莊懷天

(合肥工業(yè)大學(xué)交通運輸工程學(xué)院，安徽合肥 230009)

0 引言

隨著科學(xué)技術(shù)的發(fā)展，傳統(tǒng)內(nèi)燃機汽車、純電動汽車、混合動力汽車和燃料電池汽車近年來發(fā)展迅速。然而，由于發(fā)動機及其相關(guān)技術(shù)的限制，內(nèi)燃機汽車的能耗和排放很難有突破性的改善。純電動汽車雖然能夠?qū)崿F(xiàn)零污染排放，但是受電池能量密度、壽命、價格等問題的制約，難以推廣應(yīng)用［1］。燃料電池汽車的可靠性和能量轉(zhuǎn)換效率問題依然沒有徹底解決?；旌蟿恿ζ嚨某霈F(xiàn)在一定程度上緩解了這種難題。

混合動力的關(guān)鍵技術(shù)是如何制定更好的控制策略，無論串聯(lián)式還是并聯(lián)式都是為了保證發(fā)動機在最佳效率區(qū)和最低排放區(qū)工作。恒溫器模式、發(fā)動機跟蹤器控制模式及基于規(guī)則型策略是串聯(lián)式的代表。并聯(lián)式的控制策略主要有:靜態(tài)邏輯門限值策略、瞬時優(yōu)化控制策略、全局優(yōu)化控制策略和模糊邏輯控制策略。后三種控制策略同樣適用于混聯(lián)式，另外發(fā)動機恒定工作點策略和最優(yōu)工作曲線策略是混聯(lián)式特有的兩種策略［2-4］。

現(xiàn)有控制策略或多或少存在一些問題而不能滿足要求，模糊控制由于其獨特的性質(zhì)在一定程度上緩解了這種矛盾。

1 設(shè)計模糊控制策略

傳統(tǒng)控制策略依賴的是被控系統(tǒng)的數(shù)學(xué)模型，而模糊控制則是依賴于被控系統(tǒng)的物理特性。必須將這些物理特性抽象總結(jié)成為一系列概念和規(guī)則，然后才能推理得到有意義的結(jié)果。為了實現(xiàn)此過程，必須構(gòu)造模糊控制器。

該模糊控制器由兩個輸入變量，一個輸出變量構(gòu)成。行駛過程中發(fā)動機輸出轉(zhuǎn)矩大小取決于總需求轉(zhuǎn)矩，不僅要求電池荷電狀態(tài)值SOC能穩(wěn)定在適當?shù)姆秶鷥?nèi)，還要保證行駛過程中獲得良好的動力性和經(jīng)濟性。因此將離合器模塊輸出的總需求轉(zhuǎn)矩Treq、電池模塊得到的電池SOC作為模糊控制的輸入量，發(fā)動機輸出轉(zhuǎn)矩Tice為輸出變量［5-7］。所構(gòu)建的模糊控制系統(tǒng)框圖如圖1所示。

圖1 模糊控制系統(tǒng)框圖

1.1 模糊控制量化

在輸入之前需要對實際輸入變量進行尺度變換，以達到規(guī)定的論域范圍，然后再做量化處理，其結(jié)果作為模糊推理系統(tǒng)的輸入值。同樣，系統(tǒng)的輸出值也需要進行相應(yīng)的處理。比如，若SOC實際的輸入量Q*在［，］范圍內(nèi)變化，而要求的論域是［Qmin，Qmax］，這時就要采用線性變換進行處理，如式(1)。這里我們將SOC的實際變化范圍定義在［0，1］內(nèi)，所對應(yīng)的論域為［0，11］。

式中:Qsoc是經(jīng)過尺度變換之后的值，k是比例因子。

根據(jù)式(1)把變換結(jié)果作為模糊推理系統(tǒng)的輸入。

1.2 模糊化

在模糊控制應(yīng)用中，被觀測量通常是在一定精度范圍內(nèi)的數(shù)值量，由于模糊控制中操作是基于模糊集合理論的，因此，首先必須進行模糊化［8］。模糊化的核心思想是定義一個從數(shù)值域到語言域的模糊的語言映射關(guān)系，以便實現(xiàn)模糊推理。人們通常把輸入變量分為離散的若干等級以便操作，定義的級數(shù)取決于精確度。對于一個模糊輸入變量e，其模糊子集可以采用NB，NS，ZO，PS，PB表示輸入或輸出變量由負大、負小、零、正小，正大的變化過程，輸入、輸出變量均采用1～17這17個數(shù)來表示由最小到最大的一個連續(xù)變化的過程，其中1表示最小的模糊子集，9表示輸入、輸出變量位于中間部分的模糊子集，17表示最大的模糊子集。模糊子集的大小表示了該值的高低。

1.3 隸屬函數(shù)

隸屬函數(shù)是一條曲線，它定義了論域上的點與0和1之間的隸屬度，隸屬度是表示一個數(shù)值屬于某一區(qū)間的程度。隸屬函數(shù)對于模糊推理系統(tǒng)的性能有著很大的影響，若想控制較靈敏，必須選擇瘦窄的隸屬度函數(shù)，相反的，控制就會較平穩(wěn)和粗略。隸屬函數(shù)的確定主要有模糊統(tǒng)計法、三分法、增量法和分析推理法。

為簡化設(shè)計過程采用分析推理的方法，選擇三角函數(shù)和梯形函數(shù)作為隸屬函數(shù)。鑒于總需求轉(zhuǎn)矩Treq、電池SOC和發(fā)動機的需求輸出轉(zhuǎn)矩都是由初始值零開始變化的，所以輸入、輸出變量的隸屬函數(shù)均采用兩邊梯形隸屬函數(shù)，中間為三角隸屬函數(shù)的設(shè)計方法［9］。

1.4 模糊推理系統(tǒng)規(guī)則的制定

模糊規(guī)則表示為“if…then…”條件語句。在應(yīng)用中，通常將采用的模糊規(guī)則用模糊控制規(guī)則表的行駛表示出來?？梢詮南嚓P(guān)專家或者大量實驗數(shù)據(jù)中得到模糊規(guī)則。但是這些規(guī)則都是相似的，所以還有解決他們的協(xié)調(diào)問題。既要保證模糊規(guī)則的完備性，又要保證模糊規(guī)則的相容性問題。

根據(jù)已有的工程經(jīng)驗，設(shè)計模糊推理系統(tǒng)的控制規(guī)則，輸入的總需求轉(zhuǎn)矩和SOC各有17個模糊子集，因此形成17×17=289條模糊規(guī)則，再由混合動力汽車行駛過程總滿足的動力性和經(jīng)濟性得到表1的控制規(guī)則。

表1 模糊推理系統(tǒng)控制規(guī)則

1.5 反模糊化

當輸出量構(gòu)成一個模糊輸出集μB(y)時，為了產(chǎn)生能夠表達模糊系統(tǒng)輸出的單值必須壓縮其分布，即反模糊化。實現(xiàn)反模糊化常用的方法有最大值平均和重力中心算法。相比較而言，重力中心反模糊化算法便于產(chǎn)生一個更加平滑的輸出曲面。故本次設(shè)計就是采用重力中心反模糊化的方法。根據(jù)式(2)得到發(fā)動機輸出轉(zhuǎn)矩為:

式中:T0為發(fā)動機需求輸出轉(zhuǎn)矩的精確值;T為模糊值;a、b分別表示T所在論域范圍的上下限值。

2 控制策略的嵌入和仿真

將制定好的控制策略嵌入到整車模型中進行仿真，以觀察所制定的模糊邏輯推理系統(tǒng)是否滿足要求。

2.1 模糊控制轉(zhuǎn)矩控制策略的仿真

在ADVISOR已經(jīng)建立的仿真模型的基礎(chǔ)上，將其原先的電輔助控制策略替換成模糊控制策略進行仿真比較。控制模塊的仿真模型主要包括輸入量化模塊、模糊推理模塊和輸出量化模塊。

由上文可知，首先要將總需求轉(zhuǎn)矩量化到［0，11］的論域區(qū)間，并一分為二。如果總需求轉(zhuǎn)矩≤T，需求轉(zhuǎn)矩量化到［0，6］的論域內(nèi);否則量化到［6，11］的論域內(nèi)。Treq為總需求轉(zhuǎn)矩，Ttarget為發(fā)動機目標轉(zhuǎn)矩，它們與特定轉(zhuǎn)速下發(fā)動機的效率和排放、溫度、電機最大輸出轉(zhuǎn)矩有關(guān)，我們可以通過調(diào)整權(quán)重來調(diào)整其對目標轉(zhuǎn)矩的影響程度。當然，在駕駛條件變化時權(quán)重系數(shù)隨著仿真的進行而不斷變化。模糊邏輯仿真模型如圖2所示。

圖2 模糊邏輯仿真模型

2.2 模糊邏輯控制系統(tǒng)嵌入Advisor

為驗證所提出的模糊控制能量管理策略的有效性，需要將建立的模糊控制能量管理策略嵌入Advisor仿真軟件進行仿真。由于筆者采用能量管理模糊控制策略，因此首先需將上述設(shè)計的能量管理模糊控制模塊嵌入到Advisor軟件的頂層控制模塊，以便Advisor軟件能夠識別這個控制模塊。然后把整車模型也嵌入Advisor中。完成管理策略嵌入和整車模型嵌入之后，即可對本文提出的能量管理模糊控制策略進行仿真驗證。

2.3 仿真比較

如圖3為電輔助控制策略仿真結(jié)果圖。

圖3 電輔助控制策略仿真結(jié)果

在完成以上步驟之后，就可以進行對原有的電機輔助控制策略和模糊邏輯控制策略的比較分析，選擇仿真的路況為CYC-UDDS，仿真時間1 369 s，仿真距離 7.45 miles，電池 SOC 初始值設(shè)定為 0.7。該道路循環(huán)下，停車17次，怠速259 s，需求的最大速度為56.7 km/h，最小速度為 19.58 km/h。仿真得電輔助策略如圖3。將嵌入的模糊推理控制規(guī)則模型進行仿真，得到仿真結(jié)果如圖4所示。在相同的仿真條件下，采用原有的電輔助控制策略的仿真結(jié)果如圖3。

圖4 模糊推理控制規(guī)則仿真結(jié)果

由圖3(a)可知電池SOC的變化緩慢;由圖3(b)可知，汽車起步時HC污染物的排放超過0.1，明顯高于單模糊控制策略;由3(c)圖可知，發(fā)動機提供主要動能，電機提供輔助動能。而采用模糊控制策略之后由圖4可知，電池放電深度增加，更有助于整車燃油經(jīng)濟性的提高，并且發(fā)動機中的HC、CO、NOx的排放量明顯降低。在電池SOC值較大的時候，在滿足動力性的前提下發(fā)動機輸出轉(zhuǎn)矩較小，此時主要是由電池提供動力，當電池電量下降到一定水平時，發(fā)動機開始工作，此時發(fā)動機不僅提供行駛的動力，并且為電池充電。

由表2比較可看出采用模糊控制策略能夠使得發(fā)動機的燃油經(jīng)濟性以及排放性能均有所提高，并且系統(tǒng)的總效率也由原來的0.103提高到現(xiàn)在的0.128。

表2 兩種控制策略的仿真結(jié)果比較

從電池充放電效率圖5中可看出:電池充放電的效率保持在較高的水平，循環(huán)中始終保持在0.8以上。

通過比較可知，嵌入模糊邏輯轉(zhuǎn)矩控制策略的混合動力汽車，在保證動力性的前提下可有效的提高燃油經(jīng)濟性，可使電池的電量在一定范圍內(nèi)充分利用，當電池電量下降到一定程度時，發(fā)動機不僅提供汽車的行駛動力而且為電池提供能量，使電池電量不至于降到較低水平，從而延長電池的使用壽命。

圖5 電池充放電效率圖

3 結(jié)語

詳細介紹了模糊控制的基本原理、制定過程，指出首先要將輸入輸出量進行模糊化，然后根據(jù)工程經(jīng)驗，構(gòu)建一個以總需求轉(zhuǎn)矩和電池SOC值為輸入，發(fā)動機輸出轉(zhuǎn)矩為輸出的模糊控制器，并制定了相應(yīng)的控制規(guī)則。在動力性和燃油經(jīng)濟性的基礎(chǔ)上，將模糊子集盡可能的細化。同時對該控制策略進行仿真，通過對比得出模糊邏輯控制策略能夠在保證動力性的前提下更好的改善燃油經(jīng)濟性。并且模糊規(guī)則的增多對這種效果更加顯著。

如今各種控制策略層出不窮，但都存在一些問題。筆者提出細分模糊子集的缺點是不能做到無線劃分，所以不能徹底解決問題。未來控制策略應(yīng)該向兩種或多種控制策略共同作用的方向發(fā)展。

［1］ 孫遠濤，張洪田.混合動力汽車研究狀況及發(fā)展趨勢［J］.黑龍江工程學(xué)院學(xué)報(自然科學(xué)版)，2011(2):13-16.