增程式电动车MATLAB/Simulink建模与仿真实践

1. 增程式电动车建模概述

增程式电动车（EREV）作为混合动力技术的重要分支，近年来在乘用车和商用车领域都获得了广泛应用。与传统混动系统不同，增程式采用串联式动力架构，发动机仅作为发电机使用，完全不参与机械驱动。这种设计使得发动机可以始终工作在最佳效率区间，显著提升燃油经济性。

在MATLAB/Simulink环境下搭建完整的增程式电动车模型，需要整合多个关键子系统。我基于多年汽车电控系统开发经验，梳理出建模的7大核心模块：工况选择模型、驾驶员模型、工作模式控制器、发动机模型、电机模型、电池模型、传动系统模型和整车动力学模型。每个模块都需要考虑物理特性与控制策略的协同，才能实现准确的系统级仿真。

提示：Simulink建模的优势在于可以分模块开发测试，最后进行系统集成。建议按照"部件级→子系统级→系统级"的顺序递进验证。

2. 模型架构设计

2.1 串联式动力系统拓扑

增程式的核心特征是动力传递路径：

code复制发动机 → 发电机 → 动力电池 → 驱动电机 → 传动系统 → 车轮

这种架构下，发动机与车轮完全解耦。我的建模方案采用以下信号流设计：

• 驾驶员操作（油门/制动）→ 驾驶员模型 → 整车控制器
• 整车控制器协调发动机、电机、电池的工作状态
• 各子系统反馈实际参数（转速、扭矩、SOC等）形成闭环控制

2.2 模型接口规范

为确保各子系统能正确耦合，必须统一接口标准：

• 机械连接：采用Simscape Driveline库的轴系元件
• 电气连接：使用Simscape Electrical的PS-Simulink转换器
• 控制信号：全部采用double类型，单位标准化（Nm, rpm, V等）

3. 关键子系统建模

3.1 工况选择模型

工况模型决定了车辆的运行场景，我通常构建三类典型工况：

matlab复制% 标准驾驶循环（如NEDC、WLTC）
cycData = drivecycle('WLTC'); 

% 自定义斜坡工况
userCycle = [0 0; 10 30; 20 15; 30 0]; % [时间(s) 速度(km/h)]

% 实时交互模式（连接驾驶模拟器）
set_param('EREV_Model/DriverInput','RuntimeObject','on');

3.2 驾驶员模型（PID控制）

驾驶员模型的核心是速度跟踪算法。我的实现方案：

matlab复制function [throttle, brake] = DriverPID(targetV, actualV, dt)
    persistent errSum lastErr;
    
    % PID参数（需标定）
    Kp = 0.8; Ki = 0.1; Kd = 0.05;
    
    error = targetV - actualV;
    errSum = errSum + error * dt;
    dErr = (error - lastErr) / dt;
    
    output = Kp*error + Ki*errSum + Kd*dErr;
    lastErr = error;
    
    % 输出归一化
    throttle = max(0, min(output, 1));
    brake = max(0, min(-output, 1));
end

3.3 工作模式控制策略

增程式主要有5种工作模式，我的状态机设计：

mermaid复制stateDiagram
    [*] --> 纯电模式: SOC>30%
    纯电模式 --> 增程模式: SOC<25%
    增程模式 --> 纯电模式: SOC>28%
    增程模式 --> 急加速模式: 油门开度>85%
    急加速模式 --> 增程模式: 油门开度<70%
    所有模式 --> 制动回馈: 刹车信号

实际实现时采用Stateflow模块，关键逻辑包括：

• SOC滞环控制（避免频繁切换）
• 发动机启停延迟（保护部件）
• 模式切换时的扭矩平滑过渡

3.4 发动机模型

采用准静态建模方法，核心是万有特性曲线：

matlab复制% 发动机效率MAP（转速×扭矩→效率）
engineSpeed = [800 1500 2000 2500 3000]; % rpm
engineTorque = [20 40 60 80 100]; % Nm
efficiencyMap = [0.28 0.31 0.30 0.29 0.27
                 0.30 0.33 0.32 0.30 0.28
                 0.29 0.32 0.34 0.33 0.30
                 0.27 0.30 0.33 0.35 0.32
                 0.25 0.28 0.31 0.33 0.30];
             
% 燃油消耗率计算
fuelRate = (engineTorque'*engineSpeed*pi/30) ./ (efficiencyMap*42e6);

3.5 电机模型

永磁同步电机采用dq轴方程建模：

code复制电压方程：
Vd = Rs*Id + Ld*dId/dt - ωe*Lq*Iq
Vq = Rs*Iq + Lq*dIq/dt + ωe*(Ld*Id + ψf)

电磁转矩：
Te = 3/2*P[ψf*Iq + (Ld-Lq)*Id*Iq]

Simulink实现要点：

• 包含温度对电阻Rs的影响
• 设置最大退磁电流限制
• 效率MAP导入实测数据

3.6 电池模型

采用二阶RC等效电路模型，参数辨识方法：

code复制1. 脉冲放电测试获取OCV-SOC曲线
2. EIS扫描确定R0、R1、C1、R2、C2
3. 温度补偿系数通过温箱实验获得

SOC估算采用扩展卡尔曼滤波：

matlab复制function [soc, var] = ekfBattery(vMeas, iMeas, socPrev, varPrev)
    % 状态方程：soc(k) = soc(k-1) - (η*iMeas*Δt)/Q
    % 观测方程：vEst = OCV(soc) + iMeas*R0 + V1 + V2
    
    % 预测步
    socPred = socPrev - (0.98*iMeas*1)/3600;
    varPred = varPrev + processNoise;
    
    % 更新步
    C = dOCVdsoc(socPred) + dV1dsoc + dV2dsoc;
    K = varPred*C' / (C*varPred*C' + measNoise);
    soc = socPred + K*(vMeas - vEst);
    var = (1 - K*C)*varPred;
end

3.7 传动系统模型

包含减速器、差速器和半轴模型，关键参数：

code复制减速比：9.65:1（电动车常用大速比）
传动效率：0.98（每级齿轮）
半轴刚度：1200 Nm/deg（影响扭矩响应）

振动问题需考虑：

• 齿轮间隙非线性（Backlash模块）
• 轴系扭振（Torsional Compliance）
• 路面激励（通过轮胎模型耦合）

4. 系统集成与验证

4.1 模型耦合技巧

1. 代数环问题解决：

   • 对机械连接添加小惯性环节
   • 控制回路中插入Unit Delay
   • 使用Simulink的IC模块指定初值

2. 仿真速度优化：

   • 变步长求解器ode23t
   • 对机械系统启用local solver
   • 将静态MAP查表替换为多项式拟合

4.2 典型验证场景

1. 纯电模式验证：

   • 0-100km/h加速时间
   • 最大爬坡度（≥30%）
   • 能量回收效率（≥60%）

2. 增程模式验证：

   • SOC平衡点稳定性
   • 发动机工作点分布
   • 模式切换冲击度（<10m/s³）

3. 极端工况测试：

   • -30℃冷启动
   • 连续爬坡热管理
   • 全油门加速循环

5. 调试经验与问题排查

5.1 常见仿真报错

5.2 参数标定技巧

1. 发动机MAP外推：

   matlab复制% 使用gridfit进行二维插值
   [x,y] = meshgrid(origRpm, origTorque);
   [xi,yi] = meshgrid(newRpm, newTorque);
   zi = gridfit(x(:),y(:),effMap(:),xi,yi);
   

2. 电池参数温度补偿：

   code复制R0(T) = R0_25℃ * exp(3150*(1/T - 1/298)) 
   Q(T) = Q_25℃ * (1 - 0.002*(T-25))
   

3. 电机效率MAP处理：

   • 实测数据去离群点（3σ准则）
   • 等效率线平滑处理（移动平均）
   • 低速区线性外推

5.3 实测数据对比

某项目仿真与实测对比结果：

差异主要来自：

• 未建模的附件负载（空调、转向等）
• 实际道路坡度变化
• 驾驶员操作随机性

6. 模型扩展应用

6.1 硬件在环测试

将模型部署到dSPACE SCALEXIO：

1. 划分控制器模型与被控对象模型
2. 生成实时C代码：

   matlab复制slbuild('EREV_Plant','RTWTargetOS','Linux')
   

3. 配置I/O接口（CAN、Analog IN/OUT）

6.2 能量管理优化

基于DP算法的全局优化：

matlab复制% 状态变量：SOC
% 控制变量：发动机功率
% 代价函数：燃油消耗+电池衰减

for k = N:-1:1
    for soc = 0:0.01:1
        minCost = inf;
        for P_eng = P_min:P_step:P_max
            cost = fuelCost(P_eng) + ...
                   batteryCost(soc,P_eng) + ...
                   J_kp1(nextSOC);
            if cost < minCost
                minCost = cost;
                u_opt(soc,k) = P_eng;
            end
        end
        J_k(soc) = minCost;
    end
end

6.3 数字孪生应用

通过OPC UA实现与实车数据交互：

1. 配置Simulink OPC Toolbox
2. 建立实时数据映射：

   matlab复制uaClient = opcua('localhost',4840);
   connect(uaClient);
   engNode = findNodeByName(uaClient.Namespace,'EngineSpeed');
   

3. 开发异常检测算法：
   • 基于Mahalanobis距离的健康度评估
   • 关键参数趋势预测（ARIMA模型）