混合动力传动系统匹配优化与控制策略研究

宋东方，武照云，李 丽

（1.河南职业技术学院汽车工程学院，河南 郑州 450046；2.河南工业大学机电工程学院，河南 郑州 450001）

1 引言

重型工程车辆作为污染物的主要排放源，提高发动机的燃油效率、减少污染物排放至关重要［1-2］。文献［3］采用二等分算法对FC、电池和电机的功率进行优化，优化后的系统动态性能和经济性能均有所提高。文献［3］发现ECMS 优化算法可用于实时控制。文献［4］建立了混合动力系统数学模型，能量分配满足期望的要求。文献［5］用自适应能量管理算法来优化混合动力系统参数。文献［6］用串级控制解决混合动力驱动有轨电车的功率分配问题。文献［7］分析了不同动力性能约束下的最优尺寸。文献［8］分析了燃料电池功率跟随控制策略，匹配了混合动力系统驱动电机的结构参数。目前的研究主要采用油-电混合的动力系统让电池回收制动能量，借助超级电容器来补偿加速和爬坡过程中的瞬时功率，因此有必要对混合动力系统的功率分配策略进行深入的研究。

综上，对重型车用混合动力驱动系统中的发动机、电池和电机等建立模型，采用遗传算法进行参数匹配与优化，制定混合动力系统的控制策略并设计了神经网络控制系统，通过半实物台架实验测试了SOC均衡策略对功率分配的控制效果和燃油量的变化，研究结果可为重型车用混合动力系统的开发提供数据参考。

2 混合动力系统匹配优化

重型工程车辆油-电混合动力系统构型示意图，如图1所示。柴油机与电机通过联动器相连，超级电容作为辅助动力，电容与电机之间需要安装转换控制器。两者共同为该传动系统提供动力，如何将不同动力源的输出功率进行合理的匹配是混合动力系统最重要的任务之一，也是目前急需解决的关键技术。

图1 混合动力系统Fig.1 Hybrid Power System

油-电混合动力系统参数匹配的原则是在满足输出功率的前提下，保证各动力部件在高效率条件下工作，电池SOC的波动量较小，整车的油耗最小。因此，这里以柴油机油耗作为优化目标，优化变量包括柴油机的额定功率及转矩、电机额定功率及转矩、超级电容容量。

动力总成的全局优化目标：

式中：η—动 统的效率；E0—输出能量；Ei—输入能量；ΔEc—超级电容能量变化量。

总成的输入能量：

式中：ne—发动机转速；Te—发动机转矩；ηe—发动机效率。

由于挖掘机等液压工程车辆驱动负载的能量即为液压泵所需的能量：

超级电容能量变化量为：

发动机动态输出转矩模型为：

式中：Jc—发动机等效转动惯量

发动机燃油率模型为：

综上，优化目标系统效率为：

约束条件为：

式中：PeN—发动机额定功率；PmN—电机额定功率；C—超级电容容量。

其中，发动机：

电机：

超级电容：

采用遗传的算法进行寻优，对于所有输入样本，变异率为0.9，训练次数为500，采用该算法的求解过程及优化结果，如图2 所示。

图2 优化结果Fig.2 Optimization Results

最终的优化结果为：

发动机额定功率95kW，额定转速2000rpm，电机额定功率30kW，超级电容容量15F。

根据优化结果匹配的发动机、超级电容和电机外特性曲线、效率曲线，为控制系统的设计提供数据参考，通过调整发动机的工作点，保证发动机工作在高的燃烧效率区间，从而达到降低油耗的目的，如图3所示。

图3 发动机、电池及电机选型结果Fig.3 Engine and Power Cell and Motor Characteristics

3 控制系统设计

在较为恶劣工况或者功率分配不当的情况下，电池SOC也有可能下降到一定程度，导致车辆不能正常运行。因此，需要建立一个指标体系，用于研究不同功率分配策略。运行时状态切换过程中混合动力系统的控制策略流程，根据电容SOC的不同，电机与发动机的驱动方式交替发生改变，因此整个控制系统中对超级电容SOC的精确检测显得尤为重要，如图4所示。采用改进神经网络控制算法的流程图，如图5所示。采用FR算法对BP网络进行改进，能够适度的调整神经网络的识别能力，通过修正权值沿共轭方向达到全局最优点，并设计了控制系统的总体的配置方案。通过对输入层和隐层权值进行改进，其隐层第i节点输出：

图4 运行策略流程图Fig.4 Flow Chart of Running Strategy

图5 控制系统设计Fig.5 Control System Design

输出层第i节点输出：

平均误差为：

输出层和隐层神经元的局部梯度为：

FR 算法可用来解决BP 网络的局部极值的问题，迭代格式如下：

式中：xk—第k次迭代的权值；gk—当前梯度变换参数；dk—搜索方向。

在dk为下降方向时，要求满足下式：

4 混合动力系统测试

为了验证混合动力系统部件是否工作正常、连接正常，对混合系统进行联合测试，联调系统结构，如图6所示。

图6 传动系统实验台架Fig.6 Transmission System Experimental Bench

传动主要是由柴油机、电机、超级电容、工作油泵、变速器、测功机和控制系统等组成。将自主设计的ECU 与油-电混动系统相连，通过调节电涡流测功机的扭矩来模拟所需的负载的变化，最后，把采集到的实验参数传给ECU，ECU 根据控制的策略规律做出判断，从而实现混合动力系统不同动力源的自主操作。

混合动力系统动态性能测试结果，通过调节挡位和油门开度来改变发动机的转速，测试发现发动机的实际转速与目标转速之间存在一定的转速差，但是整体对比可以看出速度控制结果较好，仅在高速阶段存在一定的误差，低速阶段则吻合较好，如图7所示。变速箱的输出转速与负载转矩变化趋势正好相反。变速箱输出最大转速为1200rpm，负载转矩最大则为2300N·m，对应的发动机转速为800rpm，此时工作泵的输出压力为17.5MPa，因为工作泵与发动机直接连接，所以发动机的转速与工作泵的转速是正比关系，发动机转速为700rpm时工作泵的输出压力最大，为18MPa。通过发动机的工作特性绘制了混合动力系统工作时发动机的输出万有特性，可以看出发动机的工作区域大部分集中在高效区，燃油效率得到了有效的提升，达到了控制系统的控制要求，表明改进神经网络控制系统可靠性较高。混合动力系统的功率分配结果，结果发现发动机的输出功率并没有出现较大的波动，主要原因是电机起到了缓冲功率的作用，因此设计的神经网络控制系统在稳定发动机工作点的控制上达到了预期的效果，对发动机起到了很好的保护作用，如图8（a）所示。发动机的燃油效率测试结果，整体保持在较低的水平，燃油率最高达到了40L∕h，如图8（b）所示。原来的控制算法和神经网络控制之后油耗量的比较，通过计算后可得采用新的控制算法后传动系统运行一个小时油耗量降低了17%（其中大约有7%的能量为超级电容的储存电量），节能效果比较明显，主要是因为发动机的工作状态较为平稳，转速波动变得平稳，而且发动机的工作点在高效区，如图8（c）所示。 优化后的超级电容SOC 轨迹，工作过程中超级电容SOC 均保持在较高范围，其中电池SOC始终在60%以上，对比发现发动机燃油率较高的时间段与电池SOC较低的阶段相对应，说明电池确实起到了节能的目的，与控制策略所设计的预期相符合，如图8（d）所示。

图7 混合动力系统测试结果Fig.7 Hybrid Power System Testing Results

图8 混合动力系统功率分配Fig.8 Power Distribution of Hybrid Power System

5 结论

针对重型车辆油耗量较高的问题，设计了油-电混合动力系统，采用遗传算法对系统部件进行了参数优化，得到了最佳的匹配组合。设计了系统的控制策略和改进神经网络控制系统，分析了重型车辆用混合动力电驱动系统运行规律，评估了不同功率分配算法下的整车运行性能。最后，对油-电混合动力系统进行了联合台架测试，测试结果验证了所匹配的动力系统和所开发的控制系统的可靠性。研究成果对新型混合动力系统的开发和提高节能性能提供了一种借鉴与指导。