混合动力电动汽车控制策略优化

摘 要：混合动力电动汽车其中一个非常重要的技术是控制策略，文章对混合动力汽车控制策略进行了分类及分析，指出混合动力汽车的控制策略的缺点和不足，需要进一步优化，整车性能会受到动力系统匹配参数和控制策略参数二者的共同影响，提出一种结合了遗传算法和模拟退火算法二者的优化算法。

关键词：混合动力电动汽车；控制策略；优化

1 概述

对于不同类型的混合动力汽车，已经研究出来很多不同种类的控制策略，但是对于所有类型的混合动力汽车来说，控制策略的参数优化有着很大的共通。一般情况下，都是根据以往的经验来设定一套大概的值，然后进行参数的微调找到最合适的参数。然而这种尝试的办法很难锁定最佳的参数搭配方案，因此在参数优化的过程中就使用优化算法来解决问题。

2 控制策略的分类

2.1 基于规则的能量管理策略

2.1.1 逻辑门限值控制方法。通过阈值的设置来限制发动机的有效工作范围，控制发动机和电池在高效率范围内工作。该算法简单易实现，应用较普遍。此种策略中要提前设置阈值，所以造成控制系统较难随时匹配实际的情况和参数的改变，同时也忽略了电机的效率情况，所以这种静态控制策略并不是最优的。

2.1.2 基于模糊控制的智能型控制策略。该策略来源于人类的思维方式，提取被控系统的定性和定量信息，通过推理来控制一些很难模型化的系统。由于不能够模型化，所以设计者通过自己以往的经验来提炼规则。

2.2 瞬时优化控制策略

对于不同的功率分配以及地点，该策略实时监控发动机和电动机的消耗燃油量和排放量，通过这些数据得到最适合该混合动力系统的工作模式以及地点。该策略目前并未广泛使用。

2.3 全局优化控制策略

全局最优控制策略是根据最优化方法和最优控制理论而得到的策略，用于分配混合驱动动力。若想使用该策略最重要的前提是清楚汽车的行程，由于这一点的限制，该策略目前尚未投入实用阶段。所以，可以说全局最优控制策略仅仅称得上是一种控制策略设计的方法。

3 参数优化算法

3.1 遗传算法概述

遗传算法实质上是一种高效并行在全局范围内进行搜索的方法，该方法借鉴了生物界的自然选择规律和自然遗传机制[2]。该方法的搜索不需要提供梯度信息便可以自己得到搜索空间范围内的信息并进行叠加。在处理空间问题参数的时候，要先将空间问题参数进行编码才能进行，也就是把这些参数转换成遗传空间内的特定染色体或个体，他们是根据基因以某些特定的结构形成的。下一步使用选择、交叉和变异等遗传算子，模拟生物种群在大自然环境中的自然选择过程，优胜劣汰从而进化，直到将要求解的集合收敛于最优状态。

3.2 模拟退火算法概述

模拟退火算法的原理是固体退火，固体退火指的是加热固体使其温度足够高，然后慢慢的降温，加热温度升高的过程中，固体内部粒子的排列没有顺序，使得内能增大，慢慢降温的过程中粒子呈有序排列，当到达常温的时候回到稳定的基态，此时内能达到最小值[3]。使用该原理来模拟解决组合优化问题，将内能E模拟为目标函数值f，温度T看做控制参数t，就演化为我们所使用的模拟退火算法。模拟退火算法是一种随机组合优化方法，它是在局部搜索算法的基础之上演变而来的。模拟退火算法以一定的概率选择区域内费用值大的状态，这也是其区别于局部搜索的地方。当初始温度足够高而温度下降的足够慢时，该算法完全能够收敛到全局最优值。当系统温度较高时该算法能够使之避免局部最优，而且当系统在温度下降到接近全局最优点的时，该算法能够极大地避免此时接受次优解的情况出现。

3.3 组合优化算法的编程

遗传算法的优势是具有很高的在全局范围内进行搜索能力，然而当进化群体中存在为数不多的几个个体，它们相较于剩余其他个体具有很高的适应函数值，不用经过几次迭代这些个体便会占据整个种群，此时就会将进化过程收敛，而并不是真正的收敛，也就是所谓的“过早收敛”，这是遗传算法的不足之处。而模拟退火算法在局部范围内的搜索能力具有极大的优势，所以在这里将遗传算法和模拟退火算法进行结合，将模拟退火算法演变，做为遗传算法中的一个独立算子看待，整个算法的具体过程是：首先随机分散的抽取出个体组成一组最初的群体，然后使用普通的遗传算子得到一组新的个体，在这些个体中进行筛选出一些较优秀的个体，单独使用模拟退火算法处理，从而得到这些优秀个体邻域内的新的个体，存在一定的可能性是这些新的个体比原来的个体要好，所以防止了少数优秀个体占据种群的情况发生，解决了算法过早收敛的问题，又极大的加快了种群的进化速度。如图1所示，是遗传算法和模拟退火算法相结合的组合优化算法流程图。

文章使用遗传算法和模拟退火算法相结合的组合优化算法求解，选取的设计变量定为动力系统匹配参数和控制策略参数，目标函数选取为燃油经济性和排放，以加速性能、爬坡性能、荷电状态校正为约束。图2所示为优化流程图。

4 结束语

文章对混合动力汽车控制策略进行了分类及分析，指出混合动力汽车的控制策略的缺点和不足，需要进一步的优化。文章在详细论述遗传算法和模拟退火算法的基础之上，提出了将两种算法相结合的组合优化算法。

参考文献

[1]刘明辉.混合动力客车整车控制策略及总成参数匹配研究[D].吉林大学，2006，4.

[2]雷英杰，张善文，李续武，等.Matlab-遗传算法工具箱及应用[M].西安：西安电子科技大学出版社，2005，4.

作者简介：张文康（1994，09-），男，汉族，安徽省蚌埠市，本科，安徽农业大学，主要研究方向：汽车安全控制及新能源汽车。

潘文章（1994，06-），男，汉族，浙江省湖州市，本科，安徽农业大学，主要研究方向：汽车安全控制及新能源汽车。