嚴(yán)陳希，黃明宇，史定洪，鄒 曄

（1.無(wú)錫職業(yè)技術(shù)學(xué)院汽車與交通學(xué)院，江蘇無(wú)錫 214121；2.南通大學(xué)機(jī)械工程學(xué)院，江蘇南通 226019）

1 引言

能量管理系統(tǒng)是一個(gè)典型的非線性多目標(biāo)動(dòng)態(tài)優(yōu)化系統(tǒng)，其合理控制是提高混合動(dòng)力汽車（Hybrid Electric Vehicle，HEV）經(jīng)濟(jì)性、動(dòng)力性等性能的關(guān)鍵。目前，能量管理系統(tǒng)中基于優(yōu)化的策略研究較為廣泛，可分為全局優(yōu)化和瞬時(shí)優(yōu)化。

全局優(yōu)化理論上能實(shí)現(xiàn)車輛性能最佳，但須滿足工況預(yù)知的前提，難以實(shí)時(shí)應(yīng)用，因此近年來(lái)其與工況預(yù)測(cè)等技術(shù)相結(jié)合成為研究的熱點(diǎn)。文獻(xiàn)[1]利用兩個(gè)神經(jīng)網(wǎng)絡(luò)模塊建立了一款在線能源管理控制器，并根據(jù)動(dòng)態(tài)規(guī)劃算法對(duì)動(dòng)力電池電流的優(yōu)化結(jié)果，實(shí)現(xiàn)了控制器實(shí)時(shí)控制。文獻(xiàn)[2]以能量?jī)r(jià)格比為優(yōu)化目標(biāo)，提出了一種根據(jù)約束條件及部件物理特性確定未來(lái)可達(dá)狀態(tài)序列的改進(jìn)型動(dòng)態(tài)規(guī)劃算法，從而實(shí)現(xiàn)能量管理。文獻(xiàn)[3]以電池和燃料能量損失為導(dǎo)向，運(yùn)用動(dòng)態(tài)規(guī)劃算法實(shí)現(xiàn)能量管理策略開(kāi)發(fā)，并結(jié)合駕駛模式識(shí)別提出了基于規(guī)則的多模式切換策略。由以上研究可見(jiàn)，全局優(yōu)化已不單只能用作評(píng)價(jià)指標(biāo)，在實(shí)時(shí)應(yīng)用上也大有成就。但相比而言，以等效油耗最低策略（Equivalent Con?sumption Minimization Strategy，ECMS）為代表的瞬時(shí)優(yōu)化能在更好的實(shí)現(xiàn)實(shí)時(shí)優(yōu)化基礎(chǔ)上得到近似全局最優(yōu)解。目前，ECMS策略的研究主要以等效因子和工況為主。文獻(xiàn)[4]首先設(shè)計(jì)了一種等效因子快速計(jì)算法，通過(guò)在線更新等效因子，提出一種基于電池荷電狀態(tài)（State of Charge，SOC）線性下降的自適應(yīng)等效燃油消耗最低策略；文獻(xiàn)[5]采用遺傳算法進(jìn)行隸屬函數(shù)參數(shù)和規(guī)則的調(diào)整，對(duì)不同道路工況下實(shí)車控制策略進(jìn)行實(shí)時(shí)切換，以實(shí)現(xiàn)等效油耗最低優(yōu)化目標(biāo)。

文獻(xiàn)[6]針對(duì)不同工作模式采用基于規(guī)則的控制進(jìn)行劃分，并控制等效因子隨功率需求和電池充電狀態(tài)的變化來(lái)實(shí)現(xiàn)ECMS策略的能源管理優(yōu)化。

這些研究中僅考慮了不同等效因子下的動(dòng)力源功率分配與SOC平衡控制，而發(fā)動(dòng)機(jī)起停規(guī)則對(duì)于策略的節(jié)能潛力也具有重要影響。

面對(duì)以上問(wèn)題，這里以挖掘策略的節(jié)能潛力為目標(biāo)，以發(fā)動(dòng)機(jī)起停規(guī)則、等效因子、工況類型三個(gè)參數(shù)作為策略優(yōu)化對(duì)象，設(shè)計(jì)了一種基于改進(jìn)型粒子群算法的雙參數(shù)優(yōu)化等效燃油消耗最低策略（AD?ECMS），從而實(shí)現(xiàn)最優(yōu)等效因子和發(fā)動(dòng)機(jī)起停規(guī)則隨工況類型實(shí)時(shí)更新，進(jìn)一步提升整車經(jīng)濟(jì)性。

最后，經(jīng)仿真對(duì)比分析和實(shí)驗(yàn)驗(yàn)證，證明策略在經(jīng)濟(jì)性和SOC平衡性上的優(yōu)勢(shì)。

2 ECMS策略及節(jié)能潛力

2.1 混合動(dòng)力系統(tǒng)方案

為了研究ECMS策略的節(jié)能潛力，選擇混合動(dòng)力汽車中新型功率分流式混合動(dòng)力系統(tǒng)[7]作為研究對(duì)象，其系統(tǒng)結(jié)構(gòu)，如圖1所示。整車及動(dòng)力系統(tǒng)主要參數(shù)，如表1所示。

表1 整車及動(dòng)力系統(tǒng)主要參數(shù)Tab.1 Vehicle and Powertrain Main Parameters

圖1 HEV動(dòng)力系統(tǒng)Fig.1 Powertrain of HEV

2.2 ECMS策略

這里采用MATLAB/Simulink與AMESim聯(lián)合仿真平臺(tái)搭建整車模型，并建立ECMS策略將其應(yīng)用到控制模型中，進(jìn)行車輛動(dòng)力部件的能量管理，為這里后續(xù)研究提供基礎(chǔ)。

ECMS策略的原理旨在利用等效因子將油、電消耗等效為綜合油耗[8]，以當(dāng)量比油耗Esys最低為優(yōu)化目標(biāo)，從而確定動(dòng)力部件功率分配。Esys可以理解為將變速箱與發(fā)動(dòng)機(jī)ENG整體當(dāng)作虛擬發(fā)動(dòng)機(jī)，輸入燃油，輸出有效功率，具體表達(dá)如下式：

當(dāng)電池充電時(shí)：

當(dāng)電池放電時(shí)：

式中：Pe—發(fā)動(dòng)機(jī)功率；PHo—整車需求功率；PB_out、PB_ist—充、放電下的電池功率；BSFC—ENG比油耗；S—等效因子。

2.3 ECMS策略節(jié)能潛力的探究

因ECMS節(jié)能效果有限，大量研究者對(duì)ECMS策略進(jìn)行了優(yōu)化改進(jìn)，目前的優(yōu)化研究主要集中在工況和等效因子[9]兩方面。然而，就經(jīng)濟(jì)性提升而言，是否存在除這兩者之外的其他參數(shù)能夠?qū)崿F(xiàn)優(yōu)化效果，還有待探究。

從控制原理分析，整車控制是根據(jù)實(shí)車反饋的瞬時(shí)需求功率來(lái)實(shí)現(xiàn)對(duì)動(dòng)力部件功率分配的在線插值。當(dāng)?shù)刃б蜃哟_定，車輛各需求功率下動(dòng)力源功率分配規(guī)則隨之確定；當(dāng)工況確定，車輛實(shí)時(shí)行駛需求功率確定?？梢?jiàn)，等效因子和工況決定了車輛每瞬時(shí)時(shí)刻的油電分配，理論上可得到最終油電消耗比例。然而，從控制策略優(yōu)化的角度討論，發(fā)動(dòng)機(jī)的起停會(huì)導(dǎo)致動(dòng)力部件工作在不同狀態(tài)，也易對(duì)整車油電消耗產(chǎn)生影響。

為探究發(fā)動(dòng)機(jī)起停規(guī)則對(duì)整車經(jīng)濟(jì)性的影響，對(duì)不同起停規(guī)則下策略的油電消耗進(jìn)行了分析。

選取NEDC工況，取等效因子值為280g/kWh，改變發(fā)動(dòng)機(jī)起停時(shí)機(jī)，得到仿真結(jié)果，如圖2所示。

圖2 不同發(fā)動(dòng)機(jī)起停規(guī)則下的油電消耗仿真結(jié)果Fig.2 Simulation Results of SOC and Fuel Consumption Under Different Engine Start?Stop Rules

如圖ENG起停策略1、2、5，當(dāng)發(fā)動(dòng)機(jī)起停規(guī)則發(fā)生變化時(shí)，車輛運(yùn)行在每一瞬時(shí)的動(dòng)力系統(tǒng)狀態(tài)改變，導(dǎo)致瞬時(shí)時(shí)刻動(dòng)力部件的能量分配不同，因此，油電消耗比例也會(huì)不同。ENG起停策略2、3、4，最終能保持電量SOC平衡，但隨著ENG起停規(guī)則的變化，車輛在每一瞬時(shí)的油電分配發(fā)生改變，電量變動(dòng)存在差異，消耗的燃油也各不相同。

可見(jiàn)，基于同工況類型和同等效因子下的ECMS策略，即使策略控制電量SOC平衡，不同的起停條件也會(huì)導(dǎo)致電量變動(dòng)及油耗的差異，最終對(duì)整車經(jīng)濟(jì)性造成影響。

3 基于IS?PSO算法的參數(shù)優(yōu)化

基于上述探究結(jié)果，為實(shí)現(xiàn)策略更好的節(jié)油效果，提出一種針對(duì)不同工況類型對(duì)最優(yōu)等效因子參數(shù)及發(fā)動(dòng)機(jī)起停規(guī)則參數(shù)同時(shí)進(jìn)行優(yōu)化的改進(jìn)型粒子群算法IS?PSO。

3.1 IS-PSO算法

粒子群算法（Particle Swarm Optimization，PSO）[10?11]屬于進(jìn)化算法的一種，其將每個(gè)優(yōu)化問(wèn)題的潛在解均視為一個(gè)粒子，每個(gè)粒子追隨目標(biāo)函數(shù)按下式不斷搜索并更新在解空間中飛行的速度和位置，此過(guò)程稱為迭代，最終找到最優(yōu)解。

式中：vid、xid—第i個(gè)粒子更新的速度和位置；c1、c2—學(xué)習(xí)因子，一般取值范圍在［1，2.5］，c1=c2=2；r1、r2—0~1之間均勻分布的隨機(jī)數(shù)；ω—慣性權(quán)重，ωmax=0.9，ωmin=0.4；M—當(dāng)前迭代步數(shù)；Mmax—最大迭代次數(shù)。

IS?PSO算法流程，如圖3所示。算法由內(nèi)外層嵌套而成，內(nèi)層以等效燃油消耗最低為優(yōu)化目標(biāo)，用于計(jì)算當(dāng)前等效因子下，各檔位隨整車需求功率變化時(shí)對(duì)應(yīng)的發(fā)動(dòng)機(jī)工作點(diǎn)的優(yōu)化，以及最優(yōu)發(fā)動(dòng)機(jī)起停規(guī)則；外層加載內(nèi)層計(jì)算得到的規(guī)則表，并運(yùn)行當(dāng)前工況，反饋SOC，通過(guò)迭代優(yōu)化，控制SOC平衡。

圖3 IS?PSO算法流程Fig.3 Flow of IS?PSO

3.2 參數(shù)優(yōu)化實(shí)現(xiàn)步驟

IS?PSO算法的基本步驟如下：

（1）初始化種群及算法參數(shù)，包括迭代次數(shù)M、粒子數(shù)NL，粒子初始隨機(jī)位置與速度，速度更新的限制等。

（2）依次選擇第M代的粒子群，M=M+1，若M≤Mmax，則調(diào)用每個(gè)粒子向量為Xi=（xi1，xi2，…，xiNL）進(jìn)入算法計(jì)算最優(yōu)功率分配的內(nèi)層；否則，跳轉(zhuǎn)至步驟（8）。

（3）內(nèi)層利用等效燃油消耗最低策略的原理進(jìn)行尋優(yōu)，計(jì)算當(dāng)前粒子i跟蹤總油耗最低的目標(biāo)得到的各檔位下發(fā)動(dòng)機(jī)與電機(jī)的最優(yōu)功率分配規(guī)則，并輸出到外層算法進(jìn)行收斂。

（4）控制策略內(nèi)部油電分配比例同時(shí)受控于動(dòng)力部件功率分配和發(fā)動(dòng)機(jī)起停規(guī)則，步驟（3）內(nèi)層的當(dāng)前粒子i下的各檔位總油耗輸入至發(fā)動(dòng)機(jī)起停on/off（內(nèi)層）進(jìn)行跟蹤隨需求功率變化時(shí)的油耗最小檔位狀態(tài)，控制發(fā)動(dòng)機(jī)起停。輸出檔位狀態(tài)到外層算法與步驟（3）的功率分配規(guī)則同時(shí)進(jìn)行收斂。

（5）加載各檔位功率分配規(guī)則表、發(fā)動(dòng)機(jī)起停規(guī)則表以及已知的模型中各需求量數(shù)據(jù)，加載Simulink/AMESim 聯(lián)合仿真模型，運(yùn)行當(dāng)前行駛工況。

（6）運(yùn)行結(jié)束提取末端SOC反饋至.m文件，建立適應(yīng)度函數(shù)△SOC=|SOCend?SOC0|。

（7）以SOC平衡為最終收斂目標(biāo)，判斷是否收斂，若收斂，更新個(gè)體最優(yōu)與全局最優(yōu)值。

（8）取收斂終值為0.1，當(dāng)△SOC>0.1且M

3.3 參數(shù)優(yōu)化結(jié)果

利用IS?PSO 算法對(duì)幾種涵蓋不同交通狀況的典型工況進(jìn)行等效因子和發(fā)動(dòng)機(jī)起停規(guī)則優(yōu)化。首先選取的六種工況類型：城市工況、郊區(qū)工況、高速工況，和中國(guó)乘用車行駛工況CLTC_P的低、中、高速段三部分，如圖4所示。

圖4 六種典型工況Fig.4 Six Typical Driving Cycles

經(jīng)IS?PSO算法的求解，得到的等效因子優(yōu)化結(jié)果，如表2所示。發(fā)動(dòng)機(jī)起停優(yōu)化結(jié)果為以功率分配為橫縱坐標(biāo)的表格，篇幅過(guò)大，這里不作具體展示。

表2 六種典型工況在IS-PSO算法下求解結(jié)果Tab.2 The Solution Results of Typical Driving Cycles Under the IS-PSO

4 基于工況識(shí)別的雙參數(shù)優(yōu)化AD?ECMS策略

基于IS?PSO算法優(yōu)化結(jié)果，在識(shí)別工況后調(diào)用最優(yōu)等效因子，并不斷更新最優(yōu)發(fā)動(dòng)機(jī)起停參數(shù)，以使得能量管理的實(shí)際控制效果達(dá)到預(yù)期。

4.1 A-ECMS策略

采用模糊控制器工況識(shí)別研究，建立在線識(shí)別模型，如圖5所示。取識(shí)別周期tp為200s，目的在于既能滿足該周期內(nèi)車輛的實(shí)時(shí)識(shí)別具備一定可信度，又不會(huì)因路段過(guò)長(zhǎng)而產(chǎn)生干擾。

圖5 工況識(shí)別控制示意圖Fig.5 Diagram of Working Condition Recognition

在在線識(shí)別模型中，模塊Discrete Mean Value中基頻設(shè)置為1/200，采樣時(shí)間設(shè)置為0.01s。

將工況識(shí)別器與IS?PSO 算法優(yōu)化得到的各典型工況下等效因子相結(jié)合，應(yīng)用到ECMS策略中，提出一種單參數(shù)優(yōu)化的A?ECMS策略。

4.2 AD-ECMS策略

為進(jìn)一步提高策略節(jié)油潛能，并實(shí)現(xiàn)在隨機(jī)工況下調(diào)整檔位調(diào)度控制SOC 平衡，提出一種基于工況自適應(yīng)的雙參數(shù)優(yōu)化AD?ECMS 策略。該策略同時(shí)調(diào)用當(dāng)前識(shí)別工況的最優(yōu)等效因子和發(fā)動(dòng)機(jī)起停規(guī)則，以實(shí)現(xiàn)動(dòng)力源間的最優(yōu)分配。AD?ECMS策略流程圖，如圖6所示。

圖6 AD?ECMS能量管理策略流程Fig.6 Flow of AD?ECMS Energy Management Strategy

AD?ECMS策略根據(jù)當(dāng)前識(shí)別工況類型，由實(shí)車反饋的需求轉(zhuǎn)速與扭矩查表插值輸出對(duì)應(yīng)的檔位狀態(tài)；隨后，在控制模型中控制發(fā)動(dòng)機(jī)起停；根據(jù)ECMS 策略進(jìn)行發(fā)動(dòng)機(jī)及電機(jī)的功率分配，實(shí)時(shí)控制車輛行駛。

4.3 仿真對(duì)比分析

為評(píng)價(jià)所提策略的經(jīng)濟(jì)性和電量平衡性，主要從油電消耗、發(fā)動(dòng)機(jī)及電機(jī)工作點(diǎn)三方面分別對(duì)基于規(guī)則的實(shí)車控制策略、ECMS策略、A?ECMS 策略和AD?ECMS 策略進(jìn)行對(duì)比分析。隨機(jī)組合6 種典型工況形成綜合測(cè)試工況，初始電池電量設(shè)置為50%，得到四種策略下的油電消耗變化曲線，如圖7所示。

圖7 四種策略下的油耗與SOCFig.7 Simulation Results Under Four Strategies

由圖7（a）可知，AD?ECMS策略下的車輛行駛完每段工況后電量與初始值的差值分別為1.866%、3.586%、4.392%、4.927%、4.713%，能大致恢復(fù)至SOC 初始值附近。對(duì)比其他三種策略，AD?ECMS策略更能自行調(diào)整SOC平衡。

因不同控制策略下的末態(tài)SOC不一樣，無(wú)法直接對(duì)車輛的油耗進(jìn)行客觀合理的評(píng)價(jià)。為公平地評(píng)價(jià)幾種策略燃油經(jīng)濟(jì)性的優(yōu)劣，根據(jù)式5將電量等效為發(fā)動(dòng)機(jī)油耗得到總油耗。并計(jì)算得到四種策略下車輛行駛完全程的總油耗，如表3所示。

表3 四種策略下的仿真結(jié)果Tab.3 Simulation Results Under Four Strategies

式中：S—等效因子（無(wú)量綱參數(shù)），單位換算公式為S=S（g/kWh）·Q1hv/3600/1000；PB—電池功率，單位是ω·h；C—電池包額定容量，C=6A·h；U—額定電壓，U=316V；發(fā)動(dòng)機(jī)油耗—單位為L(zhǎng)/100km；L—車輛總行程；ρ汽油—汽油密度，ρ汽油=0.725g/mL。

可以看出，AD?ECMS策略下的總油耗相比于基于規(guī)則的實(shí)車控制策略和標(biāo)準(zhǔn)ECMS策略分別降低了24.265%和14.684%，經(jīng)濟(jì)性有較大提升。對(duì)于已進(jìn)行等效因子優(yōu)化的A?ECMS策略而言，AD?ECMS策略進(jìn)一步將發(fā)動(dòng)機(jī)起停規(guī)則調(diào)用至整車控制策略中，總等效油耗相對(duì)降低2.157%，SOC 平衡能力上升24.158%。這里AD?ECMS策略的總等效油耗相比A?ECMS策略僅有較小降低，原因在于：AD?ECMS策略通過(guò)調(diào)用的發(fā)動(dòng)機(jī)起停規(guī)則表在控制檔位調(diào)用時(shí)，需同時(shí)衡量最低等效油耗與電量平衡，而為了配合電量平衡，調(diào)用檔位時(shí)會(huì)犧牲經(jīng)濟(jì)性，因此相比A?ECMS策略，AD?ECMS策略燃油經(jīng)濟(jì)性有小幅度上升，但卻能兼顧電量平衡。

ECMS、A?ECMS和AD?ECMS 策略下的發(fā)動(dòng)機(jī)工作點(diǎn)對(duì)比圖，如圖8所示。

圖8 發(fā)動(dòng)機(jī)工作點(diǎn)Fig.8 Working Points of Engine

統(tǒng)計(jì)得這三種策略下的燃油消耗量在255g/（kWh）以內(nèi)的占比分別達(dá)到39.63%、49.88%和56.19%，可見(jiàn)AD?ECMS策略的發(fā)動(dòng)機(jī)工作點(diǎn)更有效的集中在高效區(qū)域，對(duì)油耗和排放均有所改善。

三種策略下的電機(jī)工作點(diǎn)分布，如圖9所示。電機(jī)工作點(diǎn)在四個(gè)象限均有分布，存在電動(dòng)和發(fā)電工況。除去為保持杠桿平衡電機(jī)鎖止或空轉(zhuǎn)的工作分布點(diǎn)以外，統(tǒng)計(jì)得ECMS、A?ECMS 和AD?ECMS策略下電機(jī)E1效率達(dá)到百分之八十以上的工作點(diǎn)分別占24.98%、35.24%和37.57%；電機(jī)E2效率達(dá)到百分之八十以上的工作點(diǎn)分別占69.21%、71.69%和72.19%?？梢?jiàn)，AD?ECMS策略下的電機(jī)能工作在更高的效率區(qū)間。

圖9 電機(jī)工作點(diǎn)Fig.9 Working Points of Motor

5 整車轉(zhuǎn)轂實(shí)驗(yàn)

為進(jìn)一步驗(yàn)證AD?ECMS策略的有效性，進(jìn)行了整車轉(zhuǎn)轂油耗實(shí)驗(yàn)，如圖10所示。因試驗(yàn)條件限制，選取天津城郊路譜進(jìn)行三種策略下的實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)條件為，初始SOC=0.5，大氣溫度T=24.6℃，大氣壓力P=102.8kPa，相對(duì)濕度%RH=30.7%，汽油密度ρ=0.7591g/ml，測(cè)功機(jī)當(dāng)量慣量為1470kg。實(shí)驗(yàn)數(shù)據(jù)通過(guò)ETAS公司的軟件INCA和硬件ES 592進(jìn)行采集。

圖10 整車轉(zhuǎn)轂油耗試驗(yàn)Fig.10 Fuel Consumption Test for Vehicle Hub

實(shí)驗(yàn)結(jié)果，實(shí)驗(yàn)車速總體跟隨良好，如圖11所示。實(shí)驗(yàn)所得改進(jìn)型策略下的SOC軌跡及油耗與基于本研究仿真趨勢(shì)基本一致，驗(yàn)證了模型的可行性。同時(shí)，實(shí)驗(yàn)測(cè)得的ECMS策略的發(fā)動(dòng)機(jī)油耗為4.664L/100km，電量減少10.2%；A?ECMS 策略油耗為4.423L/100km，電量上升5.57%；AD?ECMS 策略油耗為4.133L/100km，電量減少2%。可見(jiàn)，AD?ECMS 策略試驗(yàn)下的經(jīng)濟(jì)性相比另兩種策略均有所提升，并有更好的電量平衡性。

圖11 實(shí)驗(yàn)結(jié)果Fig.11 Experimental Results

三種策略試驗(yàn)下的發(fā)動(dòng)機(jī)轉(zhuǎn)速扭矩變化圖，如圖12所示。

圖12 發(fā)動(dòng)機(jī)轉(zhuǎn)速扭矩變化曲線Fig.12 Engine Speed and Torque

相比ECMS和A?ECMS策略，AD?ECMS策略減少了發(fā)動(dòng)機(jī)在低速低扭矩的工作點(diǎn)，使其工作在更優(yōu)區(qū)間，對(duì)發(fā)動(dòng)機(jī)排放也有一定改善。

同時(shí)減少了發(fā)動(dòng)機(jī)起停次數(shù)，避免其工作在整車需求功率較小的階段。因此，進(jìn)一步證明了AD?ECMS能更有效的提高整車經(jīng)濟(jì)性，以及控制電池電量平衡能力。

6 結(jié)束語(yǔ)

（1）這里針對(duì)一款雙行星排式的新型功率分流系統(tǒng)，進(jìn)行ECMS策略節(jié)能潛力的探究，得到策略在等效因子、工況類型和發(fā)動(dòng)機(jī)起停規(guī)則均可進(jìn)一步研究以實(shí)現(xiàn)更高整車經(jīng)濟(jì)性。

（2）提出一種改進(jìn)型粒子群算法IS?PSO，算法以功率分配、發(fā)動(dòng)機(jī)起停和SOC收斂為內(nèi)外三層嵌套而成。最終實(shí)現(xiàn)在不同工況下對(duì)最優(yōu)等效因子及發(fā)動(dòng)機(jī)起停規(guī)則進(jìn)行內(nèi)外層求取的優(yōu)化目標(biāo)。

（3）根據(jù)在線工況識(shí)別類型，提取IS?PSO 算法求解到的最優(yōu)等效因子和發(fā)動(dòng)機(jī)起停規(guī)則，與ECMS結(jié)合，提出一種雙參數(shù)優(yōu)化的AD?ECMS能量管理策略。

并對(duì)策略進(jìn)行仿真分析和試驗(yàn)驗(yàn)證，仿真結(jié)果表明了模型和策略的有效性，及不論在整車經(jīng)濟(jì)性還是電量平衡性方面，所提策略均備更好的效果。