混合动力汽车模糊逻辑控制策略研究

钟彦雄

（云南机电职业技术学院 汽车技术工程系，云南 昆明 650203）

随着能源与环境的问题日益突出，新能源汽车成为了现今重点发展的车型，考虑到混合动力汽车有传统燃油汽车和纯电动汽车的优点，而并联式混合动力汽车能够充分发挥发动机和电池的性能[1-3]。作为研究并联式混合动力汽车，控制策略是最为关键的一环。在并联混合动力汽车（HEV）的控制方法中，主要目标之一是使发动机工作在峰值效率区域内，以提高动力传动总成的整体效率。

传统并联混合动力汽车中使用较为普遍的并联电助力控制策略，主要思路是将发动机作为汽车的主要驱动源，电机驱动系统仅作为辅助驱动源。电机对发动机的输出转矩起到削峰填谷的作用，同时将蓄电池组的SOC 值保证在一定的范围内[4]。但是这种的动力分配实际上没有完全发挥混合动力驱动的优势，因为混合动力驱动系统的效率不仅与发动机运行效率有关，还受到蓄电池和电动机效率的影响。对此，在进行能量分配过程中，需利用模糊逻辑控制发动机、蓄电池和电动机，使其整体工作效率最优化控制。

考虑到汽车在行驶过程中具有高度非线性及时变特性，提出了通过一种模糊逻辑控制器来实现对发动机、电机及电池之间的控制。

1 模糊逻辑控制策略设计

1.1 模糊控制模块

设计模糊逻辑控制策略的出发点在于考虑当前电机转速对发动机工作状况的影响，在保证发动机最高燃油效率的前提下，实现电池充放电平衡。在模糊逻辑控制器中能制定多个输入和输出隶属函数，并按照一定的法则生成需要的模糊控制规则。本模糊逻辑控制器制定了三个信号输入隶属函数：电机当前转速Nm，电池荷电状态SOC 值及发动机优化转矩的差值△T。基于上述三个输入信号，利用模糊逻辑来确定发动机输出转矩的因数K。总的控制模块如图1所示。

其中发动机目标扭矩是从静态条件下发动机的万有特性曲线出发，将当前转速条件下发动机最小比油耗点插值连接成的曲线，即以比油耗最小为目标函数，用M 文件编程实现。在不同转速下发动机的转矩范围不一样，因此用总转矩和优化转矩的差值△T 作为输出参数，也起到了控制发动机工作范围的作用[5-8]。通过模糊逻辑控制器控制后，可得到发动机应承担的实际转矩，电动机的转矩通过总的转矩与发动机所需转矩的差值得到。

图1 模糊控制模块

图2 MAIIAB 模糊逻辑工具箱——Sugeno 型

图3 输入变量的隶属度函数

1.2 模糊逻辑控制器设计

在MATLAB 模糊逻辑工具箱提供了模糊推理系统设计的全部环节，其中包括定义输入和输出控制变量、设计隶属函数和编辑控制规则等。目前，MATLAB 模糊逻辑工具箱的模糊推理方法有Mamdani 和Sugeno 两种，在很多方面，它们的推理是类似的，主要不同的是Sugeno 推理输出的隶属函数是线性的或者为常数，这种类型较为特殊，它将去模糊化结合到模糊推理中，最后输出为精确量[9-10]。由于在本模糊逻辑控制器中输出使用单值函数表示，因此推理方法采用Sugeno 类型如图2。

本系统中模糊逻辑控制器的输入变量是转矩差值△T和电池SOC，电机的当前转速Nm，输出变量为系数K，输入变量△T 的描述为{‘负大’，‘负小’，‘零’，‘正小’，‘正大’}，输入变量SOC 值的描述为{‘过低’，‘偏低’，‘适中’，‘偏高’，‘过高’}，电机的当前转速Nm的描述为{‘较低’，‘较高’}，输入变量的隶属度函数分别如图2、图3 所示。输出变量 K 值为{0，0.05，0.，10，0.15，0.20，0.25....1.80，1.85，1.90，1.95，2.00，2.05}，输入变量的隶属度函数分别如图3 所示。

在模糊逻辑控制策略中，采用了“if-then”的结构，如：“if Nm较低，and△T 负大，and SOC 过低，then K 为0.45；if Nm较高，and△T 正大，and SOC 过低，then K 为 2.00；等”，保证电池在充放电平衡过程中，能使发动机工作转矩在燃油最经济区域。这样建立如表1 所示多条规则。

2 模糊逻辑控制策略仿真分析

在完成模糊逻辑控制器设计之后，需在SIMULINK 中完成控制策略模块的搭建如图4 所示。搭建后模糊控制模块后，对ADVISOR 进行二次开发，将搭建完成的模糊控制策略嵌入仿真软件ADVISOR 顶层模块中（如图5）进行计算。

表1 模糊控制策略规则

将模糊控制策略嵌入软件之后，可进行电机助力型控制策略和模糊逻辑控制策略的效果对比。在仿真过程中，所选PHEV 车型参数如表2 所示，工况分别选用美国环境保护署EPA 定制的城市道路循环（CYC_UDDS）；欧洲城市道路循环（CYC_ECE_EUDC），为保证仿真结果的准确性，两种工况均选择3 组叠加同时进行仿真的方式，在保证其他输入参数相同的条件下，比较两种控制策略控制下PHEV汽车的性能结果如表3 及电池SOC 状态变化如图。

3 结果分析

3.1 发动机及电机性能分析

针对动力性而言：在两种工况下，模糊逻辑控制策略相比于电辅助控制策略，在0-60km 加速过程中所用时间较长，加速时间平均多出5.8%，加速能力较弱；但爬坡能力较优，在以10km/h 的速度进行爬坡过程中，爬坡度均超出3.2%。两种控制策略在动力性上各有优势，模糊逻辑控制策略混合动力汽车在爬坡能力上较好，电辅助控制策略混合动力汽车在加速能力上较优。

针对经济性而言：在两种工况下，模糊逻辑控制策略混合动力汽车在百公里油耗方面均好于电辅助控制混合动力汽车，在CYC_UDDS 工况下，油耗减低了1.3%；在CYC_ECE_EUDC 工况下，油耗下降了1.7%。

针对排放性而言：在两种工况下，模糊逻辑控制策略混合动力汽车相对于电辅助控制混合动力汽车在三种污染物的排放上均有明显减低，特别是在CYC_ECE_EUDC 工况下，下降明显。

针对传输效率：在CYC_UDDS 工况下，模糊逻辑控制策略混合动力汽车传输效率高于电辅助控制混合动力汽车，传输效率提升了2.4%；在CYC_ECE_EUDC 工况下，两者传输效率基本一致。

3.2 电池性能分析

图4 SIMULINK 模糊逻辑控制策略模块

图5 HEV 顶层模块结构

表2 PHEV 主要参数

表3 PHEV 汽车的性能仿真结果

图6 两种工况下电池荷电状态变化

电池性能分析如图，从图中可以看出，在两种工况下，电池起始SOC 均为70%，循环结束后，同种控制策略下的SOC 终值变化不明显；而在同种工况下，模糊逻辑控制策略相对于电辅助控制策略，电池SOC 终值更为接近初始值，电池消耗较小，能较好保证电池的寿命。

4 结论

针对并联式混合动力汽车，使用自定义模糊逻辑控制策略代替元电辅助控制策略进行仿真研究，结果表明：在两种工况下，混合动力汽车采用模糊逻辑控制策略相较于电辅助控制策略在经济性、排放性、传动效率及电池SOC 寿命及稳定性有一定提升，在动力性上，模糊逻辑控制策略爬坡能力较强，电辅助控制策略加速能力较好。