并联混合动力系统控制策略，混合动力系统simulink控制策略模型，并联式混合动力系统simulink控制策略模型 1. 工况可自行添加 2. 仿真图像包括 发动机转矩变化图像、电机转矩变化图像、电池SOC变化图像、速度跟随图像、车速变化图像3z5 3. 整车similink模型中包含工况输入模型、驾驶员模型、发动机模型、电机模型、制动能量回收模型、转矩分配模型、运行模式切换模型、档位切换模型纵向动力学模型。

在当今汽车技术领域，混合动力系统凭借其出色的燃油经济性和较低的排放，成为研究热点。其中，并联混合动力系统以其独特的结构和工作方式，备受关注。今天咱们就来深入探讨下并联混合动力系统的Simulink控制策略模型。

工况选择

工况在混合动力系统仿真中起着关键作用，它模拟车辆实际行驶的各种情况。我这里选择城市循环工况（如FTP - 75工况）来进行仿真。这个工况包含了频繁的加速、减速、怠速等情况，很能体现混合动力系统在城市复杂路况下的性能。在Simulink中，可以通过创建自定义的工况输入模型来实现。例如，我们可以用一个S函数来编写工况数据的读取和输出逻辑：

function [sys,x0,str,ts] = fcn(t,x,u,flag)
switch flag,
    case 0,
        [sys,x0,str,ts]=mdlInitializeSizes;
    case 2,
        sys=mdlUpdates(t,x,u);
    case 3,
        sys=mdlOutputs(t,x,u);
    case {1,4,9}
        sys = [];
    otherwise
        error(['Unhandled flag = ',num2str(flag)]);
end

function [sys,x0,str,ts]=mdlInitializeSizes
sizes = simsizes;
sizes.NumContStates  = 0;
sizes.NumDiscStates  = 0;
sizes.NumOutputs     = 1; % 这里输出车速数据
sizes.NumInputs      = 0;
sizes.DirFeedthrough = 1;
sizes.NumSampleTimes = 1;
sys = simsizes(sizes);
x0  = [];
str = [];
ts  = [0.1 0]; % 采样时间0.1s

function sys=mdlUpdates(t,x,u)
sys = [];

function sys=mdlOutputs(t,x,u)
% 假设这里从一个数据文件读取车速数据
speed_data = load('FTP_75_speed_data.txt'); 
index = floor(t/0.1)+1; % 根据时间索引数据
if index <= length(speed_data)
    sys(1) = speed_data(index);
else
    sys(1) = speed_data(end);
end

这个S函数会按照设定的采样时间从数据文件中读取对应的车速数据，作为工况输入给到后续模型。

整车Simulink模型搭建

1. 驾驶员模型：根据工况输入的车速，驾驶员模型会输出期望的转矩。可以简单理解为，当车速低于期望车速时，输出正转矩加速；高于期望车速时，输出负转矩减速。

function torque = driver_model(desired_speed, current_speed)
if desired_speed > current_speed
    torque = Kp * (desired_speed - current_speed); % Kp是比例系数，可调整
else
    torque = -Kd * (current_speed - desired_speed); % Kd是另一个比例系数
end

1. 发动机模型：发动机模型接收转矩需求，输出实际的发动机转矩和转速。发动机的输出特性通常是非线性的，我们可以用查找表来模拟：

function [engine_torque, engine_speed] = engine_model(demand_torque, engine_speed_prev)
% 假设已经有预先测量好的发动机转矩 - 转速查找表数据
load('engine_map.mat'); 
engine_speed = engine_speed_prev + (demand_torque / engine_inertia); % 简单的动力学计算
engine_torque = interp2(engine_speed_table, torque_demand_table, engine_map, engine_speed, demand_torque);

1. 电机模型：与发动机模型类似，电机模型根据需求转矩输出实际电机转矩。电机响应速度快，在加速和制动能量回收时发挥重要作用。

function motor_torque = motor_model(demand_torque)
% 考虑电机效率等因素
if demand_torque > 0
    motor_torque = demand_torque * motor_efficiency;
else
    motor_torque = demand_torque / motor_efficiency; % 发电时效率不同
end

1. 制动能量回收模型：当车辆减速时，电机进入发电状态回收能量。制动能量回收模型根据当前车速和制动需求，计算可回收的能量。

function [regen_energy, motor_brake_torque] = regen_brake_model(current_speed, brake_demand)
% 假设制动能量回收与车速平方成正比
regen_energy = Kregen * current_speed^2 * brake_demand; 
motor_brake_torque = -regen_energy / current_speed; % 根据能量和速度计算制动转矩

1. 转矩分配模型：转矩分配模型是并联混合动力系统的核心之一，它根据当前工况、电池SOC等因素，合理分配发动机和电机的转矩。比如在低负载时优先使用电机驱动，高负载时发动机和电机共同工作。

function [engine_torque_allocated, motor_torque_allocated] = torque_allocation(demand_torque, SOC)
if SOC > SOC_threshold_low && demand_torque < low_load_threshold
    motor_torque_allocated = demand_torque;
    engine_torque_allocated = 0;
elseif demand_torque > high_load_threshold
    motor_torque_allocated = max_motor_torque;
    engine_torque_allocated = demand_torque - max_motor_torque;
else
    motor_torque_allocated = demand_torque * motor_share;
    engine_torque_allocated = demand_torque * engine_share;
end

1. 运行模式切换模型：基于转矩分配和其他条件，运行模式切换模型决定车辆是纯电模式、纯发动机模式还是混合动力模式。

function mode = mode_switching(engine_torque_allocated, motor_torque_allocated)
if engine_torque_allocated == 0 && motor_torque_allocated > 0
    mode = 'EV';
elseif motor_torque_allocated == 0 && engine_torque_allocated > 0
    mode = 'ICE';
else
    mode = 'HEV';
end

1. 档位切换模型：档位切换模型根据车速和发动机转速等信息，决定是否需要切换档位，以优化发动机工作点。

function new_gear = gear_shift(current_gear, engine_speed, vehicle_speed)
% 假设这里有档位切换的转速和车速阈值
if engine_speed > upshift_speed_threshold(current_gear) && vehicle_speed > upshift_vehicle_speed_threshold(current_gear)
    new_gear = current_gear + 1;
elseif engine_speed < downshift_speed_threshold(current_gear) && vehicle_speed < downshift_vehicle_speed_threshold(current_gear)
    new_gear = current_gear - 1;
else
    new_gear = current_gear;
end

1. 纵向动力学模型：纵向动力学模型整合发动机转矩、电机转矩、制动转矩等，计算车辆的加速度和车速变化。

function [acceleration, new_speed] = longitudinal_dynamics(engine_torque, motor_torque, brake_torque, current_speed)
total_torque = engine_torque + motor_torque + brake_torque;
acceleration = total_torque / vehicle_mass;
new_speed = current_speed + acceleration * dt; % dt是时间步长

仿真图像分析

1. 发动机转矩变化图像：从仿真结果的发动机转矩变化图像中可以看到，在加速初期，由于需求转矩较大，发动机转矩迅速上升。当车辆进入巡航阶段，发动机转矩维持在一个较低且稳定的值以维持车速。在减速阶段，发动机转矩降为0。
2. 电机转矩变化图像：在启动和加速的低负载阶段，电机提供主要转矩，图像上表现为电机转矩迅速上升。在制动时，电机转矩为负值，表明进入发电状态回收能量。
3. 电池SOC变化图像：在纯电驱动阶段和制动能量回收阶段，电池SOC上升。而在混合动力或纯发动机驱动且电池为电机提供能量辅助时，SOC下降。正常行驶过程中，SOC会在一个合理范围内波动。
4. 速度跟随图像：速度跟随图像展示了实际车速对工况输入车速的跟随情况。理想情况下，两条曲线应紧密贴合，表明车辆能够很好地响应工况需求。如果出现偏差，可能是控制策略或模型参数需要调整。
5. 车速变化图像：车速变化图像直观地呈现了车辆在整个工况循环中的速度变化过程，与我们设定的工况输入车速变化趋势一致，反映了车辆在不同阶段的行驶状态。

通过搭建并联混合动力系统的Simulink控制策略模型，并对各部分进行深入分析和仿真，我们能够更好地理解混合动力系统的工作原理，为进一步优化控制策略、提高车辆性能提供有力支持。希望这篇博文能给大家在混合动力系统研究方面带来一些启发。

并联混合动力系统控制策略，混合动力系统simulink控制策略模型，并联式混合动力系统simulink控制策略模型 1. 工况可自行添加 2. 仿真图像包括 发动机转矩变化图像、电机转矩变化图像、电池SOC变化图像、速度跟随图像、车速变化图像3z5 3. 整车similink模型中包含工况输入模型、驾驶员模型、发动机模型、电机模型、制动能量回收模型、转矩分配模型、运行模式切换模型、档位切换模型纵向动力学模型。