jì)民，王旭東等針對(duì)單軸并聯(lián)式混合動(dòng)力轎車(chē)，以混合驅(qū)動(dòng)系統(tǒng)需求轉(zhuǎn)矩和電池剩余電量(SOC)為輸入，以發(fā)動(dòng)機(jī)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(mén)控制策略相比，能夠更有效地降低混合動(dòng)力汽車(chē)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(tái)，對(duì)傳統(tǒng)型與單軸并聯(lián)混合動(dòng)力汽車(chē)的燃油經(jīng)濟(jì)性進(jìn)行仿真驗(yàn)證[3]。付主木，王聰慧等利用Matlab/simulink 建立了并聯(lián)式混合動(dòng)力汽車(chē)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(jìn)行仿真和對(duì)比分析[4]。雷將華等在Matlab/Simulink環(huán)境下，用ADVISOR作為仿真平臺(tái)，分別建立了并聯(lián)式混合動(dòng)力汽車(chē)的各個(gè)模塊的模型，研究、分析邏輯門(mén)限控制策略，給出并聯(lián)混合動(dòng)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(dòng)力城市客車(chē)的整車(chē)能耗模型以及能量管理策略模型。能量管理策略選取簡(jiǎn)便但更貼近實(shí)際應(yīng)用的邏輯門(mén)限策略，以電池SOC值和動(dòng)力源輸出轉(zhuǎn)矩作為主要的參考變量，設(shè)計(jì)了無(wú)主動(dòng)充電的能量分配策略和有主動(dòng)充電的能量分配策略?xún)煞N能量分配策略[6]。李訓(xùn)明等在仿真軟件Cruise中建立了整車(chē)仿真模型，在Stateflow中建立了基于規(guī)則的邏輯門(mén)限值控制策略，最后實(shí)現(xiàn)了Matlab與Cruise聯(lián)合仿真[7]。李婷婷等在保持混合動(dòng)力汽車(chē)動(dòng)力性能的前提下，以整車(chē)需求轉(zhuǎn)矩和蓄電池SOC為輸入，以發(fā)動(dòng)機(jī)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(dòng)機(jī)燃油消耗和排放為優(yōu)化目標(biāo)對(duì)模糊隸屬度函數(shù)的參數(shù)進(jìn)行了離線優(yōu)化[8]。毛建中，張文等分析了并聯(lián)式混合動(dòng)力汽車(chē)電機(jī)和發(fā)動(dòng)機(jī)功率的實(shí)時(shí)分配問(wèn)題，根據(jù)發(fā)動(dòng)機(jī)工作效率圖制定模糊控制規(guī)則，并以發(fā)動(dòng)機(jī)工作效率為優(yōu)化目標(biāo)，利用蟻群算法對(duì)模糊隸屬度函數(shù)參數(shù)進(jìn)行優(yōu)化[9]。于浩等在AVL/CRUISE仿真軟件中搭建該混合動(dòng)力卡車(chē)的仿真模型，設(shè)計(jì)了基于邏輯門(mén)限值的能量管理策略，在MATLAB/Simulink平臺(tái)中搭建了混合動(dòng)力汽車(chē)控制策略模型，以汽車(chē)油耗最低為目標(biāo)，制定電池荷電狀態(tài)及其上下限和車(chē)輛需求轉(zhuǎn)矩作為邏輯門(mén)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(dòng)機(jī)效率最高為準(zhǔn)則，確定模式切換規(guī)則，提高燃油經(jīng)濟(jì)性。隨著研究的深入，逐步考慮混合動(dòng)力系統(tǒng)總效率、排放性等，對(duì)邏輯門(mén)限參數(shù)閾值進(jìn)行優(yōu)化，并采用模糊控制將模式切換規(guī)則模糊化，進(jìn)一步提高整車(chē)性能?；谝?guī)則的能量管理策略對(duì)車(chē)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(shí)，只重點(diǎn)得考慮了發(fā)動(dòng)機(jī)的燃油經(jīng)濟(jì)性。另外，只要蓄電池的SOC 低于了設(shè)定的門(mén)限值就充電，沒(méi)有考慮蓄電池的充放電損失。

1.2.2  實(shí)時(shí)優(yōu)化能量管理策略

實(shí)時(shí)優(yōu)化能量管理策略通過(guò)定義實(shí)時(shí)優(yōu)化目標(biāo)函數(shù)，根據(jù)當(dāng)前系統(tǒng)的動(dòng)力需求作為輸入，滿(mǎn)足動(dòng)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(shí)刻的控制變量，不需要預(yù)先知道行駛工況，可在線優(yōu)化并且能夠應(yīng)用于實(shí)時(shí)控制系統(tǒng)，故又稱(chēng)為在線優(yōu)化策略[29]。

在某一瞬時(shí)車(chē)輛工況下，實(shí)時(shí)計(jì)算出滿(mǎn)足車(chē)輛當(dāng)前工況的需求扭矩，然后計(jì)算發(fā)動(dòng)機(jī)和電機(jī)理論上的輸出扭矩，之后運(yùn)算得出發(fā)動(dòng)機(jī)此時(shí)的燃油消耗量和電機(jī)此時(shí)的電耗量。實(shí)時(shí)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(jìn)行改進(jìn)。

朱慶林等提出一個(gè)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(duì)混合動(dòng)力汽車(chē)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(duì)節(jié)能潛力的發(fā)揮程度進(jìn)行研究，并根據(jù)獲得的瞬時(shí)優(yōu)化控制策略的控制規(guī)則建立新的實(shí)時(shí)控制策略[11]。徐萍萍等采用一個(gè)小波神經(jīng)網(wǎng)絡(luò)控制器，結(jié)合瞬時(shí)優(yōu)化控制策略得到的控制規(guī)則進(jìn)行訓(xùn)練，實(shí)現(xiàn)對(duì)混合動(dòng)力系統(tǒng)的實(shí)時(shí)控制，基于ADVISOR的仿真研究表明，該控制策略不僅能夠保證車(chē)輛的燃油經(jīng)濟(jì)性，而且克服了瞬時(shí)優(yōu)化控制策略難以實(shí)時(shí)控制的缺點(diǎn)[12]。佟尚鍔等設(shè)計(jì)了基于發(fā)動(dòng)機(jī)最優(yōu)工作曲線的邏輯門(mén)限能量管理策略，進(jìn)而基于等效燃油消耗最少算法提出了一種實(shí)時(shí)優(yōu)化能量管理策略，通過(guò)實(shí)時(shí)仿真對(duì)所提出的能量管理策略進(jìn)行驗(yàn)證和評(píng)價(jià)，結(jié)果表明提出的能量管理策略方法正確，具有良好的實(shí)時(shí)性[13]。徐曼等采用了基于瞬時(shí)等效油耗最低的（Instantaneous Equivalent Consumption Minimization Strategy，ECMS）瞬時(shí)優(yōu)化算法，ECMS算法將電池充放電過(guò)程中消耗的能量等效為相應(yīng)的發(fā)動(dòng)機(jī)油耗，以最少等效油耗為目標(biāo)函數(shù)，建立瞬時(shí)優(yōu)化能量管理策略，同時(shí)在Simulink環(huán)境下對(duì)整車(chē)的燃油消耗量進(jìn)行了理論計(jì)算，并在相同條件下與邏輯門(mén)限算法的油耗進(jìn)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(wèn)題，旨在提出與未來(lái)道路工況無(wú)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(shí)時(shí)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(dòng)力汽車(chē)為研究對(duì)象，為提高其燃油經(jīng)濟(jì)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(jì)性[16]。孫芳科等以單軸并聯(lián)式混合動(dòng)力汽車(chē)為研究對(duì)象，以等效燃油最小控制策略ECMS為理論基礎(chǔ)，以提高整車(chē)燃油經(jīng)濟(jì)性為目標(biāo)，提出了基于混合動(dòng)力系統(tǒng)瞬時(shí)油耗率最低的能量管理策略，并對(duì)其在不同的行駛工況下適應(yīng)性進(jìn)行分析和研究[17]。荊培楊等主要研究對(duì)象為并聯(lián)混合動(dòng)力汽車(chē)(Parallel Hybrid Electric Vehicle，PHEV)，采用瞬時(shí)能量控制理論為基礎(chǔ)，利用蟻群算法對(duì)充放電等效因子進(jìn)行尋優(yōu)[18]。

雖然瞬時(shí)優(yōu)化控制策略能確保每個(gè)瞬時(shí)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(shí)時(shí)優(yōu)化控制策略計(jì)算時(shí)間也比較長(zhǎng)。

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(shí)，針對(duì)該給定循環(huán)工況，運(yùn)用最優(yōu)控制原則對(duì)多個(gè)動(dòng)力源進(jìn)行全局優(yōu)化、動(dòng)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(dòng)力整車(chē)達(dá)到了動(dòng)力性和燃油經(jīng)濟(jì)性的最佳平衡。全局優(yōu)化的方法是，通過(guò)判斷動(dòng)力部件的目標(biāo)狀態(tài)，然后分析當(dāng)前運(yùn)行工況，采取一定的控制算法尋找達(dá)到目標(biāo)狀態(tài)的最優(yōu)路徑，實(shí)現(xiàn)整車(chē)的燃油經(jīng)濟(jì)性最優(yōu)化。動(dòng)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(dòng)力電動(dòng)汽車(chē)（PHEV）為研究對(duì)象，基于其整車(chē)及動(dòng)力總成相關(guān)數(shù)學(xué)模型建立了以整個(gè)行駛工況消耗的總?cè)加土孔钚槟繕?biāo)的系統(tǒng)目標(biāo)泛函，以及相關(guān)的機(jī)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(wèn)題轉(zhuǎn)化為無(wú)約束的極小值問(wèn)題進(jìn)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(dòng)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(dòng)機(jī)轉(zhuǎn)矩命令為輸出的模糊控制器用于混合動(dòng)力系統(tǒng)能量分配，然后針對(duì)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(zhuān)家經(jīng)驗(yàn)，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(dòng)態(tài)規(guī)劃算法求解PHEV燃油經(jīng)濟(jì)性的全局最優(yōu)控制問(wèn)題，以動(dòng)力系統(tǒng)主要部件數(shù)學(xué)模型為基礎(chǔ)，編寫(xiě)基于離散動(dòng)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(jì)性的理論值以及與其相對(duì)應(yīng)的最優(yōu)控制策略[21]。張炳力等針對(duì)并聯(lián)式混合動(dòng)力汽車(chē)（PHEV），以整個(gè)循環(huán)工況的燃油經(jīng)濟(jì)性最優(yōu)為目標(biāo)，運(yùn)用離散動(dòng)態(tài)規(guī)劃算法，得到PHEV的全局最優(yōu)控制策略。并通過(guò)在逆向計(jì)算中設(shè)置不滿(mǎn)足條件的控制變量的收益函數(shù)為無(wú)限大的方法，來(lái)達(dá)到電池荷電狀態(tài)平衡，最后建立Matlab/Simulink仿真模型，對(duì)獲得的全局最優(yōu)控制策略進(jìn)行仿真驗(yàn)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(yùn)用動(dòng)態(tài)規(guī)劃（DP）方法對(duì)EMCS問(wèn)題進(jìn)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(duì)所得出的DP能量管理控制器進(jìn)行仿真計(jì)算和實(shí)驗(yàn)，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(jì)性提高了10.22%，同時(shí)發(fā)動(dòng)機(jī)和電機(jī)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(duì)建立的模糊控制器參數(shù)規(guī)則進(jìn)行優(yōu)化，進(jìn)而對(duì)能量進(jìn)行有效的分配，減少整車(chē)的油耗及尾氣的排放，使得在滿(mǎn)足汽車(chē)行駛性能的前提下，達(dá)到節(jié)油減排的目的[24]。李訓(xùn)明等在仿真軟件Cruise中建立了整車(chē)仿真模型，為后續(xù)能量管理策略的研究開(kāi)發(fā)提供了仿真平臺(tái)，然后研究了基于動(dòng)態(tài)規(guī)劃的能量管理策略，以電池SOC和傳動(dòng)系傳動(dòng)比為狀態(tài)變量，以發(fā)動(dòng)機(jī)轉(zhuǎn)矩和變速器檔位為控制變量，建立了以燃油經(jīng)濟(jì)性為目標(biāo)的最優(yōu)控制數(shù)學(xué)模型[25]。盛楊等針對(duì)模糊控制器的設(shè)計(jì)主觀性較強(qiáng)，無(wú)法達(dá)到最優(yōu)的不足，利用一種改進(jìn)的自適應(yīng)遺傳算法（Improved Adaptive Genetic Algorithm，IAGA）對(duì)模糊控制器隸屬度函數(shù)參數(shù)和控制規(guī)則進(jìn)行優(yōu)化。在算法中設(shè)計(jì)一種評(píng)價(jià)指標(biāo)反映每代種群較優(yōu)個(gè)體的差異程度，用于改進(jìn)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(biāo)優(yōu)化問(wèn)題變?yōu)閱文繕?biāo)優(yōu)化問(wèn)題，使用集主客觀因素的組合賦權(quán)法確定各目標(biāo)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(yùn)用線性加權(quán)法進(jìn)行組合[26]。張紅黨等以提高系統(tǒng)工作效率為目標(biāo)，進(jìn)行混合動(dòng)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(biāo)的非線性規(guī)劃問(wèn)題，并基于貝爾曼最優(yōu)原理，采用動(dòng)態(tài)規(guī)劃算法實(shí)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(dǎo)致它的實(shí)時(shí)性能很差。

目前，各種能量控制策略設(shè)計(jì)都不完善，所以有必要進(jìn)行更深入的研究，設(shè)計(jì)出實(shí)用性強(qiáng)、效果佳的能量控制策略，使能量分配具有最優(yōu)性、實(shí)時(shí)性。



參考文獻(xiàn)

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

[2] 井濟(jì)民，王旭東.單軸并聯(lián)式混合動(dòng)力汽車(chē)能量分配的模糊控制策略研究[J]. 齊齊哈爾大學(xué)學(xué)報(bào)(自然科學(xué)版)，2010，26(02):15-18.

[3] 田甜. 單軸并聯(lián)式混合動(dòng)力汽車(chē)能量管理策略的研究[D].南京林業(yè)大學(xué)，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(xué)報(bào)，2012，24(06):1314-1319.

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

[6] 邱彬. 混合動(dòng)力城市客車(chē)能量管理策略及節(jié)能評(píng)價(jià)研究[D]. 清華大學(xué)，2014.

[7] 李訓(xùn)明. 并聯(lián)式混合動(dòng)力汽車(chē)能量分配策略?xún)?yōu)化研究[D]. 山東理工大學(xué)，2015.

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

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

[10] 于浩. 并聯(lián)混合動(dòng)力卡車(chē)能量管理策略?xún)?yōu)化研究[D]. 燕山大學(xué)，2019.

[11] 朱慶林. 基于瞬時(shí)優(yōu)化的混合動(dòng)力汽車(chē)控制策略研究[D]. 吉林大學(xué)，2009.

[12] 徐萍萍，宋建國(guó)，王雁峰，沈光地. 基于小波神經(jīng)網(wǎng)絡(luò)的混合動(dòng)力汽車(chē)實(shí)時(shí)控制策略[J].系統(tǒng)仿真學(xué)報(bào)，2011，23(11):2455-2459.

[13] 佟尚鍔. 并聯(lián)混合動(dòng)力汽車(chē)能量管理與D2P實(shí)時(shí)仿真研究[D]. 東北大學(xué)，2012.

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

[15] 張聰. 混合動(dòng)力汽車(chē)實(shí)時(shí)能量?jī)?yōu)化管理策略研究[D]. 天津大學(xué)，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(dòng)力汽車(chē)瞬時(shí)最優(yōu)控制策略的研究[D]. 山東大學(xué)，2018.

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

[19] 胡紅斐，黃向東，羅玉濤，趙克剛.并聯(lián)式混合動(dòng)力電動(dòng)汽車(chē)全局優(yōu)化控制[J]. 華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2006(04):28-32+37.

[20] 吳劍. 并聯(lián)式混合動(dòng)力汽車(chē)能量管理策略?xún)?yōu)化研究[D]. 山東大學(xué)，2008.

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

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

[23] 鐘宛余. 并聯(lián)式混合動(dòng)力汽車(chē)能量管理策略?xún)?yōu)化研究[D]. 廣西工學(xué)院，2012.

[24] 李高. 并聯(lián)式混合動(dòng)力汽車(chē)能量?jī)?yōu)化管理策略的研究[D]. 湖南工業(yè)大學(xué)，2014.

[25] 李訓(xùn)明. 并聯(lián)式混合動(dòng)力汽車(chē)能量分配策略?xún)?yōu)化研究[D]. 山東理工大學(xué)，2015.

[26] 盛楊. 并聯(lián)混合動(dòng)力汽車(chē)能量?jī)?yōu)化策略研究[D]. 大連海事大學(xué)，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(dòng)力系統(tǒng)控制策略研究[J]. 重慶理工大學(xué)學(xué)報(bào)(自然科學(xué))，2019，33(03):66-72.

[28] 李文廣，馮國(guó)勝，馬俊長(zhǎng).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(chē)輛工程，2021，59(04):31-35.

[29] 熊煥劍. CVT混合動(dòng)力汽車(chē)實(shí)時(shí)優(yōu)化能量管理策略研究[D]. 湖南大學(xué)， 2019.