基于動態路面特征的并聯式混合動力汽車驅動力控制策略研究

張亮 趙珂倩

摘要：為了提高并聯式混合動力汽車加速時的動力性與穩定性，提出了一種基于電機力矩動態調節的動態牽引力控制策略，所建立的控制策略基于路面最優滑轉率的實時估計，通過電機力矩的動態調節來控制驅動輪的動態牽引力以提高加速性能并抑制過度滑轉，對動態牽引力控制與能量管理的算法融合問題進行了研究，以避免動態牽引力控制對能量管理策略的干擾。最后，在MATLAB/Simulink環境中進行了系統仿真驗證，結果表明所提出的控制策略顯著地改善了車輛的加速性與行駛穩定性，同時還可以實現能量回收，可以有效提高了系統的節能效果。

Abstract： In order to improve the power performance and stability of parallel hybrid electric vehicle when accelerating， a dynamic traction control strategy based on dynamically adjusting the motor torque was proposed along with its system simulation. The presented strategy is established on the optimal slip ratio real time estimation， while the dynamic traction of driving wheel is controlled by adjusting the motor torque to improve the accelerating ability and preventing the excessive slip of driving wheel. In addition， the algorithm fusion between dynamic traction control strategy and energy management strategy is researched to avoid interference with energy management strategy. Finally system simulation was carried out in the environment of MATLAB/Simulink， and the results indicate that the proposed control strategy can observably improve the vehicle accelerating ability and driving stability， meanwhile， it can realize energy recycle and improve the energy-saving effect to some extent.

關鍵詞：混合動力汽車;動態牽引力控制;路面識別;系統仿真

Key words： hybrid electric vehicles;dynamic traction control;road surface identification;system simulation

中圖分類號：U461.2? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-957X（2021）12-0005-03

0? 引言

能量管理控制與動力學控制是混合動力汽車（Hybrid electric vehicles，HEVs）綜合控制策略的兩大核心內容，其中能量管理控制所關注的是如何實現節能和降低排放[1]，而動力學控制解決的問題是如何將駕駛員踏板信號合理地解釋為執行機構的目標力矩。當前HEV綜合控制現有的研究較多地集中在了能量管理方面[2-5]。

目前，動力性與操控穩定性方面專門針對新能源汽車的研究尚不多見，盡管已有一些學者針對傳統內燃機汽車的動力學控制方面進行了大量的研究[6-9]，但是混合動力汽車與內燃機汽車有本質的不同。與傳統內燃機車相比，混合動力汽車增加了電機驅動方式，使其控制更靈活、動態響應更佳。本文采用并聯式混合動力傳動方案，研究重點是汽車的加速工況下，隨路面參數變化的動態牽引力控制策略及與能量管理策略的算法相融問題，最后在MATLAB/Simulink軟件中進行了系統仿真驗證。

1? 系統結構

并聯式HEV的動力總成系統結構如圖1所示[9]，電動機由電池組供電輸出扭矩，并與發動機通過MC（機械耦合器）進行扭力耦合繼而進行動力輸出。相對于其它形式而言，并聯式HEV結構相對簡單，有利于在保證動力性要求的前提下實現較為緊湊的動力總成系統，適合應用在新能源轎車中。

2? 控制策略

動態牽引力控制主要通過調節驅動輪的滑轉率以最大限度地利用地面附著條件，具體來說，動態牽引力控制是將驅動輪滑轉率控制在最優滑轉率附近，從而實現整車良好的加速性和操控穩定性。因此路面參數的動態識別是牽引力控制的第一步。

驅動輪滑轉程度可以用滑轉率λ表示，地面附著系數？滋隨λ的變化而變化。地面附著系數（橫、縱向）達到最高值的滑轉率為最優滑轉率？姿opt，此時地面附著條件利用率最高。但是不同路面條件下的最優滑轉率各不相同，必須通過路面參數進行識別算法來獲取不同路面條件下理想的牽引力控制依據。

首先，ECU單元通過車速、車輪轉速傳感器測量、計算得到車輪實際滑轉率，通過與最優滑轉率相對比，將兩者差值e？姿最為PID控制器的輸入。其表達式為：

式中，Tsup為PID控制器輸出的調整力矩，KP、KI和KD分別為比例、積分和微分系數。

能量管理策略是混合動力電動汽車實現良好節能效果的關鍵，控制策略通常根據踏板位置判定電動機目標轉矩，并對電能供應的功率流進行優化，已有許多學者對其進行了深入研究，目前較為成熟的是邏輯門限控制策略、模糊控制策略等，此處主要關注的是所提出的動態牽引力控制與能量管理策略的融合，因此不對能量管理策略進行重復分析，而是直接選用魯棒性較強且易于實現的邏輯門限控制策略，并提出一個基本的邏輯門限控制算法。以需求功率為主要門限，將其劃分為再生制動（模式一）、電機單獨驅動（模式二）、發動機單獨驅動（模式三）以及發動機和電機混合驅動（模式四）。邏輯門限控制規則如表1所示。其中，Pd為功率需求、Pb為電動機輸出功率、Pe為發動機輸出功率和Pemax為發動機最大輸出功率，Pt為功率門限值。

牽引力控制系統僅在加速工況下工作，ξd為牽引力控制系統控制參數，當汽車處于加速工況時，ξd為1;當非加速工況（加速踏板γA低于門限值或變化率為負）時ξd為0，牽引力控制系統不生效。此外，當控制器調整力矩為正值時，電動機最終輸出轉矩將大于汽車預期轉矩，干擾能量控制策略，因此調整力矩一般取負值。汽車行駛時能量管理策略根據駕駛員踏板信號產生一個的前饋控制力矩作為電機力矩控制的主力矩;當輪胎突破地面附著極限時，牽引力控制系統介入，在融合算法中，將根據地面附著條件所得到的控制器調整轉矩與能量管理策略分配的電機轉矩相加之后，作為電機最終輸出轉矩，公式（2）。由于調整力矩取負值，動力系統輸出降低，但滑轉率被控制在一個最佳區間，地面附著條件利用率更高。

3? 仿真分析

通過MATLAB/Simulink進行控制系統仿真，籍此驗證牽引力控制策略的有效性及與能量控制策略的相融性。仿真時采用固定步長0.01秒，仿真采用加速較頻繁的US06循環工況作為仿真工況。

選取循環工況中的兩個加速階段進行分析，如圖2所示。從圖中滑轉率的變化結果可以看出，在所設計的牽引力控制策略作用下，驅動輪的滑轉率被控制在一個較優區域內，與不具備牽引力動態控制的系統相比，所提出的控制算法明顯抑制了車輛加速過程中驅動輪的過度滑轉，同時，由于改善了滑轉率，從速度曲線的變化結果中可以看出在動態牽引力控制下車輛的加速性能也得到了明顯提升，并且在加速階段的后期沒有出現車速的超調現象，控制效果良好，體現出了對目標車速的良好跟隨。

由力矩變化曲線可知，在牽引力控制系統工作時，主要通過調節電機輸出轉矩對滑轉率進行控制，而發動機轉矩變化較為平穩，并沒有對牽引力控制系統造成干擾，這表明所設計的融合算法是有效的。圖3的SOC變化曲線表明，在牽引力控制系統工作過程中，能量得到了一定程度的回收，電池SOC在兩個加速階段分別上升了0.19%和0.02%，所本文所采用的是22.6kWh容量鋰離子電池組，因此可以算的在兩次的加速過程中，由于電機施加了負力矩而產生的電能回收約為0.043kWh。

4? 結論

提出了一種基于路面識別的混合動力汽車控制策略，可以有效實現車輛的ASR控制且提高車輛節能效果，在一次ASR控制過程中電池組SOC可以上升約0.20%，汽車的加速性能顯著提高，且牽引力動態控制策略與能量管理策略融合性較好，實現了加速時的驅動輪防滑控制目標。

參考文獻：

[1]Kim N， Cha S and Peng H. Optimal Control of Hybrid Electric Vehicles Based on Pontryagin’s Minimum Principle [J]. IEEE Transactions on Control Systems Technology. 2011，19（5）： 1279-1287.

[2]Zeyu Chen， Jiahuan Lu， Bo Liu， Nan Zhou， Shijie Li. Optimal energy management of plug-in hybrid electric vehicles concerning the entire lifespan of lithium-ion batteries. Energies， 2020， 13， 2543.

[3]Martinez J S， Hissel D， Pera M C， et al. Practical Control Structure and Energy Management of a Testbed Hybrid Electric Vehicle [J]. IEEE Transactions on Vehicular Technology. 2011， 60（9）： 4139-4152.

[4]Pousamed A， Montazeri M. Design of genetic-fuzzy control strategy for parallel hybrid electric vehicles [J]. Control Engineering Practical. 2008，16（7）： 861-873.

[5]Geng B， Mills J K and Sun D. Energy Management Control of Microturbine-Powered Plug-In Hybrid Electric Vehicles Using the Telemetry Equivalent Consumption Minimization Strategy [J]. IEEE Transactions on Vehicular Technology. 2011，60（9）： 4238-4248.

[6]陳澤宇，焦斌，趙廣耀，周淑文.電動汽車動態路面驅動防滑控制與仿真[J].哈爾濱工程大學學報，2015，36（8）：1120-1125.

[7]Deur J， Pavkovic D， Burgio G， et al. A model-based traction control strategy non-reliant on wheel slip information [J]. Vehicle System Dynamics， 2011， 49（8）：1245-1265.

[8]李亮，冉旭，李洪志，等.用于汽車牽引力控制的復雜路面輪胎-道路附著狀態判斷[J].機械工程學報，2012，48（10）：109-114.

[9]陳清泉.現代電動車、電機驅動及電力電子技術[M].北京：機械工業出版社，2005.