关键词：混合动力汽车;;能量管理策略;;驱动模式切换;;混杂系统;;协调控制
摘 要：混合动力汽车兼具传统燃油汽车和纯电动汽车的优点,已成为短期内缓解我国资源与环境压力的有效技术手段之一。本文以提高车辆动力性、经济性与排放性能为目标,进行了车辆动力学建模、由纯电动向混合驱动模式切换过程的动力协调控制、整车能量管理优化、混合动力汽车模式切换与能量管理控制系统实现等研究。首先,本文采用前向建模法建立并联混合动力城市公交车的Simulink仿真模型,该模型由发动机、驱动电机、电控机械式自动变速器、动力电池、车辆纵向动力学模型等部分组成。针对传统发动机平均值模型建模复杂、辨识精度不高等缺点,提出一种基于最小二乘支持向量机(Least square-support vector machine,LSSVM)的发动机转矩动态辨识方法。在此基础上,采用分布估计算法优化LSSVM关键参数(惩罚因子C和核函数宽度σ),获得参数最优的观测器模型,从而实现对发动机转矩的实时、准确辨识。其次,分析了混合动力汽车模式切换动态协调控制问题产生原因,探索了切换过程中的混杂特性。以混合动力汽车由纯电动模式切换至混合驱动模式的过程为研究对象,提出基于混杂系统理论的模式切换动力协调控制策略。将该过程划分成三个典型阶段,根据不同阶段的控制目标,设计了Fuzzy-PI控制器对发动机进行调速控制,并构造了自适应滑模控制器对驱动电机进行转矩调节。针对系统外部扰动的不确定性,采用RBF神经网络对其进行在线估计,基于李雅普诺夫直接法获得滑模控制器的自适应律,并证明系统的稳定性。仿真结果表明,该协调控制策略能够有效抑制驱动轴上耦合转矩脉动,最大冲击度不超过2 m/s~3,保证了模式切换过程中动力传递的平稳性,并显著提高了整车动力性、平顺性与舒适性。再次,完成了混合动力汽车能量管理问题的数学建模。根据贝尔曼最优性原理,将混合动力汽车能量管理优化问题转化为一组带约束条件的最优控制问题,确定了整个优化问题的状态变量、控制变量、目标函数以及约束条件。为了避免求解过程中车辆动力性能的恶化,采用模糊控制算法修正变速器换挡曲线。在此基础上,通过迭代动态规划(Iterative dynamic programming,IDP)方法获得混合动力汽车在中国典型城市公交循环工况下的最优控制律,从而有效降低了算法的时间与空间复杂度。针对实车应用难题,引入自适应神经模糊推理系统(Adaptive neuro-fuzzy inference system,ANFIS)探索最优控制律与系统状态变量之间的非线性映射关系,将最优控制律转化为一组随系统状态变化的控制量序列。在此基础上,设计了Multi-ANFIS控制器,可根据混合动力系统状态变量决策出当前最优控制律。最后,搭建了混合动力系统硬件在环仿真平台,对所提出的IDP-ANFIS能量管理策略进行仿真验证。仿真结果表明,所提出的能量管理策略能够在保证动力性和动力电池荷电状态平衡的基础上,有效地提高了整车的燃油经济性与排放性能。最后,构建了基于MPC5744P微处理器为核心的混合动力汽车模式切换与能量管理控制系统,设计了系统的硬件驱动电路,开发了控制系统的软件程序,为验证模式切换与能量管理策略提供了实验基础,在搭建的混合动力汽车模式切换与能量管理实验平台上,进行了详细的试验研究。试验结果表明,1)采用所提出的模式切换动力协调控制策略,显著抑制车辆由纯电动模式向混合驱动模式切换过程中驱动轴上耦合转矩的大幅度变化,整车的冲击度明显下降,最大的冲击度可控制在3 m/s~3以内;2)在满足整车实时控制要求的基础上,采用基于IDP-ANFIS的能量管理策略,极大地改善了车辆的燃油经济性与排放性能,为混合动力汽车能量管理优化提供了新的思路。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取