为了解决标准EMCS在实际应用时的困难，需要对等效因子进行在线自适应调整以提升控制策略的鲁棒性，尽可能保证在不同情况下均能获得较好的控制效果（图3.6）。等效因子的自适应调整方法主要分为两类：第一类方法根据行驶工况的每一小段片段估算等效因子，并每隔一段时间更新等效因子 s，用于估算等效因子的片段可以只包括过去一段时间的工况，也可以包括一部分预测的工况。例如在文献［115］中，行驶工况被划分为城市、郊区和高速等类型，通过提前离线计算得到对应的最优等效因子值，而自适应算法则基于过去和当前的行驶信息来确定工况类型，进而在进行优化时使用恰当的等效因子。文献［24，112］中则提出了自适应等效燃油消耗最小化策略（A-ECMS），在线计算等效因子，并在一定时间间隔内进行自适应更新。
本书采用的是第二类方法，该类方法主要强调对SOC的控制因素，其基本思想是对s（t）的估计根据当前SOC值与理想值的偏差进行调整，比如最常用的自适应算法可定义为
式中，s0是首次估计等效因子（可通过离线计算得到）；kp为调节系数。当SOC低于理想值时，增大等效因子值以抑制电池能量的进一步使用，而当SOC高于理想值时，减小等效因子值，从而鼓励电池能量的使用。
图3.6 基于工况辨识的等效因子自适应流程
图3.7所示为引入自适应机制的A-ECMS所得的IM240工况下SOC轨迹，与图3.5中结果不同，即使工况初始SOC不等于期望值（0.6），A-ECMS仍可以在工况结束时将SOC控制到期望值附近区域，显著提升了控制策略对初值条件的鲁棒性。
为了便于对比分析，仍以IM240工况为例，分析引入自适应计算式（3.42）中的首次估计值和调节系数的影响。从图3.8中可以观察到，即使初始估计值 s0与最佳常数等效因子值 s*偏差较大（偏差分别为0.37、0.17和0.23），但与3.3.2节中的标准ECMS相比，当等效因子自适应计算式中引入了调节系数后，显著地提升了控制策略的鲁棒性，未再出现SOC超出最佳工作范围的情况。(www.xing528.com)
调节参数的影响结果如图3.9所示，其中首次估计值s0均为2.55。由结果可观察到，对于同一起始SOC值，随着调节系数kp的增大，整个工况过程中的SOC轨迹分布更趋向于期望值（0.6）附近的范围内。
图3.7 自适应等效因子对应的SOC轨迹（IM240工况，不同SOC初值）
图3.8 自适应等效因子对应的SOC轨迹（IM240工况，不同初始估计值 s0）
图3.9 自适应等效因子对应的SOC轨迹（IM240工况，不同调节系数kp）
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
