48伏轻度混合动力城际公交车的综合仿真与现场分析：KSG主动模式建模及主动-被动性能对比 Aysima P??ak Ada? 和 Engin Ay?i?ek

《Energies》：Integrated Simulation and Field Analysis of a 48 V Mild-Hybrid Urban Bus: KSG Active-Mode Modeling and Active–Passive Performance Comparison Aysima P??ak Ada? and Engin Ay?i?ek

　　摘要 本研究对一款配备曲轴起动机-发电机（CSG，在德语术语中称为KSG）的48伏轻度混合动力城市公交车的实际性能进行了评估，并对其KSG主动模式进行了基于模型的验证。这款17.8吨的Euro VI测试车辆使用了一个160法拉的超级电容器模块，该模块在38-52伏的直流/直流转换器电压窗口内工作（约40瓦时的可用能量），以缓冲在停车-起步工况下的瞬态高功率事件。通过重复的0-50-0公里/小时加速循环（每种模式15次测试循环），进行了受控的A/B比较（KSG主动模式 vs KSG被动模式）。车辆CAN信号通过数据记录器记录，并在Vector vSignalyzer 19.0中进行分析。现场结果显示，燃油消耗减少了17.1%（从32.21升/100公里降至26.70升/100公里），平均内燃机功率需求减少了30.4%（从58.90千瓦降至40.99千瓦）。此外，还开发了一个MATLAB/Simulink R2020a纵向动力学数字孪生模型，并仅针对KSG主动模式与20赫兹CAN测量数据进行了验证，关键变量的均方根误差（NRMSE）低于5%。这些发现应被视为在可重复的测试轨道条件下的受控同车比较，而不是作为认证级别的车队级基准。

1. 引言
城市公共交通系统面临着双重压力：严格的温室气体法规以及运营成本限制。虽然全电池电动公交车承诺零尾气排放，但它们受到高牵引电池成本、在重负荷工况下的运营范围限制以及充电基础设施需求的制约。在这种情况下，48伏轻度混合动力系统可以在显著降低复杂性和成本的同时提供实质性的效率提升，代表了近期车队脱碳的实际过渡技术[1]。轻度混合动力系统的架构对其在瞬态重负荷工况下的有效性有很大影响。在常见的配置中，P1拓扑结构中的曲轴起动机-发电机（CSG）比皮带驱动的P0系统提供了更稳固的机械扭矩路径[2,3]。先前的研究表明，P0架构受到皮带柔顺性和滑移损失的限制，这会在快速瞬态过程中降低扭矩传递效率，而P1系统则提供了直接耦合，最小化了扭转变形，并能够在典型重负荷操作中的高惯性启动事件期间实现精确的扭矩干预[2]。这种刚性耦合还有助于在停车-起步驾驶过程中调节曲轴负荷波动，并在瞬态操作期间支持更响应迅速的扭矩干预。

在重负荷停车-起步应用中，能量存储的选择同样关键。传统的48伏轻度混合动力设计经常使用锂离子电池，其充电接受限制可能会在强烈的再生制动和反复的停车-起步事件中限制能量回收[2]。超级电容器具有高功率密度和快速响应能力，更适合捕捉与重型车辆相关的短时高功率制动爆发[4,5]。最后，准确量化轻度混合动力的优势需要建模来解决瞬态惯性负载问题：基于地图的稳态方法可能低估了与重型循环中的加速度峰值相关的燃油惩罚，因此需要明确表示车辆惯性和电阻力的纵向动力学模型[6]。尽管关于混合动力传动系统的研究越来越多，但基于全面现场数据的关于重型城市公交车中曲轴起动机-发电机运行的研究仍然有限。特别是，在相同车辆平台上在受控和可重复条件下直接比较KSG主动模式和KSG被动模式的文献记录不足。此外，许多已发表的研究主要依赖于基于模拟的评估或标准化循环，这些方法并没有明确隔离KSG激活在反复停车-起步事件中的增量贡献。这样的方法对于初步评估很有价值，但它们并不总是能够捕捉到基于真实CAN的车辆操作中观察到的信号变化、控制交互和瞬态扰动结构。

因此，本研究通过基于从48伏轻度混合动力城市公交车收集的同步高分辨率CAN数据的受控同车A/B比较，以及对测量到的KSG主动模式信号进行验证的前向纵向动力学模型，填补了这一空白。该项工作的主要贡献有三个方面：（i）在可重复的停车-起步条件下，对同一重型平台上的KSG主动和被动运行状态进行实际车辆比较；（ii）对其对发动机负荷、扭矩相关行为和燃油消耗相关指标的影响进行定量评估；（iii）使用基于现场数据的仿真框架来解释混合动力辅助操作中观察到的主要瞬态趋势。

2. 材料与方法
2.1. 48伏P1轻度混合动力架构
所用测试车辆是一款配备48伏P1轻度混合动力动力系统的17.8吨城市公交车[7,8]。系统拓扑结构如图1所示。图1展示了安装了曲轴起动机-发电机（KSG）的48伏P1轻度混合动力动力系统的系统架构。该架构包括一个双向24伏/48伏直流/直流转换器，它将传统的24伏车载电气网络与48伏混合动力公交车连接起来[9]。电能由一个160法拉的超电容器模块在受控的直流电压窗口内缓冲，以确保在瞬态负荷条件下的稳定功率输出。一个三相直流/交流逆变器将48伏直流母线与安装在曲轴上的起动机-发电机（KSG）接口。

在重型应用中，基于超级电容器的能量存储单元特别适用，因为主要的混合动力事件持续时间短但功率需求高，例如启动辅助、再生制动和重启相关瞬态。在这种操作背景下，超级电容器主要作为短期功率缓冲器，而不是长期能量来源。从操作角度来看，48伏子系统可以通过少量的重复能量流动阶段来解释。在制动过程中，动能通过KSG以发电机模式转换并通过逆变器传递给超级电容器模块。在启动和短加速事件中，存储的48伏电能通过逆变器返回，以在曲轴处提供扭矩支持。在某些条件下，内燃机（ICE）也可以通过发电机操作间接为48伏存储单元充电，而传统的24伏系统则负责供应传统的低压车辆负载并确保辅助系统的连续性。这种基于阶段的解释表明，所研究的架构主要是为了瞬态功率缓冲而优化的，而不是为了持续的电动推进。

在P1配置中，KSG与内燃机（ICE）的曲轴直接机械耦合[2,8]。这种机械集成实现了以下功能：在加速过程中的扭矩辅助，其中电动机能补充燃烧扭矩，以减少瞬时发动机负荷并改善启动响应；在减速过程中的再生制动，允许通过发电机操作回收动能并暂时存储在超级电容器模块中；在停车-起步操作中平滑曲轴级别的瞬态负荷波动。从动态功率流的角度来看，内燃机与KSG之间的交互可以解释为作用在曲轴上的扭矩分量的叠加。电动机能引入一个可控的扭矩项，根据驾驶阶段的不同，这个扭矩项可以增加或减少燃烧扭矩。在加速过程中，额外的电动扭矩减少了所需的燃烧扭矩梯度，可能降低峰值燃油喷射需求并平滑发动机负荷变化。在减速过程中，扭矩符号反转，从而在回收动能的同时增加有效的发动机制动。

这种双向扭矩能力改变了轴级别的瞬态扭矩平衡方程，特别是在重型车辆典型的高惯性启动条件下。由于车辆质量和旋转惯性产生了显著的瞬态负荷要求，即使是适度的电动扭矩贡献也会影响发动机速度变化的速率以及机械领域和电气领域之间的功率分配。因此，P1架构直接影响通过传动系统传递的瞬时牵引力。此外，P1拓扑的刚性曲轴耦合特性确保了扭矩干预没有中间柔顺性损失，从而提高了混合动力辅助功能的响应性[10]。这种机械刚性在需要快速扭矩调节的重复0-50-0公里/小时瞬态循环中尤为重要。因此，这种电机械组合不仅作为一个辅助能量缓冲器，还在传动系统级别作为瞬态负荷管理中的主动元素。

图1展示了系统架构以及主要48伏组件（双向24/48伏直流/直流转换器、160法拉超电容器模块、三相逆变器和安装在曲轴上的KSG）在一个紧凑的模块化组件中的物理集成。

2.2. 48伏动力电子设备的物理集成
集成到车辆底盘中的48伏子系统的物理布局如图2所示。该组件包括三个主要单元：（i）双向24/48伏直流/直流转换器（DC48），（ii）三相逆变器（CSAI），以及（iii）超级电容器模块（PS48）。这些组件通过专用安装点安装在共享的结构框架上，以提供机械坚固性并在重负荷操作条件下改善振动隔离。高电流铜母线和屏蔽电源电缆将各个单元连接起来，以实现低阻抗的双向功率传输。

2.3. 运行策略和控制逻辑（KSG主动模式 vs 被动模式）
为了量化曲轴起动机-发电机（KSG）的机械和能量贡献，评估了48伏P1轻度混合动力系统的两种不同配置下的运行行为。这两种配置分别称为KSG被动模式和KSG主动模式。

2.3.1. KSG被动模式（基线配置）
在被动模式下，KSG的扭矩辅助和再生功能被禁用。仅靠内燃机（ICE）提供满足车辆纵向力平衡所需的牵引扭矩：
??trac=?????????????+??rolling+??aero+??grade (1)
其中 ??grade =??????sin??? 表示道路坡度造成的纵向负荷分量。
在这种配置下：
ICE提供全部推进扭矩需求。
加速过程中不提供任何电动扭矩贡献。
48伏子系统在推进支持中保持电气不活跃状态。
因此，发动机在加速阶段以更高的瞬时扭矩水平运行，并在瞬态城市驾驶条件下经历更大的负荷波动。这种模式作为A/B比较的机械基线。

2.3.2. KSG主动模式（混合动力辅助配置）
在主动模式下，KSG在车辆能量管理系统（EMS）内集成的监控控制逻辑下双向运行。操作策略包括两个主要功能：
(a) 加速过程中的扭矩辅助
当正牵引需求超过校准阈值时，KSG直接向曲轴提供额外的扭矩。由此产生的发动机扭矩需求变为
??ICE,eff=??demand???KSG (2)
其中：
??ICE,eff 是有效的ICE扭矩；
??demand 是所需的总扭矩；
??KSG 是电动机提供的辅助扭矩。
这种扭矩共享机制减少了峰值ICE负荷，缓解了快速扭矩瞬态，并将发动机运行点转移到更有利于效率的区域。从纵向动力学的角度来看，这导致：
减少高发动机负荷事件的暴露，并在重复启动期间平滑扭矩需求；
降低平均发动机机械功率；
更平稳的加速曲线。
(b) 减速过程中的再生制动
在减速阶段，当车轮扭矩变为负值时，KSG作为发电机运行。来自传动系统的机械能被转换为电能并存储在超级电容器模块中。再生功率可以表示为
??regen=??KSG·??eng (3)
这个过程减少了摩擦制动需求，并实现了车辆动能的部分回收：
????=12??????2 (4)
城市停车-起步操作提供了频繁的减速事件，使得再生功能在这种应用中特别有效。

2.3.3. 负荷平滑和瞬态行为
主动混合策略的一个关键机械效果是在曲轴处平滑负荷。通过在加速过程中吸收高瞬态扭矩需求并在减速过程中充电，KSG减少了ICE扭矩波动的幅度。这种负荷平衡效果表现为：
平均发动机负荷百分比降低；
基于距离的燃油消耗减少；
轴速度峰值波动减小；
传动系统操作的机械稳定性提高。
因此，被动模式和主动模式之间的比较 isolate 了混合动力系统对以下方面的影响：
发动机扭矩曲线；
发动机机械功率；
燃油消耗率；
基于距离的燃油消耗。

2.3.4. 能量管理约束
辅助和再生能力受到以下限制：
超级电容器的充电状态（SoC）限制；
48伏直流母线电压窗口；
最大允许的KSG扭矩；
逆变器和电力电子设备的热限制。
在这些限制范围内，能量管理系统在高瞬态需求期间优先考虑扭矩辅助，在减速期间进行再生。基于CAN的数据采集与分析方法

实验数据收集于2025年4月18日在土耳其安卡拉进行的受控车辆测试活动期间。车辆数据通过集成在测试车辆中的外部CAN数据记录器获取。该数据记录器直接连接到车辆的控制器局域网（CAN）总线上，从而能够收集发动机控制单元（ECU）、能量管理系统（EMS）及相关传动系统控制模块传输的信号。在数据采集过程中，所有记录的时间戳都与通过里程计系统获得的GNSS参考时间源对齐。这一共同的时间参考被用来在后期处理和比较之前同步来自CAN的变量。测试后的一致性检查未发现可观察到的时间漂移、样本缺失或信号间不匹配的情况。这种同步策略尤为重要，因为所评估的变量来自多个在CAN网络上具有不同传输行为的控制单元。使用基于里程计的共同时间参考，可以在CANalyzer和Vector vSignalyzer 19.0（德国斯图加特Vector Informatik GmbH）以及MATLAB/Simulink R2020a（美国马萨诸塞州纳蒂克The MathWorks, Inc.）中进行负载、速度、轴速和燃油相关变量之间的直接信号对比。

数据记录在一个没有交通信号灯干扰的封闭测试轨道上进行，以隔离传动系统效应与城市交通变化的影响，同时保持可重复的操作条件。尽管选定的路线是为了进行受控测试，但该路线的局部坡度变化有限，因此并不是完全平坦的。每种操作模式都使用了相同的车辆、驾驶员和测试设施，在15次重复的测试循环中进行了测试。一个典型的循环包括在起点处静止10秒，加速至50公里/小时，随后是一段恒速行驶，继续行驶至预定的标记点，然后减速/制动返回停止区域，接着在下一个循环前再次静止10秒。KSG被动模式和KSG主动模式都采用了相同的循环结构，以确保A/B评估的可比性。每个测试场景大约包含710秒的行驶时间。重复测试结构用于支持循环聚合的匹配条件对比，并减少个别测试偏差的影响。

总的来说，实验活动共包含了30次重复的测试循环，其中KSG被动模式15次，KSG主动模式15次。重复使用相同的路线结构和操作顺序的目的是为了最小化不受控制的变量差异，并为在匹配测试条件下的直接模式间对比提供坚实的基础。为了在对比过程中减少不受控制的辅助负载变化，整个测试活动期间都关闭了暖通空调（HVAC）系统。车辆在无乘客的情况下运行；然而，为了在受控和可重复的条件下模拟乘客载荷，添加了沙袋作为压载物，使得总测试质量约为17,820公斤。使用固定压载质量而不是变化不定的乘客载荷，是为了消除重复测试之间的载荷相关变异，从而确保主动-被动对比的基础是可控且可重复的。

本研究并不是按照WLTP或SORT等标准化周期的认证类型评估设计的。虽然这些协议对于跨车辆认证至关重要，因为它们涵盖了城市、郊区和高速公路的多种条件，但这里的目标不同：是在匹配和可重复的条件下，孤立研究KSG激活对同一车辆平台的增量效应。因此选择了重复的0–50–0公里/小时加速-减速-停止的测试计划，因为它能够直接和可控地观察启动辅助、再生制动响应以及代表密集城市公交服务的瞬态运行下的曲轴级载荷平滑效果。与WLTP或SORT等标准化协议相比，所选的测试协议覆盖了更广泛的城市、郊区和高速行驶动态组合。因此，所选的测试协议应该被解释为一种受控的瞬态对比，旨在隔离KSG相关的启动辅助和回收效果，而不是作为认证周期性能的直接替代。

记录的原始CAN数据随后使用CANalyzer和Vector vSignalyzer 19.0（德国斯图加特Vector Informatik GmbH）进行解码、同步和分析。在vSignalyzer环境中：

- 原始CAN消息使用DBC文件解码为物理单位；
- 验证了时间同步；
- 过滤掉了噪声和无效数据点；
- 对相关信号进行了图形和数值上的检查。

分析中使用的主要CAN信号包括：
- ActualEngPercentTorque（%）；
- ActMaxAvailableEngPercentTorque（%）；
- EngFuelRate（升/小时）；
- EngTotalFuelUsed（升）；
- TachographVehicleSpeed（公里/小时）；
- TachographOutputShaftSpeed（转/分钟）；
- HighResolutionTotalVehicleDistance（公里）。

在vSignalyzer中进行预处理和信号验证后，处理后的数据集被导出为Excel格式，准备在MATLAB/Simulink环境中进行后续分析和模型验证。

这种多阶段的数据处理工作流程确保了对以下方面的可靠表征：
- 在受控瞬态驾驶条件下的内燃机（ICE）负载行为；
- KSG主动模式和被动模式配置之间的差异；
- 燃油消耗特性；
- 输出轴速度和重建的机械功率特性。

2.5. 燃油消耗计算和交叉验证

由于车辆上的累积燃油计数器以0.5升为步长增加，因此主要是通过数值积分瞬时燃油速率信号来评估周期级的燃油消耗。积分值是通过在分析的周期窗口内对20赫兹的基于CAN的燃油速率信号进行离散时间数值积分得到的，而累积燃油计数器作为周期级的独立一致性检查被保留下来。0.5升的累积计数器分辨率和20赫兹的瞬时燃油速率更新率是车辆车载CAN/ECU报告架构的固定属性，因此在本次现场测试设置中不可调整。在分析的运行中，积分估计值与累积计数器之间的差异在被动模式下限制在4.1%，在主动模式下限制在7.3%，这对于匹配条件下的对比解释来说是足够的，尽管不相当于认证级别的燃油计量。表1中报告的相对偏差是基于未四舍五入的周期积分燃油值计算得出的；表中显示的燃油量已四舍五入以便于展示。

表1. 累积燃油计数器与积分燃油速率估计之间的交叉验证。积分燃油量是根据以下公式计算的：??int=∫??0˙???(??)3600????（5），其中˙???(??)表示瞬时燃油速率信号（单位：升/小时），T是周期持续时间（单位：秒）。

尽管本次测试设计是受控的，但仍存在几个实验不确定性的来源。这些包括累积燃油计数器的有限分辨率、跟踪瞬态计划时的残余运行间变异性、可能的局部道路坡度效应，以及未测量的环境影响因素，如环境温度条件。因此，该研究强调在匹配条件下的KSG操作模式间的对比分析，而不是对所有真实城市服务条件的绝对概括。相应地，重复的周期数据集应该被解释为在匹配测试条件下的重复性描述性支持，而不是作为群体级别统计推断的基础。

2.6. 车辆和48伏轻度混合动力系统参数

纵向车辆模型被参数化，以反映17.8吨Euro VI城市巴士测试平台的实际运行条件。计算道路负载力和传动系统牵引需求所需的关键物理和几何量在表2中总结。模型中实现的相应48伏P1轻度混合动力子系统规格（电动机的限制、能量缓冲区和功率-电子接口）列在表3中。除非另有说明，所有参数在模拟过程中都视为固定输入。

表2. 纵向动态模型中使用的主要车辆参数。
表3. 模型中实现的48伏P1轻度混合动力子系统的技术规格。

如表2所示，道路负载模型结合了滚动阻力（????）、空气动力阻力（????和????）和传动比（????），以估计参考速度轨迹上的牵引需求。这些量直接影响瞬时轮载要求，从而影响两种KSG操作模式下的发动机扭矩需求。表3中的混合动力参数定义了可通过额定电动机功率和可用超级电容器能量窗口提供的电动辅助和再生能力，而DC/DC转换器和逆变器则描述了24伏母线和48伏总线之间的功率流接口。

3. 结果

由于比较的测试循环是在可重复但不完全相同的加速-减速-停止计划下执行的，平均速度和覆盖距离略有不同，因此使用L/100公里的标准化燃油指标作为主要对比基础，而绝对燃油体积仅作为次要的一致性检查。

3.1. 周期动态和重复性验证

比较分析的有效性在很大程度上取决于所应用驱动循环的重复性。为了验证这一点，对车辆的运动状态进行了时间序列分析。车辆速度是根据记录的遥测数据重建的，并进行了时间同步，以便直接比较驾驶轨迹。

如图3所示，KSG主动模式（红色）和被动模式（蓝色）的速度曲线在大约710秒的测试期间表现出一致的动态行为。该计划包括重复的加速-减速过程，峰值速度约为50公里/小时。观察到的总行驶距离（6.21公里 vs 5.61公里）的差异归因于现场引起的操作变异性以及驾驶员手动跟踪参考瞬态速度曲线的微小差异。为了确保尽管存在这种变化仍能进行客观的性能评估，所有燃油和能量指标都以距离标准化的指标报告（例如，L/100公里）。使用归一化均方根误差（NRMSE）量化了循环的相似性，定义为NRMSE=RMSE??max???min×100%（6），其中??max和??min表示评估窗口内测量参考信号的最大值和最小值。运行的高运动相似性由3.2%的速度曲线NRMSE得到确认。

3.2. 传动系统动态和输出轴分析

如图4所示，KSG主动模式（红色）和KSG被动模式（蓝色）下的输出轴速度曲线在整体周期结构上表现出强烈的一致性，表明两次运行之间的运动需求是可比的。这种结构一致性得到了2.8%的NRMSE的支持，验证了主动-被动性能比较的方法论基础。

图4. 测试窗口内KSG被动模式（蓝色）和KSG主动模式（红色）的输出轴速度曲线（NRMSE = 2.8%）。在瞬态事件期间出现了显著的动态差异。KSG主动模式显示出较低的高频旋转速度波动和更平滑的加速梯度，与被动配置相比。具体而言，KSG主动模式在加速阶段表现出更小的短时轴速波动，表明在混合动力扭矩支持下的传动系速度波动得到了减弱。这种行为与KSG系统的闭环扭矩辅助一致，后者可以在高需求事件期间减弱瞬态负载波动。

表4总结了两种测试场景的周期级统计信息。总的测试持续时间几乎相同（约710秒），确保了可比较的时间窗口。平均车辆速度和总距离的差异反映了跟踪瞬态计划时的运行间变异性，也可能受到加速阶段扭矩辅助响应的影响。尽管存在这些差异，循环的瞬态结构仍然保持一致，允许对相对于行驶距离的能量管理性能指标进行稳健的评估。

3.3. 发动机负载分布和运行状态分析

为了表征KSG系统对发动机加载的影响，使用CAN总线信号ActualEngPercentTorque（每20赫兹采样一次）来评估扭矩需求。为了提高趋势的可读性，应用了1秒移动平均滤波器（窗口长度：20个样本）。除非另有说明，报告的统计数据是基于过滤后的信号在整个周期内计算的。图5显示了KSG被动模式（蓝色）和KSG主动模式（红色）的结果时间历史。周期级别的统计数据显示，在KSG辅助下，运行状态有所下降。周期平均扭矩需求从30.1%（被动模式）下降到26.7%（主动模式）。此外，超过80%阈值的时间比例从13.9%（被动模式）下降到3.9%（主动模式），相当于高需求暴露减少了72%。这些指标是直接从时间序列中使用基于阈值的停留时间计算得出的。

这种高需求操作的减少与加速过程中的瞬态扭矩支持一致，后者减轻了内燃机上的短时负载峰值，并促进了在中等需求区域中的运行[11]。此外，还检查了两种操作模式下的最大可用发动机百分比扭矩（ActMaxAvailableEngPercentTorque）。如图6所示，KSG主动模式下的数值明显较低，并且存在间歇性的下降趋势，接近零，这表明在某些时间段内电动机承担了大部分牵引需求，而发动机的输出扭矩远低于其最大扭矩能力。循环平均值从66.7%（被动模式）下降到59.6%（主动模式），减少了10.6%。这种行为与上述的负载平滑效果一致，进一步证明了KSG系统在瞬态城市行驶条件下能够降低发动机的峰值使用率。图6显示了KSG被动模式（蓝色）和KSG主动模式（红色）下最大可用发动机扭矩百分比（ActMaxAvailableEngPercentTorque）的时间历史，展示了混合动力辅助下发动机扭矩利用率的降低。

3.4. 瞬时燃油速率（EngFuelRate）
瞬时发动机燃油速率是通过CAN信号EngFuelRate来评估的，该信号以升/小时（L/h）为单位报告内燃机的燃油流量。这一参数能够高分辨率地反映整个驾驶循环中的燃油使用强度，并且可以在时间积分时计算出累计燃油消耗量。图7比较了KSG被动模式和KSG主动模式下的瞬时燃油速率时间历史。在整个测试周期中，KSG被动模式的平均燃油速率为9.75 L/h，而KSG主动模式的平均燃油速率为8.19 L/h，减少了16.0%。这种降低在瞬态加速和低速转换阶段尤为明显，因为混合动力扭矩辅助减轻了所需的燃烧扭矩，缓解了短时的负载峰值。总体而言，KSG主动模式下的较低时间平均燃油速率与表5中报告的循环级燃油消耗结果是一致的。

3.5. 瞬时燃油经济性分析
瞬时燃油经济性是通过车辆速度（km/h）与瞬时燃油速率（EngFuelRate, L/h）的比率来计算的，从而得出一个以km/L为单位的效率指标。这一时间分辨率的度量方法可以用来检查整个驾驶循环中的速度-燃油使用关系，尤其在启停操作、加速瞬态和准稳态巡航过程中非常有信息量。图8比较了两种操作模式下的瞬时燃油经济性时间历史。应当注意的是，当燃油速率信号接近非常低的值（例如接近怠速或燃油切断时），瞬时比率可能会出现尖锐的峰值，这在数学上放大了km/L的估计值。因此，循环级的比较是基于整个测试周期内的时间平均燃油经济性，而不是基于孤立的峰值。在整个测试周期中，KSG被动模式的平均燃油经济性从4.21 km/L提高到了KSG主动模式的4.49 km/L，相当于大约6.7%的改善。这种改善与KSG在启停操作中的瞬态辅助作用是一致的。

3.6. 瞬时发动机扭矩
为了量化参考驾驶循环内内燃机（ICE）所承受的实时燃烧扭矩需求，评估了瞬时发动机扭矩。扭矩信号来自车辆的CAN测量数据，并对两种操作模式进行了统一的后处理。图9显示了KSG被动模式（蓝色）和KSG主动模式（红色）下参考驾驶循环内瞬时ICE扭矩的时间历史。在KSG被动模式下，ICE的平均扭矩为426.9 N·m，峰值扭矩为1405.8 N·m。图表显示，在启动和加速过程中，扭矩会出现多次高峰值，表明ICE承担了更多的瞬态推进需求。相比之下，KSG主动模式下的平均ICE扭矩降低了11.2%，峰值扭矩也降低了1334.8 N·m。较低的扭矩水平和缓和的高扭矩波动与混合动力扭矩辅助在瞬态过程中提供部分牵引支持的作用一致，从而平滑了ICE的负载曲线。

3.7. 模型验证
前方纵向动力学模型是根据表2和表3中详细的技术规格和物理车辆常数预先参数化的。为了保持数字孪生的物理完整性并测试其预测能力，没有针对特定案例对道路负载系数（如空气动力阻力或滚动阻力）进行后校准或经验性“调优”。

验证的重点放在KSG主动模式下，以验证系统在混合动力辅助下的性能。模型在复现动力总成动态方面的定量准确性总结在表6中。仿真的高保真度通过所有主要动力总成变量的归一化均方根误差（NRMSE）保持在5%以下得到证明。表6显示，模型成功捕捉到了现场观察到的主要纵向负载机制和瞬态功率加载行为。扭矩和功率指标的微小差异主要是由于集总参数建模假设和CAN采集链的固有离散化效应造成的，这些因素并不影响分析的循环级有效性。在验证的变量中，发动机扭矩的相关性最低（R2=0.94），这与CAN报告的扭矩是一个间接估计值有关，因此更容易受到量化效应、附件负载瞬态和高频噪声的影响，相比纯运动学变量（如速度或距离）来说更为敏感。

3.8. 对比分析
在受控的启停计划下，KSG主动模式下的运行与相应的被动模式相比，平均发动机负载更低、平均发动机扭矩更低、归一化燃油消耗也更低。按距离标准化计算，燃油消耗量从32.21 L/100 km降低到了26.70 L/100 km，提高了大约17.1%。由于比较的测试是在同一辆车上、相同的封闭赛道上进行的，且持续时间几乎相同，这些结果应被视为受控的对比结果，而不是认证级别的数据。17.1%的燃油节省量与现有文献中的结果（表7）相当，其中皮带驱动（P0）系统由于皮带柔性的限制而降低了瞬时扭矩输出[10]。

3.9. 用于验证的仿真框架
为了验证实验观察结果，并能够对48 V曲轴启动发电机（CSG/KSG）系统进行受控评估，在MATLAB/Simulink环境中实现了一个数值模型。虽然现场测量提供了系统行为的直接证据，但基于物理的仿真框架通过隔离关键参数并跟踪那些不总是在现场可测量的能量流变量来支持可重复的分析[9]。该仿真模型代表了重型城市公交车的纵向动力学特性，整合了（i）车辆物理特性、（ii）环境和道路负载假设以及（iii）测量的参考驾驶计划。该模型的目的不是要完全详细地再现所有组件级别的电化学或电磁现象，而是提供一个系统级的数字孪生模型，能够捕捉到现场数据中观察到的主要纵向和动力总成动态。因此，该模型是根据测量的主动模式现场数据进行验证的，并用作本工作范围内的分析和解释工具。具体来说，当前的验证目标是再现KSG主动车辆在相同瞬态驾驶周期窗口内的测量得到的轴速、发动机扭矩、机械功率和累计距离响应。

3.10. 车辆参数和物理约束
在测试活动中没有对道路坡度进行仪器化测量。物理测试路线并不完全平坦，包括局部的上坡和下坡段。因此，道路坡度没有作为测量模型输入被明确参数化，其影响仅通过记录的车辆响应间接体现出来。结果，残余的坡度引起的负载变化可能作为未建模的干扰出现在验证结果中。仿真使用表2中列出的车辆常数进行参数化。旋转质量因子??rot =1.02和重力加速度?? =9.81 m/s2也包含在车辆参数化中。

3.11. 纵向动力学的数学表述
一般的纵向力平衡可以表示为
??trac=?????????Rollingresistance+12??air???????????2?__?__?Aerodynamicdrag+??eq???2(??)?Inertialdemand+????2sin????Graderesistance,
(7)
其中v是车辆速度，??2(??) =?????/?????是纵向加速度。等效质量定义为??eq =??rot ??，以简化方式考虑了传动系统组件的旋转惯性效应。坡度项在通用公式中保留是为了完整性，但在实现的模型中没有作为可测量的时变输入规定。

3.12. 输入数据和模型验证策略
仿真输入是根据测量的驾驶数据得出的，而不是基于合成标准周期（如NEDC或WLTP），确保模拟激励能够反映记录在案的计划中的瞬态特性。CAN总线信号以20 Hz的采样频率在Vector vSignalyzer中获取并进行了后处理。仿真持续时间设定为710.3秒，以匹配分析的驾驶周期段。模型验证是通过将模拟输出与同一驾驶窗口内的基于CAN的实际测量结果进行时间对齐来进行的。比较的重点是直接反映车辆动态响应和动力总成负载的变量，即轴速、发动机扭矩、发动机机械功率和累计距离。一致性是使用RMSE、NRMSE和基于相关性的指标在时间对齐后进行量化的，以便评估模型是否足以准确地再现物理系统的主导瞬态趋势，如图10所示。表10总结了KSG主动模式与被动模式下的实验结果和计算参数。模型输出包括发动机扭矩、轴速/发动机速度、发动机机械功率和累计距离，并与相应的现场通道进行了时间对齐，使用定量误差指标（如RMSE/NRMSE）和相关性指标进行了评估。

3.13. 电气子系统建模
为了在低计算负担下模拟48 V混合动力架构内的能量流动，电气子系统使用了在初始化脚本中参数化的零阶等效电路模型。48 V总线处的净电气功率计算为KSG电磁功率和辅助负载之和：
??elec=??KSG+??acc, (11)
其中??acc表示假设的恒定车载附件需求，在当前模拟中设定为4000 W。超级电容器组通过一个电容（开路）电压??OCV与内阻??int串联来建模。存储电流??ess是通过在端子处强制执行瞬时功率平衡来获得的：
??ess=??OCV??ess ???int??2ess, (12)
选择了物理上可接受的根值以确保??ess和实数值解的连续性，即??2OCV ?4??int??elec ≥0。正值??ess表示放电（功率输出），而负值表示再生操作中的充电。然后使用?????/????? =??ess/??sys从存储电流更新超级电容器的能量状态，其中??sys代表电容器组的等效电容。模型中包含了一个状态变量来表示能量存储条件，以保持辅助和回收事件期间的瞬态功率流动一致性；然而，详细的电化学老化和热效应超出了本文的研究范围。在当前研究的范围内，重点不是详细的SOC（剩余容量）、效率或损耗分解，而是验证KSG主动车辆模型是否能够根据基于CAN的瞬态响应进行验证。未来的工作将扩展这一框架，以进行面向能量状态的比较，包括与SOC（系统状态）相关的行为以及更详细的电气转换损失评估。这种表述方式能够动态追踪在瞬态城市运行条件下的电压和能量变化（其中??uc =12???sys???2）。纵向动力学和电气子系统的数学模型已经使用MATLAB/Simulink集成到一个统一的仿真环境中，如图11所示。这种块图架构能够同时评估车辆的动力学响应以及在真实驾驶约束条件下配备KSG（超级电容器组）的动力总成的相关功率/能量流动。图11展示了在Simulink环境中实现的集成纵向动力学和KSG子系统模型的块图，其中星号（*）表示乘法运算。仿真框架被配置为生成与可用CAN总线遥测数据一致的时间序列输出，为后续通过时间对齐的信号对比进行的验证阶段提供了基础。关于KSG主动模式和被动模式之间的更广泛的基于模型的比较，包括更详细的动力总成状态重建，将留待未来的工作进行。在仿真过程中监测的关键变量包括：车辆速度（v，公里/小时）和加速度曲线；发动机扭矩（??eng，牛顿·米）和机械功率（??eng，千瓦）；传动系统转速（例如，发动机/输出轴转速，转/分钟）；累计行驶距离（公里）。这些输出使得数字孪生模型与实物测试车辆之间能够直接进行比较，从而支持评估模型再现控制测试期间观察到的瞬态行为的能力。为了验证，数字孪生模型使用了实际测量的参考速度曲线??ref?(??)进行驱动，相应的加速度计算为??ref?(??) =??????????ref?(??)。模拟的响应——即瞬时发动机扭矩（??eng，牛顿·米）、输出轴转速（??sh，转/分钟）和发动机机械功率（??eng，千瓦）——与相应的CAN信号在相同的时间基础上进行了时间对齐。这种配置通过直接将模拟轨迹和测量轨迹叠加在同一城市驾驶窗口上来实现瞬态级别的评估。在目前的工作中，电气子系统是作为集总参数、以控制为导向的模型来表示的，而不是作为详细的组件损失模型。因此，转换器开关损耗、详细的逆变器/电机效率图以及温度依赖的电气行为在当前的车辆级模型中没有被明确解决。

3.14. 模型验证：速度跟踪和动态响应
图12展示了瞬时车辆速度的仿真输出。速度曲线再现了参考时间表的典型停-走模式，特征是重复的0–50–0公里/小时的瞬变过程和一致的峰值速度平台。这种高度的一致性表明纵向模型和速度跟踪结构为验证提供了预期的运动学激励。图12. 从仿真中获得的瞬时车辆速度曲线，展示了与参考城市驾驶循环的一致跟踪。与运动学响应并行，模拟的发动机扭矩根据加速度需求而变化。在启动事件期间观察到了明显的扭矩峰值，这反映了重型平台固有的惯性负载。总体而言，结果支持所实现的模型能够捕捉到在施加的驾驶激励下的预期瞬态负载行为。图13展示了输出轴转速的时间域演变。正如从传动系统运动学中预期的那样，该曲线反映了车辆速度轨迹，并随着有效轮径和组合齿轮及最终驱动比的变化而一致演变。图13. 模拟的输出轴转速曲线（??sh），展示了与车辆速度的运动学耦合，并为传动系统工作点评估提供了旋转速度基础。这个旋转速度轨迹定义了整个驾驶周期内的机械工作频率。结合相应的扭矩响应，它确定了用于计算机械功率的瞬时工作点，并支持随后对瞬态操作下发动机负载和效率趋势的评估。图14展示了从瞬时扭矩和旋转速度（方程（8）计算出的模拟发动机机械功率-时间历史。功率需求在停-走驾驶周期的加速阶段出现了明显且短暂的峰值。这些峰值表明，在重复的启动事件中需要克服车辆惯性所需的额外机械功率，而低功率区间对应于减速和接近空闲的状态。总体而言，该曲线确认了模型能够捕捉到主导城市公交车运行的瞬态载荷特征。图15展示了参考驾驶周期内的模拟瞬时发动机扭矩响应。图15显示了参考驾驶周期内的模拟瞬时发动机扭矩。图16通过数值积分瞬时车辆速度，在仿真过程中获得了累计行驶距离。到参考驾驶周期结束时，总距离约为5.6公里。图16. 通过数值积分速度曲线获得的参考驾驶周期内的累计行驶距离（d）。这种平滑的单调增加表明Simulink环境中的积分和单位转换模块运行一致。这个距离轨迹随后被用来计算距离归一化的性能指标，例如燃料消耗（L/100公里）。为了在KSG主动模式下进行现场-仿真比较和验证，在本节中，使用CANalyzer 15和Vector vSignalyzer 19.0（德国斯图加特Vector Informatik GmbH）预处理的KSG主动模式的CAN信号与MATLAB/Simulink R2020a（美国马萨诸塞州纳蒂克的The MathWorks, Inc.）的数字孪生输出进行了时间对齐，以便在同一驾驶周期窗口内进行信号对比验证。关键变量（输出轴转速、发动机扭矩、机械功率和累计距离）被叠加在一个共同的时间基础上，并使用定量指标（RMSE/NRMSE）进行评估，结果比较以图表形式呈现。

3.15.1. 输出轴转速跟踪的验证
图17比较了从现场记录的CAN遥测数据和开发的Simulink数字孪生模型得出的输出轴转速曲线。模拟的轴转速与整个停-走序列中的测量轨迹高度一致，再现了峰值速度平台和减速到空闲的转换。图17. 在验证周期内测量的（CAN）和模拟的输出轴转速（??sh）的比较。在快速的速度变化期间偶尔会出现小的瞬态偏差，这可能归因于信号离散化、传感器端的过滤以及未建模的传动系统动力学。在突然停止时，模拟轨迹中也观察到了小的欠调，这可能是由于数值积分效应和过滤引起的相位延迟造成的。总体而言，强烈的时间域对应关系表明模型捕捉到了车辆运动与传动系统旋转速度（??sh）之间的主要运动学耦合，为后续的扭矩和功率一致性检查提供了坚实的基础。

3.15.2. 发动机扭矩跟踪的验证
图18比较了从现场记录的CAN遥测数据和开发的Simulink数字孪生模型得出的发动机扭矩曲线。模拟的扭矩（蓝色）与整个验证驾驶周期内的测量轨迹（黄色）在时间域内有很高的吻合度，再现了加速事件期间的峰值负载波动以及减速和停留阶段接近零的扭矩区间。图18. 在验证驾驶周期内测量的（CAN得到的）和模拟的发动机扭矩（??eng，牛顿·米）的比较。强烈的对应关系表明模型捕捉到了主要的纵向负载机制以及在规定的停-走激励下的牵引扭矩需求。CAN得到的信号中的小幅高频波动可以归因于采样/量化效应、传感器端的过滤以及测量路径中的扭矩估计链，这些在集总参数仿真中没有完全体现。总体而言，观察到的吻合度支持了数字孪生模型在扭矩域的准确性，为后续的功率和效率评估提供了可靠的基础。

3.15.3. 发动机功率跟踪的验证
图19比较了Simulink数字孪生模型预测的发动机机械功率与从测量到的扭矩和旋转速度计算出的相应CAN得到的功率（在验证驾驶周期内）。模拟的曲线与测量轨迹在时间域内有很强的吻合度，捕捉到了加速事件期间的主要功率峰值以及减速和停留阶段的低功率区间。图19. 在验证驾驶周期内测量的（CAN得到的）和模拟的发动机机械功率（??eng）的比较。在尖锐峰值和快速加速度变化附近主要观察到了较小差异。这些差异可以归因于CAN信号的采样和过滤、时间对齐的不确定性，以及功率是扭矩和旋转速度的乘积这一事实，这倾向于放大高频波动。总体而言，这种紧密的对应关系验证了模型再现瞬态功率负载行为的能力，为后续的效率和燃料消耗比较提供了坚实的基础。

3.15.4. 累计距离验证和时间基一致性
图20比较了（i）从现场记录的CAN遥测数据得出的累计距离曲线，并将其转换为MATLAB兼容的时间序列格式，以及（ii）在Simulink环境中通过数值积分数字孪生车辆速度输出计算得到的累计距离。两条曲线在整个验证窗口内的紧密重叠表明，仿真模型在驱动周期内再现的总距离与物理测量结果非常一致。图20. 在验证驾驶窗口内CAN得到的（现场）曲线和Simulink数字孪生估计之间的累计距离（d）的比较。总体而言，观察到的对应关系确认了数值积分、单位转换/缩放链和时间基对齐程序在测量和仿真域内的一致性实施。这个经过验证的距离轨迹为后续的距离归一化性能指标（例如，L/100公里的燃料消耗）提供了一个可靠的参考。为了完整性，表8总结了循环级别的指标。主要与循环运动学和驾驶轮廓跟踪相关的指标（平均车辆速度、总行驶距离和平均输出轴速度）被报告出来，但没有给出百分比变化，因为它们反映了每次运行的变异性和循环实现，而不是直接的混合效应指标。表8. KSG主动和被动运行模式的循环级别结果的全面总结。来自分析时间序列的额外描述性统计数据进一步支持了主动模式响应的瞬态解释。在KSG主动模式下，最大发动机扭矩达到了1334.8牛顿·米，中位数发动机扭矩为198.8牛顿·米，最大发动机机械功率约为205千瓦，最大输出轴转速达到了1646转/分钟，最大车辆速度为51公里/小时。平均扭矩值和中位数扭矩值之间的差距表明，该循环主要由低到中等扭矩的运行主导，其间穿插着相对较短的高需求事件。

4. 讨论
4.1. 主动-被动模式比较的解释
在KSG主动模式下观察到的燃料消耗减少17.1%与两种互补机制一致：（i）在加速期间的瞬态扭矩辅助，减少了峰值内燃机负载并将发动机工作点转移到更高效率的区域；（ii）在减速期间的再生制动，通过超级电容器缓冲部分恢复了车辆的动能。时间平均内燃机机械功率减少了30.4%，高负载停留时间减少了72%（循环中超过80%发动机负载的时间比例：从13.9%降低到3.9%），进一步支持了这种负载平滑的解释。

4.2. 与现有文献的比较
如表7所总结的，17.1%的燃料节省与Lampalzer和Lechner [7]报道的P1拓扑结构的节省范围一致（高达16%），并在Zembi等人[8]基于仿真的估计的较低范围内（20–25%）。仿真研究中报道的更高节省可能反映了理想化的控制策略以及没有考虑实际损失，如辅助消耗、热降额和驾驶员变化。与P0架构[2,3]相比，P1拓扑结构由于消除了皮带柔顺性损失而在瞬态扭矩传输方面表现更为优越，这对于17.8吨重型公交车的特性特别有利。尽管混合动力的方向性优势是预期之中的，但本研究的实际重要性在于在受控的现场条件下量化其在真实重型公交车平台上的影响程度。这种对真实公交车运行的关注与之前的路测研究结果一致，这些研究表明混合动力公交车的燃料消耗和排放受到交通模式、平均速度、负载和辅助使用等运行条件的强烈影响[12,13]。因此，本工作的贡献不仅在于确认KSG辅助原则上是有益的，还在于确定它在同一车辆上的主动-被动比较中对燃料相关和负载相关指标的影响程度，这一点通过同步的CAN测量得到了支持。

4.3.超级电容器能量缓冲器的角色与局限性
与基于锂离子的48伏系统不同，本研究中使用的160法拉超级电容器模块具有高瞬间功率能力和出色的充电接受性，这对于频繁的启停过渡和短时间的再生制动事件非常有利。这使得该架构特别适合于城市公交车辆的起步辅助和快速能量缓冲。这种行为与存储单元的预期功能相符，即作为高功率、短时长的缓冲器，而不是高能量储存器：它非常适合用于频繁的起步辅助和再生捕获，但不适合像以电池为主导的混合动力架构那样的长时间辅助。然而，有限的可用能量窗口（约40瓦时）限制了持续电力辅助的持续时间，并可能降低在停车间隔较长、坡度较长或高负载运行时间较长的路线上的有效性。因此，目前的发现应被解释为在以瞬态为主的运行情况下最为显著，在这种情况下，短时间的功率缓冲比长时间的能量供应更为关键。当前的测试协议是有意围绕重复的瞬态启停事件设计的；因此，需要持续电力辅助的较长路线段并未包含在本研究的验证范围内。这一限制对于停车间隔较长或坡度较长的路线尤为重要，在这些情况下，可用的辅助持续时间可能会受到能量限制。此外，由于标准化协议（如WLTP）包括的范围比当前的启停计划更广泛的加速、制动、巡航和高速行驶阶段，混合动力系统在这些条件下的响应可能与此处观察到的行为不同。在这种情况下，电机瞬时扭矩需求、再生电流和存储系统的负载可能会有所不同，因此当前的节油幅度不应被解释为认证周期性能的直接预测指标。

从比较能量存储的角度来看，这也意味着与基于锂离子的48伏系统相比有一个重要的权衡。尽管超级电容器具有出色的充电接受性和瞬态功率能力，但其较低的能量密度限制了电力辅助的持续时间。因此，当前的架构特别适合于频繁的启停城市运行，但不太适合需要长时间辅助、延长发动机关闭时间运行或以长时间坡度为主的应用。针对基于锂离子的存储架构的直接实验基准测试超出了本研究的范围，被认为是未来工作的一个相关方向。在当前的架构中，使用超级电容器而不是锂离子电池在很大程度上缓解了这一限制，这得益于超级电容器显著更高的充电接受能力以及没有锂基电池典型的电化学充电电流限制。然而，回收能力仍然受到直流母线电压窗口、逆变器/超级电容器控制器（KSG）电流额定值和监控控制阈值的影响，这些因素共同决定了所研究运行条件下的有效能量回收上限。

4.4 模型保真度和性能跟踪
Simulink数字孪生模型以低于5%的均方根误差（NRMSE）重现了所有主要变量的KSG主动动力总成行为。在经过验证的变量中，发动机扭矩的相关性最低（R2=0.94）；然而，这是意料之中的。CAN测量路径中的扭矩估计涉及从燃油喷射参数的间接计算，使其本质上更容易受到高频噪声、量化效应和未建模的辅助负载瞬变（例如暖通空调或空气压缩机的激活）的影响，与纯运动学变量（如速度或距离）相比。

4.5 距离差异对归一化指标的影响
总循环距离的10.7%差异（6.21公里对比5.61公里）来源于两个方面：（i）手动跟踪的瞬态计划中的固有运行间变异性；（ii）KSG扭矩辅助与驾驶员踏板调节之间的可能的交互作用，即额外的电动扭矩改变了加速度曲线。尽管存在这种差异，速度曲线的运动学相似性（NRMSE=3.2%）证实了瞬时驾驶需求是相当的。将所有性能指标表示为距离归一化的量（例如，L/100公里）消除了绝对距离偏差，确保了能量上的公平比较。

针对KSG被动模式的专门验证研究将扩展模型范围，并能够在更广泛的运行范围内进行基于模型的主动-被动比较。然而，在当前工作中，数字孪生模型主要是为了重现和验证KSG主动运行中观察到的混合动力辅助瞬态行为而开发的，这是仿真组件的主要焦点。因此，将相同的验证框架扩展到被动模式被认为是下一个相关步骤，而不是当前基于控制的现场比较的先决条件。在本研究中开发的Simulink数字孪生模型仅针对在同一测试活动中收集的KSG主动模式现场数据进行了验证。它作为一个基于物理的 tool，用于解释测量的混合动力辅助瞬态行为，并不声称对所有工作周期或运行条件都经过了全面验证。

除了当前的主动-被动比较之外，经过验证的数字孪生模型还为未来的假设分析提供了一个实用的平台，无需对每种配置进行实物车辆测试。特别是，它可以用来研究不同的超级电容器能量窗口（例如40瓦时对比80瓦时）、不同的传动系统比率或修改后的监控控制设置对燃油消耗和瞬态动力总成行为的影响，在可比的运行条件下。

4.6 局限性和范围边界
在解释结果时应考虑几个限制：
A/B比较是在单一受控测试路线和单一驾驶员上进行的；因此，未评估驾驶员之间的变异性和路线之间的变异性。
该路线没有包括红绿灯中断或混合城市交通互动，因为目标是隔离KSG功能，而不是完整路线的服务复制。
尽管车辆没有在完全空载状态下进行测试，但未评估满载乘客的情况。与乘客相关的载荷是通过沙袋等重物来近似的。
测试期间关闭了暖通空调系统以减少辅助负载的变异性。因此，报告的结果没有包括可变 cabin 热负荷的影响。
环境条件未被作为专门的实验控制变量进行处理，也没有明确测量道路坡度。因此，路线上的有限局部坡度变化可能会导致未建模的不确定性。
累积燃油计数器（EngTotalFuelUsed）的分辨率是有限的；因此，通过数值积分瞬时燃油率信号来交叉检查了循环级别的燃油消耗。
尽管在每种模式下都进行了重复的测试循环，但本文强调的是循环聚合的匹配条件比较。重复测试结构为在所研究的测试条件下的可重复性提供了描述性支持；然而，报告的百分比差异不应被解释为适用于不同路线、驾驶员、车辆或环境条件的统计显著性估计。

数字孪生模型仅针对KSG主动模式进行了验证。由于超级电容器具有显著更高的充电接受能力，并且没有锂基电池典型的电化学充电电流限制，因此它在很大程度上缓解了这一限制。尽管如此，回收能力仍然受到直流母线电压窗口、逆变器/KSG电流额定值和监控控制阈值的影响，这些因素共同定义了所研究运行条件下的有效能量回收上限。

4.4. 模型保真度和性能跟踪
Simulink数字孪生模型以低于5%的均方根误差（NRMSE）重现了所有主要变量的KSG主动动力总成行为。在经过验证的变量中，发动机扭矩的相关性最低（R2=0.94）；然而，这是预期的结果。CAN测量路径中的扭矩估计涉及从燃油喷射参数的间接计算，使其本质上更容易受到高频噪声、量化效应和未建模的辅助负载瞬变（例如暖通空调或空气压缩机的激活）的影响，与纯运动学变量（如速度或距离）相比。

4.5 距离差异对归一化指标的影响
总循环距离的10.7%差异（6.21公里对比5.61公里）来自两个来源：（i）手动跟踪的瞬态计划中的固有运行间变异性；（ii）KSG扭矩辅助与驾驶员踏板调节之间的可能的交互作用，即额外的电动扭矩改变了加速度曲线。尽管存在这种差异，速度迹线的运动学相似性（NRMSE=3.2%）证实了瞬时驾驶需求是相当的。将所有性能指标表示为距离归一化的量（例如，L/100公里）消除了绝对距离偏差，确保了能源上的公平比较。

针对KSG被动模式的专门验证研究将扩展模型范围，并能够在更广泛的运行范围内进行基于模型的主动-被动比较。然而，在当前工作中，数字孪生模型主要是为了重现和验证KSG主动运行中观察到的混合动力辅助瞬态行为而开发的，这是仿真组件的主要焦点。因此，将相同的验证框架扩展到被动模式被认为是下一个相关步骤，而不是当前基于控制的现场比较的先决条件。在本研究中开发的Simulink数字孪生模型仅针对在同一测试活动中收集的KSG主动模式现场数据进行了验证。它作为一个基于物理的工具，用于解释测量的混合动力辅助瞬态行为，并不声称对所有工作周期或运行条件都经过了全面验证。

除了当前的主动-被动比较之外，经过验证的数字孪生模型还为未来的假设分析提供了一个实用平台，无需对每种配置进行实物车辆测试。特别是，它可以用来研究不同的超级电容器能量窗口（例如40瓦时对比80瓦时）、不同的传动系统比率或修改后的监控控制设置对燃油消耗和瞬态动力总成行为的影响，在可比的运行条件下。

4.6 限制和范围边界
在解释结果时应考虑几个限制：
A/B比较是在单一受控测试路线和单一驾驶员上进行的；因此，未评估驾驶员之间的变异性和路线之间的变异性。
该路线没有包括红绿灯中断或混合城市交通互动，因为目标是隔离KSG功能，而不是完整路线的服务复制。
尽管车辆没有在完全空载状态下进行测试，但未评估满载乘客的情况。与乘客相关的载荷是通过沙袋形式的压载质量来近似的。
测试期间关闭了暖通空调系统以减少辅助负载的变异性。因此，报告的结果没有包括可变车厢热负荷的影响。
环境条件并未作为专门的实验控制变量进行处理，道路坡度也没有明确测量。因此，路线上的有限局部坡度变化可能导致未建模的不确定性。
累积燃油计数器（EngTotalFuelUsed）的分辨率是有限的；因此，使用数值积分瞬时燃油率信号来交叉检查了循环级别的燃油消耗。
尽管在每种模式下都进行了重复的测试循环，但本文强调的是循环聚合的匹配条件比较。重复测试结构为在所研究的测试条件下的可重复性提供了描述性支持；然而，报告的百分比差异不应被解释为适用于不同路线、驾驶员、车辆或环境条件的统计显著性估计。
数字孪生模型仅针对KSG主动模式进行了验证。由于本研究的主要建模目标是验证混合动力辅助的瞬态行为，因此当前工作没有包括单独的被动模式验证，这仍然是未来研究的一个重要方向。

本研究设计为在封闭测试跑道上进行的受控同车比较。因此，发现特别适合于在可重复条件下隔离KSG激活的效果，但它们不应被解释为完全代表路线之间的城市车队变异性。

因此，当前工作应被解释为受控的同车比较和主动模式验证研究，而不是完整路线、全人群或完全组件解析的混合动力系统评估。
没有包括与替代48伏存储技术（如基于锂离子的系统）的直接实验基准测试。因此，关于超级电容器适用性的结论仅限于所研究的架构和工作周期背景。
电气子系统模型是有意保持低阶的，超级电容器和电气转换阶段主要在系统级别进行了评估，通过它们对发动机负载平滑和燃油消耗趋势的宏观影响来评估。详细的组件级效率图和电热损失的实证提取或高保真模拟（例如，对于DC/DC转换器、逆变器和KSG电机）超出了本车辆级别研究的范围。

5. 结论
在本研究中，为了量化曲轴启动发电机（KSG）系统的影响，在相同的测试设置下进行了受控的A/B测试活动，考虑了两种运行条件：KSG主动和KSG被动。车辆信号从CAN网络中记录；原始数据使用CANalyzer 15和Vector vSignalyzer 19.0（德国斯图加特的Vector Informatik GmbH）进行解码和转换，通过基于DBC的信号解释、单位转换和基本数据一致性检查转换为分析准备形式。处理后的数据集随后导出到Excel，并生成图形输出以可视化KSG主动-被动比较。

除了现场测量外，还使用MATLAB/Simulink开发了一个纵向数字孪生模型，用于KSG主动运行，并由测量的速度曲线驱动。与时间对齐的CAN信号进行比较后，结果显示输出轴速度、发动机扭矩、发动机机械功率和累积距离的一致性良好，表明模型足以以足够的保真度再现车辆的主导瞬态纵向行为，从而可以进行比较性解释。

在所研究的匹配启停测试条件下，48伏P1轻度混合动力系统与距离归一化燃油消耗减少了17.1%（从32.21升/100公里降至26.70升/100公里），平均发动机扭矩需求减少了11.2%（从426.9牛顿·米降至379.2牛顿·米），相对于相应的被动情况。前瞻性模型支持了对观察到的瞬态趋势的物理解释，而现场测量表明，所研究的P1轻度混合动力配置可以在受控的城市公交车辆启停运行中减少燃油消耗和发动机负载[7,14]。

这些结果应被视为在所研究的受控测试场景下的描述性同车比较结果，而不是普遍适用的或具有认证等效性的节油值。

总体而言，当考虑到A/B现场测量和基于Simulink的KSG主动模式的数字孪生模型时，采用的数据采集-处理-绘图工作流程和模型验证方法提供了一个一致且实用的分析框架，用于定量研究KSG功能对驱动周期内发动机负载和燃油使用的影响。

未来的工作应扩展验证框架到KSG被动模式，纳入更高分辨率的燃油计量和更广泛的运行条件，并评估当前架构在较长停车间隔、坡度和替代48伏能量存储配置下的行为。