1、热管理系统的控制

1.1 新能源汽车热管理控系统的构成  

主要构成是传感器、执行器、控制器。
传感器：大多由温度传感器和压力传感器构成；
执行器：以电动压缩机和电子膨胀阀为核心, 还包括HVAC (heating ventilation air conditioning)鼓风机、冷却风扇、电子水泵等周边零部件；
控制器：控制装置；
 
1.2 汽车热管理系统控制方法和目标   

传统汽车VS新能源汽车
传统汽车的控制系统：以舒适性为首要目标；
新能源汽车控制系统：因其能耗直接与可行驶里程相关, 控制系统不仅要关注舒适性, 更要兼顾节能效果。新能源汽车热管理系统控制的目的是在保证乘员舱舒适性, 电池、电机、电控温度合理, 挡风玻璃的除霜除雾安全性控制、制冷系统在不同路况和气候条件下的模式切换与运行控制以及各模式下的故障保护控制等，以及系统稳定运行的基础上, 通过一定的控制手段, 充分实现整车的能量管控, 达到尽可能降低系统能耗、提高能量利用效率的目的。
 
三个层次控制目标
一般地, 新能源汽车空调的控制系统包含3个层次的控制目标: 控制量的快速、稳 定、精准响应; 特定约束条件下的优化问题; 控制系统的鲁棒性及抗干扰能力。
 
两类控制方式
常用的新能源汽车热管理系统控制从反馈类别上有开环控制和反馈控制之分:
（1）开环控制
通过实验标定的手段, 根据不同的运行工况直接给出明确的控制量参数. 这种控制方法相对较为简单, 控制系统稳定性高, 但同时带来了控制精度差、能耗高等问题, 在新能 源汽车热泵空调及热管理领域的应用越来越少。
（2）反馈控制
在控制过程中对具体控制量的参数值并不明确知晓, 而是通过目标量与控制量之间建立反馈逻辑关系, 从而对热管理系统进行控制. 在愈趋复杂的新能源汽车控制体系中, 反馈控制的应用愈趋广泛. 新能源汽车热管理系统常用的反馈控制方法包含启停控制、PID(proportion integration differentiation)连续控制、局部模型预测控制(model predictive control, MPC)和全局MPC控制、结合其他智能算法的控制等. 在这些控制当中, 启停控制相对简单,建立控制目标的 启动阈值和停止阈值, 从而对诸如压缩机、水泵、风 机等执行部件直接进行启停控制, 以实现乘员舱或电 池等热管理的控制目标. 这类控制方法简单、稳定, 但 精度差, 难以实现能耗管控, 在这里我们不作重点介绍。
 
2、PID控制
 
传统PID控制作为一种经典的反馈控制,很早就应用在汽车空调控制系统领域, 相关控制参数可以通过Ziegler/Nichols方法或其他方法获取. 然而, 在应对变工况条件或者受到扰动时, PID反馈控制精度可能出现衰减, 尤其是受到汽车空调热力学延迟以及制冷系统强非线性特征的影响, PID反馈控制的鲁棒性可能出现剧烈恶化. 相比启停控制, PID控制作为一种较为成熟的连续控制方法, 在新能源汽车热管理领域有广泛的应用。

但是, 汽车热管理系统是一个高度非线性的热力学系统, 变工况条件下的PID控制通常会出现振荡等控制失稳的现象. 这是因为, 在单一乘员舱空调系统基础上, 耦合加入电池、电机、电控的热管理逻辑之 后, 不同热管理子模块之间的热力学特性相互耦合, PID控制的积分比例参数也需要相互配合; 然而, 应对 宽工况运行条件, 单一的PID参数很难适应, 车厢温度 等目标量以及压缩机转速等控制量便容易产生振荡, 如果一味采取复合PID控制方法应对此类问题, 控制系 统将会变得异常复杂。为解决这一现象, 行业内衍生了诸如模糊控制、神经元网络等耦合PID的控制方法、自整定PID控制方法等, 从局部缓解了多控量并存条件下引发的振荡以及多目标之间的控制不协调现象。
 
3、模型预测控制

模型预测控制是一种基于模型预测的正向控制方法, 其基本控制流程主要由模型建立、预测发展、控制指令、反馈调节组成。
 
首先, 建立控制对象的理论模型(由偏微分方程构建的物理模型或由大量数据训练的自学习模型), 监控控制对象当前所处的系统状态;
接着, 预测控制对象在接下来一段时间的发展, 根据一定的需求导向实施多时间步长内的前馈控制与动作指令;
最后, 通过实际热力学系统的受控最优运行状态实时反馈热力学参数给控制核心, 以便进行调节及下一段时间尺度内的预测。
 
由于该控制方法要严格基于一个准确的系统仿真模型而进行实施, 因此擅长解决同一系统内各个控制回路之间的耦合关系, 适宜于多输入、多输出条件的非线性系统中, 在汽车热泵空调 领域得到了一定程度的应用。该方法不会过度依 赖直接的信号反馈来调节执行器的动作, 具有稳定性高、响应速度快、寻优能力强等特点. MPC控制依赖模型的建立. 新能源汽车热管理系统复杂、模型变量多, 当前新能源汽车热管理系统中 MPC的控制以局部应用为主。

在模型这一块，很多研究者都曾进行过相应的研究探索，其中卢鹏宇基于精确逻辑动力输出控制策略, 在不同的动力系统功率输出配比下, 建立了全局能耗和局部能耗的热管理模型预测控制方案. 局部能耗控制方案的约束条件优先保证发动机的热管理精度和能耗最小化; 全局能耗优化方 案的约束条件将发动机和电机的热管理需求及能耗通过耦合因子建立关系, 形成全局的约束目标。

这一方案也给纯电动汽车的电机、电控、电池以及乘员舱冷热负荷需求等多重约束、多重目标的热管理系统提供了模型预测控制的思路. 对于考虑更为复杂的全局变目标多变量控制的新能源汽车热管理系统, 尤其是结合三电精细化热管理的MPC控制, 模型的目标量涉及乘员舱温度、电池、 电机、电控的热管理温度, 控制量涉及多个电子膨胀阀的开度、压缩机转速、两个风机转速、水泵转速等, 同时还包含诸如路况信息、用户信息、外界负荷、人员变化等。

模型庞大、约束条件繁杂、目标量众多且不清晰等, 这些客观因素势必带来庞大的计算量和储存量, 实时计算的效率或将成为该方法推广应用的瓶颈. 离线优化可以降低模型预测控制对计算量和计算效率的依赖, 给未来新能源汽车全局优化策略的 制定提供了一种新的解决思路. 结合诸如模糊神经元网络对模型进行离线建立, 可以避免全局寻优计算量过大而导致的预测控制失效问题. 然而, 单纯的离线优化也容易导致模型脱离实际, 因此预测模型的更新 频率、预测域的选取以及与热力系统本身热惯性之间的权衡, 是MPC控制在新能源汽车热管理系统全局应 用中需要进一步解决的问题.
 
4、结合其他智能算法的控制

除了以上提到的两种经典控制方法外, 新能源汽车热管理越来越关注舒适性、能量管控程度等指标, 比如根据用户特征的自学习算法等, 在PID反馈控制和 MPC预测控制的基础上, 衍生出了结合特定智能算法的控制方式。
 
在这里，推荐Xie等人[见后面文献1]基于模糊PID的控制框架, 设计了根据不同用户习惯特征的自学习智能控制策略, 控制逻辑如图6所示. 以无量纲参数PMV(predicted mean vote)表征用户特征, 这里的PMV值与用户的衣着、自身汗腺蒸发量及所处环境状态等相关, 通过PMV的计算、控制、学习, 将信息传递给控制器从而执行对压缩机、风机等的转速控制, 而车厢的实时温度作为反馈值传递至PMV计算器. 该智能控制方案相比启停控制和单一的模糊PID控制可节能31.8%和10%。
 
此外, Xie等人将基于PMV自学习判别方法应用于MPC控制中, 相比单一的模型预测控制和PID控制, 分别节能 4.32%和25.6%, 不仅大幅实现了节能效果, 同时也满足了不同乘客的差异性. 随着对新能源汽车舒适性个性化关注以及多元热管理的需求日益增长, 各类具有自 学习特征的智能算法, 包括用户特征、当前/未来路况信息、当前/未来天气信息等, 将逐渐融入到新能源汽车热管理的控制算法中, 热管理系统的控制将会更加智能化。
 
除了以上提到的几种较为常见的控制方法外, 在新能源汽车热管理系统的局部控制中, 还有应用模糊控制、鲁棒控制、滑膜变结构控制、动态规划控制、 ESC(extremumsearch control)控制等。

总之, 新能源汽车的整车热管理耦合了乘员舱的冷热需求、三电(电 池、电机、电控)设备精细化温度管理,通常涉及多目标、多变量控制体系, 且整车热管理系统具有高度非 线性、系统耦合性强、热惯性反馈延迟、运行工况范围广、扰动因素偶然性强等特征. 随着对能效、舒适性的关注, 结合智能算法的、具有不同用户特征, 并结合在线大数据(包含路况信息、人员信息等)的智能控制方法, 在未来新能源汽车热管理系统的控制中将扮演越来越重要的角色。