.1340· 工程科学学报.第41卷，第10期 。。“信号连接一··电力连接 ◆导入线 一机械连接 快速原型控制器 C代码 快速原型开发软件 USB-CAN 行驶工况 控锕策略 FCHEV模型 ■细 编码测试 SRZ/A2L GreenHill 实时代码 D2P制写 上位机 文件 编译器 转换 标定软件 控制器 局域网 电机 整车 电机 控制器 控制器 控制器 控制柜 转矩、转速传感器 电池组及管理系统 负截电机 离合器 变速器 驱动电机 DC/DC 燃料电池 系统 图14硬件在环试验测试系统 Fig.14 Hardware in loop test system 试验结果可知，所建立的基于增强学习的插电式燃 0 一仿真结果 一试验结果 料电池汽车能量管理策略可达到预期的经济性 效果 0.35 2.4 仿直结果 0.30 试验结果 2033 1.959 1.8 2 400 600800 100012001400 时间/s 1.2 图15电机功率试验与仿真结果对比 0.20 0.6 Fig.15 Comparison of motor power between test and simulation 0.15 200 400 600800100012001400 时间/s 图18电池荷电状态和整车综合能耗仿真与试验结果对比 Fig.18 Comparison of battery SOC and vehicle integrated energy consumption between test and simulation 仿真结果-试验结果 200 400 600 800 100012001400 结论 时间s 图16电池功率试验与仿真结果对比 以一款插电式燃料电池混合动力系统为研究对 Fig.16 Comparison of battery power between test and simulation 象，建立基于增强学习的能量管理控制策略，并进行 仿真和硬件在环试验验证.仿真结果表明，在不同 行驶里程下，电池的电量可以被保持在一定的水平， 一仿真结果 试验结果 与基于规则的能量管理策略相比，整车的最终综合 能耗得到明显的降低，在100、200和300km行驶里 程下，整车百公里综合能耗分别降低8.84%、 20 400 600 800 10001200 1400 29.5%和38.6%，在城市行驶工况下，硬件在环试 时间s 验整车综合能耗降低20.8%.综上所述，所制定的 图17燃料电池功率试验与仿真结果对比 基于增强学习的能量管理策略在整车优化中具有一 Fig.17 Comparison of fuel cell power between test and simulation 定的可行性和有效性，可为进一步解决智能网联汽 图18表示该工况下仿真与试验的电池S0C和 车环境下的不同续航行驶里程电量消耗自适应能量 整车综合能耗对比，试验得到的综合能耗2.033kW 管理分配提供理论参考和方法奠定基础. ,h略高仿真得到的能耗1.959kW·h,与基于规则策 略的2.566kW·h相比，提高了20.8%，基本符合所 参考文献 制定的控制策略的仿真结果.因此，根据硬件在环 [1]Xu L F.Hua J F,Bao L,et al.Optimized strategy on equivalent工程科学学报,第 41 卷,第 10 期 图 14 硬件在环试验测试系统 Fig. 14 Hardware in loop test system 图 15 电机功率试验与仿真结果对比 Fig. 15 Comparison of motor power between test and simulation 图 16 电池功率试验与仿真结果对比 Fig. 16 Comparison of battery power between test and simulation 图 17 燃料电池功率试验与仿真结果对比 Fig. 17 Comparison of fuel cell power between test and simulation 图 18 表示该工况下仿真与试验的电池 SOC 和 整车综合能耗对比,试验得到的综合能耗 2郾 033 kW ·h 略高仿真得到的能耗1郾 959 kW·h,与基于规则策 略的 2郾 566 kW·h 相比,提高了 20郾 8% ,基本符合所 制定的控制策略的仿真结果. 因此,根据硬件在环 试验结果可知,所建立的基于增强学习的插电式燃 料电池汽车能量管理策略可达到预期的经济性 效果. 图 18 电池荷电状态和整车综合能耗仿真与试验结果对比 Fig. 18 Comparison of battery SOC and vehicle integrated energy consumption between test and simulation 5 结论 以一款插电式燃料电池混合动力系统为研究对 象,建立基于增强学习的能量管理控制策略,并进行 仿真和硬件在环试验验证. 仿真结果表明,在不同 行驶里程下,电池的电量可以被保持在一定的水平, 与基于规则的能量管理策略相比,整车的最终综合 能耗得到明显的降低,在 100、200 和 300 km 行驶里 程下, 整 车 百 公 里 综 合 能 耗 分 别 降 低 8郾 84% 、 29郾 5% 和 38郾 6% ,在城市行驶工况下,硬件在环试 验整车综合能耗降低 20郾 8% . 综上所述,所制定的 基于增强学习的能量管理策略在整车优化中具有一 定的可行性和有效性,可为进一步解决智能网联汽 车环境下的不同续航行驶里程电量消耗自适应能量 管理分配提供理论参考和方法奠定基础. 参 考 文 献 [1] Xu L F, Hua J F, Bao L, et al. Optimized strategy on equivalent ·1340·