英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
串联式混合电动汽车新型模型验证和评估方法
IEEE高级成员Seta Bogyman，IEEE成员Meting Oksana和道格拉斯Goering
摘要
本文介绍了混合动力电动汽车的一种新颖的建模和验证方法。所提出的动态建模方法提供了比以前大多数基于MAP图研究的文献更真实的模拟性能，而新的验证方法不需要在系统中运行的控制算法的先验信息，只使用从实际系统中获得的处理数据。所提出的验证方法的重要优点在于，其可以进一步用于对诸如发动机扭矩，电池充电状态，发电机扭矩，电动机扭矩，燃料消耗等的不能测量的变量估计，如本文所述。对于验证和估计过程，仿真模型必须用由实际系统中获得的控制信号驱动，该控制信号在大多数时间没有作用。为了克服这个问题，在本文中，基于滑动模式控制的鲁棒控制器被设计成模拟发动机，电动机和发电机控制信号，以实现实际系统中通过模拟模型计算变量之间的最小偏差，而不考虑开发的模型中的非线性和不确定性。本文基于一种串联式混合电动汽车即美国军用高移动多用途轮式车辆获得的模型和测量数。模拟和实际测量数据的评估表明所开发的建模和估价技术的良好性能，这也促使该方法来估计在各种系统中不可用于测量的变量的应用。
索引术语——无振动滑模控制，估计，高移动性多用途轮式车辆，模型验证，串联混合动力电动车辆。
一、引言
在今天的汽车工业中，混合动力电动汽车为高燃料经济性和低排放提供了可行的解决方案。在传统燃油汽车，纯电动汽车和混合动力电动汽车的生产中，自动化制造商经常使用仿真工具，这有助于建模，分析和设计，而没有冗长且昂贵的实验[1]。 有关混合动力电动汽车和纯电动汽车的更多信息，请参见[2]-[6]。
车辆的性能评估通常通过在所开发的控制策略下运行系统并通过分析所收集的数据来进行。汽车制造商也已经利用仿真工具来建模和分析各种车辆类型，例如纯电动汽车和混合动力电动汽车以及传统燃油汽车。因此，假设系统模型以足够的精度开发并且使用实际数据进行适当验证，则仿真可以是用于性能评估的可行方法。一旦模型的准确性被证明，开发的模拟模型也可以用于改进和评估新的控制策略[7]或甚至估计不可用于测量的系统变量。
各种软件程序已经针对不同车辆类型进行了开发;大多数这些程序是基于Mat lab / Simulink的，并配备了不同的技术来演示实时性能。在车辆模型的文献中，以下研究可以与这些研究中使用的软件程序[21]一起提及：HEVSIM [8]，[9]，SIMPLEV [10]，CARSIM [11]，HVEC [12] ]，CSM HEV [13]，Alpha / V-Alpha [14] - [16]，ADVISOR [18]，[23]，HE-VESIM [19]，PSAT [7]and PSIM [20]。还有利用Mat lab / Simulink以外的软件的研究，如MODELICA [27]。已经对联合条件及对并联式混合动力电动汽车的发动机和电动机缩放的影响进行了研究[22]。除了一般车辆建模的各种研究，还有使用智能方法研究详细建模某个组件，如[29]和[26]。
在汽车工业中用于建模和仿真的广泛使用的软件工具，即PNGV系统分析工具包（PSAT），是在阿贡国家实验室开发的，以支持美国能源部的新一代车辆计划的合作伙伴关系。 PSAT使用Mat lab和Simulink开发，是一个前瞻性模型，以逼真的方式模拟车辆燃油经济性，排放和性能，并采用虚拟驾驶员比较轨迹速度和实际车辆速度，并以扭矩控制车辆输入。这种建模方法更接近于真实车辆的操作。由于这个属性，控制策略的开发在PSAT比ADVISOR更准确[23]。使用PSAT中可用的驱动周期，还可以研究燃料消耗和驱动性能[24]。
上述研究中的一个共同特征是它们都利用基于MAP图的组件模型来快速操作。这些基于MAP图的模型通常由制造商提供并反映组件的静态性能。这些模型还反映了为了减少计算负担而应用的一些简化，大多时候都有降低模拟精度的风险。
本文的主要贡献是开发的新型模型验证方法，其中不需要先验信息在车辆系统的控制策略，只需要来自实际车辆的测量数据。在建模过程中考虑了串联式混合动力车辆（SHEV），即高移动多用途轮式车辆（HMMWV）[1]，[28] XM1124，以及当运行联邦城市驱动循环（FUDS循环）时从实际车辆收集的数据用于验证过程。所开发的验证方法的显著优点是其还可以用于推导出不可用于测量的系统变量，例如发动机扭矩，燃料消耗，排放，发电机扭矩，电池荷电状态（SOC） 牵引电机转矩，滑差，滚动和拖曳力矩，机械部件的效率等。该研究的另一个贡献是在开发的机电系统仿真模型中采用的主要动态建模方法，这与大多数过去研究采用基于MAP图的建模方法不同。为此，为发电机，电机及其驱动器开发了动态模型。发动机和电池包含在系统中，从PSAT获得基于MAP图的模型。然而，组件模型，参数和它们的初始值随着实际HMMWV组件参数更新，并且也已经用前述过程验证。
为了可靠的验证和估计过程，需要使用从实际系统获得的控制信号来驱动仿真模型; 然而，大多数时候，这些信号没有作用。这个问题在本文中克服了滑模控制（SMC）的鲁棒控制器的设计，实现从实际系统测量和通过模拟模型计算的变量之间的最小偏差，其中许多系统的非线性和不确定性被忽略。
车辆系统的时变参数和高度非线性特性使得它们非常适合于SMC，SMC是一种广泛使用的鲁棒控制方法[30]，由于其对于流量计和模型的不确定性，以及外部干扰而在汽车应用中得到普及。使用各种SMC设计来控制标准机动车辆中的内燃机的一些最近的文献可以列举如下：在[31]中，采用基本不连续SMC结构，其基于零动态 稳定性以确定和最小化控制结构中的状态的数量; 在[32]中，设计了二阶SMC，并且将其性能与具有实验的PI控制器的性能进行比较; 在[33]中，针对最近的自动应用提出了几种SMC设计方法; 在[34]中，提出了一种SMC，其涉及设计另外的观测器以重建由控制器使用的系统状态;最后，在[17]中，基于SMC的算法被设计用于在最佳效率区域中的发动机的操作，发动机仅在SOC落入预设极限时操作。在本文中，无颤动的SMC设计用于发动机的速度控制和发电机和牵引电动机的扭矩控制。
本文组织如下：在第一部分介绍后，第二部分为车辆系统。 接下来，SHEV组件模型的开发和基于SMC的仿真控制器的推导分别在第三节和第四节中给出。 验证和估计结果在第V节中给出，结论在第VI节中给出。
- 车辆系统
本文考虑的XM1124车辆是基于标准的M1113 HMMWV，其中标准的内燃机和传动系已经用向车辆电气总线提供电力的发动机 - 发电机组代替。 总线连接所有主要组件，包括电池组，发动机发电机和牵引电机。以这种方式，牵引电动机可以从由控制策略确定的电池或发电机汲取功率。
发动机 - 发电机组由与交流永磁同步（PMS）发电机耦合的柴油发动机组成。 发动机是2.2升4缸涡轮增压柴油发动机，由标致制造，以4000 r / min的速度发动100 kW。 发电机是UQM技术（型号SR286）无刷电机/发电机。 车辆电池组由24个串联连接的Optima深循环电池组成。 这些是市售的铅酸电池，具有288V直流的标称电池组电压。 两个SR286 UQM电机用作牵引电机，一个直接耦合到后差速器，另一个通过短驱动轴耦合到前差速器。 除了牵引电动机负载之外，总线还向寄生负载（例如，灯，泵，风扇和加热器系统）提供电力。为系统开发的开发建模，验证和估计过程包括以下步骤：
1）SHEV子系统的建模，即发动机，发电机和驱动器，电池，后和前电动机和驱动器，最终驱动器，后轮和前轮，车辆动力学，以及最后，建模车辆驾驶员或计算扭矩需求;
2）使用实际车辆的测量数据，即发动机转速，发电机电流，电池电流，电动机电流电池电压，制动逻辑，燃料消耗和参考FUDS循环;
3）设计的控制器子系统来模拟没有先验信息的实际的控制信号，即对于发动机节气门控制器，发电机扭矩控制器，电动机扭矩控制器，车轮制动扭矩计算器，车辆驱动器或扭矩需求控制器;
4）估计不可用于测量的变量，即排气，燃料消耗，电池SOC，发动机扭矩，电动机转矩等。
- SHEV的系统描述和建模
美国军方已经评估了其HMMWV的几个原型混合电动版本，目的是提高燃料效率和射程，使车辆作为现场可部署辅助动力装置，提高隐身能力，并保持整体操作和运输性能标准HMMWV。在本文中考虑的系统是最近的原型，其是由AM General和PEI制造的XM1124，并且是具有直接耦合到每个轴的差速器的牵引电动机的串联动力混合动力。
SHEV的计算机模拟是基于Mat lab / Simulink的PSAT版本4.1创建了的。 本文使用了该车辆建模器的一些子模型。
整个SHEV模型由发动机，发电机，电机，电池，最终驱动器，后轮和前轮，电气和机械附件以及车辆驱动器型号组成。 在本节中，这些模型将使用Mat lab / Simulink软件开发。 在本文中，通过基于HMMWV的特性修改所提供的PSAT模型来开发发动机，电池，终传动，车辆和车轮模型。 虽然发动机和电池模型是基于MAP图的模型，但是为发电机，电机及其驱动器开发了动态模型。
以下模型是为了模拟而开发的：
1）车辆驾驶员模型;
2）发动机型号;
3）发电机模型;
4）电池模型;
5）前后电机型号;
6）终传动;
7）前后轮型号;
8）电气和机械寄生负载模型;
9）车辆动力学。
A.车辆驾驶员模型
该模型基于由车辆驾驶员产生的需求和机械制动扭矩，以努力跟踪FUDS循环。 该模型使用测量和估计的车辆速度，误差定义如下：
(1)
其中是速度误差，其中和分别表示测量速度和估计速度。 为了在仿真模型中该误差最小化，开发了控制器，其输出对应于由驾驶员产生的需求扭矩值
(2)
其中是由控制器产生的需求转矩控制信号，f（·）是控制函数。 该控制信号用于计算施加在车轮上的制动力矩。 在仿真模型中，假设负扭矩需求分量的75％由机械制动满足，而其余的由再生制动产生。 利用该假设并且通过添加机械制动逻辑信号，参考制动转矩可以表示如下：
(3)
在这里：
参考制动转矩;
由驱动器施加的逻辑制动信号;
由控制器产生的负需求转矩分量的绝对值。
这里，是施加到电动机驱动器的驱动转矩参考值; 该值在应用是在后电机驱动器和前电机驱动器之间平均分配的。
B.发动机模型
发动机模型用于以下功能：
1）扭矩产生;
2）燃料消耗;
3）排放。
1）扭矩生产：通常，在模型中使用两组发动机图：冷发动机图和热发动机图。 使用估计的预热指数来内插从这些映射中的每一个获得的发动机扭矩。 在本文中，测量数据从温暖的发动机获得; 因此，在我们的模拟中使用热引擎映射。 发动机扭矩由大开节气门（最大）和闭合节气门（最小）扭矩图导出如下：
其中是节气门全开时的热发动机扭矩图，并且是节气门关闭时的热发动机扭矩图。
- 燃料速率：燃料速率从作为发动机扭矩和速度的函数的热发动机燃烧速度曲线中获得
其中是由发动机扭矩和速度索引的燃料速率图。
因此，使用燃料消耗率值计算燃料消耗如下：
- 排放：排放指数图用于计算排放成分（HC，CO，NO和PM）的排放指标。 使用与用于计算燃料消耗率的方法类似的方案计算排放指标
其中是排放，这里的X表示HC，CO，NO和PM。
C.发电机模型
基于PMS机器的d-q轴模型开发的发电机模型可以给出如下：
其中： 发电机正交电流;
发电机扭矩;
总惯性;
发动机惯量;
发电机惯量;
发电机速比=omega;e/omega;g= 1.5;
发电机d-q轴电流，分别（安培）;
发生器d-q轴电压，分别（伏特）;
发电机电阻（欧姆）;
发电机d-q轴电感（分别为亨利）;
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[139487]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
