纯电动汽车驱动控制策略研究

罗 勇，刘 莉，王 毅，祁朋伟，吴 霏，崔环宇

(1.重庆理工大学 汽车零部件先进制造技术教育部重点实验室, 重庆 400054; 2.重庆青山工业有限责任公司 技术中心， 重庆 400000)

针对全球能源危机及环境恶化问题，纯电动汽车因能耗低、排放低的优势，成为行业发展的趋势。纯电动汽车是一个集机械、电气、控制等为一体的非线性动态系统，想要达到低能耗、低排放，设计合理的、完善的控制策略是非常重要的[1-5]。驱动控制策略是整车控制策略的核心，它根据驾驶员动作分析驾驶员的意图，并综合考虑动力系统的状态，计算出驾驶员对于驱动电机的期望转矩，并发出相应指令，使车辆的行驶状态尽快达到驾驶员的要求，这对于整车的性能起到至关重要的作用。

整车控制器接收来自驾驶员的加速踏板信号，通过一定的函数关系，计算出相应的期望转矩。根据不同的函数关系形成不同的控制策略，主要有以下3种，如图1所示。

图1 转矩控制策略曲线

曲线1是硬踏板控制策略，更多体现了车辆的动力性能，能满足车辆的动力需求，但是在负荷较低的时候车辆的操稳性较差；曲线3与曲线1相反，是软踏板控制策略，更多体现了车辆的经济性能，在加速时体现出的驾驶感觉比较软，在负荷较低的时候加速感觉更弱，但是车辆的操稳性较好；曲线2是函数关系相对简单的线性踏板控制策略，控制效果介于曲线1和曲线3之间。

针对上述问题，本文提出了一种基于模糊控制的驱动控制策略，并在Matlab/Simulink环境下搭建了纯电动汽车整车仿真模型，通过离线仿真，验证了控制策略的正确性与合理性。

1 驱动控制策略

图1中的函数关系可用式(1)来表示。对于给定的加速踏板开度ACC，即可得到相对应的转矩负荷系数L1、L2、L3。通过多项式插值即可得到如式(2)所示的函数关系，其中K值取值范围为0、0.1、0.2、…、1。用K从0～1的数值大小来表示从经济模式到动力模式的强度，构建如图2所示的三维曲面。

(1)

L=g(θ,K)

(2)

图2 基于踏板控制策略构建的三维曲面

基于以上构建的踏板控制曲面，具体控制策略如图 3所示。通过加速踏板开度ACC、加速踏板开度变化率DACC以及SOC模糊控制得到系数K值，进而得到电机转矩负荷系数L。根据电机性能可得到电机当前转速下的最大转矩Tmax(nm)，通过式(3)计算得到电机转矩T1，将其作为基准转矩。

T1=L×Tmax(nm)

(3)

图3 控制策略基本框架

具体的模糊控制原理如图4所示。知识库中定义了每一个模糊集，同时设定了模糊规则，模糊系统将输入模糊化后，通过推理单元与知识库中的规则匹配输出模糊分布，最后去模糊化后输出。

图4 模糊控制原理

ACC论域为[0,100]，设定DACC最大值为100%/s，将ACC、DACC及K的模糊子集均分为VS(极小)、S(小)、M(中)、B(大)、VB(极大)共5级。 SOC论域为[0,1]，模糊子集分为3级：S(小)、M(中)、B(大)。其隶属度函数如图 5所示。

图5 模糊变量隶属度函数

具体模糊规则见表1。当SOC较低的时候偏向于经济模式，当加速踏板开度变化率DACC较大的时候偏向动力性模式。汽车在低速行驶时，车辆需要具有足够的加速能力，因此对驱动转矩的需求比较大。在高速行驶时，驱动转矩主要用于维持车速，需要较大的电机功率，但对驱动转矩的需求不大。因此，建立以车速和系数K作为输入、补偿转矩T2作为输出的模糊控制器。经过模糊控制输出补偿转矩来满足车辆对动力性的要求。考虑到补偿转矩的突变会对车辆造成一定的冲击，所以还应考虑冲击度的影响，如式(4)所示(假定车辆行驶过程中其他阻力不变)。德国冲击度推荐值[2]为j≤10 m/s3，这样就可以得到电机补偿转矩的最大值。

(4)

定义系数K与冲击度j的关系：如表2所示，通过系数K调节j，从而实现对输出补偿转矩的限制。

表1 模糊推理规则

表2 K与j的关系

最终输出的电机目标转矩T如式(5)所示。

T=T1+T2

(5)

2 纯电动汽车建模

基于Matlab/Simulink搭建纯电动汽车整车仿真模型。该模型主要包括驾驶员模型、电池模型、电机模型、动力学模型以及控制策略模型，模型整体布局如图6所示。

循环工况为驾驶员提供道路信息，驾驶员将需求转化为加速踏板和制动踏板信号。整车控制器根据踏板信号及整车状态进行控制，输出目标转矩到电机。电机模型通过计算及性能限制后将转矩传递到传动系统。最后依据汽车行驶方程求得车辆运行的实际车速，并反馈给驾驶员模型及控制器模型，实现完整的闭环控制，以提高仿真的准确性。

图6 纯电动汽车整车仿真模型

2.1 循环工况

循环工况为整车模型提供目标车速、加速度以及道路坡度等信息，反映了汽车行驶中的实际路面状况。

2.2 驾驶员模型

驾驶员模型对车速进行控制，根据需求车速及反馈回的实际车速模拟驾驶员的思维，将驾驶员的需求转化为加速踏板信号和制动踏板信号，使得实际车速与工况车速吻合[6-7]，从而实现驾驶员的行驶意图。本文采用模糊控制，将需求车速与实际车速的差值以及车速误差变化率作为输入，加速踏板/制动踏板开度的增量作为输出。模糊控制曲面如图7所示。

图7 模糊控制曲面

2.3 动力电池模型

动力电池实际的充放电过程是一个受到多种因素影响的复杂非线性过程[8]，因此动力电池模型的建立对于整车建模至关重要。常见的电池建模方法有电化学建模和等效建模。电化学建模就是根据电池内部的电化学反应，依据电化学理论进行建模。但电池在实际的充放电过程中，内部电化学反应非常复杂，想要建立准确的电化学模型非常困难。等效建模是以等效电池内部的结构来模拟电池的充放电特性[9]，相对于电化学建模较简单，其中等效电路是应用最广泛的建模方法。本文采用2阶RC等效电路模型，等效电路如图8所示。

图8 2阶RC等儿电路

图8中：Voc代表开路电压(OCV)；Re是电池的欧姆内阻；Rs、Cs用于模拟电池动态特性中表现出的短时间常数，即放电电压快速上升的过程；Rl、Cl用于模拟电池动态特性中表现出的长时间常数，即放电电压缓慢稳定的过程；Rs、Rl之和为电池的极化内阻。

电池Simulink模型如图9所示，包括SOC计算、模型参数计算以及电池端电压计算3部分。电池模型通过电机模块输入的电流值以及自身反馈的SOC值，求出电池的SOC值、电池实际充放电电流、电池模型参数、电池端电压以及电池实际的输出功率。

图9 电池模型的Simulink框图

SOC采用安时积分法来计算，如式(6)所示。

(6)

其中：SOC0是电池在充放电起始时刻的SOC；SOCt表示t时刻的SOC；C表示电池的额定容量；I为电池输出电流。

根据图8电池电路模型可知，电池端电压计算如式(7)所示。

V=Voc-Vs-Vl-IRe

(7)

2.4 电机模型

电机建模的基础是电动机的电压、转矩、功率的平衡方程和运行特性方程[10]。一般有以下两种建模方法：一是根据电机的物理特性建模，通过电机电压、磁路以及运动学方程等建立的模型，此模型精度高，但是较为复杂；另一种是基于实验数据建立的模型，通常将电机转矩、电机转速以及电机效率三维Map图存储起来，在实际使用时通过查表插值的方式来获取，这种方法较为简单，主要依赖实验数据。综上所述，本研究采用第2种方法对电机进行建模。

本文采用永磁同步电机，模型主要包括性能限制、转矩计算以及电流计算3部分，如图10所示。电机模型接受来自控制器的转矩、转速需求以及动力电池输入的功率，并根据电机的性能进行计算和限制后将动力输出。性能限制模块主要是为了保护电机，使得输入的转速、转矩等不超过电机的运行范围。

图10 电机模型的Simulink框图

电机功率及效率均为电机转速和转矩的函数如式(8)(9)所示。

ηm=η(nm,Tm)

(8)

Pm=P(nm,Tm)

(9)

根据输入的电机转矩及转速，通过查表即可求得电机功率及电机效率，电机功率及电机效率Map图分别如图11、12所示。

电机实际转矩的计算与实际输入的功率以及需求输入功率相关[11]。通过计算目标转矩与需求输入功率的比值求得转矩，再根据实际输入功率求得电机实际输出转矩。

图11 电机功率Map图

图12 电机效率Map图

电机的电流则与电机效率、电机输出功率以及输入电压相关，如式(10)所示。

(10)

2.5 动力学模型

动力学模型以汽车行驶方程为基础，对汽车行驶阻力进行分析得到汽车行驶方程，如式(11)所示[12]。

(11)

式中：Ttq表示动力装置的输出转矩(N·m)；ig表示变速器传动比；i0表示主减速器传动比；ηt表示机械系统传动效率；G表示汽车重力(N)；m表示汽车质量(kg)；r表示车轮半径(m)；f表示滚动阻力系数；CD表示空气阻力系数；δ表示旋转质量换算系数；α表示坡度角；A表示车辆迎风正面的面积(m2)；du/dt表示直线行驶的加速度(m/s2)。

对汽车行驶方程进行变换得到式(12)，就可以求得车辆的加速度，进而求得实际车速。

(12)

3 纯电动汽车系统性能仿真

3.1 整车参数

整车的主要参数如表3所示。

表3 整车主要参数

3.2 仿真结果与分析

本文选用NEDC(new europe driving cycle)新欧洲汽车法规循环工况以及UDDS(urban dynamometer driving schedule)城市道路循环工况进行车速跟踪仿真验证,并测试了在NEDC工况下电池电流、电压以及SOC等参数的变化。

NEDC工况包含4个市区工况和1个市郊工况，工况具体信息见表4。UDDS工况代表美国城市平均行驶模式，具体信息见表5。

表4 NEDC循环工况

表5 UDDS循环工况

图13、14为模型在NEDC和UDDS循环工况下车速跟随性仿真验证结果，可以看出：图中目标车速曲线和实际车速曲线基本重合，误差值基本控制在2 km/h以内，表明搭建的模型可以较好地跟踪工况车速的变化，按照驾驶员需求输出转矩，验证了所建驱动控制策略是合理的。

图13 NEDC循环工况仿真车速曲线

图14 UDDS循环工况仿真车速曲线

图15为在NEDC循环工况下续驶里程仿真曲线，可知离线仿真续驶里程与工况总距离相等。图16为NEDC循环工况下加速踏板开度的变化以及对应电机转矩的变化。可以看出：在车速较低的时候，整车对转矩的需求较大；在800～1 200 s范围，车速较高，驱动转矩主要用于维持车速，对驱动转矩需求较小，验证了控制策略的正确性。

图15 NEDC循环工况续驶里程仿真曲线

图16 NEDC循环工况加速踏板开度和电机转矩曲线

图17为在NEDC循环工况下电池SOC(初始SOC值设为0.8)、放电电流以及电压变化曲线，可知其变化趋势和范围较合理，亦可证明整车模型及控制策略的正确性与合理性。

图17 NEDC循环工况电池SOC、放电电流、电压曲线

4 结束语

基于3种基本转矩控制策略，提出了一种以加速踏板开度及其变化率、SOC为主要输入参数，利用模糊控制来确定目标转矩的控制策略。并基于Matlab/Simulink搭建了纯电动汽车整车仿真模型，并在NEDC、UDDS工况下进行了仿真验证。仿真结果表明：所建模型可以较好地跟踪工况车速的变化，符合整车的实际需求；电机转矩的变化和控制策略相符，电池SOC、放电电流、电压等变化均较合理。由此验证了整车模型及驱动控制策略的正确性及合理性，对于进一步研究纯电动汽车具有参考意义。