李柏青 劉勝永 丁磊 田敬北

摘 要：為了使插電式混合動(dòng)力汽車（plug-in hybrid electric vehicle，PHEV）能夠獲得更好的燃油經(jīng)濟(jì)性，本文提出了一種基于多目標(biāo)優(yōu)化的加速意圖識(shí)別能量管理策略，在基于規(guī)則型能量管理策略的基礎(chǔ)上采用模糊控制器構(gòu)建起加速意圖識(shí)別模塊，通過(guò)引入修正系數(shù)對(duì)整車需求轉(zhuǎn)矩進(jìn)行實(shí)時(shí)修正，實(shí)現(xiàn)更符合駕駛員意圖的轉(zhuǎn)矩輸出，同時(shí)利用多目標(biāo)粒子群算法對(duì)整車的傳動(dòng)比進(jìn)行優(yōu)化以提升整車燃油經(jīng)濟(jì)性，利用CRUISE軟件搭建整車模型與MATLAB/Simulink進(jìn)行聯(lián)合仿真驗(yàn)證策略的有效性。仿真結(jié)果表明：在世界輕型車輛測(cè)試循環(huán)（world light vehicle test cycle，WLTC）工況下，當(dāng)起始動(dòng)力電池荷電狀態(tài)（state of charge，SOC）為70%時(shí)，對(duì)比基于多目標(biāo)優(yōu)化的加速意圖識(shí)別策略與單一的加速意圖識(shí)別策略，前者的燃油經(jīng)濟(jì)性提升了0.48%；當(dāng)起始SOC為35%時(shí)，前者的燃油經(jīng)濟(jì)性提升了2.22%，由此得出基于多目標(biāo)優(yōu)化的加速意圖識(shí)別策略對(duì)于提升整車燃油經(jīng)濟(jì)性具有較好的效果。

關(guān)鍵詞：插電式混合動(dòng)力汽車（PHEV）；加速意圖；能量管理策略；多目標(biāo)粒子群算法；燃油經(jīng)濟(jì)性

中圖分類號(hào)：U471.23；U469.79 DOI：10.16375/j.cnki.cn45-1395/t.2023.03.015

0 引言

近年來(lái)隨著經(jīng)濟(jì)的不斷發(fā)展，由能源消耗帶來(lái)的一系列環(huán)境問(wèn)題備受關(guān)注。出于對(duì)環(huán)境保護(hù)的需要，各國(guó)政府大力提倡發(fā)展新能源汽車。其中插電式混合動(dòng)力汽車（plug-in hybrid electric vehicle，PHEV）因配備有大容量動(dòng)力電池且具有通過(guò)外部電網(wǎng)充電的特點(diǎn)[1]，兼具純電動(dòng)汽車和混合動(dòng)力汽車的優(yōu)點(diǎn)，被認(rèn)為是目前最具現(xiàn)實(shí)意義的新能源車型。

PHEV的能量管理策略，可分為基于規(guī)則型能量管理策略、瞬時(shí)優(yōu)化能量管理策略和全局優(yōu)化能量管理策略三大類。莊偉超等[2-6]通過(guò)對(duì)PHEV的運(yùn)行模式進(jìn)行分析，將整車運(yùn)行狀態(tài)分為CD（電量消耗）階段和CS（電量保持）階段，制定出基于固定門限閾值的CD-CS能量管理策略。尹安東等[7]在駕駛員的駕駛意圖基礎(chǔ)上，設(shè)計(jì)了相應(yīng)的工作模式切換模塊。秦大同等[8]通過(guò)對(duì)比NEDC工況和整車道路試驗(yàn)結(jié)果，對(duì)整車的能量管理策略進(jìn)行驗(yàn)證，發(fā)現(xiàn)采用基于駕駛意圖的能量管理策略更能提升燃油經(jīng)濟(jì)性。林巨廣等[9]通過(guò)設(shè)計(jì)模糊控制器對(duì)駕駛員意圖進(jìn)行識(shí)別，再根據(jù)辨識(shí)出的駕駛員意圖推出符合整車運(yùn)行的目標(biāo)轉(zhuǎn)矩。Luo等[10]針對(duì)整車啟動(dòng)時(shí)需求轉(zhuǎn)矩的大小設(shè)計(jì)了一種能夠識(shí)別駕駛員啟動(dòng)意圖的控制策略。徐小東等[11]在普通模糊邏輯控制基礎(chǔ)上增加行駛里程輸入條件，使得整車在不同行駛里程條件下都能很好地調(diào)整發(fā)動(dòng)機(jī)工作在高效區(qū)，具有更好的燃油經(jīng)濟(jì)性。這種基于規(guī)則型能量管理策略簡(jiǎn)單易行，實(shí)用性強(qiáng)，在當(dāng)前混合動(dòng)力汽車的實(shí)際能量管理中應(yīng)用非常廣泛，但能耗經(jīng)濟(jì)性不如優(yōu)化型能量管理策略。尹安東等[12]通過(guò)應(yīng)用粒子群智能優(yōu)化算法，對(duì)PHEV傳動(dòng)系參數(shù)和控制器參數(shù)進(jìn)行多目標(biāo)優(yōu)化。林歆悠等[13]在一般的模糊邏輯控制的基礎(chǔ)上增加了粒子群優(yōu)化算法，通過(guò)仿真驗(yàn)證得出對(duì)模糊控制進(jìn)行優(yōu)化后的能量管理策略可以有效地提升汽車的燃油經(jīng)濟(jì)性，更好地控制電池組荷電狀態(tài)（state of charge，SOC）的變化。臧懷泉等[14]提出了一種基于禁忌搜索-免疫粒子群算法的整車模糊能量管理策略，對(duì)模糊控制器設(shè)置的當(dāng)前SOC和整車的需求轉(zhuǎn)矩進(jìn)行尋優(yōu)以達(dá)到合理的分配。這種基于優(yōu)化型能量管理策略可實(shí)現(xiàn)較優(yōu)的能耗經(jīng)濟(jì)性，但由于計(jì)算時(shí)間較長(zhǎng)，實(shí)時(shí)性較差。

本文采用Cruise汽車仿真軟件搭建起整車的物理模型，在基于規(guī)則控制的能量管理策略的基礎(chǔ)上增添加速意圖識(shí)別模型，通過(guò)模糊控制器對(duì)輸出的需求轉(zhuǎn)矩進(jìn)行修正，根據(jù)加速需要建立起自動(dòng)識(shí)別的駕駛模式。構(gòu)建能耗經(jīng)濟(jì)性的目標(biāo)函數(shù)，運(yùn)用多目標(biāo)粒子群算法對(duì)整車傳動(dòng)比進(jìn)行優(yōu)化。最后通過(guò)Cruise-Simulink聯(lián)合仿真來(lái)驗(yàn)證基于多目標(biāo)優(yōu)化的加速意圖識(shí)別策略對(duì)燃油經(jīng)濟(jì)性的改善效果。

1 PHEV的系統(tǒng)結(jié)構(gòu)及參數(shù)設(shè)置

以某款混聯(lián)插電式混合動(dòng)力汽車為研究對(duì)象，整車動(dòng)力系統(tǒng)結(jié)構(gòu)如圖1所示。其系統(tǒng)組成主要由驅(qū)動(dòng)電機(jī)、發(fā)電機(jī)、發(fā)動(dòng)機(jī)、動(dòng)力電池、減速器、差速器、離合器等部件組成。

圖1中驅(qū)動(dòng)電機(jī)、發(fā)電機(jī)、動(dòng)力電池三者采用電氣連接，其余部件均為機(jī)械連接。整車參數(shù)如表1所示。

2 基于加速意圖識(shí)別策略

在傳統(tǒng)的基于規(guī)則型能量管理策略基礎(chǔ)上，引入模糊控制器對(duì)駕駛員的加速意圖進(jìn)行識(shí)別。根據(jù)駕駛員在操控汽車加速時(shí)的緊急程度不同，可將加速意圖分為緩慢加速、正常加速、緊急加速。具體體現(xiàn)在加速踏板開(kāi)度及加速踏板開(kāi)度變化率上，有效地反映了汽車加速的緊急程度。

2.1 加速意圖識(shí)別

駕駛員在操控車輛進(jìn)行加速行駛時(shí)，對(duì)于整車需求轉(zhuǎn)矩及功率的直接需求在于控制加速踏板的開(kāi)度上，但僅根據(jù)傳統(tǒng)控制策略中對(duì)加速踏板開(kāi)度的控制難以準(zhǔn)確有效地反映出駕駛員對(duì)整車加速需求的變化。本文選取加速踏板開(kāi)度u及加速踏板開(kāi)度變化率du/dt作為模糊控制器的輸入量，并引入需求轉(zhuǎn)矩的修正系數(shù)k作為輸出量來(lái)構(gòu)建自動(dòng)判別加速意圖的模型。圖2為基于加速意圖識(shí)別的控制過(guò)程。

2.2 模糊控制器設(shè)計(jì)

1）加速踏板開(kāi)度u

考慮到加速踏板開(kāi)度對(duì)加速意圖的影響程度，將論域設(shè)置為u=[0，1]，包括5個(gè)模糊子集，分別為非常小（VL），小（L），中（M），大（H），非常大（VH）。

2）加速踏板開(kāi)度變化率du/dt

加速踏板開(kāi)度變化率論域?yàn)閐u/dt=[-1，1]，值越大代表加速需求越大，包括7個(gè)模糊子集，分別為非常?。╒L），?。↙），略微小（RL），中（M），略微大（RH），大（H），非常大（VH）。

3）修正系數(shù)k

為較好地體現(xiàn)在不同加速情況下對(duì)整車需求轉(zhuǎn)矩的影響，將其論域設(shè)置為k=[0，1]，包括7個(gè)模糊子集，分別為非常小（VL），小（L），略微小（RL），中（M），略微大（RH），大（H），非常大（VH）。

采用Mamdani結(jié)構(gòu)的模糊控制器，結(jié)合個(gè)人經(jīng)驗(yàn)以及實(shí)際車輛需求設(shè)計(jì)隸屬度函數(shù)。模糊控制器輸入和輸出的隸屬度函數(shù)如圖3所示。

3 多目標(biāo)粒子群優(yōu)化控制策略

從提高PHEV的燃油經(jīng)濟(jì)性出發(fā)，考慮發(fā)動(dòng)機(jī)的燃油消耗量和電動(dòng)部件的電能消耗量，以此為目標(biāo)建立起多目標(biāo)粒子群優(yōu)化的能量管理策略，從而合理地分配PHEV各動(dòng)力部件之間的轉(zhuǎn)矩，達(dá)到提升燃油經(jīng)濟(jì)性的效果。其優(yōu)化目標(biāo)函數(shù)的表達(dá)式如下：

[minF（x）=[Fuel（x），Elec（x）]，x=（i1，i2，i3），s.t. ? ?gj（x）≥0， ? ?j=1，2，…，n，xmini

式中：[F（x）]為優(yōu)化目標(biāo)函數(shù)；[Fuel（x）]為百公里燃油消耗量，單位為L(zhǎng)/（100 km）；[Elec（x）]為百公里電耗，單位為kW·h/（100 km）；[i1]、[i2、i3]分別為驅(qū)動(dòng)電機(jī)傳動(dòng)比、發(fā)動(dòng)機(jī)直驅(qū)傳動(dòng)比和發(fā)動(dòng)機(jī)與發(fā)電機(jī)速比；[gj（x）≥0]代表約束條件，表示車輛動(dòng)力性、結(jié)構(gòu)設(shè)計(jì)要求及行駛需求的參數(shù)；[xmini]和[xmaxi]分別為[xi]對(duì)應(yīng)的下限值和上限值。

由于整車的驅(qū)動(dòng)電機(jī)傳動(dòng)比、發(fā)動(dòng)機(jī)直驅(qū)傳動(dòng)比和發(fā)動(dòng)機(jī)與發(fā)電機(jī)速比對(duì)整車性能影響較大，考慮發(fā)動(dòng)機(jī)與電機(jī)的效率區(qū)間，確定了各優(yōu)化變量的上、下限值。優(yōu)化變量參數(shù)匯總?cè)绫?所示。

對(duì)于PHEV經(jīng)濟(jì)性的優(yōu)化，在選取約束條件時(shí)需要保證車輛的行駛需求符合設(shè)計(jì)要求，故采用動(dòng)力性參數(shù)作為約束條件，選取百公里加速時(shí)間及最大爬坡度為約束條件建立起多目標(biāo)優(yōu)化策略的模型。

優(yōu)化過(guò)程選取CD（SOC為70%）和CS（SOC為35%）2個(gè)階段，通過(guò)多目標(biāo)粒子群控制算法，經(jīng)過(guò)500次迭代尋優(yōu)后找到最優(yōu)值。圖4為CS（SOC為35%）階段綜合油耗的尋優(yōu)過(guò)程。

綜合油耗是將百公里電耗折算成油耗后再加上油耗值后得出的結(jié)果。表4為優(yōu)化前后參數(shù)對(duì)比表。

4 仿真與結(jié)果分析

4.1 仿真模型建立

以某款插電式混合動(dòng)力汽車為研究對(duì)象，在Cruise中搭建整車模型并設(shè)置運(yùn)行工況，再將模型集成到Simulink中和控制策略聯(lián)合仿真。整車模型如圖5所示。

根據(jù)2019年發(fā)布的《中國(guó)汽車行駛工況 第1部分：輕型汽車》（GB/T 38146.1—2019）[15]，采用世界輕型車輛測(cè)試循環(huán)（world light vehicle test cycle，WLTC）工況對(duì)車輛進(jìn)行仿真。

4.2 仿真結(jié)果分析

根據(jù)本文提出的能量管理策略，利用Cruise在WLTC工況下分別對(duì)CD和CS這2種情況進(jìn)行仿真分析。

圖6為駕駛員加速度及加速踏板開(kāi)度變化曲線。根據(jù)整車運(yùn)行工況的實(shí)時(shí)性，加速度及加速踏板開(kāi)度也會(huì)隨之變化，能夠有效地反映出駕駛員的加速意圖。

圖7為修正前后的需求轉(zhuǎn)矩曲線圖。從圖7（b）中可以看出，當(dāng)汽車處于緊急加速的狀態(tài)時(shí)，經(jīng)過(guò)模糊控制器解模糊后的修正系數(shù)為大于1的值，故汽車處于緊急加速時(shí)整車的需求轉(zhuǎn)矩要比修正前的需求轉(zhuǎn)矩大。從圖7（c）中可看出，當(dāng)整車處于緩慢加速時(shí)，需求轉(zhuǎn)矩變小，修正系數(shù)為小于1 的值，故修正過(guò)后的駕駛員需求轉(zhuǎn)矩小于修正前的需求轉(zhuǎn)矩。

通過(guò)對(duì)比加速踏板開(kāi)度和修正前后的需求轉(zhuǎn)矩曲線，驗(yàn)證了所設(shè)計(jì)的模糊控制器可以準(zhǔn)確地識(shí)別駕駛員的加速意圖，及時(shí)地修正符合駕駛員需求的整車轉(zhuǎn)矩。同時(shí)對(duì)比低速工況與超高速工況的初始加速時(shí)間段可看出，低速工況起步時(shí)的加速度明顯高于超高速工況起步時(shí)的加速度，對(duì)于模型識(shí)別出的2個(gè)工況所需的轉(zhuǎn)矩也說(shuō)明低速工況要高于超高速工況，與實(shí)際情況相吻合。對(duì)比修正前后的需求轉(zhuǎn)矩曲線圖，可以看出修正前后的需求轉(zhuǎn)矩整體變化不大，在緊急加速階段略微增加，在平穩(wěn)加速階段略微減少，表明所設(shè)計(jì)的模糊控制器更為準(zhǔn)確地解決了對(duì)駕駛員駕駛意圖的識(shí)別問(wèn)題。

圖8是起始SOC為35%的電量保持階段能耗。在此階段應(yīng)盡量減少使用驅(qū)動(dòng)電機(jī)工作，盡可能采用發(fā)動(dòng)機(jī)來(lái)驅(qū)使整車行駛，以此來(lái)保護(hù)蓄電池過(guò)充或過(guò)放的問(wèn)題。由圖8可知，隨著燃油消耗量上升，動(dòng)力電池的消耗量就會(huì)減少，在運(yùn)行工況結(jié)束后，基于多目標(biāo)優(yōu)化的加速意圖識(shí)別策略剩余的SOC要高于其余2種控制策略，燃油消耗量與單一駕駛意圖識(shí)別策略相近，但明顯多于基于規(guī)則型能量管理策略。結(jié)合3種策略下動(dòng)力電池消耗的電能和燃油消耗量的情況計(jì)算出整車的綜合油耗后發(fā)現(xiàn)，基于多目標(biāo)優(yōu)化的加速意圖識(shí)別策略較其余2種控制策略有較好的燃油經(jīng)濟(jì)性。

將以上3種不同的能量管理策略進(jìn)行對(duì)比，結(jié)果如表5所示。

從優(yōu)化后的結(jié)果可以看出，SOC為35%時(shí)，基于多目標(biāo)優(yōu)化的加速意圖識(shí)別策略比基于加速意圖識(shí)別策略燃油經(jīng)濟(jì)性提高了2.22%，相比于基于規(guī)則型能量管理策略提高了6.95%；當(dāng)起始SOC為70%時(shí)，基于多目標(biāo)優(yōu)化的加速意圖識(shí)別策略比基于加速意圖識(shí)別策略燃油經(jīng)濟(jì)性僅提高了0.48%，但對(duì)比基于規(guī)則型能量管理策略，其燃油經(jīng)濟(jì)性提高了13.14%。由此表明，基于多目標(biāo)優(yōu)化的加速意圖識(shí)別策略對(duì)于提高燃油經(jīng)濟(jì)性有明顯的效果。

5 結(jié)論

本文以提高PHEV燃油經(jīng)濟(jì)性為目的，考慮到傳統(tǒng)的基于規(guī)則型能量管理策略無(wú)法準(zhǔn)確地對(duì)駕駛員的加速意圖進(jìn)行實(shí)時(shí)判斷，導(dǎo)致燃油經(jīng)濟(jì)性降低，故引入基于加速意圖識(shí)別策略及基于多目標(biāo)優(yōu)化的加速意圖識(shí)別策略來(lái)提升燃油經(jīng)濟(jì)性，具體結(jié)論如下：

1）針對(duì)駕駛員意圖識(shí)別的問(wèn)題，通過(guò)設(shè)計(jì)模糊控制加速意圖識(shí)別模塊來(lái)識(shí)別加速意圖。仿真結(jié)果表明：采用模糊控制器可以較為準(zhǔn)確地識(shí)別出駕駛員意圖，根據(jù)實(shí)時(shí)的加速意圖可提升或降低整車需求轉(zhuǎn)矩。

2）通過(guò)對(duì)比基于規(guī)則型能量管理策略、基于加速意圖識(shí)別策略和基于多目標(biāo)優(yōu)化的加速意圖識(shí)別策略，發(fā)現(xiàn)基于多目標(biāo)優(yōu)化的加速意圖識(shí)別策略更加符合PHEV的運(yùn)行狀態(tài)。

3）通過(guò)Cruise-Simulink聯(lián)合仿真，驗(yàn)證基于多目標(biāo)優(yōu)化的加速意圖識(shí)別策略的燃油經(jīng)濟(jì)性。仿真結(jié)果表明：相比較于基于規(guī)則型能量管理策略和基于加速意圖識(shí)別策略，基于多目標(biāo)優(yōu)化的加速意圖識(shí)別策略能夠在增強(qiáng)車輛對(duì)駕駛員的適應(yīng)性的同時(shí)，還能有效地提升整車的燃油經(jīng)濟(jì)性。

參考文獻(xiàn)

[1] 孫越.我國(guó)新能源汽車分類及發(fā)展現(xiàn)狀淺析[J].汽車實(shí)用技術(shù)，2020（4）：13-15.

[2] 莊偉超，丁洋，邱立琦，等.插電式混合動(dòng)力汽車控制策略的研究現(xiàn)狀及發(fā)展趨勢(shì)[J].機(jī)械設(shè)計(jì)與制造工程，2016，45（6）：11-17.

[3] HAN J H，KUM D，PARK Y.Synthesis of predictive equivalent consumption minimization strategy for hybrid electric vehicles based on closed-form solution of optimal equivalence factor[J].IEEE Transactions on Vehicular Technology，2017，66（7）：5604-5616.

[4] HUANG Y J，WANG H，KHAJEPOUR A，et al.Model predictive control power management strategies for HEVs：a review[J].Journal of Power Sources，2017，341：91-106.

[5] 王琦，劉勝永，鄭致飛.基于模糊控制的純電動(dòng)汽車能量管理策略研究[J].廣西科技大學(xué)學(xué)報(bào)，2021，32（2）： 83-88，106.

[6] 許佳東，高遠(yuǎn)，袁海英.四輪轉(zhuǎn)向汽車的無(wú)模型自適應(yīng)控制研究[J].廣西科技大學(xué)學(xué)報(bào)，2022，33（3）：29-35.

[7] 尹安東，國(guó)興.基于駕駛意圖識(shí)別的PHEV控制策略研究[J].汽車科技，2016（2）：7-13.

[8] 秦大同，楊官龍，胡明輝，等.基于駕駛意圖的插電式混合動(dòng)力汽車能量管理策略[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版），2015，45（6）：1743-1750.

[9] 林巨廣，顧杰，朱茂飛.基于駕駛意圖模糊識(shí)別的PHEV輸出轉(zhuǎn)矩控制的研究[J].汽車工程，2012，34（11）：984-989.

[10] LUO Y，WEI Y H，KAN Y Z，et al.Control strategy for electric startup of P2.5-PHEV based on slope memory and driver's startup intention[J].IEEE Access，2021，9：77044-77057.

[11] 徐小東，張冰戰(zhàn).基于模糊邏輯的混合動(dòng)力汽車控制策略研究[J].合肥工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，35（6）：725-728.

[12] 尹安東，張宇，張冰戰(zhàn)，等.基于粒子群算法的PHEV動(dòng)力參數(shù)和控制策略參數(shù)優(yōu)化[J].機(jī)械傳動(dòng)，2015，39（5）：58-62，109.

[13] 林歆悠，王召瑞.應(yīng)用粒子群算法優(yōu)化模糊規(guī)則的自適應(yīng)多目標(biāo)控制策略[J].控制理論與應(yīng)用，2021，38（6）： 842-850.

[14] 臧懷泉，張琦，強(qiáng)鵬輝，等.插電式混合動(dòng)力汽車能量?jī)?yōu)化管理策略研究[J].燕山大學(xué)學(xué)報(bào)，2020，44（4）：388-396.

[15] 全國(guó)汽車標(biāo)準(zhǔn)化技術(shù)委員會(huì).中國(guó)汽車行駛工況：第1部分 輕型汽車：GB/T 38146.1—2019[S].北京：中國(guó)標(biāo)準(zhǔn)出版社，2019.

PHEV energy management strategy for acceleration

intention recognition based on multi-objective optimization

LI Baiqing1a， LIU Shengyong*1a，2， DING Lei3， TIAN Jingbei1b

（1a. School of Automation， 1b. School of Innovation and Entrepreneurship， Guangxi University of Science and Technology， Liuzhou 545616， China; 2. Guangxi Key Laboratory of Automobile Components and Vehicle （Guangxi University of Science and Technology）， Liuzhou 545616， China; 3. Dongfeng Liuzhou Automobile Co.， Ltd.， Liuzhou 545616， China）

Abstract： To achieve better fuel economy for plug-in hybrid electric vehicles （PHEV）， this paper proposes an energy management strategy based on multi-objective optimization for acceleration intent recognition. On the basis of rule-based energy management strategy， a fuzzy controller is used to construct an acceleration intention recognition module. By introducing a correction factor to the vehicle's demand torque in real time， the torque output is more in line with the driver's intention. By introducing correction coefficient to correct the required torque of the vehicle in real time， the torque output more in line with the driver's intention can be achieved. Meanwhile， the multi-objective particle swarm optimization was used to optimize the vehicle transmission ratio to improve the vehicle fuel economy. The vehicle model was built with CRUISE software and MATLAB/Simulink co-simulation was conducted to verify the effectiveness of the strategy. The simulation results show that： under the world light vehicle test cycle （WLTC） condition， when the initial power battery state of charge （SOC） is 70%， the fuel economy of the acceleration intention recognition strategy based on multi-objective optimization increases by 0.48% compared with the single acceleration intention recognition strategy. While when the initial SOC is 35%， the fuel economy increases by 2.22%. It is concluded that the acceleration intention recognition strategy based on multi-objective optimization has a good effect on improving the fuel economy of the whole vehicle.

Key words： plug-in hybrid electric vehicle （PHEV）; acceleration intention; energy management strategy; multi-objective particle swarm optimization; fuel economy

（責(zé)任編輯：黎 婭）