插电式气电混合动力客车控制策略优化

何锋，李欢，吴海波，蒋雪生

(1.贵州大学机械工程学院，贵州贵阳550025；2.奇瑞万达贵州客车股份有限公司，贵州贵阳550025)

插电式气电混合动力客车控制策略优化

何锋1，李欢1，吴海波1，蒋雪生2

(1.贵州大学机械工程学院，贵州贵阳550025；2.奇瑞万达贵州客车股份有限公司，贵州贵阳550025)

根据模糊控制理论，建立了插电式气电混合动力客车模糊控制策略，并基于遗传算法对模糊控制系统存在主观随意性的问题，以百公里燃气消耗量和NOx排放量为优化目标，利用ADVISOR的非GUI函数和遗传算法工具对模糊控制器的隶属度函数进行了优化。结果表明百公里耗气量降低了11.3%，NOx排放降低了7.2%，动力性能显著提高。

遗传算法；模糊控制；插电式气电混合动力客车；LNG；优化

插电式混合动力汽车具有可外部充电、纯电动行驶里程长、排放低的优点，得到了汽车企业、高校和科研机构的日益重视，其控制策略与整车性能密切相关，是核心技术之一。模糊控制作为智能控制的一种，在插电式混合动力汽车这种复杂的非线性系统中得到广泛应用。但模糊控制系统的隶属度函数和模糊规则都是以专家经验为依据设定的，存在着一定的主观性，难以实现全局最优。遗传算法作为一种借鉴生物界自然选择和自然遗传机制的随机搜索算法，具有采用全局搜索、不易陷入局部最优、对问题依赖性小等优点，能很好地实现隶属度函数及模糊规则的选取和优化[1]。

张昕等[2]采用多目标遗传算法，对最低转速、发动机最小转矩包络线系数等控制参数进行了优化，确定了全局最优控制参数。王润才等[3]对插电式串联混合动力汽车动力系统部件参数和控制策略参数同时进行了遗传算法的优化，使得燃油消耗和排放得到降低。倪成群等[4]采用遗传算法对换挡协调控制参数进行了优化，确定了最优的能量分配和换挡控制策略。Amir Poursamad[5]等采用遗传算法对并联混合动力汽车模糊控制策略的隶属度函数进行了优化，优化后整车的燃油经济性和排放性能得到提高。

本文将利用遗传算法对插电式气电混合动力客车模糊控制器的隶属度函数进行优化，确保控制策略的最优。

1 模糊控制器的建立

LNG(液化天然气)汽车具有清洁、环保、价格低廉的优点，在城市客车和出租市场得到了广泛的应用，但其具有动力性不足、发动机扭矩响应滞后、NOx排放高的缺点。LNG气电混合动力客车采用LNG作为发动机能源，结合电机驱动车辆，可有效发挥天然气汽车的优点，克服上述缺点。

某客车公司生产的插电式LNG气电混合动力客车的动力系统为并联结构，该车的模糊控制策略是根据电池SOC值和总需求转矩，确定发动机输出转矩。在模糊控制器的建立过程中，将电池SOC值、总需求转矩和发动机转矩所对应的模糊论域定为[1，11]，模糊子集划分为NM、NS、Z、PS和PM，如图1～图3所示。在确保发动机工作在耗气量和排放较优区域，保证动力电池充放电平衡的原则下，根据车辆总需求扭矩T和电池SOC建立发动机输出转矩ICE的分配规则25条，并采用面积重心法将模糊逻辑推理后的模糊集清晰化。

图1 电池SOC值隶属度函数

图2 总需求转矩隶属度函数

图3 发动机扭矩隶属度函数

2 模糊控制器的优化

2.1 数学模型的建立

插电式气电混合动力汽车模糊控制器的优化是一种非线性多约束的优化问题，优化数学模型为：

式中：F(x)为目标函数；gi(x)为约束条件，i为约束条件个数；j为优化变量个数；xj为优化设计变量；xjmin和xjmax分别为优化变量的上下限。

2.2 目标函数和适应度函数的设置

天然气发动机相较于传统的汽油、柴油发动机，具有较好的排放特性，但天然气发动机热负荷高、燃烧速度慢，导致NOx排放较高，成为阻碍天然气汽车实现低排放的主要因素。优化目标设为百公里耗气量(m3/100 km)和NOx排放量(g/h)。由于两个目标值单位不统一且相互冲突，采用权重系数法和设定目标最优值法定义目标函数：

式中：FC、NOx为各个目标值为目标最优值；T为整个循环工况的时间；w1、w2为各目标值的权重系数。

由(2)式可知，优化目标是使得目标函数值最小，但在遗传算法个体选择中适应度函数越大则该个体遗传到下一代的概率越大，因此利用遗传算法工具箱的Ranking函数对不同个体的目标值进行适应度的重新排序，使最大适应度对应最小目标函数值。

2.3 约束条件的处理

在遗传算法优化过程中，目标函数所对应的个体需要满足车辆动力性要求，故将车辆动力性指标作为约束条件，利用约束罚函数法对目标个体的适应度进行处理，使得不满足条件的个体遗传到下一代的概率减小。动力性约束条件如表1所示。

2.4 优化隶属度函数变量的设置

针对插电式气电混合动力三角形隶属度函数的特点，将决定三角形隶属度函数的形状和位置的三个拐点坐标作为优化变量。以输入量SOC的隶属度函数为例，该输入量有5个模糊子集，模糊子集NM和PM的隶属度函数分别由变量X2、X10确定，模糊子集NS、Z、PS分别由(X1，X3，X5)，(X4，X6，X8)，(X7，X9，X11)所对应的拐点坐标确定。图4为输入量SOC的隶属度函数划分示意图。同理可以确定总需求扭矩和发动机输出转矩的隶属度函数。该模糊控制器最终的优化变量为X1，X2……X33，共33个。

图4 隶属度函数划分示意图

3 仿真分析

3.1 优化结果

根据某插电式气电混合动力客车的主要部件参数，如表2所示。在ADVISOR的GUI界面下完成整车仿真模型的建立。设置遗传算法的最大代数为100；初始个体数目为80；变量数目为33；变量的二进制位数为10；代沟为0.9。利用设计的M文件结合英国设菲尔德大学的遗传算法工具和ADVISOR的非GUI函数在ECE-EUDC循环工况下对模糊控制器的隶属

度函数进行优化仿真。

图5为遗传算法优化过程目标函数值的收敛曲线，随着遗传代数的增加，目标函数值不断减小，当遗传代数为61代后收敛到最小值，该值所对应的隶属度函数为最优。最优隶属度函数如图6～图8所示。

图5 目标函数值变化曲线

图6 SOC隶属度函数

图7 总需求转矩隶属度函数

图8 发动机扭矩隶属度函数

3.2 仿真结果对比分析

将优化前后的模糊控制器分别镶嵌到ADVISOR中进行仿真，得到仿真结果如表3所示。

由表3可见，优化后的仿真结果中最高车速、0～50 km/h加速时间、20 km/h车速爬坡度都满足遗传算法约束条件要求；发动机效率、电机发电效率和电机驱动效率都有显著增高，使得优化前后ECE-EUDC循环工况下百公里耗气量降低了11.1%，0～50 km/h加速时间降低了30.4%，20 km/h车速爬坡度提高了13.5%，NOx排放降低了7.2%。优化结果表明通过模糊控制器隶属度函数的优化，确保了发动机工作在低油耗低排放和电机高效率工作区间。

4 结论

根据插电式气电混合动力客车的动力系统结构形式及运行特点制定了电池SOC值和总需求转矩为输入量，发动机转矩为输出量的模糊控制策略。针对根据经验建立的模糊控制器隶属度函数不能实现最优的问题，在ECE-EUDC循环工况下，利用遗传算法对隶属度函数进行优化，确保了发动机和电机的高效率，使得燃气消耗和排放得到有效降低，动力性能得到提高。

[1]雷英杰，张善文，李续武，等.MATLAB遗传算法工具箱及应用[M].西安：西安电子科技大学，2005.

[2]张昕，宋建峰，田毅，等.基于多目标遗传算法的混合动力电动汽车控制策略优化[J].机械工程学报，2009，45(2)：36-40.

[3]王润才，何仁，余剑波，等.基于遗传算法的插电式串联混合动力电动汽车动力参数优化[J].中国机械工程，2013，24(18)：2544-2549.

[4]倪成群，赵强，张幽彤.插电式混合动力客车电能消耗阶段控制策略的研究[J].汽车工程，2014，36(1)：12-16.

[5]POURSAMAD A，MONTAZERIM.Design of genetic-fuzzy control strategy for parallel hybrid electric vehicles[J].Control Engineering Practice，2008，16(7)：861-873.

Optim ization of controlstrategy for plug-in gas-electric hybrid bus based on genetic algorithm

HE Feng1，LIHuan1，WU Hai-bo1，JIANG Xue-sheng2
(1.SchoolofM echanical Engineering，Guizhou University，Guiyang Guizhou 550025，China;2.Chery GuizhouWanda BusCorporation Limited，Guiyang Guizhou 550025，China)

According to fuzzy control theory，the fuzzy control strategy of plug-in gas-electric hybrid bus was established.Based on genetic algorithm，aim ing at the presence of subjective arbitrariness problem of fuzzy control system，w ith one hundred kilometers fuelconsumption and NOxem issions as the optim ization goal，using ADVISOR non-GUI function and the genetic algorithm tool，fuzzy controller's membership function was optim ized.Results show that one hundred kilometers fuel consumption is reduced by 11.3%;NOxem ission is reduced by 7.2%;the dynam ic performance is improved significantly.

genetic algorithm;fuzzy control;p lug-in gas-electric hybrid bus;LNG;optim ization

TM 912

A

1002-087 X(2016)07-1444-02

2015-12-02

贵阳市工业振兴科技计划项目[筑科合同(2012401)11号]；贵州省工业攻关项目[黔科合GZ字(2013)3003]

何锋(1963—)，男，贵州省人，教授，主要研究方向为节能与新能源汽车的开发及利用。

李欢(1990—)，男，山东省人，硕士生，主要研究方向为节能与新能源汽车的开发及利用。