军用电传动车辆混合动力系统能量管理技术*

项　宇，刘春光，魏曙光，杨国军

（1.装甲兵工程学院陆战平台全电化技术重点实验室，北京　100072；2.中国兵器工业第六一七厂，内蒙古　包头　014032）

军用电传动车辆混合动力系统能量管理技术*

项宇1，刘春光1，魏曙光1，杨国军2

（1.装甲兵工程学院陆战平台全电化技术重点实验室，北京100072；2.中国兵器工业第六一七厂，内蒙古包头014032）

摘要：混合动力系统是军用电传动车辆具有优越性能的基础，能量管理技术则负责实现负载需求在系统中各动力源间的合理分流及部件的优化控制，是军用车辆混合动力系统研究的关键技术之一。分析了军用车辆混合动力系统的特点，研究了其对系统能量管理的影响，总结了当前能量管理技术研究现状，最终，针对当前能量管理技术存在的问题提出了相应的解决方案。

关键词：军用电传动车辆，混合动力系统，能量管理

0　引言

随着新军事变革持续推进，部队急需新型的陆战平台，而目前机械传动车辆发展潜力有限，因此，在机动、防护、火力等性能均有远大发展前景的军用电传动车辆是未来陆战平台的发展方向之一，成为各军事强国研究的热点［1-3］。同时，新技术的不断应用使军用电传动车辆在结构型式、动力源构成、部件单点技术等方面均发生了深刻变化，军用车辆混合动力系统成为军用电传动车辆的能源基础［4-6］。

设计高水平的能量管理控制算法，实现不同负载需求在军用车辆混合动力系统中各动力源之间的合理分流以及部件的优化控制，是提高车辆机动性、防护能力和火力性能的保障，是否能有效发挥电传动车辆优势的关键，也是军用车辆混合动力系统研究的关键技术之一［7-9］。本文将对军用车辆混合动力系统的特点及其对能量管理的影响、能量管理技术研究现状及存在的问题与解决方案进行介绍。

1　系统结构及其对能量管理的影响

1.1系统结构

理想的军用电传动车辆应该是仅由电池等储能装置供电，但是当前电池、电容等储能技术还不能满足军用电传动车辆机动、作战等任务需求，发动机-发电机组仍然是军用车辆混合动力系统中不可或缺的部件，同时，储能装置的使用能够极大地提升系统的性能。军用车辆混合动力系统各动力源输出在结构型式上有多种匹配方式，而根据各国推出的演示样车可知［10-11］，目前多采用如图1所示的串联式军用车辆混合动力系统方案。方案中采用发动机-发电机组作为系统主动力源，满足长时负载需求；采用动力电池、超级电容等储能装置作为辅助动力源，满足瞬时负载需求并弥补主动力源功率不足；主动力源和辅助动力源组合作为整车能源基础，为驱动电机、电磁装甲等负载供电。

图1　串联式军用车辆混合动力系统方案

1.2系统特点对能量管理的影响

军用车辆混合动力系统的不断发展变化对系统能量管理策略的影响较大，当前混合动力系统能量管理是“机遇与挑战并存”。

积极影响：①在串联式混合动力系统中，仅由电动机驱动车辆行驶，实现了车辆行驶和动力源输出间的解耦，便于实现对各部件的优化控制；②系统存在多动力源，在满足负载需求的方式上有更多的选择，有利于负载需求在不同动力源之间的合理分配，为能量管理提供了广阔的发挥空间。

消极影响：①系统动力源构成复杂，能量管理对象和优化目标增多；②用电负载增多，用电需求大幅增加，负载特性各异；③装备信息化的发展，对电网供电品质提出了更高的要求；④军用车辆混合动力系统是一个非线性多领域时变系统，参数漂移、外界干扰、状态量难以精确测量等都是制约能量管理效果的因素。这些都使混合动力系统的能量管理控制难度急剧增加。

2　能量管理技术研究现状

随着现代控制理论的发展，国内外对能量管理技术研究也逐渐深入。据可查阅的文献，目前能量管理技术研究主要分为基于规则的控制策略和基于优化的控制策略［12-13］。

2.1基于规则的控制策略

基于规则的能量管理策略是指根据经验、数学模型、先验知识等确定相应的规则，实现对系统功率分配方式、流向和各部件的工作状态的控制［14］，其优点是实现简单、实时性好。基于规则的控制策略可以分为确定性规则控制策略、模糊规则控制策略和基于负载功率滤波的控制策略［15-17］。

2.1.1确定性规则控制策略

基于对系统功率流分析、发动机Map图以及经验知识确定规则，进行功率分流，规则的边界条件是确定的、清晰的。根据规则的制定依据和目标，可分为：①恒温器控制策略［18］，其根据状态值与设定的规则边界条件比较，简单地决定系统部件的工作模式，该方法控制目标过于简单，只适用于特定工况；②功率跟随式控制策略［19］，该方法旨在解决电池频繁地充放电导致损耗过大和电池寿命降低的问题，控制主动力源输出跟随负载需求，必要时给电池充电，保持电池荷电状态（SOC）在合理范围内，功率不足时，电池弥补负载需求，这一方法可获得良好的燃油经济性，目前应用较广，但是当负载较小且电池SOC处在目标区域时，发动机效率较低；③改进的功率跟随策略［20］，在主动力源跟随负载功率的基础上改进发动机工作点的给定方式，控制发动机运行在高效区，负载较小时由动力电池满足负载需求，减少发动机转速动态调整过程，取得了一定的改进效果；④状态机规则控制策略［21］，将混合动力系统理解为混杂动态系统，通过建立系统的混合自动机等模型，能够有效地对其进行管理，解决了系统多工作模式的切换以及故障情况下的动力源控制，但是该方法无法实现对燃油消耗等指标的优化控制。

2.1.2模糊规则控制策略

模糊控制具有鲁棒性、适应性强等优点，适合解决军用车辆混合动力系统这一多领域、非线性时变系统的能量管理控制问题。当前应用的基于模糊控制的能量管理控制策略主要包括：①传统的模糊控制策略［22］，该方法能够避免由于参考信息测量不精确导致的其他问题，但是由于模糊控制的输入/输出量隶属函数的确定没有依据，完全由策略制定者的经验知识确定，因此，无法实现对系统的最优控制，虽然有学者利用粒子群算法等智能寻优算法改善隶属度函数设置的合理性，但仍然不能解决模糊规则主观性较强、规则划分粗略的问题；②模糊自适应控制策略［23］，在进行多目标优化时，模糊自适应控制可在不同的情况下取不同的优化重点，比如可针对军用车辆的使用特点制定战斗模式、动力模式、经济模式和静音模式，在不同的模式下优化不同的目标。

2.1.3基于负载功率滤波的控制策略

由于电传动车辆中负载功率需求是不稳定的瞬态过程，在前述基于规则的控制策略下，对动力源冲击较大，会引起发动机转速的剧烈波动或者电池的损坏。因此，根据不同动力源的工作特性，将负载需求按照一定规则进行分解，作为各动力源的输出目标值，使各动力源工作状态更加合理，不足的是这种方法只适用具有超级电容等高功率密度部件的系统。目前有非线性比例因子控制策略和基于小波变换的控制策略能够实现负载功率的合理分流［24］。

2.2优化的控制策略

优化控制策略一般在满足负载需求的基础上，以燃油经济性等指标或融合了多种指标的统一参考量作为优化目标，根据该参考量确定各部件的工作状态。主要包括全局优化［25］和实时优化控制策略［26］。

2.2.1全局优化控制策略

为获得系统优化指标在整个工作过程中的最优解，往往根据驾驶循环以及代价函数获得全局最优工作点，动态规划、模拟退火、博弈论、遗传算法等算法都可以实现全局优化［27］，其中动态规划及其改进算法应用较多［28-29］。全局优化策略算法致命缺点是在实际控制系统中，高阶模型计算的数据量及计算速度的要求是现有的车载微处理器无法实时实现的，而且使用全局优化算法的前提条件是预知车辆整个驾驶循环，这在车辆运行中也非常困难。但全局优化控制策略是可以对其他能量管理策略的控制效果进行评价，也可作为基于规则的能量管理策略中控制规则的制定依据。

2.2.2实时优化策略

为克服前述能量管理策略存在的缺陷，考虑整个混合动力系统的能量消耗，进行系统的瞬时优化控制，提升系统能量利用率。主要包括：①基于等效燃油消耗最小的控制策略（与基于等效功率损失最小法原理相似）［30-31］，该策略将电机等电力设备消耗的能量转换为等效的发动机油耗与发动机的实际油耗之和，定义为名义油耗。从保证在每个工作时刻的名义油耗最小出发，确定各动力源的工作点，实现系统的瞬时最优控制，虽然该方法在每一步长内是最优的，但无法保证在整个运行期间内最优；②解耦控制策略［32］，当进行多目标优化时，针对不同的优化目标，采取不同的控制策略和方法分别控制，在一定程度上也能够获得近优的控制效果；③鲁棒控制策略［33］，由于混合动力系统具有非线性、强时变特性，因此，鲁棒控制成为克服不确定非线性因素影响，提高系统总体性能的一种有效手段，实现方法有μ综合、线性矩阵不等式和H∞控制等，不足的是鲁棒控制是基于线性模型设计控制律，若将混合动力系统这一非线性时变系统简化为线性时，不变系统影响了算法的实用性；④基于工况预测的控制策略［34-36］，车辆未来行驶工况（或负载）是进行系统功率分配和优化控制的依据。GPS、GIS（地理信息）和ITS（智能交通系统）可用于民用电传动车辆中预测未来行驶工况，但不适用于军用车辆。基于工况和驾驶员行为辨识的功率预测方法更适用于军用车辆混合动力系统能量管理，其中，研究较多的是提取典型循环工况的特征参数用于优化循环油耗和排放控制参数，并采用神经网络确定与当前驱动工况相似的驱动循环，调用与其相似的优化参数进行控制。但是，这些预测方法的适应性还有待商榷，预测效果还不能实现对军用车辆混合动力系统功率分配最优控制。

3　存在的问题及解决方案

3.1存在的问题

（1）参考信息获取困难。许多控制策略虽然在模拟仿真时取得了很好的控制效果，但在实车应用中，由于难以精确获取负载需求等控制参考信息，最终无法实车应用。部分控制策略则避开这些信息，最终虽可以实车应用，但控制效果不够理想。

（2）算法复杂，实时性差。为使性能指标达到最优，采用优化的能量管理算法进行寻优控制，但是寻优算法计算量较大，当前的控制芯片运算能力还不能满足需求，且这类控制算法往往过于片面，最终导致全局优化和瞬态优化的分离，以及模拟仿真与实时控制的脱离。

（3）优化目标单一，适应性差。电传动装甲车辆的工况较多，不同工况下的负载特性和优化目标又有很大差别，能量管理效果在很大程度上取决于控制策略对各种工况的适应能力。但现行的控制策略基本都是针对某种工况下进行的研究，很难适应各种运行工况。虽有文献对工况识别方法进行了研究，但工况识别的效果还不能满足实车控制的需求。

3.2解决方案

针对当前能量管理策略存在的问题，提出如下解决方案：

（1）多目标优化。除了传统的机动性、燃油经济性等指标外，还有系统的寿命周期费用等多个目标可以优化。可根据车辆不同运行工况下，对各优化指标进行综合权衡，作为能量管理控制准则。

（2）改进控制算法。采用新型、高效的控制算法，以期能够获得能量管理的在线最优解，或者针对现有各种能量管理策略的优缺点，采用两种或多种策略融合或引入其他方法来弥补这些缺陷，可能会得较好的控制效果。这样既能降低算法的复杂性，又能降低对参考信息估计精度的依赖性。

（3）更丰富的动力源组成。针对负载特点，开发新型的电源部件或构建更高效的军用车辆混合动力系统，从硬件上改善系统性能。

4　结论

军用车辆混合动力系统的发展在为能量管理技术提供广阔发挥空间的同时也带来了很多挑战，能量管理成为影响军用车辆混合动力系统性能发挥的关键。虽然当前现行的能量管理算法依然存在很多问题，还未有成型的能量管理控制方案，但是，国内外对能量管理控制算法进行了有益的探索，为能量管理的深入研究打下了基础。因此，随着能量管理技术的不断成熟，军用车辆混合动力系统的应用前景将更加广阔。

参考文献：

［1］臧克茂.陆战平台全电化技术研究综述［J］.装甲兵工程学院学报，2011，25（1）：1-6.

［2］JOHANNES S.Electric drivevs.A viable alternative for automotive drives［C］//The 4th International AECV Conference，2002.

［3］EDWARD W，XU Y T，JAMES M，et al.Hybrid technologies for clandestine electric reconnaissance vehicle（CERV）［C］// 2011 Ndla Ground Vehicle Engineering and Technology Symposium，2011.

［4］王雄高.美国继续发展混合电传动型地面战斗车辆［J］.国外坦克，2013（1）：2.

［5］李治源，罗又天，邢彦昌.电磁装甲防护技术的现状及发展趋势［J］.装甲兵工程学院学报，2014，28（1）：1-7.

［6］容耀恒.中国第四代全电化主战坦克［J］.现代兵器，2010 （5）：70-73.

［7］阿弗莱克.简析坦克装甲车辆电传动技术［J］.现代兵器，2009（12）：21-25.

［8］李华.装甲车辆混合电驱动系统研究［D］.北京：装甲兵工程学院博士论文，2008.

［9］王素贞.混合动力车辆能量管理策略及仿真研究［D］.北京：北京理工大学硕士论文，2006.

［10］曹伟.雷诺公司研发混合动力系统［J］.国外坦克，2014 （3）：4-6.

［11］THOMAS J.Advanced hybrid electric wheel drive（AHED）8x8 Vehicle Program［C］//General Dynamics Land Systems. 2002.

［12］GONG Q M，LI Y Y，PENG Z R.Trip-based optimal power management of plug-in hybrid electric vehicles［J］.IEEE Transactions on Vehicular Technology，2008，57（6）：3393-3401.

［13］WIRASINGHA S，EMADI A.Classification and review of control strategies for plug-in hybrid electric vehicles［J］. IEEE Transactions on Vehicular Technology，2011，60（1）：111-122.

［14］MURPHEY Y L.Intelligent vehicle power management-an over view，studies in computationalintelligence［M］. Springer，Berlin，2008.

［15］FARZAD R S.Control strategies for hybrid electric vehicles：evolution，classification，comparison and future trends［J］. IEEE Transactions on Vehicular Technology，2007，56（5）：2393-2404.

［16］石辛民，郝整清.模糊控制及其MATLAB仿真［M］.北京：清华大学出版社，2008.

［17］于海芳.混合动力汽车复合储能系统参数匹配与控制策略研究［D］.哈尔滨：哈尔滨工业大学博士论文，2010.

［18］吴静波，张承宁，邹渊.基于电压控制的混合动力履带车辆控制策略研究［J］.车用发动机，2009（2）：45-48.

［19］李为民.混合动力汽车控制系统与能量管理策略研究［D］.上海：上海交通大学博士论文，2008.

［20］WANG L，EMMANUEL G，COLLINS J，et al.Optimal design and real-time control for energy management in electric vehicles［J］.IEEE Transactions on Vehicular Technology，2011，60（4）：1419-1429.

［21］LIU M Z，ZHAO S B，WANG R L.A cellular automaton model for heterogeneous and incosistent driver behavior in urban traffic［J］.Communications in Theoretical Physics，2012（11）：744-748.

［22］LI S G，SHARKH S M，WALSH F C，et al.Energy and battery management of a plug-in series hybrid electric vehicle using fuzzy logic［J］.IEEE Transactions on Vehicular Technology，2011，60（7）：3571-3585.

［23］陈泽宇.40吨级全电履带车辆电能分配与控制策略研究［D］.北京：北京理工大学博士论文，2010.

［24］张炳力，赵韩，吴迪，等.基于小波变换的燃料电池混合动力系统多能源管理策略研究［J］.汽车工程，2008，30 （10）：914-918.

［25］BARSALI S，MIULLI C，POSSENTI A.A control strategy to minimize fuel consumption of series hybrid electric vehicles［J］.IEEE Transaction on Energy Conversion，2004，19（1）：187-195.

［26］PIERLUIGI P，GIORGIO R.A comparative study of supervisory control strategies for hybrid electric vehicles ［J］.IEEE Transactions on Control Systems Technology，2007，15（3）：536-542.

［27］DELPAR S，LAUBER J，GUERRA T M，et al.Control of a parallel hybrid powertrain：optimal control［J］.IEEE Trans. Veh.Technol，2004，53（3）：872-881.

［28］LIN C C，PENG H，GRIZZLE J W，et al.Power management strategy for a parallel hybrid electric truck［J］.IEEE Trans. Control Syst.Technol，2003，11（6）：839-848.

［29］LIN C C，PENG H，GRIZZLE J W.A stochastic control strategy for hybrid electric vehicles［C］//Amer.Control Conf.，Boston，2004.

［30］GAO J P，STRANGAS E G，SUN F C.Equivalent fuel consumption optimal control of a series hybrid electric vehicle［J］.Journal of Automobile Engineering，2009，223 （8）：1003-1018.

［31］ABDUL R T，ZHU G M，ELIAS G S.Trajectory optimization for the engine-generator operation of a series hybrid electric vehicle，carlos E.nino-baron［J］.IEEE Transactions on Vehicular Technology，2011，60（6）：2438-2447.

［32］PISU P,KOPRUBASI K，RIZZNOI G.Energy management and drivability control problems for hybrid electric vehicles ［C］//4th IEEE Conf.Decision Control，2005.

［33］梅生伟，申铁龙，刘康志.现代鲁棒控制理论与应用［M］.北京：清华大学出版社，2008.

［34］MANZIEC，WATSON H，HALGAMUGES，et al.A comparison of fuel comsumtion between hybrid and intelligent vehicles during urban dring［J］.J.Automobile Engineering，2006，22（D）：67-76.

［35］LIN C，JEON S，PENG H，et al.Driving pattern recognition for control of hybrid trucks［J］.Vehicle Sysytem Dynamics，2004，42（1-2）：41-57.

［36］连凤霞.基于路况信息的混合动力汽车全局优化能量管理策略［D］.济南：山东大学硕士论文，2013.

中图分类号：TJ81

文献标识码：A

文章编号：1002-0640（2016）04-0001-05

收稿日期：2015-03-14修回日期：2015-05-07

*基金项目：军队预研基金资助项目（40402050101）

作者简介：项宇（1987-），男，安徽阜阳人，博士研究生。研究方向：电传动车辆能量管理技术研究。

Military Electric Drive Vehicle Hybrid System Power Management Technology

XIANG Yu1，LIU Chun-guang1，WEI Shu-guang1，YANG Guo-jun2
（1.Key Laboratory of Land Warfare Platform All-electric Technology，Academy of Armored Force Engineering，Beijing 100072，China；2.No.617 Factory of China Ordnance Industries，Baotou 014032，China）

Abstract：Hybrid system is the basis of the superior performance of military electric drive vehicles. The power management technology is responsible for power load distributes between multi power sources and optimized control of components.Therefore，the power management technology is one of the key technologies of military vehicle hybrid system research.This article discusses the military vehicle hybrid system characteristics and its influence on system power management，analyzes the current situation and existing problems of power management technology，finally，the workaround is put forwarded contrary to the problems.

Key words：military electric drive vehicles，hybrid system，power management