ECVT功率分流与动态规划优化技术解析

1. ECVT功率分流技术概述

ECVT（电子控制无级变速器）作为混合动力系统的核心部件，其功率分流架构通过行星齿轮组实现发动机功率的机械与电气路径分配。与传统变速器相比，ECVT取消了固定齿比，采用电机调速实现无级变速，使发动机始终工作在高效区间。这种设计在丰田THS、通用Voltec等混动系统中已得到充分验证。

功率分流的核心挑战在于实时计算最优功率分配比例。发动机、发电机和电动机三者的扭矩转速关系需满足行星齿轮组的运动学约束，同时兼顾电池SOC、驾驶需求等边界条件。动态规划（Dynamic Programming）算法因其全局优化特性，成为解决这一多目标优化问题的理想选择。

2. 动态规划算法基础原理

2.1 最优控制问题建模

动态规划将功率分配问题转化为离散时间序列上的多阶段决策过程。定义系统状态变量x=[SOC,ω_eng]（电池荷电状态和发动机转速），控制变量u=[T_mg1,T_mg2]（两台电机扭矩），目标函数J为燃油消耗率积分：

code复制J = Σ L(x_k,u_k) Δt  
L = ṁ_fuel + λ|SOC_f-SOC_0|

其中λ为SOC平衡权重因子。约束条件包括：

• 行星齿轮扭矩平衡：T_sun + T_ring = T_carrier
• 电机功率限制：P_mg_min ≤ V_batt·I_mg ≤ P_mg_max
• 发动机工作区间：ω_eng_min ≤ ω_eng ≤ ω_eng_max

2.2 贝尔曼最优性原理应用

通过逆向递推求解价值函数V(x)：

code复制V_k(x_k) = min_u [ L(x_k,u_k) + V_{k+1}(x_{k+1}) ]

实际实现时采用离散状态网格法，典型参数设置：

• SOC分辨率：0.5%
• 发动机转速分辨率：50rpm
• 预测时域：10s（城市工况）至30s（高速工况）

3. 算法实现关键技术

3.1 状态转移方程构建

基于行星齿轮运动学关系建立状态转移模型：

code复制ω_mg1 = (1+ρ)ω_eng - ρω_out  
ω_mg2 = ω_out  
T_eng = T_sun/(1+ρ)  
T_out = T_ring - ρT_sun/(1+ρ)

其中ρ为行星齿轮特性参数（丰田THS为2.6）。需特别注意电机效率map的插值精度，建议采用双三次样条插值而非线性插值，可降低油耗计算误差达1.2%。

3.2 计算加速策略

针对状态空间爆炸问题，采用以下优化手段：

1. 可行域剪枝：根据当前车速和加速踏板开度，排除明显不合理的发动机工作点
2. 并行计算：将状态网格划分为多个子区域，GPU加速计算（Tesla V100可达到实时性要求）
3. 热启动策略：利用上一时刻的最优轨迹初始化当前搜索

实测数据显示，结合上述优化后，单次DP求解时间可从15s降至0.3s（NVIDIA Drive AGX平台）。

4. 实际工程应用案例

4.1 丰田THS-III控制策略解析

以普锐斯三代为例，其DP算法运行在10Hz更新频率下，关键参数配置：

• SOC平衡权重λ：0.3（电量维持阶段）
• 预测时域：20s（NEDC工况）
• 状态网格：SOC 40-70%（21点），发动机转速800-4500rpm（75点）

实测油耗对比：

• 规则式策略：3.8L/100km
• DP优化策略：3.4L/100km（降低10.5%）

4.2 硬件在环测试方案

建议采用dSPACE SCALEXIO系统构建HIL测试环境：

1. 车辆模型：CarSim实时模型（200μs步长）
2. 处理器：Intel Xeon 3.6GHz × 8核
3. 通信协议：CANape 2.0（500kbps）

测试中需特别关注：

• 发动机瞬态响应延迟补偿（约300ms）
• 电池模型精度（尤其是低温工况）
• 驾驶员模型跟随性（PID参数调校）

5. 常见问题与调试技巧

5.1 典型故障排查表

5.2 参数标定经验

1. 发动机油耗map标定：需在台架测试中采集至少100个工作点的稳态数据，特别注意低负荷区的测量精度
2. 电池等效内阻测试：执行HPPC脉冲测试，不同SOC和温度下至少采集5组数据
3. 驾驶员意图识别：建议采用SVM分类器区分平稳/激进驾驶风格，分类准确率可达92%

6. 前沿发展方向

模型预测控制（MPC）与DP的结合成为新趋势：

• 滚动时域优化：每5s重新计算一次DP轨迹
• 实时性提升：采用显式MPC将最优解参数化
• 实测显示可进一步降低油耗3-5%

另一个重要方向是考虑部件老化因素：

• 建立发动机摩擦损失随里程增长模型
• 在线更新电池容量参数
• 自适应调整SOC平衡策略