淺談混合動力汽車發展現狀

　　【摘要】為解決環境惡化、資源短缺問題，混合動力汽車應運而生。其采用的發動機—電動機聯合驅動動力總成結構，主要目的是利用電動機使發動機工作在高效區間，以達到提高燃油經濟性的目的。通過綜述目前混合動力汽車研究現狀，包括混合動力汽車結構和混合動力汽車能量管理策略。在混合動力汽車結構方面的研究有串聯結構的增程式、并聯結構的插電式等;在能量管理策略方面有基于PMP算法的全局優化、基于ECMS算法瞬時優化、基于深度學習的機器學習等方法。

　　主題詞：混合動力汽車能量管理策略全局優化PMP

　　1前言

　　過度消耗化石能源帶來了一系列環境問題，“節能減排”迫在眉睫。因此，發展氫能、電能的新能源汽車成為緩解環境污染的有效途徑。插電式混合動力汽車(Plug-inHybridElectricVehicle,PHEV)作為新能源汽車的代表，具有輸出扭矩大、加速快、里程長的優點。傳統汽車向PHEV轉變首先要解決能量管理問題，其實質是將整車行駛過程中需求的動力在驅動部件之間進行分配。

　　2019年，我國混合動力汽車銷售23.2萬輛，其中銷量前3分別是比亞迪唐DM、寶馬5系PHEV、大眾帕薩特PHEV。預計2025年，我國HEV保有量將達到500萬輛。若每輛車能量管理效果提升10%，每年節約的能源相當于11.4個中型火電站一年發出的能源。隨著PHEV數量的增加，每年節約的能源將會更多。因此，研究PHEV的能量管理對于資源短缺、環境惡化具有重要的現實意義。

　　2混合動力結構發展趨勢

　　在國際市場上，各汽車企業陸續上市多款插電式混合動力汽車(Plug-inHybridElectricVehicle，PHEV)，驅動結構也多種多樣。有早期的以行星齒輪作為功率分流裝置實現的混合驅動構型，此種結構主要特點是不需要控制，完全由發動機、電動機工作狀況決定，主要車型有豐田PRIUS、福特FU⁃SION。有眾多歐洲廠商采用的P2并聯結構，此種結構主要特點是電動機置于變速箱輸入端與發動機通過離合器耦合。

　　發動機可通過P2電機起動并迅速提高轉速，避免低轉速、高扭矩造成的能源浪費。在制動時，利用電動機回收制動能量。主要車型有德國大眾途觀LPHEV、奧迪A3e-tron。還有雙電機串并聯結構，此種結構中2個電機分別是：發電機和電動機，例如本田公司的i-MMD混動系統，主要車型有CR-V、雅閣PHEV、Inspire，寶馬X1PHEV。

　　除此之外，還有增程式新能源汽車，此種結構發動機不只為汽車提供扭矩，為動力電池充電，還具有行駛里程長的優點，但是在化石能源向電能轉換過程中有不可避免的能量損耗。經過數年來政府大力支持和國內企業的不懈努力，我國新能源汽車取得了較為顯著的進步。比亞迪推出“秦PHEV”、“唐DM”、“宋DM”、“元EV”及其多種衍生車型。比亞迪“DM車系”采用自主研發的“三擎動力”結構，該結構不僅含有常規發動機，還含有3個電機，動力強勁。唐DM從0加速到100km/h僅需要4.5s。吉利汽車推出的帝豪GLPHEV是國內首創的P2.5電機布局結構，此結構將電機置于變速箱內部。上汽的榮威eRX5PHEV搭載1.5T最大功率為119kW、最大扭矩為250N·m發動機和最大功率為56kW、最大扭矩為318N·m的電動機，百公里綜合油耗僅1.5L。

　　長城汽車的WEYVV7PHEV、長安的CS75PHEV都有不俗的市場表現力。縱觀混合動力汽車發展的歷程其主要特點總結如下。(1)多種混合動力結構層出不窮、多種結構并存、功率分流裝置向可控化、精細化方向發展;(2)混合動力汽車中電動機功率比重增加，整車油耗進一步降低;(3)動力電池組容量增大，純電續航里程增加。

　　3能量管理策略研究現狀能量管理策略

　　(EnergyManagementStrategy，EMS)依據整車行駛過程中需求扭矩，合理分配驅動器件之間的輸出功率，是整車結構確定后最重要的設計環節。PHEV在需求扭矩一定情況下，電動機輸出扭矩越大發動機的燃油消耗量、排量越小，反之則反。因此，能量管理的結果直接影響整車性能。由于車身結構差異、載荷不同、工況未知的復雜條件給PHEV能量管理策略帶來極大的挑戰。總的來說能量管理策略只能兼顧燃油經濟性、排放性、駕駛性、動力性、實時性其中某一方面或者某幾方面，很難在各個方面均達到令人滿意的結果。

　　目前對能量管理策略的研究主要分為3類：(1)基于規則的管理策略;(2)基于優化的管理策略;(3)基于人工智能的管理策略。基于規則的管理策略實時性好，控制也相對簡單，但嚴重依賴于車身結構，主要有2種實現形式。(1)確定規則的管理方法—根據車輛當前的扭矩、速度、加速度等狀態信息設定發動機或電動機的工作閾值點，劃分工作區間;(2)模糊規則的管理方法，利用模糊控制優勢建立狀態信息及變量的隸屬度函數，確立模糊規則進行能量管理。基于優化的管理策略全局性好，但控制較為復雜、實時性差;分為基于靜態數據的全局優化和基于動態數據的瞬時優化。基于學習的管理策略不依賴于工況信息，然而控制最復雜，訓練所耗時間極長，主要采用深度學習的方法。

　　3.1基于確定規則的能量管理策略

　　基于確定規則的能量管理策略主要有恒溫器控制、功率跟隨法、狀態機控制。按照設定的閾值一般將PHEV工作模式劃分為：純電模式、燃油模式、混合驅動模式、回饋制動模式、行車充電模式和停車充電模式。Anbaran指出[8]，當PHEV在起動、蠕動、燃油不足和動力電池組高SOC(StateOfCharge)時，為提高整車效率，關閉發動機由電動機單獨驅動，此為純電動模式;當動力電池組低SOC、整車需求扭矩在發動機最佳工作區間運行時由發動機單獨驅動，此為燃油模式。

　　而當動力電池組SOC不足，需求扭矩小于發動機最佳工作區間的最小值，此時電動機工作在發電模式為動力電池組充電，這種工作方式為行車充電模式;減速或者下坡時，發動機不工作，電機作為發電機運行，稱這種模式為回饋制動模式;停車充電模式由市電為電池組充電。文獻[9]將發動機負荷狀態分為高、中、中低3個區間，再結合油門踏板的開度和變化速度，計算整車需求功率，從而確定車輛的工作模式。實驗結果表明PHEV與傳統汽車相比，在燃油經濟性和尾氣排放性上具有明顯的優勢。為了避免發動機怠速狀態和小負荷運行，Hu[10]利用電機調節發動機工作負荷。

　　利用電機使發動機工作在燃油效率最高點，從而提高了燃油經濟性。舒紅[11]針對不同循環工況采用混聯型混合動力汽車模型進行研究。在實驗過程中以最大綜合效率為目標，將車輛工作狀態劃分為3種模式：充電工況、放電工況和制動工況。非制動模式下以最大效率為目標，制動模式以最大回饋量為目標。實驗結果表明相對于傳統汽車燃油經濟性提高了36.95%。Adhikari[12]基于功率平衡理論，采用控制動力電池組SOC、降低發動機起動頻率、安裝ISG(In⁃tegratedStarterGenerator)電機等一系列手段，降低9.3%的燃油消耗量。除此之外，還有研究者從變速箱的結構出發將發動機控制在高效區間;考慮扭矩、效率MAP圖等提高燃油經濟性[13]。

　　3.2基于模糊規則的能量管理策略

　　在PHEV行駛過程中，由于整個系統具有非線性、時變的特點，利用模糊控制的魯棒性和實時性能有效解決基于確定規則的不足之處。文獻[14]根據以往經驗確定模糊隸屬度函數與模糊規則，對不同結構的燃料電池混合動力汽車進行對比研究，期望找到最小能耗組合。文獻[15]對動力電池組SOC和發動機扭矩分配設計模糊規則控制器，確保發動機工作在高效區間，實驗結果表明該控制器提高了燃油經濟性與排放性。文獻[16]同樣采用2個模糊控制器對動力電池組SOC和發動機扭矩分別控制。還有學者將模糊邏輯規則與其它方法相結合進行規則設計。Zhao[17]與等效油耗最小相結合，對等效因子進行優化，提高了燃油經濟性。

　　Won[18]將模糊控制與粒子群算法相結合，對發動機扭矩進行優化控制。Vural[19]利用遺傳算法對模糊控制的隸屬度函數與模糊集合進行優化，并利用優化后的模糊控制器對發動機扭矩進行優化。Rajagopalan[20]利用模糊PID控制策略，對采用AMT(AdvancedManufacturingTechnology)變速箱的混合動力汽車扭矩進行了最優分配。由于駕駛員駕駛方式的不同能耗可能存在差異，為此Gu[21]基于模糊邏輯控制，指出駕駛意圖識別對能量管理策略的影響。尹安東[22]利用神經網絡對模糊控制器進行在線的學習優化，優化后能耗降低10%。

　　3.3基于全局優化的管理策略

　　基于全局優化的管理策略基于循環工況已知的前提下，多采用龐特里亞金極小值原理(Pontryagin’sMinimumPrinciple,PMP)、動態規劃(DynamicProgram⁃ming,DP)、遺傳算法(Geneticalgorithm,GA)。DP在20世紀50年代，由美國數學家Bellman提出。DP在解決多階段問題時效果較為顯著，其基本思想是將多階段問題轉化為一系列單階段問題，然后再注意求解的方法。而混合動力汽車在行駛過程中按照時間離散化后，就是一個多階段問題。

　　盡管DP計算量大、計算時間長、容易陷入維度困擾的問題，但自從2000年DP運用到能量管理上后[23]，受到大多研究者的青睞。洪志湖[24]以耦合側輸入為研究對象，利用DP優化并聯混合動力汽車輸出扭矩，研究表明相對于功率平衡策略，燃油經濟性提高了10.95%，動力電池組SOC降低了3.36%。Luo[25]利用DP協調控制混合動力汽車的巡航安全性與燃油經濟性。

　　針對DP算法計算量大的缺點，研究者們提出了DP規劃的改進算法降低計算復雜度[26-28]。還有部分研究者考慮了基于DP的能量管理策略其它問題，如：文獻[29]考慮了燃料電池汽車DP算法能量管理策略累計誤差問題，并提出了解決辦法，使得最優氫耗量誤差在0.5%內。鄧濤[30]將PHEV與智能家居相結合，以分時電價和分時能耗為背景，利用DP優化最小電價成本的管理策略，實驗表明夏季、冬季家用電費分別節省50%、27%。宋珂[31]針對DP需要預先知曉循環工況的缺點，提出了基于隨機動態規劃的能量管理策略。該策略是在統計、分析已知工況前提下，建立馬爾可夫鏈隨機預測模型。實驗結果表明該策略在燃油經濟性、發動機效率、電機效率等有較優的表現。

　　4存在的問題及展望

　　針對PHEV的研究很多，有從結構上改進，有從控制策略上優化，還有從循環工況獲取上入手，但很多研究都只是針對同一種動力總成結構。對于不同結構的車輛，控制策略需要單獨設計。特別是一種新式的PHEV車型需要重新設計控制策略。而且現有研究大多只考慮燃油經濟性，考慮排放性的相對較少，考慮動力電池組使用壽命的更少，更不用說3者都考慮在內。

　　即使有考慮多目標優化的控制策略，也是通過將各目標函數加權，使多目標轉變為單目標問題。發展新能源汽車主要目的是節能、減排，雖然新能源汽車綜合油耗低、綜合排量少，但并沒有從根源上解決排放問題，只是“少運行”而已。沒考慮排放性的控制策略，在發動機運行時其尾氣排放種類及含量與傳統汽車無異，并沒有達到期望中的減排效果。

　　汽車工業論文：新能源汽車輕量化的關鍵技術

　　再者新能源汽車成本很大一部分集中在動力電池組上，動力鋰電池組生產時伴隨著嚴重的污染，若不對其進行有效的保護與管理，可能會使其壽命降低，更換電池組的時間間隔縮短，整個車輛使用成本增加，生產污染增加。影響動力電池組壽命很重要的一個因素就是動力電池充放電電流。解決電池組電流大的方法有增加并聯電池組的數量、降低其功率。在PHEV上增加更多的電池組，會帶來一系列的缺點，如：購車成本增加、內部可用空間減小、會增加車身重量、行駛時車輛能耗增加。因此，將電池組運行過程中的電流考慮在內是有必要性與可行性的。

　　參考文獻

　　[1]豐田.PRUIS[EB/OL].(2015-10-28)[2021-02-10]. http://www.toyota.com.cn/mediacenter/show.php?newsid=4909.

　　[2]本田.CR-VPHEV[EB/OL].(2002-07-10)[2021-02-10]. http://www.cr-v.com.cn/hybride/index.html#section1.

　　[3]寶馬.X1PHEV[EB/OL].(2019-09-06)[2021-02-10]. https://www.bmw.com.cn/zh/all-models/x-series/x1-phev/2016/overview.html.

　　[4]比亞迪.唐DM[EB/OL].(2018-06-26)[2021-02-10].https://www.byd.com/cn/CNModelDetail.html-param=%E5%85%A8%E6%96%B0%E4%B8%80%E4%BB%A3%E5%94%90DM.

　　作者：紀承乾

轉載請注明來自發表學術論文網：http://www.zpfmc.com/jjlw/27672.html