潘明1，嚴(yán)駿1，涂群章1，丁喬2

　?。?.解放軍理工大學(xué) 野戰(zhàn)工程學(xué)院，江蘇 南京210007；2. 中國(guó)人民解放軍63607部隊(duì)， 甘肅 蘭州 732750）

       摘要：針對(duì)包含發(fā)動(dòng)機(jī)發(fā)電機(jī)組、電池組和超級(jí)電容3個(gè)能量源的履帶式電傳動(dòng)推土機(jī)，首先，分析了履帶推土機(jī)典型作業(yè)工況的電能需求；其次，根據(jù)3個(gè)能量源各自的輸出特性，設(shè)計(jì)了基于小波變換與模糊規(guī)則的多能源管理策略；最后，通過MATLAB/Simulink進(jìn)行了電傳動(dòng)系統(tǒng)建模與仿真分析。仿真結(jié)果表明：所設(shè)計(jì)的多能源管理策略可以快速響應(yīng)推土作業(yè)時(shí)的能量需求，能夠?qū)﹄妭鲃?dòng)推土機(jī)的能量分配進(jìn)行實(shí)時(shí)有效控制。

　　關(guān)鍵詞：履帶推土機(jī)；電傳動(dòng)；小波變換；模糊控制

　　0引言

　　電傳動(dòng)技術(shù)被廣泛應(yīng)用于汽車、工程機(jī)械、港口起重機(jī)械等領(lǐng)域。作為整車控制的核心內(nèi)容，相應(yīng)的能量管理策略也得到了廣泛的研究，主要包括：（1）基于規(guī)則的邏輯門限值控制策略［1］;（2）基于模糊邏輯的控制策略［2］;（3）基于局部瞬時(shí)優(yōu)化的控制策略［3］;（4）基于靜態(tài)全局優(yōu)化的控制策略；(5)分別基于貝爾曼動(dòng)態(tài)規(guī)劃［4］和最優(yōu)化方法的控制策略［5］。

　　電傳動(dòng)技術(shù)在推土機(jī)上的應(yīng)用尚處于起步階段，目前僅有卡特彼勒公司推出了一款電傳動(dòng)推土機(jī)—D7E型推土機(jī)，相應(yīng)的能量管理策略也很少有人研究。推土機(jī)在行駛工況下的能量管理策略可參考汽車及履帶裝甲車輛的控制策略，然而在推土工況下，后功率鏈的功率需求與汽車和裝甲車輛存在很大差異，二者的控制策略對(duì)推土工況并不適用，因此推土工況下的多能源管理是電傳動(dòng)推土機(jī)亟待解決的難題。

　　本文針對(duì)包含發(fā)動(dòng)機(jī)發(fā)電機(jī)組、電池組和超級(jí)電容3個(gè)能量源的電傳動(dòng)系統(tǒng)，結(jié)合小波變換理論和模糊邏輯控制策略建立了多能源管理策略。在進(jìn)行能量分配時(shí)，不僅滿足從功率大小的角度來進(jìn)行能量分配，而且考慮功率需求的變化頻率對(duì)發(fā)動(dòng)機(jī)發(fā)電機(jī)組、電池組和超級(jí)電容的影響，發(fā)揮超級(jí)電容在滿足高頻暫態(tài)功率需求上的優(yōu)勢(shì)，使發(fā)動(dòng)機(jī)發(fā)電機(jī)組穩(wěn)定工作在燃油高效區(qū)，有效減少了電池組充放電電流及充放電頻率，有利于提高電池使用壽命。

1推土機(jī)電傳動(dòng)系統(tǒng)結(jié)構(gòu)

　　本文研究的履帶式推土機(jī)驅(qū)動(dòng)系統(tǒng)采用串聯(lián)式雙側(cè)電機(jī)獨(dú)立驅(qū)動(dòng)結(jié)構(gòu)，如圖1所示。系統(tǒng)主要由綜合控制器、發(fā)動(dòng)機(jī)發(fā)電機(jī)組、整流器、電池組、超級(jí)電容、雙向DC/DC變換器、驅(qū)動(dòng)電機(jī)及其控制器組成。

2多能源管理策略設(shè)計(jì)

　　2.1推土作業(yè)工況電能需求分析

　　圖2為推土機(jī)典型作業(yè)工況之一。設(shè)定推土機(jī)按照如下方式運(yùn)行：0~4 s 空載行駛，4~16 s鏟土作業(yè)，16~Pcom：總功率需求，Pcap：電容輸出功率，Pbat：電池輸出功率，Pgen：發(fā)動(dòng)機(jī)/發(fā)電機(jī)組輸出功率

　　Pcom_cap：電容目標(biāo)功率，Pcom_bat：電池目標(biāo)功率，Pcom_gen：發(fā)動(dòng)機(jī)/發(fā)電機(jī)組目標(biāo)功率

　　圖5電傳動(dòng)系統(tǒng)多能源管理策略30 s運(yùn)土作業(yè)，30~33 s卸土作業(yè)，33~35 s停車，35~45 s倒退行駛。

　　推土機(jī)目標(biāo)行駛速度和行駛阻力如圖3所示，后功率鏈功率需求如圖4所示。從圖3可以看出，推土機(jī)所受阻力存在一定波動(dòng)，尤其在鏟土階段，由于切土深度的變化和地面上堅(jiān)硬障礙物的存在，導(dǎo)致推土鏟刀承受較大的沖擊載荷，因此推土機(jī)后功率鏈功率需求中存在高頻暫態(tài)分量。在前功率鏈的3個(gè)能量源中，發(fā)動(dòng)機(jī)響應(yīng)速度較慢，電池組不宜頻繁充放電，而且過大的充放電電流會(huì)降低電池的使用壽命［6］，因此二者均不適于承擔(dān)高頻暫態(tài)功率；相反，超級(jí)電容的功率密度和充放電循環(huán)次數(shù)要高得多，能夠滿足暫態(tài)快速功率需求。

　　根據(jù)推土機(jī)后功率鏈功率需求，針對(duì)前功率鏈3個(gè)能量源各自的特點(diǎn)，結(jié)合小波變換理論和模糊控制理論設(shè)計(jì)的能量管理策略如圖5所示。首先對(duì)目標(biāo)功率需求進(jìn)行小波變換提取出低頻分量，若低頻分量為負(fù)值，則推土機(jī)處于制動(dòng)狀態(tài)，將回饋能量用于電池充電；若低頻分量為正值，則通過模糊控制規(guī)則將能量需求合理分配到發(fā)動(dòng)機(jī)-發(fā)電機(jī)組和電池組。

　　2.2小波變換

　　由于功率需求是離散信號(hào)，因此采用離散小波變換將離散功率需求信號(hào)分解到不同的分解層。離散小波變換及其逆變換為［7］：

　　其中，x(t)為原始信號(hào)；λ為尺度因子，λ=2j，j∈Z；Φ為母函數(shù)；μ為平移因子，μ=k2j，j,k ∈Z；W為小波系數(shù)。

　　與其他常見的小波相比，Haar小波的母函數(shù)在時(shí)域中的濾波跨度最短，且Haar小波變換與其逆變換是相同的，表達(dá)式為：

　　由于其變換比較容易，因此文中利用基于Haar小波的2通道濾波器組，通過一個(gè)低通濾波器H0(z)和一個(gè)高通濾波器H1(z)，分別將原始信號(hào)x(t)分解成基準(zhǔn)信號(hào)和細(xì)節(jié)信號(hào)，通過重構(gòu)濾波器［G1(z),G0(z)］T實(shí)現(xiàn)信號(hào)重構(gòu)［8］?；谌?jí)Haar小波建立的分解和重構(gòu)輸入信號(hào)x(t)模型如圖6所示。

　　圖6三級(jí)Haar小波變換示意圖2.3模糊控制策略

　　本文定義了雙輸入單輸出模糊控制策略，模糊控制的基本過程如圖7所示。輸入為發(fā)動(dòng)機(jī)載荷fp和電池組荷電狀態(tài)（State of Charge，SOC），輸出為功率分配系數(shù)xf。

　　fp=Pcom\_LF Pgen\_max(4)

　　其中，Pcom_LF為功率需求中的低頻正值部分，Pgen_max為發(fā)動(dòng)機(jī)/發(fā)電機(jī)組的最大輸出功率。

　　發(fā)動(dòng)機(jī)/發(fā)電機(jī)組目標(biāo)輸出功率Pcom_gen和電池組目標(biāo)輸出功率Pcom_bat分別定義為：

　　Pcom_gen=xf·Pcom_LF(5)

　　Pcom_bat=(1－xf)·Pcom_LF(6)

　　發(fā)動(dòng)機(jī)載荷fp和電池組SOC模糊化后的隸屬度函數(shù)表達(dá)式如圖8所示，其中：

　　圖8模糊輸入隸屬度函數(shù)fp:{S,M,B}，范圍［0~1］代表發(fā)動(dòng)機(jī)載荷［0~ Pgen_max］。

　　電池SOC:{CS,CM,CB,FS,FM,FB}，范圍［0.6~0.8］代表電池組荷電狀態(tài)變化區(qū)間。

　　分配系數(shù)xf定義如表1所示。采用Mamdani作為解模糊化算法［9］，設(shè)計(jì)出18條模糊規(guī)則，如表2所示。 

3電傳動(dòng)系統(tǒng)建模

　　基于Simulink建立的電傳動(dòng)系統(tǒng)仿真平臺(tái)如圖9所示，主要包括發(fā)動(dòng)機(jī)發(fā)電機(jī)組模型、電池組模型、超級(jí)電容模型。

　　3.1發(fā)動(dòng)機(jī)/發(fā)電機(jī)組模型

　　根據(jù)發(fā)動(dòng)機(jī)與發(fā)電機(jī)轉(zhuǎn)速之間的耦合關(guān)系，將發(fā)動(dòng)機(jī)與發(fā)電機(jī)作為一個(gè)整體進(jìn)行建

　　模，永磁同步電機(jī)加整流橋的等效電路如圖10所示，忽略發(fā)電機(jī)內(nèi)阻壓降和轉(zhuǎn)矩?fù)p失，則直流母線電壓和發(fā)電機(jī)電磁轉(zhuǎn)矩可表示為：

　　其中，Keωg為發(fā)電機(jī)感應(yīng)電動(dòng)勢(shì)，Kxωg為等效阻抗，IDC為直流母線電流。

　　3.2電池組模型

　　電池的建模采用等效內(nèi)阻模型，將電池等效為一個(gè)理想電壓源與內(nèi)阻串聯(lián)，其等效電路如圖11所示。因此有：

　　Ubat=Vbat－IbatRs(8)

　　其中，Vbat為電路開路電壓，Rs為等效內(nèi)阻，Ibat電池組輸出電流，Ubat電池組端電壓。

　　開路電壓Vbat和等效內(nèi)阻Rs都是與SOC和溫度有關(guān)的變量，建模時(shí)忽略溫度變化的影響，Vbat和Rs通過輸入SOC值查表獲得，電池組SOC通過安時(shí)計(jì)數(shù)法進(jìn)行計(jì)算：

　　其中，SOC(t)為當(dāng)前時(shí)刻電池組的SOC；Q0為電池組的初始容量；i(τ)為電池組放電電流，符號(hào)規(guī)定放電為正，充電為負(fù)；Qmax為電池組的最大容量。圖9電傳動(dòng)系統(tǒng)仿真平臺(tái)圖10發(fā)動(dòng)機(jī)發(fā)電機(jī)組等效

　　電路模型圖11電池組等效電路模型3.3超級(jí)電容模型

　　電容建模采用等效RC模型，如圖12所示。

　　I0：理想電容的輸出電流，Icap：實(shí)際輸出

　　電流，RP：等效并聯(lián)內(nèi)阻Rs：等效

　　串聯(lián)內(nèi)阻，C：電容等效電容值，

　　Vcap：電容開路電壓

　　圖12超級(jí)電容等效電路模型根據(jù)等效電路模型，有：

　　超級(jí)電容SOC計(jì)算方程如式（11）所示：

　　其中，Vmin為電容最小開路電壓，Vmax為電容最大開路電壓。

4仿真結(jié)果分析

　　前功率鏈功率分配如圖13所示，從圖中可以看出發(fā)動(dòng)機(jī)發(fā)電機(jī)組作為主要?jiǎng)恿υ闯袚?dān)大部分功率需求，電池組作為輔助能量源在發(fā)動(dòng)機(jī)發(fā)電機(jī)組功率輸出不足時(shí)提供電能，在制動(dòng)時(shí)回收能量，起到削峰填谷的作用。由于提取出了大部分高頻暫態(tài)分量，發(fā)動(dòng)機(jī)發(fā)電機(jī)組和電池組功率需求相對(duì)平穩(wěn)，有利于提高發(fā)動(dòng)機(jī)組的工作效率和延長(zhǎng)電池組的使用壽命。超級(jí)電容主要承擔(dān)功率需求中的高頻暫態(tài)分量，其快速充放電特性可以滿足瞬時(shí)功率需求。

　　發(fā)動(dòng)機(jī)發(fā)電機(jī)組的目標(biāo)功率和實(shí)際輸出功率曲線如圖14所示，從圖中可以看出發(fā)動(dòng)機(jī)組具有良好的功率跟隨特性，但是在功率突變處存在一定偏差，主要是由于發(fā)動(dòng)機(jī)切換工作狀態(tài)時(shí)需要一定的響應(yīng)時(shí)間。

　　電池組和超級(jí)電容SOC變化曲線如圖15所示，電池SOC波動(dòng)較小，基本保持在0.7左右，超級(jí)電容SOC變化較大，在0.45~0.75之間，充分利用了其快速放電和深度優(yōu)勢(shì)。電池

　　組和超級(jí)電容充放電電壓電流分別如圖16和圖17所示，通過比較，電池組充放電電流在-100~+250 A之間波動(dòng)，相對(duì)平穩(wěn)，超級(jí)電容電流在-200~+400 A之間波動(dòng)，變化較快。

5結(jié)論

　　本文以履帶推土機(jī)電傳動(dòng)系統(tǒng)多能源管理策略為研究對(duì)象，首先以某型履帶推土機(jī)典型推土作業(yè)工況的能量需求為依據(jù)，綜合運(yùn)用小波技術(shù)與模糊控制技術(shù)設(shè)計(jì)了前功率鏈3個(gè)能量源的分配策略，之后建立了履帶推土機(jī)電傳動(dòng)系統(tǒng)仿真平臺(tái)。仿真結(jié)果表明，所設(shè)計(jì)的多能源管理策略在滿足功率需求的前提下，綜合考慮3個(gè)能量源各自的特點(diǎn)，能夠?qū)﹄妭鲃?dòng)推土機(jī)推土工況下的功率分配進(jìn)行實(shí)時(shí)有效控制。

參考文獻(xiàn)

　　［1］ BANVAIT H, ANWAR S， Chen Yaobin. A rulebased energy management strategy for plug in hybrid electric vehicle［C］. Proceedings of the American Control Conference, 2009:39383943.

　　［2］ SCHOUTEN N J, SALMAN M A, KHEIR N A. Energy management strategies for parallel hybrid vehicles using fuzzy logic［J］. Control Engineering Practice, 2003,11(2):171177.

　　［3］ Wu Jian, Zhang Chenghui, Cui Naxin. Realtime energy management of parallel hybrid electric vehicle based on BP neural network［J］. Electric Machines and Control, 2008，12（5）：610614.

　?。?］ Gu Yanchun, Yin Chengliang, Zhang Jianwu. Optimal torque control strategy for parallel hybrid electric vehicle with automatic mechanical transmission［J］. Chinese Journal of Mechanical Engineering (English Edition), 2007，20（1）：1620.

　?。?］ PEREZ L V, BOSSIO G R, MOITRE D，et al. Optimization of power management in an hybrid electric vehicle using dynamic programming［J］. Mathematics and Computers in Simulation, 2006，73（1）：244254.

　?。?］ JOSSEN A. Fundamentals of battery dynamics［J］. Journal of Power Sources, 2006，154（2）：530538.

　　［7］ FALKOWSKI B J. Forward and inverse transformations between haar wavelet and arithmetic functions［J］. Electronics Letters, 1998, 34(2):10841085.

　?。?］ Wang Xin. Moving windowbased double haar wavelet transform for image processing［J］. IEEE Transactions on Image Processing, 2006,15(9):27712779.

　?。?］ MAMDANI E H, ASSILIAN S. An experiment in linguistic synthesis with a fuzzy logic controller［J］. International Journal of ManMachine Studies, 1975， 7（1）：113.