引言

插電式混合動力汽車(PHEV)是介于燃油汽車和電動汽車之間的一種新型混合動力汽車，它不僅可以保持一定距離的純電驅(qū)動，還可以混合驅(qū)動提高燃油經(jīng)濟性。混合動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，混合動力汽車燃油經(jīng)濟性更好，另一方面，混合動力汽車的設(shè)計和實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)矩分配是混合動力電動汽車發(fā)展中的兩個關(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，因此不能保證車輛燃油經(jīng)濟性的優(yōu)化。
（2)智能控制方法：黃稟通等、Meng ＤW等針對并聯(lián)式混合動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態(tài)決策過程。Wang J等創(chuàng)建了基于學習向量量化神經(jīng)網(wǎng)絡(luò)的工況識別算法。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)學模型，具有自學習、自適應(yīng)和魯棒性的優(yōu)點，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)化算法對雙電機需求轉(zhuǎn)矩進行分配。耿文冉等通過粒子群算法來進行能量管理策略的多目標優(yōu)化。金輝等、胡建軍等則在能量管理策略中引入自適應(yīng)動態(tài)規(guī)劃算法。上述粒子群算法和動態(tài)規(guī)劃算法對于尋找最優(yōu)策略是有用的，但是實時性較差，主要適用于分析和評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)來識別駕駛員意圖，沒有考慮當前車輛行駛狀態(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別的參數(shù)，對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前車輛狀態(tài)對駕駛意圖識別的影響，選擇合適的意圖識別參數(shù)，基于意圖識別來制定整車的控制策略，以插電式混合動力汽車為研究對象，以確保整車動力性為前提，以提高能耗經(jīng)濟性為目標，分別針對混合動力汽車驅(qū)動意圖識別、驅(qū)動模式規(guī)劃、轉(zhuǎn)矩分配優(yōu)化進行研究，提出基于意圖識別的模糊控制策略，并且通過Cruise－Simulink進行聯(lián)合仿真，驗證所提出的控制策略對經(jīng)濟性的改善效果。

1、整車動力系統(tǒng)結(jié)構(gòu)及參數(shù)

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

2、駕駛意圖識別

整車能量管理策略將基于駕駛意圖識別結(jié)果進行工作模式的劃分。所制定能量管理策略的流程圖如圖2所示，整個過程包含驅(qū)動意圖識別、驅(qū)動模式規(guī)劃和轉(zhuǎn)矩優(yōu)化分配3個部分，首先通過識別駕駛員操作和車輛狀態(tài)，對駕駛意圖進行識別，針對當前意圖切換對應(yīng)的工作模式，再合理分配動力源之間的轉(zhuǎn)矩，輸出各動力源的目標轉(zhuǎn)矩，實現(xiàn)對發(fā)動機、驅(qū)動電機和發(fā)電機工作狀態(tài)的控制。

駕駛意圖識別就是根據(jù)實時采集駕駛員操作信號和汽車運行狀態(tài)來識別駕駛員當前的駕駛意圖，進而以此為依據(jù)采用不同的控制策略合理分配動力源轉(zhuǎn)矩。駕駛意圖識別不準確會直接影響整車需求轉(zhuǎn)矩計算誤差，因此駕駛意圖識別的精準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)濟性等性能。
在駕駛過程中，駕駛員加速意圖的識別很難用精確的數(shù)學模型來表示。因此，駕駛員加速意圖的識別需要引入魯棒性強的模糊邏輯識別，因為模糊控制是一種基于人的經(jīng)驗的智能控制方法，在經(jīng)驗處理方面有很大的優(yōu)勢。

首先針對駕駛員驅(qū)動意圖進行識別，通過對一個行駛循環(huán)下各參數(shù)的統(tǒng)計分析，選擇車速、加速度、加速踏板開度作為駕駛員意圖識別參數(shù)，也就是模糊邏輯控制器的輸入，輸出為駕駛員的驅(qū)動意圖，劃分為輕度加速、中度加速和緊急加速。
根據(jù)混合動力汽車的工作模式以及駕駛員的行為特征，將對應(yīng)車速v、加速度a 和油門踏板開度l，3個識別參數(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以及工程經(jīng)驗，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為(0，1)。3個識別參數(shù)分別對應(yīng)的隸屬度函數(shù)如圖3所示。意圖識別模糊控制器的輸出為一個flag值，對應(yīng)駕駛員驅(qū)動意圖緊急程度，分別為平緩驅(qū)動、一般驅(qū)動與緊急驅(qū)動。

模糊控制器的推理規(guī)則庫是由IF－THEN 語句組成的，IF表示判斷條件，THEN 表示輸出結(jié)果。依據(jù)對駕駛員操作經(jīng)驗的總結(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)動意圖越緊急；相同的驅(qū)動強度下，當前的車速和加速度越高，驅(qū)動的緊急程度越大。由此建立了駕駛員驅(qū)動意圖的模糊控制規(guī)則，如表2所示。

3、能量管理控制策略

3．1 整車工作模式

插電式混合動力汽車有多種工作模式：純電動模式、發(fā)動機單獨驅(qū)動模式、混合驅(qū)動模式、行車充電模式和強制充電模式。當電池電量較高時，一般進入純電模式，車輛消耗動力電池組中存儲的電能來提供動力，只有在驅(qū)動電機輸出功率不足時，發(fā)動機才會介入共同驅(qū)動。當電池電量較低時，車輛進入電量維持階段，發(fā)動機工作點通過發(fā)電機與驅(qū)動電機來調(diào)整，優(yōu)化系統(tǒng)效率。表3是各動力源在不同工作模式下的工作狀態(tài)。

3．2 驅(qū)動模式規(guī)劃

針對此款混合動力汽車，在進行了駕駛員的驅(qū)動意圖識別之后，對不同的驅(qū)動意圖進行驅(qū)動模式規(guī)劃，具體流程圖如圖4所示?？偟膩碚f，輕度驅(qū)動和中度驅(qū)動以經(jīng)濟性為主，緊急驅(qū)動以動力性為主。

（1)起步：一般車輛起步特征為車速較低，考慮到發(fā)動機此時的效率低，進入純電動模式。
（2)輕度驅(qū)動：為了優(yōu)化系統(tǒng)效率，使發(fā)動機工作在最優(yōu)區(qū)域，可以通過發(fā)電機來調(diào)整發(fā)動機工作點。當最優(yōu)發(fā)動機輸出轉(zhuǎn)矩Tgbest大于需求轉(zhuǎn)矩Treq時，若SOC小于目標SOC閾值SOCobj，進入行車充電模式；若SOC大于SOCobj，進入純電動模式。
（3)中度驅(qū)動：發(fā)動機工作點通過發(fā)電機與驅(qū)動電機來調(diào)整。當SOC大于SOCobj時，進入純電動模式；當SOC小于SOCobj時，若最優(yōu)發(fā)動機輸出轉(zhuǎn)矩Tgbest大于需求轉(zhuǎn)矩Treq，進入行車充電模式；若Tgbest小于Treq，進入混合驅(qū)動模式；若Treq進入最優(yōu)區(qū)域則發(fā)動機單獨驅(qū)動。
（4)緊急驅(qū)動：此時駕駛員需求轉(zhuǎn)矩較大，進入混合驅(qū)動模式；若SOC已過度放電，則進入發(fā)動機單獨驅(qū)動模式。

3．3 轉(zhuǎn)矩分配策略

當PHEV進入不同的工作模式時，轉(zhuǎn)矩分配策略如下：進入純電模式時，電機轉(zhuǎn)矩TM＝Treq，發(fā)動機轉(zhuǎn)矩Te＝0；進入行車充電模式時，發(fā)動機轉(zhuǎn)矩Te＝Tgbest，多余轉(zhuǎn)矩帶動發(fā)電機進行發(fā)電；進入發(fā)動機單獨驅(qū)動模式時，電機轉(zhuǎn)矩TM＝0，發(fā)動機轉(zhuǎn)矩Te＝Treq；進入混合驅(qū)動模式時，發(fā)動機轉(zhuǎn)矩Te＝Tgbest，不足的轉(zhuǎn)矩由驅(qū)動電機進行補充。
針對混合驅(qū)動模式與行車充電模式，基于規(guī)則的策略為使發(fā)動機始終在高效區(qū)工作，始終讓發(fā)動機提供最優(yōu)轉(zhuǎn)矩，發(fā)動機工作點通過發(fā)電機與驅(qū)動電機來調(diào)整。對于混合動力汽車的工作過程，控制器設(shè)計的基本原則是保持動力電池在平衡狀態(tài)下充放電，使發(fā)動機和電機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)濟性并合理分配轉(zhuǎn)矩，采用模糊控制算法，對發(fā)動機、驅(qū)動電機和發(fā)電機的轉(zhuǎn)矩分配進行優(yōu)化，使車輛在保證動力性的前提下，提高整車經(jīng)濟性。

選擇SOC、整車需求轉(zhuǎn)矩／當前狀態(tài)下發(fā)動機最大轉(zhuǎn)矩作為輸入變量，選擇發(fā)動機目標負載F1、電動機目標負載F2、發(fā)電機目標負載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為(0，100)，整車需求轉(zhuǎn)矩／發(fā)動機最大轉(zhuǎn)矩的轉(zhuǎn)矩比經(jīng)模糊化處理后的模糊化論域為(0，3．1)。SOC和轉(zhuǎn)矩比分別對應(yīng)的隸屬度函數(shù)如圖5所示。發(fā)動機、驅(qū)動電機和發(fā)電機的目標負載經(jīng)模糊化處理后的模糊化論域均為(0，1)，分別對應(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，對應(yīng)的發(fā)動機和驅(qū)動電機目標負載越大；相同的轉(zhuǎn)矩比狀態(tài)下，SOC越大，驅(qū)動電機參與驅(qū)動的占比越大；；而在同樣轉(zhuǎn)矩比的情況下，SOC較大時，發(fā)電機目標負載為0。因此根據(jù)上述輸入、輸出變量模糊化處理后，分別設(shè)計發(fā)動機目標負載F1、電動機目標負載F2、發(fā)電機目標負載F3模糊控制規(guī)則如表4所示。

4、仿真對比分析

基于Cruise－Simulink搭建聯(lián)合仿真平臺，研究所提出的控制策略的駕駛意圖識別準確性以及對整車能耗的影響。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別的模糊控制策略能否準確識別駕駛員意圖，并且使車輛實際車速跟隨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準確識別車輛的驅(qū)動意圖，且實際車速跟隨效果較好，具有良好的動力性。
為了證明文中選取的意圖識別方法較其他方法更準確可靠，選取加速踏板開度和踏板開度變化率作為識別參數(shù)，創(chuàng)建了意圖識別模糊控制器來識別同種工況下的駕駛員驅(qū)動意圖，該方法的推理規(guī)則如表5所示，意圖識別結(jié)果如圖8所示。

由圖7(C)與圖8對比可知，基于加速踏板開度及其變化率指標的意圖識別方法，在識別到駕駛員意圖變化時，會有連續(xù)的跳變，使得汽車模式切換頻繁，轉(zhuǎn)矩波動較大，影響汽車的駕駛性與經(jīng)濟性。而文中的意圖識別方法，識別結(jié)果輸出更穩(wěn)定，避免了轉(zhuǎn)矩輸出的波動，在準確識別駕駛意圖的前提下，避免了頻繁的模式切換，與其他識別方法相比更準確可靠。
為驗證文中PHEV控制策略的經(jīng)濟性，將所提出的控制策略與基于規(guī)則的策略進行仿真對比，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)下對應(yīng)的發(fā)動機運行工作點如圖11所示。
由仿真結(jié)果可知，在運行一次UＤC循環(huán)工況下，初始SOC為90％時，基于規(guī)則的控制策略和基于意圖識別的模糊控制策略在驅(qū)動過程中均控制驅(qū)動電機輸出轉(zhuǎn)矩為整車提供動力。初始SOC為20％時，驅(qū)動模式根據(jù)需求轉(zhuǎn)矩的大小進行切換。對于基于規(guī)則的策略，為了使發(fā)動機一直工作在最優(yōu)區(qū)域內(nèi)，在不同的轉(zhuǎn)矩需求下，發(fā)動機的工作點通過驅(qū)動電機或發(fā)電機來調(diào)節(jié)；對于基于意圖識別的模糊控制策略，根據(jù)意圖識別的結(jié)果進行驅(qū)動模式劃分，發(fā)動機、驅(qū)動電機和發(fā)電機的輸出轉(zhuǎn)矩通過模糊控制來調(diào)節(jié)分配。

由圖9對比可以看出，在低 SOC狀態(tài)下，基于規(guī)則的控制策略中，發(fā)動機參與驅(qū)動的時間很多，停機再啟動的次數(shù)也較多，使得汽車模糊切換較頻繁，發(fā)動機不能經(jīng)常在高效區(qū)工作。而基于意圖識別的模糊控制策略中發(fā)動機的啟動次數(shù)較基于規(guī)則的少，避免了發(fā)動機的頻繁啟動，一些較低的轉(zhuǎn)矩需求由驅(qū)動電機提供，減少了發(fā)動機在低效率區(qū)間工作的時間。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)動電機提供。由圖11可以看出，基于意圖識別策略的發(fā)動機工作點與基于規(guī)則的相比，基于規(guī)則策略的發(fā)動機工作點較分散，而基于意圖識別策略的發(fā)動機工作點更集中在經(jīng)濟區(qū)，工作點跳變情況得到了改善，驗證了所提策略的優(yōu)化效果。

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

式中，J 為總費用；Q1 為總?cè)加拖牧?；Y1 為燃油價格，取7元／L；ρ 為汽油密度，取750g／L；Q2 為耗電量；Y2 為電價，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比如表6所示。

根據(jù)兩種策略方案的整車能耗對比結(jié)果可知，與基于規(guī)則的控制策略相比，基于意圖識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)濟性。

5、結(jié)論

a．利用模糊控制器建立意圖識別模塊，通過判斷駕駛員的驅(qū)動意圖來更精確地劃分需求扭矩的大小，從而使模式切換更準確。仿真結(jié)果證實提出的意圖識別方法能準確識別駕駛員的驅(qū)動意圖，并能夠根據(jù)不同SOC狀態(tài)和駕駛員當前意圖切換至相對應(yīng)的工作模式，且與其他意圖識別方法相比更準確可靠，減少了轉(zhuǎn)矩的波動和模式切換次數(shù)，有利于提高汽車駕駛性與經(jīng)濟性。
b．針對插電式混合動力汽車，以提高能耗經(jīng)濟性為目標，引入了模糊控制算法來優(yōu)化發(fā)動機和驅(qū)動電機與發(fā)電機之間的轉(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力源之間的轉(zhuǎn)矩，且發(fā)動機工作點更多地落在了效率較高的區(qū)域，工作點跳變情況得到了改善。
C．通過Cruise－Simulink聯(lián)合仿真，驗證所提出的基于意圖識別的模糊控制策略的經(jīng)濟性。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力性，而且使整車綜合能耗降低了3．6％，整車經(jīng)濟性得到了顯著提高。