《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 嵌入式技術(shù) > 設(shè)計應(yīng)用 > Plug_in電動車能量管理控制器研究
Plug_in電動車能量管理控制器研究
來源：電子技術(shù)應(yīng)用2012年第11期
肖 鐸,，龐文堯,，汪秋婷,，戚 偉
浙江大學(xué) 城市學(xué)院,，浙江 杭州310015
摘要： 基于模糊神經(jīng)網(wǎng)絡(luò)算法研究設(shè)計Plug_in混合動力汽車整車能量管理控制器。將駕駛行為用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模,，駕駛模式,、踏板（油門和剎車）位置以及當(dāng)前車輪力矩作為神經(jīng)網(wǎng)絡(luò)輸入，目標(biāo)力矩作為輸出,；將道路類型,、目標(biāo)力矩、電池SOC,、當(dāng)前車輪力矩為模糊輸入變量,，以滿足整車動力性能、燃油經(jīng)濟(jì)性和極限邊界極值為約束條件,，對混合動力汽車的能量進(jìn)行分配與管理,，并在DSP硬件平臺設(shè)計實現(xiàn)能量管理控制器。測試表明,，行駛里程在40 km內(nèi)時,，樣車等價燃油經(jīng)濟(jì)性最好，隨著行駛里程的增加,，燃油經(jīng)濟(jì)性下降,，整個測試過程中樣車動力性能以及各部件工況良好。
中圖分類號： U46
文獻(xiàn)標(biāo)識碼： A
文章編號： 0258-7998(2012)11-0070-03
The research and design of a novel PHEV energy management controller
Xiao Duo,，Pang Wenyao,，Wang Qiuting，Qi Wei
City College,，Zhejiang University,，Hangzhou 310015，China
Abstract： The paper proposed an energy management controller of Plug_in hybrid electric vehicle(PHEV)based on fuzzy neural network algorithm. With driving mode, pedal(throttle and brake) position and current wheel torque as input, and the target torque as output, driving behavior was modeling by neural network algorithm. With the type of road, the target torque, battery SOC, and the current wheel torque for the fuzzy input variable, the vehicle power performance and the fuel economy as constraint condition, the power was distributed between the motor and the engine by fuzzy algorithm. The energy distribution and management controller was designed based on the algorithm on DSP hardware platform. The result of testing shows that,，in the mileage 40 km equivalent fuel economy was the best, with the increase of the mileage fuel economic declined. In the whole testing process, the power performance is good, and every parts of the hybrid electric vehicle were in good working condition.
Key words : Plug_in hybrid power,；energy management；fuzzy neural network

    外接充電式混合動力汽車PHEV(Plug-In Hybrid Electric Vehicle)有蓄電池和發(fā)動機兩個動力源,，蓄電池可以由外部電網(wǎng)直接充電,，短距離行駛工作于純電動模式，長距離行駛時油電混合驅(qū)動,，短距離行駛耗油量比純?nèi)加蛙嚨汀?a class="innerlink" href="http://wldgj.com/tags/能量管理" title="能量管理" target="_blank">能量管理策略是PHEV的核心技術(shù)之一,，在電機和發(fā)動機兩種功率源之間按能量管理策略進(jìn)行功率分配和轉(zhuǎn)矩輸出，在保證動力性能的基礎(chǔ)上實現(xiàn)最佳燃油經(jīng)濟(jì)性,，減少廢氣排放,，同時保持蓄電池、電機,、發(fā)動機等核心部件工作于最佳狀態(tài)[1],。

    本文采用神經(jīng)網(wǎng)絡(luò)建模，得到駕駛行為,、道路類型以及車輛運行工況的目標(biāo)需求功率,，并將目標(biāo)需求功率、電池SOC以及當(dāng)前車輪力矩作為模糊控制算法的輸入變量,，整車動力性能,、燃油經(jīng)濟(jì)性和極限邊界極值為約束條件,，利用模糊伏安法動態(tài)分配電池輸出功率和發(fā)動機輸出功率，實現(xiàn)對PHEV的能量進(jìn)行分配與管理,，對算法進(jìn)行了軟件仿真并利用DSP平臺設(shè)計實現(xiàn)能量管理控制器,，最后對輕型客車進(jìn)行改裝并進(jìn)行樣車測試。仿真和樣車測試結(jié)果表明：(1)行駛里程在40 km以內(nèi)時,，工作于純電動模式,，等價燃油經(jīng)濟(jì)性最好，等價油耗1.6 L/100 km,；(2)隨著續(xù)駛里程增加,，燃油經(jīng)濟(jì)性下降，在行駛里程超過60 km時,，主要工作在混合模式,，等價油耗比純?nèi)加蛙嚨?4%；(3)樣車動力性能及各部件狀態(tài)良好,。
1 Plug_in混合動力系統(tǒng)結(jié)構(gòu)
    圖1所示PHEV混合動力系統(tǒng)主要由發(fā)動機,、動力電池、電機,、離合器,、變速箱和驅(qū)動輪組成。有發(fā)動機和電機兩個動力源,，它們既可以獨立工作,，也可共同驅(qū)動車輛。工作模式如下：(1)純電動模式：當(dāng)電池電量充足時,，優(yōu)先考慮使用動力電池的電量來驅(qū)動電機,，從而降低排放和油耗；(2)發(fā)動機模式：當(dāng)電池電量不足時,，發(fā)動機工作并帶動電機發(fā)電,，給電池充電；(3)混合動力模式：在急速加速,、爬坡等需要大功率驅(qū)動時,，發(fā)動機和電動機同時工作；(4)制動能量回模式：當(dāng)滑行和剎車制動情況下電動機工作在發(fā)電狀態(tài),，將制動能量轉(zhuǎn)換為電能回收到蓄電池,。

2 能量管理策略
2.1 駕駛行為神經(jīng)網(wǎng)絡(luò)模型
    駕駛員通過觀察周圍環(huán)境和感覺車輛運行狀態(tài)來控制車輛加速、減速,、巡航或制動,。駕駛行為神經(jīng)網(wǎng)絡(luò)建模啟動、加速、巡航,、減速和停止/怠速,。
    將駕駛模式、油門踏板和剎車踏板信號作為神經(jīng)網(wǎng)絡(luò)的輸入信號,，得到目標(biāo)功率（目標(biāo)力矩）的大小,。然后將目標(biāo)功率、電池SOC,、實際功率和道路類型用模糊算法分配電池功率和發(fā)動機功率。能量分配系統(tǒng)框架如圖2所示,。

 
    對電動機而言,，轉(zhuǎn)矩與電流成正比，而蓄電池電壓基本穩(wěn)定,，發(fā)動機力矩和轉(zhuǎn)速乘積為發(fā)動機功率,，因此輸入、輸出變量用功率表示,，與力矩等價,。模糊控制器以目標(biāo)功率PR、鋰電池的荷電狀態(tài)SOC,、實際車輪功率PS以及道路類型為模糊控制的輸入變量,。按照約束規(guī)則，以電機功率PM和發(fā)動機輸出功率PE為模糊控制器的輸出變量,。
    模糊輸入變量PR和SOC基本論域為[-10,，25]kW和[30，90]%,，將輸入變量模糊化,，模糊子集為{NB(負(fù)大)，NM(負(fù)中),，NS(負(fù)小),，ZO(零)，PS(正小),，PM(正中),，PB(正大)}；模糊輸出變量PM的論域為[-10,，15]kW,，模糊子集為{NB(負(fù)大)，NM(負(fù)中),，NS(負(fù)小),，ZO(零)，PS(正小)，PM(正中),，PB(正大)},，模糊輸出變量PE的論域為[5，25]kW,，模糊子集為{ZO(零),，PS(正小)，PM(正中),，PB(正大)},，模糊輸出變量Pr的論域為[0，3]kW,，模糊子集也為{ZO(零),，PS(正小)，PM(正中),，PB(正大)},。
    選擇輸入、輸出模糊變量的隸屬度函數(shù)為三角形,。模糊控制規(guī)則由一系列關(guān)系詞連接而成,，最常用的關(guān)系詞有if-then、also,、or和and,，模糊控制算法給出的控制量不能直接控制對象，實際輸出需進(jìn)行去模糊化處理,，將其轉(zhuǎn)換到控制對象所能接受的基本論域中去,。去模糊化處理算法采用質(zhì)心法。
3 算法仿真及實現(xiàn)
    在Matlab仿真系統(tǒng)中建立模糊控制器,，取模糊控制的輸入變量——目標(biāo)功率PR和鋰電池的荷電狀態(tài)SOC的論域為[-10,，25]kW和[30，90]%,，取模糊控制器的輸出變量發(fā)動機分配輸出功率PE,、鋰電池分配輸出功率Pb論域分別為[5，25]kW和[-10,，25]kW,。鋰電池為60 ah/72 V，電池初始荷電狀態(tài)SOC=70%,，利用該模糊算法對發(fā)動機輸出功率,、鋰電池輸出功率和制動能量回收功率進(jìn)行動態(tài)管理，在45 min（行駛里程50 km）內(nèi)主要以純電動模式工作,，鋰電池荷電狀態(tài)持續(xù)減少,，直到下降到35%左右保持穩(wěn)定，燃油經(jīng)濟(jì)最好，等價油耗在1.5 L/100 km左右,。隨著續(xù)駛里程增加,，燃油經(jīng)濟(jì)性下降，在超過60 km行駛里程后,，主要工作在混合模式,，蓄電池SOC在30%上下起伏，仍比純?nèi)加蛙嚨?.7 L/100 km,。
    電路實現(xiàn)框圖如圖5所示,，控制器CPU采用320-
TM2807DSP微處理器，主要完成：（1）信息采集功能：油門踏板信息,、剎車信號,、電機及控制器狀態(tài)、發(fā)動機狀態(tài),、電池SOC等信息信號采集；（2）算法運算功能：將采集到信息首先利用神經(jīng)網(wǎng)絡(luò)將油門剎車踏板,、實際力矩和駕駛行為計算出目標(biāo)功率,，然后跟距目標(biāo)功率、實際功率,、電池SOC和道路類型動態(tài)分配電機和發(fā)動機功率,。（3）控制功能：將分配的數(shù)據(jù)轉(zhuǎn)換為控制信號完成對電機和發(fā)動機的控制；（4）數(shù)據(jù)存儲,，將電動車個部件采集的數(shù)據(jù)進(jìn)行存儲,，并可通過LCD顯示器查看，并可以通過CAN 總線傳輸至PC機進(jìn)行分析處理,。

 

 


    將駕駛行為利用神經(jīng)網(wǎng)絡(luò)得到需求目標(biāo)功率,，利用模糊算法和約束規(guī)則動態(tài)分配和管理鋰電池功率和發(fā)動機功率，在此基礎(chǔ)上設(shè)計研制了能量管理控制器,，研制了原型樣車,。經(jīng)測試，整車燃油經(jīng)濟(jì)性比純電動車有
明顯提高,，且動力性能強勁,。
參考文獻(xiàn)
[1] 張博.Plug-in混合動力汽車能量管理策略全局優(yōu)化研究[J].中國機械工程，2010,，21(6)：715-719.
[2] 吳光強,，陳慧勇.基于遺傳算法的混合動力汽車參數(shù)多目標(biāo)優(yōu)化[J].汽車工程，2009,，31(1)：60-63.
[3] 張松,，吳光強，鄭松林，等.插電式混合動力汽車能量管理策略多目標(biāo)優(yōu)化[J].同濟(jì)大學(xué)學(xué)報(自然科學(xué)版),，2011,， 39（7）：1035-1039.

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載,。