復合儲能式裝載機能量控制優化與仿真

白 宇, 林慕義,2, 陳 勇,2, 劉振博

(1.北京信息科技大學 機電工程學院, 北京 100192; 2.北京電動車輛協同創新中心, 北京 100192)

引言

復合儲能式裝載機具有可同時滿足工程中頻繁啟停、大功率需求等特點,在工程機械行業投入了大量使用。近些年,隨著國內外自動駕駛技術在領域內的飛速發展,國內工程機械行業也逐漸由人工做操作業發展為了遠程遙控作業[1]、半自動化作業,國外某公司已經實現了全自動化[2]。為響應國家節能減排的號召,對復合儲能式裝載機在自動集群作業中進行能量管理以提升經濟性對實現節能減排有著重要意義。

復合儲能式工程車輛的能量管理策略主要分為基于規則的策略和基于優化的策略兩大類,基于規則的策略分為確定規則和模糊規則,一些研究人員建立了基于模糊規則控制器的復合儲能式裝載機整車模型,并用多種優化算法優化了模糊隸屬度函數,實現了復合儲能式裝載機的在線控制且一定程度提高了燃油經濟性,但該策略依賴于專家經驗,難以在全局工況下達到最優控制[3-6]?；趦灮牟呗苑譃槿謨灮退矔r優化,FRANK B等[7]利用動態規劃(Dynamic Programming,DP)對全局工況下的輪式裝載機的能量管理進行了研究,燃油經濟性相比基于規則控制提高了15%,但該策略依賴具體工況且不能實現在線控制。以等效油耗最小策略(Equivalent Consumption Minimization Strategy,ECMS)為代表的瞬時優化算法可以在實現現在控制的同時得到近似全局的最優解,而ECMS的關鍵是獲取合適的等效因子。杜常清等[8]利用粒子群算法對混合動力貨車的ECMS控制器進行尋優,結果表明相比于DP優化規則的策略燃油經濟性提高了3.63%。王欽普等[9]依舊使用粒子群算法對插電式混合動力客車的ECMS控制器進行優化,結果表明,實現了不同初始SOC下插電式混合動力客車能量管理策略的近似全局優化,與規則控制相比,燃油經濟性提高了8.5%。司遠等[10]利用遺傳算法(Genetic Algorithm,GA)對混合動力并聯汽車ECMS控制器中的等效因子進行優化并與DP做對比,結果表明,在3種典型全局工況下,基于GA優化的ECMS策略極為接近DP的理論最優值。

本研究首先建立了仿真作業環境并獲取工況數據,然后以復合儲能式裝載機全局工況下的燃油經濟性為最終目標,提出了一種規則與ECMS相結合的控制策略,并用GA優化等效因子。最后將該控制器載入裝載機后向仿真模型進行了硬件在環實驗,驗證結果該策略接近DP的理論最優值,實現了近似全局最優控制,為裝載機遠程遙控作業,自動化作業的能量管理提供了參考依據。

1 復合儲能式裝載機系統模型描述

1.1 復合儲能式裝載機結構和參數

本研究設計的復合儲能式裝載機結構如圖1所示,基本參數如表1所示,此構型中,能量源由發動機、電池-電機、液壓泵/馬達-液壓蓄能器3個系統組成,發動機和動力電池-電機2個動力源提供的動力通過2個電磁離合器然后經過行星鎖止機構再經過液力變矩器最后傳遞到傳動系統驅動裝載機工作。另一方面液壓動力系統的動力從液壓蓄能器出發流經二次元件液壓泵/馬達然后通過耦合器進入傳動系統驅動裝載機工作。

表1 整車基本參數

1.電磁離合器1 2.電磁離合器2 3.電磁離合器34.鎖止機構 5.行星齒輪機構 6.電磁離合器4 7.電磁離合器5 8.二次元件蓄能器

1.2 整車后向仿真模型

復合儲能式混合動力裝載機的仿真模型是進行裝載機的工況識別、控制系統優化以及仿真試驗的前提,模型的優劣將直接影響仿真試驗的效果。本研究意在制定能量管理策略,故采用后向仿真模型。

1) 發動機模型

本研究使用東風康明斯6CTA8.9-C215柴油發動機,其低速高扭矩及高熱效率的特點使其在工程機械方面應用廣泛。

發動機輸出轉矩數學模型如式(1)所示[11]:

(1)

式中,Me—— 發動機輸出轉矩

Mb—— 液壓泵輪轉矩

My—— 泵/馬達輸出轉矩

Je—— 發動機轉動慣量

Jb—— 泵輪轉動慣量

ωe—— 發動機角速度

燃油消耗量數學模型,如式(2)所示:

(2)

式中,t1—— 發動機連續工作時間

gei—— 發動機燃油消耗率

ρ—— 燃油密度

結合上述數學模型建立發動機仿真模型,通過發動機MAP圖可以插值得到燃油效率。

2) 電動機/發電機模型

在復合儲能式混合動力系統中,電動機與發電機被視為同一個模塊,即電機模塊。當發動機輸出功率小于裝載機整車需求功率時,電機正轉以電動機模式工作,輸出轉矩以輔助裝載機運行。當發動機輸出功率大于整車需求功率時,電機反轉以發電機模式工作,將發動機多余能量回收并保存在電池內。

(3)

式中,ηm—— 電機工作效率

Pm1—— 驅動電機工況電功率

Pm2—— 發電機工況電功率

Tm—— 電動機/發電機轉矩

nm—— 電動機/發電機轉速

3) 電池模型

裝載機的電池系統與電機系統相連接,主要在裝載機所需動力較大的情況下,為電機提供電能,或在裝載機所需動力較小的情況下,回收發動機多余能量。

電池的放電效率,如式(4)所示:

(4)

電池的充電效率,如式(5)所示:

(5)

式中,Pm—— 電池充/放電功率

R—— 電池的內阻

ηchar/dis—— 電池充/放電效率

U—— 電池的電壓

裝載機動力電池的充/放電功率,如式(6)所示:

(6)

動力電池充電與放電電流,如式(7)所示:

(7)

動力電池的SOC模型,如式(8)所示:

(8)

式中,SOC1—— 電池SOC初始值

C—— 電池容量

4) 液壓泵/馬達模型

在復合儲能式混合動力系統中,液壓泵/馬達是同一個模塊,在需要釋放再生制動蓄能器內的液壓能時以馬達模式工作, 向外輸出轉矩以輔助裝載機運轉。

當裝載機制動時液壓泵/馬達以液壓泵模式工作,將裝載機動能儲存為蓄能器內的液壓能。液壓泵/馬達的相關數學模型,如式(9)所示[12]:

(9)

式中,qv—— 液壓泵/馬達流量

TP/M—— 泵輪轉矩

P—— 功率

vg—— 液壓泵/馬達排量

Δp—— 二次元件出油口與進油口的壓力差

ηt—— 整體效率

n—— 二次元件轉速

ηv—— 二次元件容積效率

ηP/M—— 二次元件機械效率

5) 整車動力學模型

根據裝載機實際作業情形構建整車動力學模型,視裝載機在理想條件下作業,忽略車輪滑動及坡度影響,作業時額外收到插入阻力影響,整車動力學方程如式(10)所示[13]:

(10)

式中,Fk—— 牽引力

Ff—— 滾動阻力

Fw—— 空氣阻力

Fj—— 加速阻力

m—— 裝載機質量

v—— 行駛加速度

根據上述各子系統的數學模型,在MATLAB/Simulink中搭建相應的仿真模型,結合復合儲能式混合動力裝載機的整體結構,將各個子系統的仿真模型進行連接,得到裝載機的整車后向仿真模型,如圖2所示。

圖2 整車后向Simulink模型

2 工況及瞬時能量管理策略

2.1 裝載機作業工況

1) 典型作業工況

裝載機在施工時必須和自卸卡車相互配合,裝載機的移動、卸載、兩車之間的相對位置以及兩位駕駛員配合的熟練程度都對作業效率有較大的影響,因此需要根據裝載機具體的工作環境相應地調整其作業順序并且正確安排兩車的施工方式。常見的安排原則是,根據工作場地的大小和物料堆的位置,盡可能地使裝載機行駛路程短、轉彎次數少。在實際的工程實踐中,裝載機的常見作業工況有以下4種:

(1) V型工況,如圖3所示,自卸卡車處于與料堆呈60°角的方向上,裝載機則與料堆呈垂直方向;

圖3 V型作業工況

(2) L型工況,如圖4所示,自卸卡車與料堆呈垂直方向,裝載機與料堆呈平行方向;

圖4 L型作業工況

(3) I型工況,如圖5所示,自卸卡車與料堆呈平行方向,裝載機與料堆呈垂直方向;

圖5 I型作業工況

(4) T型工況,如圖6所示,自卸卡車與料堆呈平行方向,裝載機與料堆也呈平行方向。

圖6 T型作業工況

2) 集群作業工況

集群作業即在一個場地內, 多臺裝載機之間與多臺自卸卡車相互配合,一臺裝載機不再受限于執行一種典型工況,隨著遙控作業和自動化作業技術的到來,提高多臺裝載機協同工作時的燃油經濟性顯得格外重要。本研究選取一臺裝載機的作業路線進行仿真并獲取行駛和鏟裝數據。

將裝載機模型導入到Recurdyn中,設定好約束,并添加旋轉副與滑移副,然后添加motion,使裝載機按照設定好的路線作業。接著添加部件為鏟斗的box,并導入到Edem中,調整粒子參數屬性獲得接近真實的鏟裝料堆[14]。圖7為集群作業下,一臺裝載機的作業路線示意圖,圖8為鏟裝聯合仿真過程。

圖7 連續作業示意圖

圖8 聯合仿真過程

2.2 等效燃油消耗最小策略

ECMS的控制理念本質是將電機電能的消耗等效為油耗,這其中包括電機作為電動機放電等效于未來某時刻發動機對電池充電的油耗,以及電機作為發電機充電等效于未來某時刻代替一部分發動機的油耗兩部分。某一時刻的總油耗即為發動機燃油消耗與等效油耗的和,如式(11)～式(13)所示:

(11)

(12)

(13)

λchar—— 充電等效因子

λdis—— 放電等效因子

fp—— 懲罰函數

Ql—— 燃油低熱值

Pm—— 電機功率

ηm—— 電機效率

d—— 階躍函數

本研究中電機充放電效率差距不大,故λdis=λchar=λ。

懲罰函數與等效因子是影響ECMS轉矩分配決策的關鍵參數,懲罰函數決定了使用電能的傾向[15],當電池SOC接近上限時,系統決策電池放電,電機作為電動機進行助力;當電池SOC接近下限時,系統決策電池充電,電機作為發電機使用。本研究以電池組SOC保持在內阻較低的區間為目標,通過實驗測得電池組內阻與SOC的關系再通過MATLAB工具箱擬合[16],構建了擬合公式,使電池SOC維持在0.4～0.8之間。

fp=11.3SOC7+47.81SOC6-961.5SOC5+

4036SOC4-7591SOC3+6931SOC2-

2699SOC+218.4

(14)

在ECMS分配轉矩的計算中,目前主要有黃金分割法,遍歷法等,本研究選用遍歷法實現該算法,即根據電機的可行域將轉矩劃分為N等份,計算當前時刻下所有可能的轉矩分配對應的總燃油消耗,記錄最小值并進入下一時刻,最終實現仿真時間內每一步長下的總燃油消耗最小值,如式(15)、式(16)所示:

Tm=linspace(Tm,min,Tm,max,N)

(15)

Te=Tdecms-Tm,n

(16)

式中,Tm—— 當前時刻電機輸出轉矩

Tdecms—— 當前時刻ECMS控制器的需求轉矩

Te—— 當前時刻發動機輸出轉矩

Tm,min—— 電機最小輸出轉矩

Tm,max—— 電機最大輸出轉矩

N選取100,n為正整數,范圍0～100。

2.3 結合規則的ECMS能量管理策略

ECMS廣泛應用于純電車輛,油電混合動力車輛中,而在液壓混合動力車輛中卻少有提及,這是因為難以定義液壓能的價值[17],所以本研究提出ECMS和規則相結合的控制策略對復合儲能式裝載機進行能量管理。約束條件及全階段動力源分配如下:

(17)

式中,Te,min—— 發動機最低轉矩

Te,max—— 發動機最高轉矩

Th—— 當前時刻蓄能器所能提供最大壓力下液壓泵馬達轉矩

Th,max—— 蓄能器提供最大壓力時液壓泵馬達轉矩

SOCb,H,SOCb,L,SOCh,H,SOCh,L—— 電池和蓄能器容量上下限

表2中,Td為當前時刻整車需求轉矩。液壓系統由于蓄能器放能具有適配裝載機作業時大功率,啟停間歇性的特點,通常在啟動,載貨加速時及工作裝置舉升時釋放能量,根據這幾個時段下該時刻整車需求轉矩與當前液壓能所能提供最大轉矩作為判斷條件,實現ECMS與規則結合的控制策略。

表2 全階段動力源分配

2.4 等效因子遺傳算法尋優

通常情況下,最優等效因子在不同的工況下是不同的,在選取時往往要經過反復試湊,對于裝載機惡劣且多變的工作環境,試湊成本更高,在此背景下,本研究利用GA對裝載機4種典型工況及集群作業下的連續工況對ECMS策略中的等效因子進行尋優。優化原理如圖9所示。

圖9 遺傳算法優化流程圖

通過文獻[8]和文獻[18]而得知,發動機及電機效率可計算出等效因子合適的取值范圍,故設定等效因子帶優化范圍為[0,1]。由于本研究目的在于提升裝載機整體得燃油經濟性,故目標函數為發動機各典型工況及連續工況下的總油耗值:

(18)

通過建立適應度函數和目標函數的關系來保證映射后的適應度為非負值,且目標函數優化的方向應為適應度函數增大的方向,本研究意在獲得最低總油耗值,即ming(x),故建立以下映射關系:

(19)

式中,f(x) —— 適應函數

Cmax—— 近數代中g(x)的最大值,且會隨代數變化

本研究使用二進制編碼對等效因子進行優化,設置精度為1/31,交叉概率0.9,變異概率0.01,選擇概率0.9,種群大小100,進化代數100。通過MATLAB隨機函數生成隨機初始種群,經過解碼得到參數后進入ECMS計算目標函數值,且向適應度映值得到群體適應性評價,若不滿足終止準則會進入選擇、交叉、變異操作,進化為新一代群體,再重復上述步驟直至滿足終止準則,即得到進化過程中所得到具有最大適應度的個體作為最優解。

以V型工況和集群作業工況為例,通過assignin函數調用Simulink模型中的等效因子變量,再通過sim函數運行Simulink模型并獲取其輸出作為適應度函數的返回值,編寫.m實現遺傳算法與Simulink模型的接口調用。如圖10、圖11所示,V型工況在20代收斂至最優解,集群作業工況在40代收斂至最優解。重復上述方法,5種工況優化后的等效因子,如表3所示。

表3 尋優結果

圖10 V工況迭代過程

圖11 集群作業工況迭代過程

3 仿真分析與硬件在環實驗

3.1 仿真分析

為了驗證基于GA優化的規則與ECMS相結合的控制策略的可行性及給裝載機在集群作業工況下的能量管理策略提供方案,本研究首先針對4種典型工況中應用最廣泛的V型工況為例做出仿真分析,再對一輛裝載機在集群工況下的連續作業進行仿真分析,最后對比在模糊控制下的燃油經濟性,結果如圖12所示。

圖12 車速v及蓄能器SOC仿真結果

由圖12所示,SOCacc為再生制動蓄能器SOC;t為裝載機作業時間。當裝載機進行加速時,再生制動蓄能器的SOC都會下降。在裝載機正常行駛時,再生制動蓄能器的SOC值幾乎維持不變。這是因為本研究所設計的再生制動蓄能器主要在裝載機制動時回收裝載機的動能,儲存為蓄能器內的液壓能,在裝載機加速時釋放蓄能器內的液壓能,實現回收能量的再利用。

由圖13所示,SOCbat為電池SOC。發動機轉矩始終保持在一定轉矩區間內,通過液壓能與電能的補足,可維持在滿足高負載大需求轉矩的情況下燃油經濟性仍較高的區間;在整個作業時段內,裝載機在起步以及插入物料到舉升過程中,優先使用液壓能,其余時刻通過ECMS自行對轉矩進行分配,發動機及電機轉矩均展現出良好的效果;此外,電池SOC的變化也較為穩定,通過懲罰因子的動態調整,SOC沒有出現急劇下降,展現出較好的控制效果。由此可以說明,GA優化的規則與ECMS相結合的能量管理策略可以實現復合儲能系統的能量管理。

圖13 發動機及電驅動系統仿真結果

為了更好的體現出控制效果的優越性,以V工況為前提,將自適應神經模糊系統(Adaptive Network-based Fuzzy Inference System,ANFIS)控制器與本研究所提出的控制器對燃油消耗率做出對比。

由圖14所示,基于ECMS控制策略的燃油消耗率明顯低于ANFIS,且變化頻率相對降低,說明發動機工作相對平穩,在提高燃油經濟性的同時變相延長了發動機的工作壽命。

圖14 燃油消耗率對比

為驗證該策略能夠實現近似全局最優,本研究將單輛裝載機在集群作業工況下的燃油經濟性與DP和ANFIS控制器進行對比,如圖15及表4所示。

表4 不同控制策略下的油耗對比

圖15 集群作業工況下各部件仿真結果

如圖15所示,在集群作業工況下,裝載機各動力部件也保持著良好的控制效果, 蓄能器SOC及電池SOC分別保持在控制區間內,當蓄能器SOC接近蓄能器規定下限時,系統自動決策,傾向于電能來補足液壓能所提供的能量;當蓄能器SOC接近蓄能器規定上限時,則根據需求轉矩來實時分配3種動力源提供轉矩。在工作階段時,需求轉矩較大,3種動力部件同時驅動且液壓為主能量源;在移動行駛階段時,需求轉矩較小,傾向使用電能來提供輔助轉矩,驗證了該策略可以實現集群作業工況下復合儲能系統的能量管理。

V型工況下,GA優化的規則與ECMS相結合的控制策略比ANFIS控制策略燃油經濟性高3.23%,集群作業工況下高4.26%?；贒P的控制策略在兩種工況下分別比基于ECMS控制策略高出1.46%和1.49%,結果極為相近,故該策略可以實現近似全局最優的復合儲能是裝載機的能量管理。

3.2 硬件在環仿真

1) 試驗臺架基本原理

如圖16所示,本研究利用dSPACE硬件在環仿真系統實現半實物半仿真模型的仿真實驗,仿真模型與試驗硬件之間的通信接口主要依托Simulink中的DAC/ADC模塊來建立,將液壓驅動與制動回收部分代替仿真模型,主要目的是驗證經GA優化等效因子后規則與ECMS相結合的復合儲能式系統的控制效果,故只對V型作業工況進行實驗,具體表現為對比采集到的連續作業工況下的燃油消耗率與仿真時對應結果的一致性。

圖16 dSPACE仿真實驗平臺

2) 實驗結果分析

由圖17所示,將液壓模塊替換為實驗臺架后的曲線與仿真出來的曲線存在一些波動,以及一些時刻實驗曲線落后于仿真曲線,這是因為試驗臺架運行時與地面產生了振動,同時隨著閥的開關,產生了遲滯反應。4種典型工況由于鏟裝卸載時間及起停次數的不同,遲滯反應所帶來的波動也不相同,其中,I型工況因其啟停次數少于其他工況從而使用液壓能的頻率相對較少故而其波動也是最小的,而從整體趨勢來看,4種工況的仿真結果與硬件在環結果基本一致,驗證了GA優化的規則與ECMS結合的控制策略的有效性,提高了復合儲能式裝載機的燃油經濟性。

圖17 4種工況硬件在環仿真試驗燃油消耗率對比

4 結論

(1) 創建了基于Recurdyn-Edem聯合仿真的集群作業背景下的裝載機作業環境,為裝載機遙控、自動化作業的能量管理研究提供了工況模擬依據;

(2) 建立了規則與ECMS相結合的控制策略,實現了復合儲能系統的集成控制,利用GA優化等效因子實現了近似全局最優控制;

(3) 仿真驗證結果表明,V型工況下,基于GA優化的規則與ECMS相結合的控制策略相比與ANFIS燃油經濟性提高了3.23%; 集群作業工況下, 燃油經濟性提高了4.26%。