増程電動トラックの新戦略
自動車産業が環境規制とエネルギー効率の追求に駆られる中、中国・昆明理工大学の研究チームが、増程式電動車両（R-EEV）のエネルギー管理技術に革命的な進展をもたらした。同チームは、孫雲祥氏、王貴勇氏、王偉超氏らをリーダーとして、自然界のメクラヤナギ（蜉蝣）の交尾行動に着想を得た「改進型メクラヤナギ最適化アルゴリズム（IMA）」を用いて、R-EEVの心臓部である補助動力ユニット（APU）の運用を最適化する新たな戦略を確立した。この画期的な研究は、単に燃料効率を向上させるだけでなく、排ガス削減、バッテリー寿命の延命、そして全体的な走行性能の向上という複数の目標を同時に達成するための、新たな設計哲学を提示している。
増程式電動車両は、純粋な電気自動車の航続距離の短さという致命的な弱点を克服するための理想的な橋渡し技術とされている。電気モーターによる駆動に加え、エンジンと発電機からなるAPUを搭載しており、バッテリーの電力が尽きた際や急加速時などに発電し、電力を供給または充電する。この仕組みにより、航続距離の不安（航続不安）を解消しつつ、都市部でのゼロエミッション走行を可能にする。しかし、この複雑なシステムの真の性能を引き出す鍵は、「エネルギー管理戦略」と呼ばれる頭脳にある。APUをいつ、どの出力で稼働させるかという判断が、燃料消費、排ガス、バッテリーの劣化、さらには走行のスムーズさに直結する。従来の戦略は、大きく分けて二つに類別される。一つは「サーモスタット方式」。これは、エンジンが最も効率よく燃料を燃やす特定の出力ポイント（通常は中間負荷）でAPUを固定して稼働させる。この方法はエンジン効率を最大化するが、実際の走行状況に応じた柔軟性に欠け、バッテリーが過充電や過放電になりやすいという欠点がある。もう一つは「パワーフォロー方式」。こちらは、車両の要求する出力に応じて、APUの出力を連続的に変化させる。非常に柔軟でバッテリーへの負担が少ないが、エンジンが常に最適な効率点で運転できるとは限らず、特に低負荷時に効率が悪化し、結果として総合的な燃料消費や排ガスが悪化する可能性がある。
昆明理工大学の研究チームは、これらの従来戦略の根本的な限界に着目した。つまり、「エンジン単体の効率」を追求するか、「バッテリーの負担」を軽減するかの二者択一ではなく、車両全体の「総合的性能」を最大化する必要がある、という点である。彼らは、この複雑な多目的最適化問題を解決するために、従来の「多点式戦略」を大幅に進化させた。従来の多点式は、低・中・高三つの固定出力ポイントを切り替えることで、サーモスタットとパワーフォローの中間を取るものだったが、そのポイントの設定は経験則や単純な効率計算に基づくものが多かった。昆明チームのアプローチは全く異なる。彼らは、APUの運転ポイント（回転数とトルクの組み合わせ）を、あらゆる可能性を含む「解空間」として捉え、その中から最良の運転曲線を発見するという、マクロな視点に立った。
この探索のためのツールが、改進型メクラヤナギ最適化アルゴリズム（IMA）である。メクラヤナギ最適化アルゴリズム（MA）は、メクラヤナギの雄が群れをなし、雌が最も優れた雄を選ぶという繁殖行動を模した生物模倣アルゴリズムだ。アルゴリズム内では、多数の「メクラヤナギ個体」が解空間を飛び回り、それぞれがAPUの一つの運転条件（解）を表す。これらの個体は、自身の過去の最良条件（自己学習）や、群れ全体の最良条件（グローバル学習）に向かって移動し、同時にランダムな「ダンス」を行うことで、局所的な最適解に捕らわれず、広い範囲を探索する。昆明チームの革新は、このアルゴリズムの「自己学習係数」と「グローバル学習係数」を、探索の進行に応じて動的に変化させる点にある。探索の初期段階では、自己学習係数を高くして、個体が自身の最良条件に強く引き寄せられず、広範な探索（グローバルサーチ）が可能になる。一方、グローバル学習係数は低く保たれ、群れ全体の最良条件への過剰な集中を防ぐ。探索の後期段階になると、自己学習係数は低下し、個体は自身の最良条件を精緻に探求する。同時に、グローバル学習係数は上昇し、群れ全体が見つけた最良の解に迅速に収束する。この動的な調整により、IMAは従来のMAよりもはるかに効率的に、広大な解空間を探索し、真の最適解に到達することができる。
研究チームは、このIMAを用いて、軽量トラックを対象に、燃料消費、一酸化炭素（CO）、窒素酸化物（NOx）、炭化水素（HC）の排出、発電機のエネルギー変換損失、そしてバッテリーの劣化（絶対アンペア時数で評価）という6つの指標を同時に最適化する大規模なオフラインシミュレーションを実施した。その結果、従来の「最低燃料消費曲線」とは異なる、全く新しい「最適運転曲線」が導き出された。この曲線の特徴は、低回転・低負荷領域では、従来の曲線よりも高いトルク（出力）で運転することを示している。一見、効率が悪そうに見えるが、これはバッテリーを短時間で素早く充電し、APUの総稼働時間を短縮することで、結果として総合的な排ガスを削減するための戦略である。逆に、高回転・高負荷領域では、出力をやや抑制することで、エンジン内部の燃焼が悪化してNOxが急増するゾーンを避けている。このように、IMAは単一の指標ではなく、システム全体のバランスを取った、人間の直感では思いつかないような「賢い」解を発見したのである。
しかし、この複雑な最適曲線をリアルタイムで実装するのは現実的ではない。そこで研究チームは、二段階のアプローチを採用した。第一段階でIMAが見つけた最適曲線を基に、低（11kW）、中（20kW）、高（36kW）の三つの運転ポイントを設定した。第二段階として、これらのポイントをいつ、どのように切り替えるかを制御する「ファジィコントローラー」を開発した。このコントローラーは、車両の要求出力（Preq）とバッテリーの充電状態（SOC）の変化率という二つの入力パラメータを受け取り、APUが現在の運転ポイントを「最低何秒間」維持すべきか（最小保持時間）を判断する。例えば、バッテリーが急速に充電され（SOCの変化率が大きい）かつ要求出力が大きい場合、過充電を防ぐため、APUは次の低負荷ポイントに速やかに切り替える必要がある。ファジィコントローラーは、このような状況を「NB（負大）」や「PM（正中）」といった言語ルールで判断し、適切な保持時間を出力する。この制御により、APUは要求出力に盲目に追随するのではなく、バッテリーの状態を考慮した上で、三つの最適ポイントを効率的に切り替えることができる。
この新戦略の真価を検証するために、研究チームは、世界で最も現実の運転に近い「WLTP（Worldwide harmonized Light vehicles Test Procedure）」サイクルを用いた、MATLAB/SimulinkとCRUISEによる共同シミュレーションを実施した。その結果は圧倒的だった。まず、燃料効率では、従来のパワーフォロー方式と比較して、比燃料消費量が8.328g/(kW·h)も削減された。これは実用上、顕著な経済効果をもたらす。排ガスにおいても、NOx、CO、HCの合計排出量が、サーモスタット方式とパワーフォロー方式の両方を上回る優れた結果を記録した。最も注目すべきはバッテリーへの影響だ。従来のサーモスタット方式では、APUが常に高出力で稼働するため、バッテリーは過充電の危険にさらされ、その劣化を示す「絶対アンペア時数」は非常に高くなった。一方、パワーフォロー方式では、バッテリーへの負担は最小限に抑えられたが、エンジン効率が犠牲になっていた。昆明チームの新戦略は、この両者の間を巧みに取る。絶対アンペア時数はパワーフォロー方式ほどではないが、サーモスタット方式と比べて大幅に低減され、バッテリー寿命を適切に延ばすバランスを実現した。
最終的な評価として、燃料効率、各排ガス、バッテリー劣化の各指標を重み付けして統合した「総合評価指標」を算出した。その結果、新戦略は、サーモスタット方式に対して16.2%、パワーフォロー方式に対して7.8%の総合性能向上を達成した。これは、単なる微調整ではなく、システム全体の最適化がもたらした飛躍的な進歩を示している。
この研究の意義は、一つのアルゴリズムの改良にとどまらない。それは、自動車開発のパラダイムシフトを象徴している。かつては、エンジン、モーター、バッテリーを個別に最適化し、それを単純に接続する「部品最適化」の時代だった。しかし、電動化が進む現代では、これらの部品が密接に連動する「システム最適化」の時代が到来している。昆明理工大学の研究は、この流れを先導する好例である。複雑なアルゴリズムを用いてシステム全体を俯瞰し、人間の設計者が見落としがちな最適解を発見する。これは、今後の自動車開発、特にHEVやPHEV、R-EEVのような複合動力システムにおいて、不可欠なアプローチとなるだろう。また、学術界（昆明理工大学）と産業界（昆明雲内動力）との緊密な連携も、この研究が現実の車両に応用可能な実用性を持っていることを示しており、理論と実践の架け橋となっている。
結論として、孫雲祥氏らの研究は、増程式電動トラックの性能限界を押し上げただけでなく、次世代モビリティの設計思想に新たな地平を切り開いた。彼らの「メクラヤナギ」は、自動車の頭脳をより賢く、より持続可能なものにするという、静かなる革命を進行中なのである。
孫雲祥，王貴勇，王偉超, 等. 運用改进蜉蝣算法的增程式电动汽车能量管理策略研究[J]. 机械科学与技术，2024，43（8）： 1437-1446，DOI：10.13433/j.cnki.1003-8728.20230067