（光学工程专业论文）混合动力电动汽车多能源动力总成控制系统的研究与实现.pdf

摘要混合动力电动汽车h e v 的研究和开发是汽车技术领域的一个重要方向。多能源动力总成控制技术为实现混合动力电动汽车h e v 的节约能源、控制排放和改善综合性能提供了灵活而有效的手段。本文全面介绍了作者在实现多能源动力总成控制这一混合动力电动汽车领域的关键技术问题上所作的研究。一是建立了多能源动力总成系统单元结构动态模型，形成h e v 仿真系统，为h e v 性能预测、控制策略的评估提供了研究基础；二是对多能源动力总成控制系统的能量管理策略进行了深入研究，以整车的高效率和低排放为口标，进行整车能量管理策略的设计和仿真，得到了车载能量管理策略：三是提出以d s p 、c a n 总线通讯和嵌入式系统为技术特征，设计了多能源动力总成系统，并在试验台架的试验运行小得到较好的控制效果。四是建立了半实物仿真试验测试系统，既能进行控制策略的设计和验证，又能进行动力总成单元模块的试验验证。所取得的创新性研究成果表现在以下几个方面：( 1 ) 考虑发动机转动惯量，附件负载的变化和发动机温度对发动机性能的影响，引入温度修正算法对发动机油耗和排放模型进行了修正。引入了电动机温度对电动机转速和转矩的修正。利用神经网络技术提出了一种新的通用性较强的电池模型，并引入适川于h e v 的电池寿命和电池健康状况的概念。( 2 ) 提出了多模变结构能量控制方法，将多能源动力总成控制分成两层结构，商层根据车辆运行信息判断车辆所处的运行模式，低层根据高层所获取的车辆状态，确定切换原则，选择相应的控制规则集即控制器。试验表明，这种多模变结构的能量管理策略符合混台动力电动汽车h e v 的控制需要，控制合理，是实现h e v 高效和节能的保障。( 3 ) 将模糊控制和神经网络相结合，提出了基于遗传算法的模糊神经网络功率分配策略，采用5 层前馈神经网络实现模糊控制的输入量模糊化、模糊推理和输出量反模糊化的功能，用遗传算法作为模糊神经网络的训练算法以优化其参数。为改善遗传算法局部寻优能力，提出了标准遗传算法和序列二次规划s q p 相结合的改进措施。仿真结果农明，该模糊神经网络功率分配控制策略在p h e v 全部工作范围内有效，与其它功率分配策略相比，能较好达到预期的控制目标。社鞴毒、譬鄢阁i t笱惫文公布整个多能源动力总成控制系统在试验调试过程l _ i 运行稳定，能按控制策略的要求实现了对发动机、电动机等部件的合理控制，基本形成了具有自主知识产权的混合动力总成控制系统的雏形。该系统于2 0 0 2 年底通过了国家科技部组织的专家委员会的阶段验收。关键词：混合动力电动汽车多能源动力总成控制功率分配策略i la b s t r a c tt h er & do f h y b r i de l e c t r i cv e h i c l e ( h e v ) i sak e yd i r e c t i o ni nt h ef i e l do f a u t o m o b i l et e c h n o l o g y t h em u l t i - e n e r g ys o u r c e sp o w e r t r a i nc o n t r o lt e c h n o l o g yh a sm a d ei tp o s s i b l et op r o v i d em u c hf l e x i b l ea n de f f e c t i v ew a y st os a v ee n e r g y , r e d u c ee x h a u s te m i s s i o n sa n di m p r o v et h eg e n e r a lp e r f o r m a n c eo f t h ev e h i c l e t h i st h e s i sp r e s e n t st h ea u t h o r sr e s e a r c hr e s u l t sa c h i e v e do nt h ei s s u eo fm u l t i e n e r g ys o u r c e sp o w e r t r a i nc o n t r o lt e c h n o l o g yo fh e v , w h i c hi st h ek e yt e c h n o l o g yo fh e v t h ef o l l o w i n gw o r k sh a v eb e e nd o n e ：( 1 ) i no r d e rt os e tu ps i m u l a t i o ns y s t e mo f p o w e r t r a i nf o rh e v , d y n a m i cm o d e l so f t h ec o m p o n e n t so f t h em u l t i e n e r g ys o u r c e sp o w e r t r a i nh a v eb e e nm o d e l e d t h es i m u l a t i o ns y s t e mi st h eb a s et op r e d i c tt h ep e r f o r m a n c eo ft h ev e h i c l ea n dt oe v a l u a t et h ec o n t r o ls t r a t e g y ，( 2 ) t h ee n e r g ym a n a g e m e n ts t r a t e g yo ft h es y s t e mh a sb e e nf u r t h e rr e s e a r c h e d t h ed e s i g na n ds i m u l a t i o no ft h ee n e r g ym a n a g e m e n ts l x a t e g yo ft h ev e h i c l ei sb a s e do nt h et a r g e t so fh i g he f f i c i e n c ya n dl o we x h a u s te m i s s i o n s ，a n dt h eo n b o a r de n e r g ym a n a g e m e n ts t r a t e g yh a sb e e ng a i n e d ( 3 ) w i t ht h et e c h n o l o g i cf e a t u r eo fd s p , c a nb u sc o m m u n i c a t i o na n de m b e d d e d s y s t e m , t h em u l t i e n e r g ys o u r c e sp o w e r t a i nc o n t r o ls y s t e mh a sb e e nd e s i g n e da n dt e s t e do nt h et e s tb e d ，a n dg o o dc o n t r o lp e r f o r m e n c ei so b t a i n e d ( 4 ) t h eh a r d w a r ei nl o o ps i m u l a t i o n ( h i l s ) s y s t e mh a sb e e nb u i l t ，i tc a nn o to n l yb eu s e df o rd e s i g n i n ga n dv a l i d a t i n gt h ec o n t r o ls t r a t e g y , b u ta l s ob eu s e df o rt h ev a l i d a t i n gt h em o d e l so ft h ep o w e r t r a i ns y s t e m t h ef o l l o w i n gl i s t st h ei n v e n t i v ea c h i e v e m e n t so f a u t h o r sr e s e a r c h ( 1 ) c o n s i d e r i n gt h ee n g i n ei n e r t i a ，t h ec h a n g eo fa c c e s s o r i e sl o a da n dt h ee f f e c to fe n g i n et e m p e r a t u r eo nt h ee n g i n ep e r f o r m a n c e ，a na l g o r i t h mo fm o d i f y i n ge n g i n ef u e lc o n s u m p t i o na n de x h a u s te m i s s i o n sm o d e la c c o r d i n gt ot e m p e r a t u r ec h a n g eh a sb e e na d o p t e d a na l g o r i t h mo fm o d i f y i n gm o t o rt o r q u ea n ds p e e da c c o r d i n gt ot e m p e r a t u r ec h a n g eh a sa l s ob e e na d o p t e d an e wn e u r a ln e t w o r km o d e lo fb a t t e r yh a sb e e np r o p o s e da n di n t r o d u c e dac o n c e p to f b a t t e r yl i f e t i m ea n db a t t e r ys t a t eo f h e a l t hf u rh e v ( 2 ) t h em u l t i m o d e lv a r i a b l es t r u c t u r ee n e r g yc o n t r o lm e t h o dh a sb e e np r o p o s e d i td i v i d e sc o n t r o ls y s t e mi n t ot w ol a y e r s t h em i s s i o no fh i g hl a y e rj u d g e st h ed r i v em o d ei na c c o r d i n gt ot h ev e h i c l er u n n i n gi n f o r m a t i o na n dt h el o wl a y e rc o n f i r m ss w i t c hr u l ea c c o r d i n gt ot h ea c q u i r e dv e h i c l es t a t eo fh i g hl a y e r , a n ds e l e c t st h ec o r r e s p o n d i n gc o n t r o lr o l e ，n a m e l yc o n t r o l l e r t h et e s tr e s u l t ss h o wt h a tt h em u l t i m o d e lv a r i a b l es t r u c t u r ee n e r g yc o n t r o lm o t h o dc a nf i tt h eh y b r i de l e c t r i cv e h i c l eb e t t e r , m a k i n gt h ec o n t r o lm o r er e a s o n a b l ya n de n s u r i n gt h eh i g he f f i c i e n c ya n ds a v i n ge n e r g y ( 3 ) b yc o m b i n a t i o no fn e u r a ln e t w o r ka n df u z z yc o n t r o l ，af u z z yn e u r a ln e t w o r k( f n n ) s t r a t e g yo fp o w e rd i s t r i b u t i o nb a s e do ng e n e t i ca l g o r i t h m ( g a ) h a sb e e np r o p o s e d f i v el a y e r sb a c kp r o p a g a t i o n ( b p ) n e u r a ln e t w o r k si su s e dt or e a l i z ei n p u tf u z z i f i c a t i o n ，f u z z yi n f e r e n c ea n dd e f u z z i f i c a t i o n ，g ai su s e dt ot r a i na l g o r i t h mo f f n na n do p t i m i z et h ep a r a m e t e r so ff n n i no r d e rt oi m p r o v eg al o c a lo p t i m a la b i l i t yf o rf n n ，t h en e wa l g o r i t h mt h a tc o m b i n e st h eg e n e r a lg aa n ds e q u e n t i a lq u a d r a t i cp r o g r a m m i n g ( s q p ) h a sb e e np r o p o m e d t h es i m u l a t i o nr e s u l t ss h o wt h a tt h ef n ns t r a t e g yi sv a l i di nt h ew h o l ep h e vw o r k i n gr a n g e c o m p a r i n gw i t ho t h e rp o w e rd i s t r i b u t i n gs t r a t e g y , t h i ss t r a t e g yc a nr e d u c e sm o r am e lc o n s u m p t i o na n db e t t e rm a c ht h ep r o s p e c t i v eo b j e c t i v e t h ew h o l em u l t i - e n e r g ys o u r c e sp o w e r t r a i nc o n t r o ls y s t e mr u n ss t a b l yd u r i n gd e b u g g i n ga n dt e s t i n g i tr e a l i z e st h ee o o r d i n a tc o n t r o lo fe n g i n e ，m o t o ra n do t h e rr e l e v a n tc o m p o n e n t s 1 tl l l e a n sap r o t o t y p eo fh e vp o w e r t r a i nc o n t r o ls y s t e mw i t ho w nk n o w l e d g ep r o p r i e t a r yi sw o r k e do u t t h i ss y s t e mw a sc h e c k e da n da c c e p t e di n2 0 0 2b yt h ee x p e r tc o m m i t t e eo r s a n i z e ds t a t em i n i s t r yo fs c i t e c h k e y w o r d s ：h y b r i de l e c t r i cv e h i c l em u l t i e n e r g ys o u r c e sp o w e r t r a i nc o n t r o lp o w e rd i s t r i b u t i n gs t r a t e g y1 1 研究背景与课题来源1 绪论为降低汽车的能耗和排放，近年米内燃机汽车、纯电动汽车e v ( b a t t e r ye l e c t r i cv e h i c l e ) 、混合动力电动汽车h e v ( h y b r i de l e c t r i cv e h i c l e ) 和燃料电池汽车f c v ( f u e lc e l lv e h i c l e ) 等技术水平取得了长足的进步，但传统的内燃机汽车的能耗和排放很难冉作突破性的改善。纯电动汽车由于储能装置( 二次电池、超级电容器等) 比能量的约束，其行驶范围受到限制，且需建设大量的充电设施，而只能在某些有限市场内得到麻川：燃料电池由于高昂的成本、日前尚低的可靠性和运行寿命，以及氢燃料基础设施的缺乏而无法在短期内替代传统动力；而混合动力电动汽车因其将内燃动力与电动动力有机的结合，具备了内燃机汽车加油方便、续驶里程长和纯电动汽车污染少、效率高的双重优点，并以较小的成本增加换取可观的燃料经济性和排放性能的收益，从而为市场所接受，成为电动汽车界竞相开发的重点【1 。我国也非常重视混台动力电动汽车的研究和开发【8 】，国家科技部已将其作为“十五”8 6 3 重大专项的内容，冈此，得到国家“十五”8 6 3 计划电动汽车重大专项、湖北省科委“十五”重大科技攻关项日、湖北省经贸委资助的本课题就是在这种背景下确立的。由于h e v 中一般包括两个或两个以上的互相耦合的动力源，因部件选择及布置方式的不同即配黄的不同，可以组成不同的结构形式，针对不同的设计目标，能量管理策略也不同，因此，h e v 系统具有高度的复杂性，也正是这种复杂性为多能源动力系统提供了更大的设计和控制自由度以及减小油耗和改善排放的可能性。h e v 多能源动力总成控制是h e v 的关键技术，也是近年来电动车技术发展和产业化进程中的重要研究开发方向。如何根据车辆行驶要求与动力系统当前状态按预设的控制策略确定能量流路径、动力分配形式及其能量大小，既能保证动力系统的高效率，又能保证动力系统的低排放是所有h e v 多能源动力总成控制系统面临的急需解决的重要课题之。本文针对h e v 多能源动力总成控制这一一前沿课题，从下列四个方面进行研究工作：( 1 ) 多能源动力总成系统零部件动态建模及仿真系统的设计与开发；( 2 ) 以整车的高效率和低排放为n 标的多能源动力总成控制系统多模变结构控制策略的算法研究；( 3 ) 多能源动力控制系统的软硬件平台及控制器设计；( 4 ) 半实物仿真试验测试系统的建立及其对控制策略和动力总成控制器的验证。这四方面的研究成果均已经过初步的试验验证。1 2 国内外研究现状多能源动力总成控制系统设计包括系统结构和系统参数的选择、整车能量管理策略的制定及系统分析、硬件实现及试验。由于多能源动力系统本身的复杂性，系统结构和参数动态模型、控制策略制定及系统分析硬件实现h i l测试台架或懿车试验图1 2 - 1h e v 系统设计过程这些工作的完成是一个复杂系统的设计过程，图1 2 - l 表示这一过程中各阶段的先后次序，反映了h e v 多能源动力系统设计的基本思路和主要研究方向，整个过程是反复的。本课题的研究也是沿着这一主要研究方向进行的。1 2 1系统昭榆和参数的匹配 1 1 - 1 8 l系统结构和参数的合理选择与匹配为h e v 憋车控制策略的优化提供了基础。h e v的驱动系统无论是在能源输入还是在机械能的传递和输出方面都具有多种方案。具有代表性的方案如t o y o t a 的p r i u s 、h o n d a 的i n s i g h t 、f o r d 的p r o d i g y 、d a i m l e rc h r y s l e r的e s x 3 、o m 的p e r c e p t ”1 以及n i s s a n 的t i n o 等。混合动力h e v 多采用并联和混联的结构型式表1 2 1 是几种典型车型的结构型式和主要参数。采取混联型式的p r i u s 是世界上第一种推向市场的h e v ，它通过行星齿轮系把发动机、发电机、电动机和驱动轮联在一起，发动机除作为主动山还可以带动发电机发电、通过电动机驱动车辆，同时其备串联和并联的功能，通过该种动力分配的结构还可实现传统机械式无级变速器c v t 的功能。2 0 0 0 年t o y o t a 通过调整部分零部件的参数和性能设计出了适合美国市场、动力更强劲第二代p r i u s 【l ”。i n s i g h t 采取了起动机和发电机一一体化( i s a或i s g ) 的设计，盘式电机取代了传统的发动机的飞轮，既可以作为发电机也可以作为电动机来起动发动机或给发动机助力。f o r d 的p r o d i g y 、d a i m l e rc h r y s l e r 的e s x 3也都采用了i s a 的结构型式。g m 的p r e c e p t 与p r i u s 的混联方案不同，发动机和电机以并联型式驱动后轴，另机位于离合器和c v t 之间发电机和起动机的作t | 1 j 。电机驱动前轴，构成混联结构。n i s s a n 的t i n o ，。个电另电机通过带传动在发动机的前部与发动机相连，起表1 2 1_ ! l 型h e v 的结构型式和土要参数”变速4 二型犁式发动机电机蓄电池车身器四缸汽油机：3 3 k w 永磁屯机驱动车辆t o y o t a混联1 5 l 和回收制动能量：另一电机n i m h传统车身c v tp r i u s2 8 8 vc d = 0 3 04 3 k w , 1 0 2 n m发电三缸汽油机：1 0 k w 起动机发电机一体5 挡手h o n d a并联1o l 化电机n i m h动机轻质材料i n s i g h t1 4 4 vc a = 0 2 55 0 k w , 9 0 n m械式四缸柴油机：3 5 k w 起动机发电机一体5 挡f o r d并联12 l化电机n i m h自动轻质材料p r o d i g y5 5 k w , 1 6 5 n 2 8 8 v机械c d = 0 1 9 9式三缸柴油机：1 5 k w 起动机发电机一体6 挡d c并联l ，4 7 l 。化电机l i - i o n自动轻质材料e s x s4 4 k w ，| 7 0 n l s o v机械c d - - 0 2 2式2 5 k w 3 相交流电动机驱动4 挡三缸柴油机后轴和回收制动能量；n i m h自动g m混联1 3 l ，1 0 k w 电机驱动前轴、起动3 5 0 v机械轻质材料p r e c e p t4 4 k w , 1 7 0 n c d = 0 1 6 3发动机、给蓄电池充电和回式m收制动能量四缸汽油机：1 7 k w 3 相交流同步电动机n i s s a n混联1 7 8 l 驱动车辆和回收制动能量；l i i o nc v tt i n o7 4 k w l 4 1 n 另一电机起动发动机和给蓄电池充电混合动力系统的部件匹配，可以依据目标工况的功率和转矩需求而进行。串联系统的部件匹配可以依据功率从循环工况的功率请求中获得，并联和混联系统既可以采川动态匹配方法 1 6 】，也可以采用反向动力学对各部件参数进行匹配和优化。参数匹配要借助已经建立并且经过验证的仿真平台系统，参数的选择还要兼顾成本、市场等因素【1 7j 。清华大学的田冬、田光宇及陈全世等人将选型策略概括为：综合协训性能先进性、技术复杂性和成本及维护费用之问的关系，根据车辆的使削条件和自己的技术条件，选择既能够满足定的性能先进性，又不超出目前技术条件，并且价格与维护费用能为市场所接受的动力系统结构类型【1 ”。1 2 2 建横与仿真【1 9 - “】由于新技术的发展，传统动力装置经技术创新获得了新的活力，新型储能装置和能量转换装置也层出不穷，使得可以考虑的混合动力方案的数目也比较多，且随着技术发展而不断改变其优劣次序。若将可能的方案逐一开发、试验、比较，其费用将无法承受且开发周期长。因此，国外研究开发了相应的软件对各种混合动力驱动方案进行计算机模拟和评价。s i m p l e v 。3 1 ，是美国能源部爱达荷国家工程和环境实验室在基于d o s 环境下开发的，主要用来对传统汽车、纯电动汽车、串联和并联式混合动力电动汽车进行性能仿真的工具软件( 2 0 以前的版本尚不能对传统的内燃机汽车或者并联式混合动力电动车进行建模和仿真) 。它可以仿真从小的高尔夫式的汽车到货运汽车等大型车。具有交互式的下拉菜单，可以选择某一车型、不同的零部件( 电池、电机、逆变器、变速器、发动机和发电机等) 、以及某一特定的循环工况。以循环行驶工况作为汽车仿真模型的输入，然后计算出汽车在此工况下行驶所需要的功率( 考虑进去各个零部件的工作效率) ，它可以在仿真的每1 时问点输出仿真数据，能预测汽车的燃油经济性、能量消耗、排放( h c 、c o 、n o x ) 等。但是，要想在s i m p l e v的源代码中改变整个汽车的控制方法非常困难。c a r s i m 是由美国a e r o v i r o n m e n t 公司开发的仿真软件，具有与s i m p l e v 相同的功能和限制。美国国家可樽生能源实验室同时将c a r s i m 的仿真数据与实测的两辆车的数据以及s i m p l e v 的仿真结果做了比较，结果发现c a r s i m 与s i m p l e v 在仿真加速度和行驶里程测试时的数据相差不到5 ，同时对能最消耗的仿真与实测数据也在误差范围内。m a r v e l 是由a r s o n n e 国家实验室开发的，对传统的内燃机汽车、纯电动汽车和混合动力电动汽车进行仿真的软件。m a r 、恺l _ i ；1 jp l 1 编程语言编写而成，主要用在i b m 兼容机上。它的优点在于它具有精礁的电池仿真模型，可以根据汽车循环使用寿命的成本来优化电池和发动机的大小。此软件的局限性在于，没有考虑再生制动，不能预测燃油经济性、最高车速、最大加速度等汽车性能参数。而a r g o n n e 开发的p s a t ( p n g vs y s t e m a n a l y s i st o o l k i t )是基于m a t l m b s i m u l i n k 的电动汽车动力性和经济性分析与仿真的设计平台p s a t 是个基于前馈式组件建模的仿真系统，其组件类型和参数都是可配置的，p s a t 引入驾驶员构成闭环，每个机械组件向下一个组件传递转矩和累计惯量( 或者质量) ，并向上个组件反馈速度或者转速。p s a t 支持模块转换为c 代码和m e x 文件以加速运行，支持更全面的优化选型，p s a t 程序全部是p 文件的形式，是不能查看和修改的，但其配置文件仍然是m a t 格式，是可以修改的。v - e l p h ( v e r s a t i l e - e l p h ) ，是由得克萨斯a & m 大学开发的，可以对纯电动汽车、串联式或者并联式混台动力电动汽车进行仿真的软件。它是由m a t l a b s i m u l i n k 代码编写而成，可以很容易地更改各个零部件的类型，来检测不同配置汽车的性能。因为各零部件之间是由可视化的线性动态连接模型，向不是依靠复杂的、难以理解的公式米联系的，所以它的代码比其他几个软件简甲了很多。这种模块式的系统模型可以使仿真软件得到更广泛应用。v - e l p h 编程代码对所有的零部件模型都采用了种标准的数据流，可以很容易地改变零部件、燃料和控制方法的类型。它的仿真结果包括燃油经济性、最高车速、最大加速度等汽年性能参数。a d v i s o r 是由美国国家可再生能源实验室开发的仿真软件，可以仿真纯电动汽车、串联式或者并联式混合动力电动汽车以及传统的内燃机汽车。同v _ e l p hi 羊，a d v i s o r 也是在m a t l a b s i m u l i n k 下开发而成，它的图形用户界面可以使用户很容易地改变汽车模型的参数，而不需要修改s i m u l i n k 代码。它具有各种类型的零部件模型以及很大的灵活性，可以仿真任何类型的h e v 和内燃机汽车。c r u i s e 是由美国a v l 动力系统 二程公司开发的用于车辆设计的仿真工具，可对包括混合动力驱动系统在内的多种驱动系统进行分析和对备利t 车辆进行仿真，可用于开发和优化可靠的驱动系统和复杂的车辆控制系统。它与m a f l a b s i m u l i n k 、f l o w m a s t e r 2 、k u l i和a v lb o o s t 全面集成，采用模块化设计，具有能真实反映部件性能的部件模型库，引入智能的驾驶员模型以真实的模拟驾驶员操作下的车辆行为，可针对燃油性、排放和车辆动力性对车辆和部件进行优化，能对车辆温度管理系统进行仿真，可对车辆进行各类仿真测试。以上这些h e v 仿真分析软件各有其优点，大部分以逆向仿真为主，基于m a t l a b s i m u l i n k 开发。其中a d v i s o r 将正向仿真和逆向仿真相结合且以逆向仿真为丰，p s a t 只采用正向仿真，两者均为p n g v 项目评价h e v 性能所采用的分析软件。鉴于a d v i s o r 软件具有可构造纯电动汽车、混合动力电动汽车和燃料电池车的动力系统，可对零部件进行选型和参数初步优化，能对不同控制方法进行比较计算，且软件具有开放性，现阶段非商业化的特点，所以本课题选择a d v i s o r 软件作支撑软件，在此基础上进行= 次开发。但该软件仍处于发展阶段，在动力系统的结构型式、零部件的动态建模方法、控制方法的合理性和适用范围、参数的优化方法以及动态过程的分析等方面还有待于进一步完善。现有的h e v 仿真分析软件( 如a d v i s o r 、p s a t ) i 扣部件的建模书要是基于静态测试数据的实验数据建模，如发动机模型巾利用实测的油耗m a p 图和排放m a p 幽插值计算发动机的油耗和排放，电机模型中利用由实测的效率m a p 图转换而得的输入功率m a p 圈插值计算电机的输入功率；某些部件的建模也采用实验数据和理论公式的混合建模方法如蓄电池的内阻模型利用实测的开路电压曲线和内阻曲线计算开路电压和内阻，也利j ； j 基尔霍大定律计算电流和端电压。在蓄电池建模方面，意大利学者g i g l i o l i ，r 等提出用四阶数学模型对铅酸蓄电池建模1 3 1 】。德国学者f s g h o l ，e 主要纂于电化学过程和经验公式对镍镉电池进行建模【3 “。清华大学的彭金春等人将电池的放电终止电压定义为对于电压时间曲线的斜率为初始斜率1 0 倍的“拐点”，在这种定义下提出了反映电池的实际容量与放电电流的关系的经验公式 3 3 1 。清华大学的朱元等人提出采用闭环模糊推理方法预测铅酸蓄电池的s o c ，其中闭环反馈环节采用了个经验公式来调节铅酸蓄电池s o c 的预测值p 4 】。现有h e v 部件建模方法主要为静态建模方法，不日b 较好的反映部件的动态特性，需要对其进行完善，建立i - i e v 部件的动态或准动态模型。本文发动机模型中发动机温度对油耗和排放的修正，电机模型中电机温度对电机转速和转矩的修正和蓄电池的神经网络建模就体现了这种动态建模的思想。1 2 3 多能源助力总成控制系统和控制策略 3 5 - 6 2 】多能源动力总成系统和控制策略的研究是混合动力车辆研究的关键技术。控制策略可以从不同的角度出发进行分析，无论是串联、并联还是混联h e v 系统，控制策略归纳起来叠解决的问题主要有两个：系统运行模式的切换和混合模式下功率的分配。混合动力系统有多种运行( 能量流动) 模式。根据不同的工况要求，以优化各部件工作点为目的，在这些运行模式中进行切换。串联混合动力系统有多种可能的工作模式及多种横式切换策略，混联系统则可以设计得较多，以适应不同的工况，文献口6 】巾的混联系统设计了8 种运行模式。功率分配是系统能量管理策略研究的关键。由于混合电动汽车在传动和驱动方式上的混合方案有很多，控制策略侧重点各有不同，优化的目标和方法也不同。近年来，功率分配控制策略取得不少的研究成果。阻k e i t hb w i p k 为首的研究小组，对并联系统提出，种恒定发动机工作区域的电辅助控制策略【3 ”，这利，恒定发动机1 ：作区域控制策略只是根据s o c 值，按照经验确定出发动机工作区和电动机工作区，发动机扭矩不够时川电动机补偿，实际上是种助力模式，并没有对发电机、电动机共同作用时的扭矩进行优化分配，燃油经济性的改善受到限制。cf o r g e z 和gf r i e d r i c h 等人提出了一个的比例分配控制策略p “。运用运动平衡方程，比较了加速和减速阶段所消耗的能量，从而估计出能够回收得到的电能，使汽车加速时仅使用这一部分能量，并假设加速度和减速度在绝对值上是相等，计算出加速和减速时作月j 在车轮上的力矩的比值n ，并将n 作为加速时候的扭矩分配控制策略。j s e i l e r 和d s c h r o d e r 提出了功率损失最小控制策略口。j s e i l e r 认为车辆的功率损失取决于驱动行驶条件和内燃机的工作点。这利- 方法可以使发动机工作在其具有最低燃油消耗的优化 j 作线上。变速比和变速器输出的转速决定了发动机的转速。可以利用功率分配来减少整车的功率损失，包括所有汽车零部件的损失，最主要的是发动机的损失。总的功率损失与不同的行驶工况有关。假定汽车在某参考的行驶工况下行驶，以总的功率损失为优化函数，可以计算出在每个时间点的最佳工作点( 具有最小的损失) 。随着对混合动力系统控制策略研究的深入，诸如自适应控制 4 0 】、模糊逻辑控制【4 0 4 副等方法也有运用。如v a l e r i eh j o h n s o n 、k e i t hb w i p k e 等人提出的油耗和排放自适应控制策略【4 0 j ，实际上是种实时控制策略，它同时考虑了发动机的燃油消耗和排放，在每时间步，都根据燃油消耗和排放最小这一规则将扭矩需求合理的分配给发动机和电机，以达到优化燃油消耗和排放的目的，t e x a s 大学的j o n g s e o bw o n 、r e z al a n g a r i 和o a k l a n d 大学的n i e l ss c h o u t e n 采剧模糊控制策略对发动机、电机扭矩进行分配1 4 0 , 4j 】。从上述分析可以看出，研究控制策略的框架多种多样，现有h e v 车辆如：p r i u s 、i n s i g h t 、t i n o 、p r e c e p t 等的功率分配控制策略，因其为技术核心，故很少有文献论述，美国国家可再生能源实验室为获得h o n d a 的i n s i g h t 的控制策略作了大量的试验，而对控制策略研究的文献大多仅理论研究，没有装车实际控制，总之，对控制策略的研究尚未形成一个完整的体系。在国内，由于混合动力电动汽车的起步较晚，不少大学和甲位开发了纯电动或串联混合动力车辆【5 4 “】，多能源动力总成控制策略的研究报道较少。1 2 4 硬件实现及半实物仿真系统 6 3 7 8 】从八十年代起，电子控制技术开始在汽车上大量使用，如电子控制发动机燃油喷射系统，电子控制自动变速器，电子控制制动防抱死系统，电子控制转向系统等m 】。但这些系统綦本上是以8 位或1 6 位单片机为内核组成各自独立的控制模块，也称电子控制单元( e c u ) ，相可：之间的联系不密切。由于对汽车控制实时性要求的提高以及运算量的增大，传统的1 6 位单片机及其信号处理方式已难以满足要求。因此对3 2位甲片机和相应的数字信号处理技术( d s p ) 呼声很高 6 6 - 7 0 】。国内外都有成功的应用d s p 技术于电机控制的实例，德国大众汽车公司在其a 6 轿车的自动变速器上也采用了d s p 技术。此外，由于汽车上的电子控制单元和电器设备越来越多，线束的布置和管理越米越难，因此网络通讯协议的概念和方法也被引入到汽车巾来。c o n t r o la r e an e t w o r k ( c a n ) 总线是德国b o s c h 公司8 0 年代初为解决现代汽车中众多的控制与测试仪器之间的数据交换而开发的种串行数据通讯协议，是一种多主总线，通讯介质可以是双绞线、同轴电缆和光纤。通讯速率可达i m b p s 。c a n 协议的最大特点是废除了传统的站地址编码，而代之以对通信数据块进行编码。理论上站点个数不受限制。数据块的标识码可由1 1 位或2 9 位二进制数组成。采用c r c 检验，并可提供相应的错误处理功能，数据通讯可靠性高。这将是电动汽车中数据通讯t 寸1 最适合的现场总线之。在电控技术方面，国内大体上只限于单元技术的研究，如电喷发动机的控制，电池管理系统，电机的控制等。如国防科技大学针对城市公共交通电动汽车研制的交流驱动系统，采用了直接转矩控制( d t c ) 方法，控制器设计应用了数字信号处理器( d s p ) 。但混合动力电动汽车所需要的动力总成控制器技术，国内基本上是空白。多能源动力总成控制器不但硬件复杂，软件即控制策略也复杂。给软硬件调试带来相当大的难度。国外在这方面做了大量的研究工作。d s p a c e 实时仿真系统是基于m a t l a b s i m u l i n k 的控制系统开发及半实物仿真的软硬件工作平台，可以实现快速控制原型，也可以实现半实物仿真 7 5 - 7 8 l ，但d s p a c e 系统价格高昂。1 3 本文的研究内容与方法本项目以理论模型和分析软件研究为主，实验验证为辅的方法进行。本文的体系结构如图1 3 - 1 ：车辆发动# l 电# l 蓄电池特性分析多能源变结构控制系统控制方法研究动态模型及仿真l t 1 能量管理策略r ，1 控制器设计半实物仿真试验测试系统台架调试e c u 参数匹配标定、模拟试验图1 3 - 1 本文的体系结构t 作重点：1 ) 混合动力轿车多能源动力总成的动态建模及能量管理策略的制定2 ) 多能源动力总成控制方法。1 4 本文的结构本论文共分七章，即：第章错言；第二章一多能源动力总成的建模与仿真第三章一多能源动力总成的多模变结构控制第四章基于遗传算法的模糊神经网络功率分配控制策略第五章一多能源动力总成控制系统硬软件系统设计及实现第六章半实物仿真试验测试系统设计及实现第七章一总结在第一章( 即本章) 中论述了本课题的来源及意义，对有关文献进行了综述，并概述了本论文丁作的研究内容。第二章研究了动力系统动态建模方法，建立单元结构模型及整车模型。提出了笨于单元结构m a p 图，辅助反映动态特性的修正模块的准动态建模方法，只考虑单元结构的输入和输出量，并根据环境对单元结构工作特性的影响，引入环境变量对单，c 结构机械特性或外特性的修正模块。并通过对部分单元结构和整车的实验验证，证明所提出的h e v 建模原则与方法的正确性和实用性。第三章和第四章是本文的主要内容。第三章给出了h e v 多能源动力总成控制系统设计和分析方法。在对h e v 现有控制策略分析基础上，根据能量流分析和能量流控制法则，针对多能源动力总成系统，提出了具有创新性的多模变结构能量控制方法。多模变结构能量控制将能量管理分成两层结构，采川高层和低层的分层控制规则，高层根据车辆运行信息判断车辆所处的运行模式。将车辆运行模式分为起步、加速、等速、减速、怠速模式。低层根据高层所获取的车辆状态，确定切换原则，选择相应的控制规则集即控制器，然后根据该运行模式下的功率分配策略，由控制器的输入量确定输出控制量。这种多模变结构的能量管理策略更加符合混合动力电动汽车h e v 的控制需要，使控制更加合理，是实现h e v 高效和节能的保障，为控制器的设计与实现奠定了基础。第四章将模糊控制和神经网络相结合，提出了基于遗传算法的模糊神经网络功率分配策略，用5 层前馈神经网络实现模糊控制的输入量模糊化、模糊推理和输出量反模糊化的功能，用遗传算法作为模糊神经网络的训练算法以优化其参数。针对网络参数优化问题，为改善遗传算法局部寻优能力，提出了标准遗传算法和序列二次规划s q p 相结合的改进措施，加速了寻优过程。将模糊神经网络功率分配策略集成到p h e v整车仿真模型中，通过进行各种循环工况的仿真，对该控制策略进行评价，并根据评价结果对其作相应的完善。该模糊神经网络控制策略在p h e v 全部工作范围内有效、与其它功率分配策略相比，能较好达到预期的控制目标。该控制策略在所设计的通用行驶工况下经优化后，能提高该控制策略的适应性和适用范围。除控制策略的决定性影响外。本章还对影响发动机在商效区工作的其它因素如：制定合理的换档策略、选择合适的循环工况和选用高效区位置和分布理想的发动机等方面作了深入的分析研究。第五章动力总成电控单元的硬件设计：以高性能1 6 位微处理器( 如d s p ) 为核心，并采用f p o a 设计高速实时逻辑运算和信号处理硬件电路：采用c a n 总线技术，设计高速实时控制网络通讯接口电路和信号输入输出接1 2 1 电路，并具有故障诊断功能。动力总成电控单元的软件系统设计：开发基于c a n 总线的嵌入式实时操作系统和软件编辑环境。根据能量管理和控制策略、e c u 硬件平台和通讯协议研制动力总成控制模块，螭制相应的控制软件，进行台架调试。第六章虚拟测试系统软硬件平台设计，根据e c u 系统要求建立集成化的e c u开发与虚拟测试系统硬件平台，使其具有开放性并有利于扩展。采用软件工程方法开发e c u 和