基于状态预测的混合动力汽车变结构扭转振动分层协调控制策略研究

基于状态预测的混合动力汽车变结构扭转振动分层协调控制策略研究一、引言1.1研究背景与意义随着全球汽车产业的快速发展，环境保护和能源危机问题日益凸显，混合动力汽车（HybridElectricVehicle，HEV）因其融合了传统燃油发动机和电动机的优势，在提升燃油经济性、降低尾气排放方面表现出色，成为了汽车行业向可持续发展转型的关键方向。近年来，混合动力汽车市场呈现出迅猛的发展态势。据中汽协数据显示，2018-2024年我国混合动力汽车销量整体呈上升趋势，2021年以来，插电式混合动力汽车（PHEV）和增程式电动车（REEV）销量的持续走高更是推动了整体销量的大幅增长。到2024年，我国混合动力汽车的产量占汽车总产量比重已从2018年的1.68%跃升至23.07%，市场渗透率显著提升。在全球范围内，各大汽车制造商也纷纷加大在混合动力汽车领域的研发和生产投入，如丰田、本田、比亚迪等品牌推出的多款混合动力车型，凭借其优秀的节能表现和可靠的性能，深受消费者青睐。然而，在混合动力汽车技术不断进步和市场份额逐步扩大的同时，其传动系统面临着严峻的扭转振动问题。混合动力汽车的动力系统由发动机、电动机、变速器等多个部件组成，各部件之间的扭矩传递和工况切换频繁，导致传动系统的振动特性变得极为复杂。在发动机启动、停止以及车辆加速、减速等过程中，由于发动机的泵气阻力、惯性阻力以及电机扭矩的快速变化，会引发强烈的扭转振动。这种振动不仅会通过传动系统传递到车身，引起车内的噪声和振动，严重影响驾乘舒适性，还可能导致传动部件的疲劳损坏，降低传动系统的可靠性和使用寿命，增加车辆的维护成本。例如，在城市拥堵路况下，混合动力汽车发动机的频繁启停会使传动系统承受较大的冲击扭矩，引发扭转振动。这种振动会使驾驶员感受到明显的顿挫感，同时车内乘客也会受到噪声和振动的干扰，降低乘坐体验。长期处于这种振动环境下，传动轴、齿轮等关键传动部件容易出现疲劳裂纹，甚至发生断裂，从而影响车辆的正常行驶。因此，有效控制混合动力汽车传动系统的扭转振动，对于提升车辆的整体性能、可靠性和用户满意度具有至关重要的意义。它不仅能够改善驾乘舒适性，增强消费者对混合动力汽车的认可度，还有助于推动混合动力汽车技术的进一步发展和普及，促进汽车产业的可持续发展。1.2国内外研究现状在混合动力汽车扭转振动控制研究领域，国内外学者已取得了一系列成果。张德久等人针对某深度混合动力汽车传动系统存在的扭振问题，运用ADAMS建立了包含发动机、传动系、悬置以及悬架的整车多体动力学模型，设计了发动机不平衡扭矩控制和传动系统扭转振动反馈控制策略，并通过仿真分析验证了扭矩补偿等控制策略对解决振动问题、改善乘坐舒适性的显著效果。闫明刚等以某型混合动力公交车传动系为对象，基于AMESim建立系统扭转振动仿真模型，根据公交车运行特点构造完整工况，计算得到系统的扭振响应，分析了典型结构或工况参数对扭转振动响应的影响。在行星多挡混合动力系统研究方面，有学者对其进行结构和基本工作模式分析，搭建扭振动力学模型，并通过仿真试验与实车测试验证模型准确性，为后续扭振控制算法设计奠定了基础。在状态预测应用于混合动力汽车控制的研究中，部分成果聚焦于能量管理策略。例如，有研究通过对行驶负载因素的实时监测与记录，采用机器学习和深度学习等方法，建立基于车速、车载荷、上下坡路段等因素的混合动力汽车行驶负载的预测模型，进而设计智能控制算法，实现发动机和电池的动态能量分配和调整，以优化燃油经济性和动力性。还有研究运用模糊控制理论，以汽车当前时刻运行状态（车速，油门开度，油门开度变化量）为输入量，以汽车未来时刻加速度为输出量建立模糊控制模型预测汽车下一时刻加速度，并结合路况信息对汽车下一时刻所经历路况坡度进行预测，以及以汽车当前时刻速度和总阻力功率为输入对汽车下一时刻档位进行预测，通过仿真表明该模型能较准确地预测临近时刻的加速度、速度和档位，为混合动力汽车运行状态预测提供了一种可行的方法。尽管已有研究在混合动力汽车扭转振动控制及状态预测应用方面取得了一定进展，但仍存在一些不足。现有控制策略在多工况、复杂行驶环境下的适应性和鲁棒性有待进一步提高，难以满足混合动力汽车日益增长的性能需求。不同控制方法之间的协同优化研究相对较少，未能充分发挥各种控制策略的优势。此外，在状态预测方面，预测模型的准确性和实时性还需提升，以更好地为车辆控制提供精准的信息支持。1.3研究目标与内容本研究旨在针对混合动力汽车传动系统的扭转振动问题，开发一种基于状态预测的变结构扭转振动分层协调控制策略，以提高车辆在各种工况下的驾乘舒适性和传动系统的可靠性。具体研究内容如下：混合动力汽车传动系统建模与分析：深入研究混合动力汽车传动系统的结构和工作原理，综合考虑发动机、电动机、变速器、传动轴等部件的动力学特性，建立精确的传动系统扭转振动动力学模型。运用理论分析和仿真手段，对不同工况下传动系统的扭转振动特性进行深入分析，明确振动产生的机理和传播路径，为后续控制策略的设计提供理论基础。基于状态预测的控制策略研究：结合车辆当前的运行状态和行驶环境信息，运用先进的预测算法对车辆未来的运行状态进行准确预测。基于预测结果，设计变结构的扭转振动控制策略，根据不同的工况和振动状态实时调整控制参数和控制方式，实现对扭转振动的有效抑制。分层协调控制算法设计：构建分层协调控制架构，将控制策略分为上层决策层和下层执行层。上层决策层根据车辆的运行状态和预测信息，制定全局最优的控制目标和策略；下层执行层负责具体控制指令的执行，实现对发动机、电动机、变速器等部件的精确控制，确保各部件之间的协同工作，有效减少扭转振动。控制策略的仿真与实验验证：利用MATLAB/Simulink等仿真软件对所设计的控制策略进行仿真验证，分析控制策略在不同工况下的控制效果，优化控制参数。搭建硬件在环（HIL）测试平台，进行实时测试，进一步验证控制策略的实时性和有效性。最后，通过实车道路试验，全面评估控制策略在实际行驶环境中的性能表现，确保研究成果的实用性和可靠性。1.4研究方法与技术路线本研究采用理论分析、建模仿真和实验验证相结合的方法。在理论分析方面，深入研究混合动力汽车传动系统的动力学原理和振动特性，为后续研究提供理论支撑。建模仿真过程中，运用专业的多体动力学软件（如ADAMS、AMESim等）和控制仿真软件（如MATLAB/Simulink），搭建传动系统模型和控制策略模型，对不同工况下的系统性能进行仿真分析，优化控制策略。实验验证则通过搭建硬件在环测试平台和实车道路试验，对控制策略的实际效果进行检验和评估。技术路线如图1-1所示，首先进行混合动力汽车传动系统的结构和工作原理分析，在此基础上建立精确的动力学模型。同时，研究状态预测算法和变结构控制策略，将两者相结合设计基于状态预测的变结构扭转振动控制策略。构建分层协调控制架构，进行控制算法的设计和优化。通过仿真验证对控制策略进行初步评估和参数优化，再利用硬件在环测试平台进行实时测试，进一步验证控制策略的性能。最后，进行实车道路试验，全面检验控制策略在实际行驶环境中的效果，根据实验结果对控制策略进行改进和完善。[此处插入技术路线图1-1]二、混合动力汽车传动系统结构与动力学模型2.1传动系统结构分析混合动力汽车传动系统的结构类型多样，其中行星齿轮机构耦合系统应用较为广泛，以丰田普锐斯所采用的行星齿轮式混联混合动力系统为例，该系统主要由发动机、行星齿轮机构、电动机MG1、电动机MG2以及动力输出轴等组成。在这个系统中，行星齿轮机构作为核心部件，起着至关重要的动力分配和转速协调作用。它由太阳轮、行星架、齿圈和行星齿轮组成，各部件之间的相互配合实现了不同动力源的耦合与传动。动力传递路径会根据车辆的行驶工况而有所不同。在纯电动模式下，发动机停止工作，由电动机MG2单独提供动力。电能从电池组输出，驱动电动机MG2运转，电动机MG2的输出转矩通过行星齿轮机构中的齿圈传递到动力输出轴，进而驱动车轮转动，使车辆实现纯电动行驶。在混合动力模式下，发动机和电动机协同工作。发动机输出的动力通过行星架输入到行星齿轮机构，电动机MG1可作为发电机使用，由发动机带动其运转发电，产生的电能一部分储存到电池组中，另一部分供给电动机MG2。电动机MG2与发动机的动力在行星齿轮机构中进行耦合，通过齿圈将合成后的动力传递到动力输出轴，共同驱动车辆行驶。这种模式充分发挥了发动机和电动机的优势，提高了车辆的动力性能和燃油经济性。在发动机单独驱动模式下，电动机MG1和MG2处于非工作状态或起到辅助调节作用，发动机的动力直接通过行星齿轮机构传递到动力输出轴，驱动车辆行驶。这种模式适用于高速行驶等工况，此时发动机处于高效工作区间，能够充分发挥其动力性能。此外，在车辆减速或制动过程中，车轮的转动带动电动机MG2运转，使其切换为发电机模式，将车辆的动能转化为电能并回收存储到电池组中，实现能量的回收利用，提高了能源利用率。这种基于行星齿轮机构耦合系统的混合动力汽车传动系统，通过巧妙的结构设计和动力分配策略，实现了多种工作模式的灵活切换，满足了车辆在不同行驶工况下的动力需求，有效提升了车辆的综合性能。2.2动力学模型建立为了深入研究混合动力汽车传动系统的动力学特性，需要分别构建各个关键部件的动力学模型，再将它们整合为传动系统动力学模型。发动机作为混合动力汽车的重要动力源之一，其动力学模型的建立至关重要。发动机输出转矩受到多个因素的综合影响，包括节气门开度、发动机转速以及当前所处的工况等。通过大量的实验测试和数据分析，获取发动机在不同工况下的转矩特性曲线，进而建立发动机输出转矩的数学模型，可表示为：T_{e}=f(\alpha,n_{e},mode)其中，T_{e}表示发动机输出转矩，\alpha为节气门开度，n_{e}是发动机转速，mode代表发动机的工作模式，如怠速、加速、匀速行驶等。同时，发动机自身具有一定的转动惯量J_{e}，在分析发动机的动力学特性时，需考虑其对系统动态响应的影响。当发动机转速发生变化时，根据转动定律T=J\alpha（其中T为转矩，J为转动惯量，\alpha为角加速度），发动机的转动惯量会阻碍转速的快速变化，使得发动机的输出转矩和转速变化具有一定的惯性和延迟。电动机同样是混合动力汽车的关键动力部件，其输出特性与发动机有所不同。电动机输出转矩T_{m}与电流i和转速n_{m}密切相关。通过对电动机的工作原理和电磁特性进行分析，结合相关的电机理论和实验数据，建立电动机输出转矩模型：T_{m}=k_{t}i-k_{v}n_{m}其中，k_{t}为转矩系数，反映了电动机将电能转换为机械能的能力；k_{v}是反电动势系数，体现了电动机在转动过程中产生的反电动势对输出转矩的影响。电动机的转动惯量J_{m}也会对其动态性能产生影响，在电动机启动、加速和减速过程中，转动惯量会影响电动机的响应速度和转矩输出的稳定性。较小的转动惯量能够使电动机更快地响应控制信号，实现转速和转矩的快速调节，但同时也可能导致系统的抗干扰能力相对较弱；而较大的转动惯量则会使电动机的响应速度变慢，但在一定程度上能够增强系统的稳定性。离合器在混合动力汽车传动系统中起着连接和断开动力传递的关键作用，其动力学模型主要涉及结合过程中的摩擦力矩和分离状态下的特性。在离合器结合过程中，摩擦力矩T_{c}的大小与离合器的压紧力、摩擦片的摩擦系数以及摩擦片的接触面积等因素有关。通过对离合器的结构和工作原理进行分析，建立摩擦力矩模型：T_{c}=\muF_{n}R其中，\mu为摩擦系数，F_{n}是压紧力，R为摩擦片的平均半径。当离合器处于分离状态时，动力传递中断，此时离合器的输出转矩为零；而在结合过程中，随着压紧力的逐渐增大，摩擦力矩逐渐增加，实现动力的平稳传递。离合器的动态特性，如结合时间、分离时间以及结合过程中的冲击等，会对传动系统的扭转振动产生重要影响。如果离合器结合过快或过慢，都可能导致传动系统受到较大的冲击转矩，引发扭转振动。扭转减振器是抑制传动系统扭转振动的重要部件，其动力学模型基于弹簧-阻尼系统原理。扭转减振器通过弹簧的弹性变形来吸收和缓冲扭转振动的能量，同时利用阻尼器的阻尼作用来消耗振动能量，从而达到减振的目的。设扭转减振器的弹簧刚度为k，阻尼系数为c，输入转矩为T_{in}，输出转矩为T_{out}，相对扭转角为\theta，则根据牛顿第二定律和胡克定律，可建立扭转减振器的动力学方程：T_{in}-T_{out}=k\theta+c\dot{\theta}当传动系统受到扭转振动激励时，扭转减振器的弹簧会发生变形，产生弹性回复力，抵抗振动的作用；同时，阻尼器会消耗振动能量，使振动逐渐衰减。弹簧刚度和阻尼系数的选择对扭转减振器的减振效果起着关键作用。如果弹簧刚度选择过大，可能导致减振器对低频振动的吸收能力不足；而弹簧刚度过小，则可能在高频振动时无法有效抑制振动。阻尼系数过大，会使减振器在减振过程中消耗过多的能量，影响系统的传动效率；阻尼系数过小，则无法充分发挥阻尼器的减振作用。将发动机、电动机、离合器、扭转减振器等部件的动力学模型进行整合，同时考虑传动轴的弹性和惯性以及各部件之间的连接关系，可得到混合动力汽车传动系统的动力学模型。在建立传动系统动力学模型时，需要根据系统的结构特点和工作原理，运用拉格朗日方程或牛顿-欧拉方程等动力学方法，推导出系统的运动方程。以一个简单的包含发动机、电动机、离合器、扭转减振器和传动轴的传动系统为例，假设各部件之间通过刚性连接或弹性连接，忽略系统中的其他次要因素，可建立如下的传动系统动力学方程：\begin{cases}J_{e}\ddot{\theta}_{e}=T_{e}-T_{c1}-B_{e}\dot{\theta}_{e}\\J_{m}\ddot{\theta}_{m}=T_{m}-T_{c2}-B_{m}\dot{\theta}_{m}\\J_{s}\ddot{\theta}_{s}=T_{c2}-k(\theta_{s}-\theta_{m})-c(\dot{\theta}_{s}-\dot{\theta}_{m})-B_{s}\dot{\theta}_{s}\\J_{w}\ddot{\theta}_{w}=k(\theta_{s}-\theta_{m})+c(\dot{\theta}_{s}-\dot{\theta}_{m})-T_{load}-B_{w}\dot{\theta}_{w}\end{cases}其中，\theta_{e}、\theta_{m}、\theta_{s}、\theta_{w}分别为发动机、电动机、传动轴和车轮的转角；T_{c1}、T_{c2}分别为离合器在发动机侧和电动机侧的摩擦力矩；B_{e}、B_{m}、B_{s}、B_{w}分别为发动机、电动机、传动轴和车轮的阻尼系数；J_{s}、J_{w}分别为传动轴和车轮的转动惯量；T_{load}为车轮所受到的负载转矩。这个动力学模型能够较为全面地描述混合动力汽车传动系统在不同工况下的动力学行为，为后续的振动分析和控制策略研究提供了重要的理论基础。通过对该模型的求解和分析，可以深入了解传动系统中各部件的动态响应特性，以及它们之间的相互作用关系，从而为优化传动系统的设计和性能提供依据。2.3模型参数辨识与验证模型参数的准确性对于动力学模型的可靠性和实用性至关重要。采用实验测量和数据处理的方法对模型参数进行辨识。在实验过程中，使用高精度的传感器来测量关键物理量，如转矩传感器用于测量发动机、电动机和传动轴的转矩，转速传感器用于监测各部件的转速，角位移传感器用于获取扭转减振器的相对扭转角等。通过在不同工况下进行实验，如发动机的怠速、加速、匀速行驶，电动机的正反转、不同负载运行等，获取大量的实验数据。以发动机转动惯量J_{e}的辨识为例，在发动机台架试验中，通过控制发动机的节气门开度，使其在不同转速下稳定运行，然后突然切断动力输入，让发动机在自身惯性作用下自由减速。利用转速传感器实时测量发动机的转速变化，根据转动定律T=J\alpha（其中T为发动机的摩擦力矩，\alpha为角加速度），通过对转速数据进行微分处理得到角加速度，再结合发动机的摩擦力矩模型（可通过实验测量或经验公式估算），就可以反推出发动机的转动惯量。对于电动机的转矩系数k_{t}和反电动势系数k_{v}，可以在电动机试验台上进行测试。通过给电动机施加不同的电流，测量其在不同转速下的输出转矩和反电动势，利用最小二乘法等数据处理方法，对这些实验数据进行拟合，从而确定转矩系数k_{t}和反电动势系数k_{v}的值。在完成模型参数辨识后，需要对建立的动力学模型进行验证，以确保其能够准确地反映混合动力汽车传动系统的实际动态特性。将仿真结果与实验结果进行对比分析是常用的验证方法。在相同的工况条件下，将实际测量得到的转矩、转速等数据与动力学模型在仿真环境下的输出结果进行对比。例如，在混合动力汽车的加速工况实验中，记录发动机、电动机的转矩和转速随时间的变化曲线，以及传动轴的扭转振动响应。然后，在仿真模型中输入相同的控制信号和初始条件，运行仿真得到相应的转矩、转速和扭转振动响应曲线。通过对比实验曲线和仿真曲线，可以直观地评估模型的准确性。如果两条曲线在趋势和数值上都较为吻合，说明模型能够较好地模拟实际系统的动态特性，模型的准确性得到了验证；如果存在较大差异，则需要对模型进行进一步的分析和改进，检查参数辨识过程是否存在误差，模型的结构是否合理等，直至模型的仿真结果与实验结果达到满意的一致性。通过严格的模型参数辨识和验证过程，能够提高动力学模型的可靠性，为后续基于状态预测的变结构扭转振动分层协调控制策略的研究和设计提供坚实的基础，确保控制策略能够在实际的混合动力汽车传动系统中有效地发挥作用，实现对扭转振动的精准控制，提升车辆的性能和可靠性。三、混合动力汽车扭转振动特性分析3.1扭转振动激励源分析发动机作为混合动力汽车的重要动力源之一，其扭矩波动是扭转振动的主要激励源之一。发动机的扭矩波动主要源于燃烧过程的不稳定性。在发动机工作时，燃油与空气的混合比例、点火时刻以及燃烧速度等因素的微小变化，都会导致燃烧过程的不均匀，从而使发动机输出的扭矩产生波动。当发动机处于怠速工况时，由于燃烧室内的混合气浓度较低，燃烧过程相对不稳定，扭矩波动较为明显；而在高速高负荷工况下，虽然燃烧效率较高，但由于气缸内压力的急剧变化，也会引发较大的扭矩波动。此外，发动机的机械结构也会对扭矩波动产生影响。例如，活塞、连杆、曲轴等部件在运动过程中，由于惯性力和摩擦力的作用，会产生周期性的振动，这些振动通过传动系统传递，进一步加剧了扭矩的波动。电机转矩变化也是引起扭转振动的重要因素。电机的转矩输出受到多种因素的影响，包括电流、磁场、转速以及控制策略等。在电机启动和停止过程中，由于电流的急剧变化，会导致电机转矩的突变，从而引发传动系统的扭转振动。当电机从静止状态开始启动时，需要较大的启动电流来克服转子的惯性，此时电机转矩会迅速上升，对传动系统产生较大的冲击；而在电机停止时，电流的迅速减小会使电机转矩瞬间下降，同样会引起传动系统的振动。此外，电机在运行过程中，由于磁场的不均匀或转速的波动，也会导致转矩的波动，进而激励传动系统产生扭转振动。例如，永磁同步电机在运行时，由于永磁体的磁场分布不均匀，会产生齿槽转矩，这是一种周期性的转矩波动，会对电机的输出转矩产生影响，从而引发传动系统的扭转振动。换挡冲击是混合动力汽车在换挡过程中产生的一种瞬态激励，会导致传动系统的扭转振动。换挡冲击的产生主要是由于换挡瞬间离合器的结合或分离，以及齿轮的啮合或脱开，使得动力传递发生突变。在自动变速器中，换挡时需要通过控制液压系统来实现离合器的动作，当液压系统的响应速度不够快或控制不准确时，就会导致离合器结合或分离不平稳，从而产生较大的换挡冲击。此外，换挡时齿轮的啮合过程也会产生冲击，这是因为齿轮的齿形误差、齿面磨损以及装配精度等因素，会导致齿轮在啮合瞬间的接触力不均匀，从而产生冲击载荷，引发传动系统的扭转振动。例如，在车辆加速过程中进行升挡操作时，如果换挡时间控制不当，离合器结合过快，会使发动机的扭矩突然传递到传动系统，导致传动轴和车轮产生剧烈的扭转振动，驾驶员会明显感觉到车辆的顿挫。3.2变结构扭转振动特性研究混合动力汽车在不同工况下，传动系统的结构会发生变化，从而导致其扭转振动特性也会相应改变。以常见的混合动力汽车在纯电动、混合动力和发动机单独驱动三种工况为例，分析其传动系统变结构时的扭转振动特性。在纯电动工况下，动力仅由电动机提供，发动机处于停止状态。此时，传动系统主要由电动机、变速器、传动轴和车轮等部件组成。由于没有发动机的激励，传动系统的扭转振动主要来源于电动机的转矩波动以及路面不平度通过轮胎传递到传动系统的振动。电动机的转矩波动频率相对较高，一般在几十赫兹到几百赫兹之间，而路面不平度引起的振动频率则相对较低，一般在几赫兹到十几赫兹之间。通过对传动系统进行模态分析，可以得到其在纯电动工况下的固有频率和振型。研究发现，纯电动工况下传动系统的固有频率主要集中在低频段，这是因为电动机和变速器等部件的转动惯量相对较小，使得系统的刚度相对较低。在这种情况下，当电动机的转矩波动频率与传动系统的固有频率接近时，容易发生共振，导致扭转振动加剧。在混合动力工况下，发动机和电动机共同工作，动力通过行星齿轮机构等耦合装置进行合成和分配。此时，传动系统的结构变得更加复杂，扭转振动的激励源也增多，除了电动机的转矩波动和路面不平度引起的振动外，还增加了发动机的扭矩波动。发动机的扭矩波动频率一般在几赫兹到几十赫兹之间，与电动机的转矩波动频率和路面不平度引起的振动频率相互叠加，使得传动系统的扭转振动特性更加复杂。在混合动力工况下，由于发动机和电动机的协同工作，行星齿轮机构等耦合装置会承受较大的载荷，其刚度和阻尼特性也会发生变化，从而影响传动系统的固有频率和振型。通过实验和仿真分析发现，混合动力工况下传动系统的固有频率分布范围更广，不仅在低频段有固有频率，在中高频段也会出现一些固有频率。这是因为发动机的加入增加了系统的转动惯量和刚度，使得系统的模态特性发生了改变。此外，在混合动力工况下，由于发动机和电动机的工况切换频繁，如在加速、减速和匀速行驶等过程中，动力源的切换会导致传动系统的结构和载荷发生突变，从而引发强烈的扭转振动。在发动机单独驱动工况下，电动机处于停止状态或起到辅助调节作用，动力主要由发动机提供。此时，传动系统的扭转振动主要由发动机的扭矩波动和路面不平度引起的振动所主导。发动机的扭矩波动在发动机单独驱动工况下表现得更为明显，因为没有电动机的扭矩补偿作用。与纯电动工况相比，发动机单独驱动工况下传动系统的转动惯量更大，主要是由于发动机的质量和转动部件的惯量较大。这使得传动系统的固有频率相对较低，且集中在低频段。在发动机单独驱动工况下，由于发动机的工作状态相对稳定，扭矩波动的频率和幅值相对较为固定，但当发动机处于不同的转速和负荷工况时，扭矩波动的特性也会发生变化。例如，在发动机低速高负荷工况下，扭矩波动的幅值较大，容易引起传动系统的强烈振动；而在高速低负荷工况下，扭矩波动的频率较高，但幅值相对较小。通过对不同工况下传动系统变结构时的固有频率和振型变化进行深入分析，可以为扭转振动控制策略的设计提供重要依据。在设计控制策略时，需要根据不同工况下传动系统的扭转振动特性，合理选择控制参数和控制方法，以实现对扭转振动的有效抑制。3.3扭转振动对车辆性能的影响扭转振动对车辆舒适性有着显著的不良影响。在车辆行驶过程中，扭转振动会通过传动系统传递到车身，引起车内的振动和噪声。当扭转振动的频率与人体的敏感频率范围（一般为1-80Hz）重合时，会使驾驶员和乘客感受到明显的不适。在发动机启动和停止过程中，由于扭转振动的作用，车辆会产生明显的抖动，驾驶员会感觉到方向盘和座椅的振动，乘客也会在座椅上感受到颠簸，严重影响乘坐的舒适性。此外，长期处于扭转振动环境下，还可能导致驾驶员的疲劳感增加，影响驾驶安全性。动力性方面，扭转振动会导致动力传递的不平稳，降低车辆的加速性能和动力输出效率。在加速过程中，由于扭转振动的存在，发动机和电动机输出的扭矩不能有效地传递到车轮上，会出现动力损失，使车辆的加速时间延长，加速性能下降。扭转振动还可能导致车辆在行驶过程中出现顿挫感，影响驾驶的流畅性和动力性。例如，在混合动力汽车从纯电动模式切换到混合动力模式时，如果扭转振动控制不当，会使发动机和电动机的动力切换不平稳，车辆会出现明显的顿挫，影响驾驶员对车辆动力的控制和驾驶体验。车辆的耐久性也会受到扭转振动的影响。持续的扭转振动会使传动系统的零部件承受交变载荷，加速零部件的磨损和疲劳损坏。传动轴、齿轮、离合器等部件在扭转振动的作用下，容易出现疲劳裂纹、磨损加剧等问题，降低零部件的使用寿命，增加车辆的维修成本。在长期的扭转振动作用下，传动轴的花键连接处会因承受反复的扭转应力而出现磨损和松动，导致传动轴的动平衡性能下降，进一步加剧扭转振动，形成恶性循环，最终可能导致传动轴断裂，影响车辆的正常行驶。扭转振动也是影响车辆NVH（Noise、Vibration、Harshness，噪声、振动与声振粗糙度）性能的关键因素。扭转振动会激发传动系统和车身的结构振动，产生噪声。当扭转振动的频率与车身或其他部件的固有频率相匹配时，会引发共振，使噪声和振动进一步放大。发动机的扭矩波动引起的扭转振动会通过传动系统传递到车身，激发车身的结构振动，产生低频噪声；而电动机的转矩波动引起的扭转振动则可能产生高频噪声。这些噪声会传入车内，降低车内的声学环境品质，影响乘客的舒适性和车辆的品质感。四、基于状态预测的控制策略原理4.1状态预测方法概述在众多状态预测方法中，基于模型的预测控制（ModelPredictiveControl，MPC）凭借其独特的优势，在混合动力汽车控制领域展现出巨大的潜力。MPC的核心原理是利用系统的数学模型对未来行为进行精准预测，并基于此预测结果进行实时优化，从而确定当前的最优控制输入。以混合动力汽车传动系统为例，通过建立包含发动机、电动机、变速器等部件的精确数学模型，MPC能够充分考虑各部件之间的动态耦合关系以及系统的非线性特性。在车辆行驶过程中，MPC根据当前的车速、发动机转速、电机转矩等状态信息，结合建立的数学模型，预测未来一段时间内系统的状态变化，如传动系统的扭矩波动、扭转振动响应等。然后，通过求解一个有限时域内的优化问题，MPC能够找到一组最优的控制输入，如发动机节气门开度、电机电流等，以实现对传动系统扭转振动的有效抑制和车辆性能的优化。机器学习预测方法近年来在混合动力汽车状态预测中也得到了广泛应用。其中，神经网络以其强大的非线性映射能力和自学习能力而备受关注。神经网络通过构建包含输入层、隐藏层和输出层的复杂网络结构，能够自动从大量的历史数据中学习系统的内在规律和特征。在混合动力汽车状态预测中，将车辆的历史运行数据，如不同工况下的车速、发动机转速、电机功率、电池电量等作为神经网络的输入，将未来时刻的系统状态，如传动系统的振动幅值、频率等作为输出，通过大量数据的训练，神经网络能够学习到输入数据与输出数据之间的复杂映射关系。当有新的输入数据时，神经网络能够快速准确地预测出未来的系统状态。支持向量机（SupportVectorMachine，SVM）也是一种常用的机器学习预测方法，它基于统计学习理论，通过寻找一个最优分类超平面，能够有效地处理小样本、非线性和高维数据的预测问题。在混合动力汽车状态预测中，SVM可以根据车辆的当前状态和历史数据，准确地预测未来的行驶工况、动力需求等，为车辆的能量管理和控制策略提供重要的决策依据。不同的状态预测方法在混合动力汽车控制中具有各自的适用性。基于模型的预测控制方法适用于系统模型较为明确、可精确建模的情况，它能够充分利用系统的先验知识，对系统的未来行为进行准确预测和优化控制。然而，当系统存在较强的非线性、不确定性或难以精确建模时，基于模型的预测控制方法的性能可能会受到一定影响。机器学习预测方法则更适用于数据丰富、系统规律难以用数学模型准确描述的情况。它能够通过对大量历史数据的学习，自动挖掘数据中的潜在模式和规律，对复杂系统的状态进行有效的预测。但机器学习预测方法对数据的质量和数量要求较高，且模型的可解释性相对较差。在实际应用中，需要根据混合动力汽车系统的特点和具体需求，综合考虑各种状态预测方法的优缺点，选择最合适的预测方法或方法组合，以实现对车辆状态的准确预测和高效控制。4.2混合动力汽车状态变量选取与预测模型建立混合动力汽车的状态变量选取对于准确预测其未来运行状态至关重要。车速作为一个关键的状态变量，直接反映了车辆的运动速度和行驶工况。在城市拥堵路况下，车速较低且波动频繁，这会导致混合动力汽车的发动机和电动机频繁启停和切换工作模式，从而对传动系统的扭转振动产生较大影响。而在高速公路行驶时，车速相对稳定且较高，此时发动机通常处于高效工作区间，电机的辅助作用相对较小，传动系统的工作状态也相对稳定。因此，准确预测车速的变化趋势，能够为混合动力汽车的动力系统控制提供重要依据，有助于优化发动机和电动机的工作模式，减少扭转振动的产生。发动机转速和转矩也是重要的状态变量。发动机转速直接影响着发动机的输出功率和扭矩特性，不同的转速下发动机的燃烧效率和扭矩输出存在显著差异。当发动机转速过高或过低时，都可能导致燃烧不充分，从而产生较大的扭矩波动，进而激励传动系统产生扭转振动。发动机转矩的变化则直接影响着传动系统的负载，在发动机启动、加速和减速过程中，转矩的急剧变化会使传动系统承受较大的冲击载荷，引发扭转振动。因此，对发动机转速和转矩的准确预测，能够帮助控制策略及时调整发动机的工作状态，避免扭矩波动过大，从而有效抑制传动系统的扭转振动。电机转速和转矩同样不容忽视。电机在混合动力汽车中扮演着重要角色，其转速和转矩的变化直接影响着车辆的动力性能和能量分配。在纯电动模式下，电机的转速和转矩决定了车辆的行驶速度和加速度；而在混合动力模式下，电机与发动机协同工作，电机转速和转矩的精确控制对于实现动力的平稳切换和优化能量分配至关重要。如果电机转速和转矩控制不当，在动力切换过程中会产生较大的冲击，导致传动系统的扭转振动加剧。因此，准确预测电机转速和转矩的变化，能够使控制策略更好地协调发动机和电机的工作，实现动力的平稳输出，减少扭转振动。电池荷电状态（StateofCharge，SOC）是反映电池剩余电量的重要指标，对混合动力汽车的能量管理和控制策略有着关键影响。当电池SOC较低时，为了保证车辆的动力性能和行驶里程，发动机可能需要更多地参与工作，以给电池充电或直接驱动车辆；而当电池SOC较高时，车辆可以更多地依靠电机驱动，从而提高能源利用效率。如果不能准确预测电池SOC的变化，可能会导致能量管理策略不合理，如在电池SOC较低时过度使用电机，导致电池过度放电，影响电池寿命，或者在电池SOC较高时发动机仍频繁工作，降低能源利用效率。此外，不合理的能量管理还可能引发传动系统的扭转振动，因为发动机和电机的频繁切换和不协调工作会产生较大的冲击。因此，准确预测电池SOC的变化，能够帮助制定合理的能量管理策略，优化发动机和电机的工作模式，减少传动系统的扭转振动，提高车辆的整体性能。在建立状态预测模型时，采用合适的算法至关重要。以神经网络算法为例，其训练过程包括数据收集、数据预处理、网络结构设计、参数初始化、训练和验证等步骤。首先，收集大量混合动力汽车在不同工况下的运行数据，这些数据应涵盖各种行驶场景，如城市道路、高速公路、郊区道路等，以及不同的驾驶风格，如平稳驾驶、急加速、急减速等。然后，对收集到的数据进行预处理，包括数据清洗、归一化、特征提取等操作，以提高数据的质量和可用性。接着，根据问题的复杂程度和数据的特点，设计合适的神经网络结构，如多层感知机（MLP）、循环神经网络（RNN）、长短期记忆网络（LSTM）等。对于混合动力汽车状态预测问题，由于其具有时间序列特性，LSTM网络通常能够更好地捕捉数据中的长期依赖关系，因此是一种较为合适的选择。在确定网络结构后，对网络的参数进行初始化，通常采用随机初始化或基于经验的初始化方法。随后，使用预处理后的数据对神经网络进行训练，通过不断调整网络的权重和偏差，使网络的预测输出与实际输出之间的误差最小化。在训练过程中，采用合适的损失函数，如均方误差（MSE）、交叉熵损失函数等，来衡量预测误差，并使用优化算法，如随机梯度下降（SGD）、Adagrad、Adadelta、Adam等，来更新网络的参数。最后，使用验证集对训练好的神经网络进行验证，评估其预测性能，如准确率、召回率、均方根误差（RMSE）等。如果验证结果不理想，可以调整网络结构、参数或训练方法，重新进行训练和验证，直到获得满意的预测性能。4.3基于状态预测的控制策略优势基于状态预测的控制策略在混合动力汽车的运行中展现出多方面的显著优势。在提前响应方面，传统控制策略往往只能依据当前的系统状态做出控制决策，而基于状态预测的控制策略能够利用先进的预测算法，根据车辆的历史运行数据、当前状态以及行驶环境信息，提前预测未来一段时间内系统可能出现的状态变化。在车辆即将进入爬坡路段时，通过对路况信息的实时监测和分析，结合车辆的当前状态，如车速、发动机转速、电机转矩等，预测控制策略能够提前预测到车辆需要更大的动力输出。基于此预测结果，控制策略可以提前调整发动机和电动机的工作状态，如提前增大发动机的节气门开度，提高发动机的输出转矩，同时控制电动机提供辅助动力，确保车辆能够平稳地爬上坡，避免因动力不足而导致的发动机熄火或传动系统的强烈振动。这种提前响应的能力使得车辆能够更好地适应复杂多变的行驶工况，有效减少了因工况突变而引起的扭转振动，提高了车辆的行驶稳定性和舒适性。在优化控制效果方面，基于状态预测的控制策略能够综合考虑多种因素，制定出更加合理的控制方案。通过对车速、发动机转速、电机转矩以及电池荷电状态等多个状态变量的准确预测，控制策略可以根据不同的行驶工况和车辆需求，精确地协调发动机、电动机和变速器等部件的工作。在城市拥堵路况下，预测控制策略能够根据对交通流量和车速变化的预测，合理地控制发动机和电动机的启停和切换，避免发动机在低效区间长时间运行，减少不必要的能量消耗和排放。同时，通过精确控制电机的转矩输出，能够实现车辆的平稳加速和减速，减少因动力切换而产生的顿挫感，有效降低了传动系统的扭转振动，提高了驾乘舒适性。在高速公路行驶时，控制策略可以根据对车速和路况的预测，优化发动机和电动机的功率分配，使发动机工作在高效区间，提高燃油经济性，同时保证车辆的动力性能，减少扭转振动对车辆性能的影响。从提升系统性能的角度来看，基于状态预测的控制策略有助于提高混合动力汽车的整体性能。通过提前响应和优化控制，该策略能够有效降低传动系统的扭转振动，减少振动对车辆零部件的疲劳损伤，延长零部件的使用寿命，降低车辆的维修成本。精确的状态预测和合理的控制策略能够优化车辆的能量管理，提高能源利用效率，减少燃油消耗和尾气排放，实现车辆的节能减排目标。良好的控制效果还能够提升车辆的动力性能和操控稳定性，使车辆在不同工况下都能保持良好的行驶性能，为用户提供更加安全、舒适和高效的驾驶体验，增强了混合动力汽车在市场上的竞争力。五、变结构扭转振动分层协调控制策略设计5.1分层协调控制架构为了实现对混合动力汽车传动系统扭转振动的有效控制，设计一种分层协调控制架构，该架构主要由上层决策层和下层执行层组成，两层之间相互协作，共同实现对车辆扭转振动的精准控制。上层决策层作为整个控制架构的核心大脑，承担着宏观决策和全局规划的重要职责。其主要功能是根据车辆的实时运行状态信息，包括车速、发动机转速、电机转速、电池荷电状态等，以及通过状态预测方法得到的未来运行状态预测结果，制定出全局最优的控制目标和策略。上层决策层利用先进的优化算法，如模型预测控制（MPC）算法，对车辆的动力系统进行综合优化。通过建立车辆动力系统的数学模型，MPC算法能够预测未来一段时间内系统的状态变化，并根据预设的优化目标，如最小化扭转振动幅值、提高燃油经济性、优化动力性能等，计算出发动机、电动机和变速器等部件的最优工作状态和控制指令。在车辆行驶过程中，当上层决策层预测到车辆即将进入爬坡路段时，它会根据当前的车速、发动机和电机的状态以及电池荷电状态等信息，结合爬坡所需的动力需求，通过MPC算法计算出发动机应增加的输出转矩、电机应提供的辅助动力以及变速器的合适挡位，以确保车辆能够顺利爬坡，同时尽量减少扭转振动的产生。下层执行层则主要负责将上层决策层制定的控制指令准确无误地转化为实际的控制动作，实现对发动机、电动机、离合器等执行器的精确控制。对于发动机的控制，下层执行层通过调节节气门开度、喷油时间和点火提前角等参数，来精确控制发动机的输出转矩和转速，使其按照上层决策层的指令运行。当下层执行层接收到上层决策层发出的增加发动机输出转矩的指令时，它会相应地增大节气门开度，增加喷油时间，调整点火提前角，以提高发动机的输出功率和转矩。对于电动机的控制，下层执行层通过控制电机的电流、电压和频率等参数，实现对电机转矩和转速的精确调节。在纯电动模式下，下层执行层根据上层决策层的指令，精确控制电机的输出转矩，以满足车辆的行驶需求；在混合动力模式下，它会协调电机与发动机的工作，确保两者的动力输出能够平稳匹配，减少动力切换过程中的冲击和扭转振动。离合器作为传动系统中的关键部件，其控制的准确性对扭转振动的抑制起着重要作用。下层执行层通过控制离合器的接合速度、压紧力和分离时机等参数，实现对动力传递的精确控制。在车辆起步和换挡过程中，下层执行层会根据上层决策层的指令，精确控制离合器的接合速度和压紧力，使动力能够平稳地传递到传动系统，避免因离合器接合不当而产生的扭转振动。当下层执行层接收到换挡指令时，它会先控制离合器逐渐分离，使发动机与变速器之间的动力传递暂时中断，然后进行换挡操作，在换挡完成后，再控制离合器缓慢接合，使动力重新平稳传递，确保换挡过程的平顺性，减少扭转振动的产生。上层决策层和下层执行层之间通过高速可靠的通信网络进行信息交互，实现紧密的协调配合。上层决策层将计算得到的控制指令实时发送给下层执行层，下层执行层则将执行器的实际工作状态和反馈信息及时反馈给上层决策层。这种双向的信息交互机制使得上层决策层能够根据实际情况及时调整控制策略，确保控制的准确性和有效性。当下层执行层在执行控制指令过程中发现发动机或电机的实际工作状态与上层决策层的指令存在偏差时，它会将这一信息反馈给上层决策层，上层决策层会根据反馈信息重新计算控制指令，对执行器进行调整，以保证车辆的运行状态始终符合预期的控制目标，有效抑制传动系统的扭转振动。5.2上层控制策略设计在上层决策层中，采用模型预测控制（MPC）算法来实现对车辆动力系统的优化控制。MPC算法的核心思想是基于车辆动力系统的数学模型，对未来一段时间内系统的状态进行预测，并通过求解优化问题来确定当前的最优控制输入。建立准确的车辆动力系统预测模型是MPC算法的基础。这个模型需要综合考虑发动机、电动机、变速器、传动轴等部件的动力学特性，以及它们之间的相互作用关系。对于发动机模型，要精确描述其输出转矩与节气门开度、发动机转速等因素之间的非线性关系；电动机模型则需准确反映其转矩输出与电流、转速的关系；变速器模型要考虑不同挡位下的传动比和效率；传动轴模型要考虑其弹性和惯性对扭矩传递的影响。通过合理的假设和简化，运用物理定律和数学方法，建立起能够准确描述车辆动力系统动态行为的数学模型。以一个包含发动机、电动机和变速器的简单动力系统为例，其预测模型可以表示为一组状态空间方程：\begin{cases}\dot{x}(t)=Ax(t)+Bu(t)+w(t)\\y(t)=Cx(t)+v(t)\end{cases}其中，x(t)为系统的状态变量，如发动机转速、电机转速、传动轴扭矩等；u(t)为控制输入变量，如发动机节气门开度、电机电流等；y(t)为系统的输出变量，如车辆的速度、加速度等；A、B、C为系统矩阵，描述了系统状态、控制输入和输出之间的关系；w(t)和v(t)分别为系统的过程噪声和测量噪声，反映了系统的不确定性和测量误差。确定优化目标是MPC算法的关键环节。在混合动力汽车扭转振动控制中，优化目标通常包括多个方面。最小化扭转振动幅值是首要目标，因为扭转振动会影响车辆的舒适性、动力性和耐久性。通过将扭转振动幅值纳入优化目标函数，可以使MPC算法在计算控制输入时，优先考虑减少扭转振动。提高燃油经济性也是重要目标之一，在优化过程中，MPC算法会根据车辆的行驶工况和动力需求，合理分配发动机和电动机的工作负荷，使发动机尽量工作在高效区间，减少燃油消耗。还可以将动力性能优化作为目标，确保车辆在不同工况下都能提供足够的动力，满足驾驶员的驾驶需求。综合考虑这些目标，构建优化目标函数如下：J=\sum_{k=1}^{N_p}(\|\theta_{vib}(k)\|^2+\lambda_1\|T_{e}(k)-T_{e,optimal}(k)\|^2+\lambda_2\|P_{fuel}(k)\|^2)其中，J为优化目标函数；N_p为预测时域，即预测未来状态的时间步数；\theta_{vib}(k)为第k步预测时的扭转振动幅值；T_{e}(k)为第k步预测时的发动机转矩；T_{e,optimal}(k)为第k步预测时发动机的最优转矩；P_{fuel}(k)为第k步预测时的燃油消耗功率；\lambda_1和\lambda_2为权重系数，用于调整不同目标在优化过程中的相对重要性。权重系数的取值需要根据实际需求和车辆的性能要求进行合理调整。如果更注重舒适性，可适当增大\lambda_1的值，以加强对扭转振动幅值的抑制；如果更关注燃油经济性，则可增大\lambda_2的值，使优化过程更倾向于降低燃油消耗。在每个控制周期内，MPC算法根据当前的系统状态和预测模型，预测未来N_p步的系统状态。通过求解优化目标函数，计算出当前的最优控制输入u^*(t)。这个求解过程通常涉及到复杂的数学计算，如非线性规划、二次规划等。由于优化问题的求解需要一定的计算时间，为了满足实时控制的要求，可采用一些高效的求解算法和优化技巧，如内点法、遗传算法等，以提高计算效率。得到最优控制输入后，MPC算法将其发送给下层执行层，由下层执行层执行具体的控制动作。在车辆行驶过程中，MPC算法会不断重复上述预测、优化和控制的过程，根据车辆的实时状态和行驶工况，实时调整控制输入，实现对混合动力汽车动力系统的最优控制，有效抑制传动系统的扭转振动，提高车辆的整体性能。5.3下层控制策略设计下层执行层的控制策略主要是针对电机、离合器等执行器，设计具体的控制方法，以实现对动力源和传动部件的精确控制，从而有效抑制混合动力汽车传动系统的扭转振动。对于电机的控制，采用矢量控制方法能够实现对电机转矩和转速的精确调节。矢量控制的基本原理是通过坐标变换，将电机的三相交流电流转换为旋转坐标系下的直流电流，分别对励磁电流和转矩电流进行独立控制，从而实现对电机转矩和转速的灵活控制。在混合动力汽车中，根据上层决策层发送的电机转矩指令T_{m}^*，下层执行层首先通过传感器获取电机的实际转速n_{m}和电流i_{m}。然后，利用矢量控制算法计算出所需的励磁电流i_{d}和转矩电流i_{q}的参考值。具体计算过程如下：根据电机的数学模型，电机的转矩T_{m}与转矩电流i_{q}成正比，即T_{m}=k_{t}i_{q}，其中k_{t}为转矩系数。因此，根据上层决策层的转矩指令T_{m}^*，可以计算出转矩电流的参考值i_{q}^*=\frac{T_{m}^*}{k_{t}}。同时，为了保证电机的稳定运行，通常将励磁电流i_{d}保持在一个恒定值i_{d}^*，这个值可以根据电机的额定参数和运行要求来确定。得到i_{d}^*和i_{q}^*后，通过反坐标变换，将其转换为三相交流电流的参考值i_{a}^*、i_{b}^*和i_{c}^*。最后，利用脉宽调制（PWM）技术，将三相交流电流的参考值转换为实际的控制信号，驱动电机的逆变器，调节电机的电流和电压，从而实现对电机转矩和转速的精确控制。在车辆加速过程中，上层决策层根据车辆的动力需求和行驶工况，发送增大电机转矩的指令T_{m}^*。下层执行层接收到指令后，通过矢量控制算法计算出相应的i_{q}^*和i_{d}^*，并将其转换为三相交流电流的参考值i_{a}^*、i_{b}^*和i_{c}^*。然后，通过PWM控制逆变器，增大电机的电流和电压，使电机输出更大的转矩，满足车辆加速的需求，同时确保电机的运行平稳，减少因电机转矩变化引起的扭转振动。离合器控制对于实现动力的平稳传递和减少扭转振动至关重要。采用基于滑模变结构控制的方法来控制离合器的接合过程。滑模变结构控制具有响应速度快、鲁棒性强等优点，能够有效应对离合器接合过程中的不确定性和干扰。在离合器接合过程中，下层执行层根据上层决策层发送的离合器控制指令，通过传感器实时获取离合器的当前状态，如离合器的位移、速度和传递的转矩等。以离合器的位移x为状态变量，设计滑模面函数s(x,\dot{x})：s(x,\dot{x})=cx+\dot{x}其中，c为滑模面参数，其取值会影响系统的动态性能。通过调整c的值，可以改变系统的响应速度和稳定性。然后，根据滑模变结构控制理论，设计控制律u，使得系统的状态能够在有限时间内到达滑模面，并沿着滑模面运动。控制律u通常由等效控制u_{eq}和切换控制u_{sw}两部分组成：u=u_{eq}+u_{sw}等效控制u_{eq}用于使系统在滑模面上保持稳定运动，切换控制u_{sw}用于克服系统的不确定性和干扰，使系统快速到达滑模面。在离合器接合过程中，等效控制u_{eq}根据离合器的当前状态和目标状态，计算出使离合器平稳接合所需的控制量；切换控制u_{sw}则根据系统的误差和滑模面的状态，实时调整控制量，以保证离合器能够快速、准确地到达目标状态，同时抑制外界干扰对离合器接合过程的影响。当下层执行层检测到离合器的实际位移与目标位移存在偏差时，通过切换控制u_{sw}调整离合器的控制信号，使离合器快速调整位移，减小偏差。在离合器接近目标位移时，等效控制u_{eq}发挥主要作用，使离合器平稳地到达目标位置，实现动力的平稳传递，有效减少因离合器接合不当而产生的扭转振动。5.4控制策略的切换与协调混合动力汽车在不同工况下运行时，需要根据实际情况灵活切换控制策略，以确保车辆的性能和稳定性。制定合理的控制策略切换逻辑至关重要。在车辆启动工况下，由于发动机尚未启动或处于低转速状态，此时车辆主要依靠电动机提供动力，采用纯电动控制策略。在这个策略下，电机根据驾驶员的需求精确输出转矩，以实现车辆的平稳启动。当下层执行层接收到驾驶员的启动指令后，根据上层决策层的控制策略，控制电机以合适的转矩和转速启动车辆。电机的启动过程通常采用软启动方式，即逐渐增加电机的输出转矩，避免因转矩突变而引起的车辆抖动和传动系统的扭转振动。在启动过程中，电机的控制参数，如电流、电压和频率等，会根据车辆的实际状态和预设的启动曲线进行精确调整，以确保启动过程的平稳性和可靠性。当车辆需要加速时，根据加速需求的大小和电池荷电状态（SOC）等因素来选择合适的控制策略。如果加速需求较小且电池SOC充足，车辆仍可采用纯电动控制策略，通过增加电机的输出转矩来实现加速。当下层执行层检测到驾驶员踩下加速踏板，且加速需求在纯电动模式可满足的范围内，同时电池SOC高于设定的阈值时，它会根据上层决策层的指令，通过矢量控制算法增加电机的转矩电流，使电机输出更大的转矩，实现车辆的加速。在加速过程中，电机的转速和转矩会根据加速踏板的开度和车辆的速度进行实时调整，以保证加速的平稳性和动力性。如果加速需求较大或电池SOC较低，为了满足车辆的动力需求并保证能源的合理利用，车辆会切换到混合动力控制策略。在混合动力控制策略下，发动机和电动机协同工作，共同提供动力。上层决策层会根据车辆的实时状态，如车速、发动机转速、电机转速、电池SOC等，通过MPC算法计算出发动机和电动机的最优工作状态和控制指令。下层执行层根据这些指令，精确控制发动机的节气门开度、喷油时间和点火提前角，以及电机的电流、电压和频率，使发动机和电动机能够协同工作，实现动力的平稳输出，满足车辆的加速需求，同时尽量减少扭转振动的产生。在加速过程中，发动机和电机的转矩分配会根据车辆的工况和优化目标进行动态调整。当车辆需要快速加速时，发动机和电机可能会同时输出较大的转矩，以提供足够的动力；而在加速需求相对较小时，发动机和电机的转矩分配会更加注重燃油经济性和动力系统的稳定性，通过合理的分配，使发动机工作在高效区间，同时充分利用电机的快速响应特性，减少动力切换过程中的冲击和扭转振动。在车辆匀速行驶工况下，根据车速和路况等因素，车辆可能采用发动机单独驱动控制策略或混合动力控制策略。如果车速稳定且路况良好，发动机处于高效工作区间，此时采用发动机单独驱动控制策略，能够提高燃油经济性。在这种策略下，发动机根据车辆的行驶阻力精确输出转矩，维持车辆的匀速行驶。下层执行层通过控制发动机的节气门开度和喷油时间，使发动机的输出转矩与车辆的行驶阻力相匹配，确保车辆的行驶稳定性。当下层执行层检测到车辆处于匀速行驶状态，且发动机的工作状态良好，能够在高效区间运行时，它会根据上层决策层的指令，调整发动机的控制参数，使发动机保持稳定的输出转矩。如果车速较低或路况复杂，为了提高车辆的响应性和驾驶舒适性，车辆可能会切换到混合动力控制策略。在混合动力控制策略下，电机可以辅助发动机工作，根据车辆的实际需求，适时地提供额外的动力或进行能量回收。当下层执行层检测到车辆行驶在拥堵路段，车速较低且频繁启停时，它会根据上层决策层的指令，控制电机在车辆启动和加速时提供辅助动力，减少发动机的负荷，提高车辆的响应性；在车辆减速时，控制电机进行能量回收，将车辆的动能转化为电能储存到电池中，提高能源利用效率，同时通过合理的控制，减少因动力切换和路况变化引起的扭转振动。在控制策略切换过程中，为了确保控制的平稳过渡和系统的稳定运行，需要采取一系列的协调措施。在不同控制策略之间设置过渡阶段，避免控制指令的突变。在从纯电动控制策略切换到混合动力控制策略时，不是立即启动发动机并让其与电机协同工作，而是先逐渐增加电机的负载，同时对发动机进行预热和准备工作。当发动机达到合适的工作状态后，再缓慢地将发动机接入动力系统，与电机实现平稳的协同工作。在这个过渡阶段，上层决策层六、仿真分析与验证6.1仿真平台搭建利用MATLAB/Simulink软件搭建全面且精确的仿真平台，该平台涵盖车辆模型、控制策略模型以及工况模拟模型等多个关键部分，以实现对混合动力汽车在各种工况下运行状态的准确模拟和分析。在车辆模型构建方面，基于之前建立的混合动力汽车传动系统动力学模型，利用Simulink丰富的模块库，对发动机、电动机、变速器、传动轴、扭转减振器等部件进行详细建模。对于发动机模块，根据其输出转矩与节气门开度、发动机转速等因素的关系，运用数学函数模块构建发动机输出转矩模型，并考虑发动机的转动惯量和阻尼特性，通过相应的惯性和阻尼模块进行模拟。电动机模块则依据其转矩输出与电流、转速的关系，采用电机专用模块或自定义的数学模型进行搭建，同时考虑电动机的转动惯量和反电动势等因素。变速器模块根据不同挡位下的传动比和效率，通过齿轮传动模块和效率模块进行建模，能够准确模拟变速器在不同挡位下的动力传递特性。传动轴和扭转减振器分别利用弹性轴模块和弹簧-阻尼模块进行建模，以准确反映其弹性和阻尼特性对传动系统扭转振动的影响。通过合理连接这些模块，构建出完整的混合动力汽车传动系统模型，能够准确模拟车辆在不同工况下的动力学行为。控制策略模型的搭建基于前文设计的基于状态预测的变结构扭转振动分层协调控制策略。上层决策层采用模型预测控制（MPC）算法，通过建立预测模型、确定优化目标和求解优化问题，实现对车辆动力系统的优化控制。在Simulink中，利用优化工具箱中的相关函数和模块，构建MPC控制器。根据车辆动力系统的数学模型，确定状态变量、控制输入和输出变量，建立预测模型的状态空间方程。通过设置优化目标函数和约束条件，利用优化算法求解最优控制输入。下层执行层针对电机和离合器等执行器，分别采用矢量控制方法和滑模变结构控制方法进行控制。电机矢量控制通过坐标变换模块、电流控制模块和PWM调制模块等实现对电机转矩和转速的精确调节；离合器滑模变结构控制通过设计滑模面函数和控制律，利用开关控制模块和积分模块等实现对离合器接合过程的精确控制。将上层决策层和下层执行层的控制模型进行整合，实现对混合动力汽车传动系统的分层协调控制。工况模拟模型用于模拟车辆在实际行驶过程中可能遇到的各种工况。利用Simulink的信号生成模块和逻辑控制模块，设定急加速、减速、换挡、爬坡等典型工况。在急加速工况模拟中，通过生成一个随时间快速上升的油门踏板信号，输入到车辆模型中，模拟驾驶员快速踩下油门踏板的操作，使车辆迅速加速。减速工况则通过生成一个随时间快速下降的油门踏板信号，结合制动信号的输入，模拟车辆的减速过程。换挡工况根据预设的换挡逻辑，通过控制变速器模块的挡位切换信号，实现不同挡位之间的切换，同时考虑换挡过程中的离合器控制和动力匹配。爬坡工况通过设置车辆行驶的坡度信号，并结合相应的阻力计算模块，模拟车辆在爬坡时所面临的额外阻力，使车辆模型能够准确反映爬坡工况下的动力学特性。通过合理设置这些工况模拟模块的参数和信号，能够真实地模拟车辆在各种实际工况下的运行状态，为控制策略的仿真验证提供丰富的工况条件。6.2仿真工况设定为了全面评估基于状态预测的变结构扭转振动分层协调控制策略在不同工况下的性能，设定了急加速、减速、换挡、爬坡等典型工况，以模拟混合动力汽车在实际运行中可能遇到的各种复杂情况。急加速工况模拟车辆在需要快速获得动力时的运行状态。在仿真中，将油门踏板开度在短时间内从初始值迅速增加到最大值，例如在0-3秒内，油门踏板开度从20%线性增加到100%。此时，车辆的动力需求急剧增加，发动机和电动机需要迅速响应，协同输出足够的转矩，以满足车辆快速加速的要求。由于急加速过程中动力源的转矩变化剧烈，容易引发传动系统的强烈扭转振动，因此该工况对控制策略的快速响应能力和振动抑制效果是一个严峻的考验。减速工况用于模拟车辆在行驶过程中需要降低速度的情况。在仿真中，通过迅速减小油门踏板开度，并结合适当的制动操作来实现减速。例如，在5-8秒内，将油门踏板开度从80%迅速减小到0，同时施加一定的制动力。在减速过程中，由于车辆的动能迅速转化为热能，传动系统的转速和转矩会发生快速变化，容易产生扭转振动。特别是在制动初期，由于制动力的突然施加，会对传动系统产生较大的冲击，可能引发强烈的扭转振动。因此，减速工况可以检验控制策略在应对这种工况变化时，能否有效抑制扭转振动，保证车辆的平稳减速。换挡工况是混合动力汽车运行中的一个重要工况，也是扭转振动的高发工况之一。在仿真中，根据预设的换挡逻辑，当车辆的速度和发动机转速达到一定条件时，触发换挡操作。例如，当车速达到40km/h且发动机转速达到2500rpm时，进行升挡操作；当车速降低到30km/h且发动机转速低于2000rpm时，进行降挡操作。在换挡过程中，需要控制离合器的接合和分离，以及发动机和电动机的转矩输出，以实现平稳的动力切换。由于换挡瞬间动力传递的变化，容易导致传动系统的扭矩突变，从而引发扭转振动。因此，换挡工况可以评估控制策略在实现动力平稳切换方面的能力，以及对换挡过程中扭转振动的抑制效果。爬坡工况模拟车辆在爬坡时的运行状态，此时车辆需要克服较大的坡度阻力，对动力系统的性能要求较高。在仿真中，设置车辆行驶的坡度为15%，并保持一定的行驶速度，例如30km/h。在爬坡过程中，发动机和电动机需要协同工作，输出足够的转矩，以克服坡度阻力和车辆的行驶阻力。由于爬坡时动力系统的负荷较大，发动机和电动机的工作状态变化频繁，容易引发传动系统的扭转振动。此外，爬坡工况下车辆的行驶稳定性也面临挑战，因此该工况可以检验控制策略在保证车辆动力性能的，能否有效抑制扭转振动，确保车辆的平稳爬坡和行驶安全。6.3仿真结果分析通过对不同工况下的仿真结果进行深入分析，全面评估基于状态预测的变结构扭转振动分层协调控制策略对混合动力汽车传动系统扭转振动的抑制效果，以及对车辆性能指标的影响。在急加速工况下，对比控制前后传动轴的扭转振动幅值和频率特性。控制前，由于发动机和电动机的转矩迅速增加，传动轴受到较大的冲击扭矩，扭转振动幅值在短时间内急剧增大，最高可达10°，且振动频率分布较为复杂，主要集中在20-50Hz的频段。而采用控制策略后，通过上层决策层的模型预测控制（MPC）算法，提前预测到急加速工况的发生，并根据预测结果优化发动机和电动机的工作状态，合理分配转矩。下层执行层通过矢量控制方法精确控制电机的转矩输出，以及滑模变结构控制方法控制离合器的接合过程，使得传动轴的扭转振动得到有效抑制。扭转振动幅值明显降低，最高仅为3°，且振动频率主要集中在10-20Hz的低频段，振动的剧烈程度得到显著缓解。这表明控制策略能够在急加速工况下，快速响应动力需求的变化，有效减少传动系统的扭转振动，提高车辆的加速平稳性和动力性能。减速工况下，观察控制前后车辆的速度变化曲线和传动系统的扭矩波动情况。控制前，当油门踏板迅速减小并施加制动时，车辆速度快速下降，但传动系统由于受到制动力的冲击和发动机、电动机的惯性作用，扭矩波动较大，最大扭矩波动可达50N・m，这导致车辆出现明显的顿挫感，驾乘舒适性受到严重影响。控制后，控制策略根据车辆的减速需求，通过MPC算法协调发动机和电动机的工作，使发动机和电动机能够平稳地降低转矩输出。同时，下层执行层通过精确控制电机的发电制动转矩和离合器的分离过程，有效减小了传动系统的扭矩波动，最大扭矩波动降低至10N・m以内。车辆速度能够平稳下降，顿挫感明显减轻，驾乘舒适性得到显著提升。这说明控制策略在减速工况下，能够准确地控制动力系统的工作状态，有效抑制扭转振动，保证车辆的平稳减速，提高驾乘舒适性。换挡工况的仿真结果重点分析换挡过程中的动力中断时间和扭转振动峰值。控制前，换挡过程中由于离合器的接合和分离操作不够精确，以及发动机和电动机的转矩协调不当，导致动力中断时间较长，可达0.5秒，同时扭转振动峰值较高，达到8°，这使得车辆在换挡时出现明显的顿挫和抖动，影响驾驶体验。控制后，基于状态预测的控制策略能够提前预测换挡时刻，并根据车辆的实时状态和预测结果，通过MPC算法优化发动机、电动机和变速器的工作状态。下层执行层利用矢量控制和滑模变结构控制，精确控制电机的转矩和离合器的接合过程，使得动力中断时间显著缩短，仅为0.1秒，扭转振动峰值也降低至2°。车辆在换挡过程中动力切换平稳，顿挫和抖动现象明显减少，提高了换挡的平顺性和驾驶舒适性。这表明控制策略在换挡工况下，能够实现动力的平稳切换，有效抑制换挡过程中的扭转振动，提升车辆的驾驶性能。爬坡工况下，分析控制前后发动机和电动机的功率分配以及车辆的爬坡能力。控制前，发动机和电动机的功率分配不够合理，发动机在高负荷下工作，而电动机的辅助作用未能充分发挥，导致车辆的爬坡能力有限，且传动系统的扭转振动较大。控制后，控制策略根据爬坡工况的需求和车辆的实时状态，通过MPC算法实现发动机和电动机的功率优化分配。在爬坡过程中，发动机和电动机能够协同工作，充分发挥各自的优势，使得车辆的爬坡能力得到显著提升。同时，通过对传动系统的精确控制，有效抑制了扭转振动，保证了车辆在爬坡过程中的稳定性和可靠性。这说明控制策略在爬坡工况下，能够优化动力系统的工作，提高车辆的爬坡能力，同时有效抑制扭转振动，确保车辆在复杂路况下的正常行驶。综合不同工况下的仿真结果，可以得出基于状态预测的变结构扭转振动分层协调控制策略能够显著抑制混合动力汽车传动系统的扭转振动，提高车辆在各种工况下的动力性能、驾驶舒适性和行驶稳定性。该控制策略通过准确的状态预测和合理的控制算法，实现了发动机、电动机和变速器等部件的协同工作，有效解决了混合动力汽车在实际运行中面临的扭转振动问题，具有良好的应用前景和实用价值。七、实验研究7.1实验平台搭建为了全面、准确地验证基于状态预测的变结构扭转振动分层协调控制策略在实际应用中的效果，搭建了硬件在环实验平台。该平台主要由实时仿真系统、动力系统模拟装置、数据采集与控制系统以及车辆运行工况模拟系统等部分组成，各部分之间紧密协作，共同模拟混合动力汽车的实际运行环境。实时仿真系统选用dSPACE实时仿真平台，其具备强大的计算能力和高速的数据处理能力，能够快速准确地运行混合动力汽车传动系统的实时仿真模型。该模型基于之前建立的动力学模型进行优化和简化，以满足实时仿真的要求。在实时仿真系统中，对发动机、电动机、变速器等关键部件的模型进行了精确建模，考虑了部件的动态特性、非线性因素以及它们之间的相互作用关系。通过实时仿真系统，可以实时模拟混合动力汽车在不同工况下的运行状态，为控制策略的验证提供了真实的系统响应数据。动力系统模拟装置采用电机和加载设备来模拟发动机和电动机的输出特性。其中，电机选用高性能的永磁同步电机，其具有高功率密度、高效率和良好的动态响应特性，能够准确地模拟电动机在混合动力汽车中的工作状态。加载设备则采用磁粉制动器，它可以根据实时仿真系统的指令，精确地调节加载扭矩，模拟发动机在不同工况下的负载变化。通过动力系统模拟装置，可以在实验室内模拟出混合动力汽车动力系统的各种实际运行工况，为控制策略的实验验证提供了可靠的动力源。数据采集与控制系统是实验平台的重要组成部分，它负责采集实验过程中的各种数据，并将控制指令发送给动力系统模拟装置和车辆运行工况模拟系统。数据采集部分使用高精度的传感器，如转矩传感器、转速传感器、角位移传感器等，实时测量动力系统模拟装置的输出转矩、转速以及传动系统的扭转振动等参数。这些传感器具有高精度、高可靠性和快速响应的特点，能够准确地捕捉到实验过程中的各种信号变化。数据采集系统通过高速数据采集卡将传感器采集到的数据传输到计算机中进行存储和分析。控制部分则采用可编程逻辑控制器（PLC），它根据实时仿真系统的控制指令，通过控制算法生成相应的控制信号，驱动动力系统模拟装置和车辆运行工况模拟系统的执行器，实现对实验过程的精确控制。PLC具有可靠性高、灵活性强和易于编程的特点，能够满足实验平台对控制精度和实时性的要求。车辆运行工况模拟系统利用可编程的道路模拟设备来模拟不同的行驶路况，如平路、坡道、弯道等，以及不同的驾驶行为，如加速、减速、匀速行驶等。该系统可以根据实验需求，精确地控制道路模拟设备的运动参数，模拟出各种复杂的行驶工况。在模拟爬坡工况时，通过控制道路模拟设备的坡度和行驶阻力，使动力系统模拟装置感受到与实际爬坡相同的负载变化，从而验证控制策略在爬坡工况下的性能。通过车辆运行工况模拟系统，可以在实验室内模拟出混合动力汽车在各种实际行驶工况下的运行状态，为控制策略的全面验证提供了丰富的实验条件。7.2实验方案设计设计了一套全面且严谨的实验方案，以确保能够充分验证基于状态预测的变结构扭转振动分层协调控制策略在混合动力汽车中的有效性和可靠性。实验步骤按照先进行空载实验，再进行负载实验的顺序进行。在空载实验阶段，首先启动实时仿真系统和数据采集与控制系统，确保系统正常运行并完成初始化设置。然后，通过车辆运行工况模拟系统设定初始工况为平路匀速行驶，速度设定为50km/h。启动动力系统模拟装置，使其按照设定的工况运行，此时电机模拟电动机输出稳定的转矩，加载设备处于空载状态。在运行过程中，利用数据采集系统实时采集动力系统模拟装置的输出转矩、转速以及传动系统的扭转振动等数据，持续采集时间为5分钟，以获取稳定工况下的基础数据。完成空载实验后，进行负载实验。在负载实