唐金龍 費(fèi)為偉

摘 要：文章以純電動(dòng)客車為例，分析了影響純電動(dòng)客車一次充電續(xù)航里程的因素，同時(shí)從控制策略方面提出了提高純電動(dòng)客車經(jīng)濟(jì)性，增加續(xù)航里程的方法，并利用CRUISE和SIMULINK聯(lián)合仿真進(jìn)行了驗(yàn)證。結(jié)果表明所提策略可以有效提高純電動(dòng)客車?yán)m(xù)航里程。

關(guān)鍵詞：純電動(dòng)客車;續(xù)航里程;控制策略;建模仿真

中圖分類號(hào)：U469.72? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1671-7988（2020）22-14-03

Abstract： Taking pure electric buses as an example， the factors that affect the economy of pure electric buses are analyzed. At the same time， from the perspective of control strategies， methods to improve the economy of pure electric buses and increase the cruising range are proposed. And using CRUISE and SIMULINK joint simulation to verify. The results show that the proposed strategy can increase the cruising range and improve the economy of pure electric buses.

Keywords： Pure electric bus; Continued driving range; Control Strategy; Modeling and simulation

CLC NO.： U469.72? Document Code： A? Article ID： 1671-7988（2020）22-14-03

前言

正如大家所熟知的能源危機(jī)和環(huán)境污染問題在當(dāng)代已經(jīng)顯得十分突出。面對(duì)能源危機(jī)和環(huán)境污染這兩方面如此嚴(yán)峻的形式，電動(dòng)汽車的研究與發(fā)展在近年來又重新引起世界各國的廣泛重視。與傳統(tǒng)的車輛相比，電動(dòng)車在排放等方面有很大優(yōu)勢(shì)，其動(dòng)力性完全可以達(dá)到傳統(tǒng)車輛的要求[1]。但是由于電動(dòng)汽車電池等技術(shù)的限制，電動(dòng)汽車的一次充電續(xù)航里程成為了電動(dòng)車推廣使用的一個(gè)制約因素，因此如何最大限度地提高純電動(dòng)的續(xù)航里程尤為重要。

1 續(xù)航里程影響因素分析

純電動(dòng)客車的續(xù)航里程是純電動(dòng)客車最核心的性能指標(biāo)，該性能指標(biāo)直接影響純電動(dòng)車的普及銷售[2-3]。目前對(duì)純電動(dòng)客車的續(xù)航里程影響比較大的因素有整車設(shè)計(jì)、電池和電機(jī)性能以及控制策略。整車設(shè)計(jì)方面增加續(xù)航里程的方法有使用低滾阻輪胎和車身輕量化等。電池和電機(jī)方面增加續(xù)航里程的措施有增加電池總電量、比能量，提高電池放電效率和提高電機(jī)效率等?？刂撇呗苑矫嬷饕峭ㄟ^制定相關(guān)策略實(shí)現(xiàn)續(xù)航里程的增加，如：最大限度控制電池、電機(jī)工作在高效區(qū)間;制定制動(dòng)能量回收策略等。本文從控制策略方面優(yōu)化純電動(dòng)客車的續(xù)航里程并進(jìn)行仿真分析。

2 提升續(xù)航里程的控制策略

2.1 經(jīng)濟(jì)行駛控制策略

一般而言，純電動(dòng)客車的正常行駛模式有如圖1所示的三種控制方式[4]。圖中曲線A體現(xiàn)的是整車動(dòng)力性優(yōu)先的控制策略;曲線C體現(xiàn)的則是整車經(jīng)濟(jì)性優(yōu)先的控制策略。曲線B是兼顧整車的經(jīng)濟(jì)性和動(dòng)力性的線性控制策略，它能滿足整車驅(qū)動(dòng)的一般性要求。本文優(yōu)化純電動(dòng)車的經(jīng)濟(jì)性，因此選擇曲線C作為車輛行駛過程滿足經(jīng)濟(jì)行駛條件時(shí)的控制策略。為了得到圖1中C所示的經(jīng)濟(jì)曲線，需要盡可能的使電池和電機(jī)工作在高效區(qū)間內(nèi)，根據(jù)電池的放電特點(diǎn)和電機(jī)MAP圖得到其高效工作區(qū)域，計(jì)算出電機(jī)轉(zhuǎn)矩負(fù)荷系數(shù)L和加速踏板開度S的關(guān)系擬合曲線如圖2所示。

2.2 制動(dòng)能量回收控制策略

研究認(rèn)為影響公交車?yán)m(xù)航里程的關(guān)鍵在于能量回收控制策略，對(duì)其進(jìn)行優(yōu)化可使續(xù)航里程明顯提升[5]。電動(dòng)客車進(jìn)行制動(dòng)能量回收時(shí)，影響制動(dòng)力分配的因素有很多，并且這些因素隨著電動(dòng)客車的行駛是不斷變化的。在目前的控制方法中，模糊控制不依賴于研究對(duì)象的數(shù)學(xué)模型，適用于無法精確建立數(shù)學(xué)模型的情況[6]，因此本文基于模糊控制邏輯對(duì)所研究的電動(dòng)客車制動(dòng)時(shí)的制動(dòng)力進(jìn)行合理分配。

本文選取對(duì)制動(dòng)能量回收影響最大的制動(dòng)強(qiáng)度Z、電池荷電狀態(tài)SOC和車速V作為模糊控制器的輸入，制動(dòng)力分配系數(shù)K作為輸出。在模糊控制器中輸入量的模糊子集和論域分別為：制動(dòng)強(qiáng)度Z={L，M，H}，論域[0，1];電池荷電狀態(tài)SOC={L，M，H}，論域[0，100%];車速V={L，M，H}，論域[0，80]，輸出量的模糊子集為：制動(dòng)力分配系數(shù)K={L，M，H}，論域[0，1]。輸入和輸出量的隸屬度函數(shù)如圖3所示。

3 整車與控制策略建模

3.1 整車參數(shù)

本文以一款純電動(dòng)公交客車為研究對(duì)象，整車主要技術(shù)參數(shù)如表1所示。

3.2 整車與控制策略建模

利用CRUISE軟件搭建整車仿真模型如圖4所示。利用Simulink搭建的控制策略模型如圖5所示。

4 仿真結(jié)果分析

本文研究的車輛為一款城市公交客車，因此采用中國典型城市公交工況（CCBC）作為仿真工況。

（1）車速跟隨情況

如圖6所示為聯(lián)合仿真的車速跟隨結(jié)果，其中紅色實(shí)線是車輛當(dāng)前實(shí)際工況下的車速，綠色虛線是期望的目標(biāo)車速，整個(gè)行駛工況下兩曲線基本重合，反映出實(shí)際車速跟隨情況良好。說明本文策略能夠滿足車輛行駛工況要求。

（2）循環(huán)仿真結(jié)果

如表2所示為本文在CCBC工況下的續(xù)航里程和耗電量在有無本文策略下的仿真結(jié)果。

從表2可以看出，采用本文的控制策略在CCBC工況下仿真車輛的續(xù)航里程提升了15.6%，相應(yīng)的百公里耗電量降低了14.22%，說明采用本文的控制策略能有效的增加純電動(dòng)客車的續(xù)航里程，提升整車經(jīng)濟(jì)性。

5 結(jié)論

本文首先對(duì)影響純電動(dòng)客車?yán)m(xù)航里程的因素進(jìn)行了分析。然后從控制策略方面提出了增加續(xù)航里程的方法，根據(jù)電池、電機(jī)特性得到經(jīng)濟(jì)行駛控制曲線，并基于模糊邏輯制定了制動(dòng)能量回收策略。最后用CRUISE和Simulink進(jìn)行了聯(lián)合仿真，結(jié)果表明本文所提控制策略能明顯增加純電動(dòng)客車的續(xù)航里程。

參考文獻(xiàn)

[1] 李國良，初亮，魯和安.電動(dòng)汽車?yán)m(xù)駛里程的影響因素[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版）， 2000， 030（003）：20-24.

[2] 劉新天，王昊，何耀，等.基于最優(yōu)能量回收的再生制動(dòng)控制策略[J]. 時(shí)代汽車，2018， 3：51-52.

[3] 王軍，熊冉，楊振遷.純電動(dòng)大客車制動(dòng)能量回收系統(tǒng)控制策略研究[J].汽車工程，2009，031（010）：932-937.

[4] 吳敏.電動(dòng)汽車整車控制器基礎(chǔ)軟件開發(fā)及控制策略研究[D].吉林大學(xué)，2014.

[5] 謝晏，龔群英，何澤京，等.新能源公交車?yán)m(xù)航里程優(yōu)化分析[J].客車技術(shù)，2019（05）：34-37.

[6] Maia R，Silva M，Araujo R，et al. Electrical vehicle modeling： A fuzzy logic model for regenerative braking[J]. Expert Systems with App -lication， 2015， 42（22上）：8504-8519.