Er
APPLICATION 技术应用
摘要：整车控制策略是混合动力汽车的核心技术和设计难点。分析了并联式混合动力汽车(P H E V )整车结构特点和工作模 式，将其控制策略分为基于规则与基于优化2类，对这2类控制策略的原理及优缺点进行了分析与对比，重点对新兴的智能 控制策略进行了分析与展望，并对其应用于混合动力汽车中的可行性和优势进行了剖析。利用各种控制策略优势，实现集成 控制，以及开发智能控制策略，是今后PH E V 控制策略的发展趋势。关键词：并联式混合动力汽车；控制策略；智能控制；集成控制
Analysis on Control Strategy for Parallel Hybrid Electric Vehicle^
Abstract ： Vehicle control strategy is the key technology and design difficult point for PHEV. This paper briefly introduces the
structure feature and working mode of parallel hybrid electric vehicle, and classifies the control strategy of parallel hybrid electric vehicle. At present, the hybrid electric vehicle control strategy is divided into two categories: based on rules and based on optimization. The advantages and disadvantages of the two control strategies are analyzed and compared, especially focused on the emerging intelligent control strategies, and the feasibility and advantages of them in the hybrid electric vehicle is analyzed. Using control strategy to realize integrated control and to develop the int
elligent control strategy will be the development trend of parallel hybrid electric vehicle.
Key words ： Parallel hybrid electric vehicle; Control strategy; Intelligent control; Integrated control
混合动力汽车(HEV )是在传统汽车的基础上配备 了电动机/电池驱动系统的一种新能源汽车，是传统汽 车到纯电动汽车的一种过渡车型[1]。控制策略是HEV 的核心技术和设计难点，也是H E V 能否实用化的关 键。并联式混合动力汽车(PHEV )的工作模式主要可以 分为电驱动模式、发动机驱动模式、混合驱动模式、再 生制动模式以及停车充电模式，这5种模式的互相切百美图之
换主要依靠控制策略的控制。控制策略能够根据驾驶 员的驾驶意图和行驶工况，协调各部件间的能量流动， 合理地进行动力分配，提高行驶效率，降低汽车的燃油 消耗[2]。目前H E V 的控制策略主要分为基于规则和基 于优化2类，这2类控制策略几乎能够涵盖所有的控 制策略，划分明确。文章对这2类控制策略进行了分析 和对比，并对新兴的智能控制策略进行了介绍。
1
并联式混合动力汽车
PH EV 的传动结构，如图1所示，其主要特点是发
动机和电机根据路况和扭矩的需求不同，同时或单独
驱动[3]。由于H E V 发展初期技术有限，所以大多数 PHEV 的能量控制策略都是基于速度的控制。由于这种 控制策略简单，容易被工程师理解，所以在H E V 中得 到了很广泛的应用。但是这种基于速度的控制策略也 有其明显的缺点，如控制参数单一，动态性差，不能充 分利用混合动力系统的优势，使得整车的燃油经济性 没有达到最优。目前根据PHEV 是否使用智能算法或
优化算法，将其控制策略分为基于规则、基于优化以及 智能控制策略3类，如图2所示。机械传递
图i 并联式混合动力汽车的传动结构
：基金项目：国家自然科学基金项目（5175002；江苏省道路运载工具新技术应用重点实验室项目（BM 20082061502)
蓄电池组电动机
控制器►电动机
燃油箱
t 发动机
机械传动装置
车轮电气传递
动力合成
器
第11期i g=汽车工g师APPLICATION技术应用
图2并联式混合动力汽车控制策略分类
2基于规则的逻辑门限控制策略
基于规则的逻辑门限控制策略的主要思想是，通 过基于工程师的经验以及发动机的静态效率曲线图，并选定几个控制变量，如：电池的值、整车的功率 需求及燃油消耗量等，然后根据预先设定的规则，判断 并选择混合动力系统的工作模式，使汽车尽量在高效 区运行。
国内相关研究诸如，文献[通过规则的逻辑门限 控制策略把发动机的工作区域分为高中低负荷区，结 合驾驶员油门踏板开度和开度变化率来计算当前所需 求的功率并确定相应的工作区域。这种判断方法思路 简单易懂，计算量较小，方法易于实现，但无法适应不 同工况的变化和实际动态变化的需求，适应性不强。文 献[利用模糊逻辑控制技术，在MATLAB软件的模糊 逻辑工具箱中设计了模糊控制器，
提出了一种既能够 实现需求转矩又能在发动机和电机之间实现最优分配 的模糊逻辑控制策略，在ADVISOR软件上进行了仿 真。结果表明，模糊逻辑控制策略能够在一定程度上提 高PHEV的燃油经济性，且有良好的鲁棒性。
国外研究状况包括，文献[描述了基线能量管理 策略，当电池值较低时，电机对电池充电。基线能 量管理策略能够降低油耗，维持电池平衡，被广 泛应用于PHEV，进一步提高了控制策略的燃油经济 性并降低排放。文献[把基于规则的控制策略分为聚 类算法和规则定义2个阶段。第1阶段首先运用聚类 算法生成簇集，再用最小化目标函数去识别簇集；第 2阶段用遗传算法得出最佳簇集的大小，然后利用控 制器进行优化。最后在一些工况上进行了测试，结果表 明，汽车的燃油性得到了很好的提高，但整个控制策略 的计算量很大，程序复杂。文献[提出了一种动态规划 (DP)优化的控制方法，把这种方法与模糊控制策略结 合。为了提高这2种结合控制策略的实用性和满足城 市驾驶模式的多样性，提出了一种城市驾驶模式的识别方法。最后把这种控制策略与传统基于规则的控制 策略相比较。模拟结果表明，通过采用提出的控制策 略，PHEV的燃油效率更高，并且在不同的城市循环期 间，电池的值能够保持平衡，这种控制策略只是在 城市工况下进行了测试，在其他复杂工况下的工作情 况还需要进一步测试。
综上，基于规则的逻辑门限控制策略算法简单，易 于实现，但是从最优控制理论上讲，该控制规则不能实 现能量的最优分配，也未考虑实际工况的动态变化。
3瞬时优化控制策略
瞬时优化控制策略也被称为实时控制策略，该策 略的核心思想是在汽车行驶的每个瞬时时刻，计算所 有满足驾驶员需求的发动机和电动机的输出转矩组合 以及所对应的燃油消耗量和电力消耗量，将该瞬时燃 油消耗表示为发动机燃油消耗的等效燃油消耗。瞬时 优化控制策略一般分为等效油耗最低控制策略(ECMS)和基于模型预测的控制策略。
3.1等效油耗最低控制策略(ECMS)
ECMS要求将电动机的能量损耗转换为等效的发 动机油耗，得到类似于发动机万有特性图的电动机损 耗图[9]。目前常用的ECMS包括基于S"C变化量和基于 工作效率2种。
国内学者对ECMS进行了进一步的研究。文献[10]提出当车载蓄电池组的值达到设定的时，发电机开始工作，得到消耗的电能与发动机未来时刻 补偿这些能量而消耗的燃油之间的等价关系，再对每 一时刻发动机实际消耗的燃油与电池等效燃油消耗的 总和进行优化，让它们达到最低值。虽然采用ECMS 时，可以获得良好的燃油经济性并提高整车性能，但是 该研究所针对的行驶工况只是城市生活中日常上下班 的短途行驶兼顾偶尔长途旅行，并不能适应于所有工 况。文献[11]从另一个角度出发，利用ADV I SOR软件建 立瞬时油耗计算的重要参数模型，分析出最佳的瞬时油 耗优化表达式，用再生制动对电池电能补偿效应进行 修正，建立瞬时ECMS的目标函数，最后在ADV I SOR 软件对其进行
验证。虽然验证结果表明采用该方法得 出的瞬时等效油耗精度较高，参数计算较准确，但该算 法还需要在实车上进行测试，才能验证其真实可行性。
国外研究者也对ECMS进行了改进。文献[12]建立 了基于工作效率的等效油耗模型，根据发动机、电机与 电池的平均工作效率以及当前时间步长的实时工作效 率来计算在电池充放电情况下的电机等效油耗。文献 [13]依据发动机燃油消耗、电机扭矩和S"C
变化量三
用APPLICATION Er4i^汽车工_师2017年11月
者的关系推导出对应电机扭矩的等效油耗，并考虑电 池充放电损失和制动再生电能的影响，建立了基于变化量的等效油耗模型。文献[14]把ECMS应用 到PH E V的巡航模式，并且提出了一种基于模型预测 控制(MPC)的新型燃油消耗优化算法，该算法可以使 汽车在巡航模式下减少计算量，降低车的燃油消耗。文 献[15]将ECMS与逻辑门限策略相结合，形成自适应能 量管理策略，这样不仅能缩短仿真时间、维持电池
稳定，还能有效地改善汽车的燃油经济性和排放性。
结合国内外的研究可知，ECMS不需要预先知道工 况情况，计算量较小，能够有效节省P H EV的油耗，且 便于对能量进行控制，拥有较好的应用前景，但无法兼 顾到全局最优，且容易受到电池老化的影响，在实际汽 车控制中的实现难度较大。
3.2基于模型预测的控制策略
基于模型预测的控制策略指根据预测的模型对未 来系统代价函数进行预测，通过对未来预测区间内的 性能指标进行优化，并根据实测对象的输出进行反馈 校正，将控制策略转化为优化过程，通过求解相
应预测 区间的优化问题得到控制序列，并将序列的第1个控 制量作用于系统，实现反馈控制，在下一个采样时刻，将预测区间向前推进一步，之后不断重复该过程。
国内方面，文献[16]基于车载导航系统建立汽车未 来一段行驶路线上的汽车运行状态模型，将模型预测 控制与动态规划相结合，建立了中度H E V的燃料经济 性预测控制计算模型，最后运用C语言与MAT- LAB/Simulink进行联合仿真，验证了所建立的算法可 以满足实时控制的要求，且采用该预测控制策略的中 度H E V具有显著的节油效果。文献[17]把模型预测控 制与最优控制策略相结合，得出PHEV能量管理模型 预测最优控制策略。先确定发动机最优工作线，再运用 所建立的数学模型和公式化控制策略求解最优控制问 题，最后把求得的最优控制序列的第1个控制量应用 在系统中。这2种方法都可以实现汽车在行驶过程中 的优化控制，显著提高汽车的燃油经济性，但都只是在 仿真软件中进行了模拟，并没有得到实际的验证。
国外方面，文献[8以H E V应用的基于模型预测 的控制策略为基础，介绍了模型预测的方法并讨论了 其优点，提出了可能影响模型预测控制策略的因素，包 括预测精度、设计参数及求解器等。基于模型预测的控 制策略在很大程度上提高了动态规划的计算效率，能 显著提高燃油经济性，但是其算法的鲁棒性不强。
综上所述，瞬时优化控制策略不需要提前知道整个行车工况，计算量比较小，且实时性更高，但是瞬时 优化控制策略无法实现全局优化，若为了兼顾全局优 化和瞬时优化，势必会损失一些性能。
4智能控制策略
智能的基本出发点是模仿人的某些行为或思想，具体表现为记忆、学习、模仿、适应、联想、语言表达、文 字识别、逻辑推理、归纳总结及综合决策等各种能力[19]。随着人工智能技术和计算机技术的发展，已经有研究 者把自动控制和人工智能以及系统科学中一^些有关学 科的分支如：系统学和运筹学等结合起来，建立了一种 适用于比较复杂系统的控制理论和技术，即智能控制。智能控制技术具有自适应、自学习及自组织等优点，可 以解决很多工程上用传统方法不能解决的问题。为了 改善目前现有H E V控制策略存在的缺陷，近年来，研 究者提出将智能控制应用于H E V的控制中。
4.1基于博弈论控制策略
博弈论又被称作对策论，它是现代数学的一个分 支，也是运筹学的一个重要学科。博弈论是指2人在平 衡的对局中各自利用对方的策略来变换自己的对抗策 略，以达到取胜的目的。博弈论充分考虑游戏中的个体 预测行为和实际行为，并研究它们的优化策略，利用这 一特点，研究者把发动机和电机看成游戏的参与者，将 整车功率控制看成参与者之间的合作博弈行为。
目前，将博弈论应用到PHEV控制策略中的研究 较为缺乏，比较有代表性的是文献[20]的相关研究，把 PHEV的各种操作看成是驱动程序和动力总成的一种 非合作性博弈，在设计过程中应用了基于规则和基于 动态规划的思想，仿真结果表明，这种方法能够很好地 降低燃油消耗率。国内的一些学者也
把博弈论的思想 引人PHEV，提出了自己的想法。文献[21]在建立博弈 进化模型的基础上，提出了基于行为博弈论的博弈进 化算法，并针对不同的行驶工况设计了不同的学习模 型：模仿学习与信念学习算子。把博弈进化算法应用到 H E V控制策略中，通过Visual Studio调用MATLAB及 ADVISOR，实现 了一款 ADVISOR 内置的 “PARAL- LEL_defaults_in”车型的控制策略优化。
由以上研究可知，虽然基于博弈论的控制策略能 够减少H E V的燃油消耗，降低污染物的排放，使HEV 各项性能指标均有不同程度改善，但是这种算法和思 想在计算和处理的过程中比较耗时，在实际应用中，必 须要提高思想的并行化，在仿真测试中，能够测试的问 题有限，还需设法测试不同类型的参数来验证基于博 弈论控制策略的性能。
第11期i g=汽车工g师APPLICATION技术应用
4.2基于多智能体控制策略
智能体是一种具有智能性和自适应性的实体，这 种实体可以是智能软件、智能设备或智能机器人等。它 能代表用户或其他程序，以主动服务的方式完成一项 工作。多智能体系统(MAS)是一个能够耦合的智能体 网络，这些智能体能够通过交互、协作等方式对一些问 题进行求解。其中每一个智能体既是单独的又是相互 联系的。智能体系统有着很多的特性，如自主性、交互 性、反应性以及互动性等。已经有研究证明了多智能体 系统的思想符合H E V控制策略的管理和优化[2]。可以 利用智能体系统的
这些特性来对H E V进行能量的管 理和控制。一般根据爬坡度以及节气门开度把汽车行 驶的路况分为乡村、城市和高速，工况判别规则，如表1所示，可根据表1来判断PHEV的行驶路况。
表1汽车行驶工况判别规则表
国家干部工况车速排放要求发动机转速制动踏板力油耗乡村慢较宽低大高城市中严格中小低高速快宽高大高
文献[23]以PHEV为研究对象，建立动力总成部件 子系统智能体模型，构建了多智能体系统协调控制框 架，根据不同工况模式对总成动力进行分配，利用单智 能体的智能行为和多智能体的协作能力解决了汽车对 复杂路况的自适应问题，具体情况如图3所示，并在 Cruise软件上对其进行了仿真，结果表明这种策略可以 改善整车的燃油经济性和动力性，但这只是一个初步 的总体构想，若要真正应用到H E V中还需要相关技术 的进一步支持。
图3基于多智能体的控制策略
虽然把智能体系统应用到H E V中能够有效改善整 车燃油经济性和动力性，对于PHEV的控制有诸多优点，但是目前对多智能体系统的研究还比较少，不够成熟。4.3基于神经网络控制策略
神经网络控制指的是把神经网络技术应用到控制 系统中，对难以精确控制的对象进行优化计算或者作 为控制器起控制作用或对对象进行故障诊断。神经网络有很强的鲁棒性、自适应性以及容错能力。
帐棚
文献[24]建立了基于Takagi-Sugeno模型的模糊神 经网络，通过对模糊神经网络进行训练，生成了驾驶意 图模糊推理规划。从仿真结果可以得出，得到的模糊推 理规则可以很好地识别驾驶意图，并能进一步提高 H E V的燃油经济性。文献[25]采用传统瞬时优化策略基 于离线仿真试验采集数据以训练小波神经网络，并用 训练好的小波神经网络控制器实现该策略，从而提出 了一种基于小波神经网络的PHEV实时控制策略。这 种控制策略不仅能够保证汽车的燃油经济性，而且克 服了瞬时优化策略难以实时控制的缺点，但该控制策 略的优化性能不是很强，优化性能还需要进一步改善。
文献[26]利用神经网络开发了一种应用于H E V的能源管理系统，并对该管理系统进行了开发和测试，结 果表明该系统能够最大限度地减少汽车的能源需求，并且能与不同的主要动力来源工作。文献[27]从城市公 交车的运行路线固定这一特点出发，引人单参数长度 比，设计了一种基于长度比例神经网络的插电式混合 动力城市客车在线控制策略，并进行了仿真，结果表明 这种策略可以大大降低总成本和电荷消耗，缩短充电 时间。这2类都是利用神经网络设计了一种新的控制 策略，能够有效提高H E V的能源利用率，若要将该控 制思想与方法进行实际应用则还需进行改进与完善。
结合以上研究，基于神经网络的控制策略能够弥 补传统优化策略计算复杂和实时性差的缺点，并且能 够识别驾驶员的驾驶意图，可以有效优化H E V的控制 策略，但其优化性能还不是很好，对于H E V在行驶过 程中的优化问题还需要进一步的改善。目前所研究的 智能控制更多的是基于知识，利用专家的经验、逻辑推 理及学习能力来进行控制，以定性分析为主与定量分 析相结合的控制方式。这种控
制方式在技术方面还不 是很成熟，目前还不能普遍应用于H E V中。
5结论
整车控制策略的综合性能和优化能力对于改善 H E V性能有着至关重要的作用。目前已经开发的控制 策略各具优缺点，互补性很强，但都没有达到最优。结 合国内外对于H E V控制策略的研究分析可知：1)可以 利用目前已有的各种控制策略优势，实现集成控制，让 控制策略能够最大限度地发挥其优点，提高控制系统 的综合性能。2)为了获得更好的控制效果，可以开发探 索更适用于H E V的智能控制策略。智能控制的关键技 术是智能化，将优化算法和智能控制相结合是解决控 制策略问题的关键。
-57-
APPLICATION Er4i^汽车工_师2017年11月
参考文献
[I]EHSANI M,GAO Y,EMADI A.Modern electric,hybrid electric,and
fuel cell vehicles:fundamentals,theory,and design[M].U.S.:CRC Press, 2010: 13.
[!]杨阳，李小强，苏岭，等.重度混合动力汽车工作模式切换控制策略 [J].中国公路学报,2014,27(6):109-119.
[3]张丹红，龚永刚.并联混合动力汽车模糊控制能量管理策略研究[J].
武汉理工大学学报(信息与管理工程版）,2012,34( 1):9-12.
[4]赵春秀，郭戈.混合动力电动汽车能量管理策略研究综述[J].自动化
学报，2016,42(3):321-334.
[5]赵震，王铁.并联混合动力汽车模糊控制策略设计与仿真[J].北京汽
车，2011(5)18-21.
[6]KIM B,KIM Y,KIM T,et al.HEV Cruise Control Strategy on GPS
(Navigation)Information[J].World Electric Vehicle Journal, 2009,3
(1): 1843-1850.
[7]VENDITTI M.Analysis of the performance of different machine learn
ing techniques for the definition of rule-based control strategies in a parallel HEV[J].Energy Procedia, 2016, 101: 685-692.
[8]WEI Z,XU J,HALIM D.HEV power management control strategy for
urban driving[J].Applied Energy, 2016, 83: 101-106.
[9]饶文亮.并联式混合动力汽车能量控制策略研究[D].湖南：湖南大
学，2010:1-64.
[10] 冀雯宇，张焱，赵景波.基于最低等效油耗的增程式电动汽车控制策
略研究[J].江苏理工学院学报,2015,21 (6):55-60.
[II] 宫唤春，徐胜云.混合动力汽车瞬时等效油耗最低控制策略[J].汽车 工程师，2015(11):34-37.
[12]PAGANELLI G,DELPRAT S,GUERRA T M,et al.Equivalent con
sumption minimization strategy for parallel hybrid powertrains[C]//Pro- ceedings of 55th IEEE Conference on Vehicular Technology.Birmingham:IEEE, 2002, 4: 2076-208 .
[13] KIM N,CHA S,PENG H.Optimal control of hybrid electric vehicles
based on Pontryagin's minimum principle[J].IEEE Transactions on Control Systems Technology, 20 ,9(5):279- 287.
[14] LI L,WANG X,SONG J.Fuel consumption for sm art hybrid electric
vehicle during a car-following process[J].Mechanical Systems and Sig
(上接第21页）
学，2005:28-34.
[]靳立强，王庆年，岳魏强，等.基于四轮独立驱动电动汽车的动力学 仿真模型[].系统仿真学报,2005,17( 12):3053-3055.
[]王博.四轮独立电驱动车辆实验平台及驱动力控制系统研究[].北 京：清华大学,2009:102-108.
地球破洞[]宗长富，刘经文，郑宏宇，等.4WID/4W IS电动车建模和特殊工况仿 真[]•汽车工程，2011,33( 10):829-833.
[]智普宁，项昌乐，朱丽君，等.轮边电机驱动汽车性能仿真与控制方 法的研究[]•汽车工程,2012,34(5):389-393.
[8]HE J,CROLAL D A,LEVESLEY M C,et al.Coordination of active steer
ing,driveline and braking for integrated vehicle dynamics control[J].Proc.
IMechE,2006,220:1401-1421.
[]杨福广.4WID/4WIS电动车辆防滑与横摆稳定性控制研究[D].济南：
nal Processing, 20 7, 87( ):7-29.
[15] CHEN Z Y,TONG S E,JIAO B.Optimal control of energy manage
ment system for parallel hybrid electric vehicles using R-ECMS algo- rithm[J].Energy Education Science and Technology Part A:Energy Science and Research, 2014, 32(4): 2585-2598.
[16] 舒红，蒋勇，高银平.中度混合动力汽车模型预测控制策略[J].重庆
大学学报,2010,23(1)36-41.
[17] 余开江，胡治国，张宏伟，等.混合动力汽车模型预测控制策略研究
[J].系统仿真技术,2014(4) :273-278.
[18]HHUANG Y,WANG H,KHAJEPOUR A,et al.Model predictive con
trol power management strategies for HEV:A review[J].Joumal of Power Sources, 2017, 34 1: 9 1- 106.
[19] GWYNNE M,KULLMANN O.Generalising Unit-Refutation Complete
ness and SLUR via Nested Input Resolution[J].Journal of Automated Reasoning, 20 4, 52 : 84-89.
[20] DEXTREIT C,ASSADIAN F,KOLMANOVSKY I V,et al.Hybrid
electric vehicle energy management using game theory[J].SAE Technical Paper, 2008, 2(8): 50-53.
[21] 马良君.基于博弈论进化算法的混合动力汽车控制策略参数优化
[D].贵州：贵州大学,2016:1-53.
[22] 安徽工业大学.一种混合动力汽车动力总成智能控制系统：中国，
CN1036 1355A[P]. 2014-03-26.华商报新闻热线
[23] 牛礼民，叶李军，阮晓东.混合动力汽车多能源动力总成的智能体控
制技术[J].上海交通大学学报,2015,49(8):1108-1 113.
[24] 王庆年，唐先智，王鹏宇，等.基于神经网络的混合动力汽车驾驶意
图识别方法[J].农业机械学报,2012,43(8):32-36.
[25] 徐萍萍，宋建国，王雁峰，等.基于小波神经网络的混合动力汽车实
时控制策略[J].系统仿真学报,2011,23( 11):2455-2459.
[26] MORENO J,ORTUZAR M E,DIXON J W.Energy-management sys
tem for a hybrid electric vehicle,using ultracapacitors and neural net- works[J].IEEE Transactions on Industronics, 2006, 53(2): 6 14-623. [27] TIAN H,WANG X,ZHANG X,et al.A length ratio based neural net
work energy management strategy for online control of plug-in hybrid electric city bus[J].Applied Energy, 201 6, 177: 7 1-80.
(收稿日期:2017-08-05)
2003赤裸天使
山东大学,2010:89-105.
[10] 陈国迎.四轮独立线控电动汽车试验平台搭建与集成控制策略研究
[D]•吉林：吉林大学，2012:34-42.
[11] SAKAI S I,SADO H,HORI Y.Dynamic Driving/^raking Force
Distribution in Electric Vehicles with Independently Driven Four Wheels [J].Electrical Engineering in Japan,2002, 138(1): 79-89.
[12] 陈小兵，王保华，郑安文.线控转向系统主动转向控制策略的仿真J
湖北汽车工业学院学报,2013,27(2): 1-5.
[13] MATSUNAGA N,I1M J,KAWAJI S.Control of Steering-by-Wire System
of Electric Vehicle using Bilateral Control Designed by Passivity Approach [J].Journal of System Design and Dynamics,2010, 4(1):50-60.
(收稿日期:2017-10-11)
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议