公路 与 汽运 总第 1 5 5期

Hi g h wa y s& Au t o mo t i v e App l i c a t i o n s

基于 P S O算法的 HE V控制策略研究 张亮，周伟华 ( 1 .沈阳理工大学汽车学院，辽宁沈阳 1 1 0 1 6 8; 2 .东北大学机械工程与自动化学院，辽宁沈阳 1 1 0 8 1 9 )

摘要：混合动力电动汽车 ( HE V)是当今国内外汽车领域研究的重点与热点，其中控制策略是混合动力电动汽车研发过程中的关键环节。文中结合并联式混合动力汽车系统特点，提出了一种基于粒子群优化算法 ( P a r t i c l e S w a r m 0p t i mi z a t i o n, P S O)的优化控制策略，并在 S i mu l i n k环境下进行了仿真，结果表明所提出的控制算法正确、有效。 关键词：汽车；混合动力电动汽车 ( HE V);控制策略；粒子群优化算法 ( P S 0);仿真分析中图分类号： U4 6 9 . 7 文献标志码： A 文章编号： 1 6 7 1—2 6 6 8 ( 2 O l 3 ) 0 2—0 0 1 1 -0 3

随着汽车工业的飞速发展，道路污染日益严重，

也加速了石油资源的消耗。在这样的背景下，电动汽车、混合动力汽车与燃料电池汽车迅速成为国内 外汽车领域的研究重点与热点。然而，目前电池技术的不成熟和纯电动汽车的严重成本瓶颈使得纯电 车速

动汽车与燃料电池汽车还无法实现商业化。多方面资料表明，在未来的二三十年内，混合动力电动汽车 ( Hy b r i d E l e c t r i c Ve h i c l e, HE V)仍将是汽车领域的 发展重点。大力发展 HE V技术，对于推进中国汽车工业的发展、缩短与先进国家之间的差距具有重 要的意义。

动力电

图 1并联式 I t E V动力系统的结构功能

控制策略是混合动力电动汽车研发过程中的重要环节，目前已有许多学者对 HE V控制策略进行

2 P S O控制策略研究 P S O算法是 1 9 9 5年由 E b e r h a r t、 Ke n n e d y博士基于鸟群觅食行为而提出的一种高效的搜索算法，该算法参数设置少

,不依赖于梯度信息，适合于非线性复杂系统的优化问题求解。采用 P S O算法 提高 HE V电驱动系统性能，关键在于通过电机力

了研究，但这些研究多数只是针对逻辑门限切换算 法，无法实现控制效果的最优。该文采用粒子群优 化算法 ( P a r t i c l e S wa r m 0p t i mi z a t i o n, P S O)对并联

式 HEV的控制策略进行优化，得到全局最优的并 联式 HE V控制策略，并利用 MATL AB/ S i mu l i n k 进行仿真，对所提出的算法进行验证。

矩动态调节强的特点来改善发动机的输出力矩，使 其保持高效率的工作状态，从而提高系统效率，改善

1并联式混合动力汽车 并联式混合动力汽车是混合动力汽车的基本结构形式之一，其结构如图 1所示。 发动机与电机驱动系统的动力在耦合机构中进行动态关联，二者的动力通过机械式自动变速器

燃油经济性并降低排放。 结合发动机万有特性，初步设计发动机与电机

的目标力矩[如式 ( 1 )所示]和电池组的输出功率[如 式( 2 )所示]。

f T 一厂。 p (, ,, T )

T,, .= T o - i:叩。 珥

…

u ( 2 )

AMT共同输出到车轮驱动轮，实现汽车行驶的推动；动力电池组与电机连接，为电机系统提供电能， 同时将剩余电量信息传递给控制系统，控制系统根据驾驶员的操控信号、车辆运行状态反馈信号和电池剩余电量估计等信息实现 HE V系统的管理控制。

P

式中： T。为发动机力矩； f。为最优曲线算子； 为 车速反馈信号； 为粒子编码； T为电驱动系统的负载力矩值； T 为电机力矩； 为发动机系统效