混合動力汽車驅動控制策略優化研究

陳珂立

摘 要：為進一步提高混合動力汽車驅動系統的動力性和燃油的經濟性，進而設計了并聯式驅動控制策略并對動力系統進行了優化。遺傳算法具有尋優能力強和魯棒性的特點，利用其對隸屬度函數和模糊規則進行優化，以達到提升驅動控制系統性能的目的。

關鍵詞：混合動力汽車;模糊控制;遺傳算法

0 前言

混合動力汽車在結構組成上很簡單，只需在現有的汽車結構上進行直接改造，便能獲得非常廣泛的應用效果。PHEV驅動模式能效降低燃油的消耗，實現節能減排目標，但要想使各個驅動模式都進行無縫和平滑的轉換，還需要加強對PHEV驅動控制系統進行深入的研究。PHEV驅動控制系統在運行過程中會受到很多隨機因素的影響，是一個多變量的非線性系統，進而增加的驅動優化的難度。模糊邏輯控制運用其魯棒性的特點，不需要建立相關的數學模型，將其應用于混合動力汽車驅動控制系統優化設計能夠起到很好的效果。同時還可采用遺傳算法對模糊子集劃分和隸屬度函數進行優化，使驅動控制系統具有自學能力提高PHEV的燃油經濟性。

1 PHEV模糊驅動控制策略設計

對驅動控制系統進行優化的目的在于能夠很好地保證混合動力車的性能，并對汽車行駛過程的所需求的轉矩進行合理的分配，讓發動機處于高效工作狀態，這時好需要將動力電池SOC值保持其在規定的范圍內進行浮動，有效保證電池的使用壽命。

模糊控制器在進行設計時對于輸入的變量控制在兩個，一個是指車輛在進行行駛時其請求轉矩和發動機轉矩所形成的差值，另一個則是能夠保持汽車動力的蓄電池在蓄電池組荷電狀態的SOC值。為輸入變量的主要原因是保證整個發動機都能保證在最優轉矩的曲線范圍內上下進行浮動。當在對模糊控制的輸出變量進行設置時將其為發動機轉矩系數，并對其進行功率分配，這時發動機的實際轉矩將為系數最優轉矩，這樣就能得出發動機的實際轉矩將會是其需求轉矩與發動機轉矩之間的差值。以下舉例輸入參量轉矩差值的隸屬度函數確定過程。

建立在模糊邏輯控制相關的理論學習上，將請求轉矩和最優轉矩之家的差值的語言模糊子集進行定義為{NB，NS，Z，PS，PB}，根據發動機參數與工況確定論域，進而以梯形函數和三角形函數的形式對模糊控制輸出變量的隸屬度函數進行表示，如圖1。

2 基于遺傳算法的優化模糊控制器設計

在對模糊控制器優化時需要借助遺傳算法，但必須首先就要有效確定其待尋優隸屬度函數的參數值，進而對參數變化的范圍進行確定，通過對相關參數做好編碼使其能夠形成染色體，并在此基礎上增加遺傳操作，以達到尋優的效果。

（1）通過優化所得到的目標函數值為模型所采用的PHEV車型的耗油量以及尾氣排放值，約束條件為整車的動力性參數以及SOC值整個工況循環的變化量，以不同的權重系數對最優化的目標值進行表示，建立起相應的適應度函數為：

其中，為目標函數，為約束條件下的懲罰函數，為約束條件下的權重值，為約束條件下的數目。

（2）對隸屬度函數進行優化。對隸屬度函數進行編碼雖然能夠細化其模糊子集，具有操作簡單等優點，但實際卻并不合理，當變量的值越接近零點時，對模糊子集就需要越細致地劃分，進而達到精準控制的目的，但這樣會增加其函數的陡峭。因此可對論域進行不均勻劃分，在對不同類型控制系統輸入時有相應的輸出與之對應，進而使動態性能達到理想要求。

當對模糊編輯控制器進行設計時就需要運用模糊編號對其進行劃分，改變編碼方式和自由度，將有效縮短汽車運行時搜索的空間以及計算時間。用類對隸屬度函數的各個節點進行劃分，通過輸入變量論域得到模糊劃分和子集的隸屬度函數如圖2。

3 仿真與分析

將車輛行駛過程的最高車速控制在182km/h，一直保持車輛速度為86.5km/h行駛，爬坡度≥20%用以表征其爬坡能力。在Advisor2002中配置相關的PHEV主要仿真參數。

在CYC_UDDS行駛工況下進行仿真，通過對Advisor2002的實踐可知，UDDS路況下的行駛常用于對輕便型車輛進行測試，得到行程為12.39km，車速為92.24km/h，行駛時間為1368s。整個道路循環過程包括了起步和停止，充分反映出各個階段的工作狀態。

通過仿真，對比PHEV模糊控制器優化前與優化后的策略，在CYC_UDDS道路工況下，循環行駛時的燃油量將減少0.11L/100km，尾氣排放總量將降低為0.036g/km。

4 總結

混合動力汽車驅動控制系統進行優化的主要目的在于提高其動力性和燃油經濟性，現階段采取最多的優化方式就是結合模糊邏輯控制和遺傳算法，充分發揮其優勢，進而對PHEV驅動設計控制策略，并在UDDS行駛工況下進行模擬仿真，有效驗證了PHEV模糊控制策略能夠進一步提高燃油的經濟性，并能在車輛行駛過程中降低其尾氣排放量，提高了整個動力汽車的控制性能。

參考文獻：

[1]尹安東，趙韓，孫駿等.基于混雜系統理論的混合動力汽車驅制動控制研究術[J].汽車工程，2015，37（10）：1150-1155.

[2]楊世春，朱傳高，高瑩等.并聯式混合動力汽車遺傳模糊控制策略的優化研究[J].汽車工程，2011，33（02）：106-111.

[3]王耀南，劉東奇.電動汽車機電復合制動力分配策略研究[J].控制工程，2014，21（03）：347-351，356.