AVL Cruise平台增程式混动系统仿真与优化实践

1. 项目概述：Cruise平台与增程式混动系统仿真

在新能源汽车研发领域，整车仿真技术已成为缩短开发周期、降低试错成本的核心手段。本次搭建的基于AVL Cruise平台的增程式混合动力汽车（EREV）仿真模型，正是针对这类特殊构型新能源车的开发需求。Cruise作为多学科系统仿真工具，其模块化建模方式特别适合处理包含发动机、电机、电池、传动系等多能量流路径的复杂系统。

关键认知：增程式混动与传统混动的本质区别在于发动机仅作为发电机动力源，不直接参与驱动，这种"串联式"构型对能量管理策略提出了独特要求。

我选择Cruise而非Simulink进行整车级仿真，主要基于三点考量：一是其预置的电动汽车组件库包含经过验证的电机/电池模型；二是自带驾驶员-道路环境闭环仿真功能；三是支持与MATLAB/Simulink的联合仿真，便于后续控制算法开发。实际项目中，这种组合可节省约40%的模型搭建时间。

2. 模型架构设计与关键参数

2.1 动力系统拓扑构建

在Cruise中搭建EREV模型时，需特别注意动力流的特殊路径：

code复制[发动机] → [发电机] → [整流器] → [动力电池] → [驱动电机] → [传动系]

与并联式混动相比，缺少了发动机直接驱动路径。在Cruise中通过以下组件实现：

• Engine组件：标定1.5L阿特金森循环发动机MAP图
• Electric Machine设置为Generator模式
• DC/DC Converter模拟整流过程
• Battery组件采用RC等效电路模型
• 驱动电机选用永磁同步电机模板

2.2 核心参数计算方法

1. 电池容量设计：
   根据目标纯电续航里程（假设60km）和整车参数计算：

   code复制需求能量 = 整车质量(1600kg) × 滚阻系数(0.012) × 重力加速度(9.8) × 里程(60000m) 
             + 0.5 × 风阻系数(0.28) × 迎风面积(2.5m²) × 空气密度(1.225kg/m³) × (车速²)
   ≈ 18kWh (考虑传动效率后)
   

2. 发电机功率匹配：
   按"电量维持模式"下维持SOC基本稳定的原则：

   code复制发电机功率 ≥ 平均行驶功率 × (1 - 制动能量回收率)
   实测城市工况平均功率约25kW，故选用30kW发电机
   

3. 驱动电机选型：
   满足最大爬坡度(30%)和加速需求：

   code复制峰值扭矩 = (质量 × 重力加速度 × sinθ + 滚动阻力 + 加速阻力) × 车轮半径
           ≈ 320Nm (θ为坡度角)
   

3. 联合仿真实现与控制策略开发

3.1 Cruise-MATLAB接口配置

实现Cruise与Simulink联合仿真需要以下关键步骤：

1. 在Cruise中设置Interface模块为MATLAB
2. 配置S-Function模板文件（cruise_sfun.m）
3. 建立信号映射关系：

   matlab复制% 示例信号映射代码
   function cruise_sfun(block)
   setup(block,...
       'InputPort',  {'VehicleSpeed','BatterySOC'},...
       'OutputPort', {'EngineCtrl','MotorTorqueCmd'});
   

4. 设置仿真步长为0.01s以保证控制精度

3.2 能量管理策略开发

基于规则的控制策略在Simulink中实现，核心逻辑包括：

1. 纯电模式：

   matlab复制if SOC > 0.3 && PowerDemand < BatteryMaxPower
       EngineOn = 0;
       MotorTorque = ReqTorque;
   end
   

2. 增程模式：

   matlab复制if SOC < 0.25 || PowerDemand > BatteryMaxPower
       EngineOn = 1;
       GenPower = min(PowerDemand + 5kW, GenMaxPower); % 5kW为充电裕量
   end
   

3. 动态协调控制：
   采用模糊PID调节发电机转速，使发动机工作在最佳燃油效率区间（通常2000-2500rpm）

4. 典型问题排查与优化案例

4.1 仿真报错"Algebraic Loop"处理

在引入SOC反馈控制时频繁出现该错误，解决方案：

1. 在Simulink中加入Unit Delay模块打破代数环
2. 调整Cruise求解器为DASSL并减小步长
3. 对电池SOC信号进行一阶低通滤波（时间常数0.5s）

4.2 燃油经济性优化实践

初始模型城市工况油耗偏高（5.8L/100km），通过以下改进降至4.6L：

1. 优化发动机工作点：
   • 修改控制策略使发动机转速锁定2200rpm
   • 调整发电机励磁电流实现功率调节
2. 改进制动回收策略：

   matlab复制RegenTorque = min(ReqBrakeTorque, MotorMaxRegenTorque × (SOC < 0.8));
   

3. 电池热模型校准：
   • 导入实测温度-内阻曲线
   • 调整冷却系统参数使工作温度维持在25±5℃

4.3 实时性优化技巧

当模型包含超过50个组件时，可采取：

1. 将部分子系统转为.dll文件加速运行
2. 关闭不必要的输出信号记录
3. 使用Cruise的Batch Calculation功能进行参数扫描

5. 模型验证与实验对标

建立V型开发流程中的验证环节：

1. 组件级验证：
   • 电机效率MAP图与台架试验数据误差<3%
   • 电池HPPC测试验证RC参数准确性
2. 整车级验证：
   • NEDC工况仿真与实车测试对比：

     code复制项目       仿真值   实测值   误差
     电耗(kWh/100km)  15.2    15.8    3.8%
     油耗(L/100km)    4.6     4.9     6.1%
     

3. 敏感性分析：
   发现传动效率每降低1%，综合能耗增加约0.7%

重要经验：在最终报告中使用Cruise的Comparison功能生成误差分析图时，务必注明仿真边界条件（如环境温度25℃、空调关闭等），否则对标结果可能产生误导。

6. 工程应用扩展方向

基于基础模型可开展以下深度开发：

1. 硬件在环测试：
   • 通过Cruise RT版本生成实时模型
   • 与dSPACE SCALEXIO连接验证VCU算法
2. 参数化研究：

   matlab复制% 批量仿真脚本示例
   for battCap = 15:5:25 % kWh
       set_param('Battery_Capacity', battCap);
       simout = cruise_run('EREV_Model');
       save(sprintf('Result_%dkWh.mat',battCap), 'simout'); 
   end
   

3. 新型构型评估：
   • 双电机增程方案（驱动电机+ISG电机）
   • 燃料电池增程器替换内燃机

在实际项目中，该模型已成功应用于两款量产车的开发，使标定周期缩短30%。特别值得注意的是，通过仿真发现的"低速大负荷工况电池充电滞后"问题，引导团队改进了热管理系统设计，避免了实车测试阶段的重大设计变更。