外接充電式混合動力汽車PHEV(Plug-In Hybrid Electric Vehicle)有蓄電池和發動機兩個動力源，蓄電池可以由外部電網直接充電，短距離行駛工作于純電動模式，長距離行駛時油電混合驅動，短距離行駛耗油量比純燃油車低。能量管理策略是PHEV的核心技術之一，在電機和發動機兩種功率源之間按能量管理策略進行功率分配和轉矩輸出，在保證動力性能的基礎上實現最佳燃油經濟性，減少廢氣排放，同時保持蓄電池、電機、發動機等核心部件工作于最佳狀態[1]。

    本文采用神經網絡建模，得到駕駛行為、道路類型以及車輛運行工況的目標需求功率，并將目標需求功率、電池SOC以及當前車輪力矩作為模糊控制算法的輸入變量，整車動力性能、燃油經濟性和極限邊界極值為約束條件，利用模糊伏安法動態分配電池輸出功率和發動機輸出功率，實現對PHEV的能量進行分配與管理，對算法進行了軟件仿真并利用DSP平臺設計實現能量管理控制器，最后對輕型客車進行改裝并進行樣車測試。仿真和樣車測試結果表明：(1)行駛里程在40 km以內時，工作于純電動模式，等價燃油經濟性最好，等價油耗1.6 L/100 km；(2)隨著續駛里程增加，燃油經濟性下降，在行駛里程超過60 km時，主要工作在混合模式，等價油耗比純燃油車低24%；(3)樣車動力性能及各部件狀態良好。
1 Plug_in混合動力系統結構
    圖1所示PHEV混合動力系統主要由發動機、動力電池、電機、離合器、變速箱和驅動輪組成。有發動機和電機兩個動力源，它們既可以獨立工作，也可共同驅動車輛。工作模式如下：(1)純電動模式：當電池電量充足時，優先考慮使用動力電池的電量來驅動電機，從而降低排放和油耗；(2)發動機模式：當電池電量不足時，發動機工作并帶動電機發電，給電池充電；(3)混合動力模式：在急速加速、爬坡等需要大功率驅動時，發動機和電動機同時工作；(4)制動能量回模式：當滑行和剎車制動情況下電動機工作在發電狀態，將制動能量轉換為電能回收到蓄電池。

2 能量管理策略
2.1 駕駛行為神經網絡模型
    駕駛員通過觀察周圍環境和感覺車輛運行狀態來控制車輛加速、減速、巡航或制動。駕駛行為神經網絡建模啟動、加速、巡航、減速和停止/怠速。
    將駕駛模式、油門踏板和剎車踏板信號作為神經網絡的輸入信號，得到目標功率（目標力矩）的大小。然后將目標功率、電池SOC、實際功率和道路類型用模糊算法分配電池功率和發動機功率。能量分配系統框架如圖2所示。

 
    對電動機而言，轉矩與電流成正比，而蓄電池電壓基本穩定，發動機力矩和轉速乘積為發動機功率，因此輸入、輸出變量用功率表示，與力矩等價。模糊控制器以目標功率PR、鋰電池的荷電狀態SOC、實際車輪功率PS以及道路類型為模糊控制的輸入變量。按照約束規則，以電機功率PM和發動機輸出功率PE為模糊控制器的輸出變量。
    模糊輸入變量PR和SOC基本論域為[-10，25]kW和[30，90]%，將輸入變量模糊化，模糊子集為{NB(負大)，NM(負中)，NS(負小)，ZO(零)，PS(正小)，PM(正中)，PB(正大)}；模糊輸出變量PM的論域為[-10，15]kW，模糊子集為{NB(負大)，NM(負中)，NS(負小)，ZO(零)，PS(正小)，PM(正中)，PB(正大)}，模糊輸出變量PE的論域為[5，25]kW，模糊子集為{ZO(零)，PS(正小)，PM(正中)，PB(正大)}，模糊輸出變量Pr的論域為[0，3]kW，模糊子集也為{ZO(零)，PS(正小)，PM(正中)，PB(正大)}。
    選擇輸入、輸出模糊變量的隸屬度函數為三角形。模糊控制規則由一系列關系詞連接而成，最常用的關系詞有if-then、also、or和and，模糊控制算法給出的控制量不能直接控制對象，實際輸出需進行去模糊化處理，將其轉換到控制對象所能接受的基本論域中去。去模糊化處理算法采用質心法。
3 算法仿真及實現
    在Matlab仿真系統中建立模糊控制器，取模糊控制的輸入變量——目標功率PR和鋰電池的荷電狀態SOC的論域為[-10，25]kW和[30，90]%，取模糊控制器的輸出變量發動機分配輸出功率PE、鋰電池分配輸出功率Pb論域分別為[5，25]kW和[-10，25]kW。鋰電池為60 ah/72 V，電池初始荷電狀態SOC=70%，利用該模糊算法對發動機輸出功率、鋰電池輸出功率和制動能量回收功率進行動態管理，在45 min（行駛里程50 km）內主要以純電動模式工作，鋰電池荷電狀態持續減少，直到下降到35%左右保持穩定，燃油經濟最好，等價油耗在1.5 L/100 km左右。隨著續駛里程增加，燃油經濟性下降，在超過60 km行駛里程后，主要工作在混合模式，蓄電池SOC在30%上下起伏，仍比純燃油車低1.7 L/100 km。
    電路實現框圖如圖5所示，控制器CPU采用320-
TM2807DSP微處理器，主要完成：（1）信息采集功能：油門踏板信息、剎車信號、電機及控制器狀態、發動機狀態、電池SOC等信息信號采集；（2）算法運算功能：將采集到信息首先利用神經網絡將油門剎車踏板、實際力矩和駕駛行為計算出目標功率，然后跟距目標功率、實際功率、電池SOC和道路類型動態分配電機和發動機功率。（3）控制功能：將分配的數據轉換為控制信號完成對電機和發動機的控制；（4）數據存儲，將電動車個部件采集的數據進行存儲，并可通過LCD顯示器查看，并可以通過CAN 總線傳輸至PC機進行分析處理。

    將駕駛行為利用神經網絡得到需求目標功率，利用模糊算法和約束規則動態分配和管理鋰電池功率和發動機功率，在此基礎上設計研制了能量管理控制器，研制了原型樣車。經測試，整車燃油經濟性比純電動車有
明顯提高，且動力性能強勁。
參考文獻
[1] 張博.Plug-in混合動力汽車能量管理策略全局優化研究[J].中國機械工程，2010，21(6)：715-719.
[2] 吳光強，陳慧勇.基于遺傳算法的混合動力汽車參數多目標優化[J].汽車工程，2009，31(1)：60-63.
[3] 張松，吳光強，鄭松林，等.插電式混合動力汽車能量管理策略多目標優化[J].同濟大學學報(自然科學版)，2011， 39（7）：1035-1039.