浅谈混合动力汽车发展现状

　　【摘要】为解决环境恶化、资源短缺问题，混合动力汽车应运而生。其采用的发动机—电动机联合驱动动力总成结构，主要目的是利用电动机使发动机工作在高效区间，以达到提高燃油经济性的目的。通过综述目前混合动力汽车研究现状，包括混合动力汽车结构和混合动力汽车能量管理策略。在混合动力汽车结构方面的研究有串联结构的增程式、并联结构的插电式等;在能量管理策略方面有基于PMP算法的全局优化、基于ECMS算法瞬时优化、基于深度学习的机器学习等方法。

　　主题词：混合动力汽车能量管理策略全局优化PMP

　　1前言

　　过度消耗化石能源带来了一系列环境问题，“节能减排”迫在眉睫。因此，发展氢能、电能的新能源汽车成为缓解环境污染的有效途径。插电式混合动力汽车(Plug-inHybridElectricVehicle,PHEV)作为新能源汽车的代表，具有输出扭矩大、加速快、里程长的优点。传统汽车向PHEV转变首先要解决能量管理问题，其实质是将整车行驶过程中需求的动力在驱动部件之间进行分配。

　　2019年，我国混合动力汽车销售23.2万辆，其中销量前3分别是比亚迪唐DM、宝马5系PHEV、大众帕萨特PHEV。预计2025年，我国HEV保有量将达到500万辆。若每辆车能量管理效果提升10%，每年节约的能源相当于11.4个中型火电站一年发出的能源。随着PHEV数量的增加，每年节约的能源将会更多。因此，研究PHEV的能量管理对于资源短缺、环境恶化具有重要的现实意义。

　　2混合动力结构发展趋势

　　在国际市场上，各汽车企业陆续上市多款插电式混合动力汽车(Plug-inHybridElectricVehicle，PHEV)，驱动结构也多种多样。有早期的以行星齿轮作为功率分流装置实现的混合驱动构型，此种结构主要特点是不需要控制，完全由发动机、电动机工作状况决定，主要车型有丰田PRIUS、福特FU⁃SION。有众多欧洲厂商采用的P2并联结构，此种结构主要特点是电动机置于变速箱输入端与发动机通过离合器耦合。

　　发动机可通过P2电机起动并迅速提高转速，避免低转速、高扭矩造成的能源浪费。在制动时，利用电动机回收制动能量。主要车型有德国大众途观LPHEV、奥迪A3e-tron。还有双电机串并联结构，此种结构中2个电机分别是：发电机和电动机，例如本田公司的i-MMD混动系统，主要车型有CR-V、雅阁PHEV、Inspire，宝马X1PHEV。

　　除此之外，还有增程式新能源汽车，此种结构发动机不只为汽车提供扭矩，为动力电池充电，还具有行驶里程长的优点，但是在化石能源向电能转换过程中有不可避免的能量损耗。经过数年来政府大力支持和国内企业的不懈努力，我国新能源汽车取得了较为显著的进步。比亚迪推出“秦PHEV”、“唐DM”、“宋DM”、“元EV”及其多种衍生车型。比亚迪“DM车系”采用自主研发的“三擎动力”结构，该结构不仅含有常规发动机，还含有3个电机，动力强劲。唐DM从0加速到100km/h仅需要4.5s。吉利汽车推出的帝豪GLPHEV是国内首创的P2.5电机布局结构，此结构将电机置于变速箱内部。上汽的荣威eRX5PHEV搭载1.5T最大功率为119kW、最大扭矩为250N·m发动机和最大功率为56kW、最大扭矩为318N·m的电动机，百公里综合油耗仅1.5L。

　　长城汽车的WEYVV7PHEV、长安的CS75PHEV都有不俗的市场表现力。纵观混合动力汽车发展的历程其主要特点总结如下。(1)多种混合动力结构层出不穷、多种结构并存、功率分流装置向可控化、精细化方向发展;(2)混合动力汽车中电动机功率比重增加，整车油耗进一步降低;(3)动力电池组容量增大，纯电续航里程增加。

　　3能量管理策略研究现状能量管理策略

　　(EnergyManagementStrategy，EMS)依据整车行驶过程中需求扭矩，合理分配驱动器件之间的输出功率，是整车结构确定后最重要的设计环节。PHEV在需求扭矩一定情况下，电动机输出扭矩越大发动机的燃油消耗量、排量越小，反之则反。因此，能量管理的结果直接影响整车性能。由于车身结构差异、载荷不同、工况未知的复杂条件给PHEV能量管理策略带来极大的挑战。总的来说能量管理策略只能兼顾燃油经济性、排放性、驾驶性、动力性、实时性其中某一方面或者某几方面，很难在各个方面均达到令人满意的结果。

　　目前对能量管理策略的研究主要分为3类：(1)基于规则的管理策略;(2)基于优化的管理策略;(3)基于人工智能的管理策略。基于规则的管理策略实时性好，控制也相对简单，但严重依赖于车身结构，主要有2种实现形式。(1)确定规则的管理方法—根据车辆当前的扭矩、速度、加速度等状态信息设定发动机或电动机的工作阈值点，划分工作区间;(2)模糊规则的管理方法，利用模糊控制优势建立状态信息及变量的隶属度函数，确立模糊规则进行能量管理。基于优化的管理策略全局性好，但控制较为复杂、实时性差;分为基于静态数据的全局优化和基于动态数据的瞬时优化。基于学习的管理策略不依赖于工况信息，然而控制最复杂，训练所耗时间极长，主要采用深度学习的方法。

　　3.1基于确定规则的能量管理策略

　　基于确定规则的能量管理策略主要有恒温器控制、功率跟随法、状态机控制。按照设定的阈值一般将PHEV工作模式划分为：纯电模式、燃油模式、混合驱动模式、回馈制动模式、行车充电模式和停车充电模式。Anbaran指出[8]，当PHEV在起动、蠕动、燃油不足和动力电池组高SOC(StateOfCharge)时，为提高整车效率，关闭发动机由电动机单独驱动，此为纯电动模式;当动力电池组低SOC、整车需求扭矩在发动机最佳工作区间运行时由发动机单独驱动，此为燃油模式。

　　而当动力电池组SOC不足，需求扭矩小于发动机最佳工作区间的最小值，此时电动机工作在发电模式为动力电池组充电，这种工作方式为行车充电模式;减速或者下坡时，发动机不工作，电机作为发电机运行，称这种模式为回馈制动模式;停车充电模式由市电为电池组充电。文献[9]将发动机负荷状态分为高、中、中低3个区间，再结合油门踏板的开度和变化速度，计算整车需求功率，从而确定车辆的工作模式。实验结果表明PHEV与传统汽车相比，在燃油经济性和尾气排放性上具有明显的优势。为了避免发动机怠速状态和小负荷运行，Hu[10]利用电机调节发动机工作负荷。

　　利用电机使发动机工作在燃油效率最高点，从而提高了燃油经济性。舒红[11]针对不同循环工况采用混联型混合动力汽车模型进行研究。在实验过程中以最大综合效率为目标，将车辆工作状态划分为3种模式：充电工况、放电工况和制动工况。非制动模式下以最大效率为目标，制动模式以最大回馈量为目标。实验结果表明相对于传统汽车燃油经济性提高了36.95%。Adhikari[12]基于功率平衡理论，采用控制动力电池组SOC、降低发动机起动频率、安装ISG(In⁃tegratedStarterGenerator)电机等一系列手段，降低9.3%的燃油消耗量。除此之外，还有研究者从变速箱的结构出发将发动机控制在高效区间;考虑扭矩、效率MAP图等提高燃油经济性[13]。

　　3.2基于模糊规则的能量管理策略

　　在PHEV行驶过程中，由于整个系统具有非线性、时变的特点，利用模糊控制的鲁棒性和实时性能有效解决基于确定规则的不足之处。文献[14]根据以往经验确定模糊隶属度函数与模糊规则，对不同结构的燃料电池混合动力汽车进行对比研究，期望找到最小能耗组合。文献[15]对动力电池组SOC和发动机扭矩分配设计模糊规则控制器，确保发动机工作在高效区间，实验结果表明该控制器提高了燃油经济性与排放性。文献[16]同样采用2个模糊控制器对动力电池组SOC和发动机扭矩分别控制。还有学者将模糊逻辑规则与其它方法相结合进行规则设计。Zhao[17]与等效油耗最小相结合，对等效因子进行优化，提高了燃油经济性。

　　Won[18]将模糊控制与粒子群算法相结合，对发动机扭矩进行优化控制。Vural[19]利用遗传算法对模糊控制的隶属度函数与模糊集合进行优化，并利用优化后的模糊控制器对发动机扭矩进行优化。Rajagopalan[20]利用模糊PID控制策略，对采用AMT(AdvancedManufacturingTechnology)变速箱的混合动力汽车扭矩进行了最优分配。由于驾驶员驾驶方式的不同能耗可能存在差异，为此Gu[21]基于模糊逻辑控制，指出驾驶意图识别对能量管理策略的影响。尹安东[22]利用神经网络对模糊控制器进行在线的学习优化，优化后能耗降低10%。

　　3.3基于全局优化的管理策略

　　基于全局优化的管理策略基于循环工况已知的前提下，多采用庞特里亚金极小值原理(Pontryagin’sMinimumPrinciple,PMP)、动态规划(DynamicProgram⁃ming,DP)、遗传算法(Geneticalgorithm,GA)。DP在20世纪50年代，由美国数学家Bellman提出。DP在解决多阶段问题时效果较为显著，其基本思想是将多阶段问题转化为一系列单阶段问题，然后再注意求解的方法。而混合动力汽车在行驶过程中按照时间离散化后，就是一个多阶段问题。

　　尽管DP计算量大、计算时间长、容易陷入维度困扰的问题，但自从2000年DP运用到能量管理上后[23]，受到大多研究者的青睐。洪志湖[24]以耦合侧输入为研究对象，利用DP优化并联混合动力汽车输出扭矩，研究表明相对于功率平衡策略，燃油经济性提高了10.95%，动力电池组SOC降低了3.36%。Luo[25]利用DP协调控制混合动力汽车的巡航安全性与燃油经济性。

　　针对DP算法计算量大的缺点，研究者们提出了DP规划的改进算法降低计算复杂度[26-28]。还有部分研究者考虑了基于DP的能量管理策略其它问题，如：文献[29]考虑了燃料电池汽车DP算法能量管理策略累计误差问题，并提出了解决办法，使得最优氢耗量误差在0.5%内。邓涛[30]将PHEV与智能家居相结合，以分时电价和分时能耗为背景，利用DP优化最小电价成本的管理策略，实验表明夏季、冬季家用电费分别节省50%、27%。宋珂[31]针对DP需要预先知晓循环工况的缺点，提出了基于随机动态规划的能量管理策略。该策略是在统计、分析已知工况前提下，建立马尔可夫链随机预测模型。实验结果表明该策略在燃油经济性、发动机效率、电机效率等有较优的表现。

　　4存在的问题及展望

　　针对PHEV的研究很多，有从结构上改进，有从控制策略上优化，还有从循环工况获取上入手，但很多研究都只是针对同一种动力总成结构。对于不同结构的车辆，控制策略需要单独设计。特别是一种新式的PHEV车型需要重新设计控制策略。而且现有研究大多只考虑燃油经济性，考虑排放性的相对较少，考虑动力电池组使用寿命的更少，更不用说3者都考虑在内。

　　即使有考虑多目标优化的控制策略，也是通过将各目标函数加权，使多目标转变为单目标问题。发展新能源汽车主要目的是节能、减排，虽然新能源汽车综合油耗低、综合排量少，但并没有从根源上解决排放问题，只是“少运行”而已。没考虑排放性的控制策略，在发动机运行时其尾气排放种类及含量与传统汽车无异，并没有达到期望中的减排效果。

　　汽车工业论文：新能源汽车轻量化的关键技术

　　再者新能源汽车成本很大一部分集中在动力电池组上，动力锂电池组生产时伴随着严重的污染，若不对其进行有效的保护与管理，可能会使其寿命降低，更换电池组的时间间隔缩短，整个车辆使用成本增加，生产污染增加。影响动力电池组寿命很重要的一个因素就是动力电池充放电电流。解决电池组电流大的方法有增加并联电池组的数量、降低其功率。在PHEV上增加更多的电池组，会带来一系列的缺点，如：购车成本增加、内部可用空间减小、会增加车身重量、行驶时车辆能耗增加。因此，将电池组运行过程中的电流考虑在内是有必要性与可行性的。

　　参考文献

　　[1]丰田.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]宝马.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]比亚迪.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：纪承乾

转载请注明来自发表学术论文网：http://www.fbxslw.com/jjlw/27672.html