潘明1，嚴駿1，涂群章1，丁喬2

　?。?.解放軍理工大學 野戰工程學院，江蘇 南京210007；2. 中國人民解放軍63607部隊， 甘肅 蘭州 732750）

       摘要：針對包含發動機發電機組、電池組和超級電容3個能量源的履帶式電傳動推土機，首先，分析了履帶推土機典型作業工況的電能需求；其次，根據3個能量源各自的輸出特性，設計了基于小波變換與模糊規則的多能源管理策略；最后，通過MATLAB/Simulink進行了電傳動系統建模與仿真分析。仿真結果表明：所設計的多能源管理策略可以快速響應推土作業時的能量需求，能夠對電傳動推土機的能量分配進行實時有效控制。

　　關鍵詞：履帶推土機；電傳動；小波變換；模糊控制

　　0引言

　　電傳動技術被廣泛應用于汽車、工程機械、港口起重機械等領域。作為整車控制的核心內容，相應的能量管理策略也得到了廣泛的研究，主要包括：（1）基于規則的邏輯門限值控制策略［1］;（2）基于模糊邏輯的控制策略［2］;（3）基于局部瞬時優化的控制策略［3］;（4）基于靜態全局優化的控制策略；(5)分別基于貝爾曼動態規劃［4］和最優化方法的控制策略［5］。

　　電傳動技術在推土機上的應用尚處于起步階段，目前僅有卡特彼勒公司推出了一款電傳動推土機—D7E型推土機，相應的能量管理策略也很少有人研究。推土機在行駛工況下的能量管理策略可參考汽車及履帶裝甲車輛的控制策略，然而在推土工況下，后功率鏈的功率需求與汽車和裝甲車輛存在很大差異，二者的控制策略對推土工況并不適用，因此推土工況下的多能源管理是電傳動推土機亟待解決的難題。

　　本文針對包含發動機發電機組、電池組和超級電容3個能量源的電傳動系統，結合小波變換理論和模糊邏輯控制策略建立了多能源管理策略。在進行能量分配時，不僅滿足從功率大小的角度來進行能量分配，而且考慮功率需求的變化頻率對發動機發電機組、電池組和超級電容的影響，發揮超級電容在滿足高頻暫態功率需求上的優勢，使發動機發電機組穩定工作在燃油高效區，有效減少了電池組充放電電流及充放電頻率，有利于提高電池使用壽命。

1推土機電傳動系統結構

　　本文研究的履帶式推土機驅動系統采用串聯式雙側電機獨立驅動結構，如圖1所示。系統主要由綜合控制器、發動機發電機組、整流器、電池組、超級電容、雙向DC/DC變換器、驅動電機及其控制器組成。

2多能源管理策略設計

　　2.1推土作業工況電能需求分析

　　圖2為推土機典型作業工況之一。設定推土機按照如下方式運行：0~4 s 空載行駛，4~16 s鏟土作業，16~Pcom：總功率需求，Pcap：電容輸出功率，Pbat：電池輸出功率，Pgen：發動機/發電機組輸出功率

　　Pcom_cap：電容目標功率，Pcom_bat：電池目標功率，Pcom_gen：發動機/發電機組目標功率

　　圖5電傳動系統多能源管理策略30 s運土作業，30~33 s卸土作業，33~35 s停車，35~45 s倒退行駛。

　　推土機目標行駛速度和行駛阻力如圖3所示，后功率鏈功率需求如圖4所示。從圖3可以看出，推土機所受阻力存在一定波動，尤其在鏟土階段，由于切土深度的變化和地面上堅硬障礙物的存在，導致推土鏟刀承受較大的沖擊載荷，因此推土機后功率鏈功率需求中存在高頻暫態分量。在前功率鏈的3個能量源中，發動機響應速度較慢，電池組不宜頻繁充放電，而且過大的充放電電流會降低電池的使用壽命［6］，因此二者均不適于承擔高頻暫態功率；相反，超級電容的功率密度和充放電循環次數要高得多，能夠滿足暫態快速功率需求。

　　根據推土機后功率鏈功率需求，針對前功率鏈3個能量源各自的特點，結合小波變換理論和模糊控制理論設計的能量管理策略如圖5所示。首先對目標功率需求進行小波變換提取出低頻分量，若低頻分量為負值，則推土機處于制動狀態，將回饋能量用于電池充電；若低頻分量為正值，則通過模糊控制規則將能量需求合理分配到發動機-發電機組和電池組。

　　2.2小波變換

　　由于功率需求是離散信號，因此采用離散小波變換將離散功率需求信號分解到不同的分解層。離散小波變換及其逆變換為［7］：

　　其中，x(t)為原始信號；λ為尺度因子，λ=2j，j∈Z；Φ為母函數；μ為平移因子，μ=k2j，j,k ∈Z；W為小波系數。

　　與其他常見的小波相比，Haar小波的母函數在時域中的濾波跨度最短，且Haar小波變換與其逆變換是相同的，表達式為：

　　由于其變換比較容易，因此文中利用基于Haar小波的2通道濾波器組，通過一個低通濾波器H0(z)和一個高通濾波器H1(z)，分別將原始信號x(t)分解成基準信號和細節信號，通過重構濾波器［G1(z),G0(z)］T實現信號重構［8］?；谌塇aar小波建立的分解和重構輸入信號x(t)模型如圖6所示。

　　圖6三級Haar小波變換示意圖2.3模糊控制策略

　　本文定義了雙輸入單輸出模糊控制策略，模糊控制的基本過程如圖7所示。輸入為發動機載荷fp和電池組荷電狀態（State of Charge，SOC），輸出為功率分配系數xf。

　　fp=Pcom\_LF Pgen\_max(4)

　　其中，Pcom_LF為功率需求中的低頻正值部分，Pgen_max為發動機/發電機組的最大輸出功率。

　　發動機/發電機組目標輸出功率Pcom_gen和電池組目標輸出功率Pcom_bat分別定義為：

　　Pcom_gen=xf·Pcom_LF(5)

　　Pcom_bat=(1－xf)·Pcom_LF(6)

　　發動機載荷fp和電池組SOC模糊化后的隸屬度函數表達式如圖8所示，其中：

　　圖8模糊輸入隸屬度函數fp:{S,M,B}，范圍［0~1］代表發動機載荷［0~ Pgen_max］。

　　電池SOC:{CS,CM,CB,FS,FM,FB}，范圍［0.6~0.8］代表電池組荷電狀態變化區間。

　　分配系數xf定義如表1所示。采用Mamdani作為解模糊化算法［9］，設計出18條模糊規則，如表2所示。 

3電傳動系統建模

　　基于Simulink建立的電傳動系統仿真平臺如圖9所示，主要包括發動機發電機組模型、電池組模型、超級電容模型。

　　3.1發動機/發電機組模型

　　根據發動機與發電機轉速之間的耦合關系，將發動機與發電機作為一個整體進行建

　　模，永磁同步電機加整流橋的等效電路如圖10所示，忽略發電機內阻壓降和轉矩損失，則直流母線電壓和發電機電磁轉矩可表示為：

　　其中，Keωg為發電機感應電動勢，Kxωg為等效阻抗，IDC為直流母線電流。

　　3.2電池組模型

　　電池的建模采用等效內阻模型，將電池等效為一個理想電壓源與內阻串聯，其等效電路如圖11所示。因此有：

　　Ubat=Vbat－IbatRs(8)

　　其中，Vbat為電路開路電壓，Rs為等效內阻，Ibat電池組輸出電流，Ubat電池組端電壓。

　　開路電壓Vbat和等效內阻Rs都是與SOC和溫度有關的變量，建模時忽略溫度變化的影響，Vbat和Rs通過輸入SOC值查表獲得，電池組SOC通過安時計數法進行計算：

　　其中，SOC(t)為當前時刻電池組的SOC；Q0為電池組的初始容量；i(τ)為電池組放電電流，符號規定放電為正，充電為負；Qmax為電池組的最大容量。圖9電傳動系統仿真平臺圖10發動機發電機組等效

　　電路模型圖11電池組等效電路模型3.3超級電容模型

　　電容建模采用等效RC模型，如圖12所示。

　　I0：理想電容的輸出電流，Icap：實際輸出

　　電流，RP：等效并聯內阻Rs：等效

　　串聯內阻，C：電容等效電容值，

　　Vcap：電容開路電壓

　　圖12超級電容等效電路模型根據等效電路模型，有：

　　超級電容SOC計算方程如式（11）所示：

　　其中，Vmin為電容最小開路電壓，Vmax為電容最大開路電壓。

4仿真結果分析

　　前功率鏈功率分配如圖13所示，從圖中可以看出發動機發電機組作為主要動力源承擔大部分功率需求，電池組作為輔助能量源在發動機發電機組功率輸出不足時提供電能，在制動時回收能量，起到削峰填谷的作用。由于提取出了大部分高頻暫態分量，發動機發電機組和電池組功率需求相對平穩，有利于提高發動機組的工作效率和延長電池組的使用壽命。超級電容主要承擔功率需求中的高頻暫態分量，其快速充放電特性可以滿足瞬時功率需求。

　　發動機發電機組的目標功率和實際輸出功率曲線如圖14所示，從圖中可以看出發動機組具有良好的功率跟隨特性，但是在功率突變處存在一定偏差，主要是由于發動機切換工作狀態時需要一定的響應時間。

　　電池組和超級電容SOC變化曲線如圖15所示，電池SOC波動較小，基本保持在0.7左右，超級電容SOC變化較大，在0.45~0.75之間，充分利用了其快速放電和深度優勢。電池

　　組和超級電容充放電電壓電流分別如圖16和圖17所示，通過比較，電池組充放電電流在-100~+250 A之間波動，相對平穩，超級電容電流在-200~+400 A之間波動，變化較快。

5結論

　　本文以履帶推土機電傳動系統多能源管理策略為研究對象，首先以某型履帶推土機典型推土作業工況的能量需求為依據，綜合運用小波技術與模糊控制技術設計了前功率鏈3個能量源的分配策略，之后建立了履帶推土機電傳動系統仿真平臺。仿真結果表明，所設計的多能源管理策略在滿足功率需求的前提下，綜合考慮3個能量源各自的特點，能夠對電傳動推土機推土工況下的功率分配進行實時有效控制。

參考文獻

　　［1］ BANVAIT H, ANWAR S， Chen Yaobin. A rulebased energy management strategy for plug in hybrid electric vehicle［C］. Proceedings of the American Control Conference, 2009:39383943.

　?。?］ SCHOUTEN N J, SALMAN M A, KHEIR N A. Energy management strategies for parallel hybrid vehicles using fuzzy logic［J］. Control Engineering Practice, 2003,11(2):171177.

　?。?］ Wu Jian, Zhang Chenghui, Cui Naxin. Realtime energy management of parallel hybrid electric vehicle based on BP neural network［J］. Electric Machines and Control, 2008，12（5）：610614.

　　［4］ Gu Yanchun, Yin Chengliang, Zhang Jianwu. Optimal torque control strategy for parallel hybrid electric vehicle with automatic mechanical transmission［J］. Chinese Journal of Mechanical Engineering (English Edition), 2007，20（1）：1620.

　?。?］ PEREZ L V, BOSSIO G R, MOITRE D，et al. Optimization of power management in an hybrid electric vehicle using dynamic programming［J］. Mathematics and Computers in Simulation, 2006，73（1）：244254.

　?。?］ JOSSEN A. Fundamentals of battery dynamics［J］. Journal of Power Sources, 2006，154（2）：530538.

　?。?］ FALKOWSKI B J. Forward and inverse transformations between haar wavelet and arithmetic functions［J］. Electronics Letters, 1998, 34(2):10841085.

　?。?］ Wang Xin. Moving windowbased double haar wavelet transform for image processing［J］. IEEE Transactions on Image Processing, 2006,15(9):27712779.

　?。?］ MAMDANI E H, ASSILIAN S. An experiment in linguistic synthesis with a fuzzy logic controller［J］. International Journal of ManMachine Studies, 1975， 7（1）：113.