I. Tổng quan mô phỏng điều khiển xe hybrid bằng MATLAB Simulink
Việc mô phỏng điều khiển xe hybrid bằng MATLAB Simulink đã trở thành một phương pháp nghiên cứu và phát triển không thể thiếu trong ngành công nghệ ô tô hiện đại. Môi trường mô phỏng này cho phép các kỹ sư và nhà nghiên cứu xây dựng, kiểm thử và tối ưu hóa các hệ thống phức tạp trước khi chế tạo nguyên mẫu vật lý. Điều này không chỉ giúp tiết kiệm chi phí, thời gian mà còn cho phép đánh giá hiệu quả của nhiều chiến lược điều khiển năng lượng (Energy Management Strategy - EMS) khác nhau. Theo nghiên cứu của Nguyễn Nhứt Khang và Nguyễn Minh Chí (2019), việc ứng dụng MATLAB Simulink cho ô tô cho phép mô hình hóa chi tiết từng thành phần, từ mô hình động cơ đốt trong (ICE model), mô hình động cơ điện (Electric Motor model) đến mô hình pin (Battery Model). Nền tảng này cung cấp các bộ công cụ chuyên dụng như Powertrain Blockset và Simscape Driveline, giúp đơn giản hóa quá trình xây dựng hệ thống truyền động hybrid. Thông qua mô phỏng, có thể phân tích chính xác các yếu tố như tối ưu hóa tiêu thụ nhiên liệu, quản lý trạng thái sạc (SOC) của pin, và giảm thiểu khí thải. Đây là bước đi quan trọng, đặc biệt khi các quy định về môi trường ngày càng khắt khe và nguồn nhiên liệu hóa thạch đang cạn kiệt.
1.1. Tầm quan trọng của MATLAB Simulink cho ô tô hybrid hiện đại
MATLAB Simulink đóng vai trò then chốt trong việc đẩy nhanh chu kỳ phát triển xe hybrid. Công cụ này cung cấp một môi trường trực quan, dựa trên mô hình (Model-Based Design), cho phép các nhóm kỹ sư cộng tác hiệu quả. Thay vì viết hàng ngàn dòng mã phức tạp, họ có thể xây dựng các khối chức năng đại diện cho các thành phần vật lý như động cơ, pin, bộ điều khiển. Việc mô hình hóa xe hybrid trên Simulink cho phép kiểm tra các thuật toán điều khiển xe lai trong nhiều điều kiện vận hành khác nhau, từ đó tìm ra phương án tối ưu nhất. Nền tảng này cũng hỗ trợ sinh mã tự động, chuyển đổi trực tiếp mô hình Simulink thành mã C/C++ để triển khai trên các bộ điều khiển điện tử (ECU) thực tế. Điều này đảm bảo tính nhất quán giữa giai đoạn mô phỏng và triển khai, giảm thiểu rủi ro và lỗi phát sinh.
1.2. Phân loại xe hybrid Song song Nối tiếp và Hỗn hợp
Để thực hiện mô phỏng xe HEV hiệu quả, việc hiểu rõ các cấu trúc truyền động là rất quan trọng. Có ba loại chính: Xe hybrid nối tiếp (Series Hybrid), Xe hybrid song song (Parallel Hybrid), và Xe hybrid hỗn hợp (Power-split Hybrid). Trong cấu trúc nối tiếp, động cơ đốt trong chỉ hoạt động như một máy phát điện để sạc pin, và động cơ điện hoàn toàn chịu trách nhiệm dẫn động bánh xe. Cấu trúc song song cho phép cả động cơ đốt trong và động cơ điện cùng truyền lực trực tiếp đến bánh xe, độc lập hoặc đồng thời. Cấu trúc hỗn hợp, tiêu biểu là hệ thống Toyota Hybrid System (THS) trên xe Prius, kết hợp ưu điểm của cả hai loại trên. Hệ thống này sử dụng một bộ chia công suất (Power Split Device) để phân phối năng lượng từ động cơ đốt trong đến bánh xe và máy phát, mang lại hiệu suất vượt trội. Việc lựa chọn cấu trúc nào để mô phỏng sẽ ảnh hưởng trực tiếp đến chiến lược điều khiển và kết quả cuối cùng.
II. Thách thức trong điều khiển xe hybrid và quản lý năng lượng
Bài toán cốt lõi trong vận hành xe hybrid là làm thế nào để phân chia công suất giữa động cơ đốt trong (ICE) và động cơ điện (MG) một cách thông minh nhằm đạt được hiệu quả nhiên liệu tối đa và giảm phát thải. Đây chính là nhiệm vụ của Chiến lược điều khiển năng lượng (EMS). Sự phức tạp của hệ thống truyền động hybrid đặt ra nhiều thách thức. Thứ nhất, hệ thống có nhiều nguồn năng lượng với các đặc tính hoạt động khác nhau. Động cơ đốt trong hiệu quả ở dải tốc độ cao và ổn định, trong khi động cơ điện lại vượt trội khi khởi hành và ở tốc độ thấp. Thứ hai, việc quản lý trạng thái sạc (SOC) của pin là cực kỳ quan trọng. Mức SOC quá thấp sẽ làm giảm tuổi thọ pin và hạn chế khả năng hỗ trợ của động cơ điện, trong khi mức SOC quá cao cho thấy việc phanh tái sinh không được tận dụng hiệu quả. Thứ ba, chiến lược điều khiển phải thích ứng linh hoạt với các điều kiện lái xe thay đổi liên tục. Một chiến lược hiệu quả trong đô thị có thể không tối ưu trên đường cao tốc. Do đó, việc xây dựng một thuật toán điều khiển xe lai mạnh mẽ, có khả năng ra quyết định tối ưu trong thời gian thực, là thách thức lớn nhất mà các nhà nghiên cứu cần giải quyết thông qua mô phỏng điều khiển xe hybrid.
2.1. Vấn đề cốt lõi Tối ưu hóa tiêu thụ nhiên liệu và khí thải
Mục tiêu chính của công nghệ hybrid là tối ưu hóa tiêu thụ nhiên liệu. Động cơ đốt trong truyền thống hoạt động kém hiệu quả ở chế độ không tải hoặc tải thấp, gây lãng phí nhiên liệu và tăng phát thải. Xe hybrid giải quyết vấn đề này bằng cách cho phép động cơ điện hoạt động ở những chế độ đó và tắt động cơ đốt trong khi không cần thiết. Tuy nhiên, việc quyết định khi nào nên bật/tắt ICE, khi nào sử dụng động cơ điện, và khi nào kết hợp cả hai đòi hỏi một chiến lược phức tạp. Mô phỏng trên MATLAB Simulink cho phép thử nghiệm các quy tắc điều khiển khác nhau, ví dụ như dựa trên ngưỡng tốc độ, yêu cầu mô-men xoắn của người lái, và mức SOC của pin, để tìm ra điểm cân bằng hoàn hảo giữa hiệu suất và tiết kiệm nhiên liệu.
2.2. Sự phức tạp của hệ thống truyền động và bộ chia công suất
Trong các xe hybrid hỗn hợp như Toyota Prius, hệ thống truyền động hybrid sử dụng một bộ chia công suất (Power Split Device - PSD), thường là một bộ bánh răng hành tinh. Theo tài liệu tham khảo, PSD kết nối động cơ đốt trong, động cơ/máy phát 1 (MG1), và động cơ/máy phát 2 (MG2) với bánh xe. Mối quan hệ phức tạp về tốc độ và mô-men xoắn giữa các thành phần này tạo ra một hộp số biến thiên vô cấp điện tử (e-CVT). Việc điều khiển đồng bộ ba thành phần này để đáp ứng yêu cầu của người lái trong khi vẫn đảm bảo quản lý trạng thái sạc (SOC) và hiệu suất tối ưu là một thách thức kỹ thuật lớn. Mô hình hóa xe hybrid một cách chính xác, đặc biệt là PSD, là yêu cầu bắt buộc để phát triển các thuật toán điều khiển hiệu quả.
III. Phương pháp mô hình hóa xe hybrid toàn diện trên Simulink
Để thực hiện mô phỏng điều khiển xe hybrid bằng MATLAB Simulink, bước đầu tiên và quan trọng nhất là xây dựng một mô hình toán học chính xác cho toàn bộ chiếc xe. Quá trình mô hình hóa xe hybrid bao gồm việc tạo ra các khối mô phỏng riêng lẻ cho từng thành phần chính và sau đó kết nối chúng lại với nhau để thể hiện sự tương tác trong hệ thống. Các thành phần cốt lõi cần được mô hình hóa bao gồm: mô hình động cơ đốt trong (ICE model), mô hình động cơ điện (Electric Motor model), mô hình pin (Battery Model), bộ chia công suất (PSD), và động học của xe. MATLAB Simulink cho ô tô cung cấp các thư viện mạnh mẽ như Powertrain Blockset và Simscape Driveline, chứa các khối dựng sẵn cho các thành phần này, giúp giảm đáng kể thời gian và công sức phát triển. Ví dụ, mô hình ICE có thể được xây dựng dựa trên các bản đồ tra cứu (look-up table) thể hiện mối quan hệ giữa tốc độ, mô-men xoắn và suất tiêu hao nhiên liệu. Mô hình pin không chỉ mô phỏng điện áp mà còn cả quản lý trạng thái sạc (SOC), một yếu tố quyết định trong các thuật toán điều khiển.
3.1. Xây dựng mô hình động cơ đốt trong ICE và động cơ điện MG
Mô hình động cơ đốt trong (ICE) thường được xây dựng dựa trên dữ liệu thực nghiệm. Các đặc tính quan trọng như mô-men xoắn tối đa theo tốc độ và bản đồ suất tiêu hao nhiên liệu riêng (Brake Specific Fuel Consumption - BSFC) được đưa vào mô hình dưới dạng các bảng tra cứu. Điều này cho phép mô hình tính toán chính xác lượng nhiên liệu tiêu thụ tại bất kỳ điểm làm việc nào. Tương tự, mô hình động cơ điện (MG1 và MG2) cũng được xây dựng dựa trên bản đồ hiệu suất, thể hiện hiệu quả chuyển đổi năng lượng điện-cơ và cơ-điện (chế độ phanh tái sinh) ở các dải tốc độ và mô-men xoắn khác nhau. Việc mô hình hóa chính xác hai nguồn công suất này là nền tảng để đánh giá hiệu quả của mọi chiến lược điều khiển năng lượng.
3.2. Mô hình hóa pin Battery Model và quản lý trạng thái sạc SOC
Mô hình pin là một thành phần quan trọng trong mô phỏng xe HEV. Một mô hình pin đơn giản nhưng hiệu quả thường bao gồm một nguồn điện áp thay đổi theo trạng thái sạc (SOC) và một điện trở trong. Mô hình pin (Battery Model) này cho phép tính toán sự sụt áp khi phóng điện và tăng áp khi sạc, cũng như tổn thất năng lượng do điện trở trong. Việc quản lý trạng thái sạc (SOC) được thực hiện bằng phương pháp đếm Coulomb, tức là tích phân dòng điện ra/vào pin theo thời gian. Mức SOC là đầu vào quan trọng cho bộ điều khiển, giúp quyết định khi nào cần dùng động cơ đốt trong để sạc pin hoặc khi nào có thể sử dụng năng lượng từ pin để hỗ trợ.
IV. Bí quyết điều khiển xe hybrid bằng bộ điều khiển logic mờ
Sau khi xây dựng xong mô hình xe, nhiệm vụ tiếp theo là thiết kế một thuật toán điều khiển xe lai hiệu quả. Trong số các phương pháp điều khiển, bộ điều khiển logic mờ (Fuzzy Logic Control) nổi lên như một giải pháp mạnh mẽ và linh hoạt. Không giống như các bộ điều khiển dựa trên quy tắc cứng nhắc, logic mờ cho phép mô phỏng quá trình tư duy và ra quyết định của con người. Nó hoạt động dựa trên các quy tắc dạng "NẾU-THÌ" (IF-THEN), ví dụ: "NẾU yêu cầu mô-men xoắn cao VÀ SOC của pin thấp THÌ sử dụng cả động cơ đốt trong và động cơ điện". Theo đồ án của Nguyễn Nhứt Khang và Nguyễn Minh Chí, việc ứng dụng Fuzzy logic control HEV cho phép xử lý các tín hiệu đầu vào không chắc chắn và liên tục như yêu cầu của người lái và điều kiện đường xá. Các đầu vào chính cho bộ điều khiển logic mờ thường là yêu cầu mô-men xoắn, tốc độ xe và trạng thái sạc (SOC) của pin. Đầu ra là tỷ lệ phân chia công suất giữa động cơ đốt trong và động cơ điện. Việc mô phỏng điều khiển xe hybrid với bộ điều khiển mờ giúp tinh chỉnh các quy tắc và hàm thành viên để đạt được sự cân bằng tối ưu giữa hiệu suất và tiết kiệm nhiên liệu.
4.1. Nguyên lý cơ bản của chiến lược điều khiển năng lượng EMS
Một Energy Management Strategy (EMS) hiệu quả là chìa khóa để khai thác toàn bộ tiềm năng của xe hybrid. Mục tiêu của EMS là quyết định dòng năng lượng trong xe tại mỗi thời điểm. Có nhiều loại EMS khác nhau, từ các chiến lược dựa trên quy tắc đơn giản đến các thuật toán tối ưu hóa toàn cục phức tạp. Các chiến lược dựa trên quy tắc (Rule-based) rất phổ biến do tính toán đơn giản và dễ triển khai. Chúng chia không gian hoạt động của xe thành các chế độ khác nhau (chỉ dùng điện, chỉ dùng ICE, hybrid, sạc pin, phanh tái sinh) và chuyển đổi giữa chúng dựa trên các ngưỡng xác định trước. Bộ điều khiển logic mờ là một dạng tiên tiến của chiến lược dựa trên quy tắc, mang lại sự chuyển đổi mượt mà và khả năng thích ứng tốt hơn.
4.2. Thiết kế bộ điều khiển logic mờ Fuzzy Logic trong Simulink
Simulink cung cấp Fuzzy Logic Toolbox, một công cụ mạnh mẽ để thiết kế, mô phỏng và triển khai các hệ thống Fuzzy logic control HEV. Quá trình thiết kế bao gồm ba bước chính: (1) Mờ hóa (Fuzzification): Chuyển đổi các giá trị đầu vào rõ ràng (như tốc độ 60 km/h, SOC 70%) thành các tập mờ (ví dụ: tốc độ "trung bình", SOC "cao"). (2) Suy luận mờ (Fuzzy Inference): Áp dụng các quy tắc "NẾU-THÌ" để xác định đầu ra mờ từ các đầu vào mờ. (3) Giải mờ (Defuzzification): Chuyển đổi kết quả đầu ra mờ thành một giá trị điều khiển rõ ràng (ví dụ: yêu cầu 30% công suất từ động cơ đốt trong). Việc tích hợp bộ điều khiển này vào mô hình xe hoàn chỉnh cho phép đánh giá và tinh chỉnh hiệu suất của thuật toán điều khiển xe lai một cách trực quan.
V. Phân tích kết quả mô phỏng điều khiển xe hybrid tối ưu
Giai đoạn cuối cùng của quy trình mô phỏng điều khiển xe hybrid bằng MATLAB Simulink là chạy mô phỏng theo một chu trình lái xe tiêu chuẩn (ví dụ: NEDC, WLTP) và phân tích kết quả. Việc này giúp đánh giá một cách khách quan hiệu quả của chiến lược điều khiển năng lượng đã thiết kế. Các kết quả quan trọng cần được phân tích bao gồm: tổng lượng nhiên liệu tiêu thụ trong suốt chu trình, sự biến thiên của trạng thái sạc (SOC), sự phân bổ công suất giữa động cơ đốt trong và động cơ điện, và hiệu suất hoạt động của từng thành phần. Dựa trên các kết quả mô phỏng xe HEV, các kỹ sư có thể quay lại tinh chỉnh các thông số của bộ điều khiển, ví dụ như thay đổi các quy tắc trong bộ điều khiển logic mờ, để cải thiện hiệu suất. Kết quả từ đồ án tham khảo cho thấy, mô hình mô phỏng đã phản ánh chính xác các chế độ hoạt động của xe hybrid, từ đó tính toán được suất tiêu hao nhiên liệu. Ví dụ, mô-men xoắn và tốc độ của động cơ điện MG2 cho thấy nó hoạt động tích cực khi khởi hành và tăng tốc, trong khi động cơ đốt trong hoạt động chủ yếu ở tốc độ cao hơn, minh chứng cho sự hiệu quả của thuật toán điều khiển.
5.1. Đánh giá kết quả mô phỏng xe HEV theo chu trình thử nghiệm
Chu trình thử nghiệm là một chuỗi các giá trị tốc độ theo thời gian, đại diện cho một hành trình lái xe điển hình. Việc chạy mô phỏng xe HEV theo các chu trình này cho phép so sánh công bằng hiệu suất giữa các thiết kế hoặc chiến lược điều khiển khác nhau. Kết quả mô phỏng sẽ hiển thị các đồ thị về tốc độ xe thực tế so với tốc độ yêu cầu, mô-men xoắn và tốc độ của ICE, MG1, MG2, dòng điện của pin, và sự thay đổi của SOC. Việc phân tích các đồ thị này giúp hiểu rõ cách hệ thống phản ứng với các yêu cầu lái xe khác nhau và xác định các điểm cần cải thiện.
5.2. Phân tích trạng thái sạc SOC và hiệu quả phanh tái sinh
Một chỉ số quan trọng để đánh giá hiệu quả của EMS là khả năng duy trì trạng thái sạc (SOC) của pin trong một phạm vi mong muốn. Một chiến lược tốt phải đảm bảo rằng SOC không bị cạn kiệt hoặc quá đầy. Đồ thị SOC theo thời gian sẽ cho thấy điều này. Các đoạn dốc lên trên đồ thị SOC tương ứng với các giai đoạn phanh hoặc giảm tốc, cho thấy năng lượng đang được thu hồi thông qua phanh tái sinh. Việc phân tích hiệu quả của quá trình này giúp tối ưu hóa tiêu thụ nhiên liệu vì năng lượng thu hồi được có thể sử dụng lại sau này, giảm gánh nặng cho động cơ đốt trong.
VI. Hướng phát triển cho mô phỏng điều khiển xe hybrid hiện nay
Lĩnh vực mô phỏng điều khiển xe hybrid bằng MATLAB Simulink vẫn đang tiếp tục phát triển mạnh mẽ, mở ra nhiều hướng nghiên cứu mới đầy tiềm năng. Các mô hình hiện tại, mặc dù đã rất chi tiết, vẫn có thể được cải tiến để phản ánh chính xác hơn các hiện tượng vật lý phức tạp, chẳng hạn như sự lão hóa của pin hoặc ảnh hưởng của nhiệt độ đến hiệu suất hệ thống. Một xu hướng nổi bật là tích hợp các thuật toán học máy (Machine Learning) và trí tuệ nhân tạo (AI) vào chiến lược điều khiển năng lượng. Các bộ điều khiển thông minh này có thể học hỏi và thích nghi với thói quen lái xe của người dùng hoặc điều kiện giao thông theo thời gian thực để đưa ra quyết định phân chia năng lượng tối ưu hơn nữa. Hơn nữa, với sự phát triển của công nghệ kết nối (V2X - Vehicle-to-Everything), các mô hình mô phỏng trong tương lai có thể tích hợp dữ liệu từ cơ sở hạ tầng giao thông (như tín hiệu đèn giao thông, thông tin tắc nghẽn) để lập kế hoạch điều khiển năng lượng một cách προληπτικός. Đây là những hướng đi hứa hẹn, giúp nâng cao hơn nữa hiệu quả của xe hybrid, và là chủ đề hấp dẫn cho các đồ án tốt nghiệp xe hybrid trong tương lai.
6.1. Tiềm năng ứng dụng trong các đồ án tốt nghiệp xe hybrid
Chủ đề mô phỏng điều khiển xe hybrid là một lựa chọn lý tưởng cho các đồ án tốt nghiệp xe hybrid và nghiên cứu khoa học. Sinh viên có thể bắt đầu bằng việc xây dựng lại các mô hình cơ bản, sau đó tập trung vào việc cải tiến một khía cạnh cụ thể, chẳng hạn như đề xuất một thuật toán điều khiển xe lai mới dựa trên logic mờ cải tiến, mạng nơ-ron, hoặc các thuật toán tối ưu hóa như giải thuật di truyền. Việc thực hiện một đồ án như vậy không chỉ giúp sinh viên nắm vững kiến thức chuyên ngành về hệ thống truyền động hybrid mà còn rèn luyện kỹ năng sử dụng các công cụ mô phỏng chuyên nghiệp như MATLAB Simulink cho ô tô.
6.2. Xu hướng tương lai Tích hợp AI và điều khiển dự báo
Tương lai của việc điều khiển xe hybrid nằm ở các hệ thống thông minh và có khả năng dự báo. Thay vì chỉ phản ứng với các điều kiện hiện tại, các bộ điều khiển thế hệ mới sẽ sử dụng dữ liệu GPS, bản đồ, và thông tin giao thông để dự đoán lộ trình sắp tới. Ví dụ, nếu hệ thống biết xe sắp lên dốc, nó có thể chủ động sạc pin trước để có đủ năng lượng hỗ trợ. Hoặc nếu biết sắp có một đoạn đường dài xuống dốc, nó có thể cho phép SOC giảm xuống thấp hơn để tối đa hóa khả năng phanh tái sinh. Việc mô hình hóa xe hybrid và tích hợp các thuật toán điều khiển dự báo (Model Predictive Control - MPC) và AI sẽ là bước đột phá tiếp theo trong việc tối ưu hóa tiêu thụ nhiên liệu.
