基于在线ECMS的混合动力公交车能量管理策略优化与HIL仿真*

陈 龙，李文瑶，徐 兴，王 位，单海强

(1.江苏大学汽车与交通工程学院，镇江 212013； 2.江苏大学汽车工程研究院，镇江 212013)

2016182

基于在线ECMS的混合动力公交车能量管理策略优化与HIL仿真*

陈 龙1,2，李文瑶1，徐 兴1,2，王 位1，单海强1

(1.江苏大学汽车与交通工程学院，镇江 212013； 2.江苏大学汽车工程研究院，镇江 212013)

以能耗最小为目标，对插电式串联混合动力城市公交车能量管理策略进行优化，实现了电池与发动机功率间的最佳分配。同时，采用模糊控制理论引入分配控制参数，对电池功率分配进行进一步的优化控制，在考虑电池温度对系统影响的同时简化了电池SOC的估算，从功率分配上达到动力电池健康管理和延长寿命的目的。采用Matlab/Simulink平台搭建整车动力学模型，AMESim平台构建电池模型，利用D2P快速原型控制器和NI实时仿真机进行了电池和整车控制器的硬件在环试验。结果验证了优化算法的有效性和实时性，为串联式混合动力公交车整车优化控制提供了参考。

混合动力汽车；能量管理；模糊控制；硬件在环仿真

前言

与传统内燃机车辆相比, 插电式混合动力汽车可以实现更好的燃油经济性和排放性[1]。混合动力汽车能量管理优化是一个相对成熟的领域，优化控制方法包括规则法[2]、等油耗最小策略[3]、动态规划法[4]、庞特亚金极小值原理法[5]和自适应优化法[6]等。本文中依据等效油耗控制策略(ECMS)构建了插电式混合动力城市公交车的能量分配优化策略，并与基于规则的控制策略进行对比分析。

动力电池在插电式混合动力汽车中扮演着更为重要的角色[7]，对电池工作的控制大大影响了电池甚至整车性能。电池容量主要受到荷电状态(SOC)和温度的影响[5]。在多数策略研究中，电池SOC通常作为约束条件或控制参数[8-9]，由于电池的温度特性具有很强的非线性，一些研究中通常不考虑温度的影响[5]，而对于在SOC估算中进行温度修正的方法，其估算本身的准确度有限且极为复杂[10]，本文中通过实验获取动力电池随温度变化的特性曲线，用模糊控制方法实现了功率分配控制参数的实时修正，达到在运动过程中依据温度，对电池功率分配进行调整的目的。

在混合动力汽车开发中，纯软件的仿真不能实时反映车辆的状态，而真实车辆匹配又处于开发后期[11]，因此需要采用更加有效的方式进行控制策略的调试、修改和完善。本文中搭建了混合动力汽车整车和电池控制器及电池模拟器的硬件在环试验台架，对控制器策略实时性与有效性进行验证。

1 整车参数及传动系结构

插电式混合动力城市公交车的动力传动系统为典型的串联式混合动力汽车结构，如图1所示。根据该混合动力系统的结构特点，整车纵向动力学基本数学模型为

Treq=ireducer·ηreducer·Tem=Ft·r

(1)

(2)

式中：Treq为需求转矩；Tem为驱动电机转矩；ireducer为减速器减速比；ηreducer为减速器效率；Ft为驱动力；r为车轮滚动半径；ρair为空气密度；Cd为空气阻力系数；A为迎风面积；v为实际车速；Cr为滚动阻力系数；m为整车质量；g为重力加速度；θ为坡度角。

图1 插电式串联混合动力城市公交车传动结构示意图

插电式串联混合动力城市公交车主要动力部件有：发动机、起动/发电一体机(ISG电机)、驱动电机和电池，其主要参数如表1所示。部分动态参数选用实验得到的特性曲线进行查表，图2所示为发动机燃油消耗图，图3为驱动电机效率图。

表1 整车及动力总成主要参数

图2 发动机燃油消耗图

图3 驱动电机效率图

2 能量管理策略

2.1 基于规则的能量管理策略

基于规则的能量管理策略通过制定控制条件和规则，把插电式串联混合动力公交车的工作状态分为4种，利用有限状态机，依据相应的触发条件和规则进行工作状态间的切换，如图4所示。为了防止发动机频繁起停，进入发动机起动或关闭状态后需要额外满足发动机最小工作时间的限制。对应这几种工作状态，整车控制器输出包含状态标志位、发动机指示功率请求、ISG转速与转矩请求和驱动电机转矩请求等控制信号。

图4 基于规则能量管理策略状态转换示意图

2.2 在线ECMS优化能量管理策略

ECMS的核心思想是将混合动力汽车电力驱动消耗的那部分能量等效为燃油消耗量，与发动机实际燃油消耗量相加，得到每一时刻混合动力汽车的等效燃油消耗，作为目标函数，求解其取得最小时输出功率的最优分配。在串联式混合动力汽车中，功率分配指的是ISG电机和电池之间的功率分配。目标函数由式(3)表示，同时应满足式(4)的约束条件。

(3)

(4)

式中:meq为等效燃油消耗量；mice为发动机实际燃油消耗量；mbatt为电池等效燃油消耗量；SOC为电池荷电这状态，它代表电池的剩余电量；Pbatt为电池功率；ωx和Tx分别为动力部件角速度与转矩。

在式(3)目标函数式中，瞬时油耗的组成包含了发动机消耗的真实油耗和电池充放电消耗或补偿的等效油耗。发动机消耗的真实油耗可以通过发动机外特性曲线图查得，而电池的等效油耗为

(5)

式中：Qlhv为燃油低热值；f为等效因子，为电池驱动分配控制参数。

电池在放电过程中消耗能量，因此等效油耗为正；在充电过程中相当于补偿能量，等效油耗为负。

ECMS的具体实施算法流程如图5所示，ISG电机功率、电池功率和驱动电机输入功率之间满足如下关系：

Pisg+Pbatt=Pem

(6)

式中Pisg和Pem分别为ISG电机功率和电机驱动功率。

驾驶模型通过比例-积分-微分(PID)控制器跟踪城市典型(公交车)标准工况(CTBDS-UD)的速度曲线，得到需求功率。

图5 最小等油耗策略算法流程图

2.3 控制参数f的优化

动力电池的充放电性能受温度的影响很大，图6为试验测得某磷酸铁锂电池容量随温度的变化规律曲线[12]。对于混合动力整车能量分配控制策略而言，电池SOC值是影响分配系数的重要参数。理论上在进行动力电池SOC值估算时需按电池的温度特性进行修正。但实际上电池SOC值估算的准确度有限，而电池的温度特性又有很强的非线性，因此考虑温度特性的SOC值估算更为困难。采用模糊控制策略，将常温25℃下SOC的估算值与实际温度值作为模糊控制器的输入，经过模糊规则判断和计算，输出控制参数f。电池SOC的定义[13]表示为

(7)

式中：I(τ)为电池电流；Q(t)为电池在t时刻的电池电量；Qmax为最大电池电量，即电池容量，本文中Qmax取25℃时的值。

图6 磷酸铁锂电池电池容量随温度变化规律

由式(7)可知，电池SOC表示电池潜在电能的多少，控制策略在高电量时促进电池驱动的使用，在低电量时惩罚电池驱动的使用，在过低电量时电池会通过ISG电机充电。由图6可见，当电池低于25℃或高于50℃时减少电池驱动的使用，当电池处于25℃或50℃之间时鼓励电池驱动的使用。

按式(8)和式(9)将电池电量与温度进行归一化处理，作为模糊控制器的输入。按式(10)～式(15)进行模糊集的定义，共分为7个等级：极低(VL)、低(L)、较低(LL)、中等(M)、较高(LH)、高(H)和极高(VH)。

(8)

(9)

xSOC={VL,L,LL,M,LH,H,VH}

(10)

xtemp={VL,L,LL,M,LH,H,VH}

(11)

f={VL,L,LL,M,LH,H,VH}

(12)

xSOC={-1,-0.7,-0.3,0,0.3,0.7,1}

(13)

xtemp={-1,-0.75,-0.25,0.125,0.5,

0.875,1}

(14)

f={0,+0.2,+0.4,+0.5,+0.6,+0.8,+1}

(15)

通过模糊控制处理后的控制器输出参数f与电池SOC及温度的变化规划规律，如图7所示。

图7 模糊控制器参数输入输出图

3 HIL测试与性能验证

基于标准循环工况速度曲线跟踪的正向模型仿真，对整车控制器策略的验证较为粗略且实时性差。因此，为了验证控制器策略的有效性及运行的实时性，采用快速原型和硬件在环仿真试验方法，在控制器研发初期，对控制器代码时效性进行验证，有利于提高验证的准确性并降低整个开发过程的成本。

3.1 硬件平台

硬件在环试验平台示意图如图8所示。由硬件和软件两部分组成。硬件平台主要包括NI实时仿真机，1个电池BMU控制器，2个电池BCU控制器，Chroma高压可编程电源，Bloomy电池模拟器和整车快速原型控制器。其中，NI实时仿真机中包含实时处理器卡PXIe-8135 RT、CAN通信板卡PXI 8513/2、模拟量输出PXI 6723、多功能RIO板卡PXI 7853R、故障注入板卡PXI 5210和模拟电阻板卡PXI 2722。

3.2 软件平台

软件平台包括人机交互显示平台、数学模型和通信系统等(见图8)。人机交互显示平台采用NI Veristand运行环境，实现了用户虚拟仪表建立，驾驶员控制信号输入和变量参数的实时监控。数学模型包括AMESim电池模型和Matlab/Simulink整车模型。上位机IP地址与实时仿真机IP地址工作在同一网段内并实现通信。

图8 硬件在环试验平台示意图

离线模型通过编译后向NI实时仿真机下载车辆系统实时模型，通过上位机界面中驾驶员操作平台向模型输入驾驶员控制信号，经过实时机运行后，向上位机实时数据监控平台输出相关变量和参数的实时数据，实现数据记录和参数调整。

3.3 实时仿真测试与分析

图9所示为驾驶员模型实际车速PID跟踪目标车速的速度曲线图，结果表明跟踪效果良好，驾驶员模型较准确地模拟了CTBDS-UD工况的运行速度。

图9 CTBDS-UD工况速度跟踪曲线图

图10对比了SOC为0.35时，两种策略控制下连续3个工况发动机的转速特性，规则法在触发门限时起停发动机，将电池SOC维持在0.4～0.5。ECMS受最低SOC条件限制进行优化，可以看出在起初电量充足的工况中倾向于使用电驱动，同时受到分配系数的影响，在终了阶段将电量维持在最低值。图11为一个CTBDS-UD工况下驱动电机的转速图。由于串联式混合动力汽车由电机驱动，驱动电机转速变化与行驶工况相一致，说明整体动力系统按驾驶员命令输出动力效果良好。图12记录了同时考虑SOC与温度和仅考虑SOC两种工况下控制参数f的变化。由图可见，与仅考虑SOC相比，在同时考虑SOC和温度的情况下，随着温度从20℃升高至24℃，控制参数值有所增加，鼓励使用电池，符合电池在该温度范围内特性的变化，对长旅程具有重要意义。

图10 两种策略发动机转速对比图

图11 驱动电机转速图

图12 控制参数f随SOC及温度变化曲线图

表2列出了不同条件和策略下的百公里油耗。对于插电式混合动力汽车而言，在电量充足情况下通常采用纯电动驱动模式，记录百公里油耗的意义不大，为了有效对比发动机起停策略，所有试验起始SOC取0.35。由表2可见，ECMS具有优于规则法的燃油经济性；考虑电池温度进行策略修正在温度过低时可能导致油耗增加，但能有效避免电池在较差性能下过度使用。在温度略高于常温时，鼓励电池的使用来降低油耗，符合电池在20～25℃电池容量增加的特点。

表2 百公里油耗对照表

4 结论

(1)ECMS策略与基于规则的方法相比，能减少能量的消耗，且实时性好。

(2) 在控制参数f计算中考虑电池温度，一方面有效避免了电池SOC估算误差大且非线性强的缺点；另一方面有利于在分配策略中合理保护和利用电池，具有实际意义。

(3) 使用实时硬件在环平台可检测出控制策略的实时性，符合控制器开发初期控制策略修改频繁的需求，同时有利于降低开发成本。

[1]CHENZ,XIAB,YOUC,etal.Anovelenergymanagementmethodforseriesplug-inhybridelectricvehicles[J].AppliedEnergy, 2015, 145:172-179.

[2]AHMADIS,BATHAEESMT.Multi-objectivegeneticoptimizationofthefuelcellhybridvehiclesupervisorysystem:fuzzylogicandoperatingmodecontrolstrategies[J].InternationalJournalofHydrogenEnergy, 2015, 40(36):12512-12521.

[3]ONORIS,TRIBIOLIL.Adaptivepontryagin’sminimumprinciplesupervisorycontrollerdesignfortheplug-inhybridGMchevroletvolt[J].AppliedEnergy, 2015, 147:224-234.

[4]PEID,LEAMYMJ.Dynamicprogramming-informedequivalentcostminimizationcontrolstrategiesforhybrid-electricvehicles[J].JournalofDynamicSystemsMeasurement&Control, 2013, 135(5):662-668.

[5]PAGANELLIG,GUERRATM,DELPRATS,etal.Simulationandassessmentofpowercontrolstrategiesforaparallelhybridcar[J].ProceedingsoftheInstitutionofMechanicalEngineersPartDJournalofAutomobileEngineering, 2008, 19(1):23-34.

[6]RIZZONIG,ONORIS.Energymanagementofhybridelectricvehicles: 15yearsofdevelopmentattheOhioStateUniversity[J].Oil&GasScience&Technology, 2014, 70(1):41-54.

[7]MARANOV,TULPULEP,STOCKARS,etal.Comparativestudyofdifferentcontrolstrategiesforplug-inhybridelectricvehicles[C].SAEPaper2009-24-0071.

[8] KESSELS J T B A, KOOT M W T, VAN D B P P J, et al. Online energy management for hybrid electric vehicles[J]. IEEE Transactions on Vehicular Technology, 2008, 57(6):3428-3440.

[9] MURA R, UTKIN V, ONORI S. Energy management design in hybrid electric vehicles: a novel optimality and stability framework[J]. IEEE Transactions on Control Systems Technology, 2015, 23(4):1307-1322.

[10] 陈宝民. 电动汽车电池管理系统设计[D]. 秦皇岛：燕山大学, 2014.

[11] 邢杰,何洪文,孙逢春.混合动力汽车控制策略硬件在环仿真开发平台[J].北京理工大学学报,2010,30(8):887-890.

[12] 孙庆, 杨秀金, 代云飞,等. 温度对磷酸铁锂电池性能的影响[J]. 中国自行车, 2012(7):42-49.

[13] SCIARRETTA A, GUZZELLA L. Control of hybrid electric vehicles[J]. IEEE Control Systems, 2007, 27(2):60-70.

Optimization and HIL Simulation of Energy Management Strategy for Hybrid Electric Bus Based on Online ECMS

Chen Long1,2, Li Wenyao1, Xu Xing1,2, Wang Wei1& Shan Haiqiang1

1.SchoolofAutomotiveandTrafficEngineering,JiangsuUniversity,Zhenjiang212013;2.AutomotiveEngineeringResearchInstitute,JiangsuUniversity,Zhenjiang212013

With minimizing energy consumption as objective, the energy management strategy for a plug-in serial hybrid electric bus (HEB) is optimized to realize the optimal power split between battery and engine. Meanwhile by applying the theory of fuzzy control, a control parameter for power split is introduced to further conduct optimal control on the power split for battery. While considering the effects of battery temperature on system functioning, the estimation of battery SOC is simplified, and the goal of power battery health management and service life extension is achieved by power split. A vehicle dynamics model and battery model are set up with the platforms of Matlab/Simulink and AMESim respectively and a hardware-in-the-loop testing is performed on the controllers for vehicle and battery by utilizing D2P rapid prototype controller and NI real-time simulator. The results validate the effectiveness and real-time performance of the optimization algorithm used, providing references for optimal control of serial HEB.

HEV; energy management; fuzzy control; hardware-in-the-loop simulation

*国家自然科学基金(51475213)、江苏省六大人才高峰项目(2014-JXQC-004)和国家新能源汽车技术创新工程资助。

原稿收到日期为2016年7月4日，修改稿收到日期为2016年8月9日。