企业官网建设流程全解析

直接上手说正事。增程式混合动力汽车，业内习惯叫EREV，这几年热度一直没下来过。原因不复杂——它有纯电驱动的平顺安静，又用一台发动机当“充电宝”兜底续航，结构上比并联混动和功率分流简单得多，特别适合城市通勤和高速巡航的混合场景。而研究这种车，最难的从来不是装一台电机或者选一块电池，而是整车的能量流到底怎么分配：什么时候纯电跑，什么时候发动机启动，SOC压到多少开始充电，充到多少又停机。这些问题不放到仿真平台里反复跑，光靠实车标定，时间和成本都兜不住。

所以就有了这篇东西。我想用一个完整案例，手把手带你把一套增程式混动整车的Matlab/Simulink模型从零搭起来：先讲清楚增程构型背后的能量逻辑，再拆整车动力学模型、电池模型、电机模型、发动机模型怎么建，然后写一套简单的CD/CS能量管理策略，最后跑一个标准工况看结果。整个过程用的都是Simulink/Simscape里最常见的基础模块，不依赖第三方工具箱，适合车辆工程在校生、刚转行做三电系统的工程师，以及想自己搭平台验证控制策略的算法工程师。下面内容有点长，但每一步我都标注了参数来源和避坑点，跟着走，大概率能一次跑通。

1. 增程式混动构型与建模整体思路

1.1 增程式构型的基本能量流

增程式混动在结构上是典型的串联构型，发动机不直接驱动车轮，发动机只带动发电机发电，发的电要么直接供给驱动电机，要么存进动力电池，车轮永远只由电机驱动。这个构型最大的好处是发动机可以始终工作在高效区，转速和负载由控制器主动调节，不跟车速绑定，噪声振动控制也相对容易。

建模之前先画一张能量流图（用文字示意）：

• 纯电模式：电池 → 电机控制器 → 驱动电机 → 车轮
• 增程模式：发动机 → 发电机 → 电机控制器 → 驱动电机（多余电量存入电池）
• 制动能量回收：车轮 → 电机（发电状态）→ 电池

三条路径对应三种核心工作状态，后文的所有模型都是围绕这三条路径展开的。建模第一步不是急着拖模块，而是先把这条路想明白，否则后面信号线会绕成蜘蛛网。

1.2 前向仿真与后向仿真的取舍

搞混动仿真的人一定会遇到一对概念：前向仿真（Forward Simulation）和后向仿真（Backward Simulation）。

后向仿真假设车辆完全跟随工况车速，从车轮端反向推导，逐级计算工况需求功率，沿着传动链往上游反推，最终得到发动机或电池需要提供的能量。这种模型计算快、精度要求低，适合做燃油经济性的粗略估算，但是它的缺点是没法真实反映驾驶员行为，也做不了动态控制策略。

前向仿真则相反，模型里有一个“虚拟驾驶员”，通过PID调节模拟驾驶员踩加速/刹车踏板，把目标车速和实际车速的误差换算成踏板开度，再转成功扭矩和功率需求，向下游部件逐级传递。这种方式更接近真实车辆行为，适合验证控制策略，代价是计算量更大、模型更复杂。

我这次选择前向仿真，原因很直接：我们建模型的目的就是为了写能量管理策略，策略要能真正跑起来，就必须有闭环反馈，后向模型没有这个能力。

1.3 Simulink模型顶层架构

建议把模型按物理子系统拆成几个模块，而不是把所有东西堆在同一个model里。推荐的最低粒度是这样：

信号流方向：驾驶员模块输出的踏板信号进入控制器，控制器根据SOC和踏板开度决定模式，然后分别向增程器、电池、电机发送指令，最后所有功率汇总到整车动力学模块，算出新车速反馈回驾驶员模块。这是一个闭环结构，层与层之间用Goto/From或者Bus都行，我建议用Bus，信号多了以后管理更清晰。

2. 整车纵向动力学模型搭建

2.1 整车关键参数与行驶阻力方程

车辆行驶时，电机输出扭矩经过减速器和主减速器后变成轮端驱动力，这个力要克服滚动阻力、空气阻力、坡度阻力和加速阻力。这是所有整车模型的物理基础，增程式混动也不例外。

行驶阻力公式为：

F = m·g·f·cos(α) + 0.5·ρ·Cd·A·v² + m·g·sin(α) + δ·m·a

其中，m是整车质量，g是重力加速度，f是滚动阻力系数，α是道路坡度，ρ是空气密度，Cd是风阻系数，A是迎风面积，v是车速，δ是旋转质量换算系数，a是纵向加速度。

以一台典型增程式SUV为例，取一组常用参数：整备质量1850kg，满载质量2150kg，考虑到成员和行李，仿真质量取2000kg；风阻系数0.31，迎风面积2.48m²，滚动阻力系数0.012，旋转质量换算系数取1.08。坡度默认0，平路工况为主。

2.2 需求功率与轮端扭矩换算

有了阻力就可以算轮端需求功率：

P = F·v

这个功率就是整车需要电机提供的机械功率（暂不考虑制动回收时，驱动工况下）。再往上游推，电机的输出功率需求为：

P_motor = P / (η_gear · η_motor)

其中η_gear是减速机构的传动效率，取0.95，η_motor是电机在不同工况点的效率，由电机MAP图查表得到。

建模建议：用Simulink的Constant模块放参数，用Product/Sum组合搭建公式，用Lookup Table模块放电机效率MAP。不要硬编码数字，后面调参的时候你会感谢自己当初用了变量。

2.3 驾驶员模型与循环工况

前向仿真需要一个虚拟驾驶员。标准做法是目标车速与实际车速做差，经过一个PID控制器输出踏板开度（0到1），再通过“加速踏板→驱动扭矩”“制动踏板→制动力”的映射关系，转换成对车辆的输入。

PID参数的粗调经验：车速这类大惯量对象，比例项取0.8~1.5，积分项取0.05~0.3，微分项可以很小甚至取0。我遇到过很多人问为什么车速跟踪不上，一看PID参数全是0——那当然跟踪不上，插个零就断开了反比例。

循环工况选择方面，国内最常用的三个：WLTC（全球轻型车测试循环）、CLTC（中国轻型车测试循环）、NEDC（旧欧洲循环，已逐渐淘汰但在学术文献里还在大量出现）。CLTC更适合国内场景，比较常见。直接把循环工况的Excel数据导出成Signal Builder块或者From Workspace，作为目标车速输入。

2.4 整车模块的Simulink实现

整车动力学模块本质是解这个方程：由驱动力-阻力差求得加速度，再积分得到车速。

在后向路径上，从目标车速反推需求扭矩；在前向路径上，从电机输出的实际驱动力向前推车速。这里最容易犯的错是：用需求功率/需求扭矩去算车速，导致模型出现代数环。正确的做法是在整车模块里只做一件事——受力分析和牛顿第二定律，把驱动力当成输入，把车速当输出，扭矩和功率的换算放在电机和控制器那一层。

3. 动力部件模型：电池、电机与增程器

3.1 动力电池模型——初学者版Rint

电池建模是一个很大的领域，但从整车控制策略验证的角度，一个Rint模型完全够用。Rint模型把电池等效为理想电压源与一个串联内阻，开路电压Voc和内阻R0都是SOC的函数，通过查表得到。

核心关系式是这样：

• 端电压：U = Voc(SOC) - I·R0(SOC)
• 功率平衡：P_batt = U·I
• 电流求解：I = (Voc - sqrt(Voc² - 4·R0·P_batt)) / (2·R0) （放电为正方向）

SOC由安时积分法的表达式计算：

SOC(t) = SOC_0 - (1 / Q_max)·∫I·dt

其中Q_max是电池最大可用容量（Ah）。

实现注意三点：

第一，Voc和R0对SOC的查表曲线，可以取磷酸铁锂或三元锂的典型数据，前期没有实验数据时用文献参考值就行，但要保证SOC在0.2~0.9之间不要剧烈跳变。

第二，安时积分法的问题在于SOC误差会随积分累积，在策略验证场景可以接受，但你要是想研究SOC估计，就得换卡尔曼滤波等方案，这不属于本文讨论范围。

第三，仿真容易遇到的数值问题是在功率P_batt很大且SOC很低时，根号内出现负数。这就是Rint模型的物理极限——彻的低电量大功率时电池已经“供不上”了，模型直接报错。工程上的处理方法是限制电池最大放电功率：

P_max_disch = (Voc² / (4·R0)) （根号内为零的临界功率）

在模型里加一个Min块，把功率指令限幅到P_max_disch以内。这一步是很多初版模型跑崩的最常见原因，加了之后基本能消除。

3.2 驱动电机建模——效率MAP查表法

整车仿真不需要电机电磁内部结构，用稳态外特性+效率MAP就够了。电机模型要做两件事：根据扭矩指令和当前转速，计算实际输出扭矩（受外特性限制）；根据输出机械功率查效率，计算出输入电功率。

外特性的处理方式：在Simulink中用Lookup Table实现扭矩上限随转速变化。低速恒扭矩区、高速恒功率区是典型特征。临界转速看电机类型，永磁同步电机通常在4000~6000rpm进入弱磁区。

效率MAP是一个二维查表：输入转速和扭矩（或功率），输出效率。推荐用Lookup Table(n-D)模块，把效率矩阵填进去。数据来源可以有三种：台架实验数据、文献参考数据、用电机设计软件仿真出来的数据。很多公开论文都有某功率等级电机的效率MAP，可以拿来当初始数据。

电机模型的功率关系要注意方向：

• 驱动状态：P_electric = P_mech / η
• 发电状态（回馈）：P_electric = P_mech · η

有些模型在电机前面统一乘效率，导致制动回收时能量反而变大，这是方向性错误。

3.3 增程器模型——发动机万有特性与发电机效率

增程器是“发动机+发电机”组合，发动机拖动发电机发电，输出的电功率进入直流母线。增程器建模的核心是：给定一个发电功率指令，发动机要工作在什么转速、什么扭矩点，对应多少燃油消耗。

工程上的简化做法：认为增程器有最佳的“功率-油耗率”曲线，也就是在发电功率P_gen的每个值下，发动机都工作在最优BSFC点（制动比油耗，Brake Specific Fuel Consumption，单位g/kWh）。于是可以提前计算出一条静态曲线：

• 横轴：发电功率 P_gen（kW）
• 纵轴：发动机最优油耗率 b_e（g/kWh）或每小时燃油消耗 m_dot_fuel（g/s）

模型运行时，根据发电功率指令，直接查表得到燃油消耗率。这种方式避免了发动机动态过程的建模，对能量管理策略验证完全够用，甚至很多整车厂的初步仿真都是这么干的。

发电机模型更简单：一个效率常数或效率查表。永磁同步发电机在高效区效率可以达到0.92~0.95，取一个随功率变化的效率表更合适。发电功率除以发电机效率就是机械功率，机械功率除以发动机效率就是燃油能量。

燃油消耗计算：

m_dot_fuel = P_gen / (η_gen · η_engine · LHV_fuel)

其中LHV_fuel是燃油低热值，取44.3MJ/kg（等效12.3kWh/kg）。注意单位换算，这里坑特别多，我第一次换算的时候整整浪费了半天，最后的油耗结果整整差了一个数量级。

3.4 油箱和整车质量耦合

增程器工作时要烧油，油箱里的油减少，整车质量也跟着变。绝大多数初学模型不会考虑这一点，直接用固定质量。在短工况（比如一个CLTC约30km）里这个问题确实可以忽略，但如果要跑超长里程或者跑能量流分析，质量变化会引起阻力变化，最后会影响电耗和油耗的准确度。

建议在模型里把整车质量定义为初始质量减去消耗燃油量。Simulink里做法不复杂：燃油消耗率积分得到累计耗油量，再用Sum块更新质量即可。需要注意单位是kg，油耗单位从g换算的时候除以1000。

4. 能量管理策略：CD/CS两阶段控制

4.1 CD/CS策略的核心思想

增程式混动最常见的控制策略是电量消耗-电量维持（Charge Depleting - Charge Sustaining），也就是CD/CS。CD阶段相当于一台纯电动车，电池SOC从满电往下消耗；当SOC降到阈值（比如25%），整车进入CS阶段，此时增程器开始工作，维持电量在一定范围内波动。

为什么用CD/CS？因为增程混动本质上是“纯电优先”，日常通勤距离短就直接当纯电车开，跑长途才启动增程器。这种策略在NEDC/WLTC/CLTC下测试时，结果直接体现为CD阶段的纯电续航和CS阶段的油耗两个指标。

4.2 SOC阈值与功率分配标定

判据逻辑如下：

• SOC > SOC_high：纯电模式，增程器停机
• SOC_low < SOC < SOC_high：维持当前状态（滞回，避免频繁启停）
• SOC < SOC_low：增程模式，增程器开机

SOC_high和SOC_low之间要设置滞回区间（比如SOC_low=25%，SOC_high=30%）。没有滞回的话，发动机在临界点附近会反复启停，不仅NVH差，油耗也高。

增程器工作时的功率分配有几种策略：

• 恒功率：发动机固定在某个功率点发电，比如20kW。简单粗暴，但可能造成电池过充或过放。
• 功率跟随：发动机发电功率跟随需求功率。电池只作为“缓冲池”，削峰填谷。这个模式效率较高，但发动机动态起伏大。
• 最优曲线：按SOC查表决定发电功率。SOC低多发电，SOC高少发电。这是最常用、最稳的折中方案。

我个人推荐初版模型用“SOC查表+功率跟随限幅”组合：先根据SOC的偏差确定目标发电功率，再用一个大范围的跟随项修正，最后限幅在增程器最高发电功率以内。

4.3 Stateflow实现逻辑状态切换

Simulink里做模式切换，最顺手的工具是Stateflow。定义三个状态：

1. EV_Mode（纯电）
2. CS_Mode（增程）
3. Transition之间的转移条件

核心转移条件：

• 从EV进入CS：SOC <= SOC_low 且车速 > 0（车速太低时即使SOC低也不急着启动）
• 从CS退回EV：SOC >= SOC_high
• 停机条件：停车且SOC > SOC_high，触发发动机延时停机

Stateflow里可以顺便写功率分配逻辑，用一个函数块查表或算公式输出P_gen指令和发动机启停标志。

写策略时有几个细节容易出错：

第一，发动机启动不能瞬态响应，应加一个启动延迟和功率爬坡。最简单的做法是给P_gen指令加一阶惯性环节，时间常数取0.5~1秒。

第二，模式切换瞬间要防止功率跳变导致模型数值振荡。加个Rate Limiter模块可能给你省掉大麻烦。

第三，CD阶段不是完全不能启动发动机，比如你踩地板油爬山，功率需求远超电池放电能力，这时即使SOC很高也要启动增程器“助力”。更完善的做法是加一个“大功率请求”条件：需求功率超过电池最大放电功率与电机最大功率的差额时，无条件启动增程器。

4.4 几种经典策略的对比

CD/CS不是最优策略，但它是理解能量管理的必要起点，后面的模型预测控制、动态规划都是在它的基础上演进的。

5. 从模型到仿真：集成、调试与结果分析

5.1 模型集成要点与代数环问题

各个部件模型建好后，用Bus对象将信号连接起来。最关键的连接线有两条：一条是“功率需求”线从控制器到电池和增程器；另一条是“车速反馈”线从整车动力学模块回到驾驶员模块。

连完线后最容易遇到的问题就是代数环。典型表现：Simulink报错“Algebraic loop”。本质是一个模块的输出经过纯增益/查表路径直接回到自己输入，中间没有状态更新。

举一个最常见的例子：电池模块需要电流来算功率，而功率计算公式里又需要电流——如果直接用电流输入功率模块再除以电压，就会产生代数环。解决办法有两个：一是给电流反馈路径加一个单位延迟（Unit Delay）或一阶惯性环节，打断循环；二是改写公式，像前面第3.1节那样用二次方程直接由功率解出电流，彻底绕开代数环。专业人士更推荐后者，加延迟会引入不需要的动态误差。

5.2 仿真参数设置

求解器选择：固定步长比变步长更稳，推荐用ode4（四阶Runge-Kutta），步长0.01~0.05秒。如果模型里有一阶惯性为0.1秒级别，步长0.01秒已经足够。

仿真时长：CLTC工况时长1800秒，仿真时间设置1800秒即可。如果内存足够，可以一次性把数据存到工作空间。

有一个参数很多人容易漏掉：微分环节的采样时间。Simulink里PID模块默认连续时间，如果整模型都是离散步长，PID模块也要改成离散时间，不然会出现仿真警告。

5.3 结果分析：怎样判断模型是对的

跑完仿真，第一步不是看油耗，而不是先看“合理性”：

• 车速跟踪是否贴合工况曲线：虚拟驾驶员如果不能跟踪车速，应该是PID参数的问题，模型本身无错。
• SOC曲线是否平滑下降：CD阶段以稳定斜率下降，CS阶段在滞回区间内波动，没有突变。
• 增程器启停是否太频繁：一个CLTC循环里，启停次数控制在个位数。如果几十次，说明滞回阈值设小了，或者功率跟随太激进。
• 油耗是否在合理范围：参照增程式车型官方油耗（馈电状态5-8L/100km）看自己结果的量级，如果算出来是几十升/百公里，多半是单位换算错了。

输出燃油消耗率时，把瞬时耗油率（g/s）积分得到总耗油量（g），然后除以工况行驶里程（km），再乘以100，就得到百公里油耗。

5.4 常见问题速查表

我把搭建和调试过程中最常踩到的坑整理成一张速查表，每一项都是实际运行中遇到的问题。遇到报错时可以对照排查。

5.5 初版模型的扩展方向

模型跑通之后，我建议按下面的优先级去扩展。

第一步，完善SOC精度。安时积分法在长周期仿真里误差会积累，接一个卡尔曼滤波或扩展卡尔曼滤波对SOC做在线估计。

第二步，把电池热模型加进来。增程式在CS模式下电池反复充放，热管理对电池寿命影响很大，加个集总热容模型，看温升趋势。

第三步，替换逻辑策略为实时优化策略。等值燃油消耗最小策略（Equivalent Consumption Minimization Strategy，ECMS）比CD/CS省油5%~10%，是业内用的最多的实时次优策略，实现也不复杂——核心是定义等效因子，把电能折算成等效燃油消耗，然后每个时刻最小化等效油耗，选出发电功率或放电功率。这个比MPC简单得多，强烈建议作为CD/CS的下一个进阶方向。

写在最后

整套模型的搭建和调试过程里，我体会最深的一点是，增程式混动建模的难度不在某个部件有多复杂，而在于能量流怎么跨层级串起来。电池里解的电流要和发动机烧的油发生关系，两者又在一个状态机控制下协同工作——这种跨物理域的逻辑链是Simulink建模的价值的真正来源。我第一次把整车模型跑通的时候，SOC曲线在CS阶段稳定维持、增程器只在需要的时刻启动，那种感觉确实是“通了”。如果你搭的过程中卡在哪一步，大概率可以在上面的速查表里找到答案。给初学者的建议，先跑通，再调参，最后才谈得上算法优化——仿真平台本来就是试错成本最低的地方，这一步走得越扎实，后面做策略优化越省力。