Proceedings of the American Control Conference Chicago, Illinois bull; June 2000

Control Strategies for Parallel Hybrid Vehicles

M. Salman^x, Niels J. Schoutenbull;, and Naim A. Kheirbull;

^XGeneral Motors Research and Development Laboratory

bull;Oakland University, Electrical and Systems Engineering Dept., 102 SEB, Rochester, MI 48309

Abstract This paper presents a fuzzy logic based energy management and control strategy for parallel hybrid vehicles. Using the driver commands, the state of charge of the battery, and the motor/generator speed, a set of fuzzy logic control rules has been developed, to effectively split the power between the two powerplants: electric motor and internal combustion engine. The underlying theme of the fuzzy rules is to optimize the operational efficiency of all components, considered as one system.

Simulation results are used to assess the performance of the controller. A forward-looking hybrid vehicle simulation model is used to implement the control strategies. Potential fuel economy improvement has been shown by using fuzzy logic, relative to other strategies, which maximize only the efficiency of the internal combustion engine.

1 Introduction

The search for improved fuel economy, reduced emission and affordable vehicles, without sacrificing vehicle performance, safety, reliability, and other conventional vehicle attributes has made the hybrid technology (both thermal and electrical motorization) one of the challenges for the automotive industry. Hybrid systems, using a combination of an internal combustion engine (ICE) and electric motor (EM), have the potential of improving fuel economy by operating the ICE in the optimum efficiency range and by using regenerative braking during deceleration.

There are 3 different types of hybrid systems, (see [l] for details):

• Series Hybrid: In this configuration, an ICE-generator combination is used for providing electrical power to the EM and the battery. The ICE is not mechanically connected to the wheels, and can be controlled at the optimum efficiency and low emission points, independently of the driving conditions.
• Parallel Hybrid: The ICE in this scheme is mechanically connected to the wheels, and can therefore directly supply mechanical power to the wheels. The EM is added to the drivetrain in parallel to the ICE, so that it can supplement the ICE torque. The ICE can drive the EM as a generator, in order to charge the battery; this system does not require a generator as in the series hybrid.
• Series-Parallel combined system. In this case, the system features the characteristics of both series and parallel hybrids. It requires both a generator and a motor. The mechanical power from the engine is split

0-7803-5519-9/00 $10.00 0 2000 AACC

by a planetary gear into the series path (from the engine to the generator) and into the parallel path (from the engine to the driving wheels). Toyota Prius is an example of this so-called dual system.

Hybrid technology is one of the most promising research topics for the Partnership for a New Generation of Vehicles (PNGV). PNGV is a partnership between the United States government and the automotive industry, with the objective to develop a new generation of vehicles. These future vehicles should achieve up to three times todays average of fuel economy (80 mpg = 34 km/l), without compromising consumer expectations with respect to performance, comfort, safety, quality and cost of ownership.

In order to achieve these goals, it is very important to optimize the architecture and components of the hybrid vehicle, but as important is the energy management strategy that is used to control the complete system.

The objective of this paper is to develop a power controller for a parallel hybrid vehicle (PHV) that will optimize the fuel economy. PHV power confrollers presented in the past [l, 2] only optimize the ICE operation, thus not using the full potential of hybrid technology. The power controller presented here will optimize the operation of all major PHV components: ICE, EM, and battery.

For the implementation of the controller, fuzzy logic is used. Previous research at Oakland University [3] and Ohio State University [4] already indicated that fuzzy logic control is very suitable for hybrid vehicle control. It is a good method for realizing an optimal trade-off between the efficiencies of all components of the PHV. It is also very robust, because it is tolerant to imprecise measurements and to component variability.

Section 2 of the paper, explains the basics of Parallel Hybrid Vehicles, and briefly describes the simulation model. The energy management strategy is given in section 3, followed by the description of the controller in section 4. Finally, the simulation results and a brief analysis of these results are presented in section 5.

2 Basics of Parallel Hybrid Vehicles

Figure I presents a block diagram of a Parallel Hybrid Vehicle (PHV) with an electric motor (EM) and an internal combustion engine (ICE).

There are 5 different ways to operate the system, depending on the flow of power: l) provide power to the wheels with only the ICE; 2) only the EM; or 3) both the ICE and the EM simultaneously; 4) charge the battery,

combining clutch gear

Mechanical

Electrical Power

Figure 1: Block Diagram of a Parallel Hybrid Vehicle.

using part of the ICE power to drive the EM as a generator (the other part of ICE power is used to drive the wheels); 5) slow down the vehicle by letting the wheels drive the EM as a generator that provides power to the battery (regenerative braking).

For analysis and control

剩余内容已隐藏，支付完成后下载完整资料

并联混合动力汽车的控制策略

M. Salman^x, Niels J. Schouten, and Naim A. Kheir

x通用汽车研究与发展实验室，奥克兰大学电气与系统工程部门，罗彻斯特

摘要

本文提出了一种基于模糊逻辑的并联混合动力车辆能源管理与控制策略。利用驾驶员指令，电池的充电状态和电机/发电机的速度来开发一套模糊逻辑控制规则，有效分配电动机和内燃机这两个组件的动力。模糊规则的基本主题是优化一个系统中所有组件的运行效率。

仿真结果用于评估控制器的性能。前瞻性混合动力车辆模拟模型用于实施控制策略。相对于其他只能提升内燃机效率的策略，通过使用模糊逻辑，可以展示潜在的燃油经济性提升。

第1章 绪论

对改善燃油经济性、减少排放,以及在不牺牲车辆性能、安全性、可靠性下的平价汽车，和其他常规车辆属性的研究，早已使混合动力技术（热动力和电动力化）成为汽车行业的挑战之一。使用内燃机（ICE）和电机（EM）组合的混合动力系统，具有通过在最佳效率范围内运行的内燃机和在减速时使用动能回收来提升燃料经济性的潜力。

三种不同类型的混合系统：

• 串联混合动力：在这种配置中，一个内燃机-发电机组用于向电机和电池提供电力。内燃机与车轮间并没有机械连接，并且可以独立于工况，以最佳效率和低排放点进行控制。
• 并联混合动力：该方案中的内燃机机械连接到车轮，因此可以直接向车轮提供机械动力。电机则和内燃机平行地加入传动系中，从而可以补充内燃机扭矩输出。 内燃机可以驱动电动机十七成为发电机，以便为电池充电，因此该系统不需要像串联混合动力那样具有发电机。
• 串并联混合系统：在这种情况下，系统具有混合串联并联的特点。它需要有发电机和电动机。来自发动机的机械动力由行星齿轮分离成两部分，一部分进入串联路径（从发动机到发电机），一部分进入并联路径（从发动机到驱动轮）。丰田普锐斯就是这个双重系统的例子。

混合动力技术是新一代车辆合作伙伴关系（PNGV）中最有前景的研究课题之一。 PNGV是美国政府与汽车行业的合作伙伴关系，旨在开发新一代车辆。这些未来车辆应达到今天燃油经济性平均水平的三倍（80英里/加仑，等于34公里/升），而不影响消费者对性能、舒适度、安全性、质量和成本的期望。

为了实现这些目标，优化混合动力汽车的架构和组件是非常重要的，但用于控制整个系统的能源管理策略同样重要。

本文的目标是开发一种并联混合动力车辆（PHV）的动力控制器，以优化燃油经济性。曾经PHV动力控制器只能优化内燃机的运行，从而不能充分发挥混合动力技术的潜力。这里介绍的动力控制器将优化所有PHV主要组件的运行：发动机，电动机和电池。

模糊逻辑会被用于执行此控制器。奥克兰大学和俄亥俄州立大学之前的研究已经表明，模糊逻辑控制非常适用于混合动力车辆控制。它是一种实现PHV所有组件的效率权衡的很好方法。它也非常强大，因为它容许非精确测量和组件多样化。

本文第2章会介绍并联混合动力汽车的基础知识，并简要介绍了仿真模型。动力控制策略在第3章中给出，其次是第4章中对控制器的描述。最后，模拟结果和这些结果的简要分析见第5节。

第2章 并联混合动力汽车的基础知识

图1给出了具有电动机（EM）和内燃机（ICE）的并联混合动力车辆（PHV）的结构框图。根据动力的流动，有5种不同的工作方式：l）仅使用内燃机驱动车轮；2）仅使用电机；3）同时使用内燃机和电机；4）为电池充电，使用部分内燃机动力驱动电机作为发电机（另一部分动力用于直接驱动车轮）； 5）通过让车轮驱动电机，作为发电机向电池充电，使车辆减速（动能回收）。

图1 并联混合动力汽车的框图

对于分析和控制器设计，PNGV系统分析工具包（PSAT）模型用于Matlab / Simulink环境中的PHV仿真。除了PHV模型，PSAT还包括一个驾驶员模型，以及一组含速度时间曲线配置文件的驾驶循环工况。驾驶员的目标是通过调节刹车和油门踏板来跟踪匹配速度时间曲线。动力控制器使用这些驾驶员输入信号来计算几个本地控制器指令，如内燃机，电机，电池和变速箱。

本文中使用的具体PHV配置，由以下组件组成：

• 压燃直喷（CIDI）发动机：55 kW
• 永磁电机：20 kW连续，40 kW峰值
• 高级电池：40 kW，2kW
• 手动变速箱：5档
• 测试车辆总重量：1100公斤

以上组件为了实现表1中给出的PNGV车辆性能要求。

表1 PNGV车辆性能最低要求

第3章 能源管理策略

本章节介绍了能源管理策略，这是动力控制器背后的理念。系统中的能量应以如下方式进行管理：驾驶员输入（从制动器和加速踏板）始终保持一致（驾驶PHV和驾驶传统汽车的感觉不应该有差别）；电池电量一直保持充足；实时优化四个基本组件（内燃机，电机，电池和变速箱）的整体系统效率。

动力控制器必须确定驱动车轮需要多少功率，以及电池的充电功率。那么它应该分配内燃机和电机之间的动力。如果电池需要充电，负功率将分配给电机，内燃机将同时为驱动车轮和为电池充电提供动力。为了确定最佳功率分配以及如何优化各个组件的功率产生/转换，组件效率图会被使用。

3.1效率图

图2给出了速度-转矩平面中通用CIDI发动机效率的等高线图。叠加在轮廓图上是最佳效率曲线，该曲线定义指定功率下的最佳速度和转矩。内燃机速度可以通过自动化的手动变速器换挡来控制。

图2 内燃机的效率图和最优曲线，箭头表示效率上升

对于本文中使用的通用CIDI图，曲线上的内燃机效率在速度是230至320弧度/秒之间最高，对应30千瓦至50 千瓦的内燃机功率，绝对最佳值为47 千瓦。因此，功率分配策略应让发动机工作在该范围内。当发动机转速非常低或非常高时，效率曲线最低。

类似的效率图也用来分析电机的效率（用作电动机或发电机时）。电机效率在320至430弧度/秒之间最佳的，在此范围内最佳功率约为10 千瓦。

在电量-功率平面中已经产生了电池的效率图。电池在高电量和低功率（充放电）时最有效地运行。因此，在低功率下频繁充电，以尽可能地维持高电量。在本研究中，假设充电时最高的容许电量为0.9，制动力回收时为0.97。

3.2动力分配策略

现在既然已知组件的效率特性，就可以制定动力分配策略。可以直接使用发动机驱动车轮，也可以使用电机来驱动车轮。当使用电机时，能量来自之前用发动机充电的电池。因此，当分析电机使用时的效率，动力流向从发动机到作为发电机的电机，到充电中的电池，然后再从放电中的电池，到作为发动机的电机，到车轮。

为了优化PHV效率，必须始终选择最有效的选项（直接使用内燃机或使用电机）。当内燃机直接用于驱动车轮时，机械动力直接从内燃机流向车轮。当使用电机时，在将功率传递到车轮之前，来自内燃机的机械动力将转换为其他类型的动力。这些附加功率转换中会有固定的动力流失（我们的配置至少为16％）。

最好的策略是只使用内燃机对电池充电，当要达到尽可能高的效率时，补偿由于动力转换引起的功率损耗。这样，使用电机比直接使用内燃机更有效，尤其是在低速（低于7英里每小时），以及功率低于6千瓦高于50千瓦时。

这些数字的计算基于：功率转换造成的额外损失至少为16％。因此，调整为直接使用内燃机的效率比用内燃机给电池充电的效率低至少16%时，才使用电机。当效率接近最佳效率时，内燃机仅用于为电池充电。上述数字是通过计算内燃机功率低于最优值（使用最佳效率曲线）超过16%而来的。

因此，当功率指令低于6千瓦时，仅使用电机来驱动车轮。在6到50 千瓦之间，只有内燃机才能用来驱动车轮。当功率指令超过50 千瓦时，电机将用于辅助内燃机进行动力输出。

当仅使用内燃机来驱动车轮时，可以产生额外的动力来为电池充电。该发电功率仍需要优化。下一章节将讨论实现能源管理策略的动力控制器，并使用模糊逻辑来计算最优发电功率。

第4章 动力控制器

图3给出了动力控制器的简化框图。第一个模块将驾驶员的刹车油门踏板操作转换为驾驶员动力指令。来自踏板的信号被归化为零和一之间的值（零：没有踩下踏板，一：踏板完全踩下）。然后从加速踏板信号中减去制动踏板信号，以便驾驶员输入取值在-1和 1之间。驾驶员动力指令是驾驶员输入的正部分乘以最大可用功率（内燃机加上电机）。这样，驾驶员始终可以使用完整的功率范围。

图3 简化动力控制器框图

最大可用的电机和内燃机功率取决于两者的运行速度和温度，并且使用具有输入速度和温度参数的2D查找表来计算。此外，对于给定的车速，内燃机速度具有五个可能值（对应变速箱每一个档位）中的一个。因此，首先计算这五个速度的最大内燃机功率，并选择其实最大的值。驾驶员输入的负部分发送到单独的制动控制器，该制动控制器计算用于减速车辆所需的再生和摩擦制动功率。此控制器使动能回收最大化。

图3中的第二个模块（模糊逻辑控制器）计算电机的最优发电机功率，以及当电机用作电动机时的比例系数。当电池的SOC太低时，此比例系数（接近）为零。在这种情况下，电机不用于驱动车轮，以防止电池损坏。当SOC足够高时，此系数等于1。

模糊逻辑控制器的三个输入是：驾驶员动力指令（P_driver），电池电量（SOC）和电机速度（omega;_EM）。模糊逻辑控制器（FLC）是属于Sugeno-Takagi类型。对于这种类型的FLC，必须为输入定义归属函数，而不是输出。最小运算符用于实现逻辑“与”，简单补码用于实现逻辑“非”。

图4 归属函数（MFs）

驾驶员动力命令的归属函数（MF）显示在图4的顶部。lsquo;正常rsquo;（normal）表示普通驾驶条件的功率范围，lsquo;高rsquo;（high）仅在高加速度和高速时才使用。正常和高功率（30-50 千瓦）之间转换的功率范围是内燃机的最佳工作范围。

电池电量的MF表示在图4的中间。lsquo;太低rsquo;（too low）和lsquo;太高rsquo;（too higl）表示SOC不应该在的范围。lsquo;正常rsquo;表示SOC应该在的范围，lsquo;低rsquo;作为lsquo;正常rsquo;和lsquo;太低rsquo;之间的缓冲区。

电机速度的归属函数显示在图4的底部。lsquo;最优rsquo;（optimal）表示最佳速度范围。 MF下降相对较快，因为在最佳范围以外速度时，效率也会快速下降。

表2 模糊控制器的规则库

规则库如表2所示。如果SOC太高（规则1），所需的发电机功率（Pgen）为零，以防止电池过充。如果SOC正常（规则2和3），电池只有在电机速度最佳且驾驶员动力正常时才会充电。如果SOC降至低，则电池将在较高的功率下充电。这将导致SOC相对较快的恢复正常。如果SOC下降到太低（规则6和7），SOC必须尽可能快地增加，以防止电池损坏。为了实现这一点，要求发电机功率等于最大可用发电功率，并且比例系数从一减小到零。规则8防止驾驶员动力需求高且SOC不太低时电池充电。在这种情况下充电将使内燃机功率超出最佳范围（30-50 千瓦）。最后，当SOC不太低（规则9）时，比例系数等于1。

图3中的第三个模块使用P_driver，P_gen和比例系数（s.f.）来计算内燃机功率（P_ICE）和电机功率（P_EM）的最终值。P_ICE通常是将驾驶员动力指令添加到所需发电机功率（P_ICE=P_driver P_gen），P_EM将为负发电机功率（P_EM = -P_gen）。有两个例外：

1. 当P_driver P_EM,gen小于阈值（s.f. * 6 千瓦）时，则P_ICE = O 千瓦，P_EM=P_driver。
2. 当P_driver P_EM,gen大于当前速度（P_{ICE,max@speed}）下的最大内燃机功率时，P_ICE= P_{ICE,max@speed}, P_EM=P_driver- P_{ICE,max@speed}。

最后，当P_EM为正（EM用作电动机）时，P_EM必须乘以比例系数（P_EM = P_EM * s.f.）。

档位控制器使用所需内燃机功率来计算自动化手动变速器的最佳档位数。最佳速度-转矩曲线用于计算给定内燃机的最佳速度。然后将最佳内燃机速度除以车辆速度以获得期望的传动比，最接近的档位将被选用。

第5章 模拟结果

使用SAE J 1711标准中描述的测试程序，使用PSAT对控制器进行了仿真模拟。图5给出了效率图上绘制的内燃机的工作点。这些点接近最佳曲线，表明内燃机已经接近最佳效率。 电机的工作点主要在320-430弧度/ 秒的最佳转速范围内。电池在相对高的SOC（0.77和最大值0.9之间）运行，并且运行功率相对较低，两者同时表示其高效率。

图5 模糊控制器下的内燃机工作点、效率图、最优曲线

将结果与PSAT中的默认控制器的结果进行比较，仅在不考虑其他组件的最佳区域的情况下优化内燃机工作区间。结果表明，

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[139077]，资料为PDF文档或Word文档，PDF文档可免费转换为Word