混合動力電驅(qū)動系統(tǒng)HEDS(Hybrid Electric Driving System)采用高性能電動機作為動力部件，同時配有電能存儲單元與燃油作為系統(tǒng)的能源供給，具有較高的系統(tǒng)功率密度和靈活的控制性能。通過合理利用多種能量源的技術(shù)優(yōu)勢，可以實現(xiàn)較單一能量源系統(tǒng)更高的工作效率。HEDS是目前工程機械、車輛、航空等領(lǐng)域中大功率驅(qū)動系統(tǒng)的重要設(shè)計方案之一，尤其是隨著近年來控制技術(shù)、總線通信技術(shù)和電力電子技術(shù)的迅速發(fā)展，HEDS系統(tǒng)的應(yīng)用日益廣泛[1-4]。由于采用了多種能量源協(xié)同工作，系統(tǒng)控制算法是HEDS研發(fā)過程中的重要環(huán)節(jié)[5]?？刂扑惴ǖ难芯繉τ谔岣逪EDS控制效果、動態(tài)性能和工作效率等都具有重要意義[6-7]。
    本文首先采用有限狀態(tài)機理論針對HEDS進行建模與分析，進而基于多變量模糊控制對控制算法進行設(shè)計，提取關(guān)鍵控制規(guī)則進行優(yōu)化，最后通過Matlab系統(tǒng)仿真，對所提出的控制方案進行了仿真驗證。
1 HEDS系統(tǒng)建模
    一個典型的HEDS由發(fā)動機、耦合器、電動機、逆變器、動力電池組等組成。電動機作為系統(tǒng)中的機械功率輸出裝置，通過逆變器來連接直流母線，電機控制器實時地通過變頻控制來調(diào)節(jié)電動機輸出功率、發(fā)動機燃燒燃油，以此帶動小型永磁同步發(fā)電機發(fā)電，與電池共同組成混合動力能量源,為電動機提供電能供應(yīng)。為了對HEDS進行數(shù)學(xué)描述,系統(tǒng)根據(jù)不同的控制決策在不同的工作模式之間進行實時切換。
    為了對控制算法進行研究，需要對每種動力部件的數(shù)學(xué)模型進行進一步的詳細描述。動力電池組是一個復(fù)雜的非線性時變系統(tǒng)，為了避免模型過于復(fù)雜，忽略溫度和使用壽命對電池特性的影響，采用簡化的內(nèi)阻等效模型，將電池組視為一個包含可變內(nèi)阻的電壓源，電池組的輸出為端電壓與端電流。發(fā)動機建模采用穩(wěn)態(tài)實驗數(shù)據(jù)加一階延遲修正的雙PI控制模型，其中，第一個PI控制環(huán)表示發(fā)動機的輸出功率調(diào)節(jié)，控制器根據(jù)系統(tǒng)需求功率和發(fā)動機實際功率調(diào)整發(fā)動機目標工作轉(zhuǎn)速；第二個PI控制環(huán)為發(fā)動機的力矩控制，控制器根據(jù)發(fā)動機目標轉(zhuǎn)速與實際轉(zhuǎn)速之差控制發(fā)動機的工作力矩，發(fā)動機與電池組的數(shù)學(xué)模型如式(1)~式(4)所示。
      

    仿真過程采用美國US06工況作為速度運行工況，結(jié)合上述模糊隸屬度函數(shù)設(shè)計HEDS模糊控制規(guī)則。系統(tǒng)中電動機的輸出功率由綜合控制器根據(jù)駕駛員踏板信號決定，因此模糊控制算法主要解決了電動機的功率在發(fā)動機發(fā)電機組與電池組之間的合理分配。模糊規(guī)則的主要設(shè)計思路是在滿足系統(tǒng)功率需求的前提下，負載功率越高則發(fā)動機輸出功率也越高；負載功率越低則越

    上述模糊控制規(guī)則反應(yīng)了輸入與輸出的模糊邏輯對應(yīng)關(guān)系，在建立的過程中依靠模擬人工智能來體現(xiàn)混合動力系統(tǒng)的設(shè)計經(jīng)驗。顯然這樣的控制算法雖然具有智能性,但卻無法實現(xiàn)效率的最優(yōu)，因此有必要對模糊算法進行進一步的優(yōu)化。通常對模糊的優(yōu)化主要分為兩種，一種是對隸屬度函數(shù)進行優(yōu)化，另一種是對模糊規(guī)則進行優(yōu)化，本文采用第二種思路，即對模糊規(guī)則進行優(yōu)化。每條模糊規(guī)則中均含有一個待定系數(shù)Ki，Ki的選取對于發(fā)動機發(fā)電機組與電池組的功率分配起著直接作用。對模糊控制算法建立優(yōu)化模型，因為每一個Ki對應(yīng)著每一條模糊決策下的發(fā)動機輸出功率，通過查表最優(yōu)曲線則可以得到不同的發(fā)動機效率。因此可以將系統(tǒng)效率寫成關(guān)于Ki的函數(shù)，同時將優(yōu)化目標函數(shù)定為系統(tǒng)效率的倒數(shù)，即可以得到優(yōu)化目標函數(shù)的表達式如式為:
 

    在整個仿真工況中隨機抽取18個觀測點，與未優(yōu)化前的系統(tǒng)效率進行對比，結(jié)果如圖3所示?？梢钥闯?，未優(yōu)化前平均效率為75.8%，經(jīng)過優(yōu)化后系統(tǒng)效率有了明顯提高,平均效率達到81.4%，提高了5.6%，表明所設(shè)計的模糊控制算法及其優(yōu)化方法合理有效。

    本文建立了混合動力電驅(qū)動系統(tǒng)的數(shù)學(xué)模型，并基于該模型進一步提出了多變量模糊控制算法，進而對模糊規(guī)則進行了優(yōu)化。Matlab仿真表明所設(shè)計的模糊控制算法使混合動力系統(tǒng)實現(xiàn)了良好的控制效果，工作效率有明顯改善，優(yōu)化之后的混合動力電驅(qū)動系統(tǒng)效率較優(yōu)化之前提高了5.6%。
參考文獻
[1] MONHEY H, SHARK L K. System optimization of the electric delivery cars using PSO algorithm[J]. Asian Journal  of Control, 2008,44(1):108-114.
[2] JOHANNES S, EMADI M. Optimal control of parallel hybrid vehicles based on PSO algorithm[J]. Asian Journal of  Control, 2010,8(13):24-29.
[3] 陳清泉,孫逢春.混合電動車輛基礎(chǔ)[M].北京:北京理工大學(xué)出版社,2001.
[4] 楊大柱.Matlab環(huán)境下FIR濾波器的設(shè)計與仿真[J].電子技術(shù)應(yīng)用,2006,32(9):101-103.
[5] ZHANG M Y, YANG Y, MI C C. Analytical approach for the power management of blend-mode plug-in hybrid electric vehicle[J]. IEEE Transactions on Vehicular Technology.2012,51(4):1554-1566.
[6] NIELS J S, MUTASIM A S, NAIM A K. Energy management strategies for parallel hybrid vehicles using fuzzy logic[J].Control Engineering Practice,2003(11):171-177.
[7] 何瑋,劉昭度,楊其校,等.汽車嵌入式SoC系統(tǒng)的應(yīng)用與發(fā)展[J]. 電子技術(shù)應(yīng)用,2005,31(4):18-21.