基于最佳速度区间的纯电动汽车AMT自适应换挡控制策略

Adaptive shift control strategy of pure electric vehicle AMT based on optimal speed range

摘要

针对传统控制策略下两挡纯电动汽车难以适应各种复杂工况获得最佳换挡性能的问题，提出了一种智能换挡控制方法。根据不同挡位下电机效率和车辆行驶加速度，结合电池状态，分别得到传统双参数最佳经济性换挡规律和最佳动力性换挡规律，并以此分析得到车辆最佳换挡区间。根据加速踏板开度和加速踏板变化率，通过模糊控制，对驾驶员的驾驶意图进行识别，结合驾驶员意图和合理范围内的车速，设计两级模糊控制智能换挡控制器，通过仿真验证了所设计的自适应换挡策略的有效性。仿真结果表明，面对不同工况，与传统三参数模糊换挡控制相比，本文所设计的自适应换挡策略能准确结合车辆性能和驾驶员意图，减少换挡频次，经济性得到提升。

Abstract

For the problem that it is difficult to adapt to various complex working conditions to obtain the best shift performance of two-gear pure electric vehicles under the traditional control strategy， this paper proposes an intelligent shift control method. According to the motor efficiency and vehicle driving acceleration in different gears， combined with the battery state， the traditional two-parameter optimal economic shifting law and the optimal power shifting law are obtained respectively， and the optimal shifting interval is analyzed to obtain the optimal shifting interval of the vehicle. According to the accelerator pedal opening degree and accelerator pedal change rate， the driver's driving intention is recognized through fuzzy control， and combined with the driver's intention and the vehicle speed within a reasonable range， a two-stage fuzzy control intelligent shift controller is designed， and the validity of the designed adaptive shift strategy is verified through simulation. The simulation results show that in the face of different working conditions， compared with the traditional three-parameter fuzzy gearshift control， the adaptive gearshift strategy designed in this paper can accurately combine the vehicle performance and driver's intention， reduce the frequency of gearshift， and improve the economy.

Graphical abstract

关键词

车辆工程 / 纯电动汽车 / 两挡变速器 / 换挡区间 / 驾驶员意图 / 模糊控制

Key words

automobile engineering / pure electric vehicle / two-speed transmission / shift interval / driver intention / fuzzy control

0 引 言

随着新能源汽车行业的快速发展，纯电动汽车在新能源汽车领域中的地位愈发凸显，已经成为汽车行业发展的重要方向^［1］。目前，大部分纯电动汽车采用配置固定速比的减速器方案，该方案虽然具有结构简单、成本低廉的优势，但固定速比设计适应性较差，很难保证电机长期工作在高效区^［2，3］。两挡变速器可以拓宽电机的高效工作区间，有效地改善整车的动力性和经济性^［4］。

尽管两挡变速器只有两个挡位，但考虑到驾驶意图、当前车速、控制参数、整车动力性和经济性等因素都会对最佳换挡规律产生影响^［5，6］，国内外学者对新能源汽车换挡策略展开了研究。许鑫等^［7］采用动态规划算法，针对特定情况下的工况，制定了车速和加速踏板开度的双参数经济性换挡策略，降低了能量消耗。詹长书等^［8］将污染物排放量加入优化目标中，对运用性较强的传统双参数换挡规律进行优化，提高了车辆的经济性。任永强等^［9］引入加速度，利用三参数换挡规律对BP神经网络挡位决策进行优化，优化后的神经网络具有更快的学习速度。刘文光等^［10］以系统效率最高为目标设计双参数换挡策略，并设计了一种换挡策略切换控制器，根据动力需求因数能动态切换换挡策略。殷学冰等^［11］通过NSGA-Ⅱ算法求出兼顾经济性和动力性的双参数换挡规律，并引入加速度构建一种三参数模糊控制器，对换挡点位速度进行动态调整。翟克宁等^［12］通过一种深度神经网络监督学习算法从初始挡位知识库中总结出静态两参数换挡规律，以当前行驶信息为输入，基于知识库计算目标挡位。陈勇等^［13］针对频繁换挡问题，在传统换挡控制策略的基础上，采用模糊控制对驾驶员意图进行识别，制定三参数换挡策略。

本文在Cruise软件中搭建两挡纯电动汽车仿真模型，根据传统经济性和动力性换挡规律得到车辆最佳性能换挡区间。通过Simulink设计识别驾驶员意图和车辆性能的动态换挡控制模型，导入Cruise软件中，与传统三参数换挡控制在不同工况下进行仿真对比验证。结果表明，所设计的智能换挡控制器比传统三参数换挡控制器更加合理，在不同工况条件下均能减少换挡频次，整车经济性有所提升。

1 两挡纯电动汽车模型

本文以某款匹配两挡AMT的纯电动汽车为研究对象，根据整车、电机和变速器等基本参数在Cruise软件中搭建两挡纯电动汽车仿真模型，如图1所示，其中换挡控制由Gear Box Control、Gear Box Program、AMT Control三个模块组成，可实现以车速或者驱动电机转速的单参数换挡控制，也可根据车速与加速踏板开度的双参数换挡控制。整车、电机、变速器基本参数如表1所示。

2 换挡策略设计

以设计参数的数目或设计的目标对换挡规律进行区分。根据设计参数数目，换挡规律可分为单参数换挡控制、双参数换挡控制、三参数换挡控制。其中，单参数换挡控制一般以车速为控制参数，控制方式单一。双参数换挡控制以车速和加速踏板开度为控制参数，是目前应用最广泛的控制方式^［14］。三参数换挡控制因设计目标不同存在差异，一般是在双参数换挡控制的基础上引入加速度或加速踏板变化率，可以实现更高的动力性和经济性要求^{［15，16］}。设计目标可分为动力性、经济性、舒适性、能量回收率等。

2.1　传统经济性换挡策略设计

车辆行驶过程中，驱动电机的工作效率是影响纯电动汽车能耗的主要因素。因此，经济性换挡规律的设计目标在于通过合理的挡位切换，使驱动电机更多地工作在高效区间，在满足不同工况需求的情况下，减少电池能量的消耗。驱动电机效率与其工作时的转速和转矩有关，可表示为：

{\eta }_{\mathrm{m}}=f\left(T_{\mathrm{m}},n_{\mathrm{m}}\right)（1）

式中：η_m为电机效率；n_m为电机转速；T_m为电机转矩。

驱动电机的效率Map图如图2所示。电池效率和传动系统效率是影响换挡控制的关键因素。电池在不同SOC区间内，工作电压不同，放电效率不同，在中间范围内相对稳定^［17］。尤其当电池SOC值过低时，电池效率会急剧下降。传动系统效率主要包括变速器效率和主减速器效率，受齿轮啮合和摩擦损失等因素影响，本文传动系统以定值考虑。

在传统的经济性换挡规律制定过程中，通常以保持加速踏板开度相同的情况下相邻挡位驱动电机效率的过渡点作为换挡点，在此点之后一挡时驱动电机的效率低于二挡时驱动电机的效率。在电池SOC为0.95的情况下，不同挡位和加速踏板开度下的电机效率曲线如图3所示。

通过对换挡点直接拟合，可以获得最佳经济升挡曲线。降挡曲线无法直接通过计算获得，为了避免频繁换挡，一般以升挡曲线设定2~8 km/h的速度差设计降挡曲线，在充分考虑行车工况的前提下，采用收敛型换挡原理设计降挡曲线，最后得到传统经济性换挡规律曲线，如图4所示。

2.2　传统动力性换挡策略设计

动力性换挡规律的设计目标是要保持车辆行驶加速度。在传统的动力性换挡规律制定过程中，通常以保持加速踏板开度相同的情况下相邻挡位加速度的过渡点作为换挡点，在此点之后车辆一挡行驶时的加速度小于二挡行驶时的加速度。在电池SOC为0.95的情况下，不同挡位和加速踏板开度下车辆加速度曲线如图5所示。

通过对换挡点直接拟合，可以得到最佳动力性升挡曲线。根据换挡曲线设计原则，采用等延迟换挡策略设计动力性降挡曲线，最后得到传统动力性换挡规律曲线如图6所示。

3 自适应换挡控制器设计

在实际驾驶中，换挡的经济性与动力性是相互制约的。在需求动力性的情况下，如果采用经济性换挡策略，则会使换挡时车辆的加速性能下降，可能造成驾驶过程中的顿挫感，影响驾驶的平顺性，从而降低整体驾驶体验。在追求经济性的情况下，如果采用动力性换挡策略，则会导致换挡时电机效率降低，增加能量消耗。现有的模糊控制引入加速踏板变化率或加速度参数进行驾驶员意图判别和换挡控制。这种设计车速输入中通常会选择较大的速度范围，虽然能进行动态换挡控制，但无法保证每次换挡在合理的速度区间之内，容易造成频繁换挡，影响车辆经济性。因此，设计两级模糊换挡控制器，能够识别驾驶员意图的情况下，在合理的车速范围之内进行智能换挡控制，进一步降低能耗。

3.1　驾驶员意图识别

驾驶员意图是指驾驶员在车辆行驶过程中的想法和判断，采用加速踏板开度和加速踏板变化率作为反映驾驶员意图识别的参数。在车辆行驶过程中，加速踏板开度情况可以反映出驾驶员的驾驶风格和对驾驶环境的适应性，加速踏板变化率反映了驾驶员对加速需求的动态变化。故采用加速踏板开度和加速踏板变化率作为一级模糊控制器的输入，推理得到驾驶员意图。

加速踏板变化率的计算公式为：

{\alpha }_r={\alpha }_{n+\mathrm{1}}-{\alpha }_n（2）

式中：α_r 为加速踏板变化率；α_n+1为第n+1时刻加速踏板开度；α_n 为第n时刻加速踏板开度。

根据实际驾驶情况，加速踏板开度在0~100%内变化，故加速踏板开度的论域为［0，1］，模糊子集分为ab（大）、am（中）、as（小），隶属度函数采用三角形。根据式（2），加速踏板变化率论域为［-1，1］，模糊子集分为a-n（负）、a-z（零）、a-p（正），隶属度函数采用π形。为方便数据统计，对驾驶员意图归一化处理，设计其论域为［0，1］，模糊子集对应分布为vb（急减速）、b（减速）、m（保持）、s（加速）、vs（急加速），对应论域区间从0到1依次递增。模糊输入隶属度函数如图7所示。

在不同的驾驶工况下，加速踏板开度与加速踏板变化率的不同组合能够反映出不同的驾驶意图：当在紧急加速的情况下，驾驶者会猛踩加速踏板，此时加速踏板开度几乎处于极端位置，加速踏板变化率很高，反映了驾驶员急切加速的驾驶意图。而在驾驶员渴望车辆平稳加速的情况下，此时加速踏板的开度呈增加趋势，但开度变化率相对较低。倘若驾驶者想维持当前车辆状态，加速踏板开度的变化基本不变，其变化率近似为0。减速情况与加速情况对应的加速踏板开度状态相反，加速踏板变化率状态相似，当驾驶员迫切希望减速时，会急速松开加速踏板，加速踏板变化率很大。通过分析和总结相应驾驶经验，制定了较为合理的模糊控制规则表，如表2所示。得到T-S型模糊控制下的驾驶者意图，其模糊控制曲面如图8所示。

3.2　智能三参数换挡控制模型

根据前文电池SOC为0.95的情况下的车辆最佳动力性换挡曲线和最佳经济性换挡曲线，可得到在此情况下的车辆最佳性能换挡速度范围在70~90 km/h之间。车速反映了当前车辆行驶的性能，在车速低于此范围时，一挡电机效率高于二挡电机效率，从经济性考虑并不适合换挡，从动力性考虑，此时的车辆一挡加速性能高于二挡，同样不适合进行换挡操作，反之亦然。故在识别驾驶员意图之后，结合车速对当前的挡位结果需求进行自适应判定，而后进行升降挡操作。

通过由加速踏板开度和加速踏板变化率识别的驾驶员意图和车速构建两级三参数动态换挡控制器，三参数换挡控制比双参数换挡控制更加符合驾驶员的换挡经验和习惯，鲁棒性更强。其中，车速论域为［70，90］，模糊子集分别为vl（很低）、l（低）、bl（较低）、m（中速）、bh（较高）、h（高）、vh（很高）。采用T-S型模糊推理模型，根据驾驶员的经验和模糊控制规则，得到模糊挡位控制规则表如表3所示，模糊控制挡位曲面如图9所示。

经过两级模糊控制输出的模糊挡位值为1到2之间的值，不能直接作为挡位控制，将其导入升降挡控制模型中，设定初始挡位为1，并设定挡位判断值为1.5。通过逻辑判断当模糊挡位值大于设定值时进行升挡，低于设定值时进行降挡，为防止频繁换挡，设计在进行挡位变化操作时有2 s的延时判断，只有当输入的模糊挡位值不满足当前挡位条件2 s以上，才会进行换挡指令，最后得到输出挡位。通过Simulink搭建的T-S型两级模糊三参数换挡控制模型如图10所示。

4 仿真结果及分析

为了验证换挡模型的有效性，将在Simulink建立的智能换挡控制器通过DLL文件的方式导入Cruise中，搭建Cruise与Simulink联合仿真模型。分别以CLTC和NEDC两种不同工况进行仿真验证，并与传统三参数控制换挡策略仿真结果进行对比。仿真结果如图11、12所示。

由图11、12可得，在单次CLTC工况下，采用传统三参数模糊控制下的换挡频次为28次，电池SOC的下降量为2.75%。采用智能换挡控制下的换挡频次为6次，电池SOC的下降量为2.07%。在单次NEDC工况下，采用传统三参数模糊控制器下的换挡频率为10次，电池SOC的下降量为1.32%。采用智能换挡控制下的换挡频率为2次，电池SOC的下降量为1.3%。

分析两种仿真工况结果可知，由于CLTC工况车辆速度变化频繁，传统模糊控制并不能很好地适应相应工况，而采用智能换挡控制器后换挡频率由原来的28次下降到6次，减少了22次，减小了因为换挡带来的动力中断和换挡顿挫，动力电池SOC值消耗量降低24.73%。NEDC工况车辆速度相对平稳，传统三参数控制能对驾驶环境做出有效判断，但采用智能换挡控制的情况下，对当前车速和挡位需求的判断更加准确，整车换挡频次和电池SOC消耗量均有所降低，表明在相对稳定的情况下，智能换挡控制器仍能达到较好的预期效果。

5 结 论

（1）在电池SOC值为0.95情况下，对不同挡位下电机效率和行驶加速度进行分析，得到了传统最佳经济性换挡策略和最佳动力性换挡策略，并通过分析得到了车辆最佳换挡速度区间。

（2）以加速踏板开度、加速踏板变化率和区间车速为输入，设计T-S型两级模糊三参数换挡控制系统，并与传统三参数模糊控制换挡策略进行对比，以CLTC和NEDC两种不同工况条件下进行仿真测试。仿真结果表明，相较于传统三参数模糊控制，本文方法在CLTC工况下换挡频次减少了22次，电池SOC能耗降低24.73%，对于速度变化复杂的行驶条件能进行更合理的挡位判断。NEDC工况下减少了换挡次数，经济性略有提升。

参考文献

[1] 朱成, 刘頔, 滕欣余, 等. 新能源汽车综合经济性对比分析及预测研究[J]. 汽车工程, 2023, 45(2): 333-340.

[2] Zhu Cheng, Liu Di, Xin-yu Teng, et al. Comparative analysis and forecast research on comprehensive economy of new energy vehicles[J]. Automotive Engineering, 2023, 45(2): 333-340.

[3] 王建华, 黄剑飞, 靳迪. 电驱动桥关键技术综述[J]. 汽车技术, 2021(6): 33-40.

[4] Wang Jian-hua, Huang Jian-fei, Jin Di. Review on key technologies of electric drive axles[J]. Automobile Technology, 2021(6): 33-40.

[5] 黄剑飞, 王建华, 靳迪, 等. 电驱动桥研究综述[J]. 机械传动, 2020, 44(11): 171-176.

[6] Huang Jian-fei, Wang Jian-hua, Jin Di, et al. Research review of electric drive axle[J]. Journal of Mechanical Transmission, 2020, 44(11): 171-176.

[7] 黄康, 刘泽链, 邱明明, 等. 两挡纯电动汽车多目标参数解耦优化方法[J]. 中国机械工程, 2020, 31(6): 746-755.

[8] Huang Kang, Liu Ze-lian, Qiu Ming-ming, et al. Multi objective parameter decoupling optimization method of two-speed EVs[J]. China Mechanical Engineering, 2020, 31(6): 746-755.

[9] 杜常清, 曹锡良, 何彪, 等. 基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报: 工学版, 2020, 50(5): 1556-1564.

[10] Du Chang-qing, Cao Xi-liang, He Biao, et al. Parameters optimization of dual clutch transmission based on hybrid particle swarm optimization[J]. Journal of Jilin University(Engineering and Technology Edition), 2020, 50(5): 1556-1564.

[11] 闫祥海, 李宗召, 徐立友, 等. 纯电动汽车动力系统结构参数与整车控制参数集成优化[J]. 现代制造工程, 2022(8): 65-70.

[12] Yan Xiang-hai, Li Zong-zhao, Xu Li-you, et al. Pure electric vehicle power system structure parameters and vehicle control parameters integration optimization[J].Modern Manufacturing Engineering, 2022(8): 65-70.

[13] 许鑫, 牛志刚, 汪洋, 等. 基于动态规划的纯电动汽车换挡规律研究[J]. 机械传动, 2019, 43(12): 38-44.

[14] Xu Xin, Niu Zhi-gang, Wang Yang, et al. Research of shift strategy of pure electric vehicle based on dynamic programming[J]. Journal of Mechanical Transmission, 2019, 43(12): 38-44.

[15] 詹长书, 王清, 朱冬, 等. 基于智能优化的混合动力汽车AMT换挡规律设计[J]. 森林工程, 2020, 36(6): 110-116.

[16] Zhan Chang-shu, Wang Qing, Zhu Dong, et al. Design of amt shifting schedule of hybrid electric vehicle based on intelligent optimization[J]. Forest Engineering, 2020, 36(6): 110-116.

[17] 任永强, 伍奇胜, 袁飚. 基于BP及其优化神经网络的双电机多挡AMT挡位决策研究[J]. 机械传动, 2020, 44(1): 41-46.

[18] Ren Yong-qiang, Wu Qi-sheng, Yuan Biao. Research of gear position decision of dual motor multiple speed AMT based on BP and its optimization neural network[J]. Journal of Mechanical Transmission, 2020, 44(1): 41-46.

[19] 刘文光, 毕善汕, 徐畅. 纯电动汽车两挡AMT换挡策略研究[J]. 重庆理工大学学报: 自然科学版, 2021, 35(1): 41-49.

[20] Liu Wen-guang, Bi Shan-shan, Xu Chang. Shifting strategy for two-speed AMT of electric vehicle[J]. Journal of Chongqing University of Technology(Natural Science), 2021, 35(1): 41-49.

[21] 殷学冰, 陈勇, 代青林, 等. 基于NSGA-Ⅱ算法和模糊控制的纯电动汽车2DCT换挡规律研究[J]. 汽车工程, 2022, 44(10): 1571-1580.

[22] Yin Xue-bing, Chen Yong, Dai Qing-lin, et al. Study on shift schedule of 2DCT for pure electric vehicle based on NSGA-Ⅱ algorithm and fuzzy control[J]. Automotive Engineering, 2022, 44(10): 1571-1580.

[23] 翟克宁, 张静晨, 刘永刚. 基于知识的纯电动汽车两挡变速器挡位决策研究[J]. 汽车技术, 2023(4): 29-35.

[24] Zhai Ke-ning, Zhang Jing-chen, Liu Yong-gang. Research on shift decision of two-speed transmissions in battery electric vehicles based on knowledge[J]. Automobile Technology, 2023(4): 29-35.

[25] 陈勇, 郑大伟, 雷勇敢, 等. 纯电动汽车模糊控制经济性换挡策略研究[J]. 机械设计与制造, 2024(5): 88-91.

[26] Chen Yong, Zheng Da-wei, Lei Yong-gan, et al. Research on economic shift strategy of pure electric vehicle based on fuzzy control[J]. Machinery Design & Manufacture, 2024(5): 88-91.

[27] 李聪波, 陈睿杰, 李月, 等. 面向低能耗的纯电动汽车两挡变速系统综合换挡规律[J]. 中国机械工程, 2018, 29(15): 1818-1825, 1839.

[28] Li Cong-bo, Chen Rui-jie, Li Yue, et al. Comprehensive gear shift schedule of a two-speed PEV powertrain for low energy consumption[J]. China Mechanical Engineering, 2018, 29(15): 1818-1825, 1839.

[29] 雷雨龙, 侯博宁, 付尧, 等. 基于贪心策略的电动车AMT换挡点实时优化方法研究[J]. 北京理工大学学报, 2022, 42(8): 784-790.

[30] Lei Yu-long, Hou Bo-ning, Fu Yao, et al. Research on real-time optimization method of AMT shift point of electric vehicle based on greedy algorithm[J]. Transactions of Beijing Institute of Technology, 2022, 42(8): 784-790.

[31] 朱斌, 傅松桥, 胡伟伟. 电动汽车双速变速器自适应分区换挡策略研究[J]. 机械设计与制造, 2025(2): 63-70.

[32] Zhu Bin, Fu Song-qiao, Hu wei-wei. Research on adaptive zone shifting strategy for dual speed transmission of electric vehicles[[J]. Machinery Design & Manufacture, 2025(2): 63-70.

[33] 刘汉武, 雷雨龙, 阴晓峰, 等. 增程式电动汽车增程器多点控制策略优化[J]. 吉林大学学报: 工学版, 2022, 52(8): 1741-1750.

[34] Liu Han-wu, Lei Yu-long, Yin Xiao-feng, et al. Multi-point control strategy optimization for auxiliary power unit of range-extended electric vehicle[J]. Journal of Jilin University(Engineering and Technology Edition), 2022, 52(8): 1741-1750.

基金资助

国家自然科学基金项目(52075561)

河南省研究生教育改革与质量提升工程项目(YJS2023AL041)

中原工学院优势学科实力提升计划项目(GG202407)