.1338. 工程科学学报.第41卷，第10期 1.0r 30 增强学习策略 b 增强学习策略 一一一等效消耗最小策略 20 等效消耗最小策路 一基于规则 基于规则 0.4 C 10 0020.40.60.81.012 1.41.61.82.0 0.2040.60.81.01.21.41.61.820 时间(10s) 时间(10心s) 1.0p 是0.8 (e) 增强学习策略 0.6 一一一等效消耗最小策略 一基于规则 0.2 0.20.40.60.81.01.21.41.61.82.0 时间(10s) 图9不同策略下的验证结果对比.(a)电池荷电状态变化对比：(b)电池能耗对比：(c)氢气消耗量对比 Fig.9 Comparison of the results for three strategies:(a)comparison of the battery SOC;(b)comparison of battery energy consumption;(c)compari- son of fuel cell hydrogen consumption 下实时效率的变化情况，由于基于规则的策略下燃 其中，W表示整车综合能耗，kWh,Wa表示电池 料电池在电池电量不足时存在持续的高功率工作 消耗电量，m4,为氢气消耗量，H,为氢气燃烧的热值， 点，在纯电行驶结束后，氢气消耗速率明显高于其他 28667kcal·g,n.为燃料电池系统的效率.在不同 两种策略，从而随行驶里程的增加，最终氢气消耗量 行驶里程的城市行驶工况下，基于不同控制策略进 最大.而基于增强学习和等效消耗最小策略均可以 行仿真，得到的电池最终S0C、燃料电池氢气消耗量 保证燃料电池尽可能的工作在高效工作点，从而保 和整车综合能耗如表3所示. 证整车的经济性， 从表3可以看出，当行驶里程较小时，主要以消 耗电池电量为主，随着行驶里程的增加，三种策略 g30 增强学习策略 一一一 等效消耗 下，整车的最终S0C都会控制在设定最低值0.2. 20 最小策略 一基于规则 计算整车的百公里综合能耗，结果如表4所示，不同 10 行驶里程的整车百公里能耗对比如图12所示，可以 看出，随着行驶里程的增加，基于规则的策略整车百 00.20.40.60.8 1.01.21.41.61.82.0 时间/10s 公里综合能耗逐渐增大，等效消耗最小策略的下整 车百公里能耗基本维持稳定，基于增强学习策略下 图10燃料电池系统输出功率对比 Fig.10 Comparison of output power of fuel cell system 的能耗接近于等效消耗最小策略策略，并且随里程 的增加，整车的百公里能耗随之会逐渐降低，在 一增强学习策略一一一等效消耗最小策路 基于规则 100200和300km行驶里程下，整车百公里能耗分 0.6 别降低8.84%、29.5%和38.6%. 解0.5 0.4 4.3硬件在环试验结果与分析 3 0 4.3.1硬件在环试验系统 为进一步验证基于增强学习策略的有效性，采 0 0.20.40.60.81.01.21.41.61.82.0 用基于快速原型的开发平台的硬件设计硬件在环试 时间10s 验.试验台架如图13所示，该台架采用双电机对拖 图11燃料电池系统效率变化 结构实现试验工况的加载与驱动，主要由负载电机、 Fig.11 Change of fuel cell system efficiency 驱动电机、电机控制器、快速开发平台硬件及附件、 4.2不同行驶里程验证对比 燃料电池系统、锂离子电池组及其管理系统、数据采 为了客观比较不同策略对整车经济性的影响， 集控制器局域网络CAN及其控制系统组成， 通过公式(21)将整车氢气消耗转换为电量消耗，计 基于快速原型D2P的开发平台，电子控制单元 算整车等效综合能耗. ECU硬件采用Freescale的MPC系统32位芯片，提 H2H'刀e 供控制器局域网络(controller area network,CAN)通 W.nenp What+ (22) 860.04 讯接口，P℃连接接口以及完整的线束，另外还包括工程科学学报,第 41 卷,第 10 期 图 9 不同策略下的验证结果对比. (a)电池荷电状态变化对比;(b)电池能耗对比;(c)氢气消耗量对比 Fig. 9 Comparison of the results for three strategies: (a)comparison of the battery SOC;(b)comparison of battery energy consumption;(c)compari鄄 son of fuel cell hydrogen consumption 下实时效率的变化情况,由于基于规则的策略下燃 料电池在电池电量不足时存在持续的高功率工作 点,在纯电行驶结束后,氢气消耗速率明显高于其他 两种策略,从而随行驶里程的增加,最终氢气消耗量 最大. 而基于增强学习和等效消耗最小策略均可以 保证燃料电池尽可能的工作在高效工作点,从而保 证整车的经济性. 图 10 燃料电池系统输出功率对比 Fig. 10 Comparison of output power of fuel cell system 图 11 燃料电池系统效率变化 Fig. 11 Change of fuel cell system efficiency 4郾 2 不同行驶里程验证对比 为了客观比较不同策略对整车经济性的影响, 通过公式(21)将整车氢气消耗转换为电量消耗,计 算整车等效综合能耗. Wenergy = Wbat + mH2·Hf·浊fc 860郾 04 (22) 其中,Wenergy表示整车综合能耗,kW·h,Wbat表示电池 消耗电量,mH2为氢气消耗量,Hf为氢气燃烧的热值, 28667 kcal·g - 1 ,浊fc为燃料电池系统的效率. 在不同 行驶里程的城市行驶工况下,基于不同控制策略进 行仿真,得到的电池最终 SOC、燃料电池氢气消耗量 和整车综合能耗如表 3 所示. 从表 3 可以看出,当行驶里程较小时,主要以消 耗电池电量为主,随着行驶里程的增加,三种策略 下,整车的最终 SOC 都会控制在设定最低值 0郾 2. 计算整车的百公里综合能耗,结果如表 4 所示,不同 行驶里程的整车百公里能耗对比如图 12 所示,可以 看出,随着行驶里程的增加,基于规则的策略整车百 公里综合能耗逐渐增大,等效消耗最小策略的下整 车百公里能耗基本维持稳定,基于增强学习策略下 的能耗接近于等效消耗最小策略策略,并且随里程 的增加,整车的百公里能耗随之会逐渐降低,在 100、200 和 300 km 行驶里程下,整车百公里能耗分 别降低 8郾 84% 、29郾 5% 和 38郾 6% . 4郾 3 硬件在环试验结果与分析 4郾 3郾 1 硬件在环试验系统 为进一步验证基于增强学习策略的有效性,采 用基于快速原型的开发平台的硬件设计硬件在环试 验. 试验台架如图 13 所示,该台架采用双电机对拖 结构实现试验工况的加载与驱动,主要由负载电机、 驱动电机、电机控制器、快速开发平台硬件及附件、 燃料电池系统、锂离子电池组及其管理系统、数据采 集控制器局域网络 CAN 及其控制系统组成. 基于快速原型 D2P 的开发平台,电子控制单元 ECU 硬件采用 Freescale 的 MPC 系统 32 位芯片,提 供控制器局域网络(controller area network, CAN)通 讯接口,PC 连接接口以及完整的线束,另外还包括 ·1338·