劉 輝，王偉達，何 嬌，項昌樂

(北京理工大學，車輛傳動國家重點實驗室，北京 100081)

前言

混合動力車輛(HEV)兼有動力性好、排放低、效率高的特點，再生制動作為混合動力車輛的重要工作模式，在保證車輛制動性能的條件下，可實現(xiàn)車輛減速或制動過程中的能量回收，有效降低整車的燃油消耗和機械制動器的磨損，對整車的燃油經(jīng)濟性、排放性和行駛安全性都有直接影響。目前，關于混合動力車輛再生制動技術的研究集中在控制策略的研究［1－2］，即如何利用再生制動系統(tǒng)盡可能提高整車燃油經(jīng)濟性［3－4］，以及超級電容器、蓄電池等不同能量貯存器及其組合在制動能量回收效率方面的使用效果［5－7］。根據(jù)混合動力汽車不同的行駛工況、路面附著條件和制動力要求，在保證制動安全性等條件下，如何制定再生制動能量管理和控制策略，確定合理的再生制動和機械制動能量分配的管理模型和控制策略，提高制動能量回收率，是混合動力車輛再生制動系統(tǒng)研究的核心。

本文中選取制動踏板位置、車速及電池SOC作為模糊控制器輸入條件，建立適用于車輛能量回收的再生制動力分配的模糊控制策略，利用Matlab/Simulink軟件，建立整車再生制動系統(tǒng)的仿真模型，包括模糊控制器、制動器、蓄電池和地面制動力模型等。最后對不同初速下的緊急制動、再生制動和一般制動工況進行系統(tǒng)仿真和分析。

1 再生制動控制策略

1.1 再生制動系統(tǒng)制動力分配原則

綜合考慮再生制動對車輛制動性能的影響，以優(yōu)先進行制動能量回收為出發(fā)點，可確定如下的再生制動系統(tǒng)制動力分配原則:①在制動強度較低時，優(yōu)先采用再生制動，由電機通過傳動系統(tǒng)單獨提供制動力，機械制動不工作;②當制動強度增加，再生制動力接近飽和后，進一步增加的制動強度要求將由機械制動滿足，采用復合制動方式，如圖1所示。

該制動力分配原則可利用再生制動充分回收低制動強度下的制動能量，在制動強度較高，電機制動力無法滿足要求時，采用機械制動參與的復合制動方式來保證制動效能的要求。另外，采用這種分配原則，只須對原車的機械制動系統(tǒng)的前后軸制動分配比例進行適當調整，以滿足設計的前后制動力分配比例，而系統(tǒng)結構和機械制動力矩的控制方式可以基本不變。電機的制動力矩可根據(jù)制動強度要求以一定的比例進行計算，并由電機控制器進行力矩控制。因此，這種制動力分配原則無論在系統(tǒng)結構上，還是在控制上都便于實現(xiàn)。

1.2 基于模糊邏輯的制動力分配策略

在模仿人的推理和決策行為方面，模糊邏輯無疑是目前最成功的技術之一，與經(jīng)典邏輯相比，它更接近人的思維方式，表述上更接近自然語言的形式。模糊控制器由規(guī)則庫、推理機制、模糊化接口和解模糊化接口等4部分組成。多輸入多輸出(MIMO)模糊控制器的組成如圖2所示。

模糊邏輯控制策略主要用于電動汽車制動力分配的控制中，它有以下優(yōu)點［8］:(1)可方便地體現(xiàn)不同因素的影響，如車速(電機轉速)、電池SOC等;(2)可表達再生制動控制中難以精確定量表達的規(guī)則;(3)在測量不精確和部件特征有變化時具有很強的魯棒性。

模糊制動力分配控制器的作用是將駕駛員的需求制動力矩在機械制動和電機再生制動之間進行分配，以實現(xiàn)高效回收制動能量，同時滿足車輛的制動性和駕駛平穩(wěn)性的要求。

(1)模糊控制器結構 綜合考慮影響再生制動的多種因素和制動穩(wěn)定性要求，選取電池SOC、車速和駕駛員要求的制動力(由制動踏板位置得到)作為控制器輸入量。本文中從電機制動的參與程度出發(fā)確定電機制動力，考慮模糊控制的仿人特性，令控制器不精確確定電機制動力矩，選取電機制動力矩的投入程度，即電機制動力矩占當前電機可實現(xiàn)最大力矩的比例，作為控制器輸出量。

所設計的模糊制動力分配控制器的結構如圖3所示，主要由2個模塊組成。第1個模塊為模糊推理器(模糊控制器)模塊;輸出為歸一化的電機制動力比例k，即電機制動力矩占當前可實現(xiàn)的電機力矩的比例，范圍為［0，1］。第2個模塊為制動力矩分配模塊，根據(jù)電機制動力比例k和當前可實現(xiàn)的電機力矩，最終確定機械制動力矩和電機制動力矩的大小。

(2)語言變量選取 為簡化模糊邏輯、提高運行效率，選取大、中、小3個模糊語言變量來描述制動踏板位置、車速、電池SOC和電機制動力矩比例等控制器輸入輸出量。各變量隸屬度函數(shù)根據(jù)理論分析和仿真結果調整確定。限于篇幅不再贅述。

(3)模糊規(guī)則設計 制定再生制動力矩的模糊規(guī)則時，應盡量保證整車的安全性與舒適性，同時盡可能多地回收制動能量。根據(jù)已知經(jīng)驗和仿真結果，總結出模糊規(guī)則。基于模糊規(guī)則利用Matlab模糊邏輯工具箱設計模糊控制器，模糊推理規(guī)則采用Mandani法。模糊邏輯工具箱可根據(jù)模糊規(guī)則生成模糊推理曲面。選取車速、電池SOC與電機制動力分配比例關系的模糊推理曲面如圖4所示。

從圖4(a)中可以看出，當電池SOC低于上限(小于0.8)時，隨著車速的增大，再生制動的比例增大，由于電池的吸收功率有限，為保證再生電功率不超過電池吸收功率和制動電阻耗散功率之和，當車速增加到一定值時，再生制動比例不再增大，維持在一個最大值。從圖4(b)中可看出，在一定車速下，再生制動比例總的變化趨勢是隨SOC增大而逐漸減小。當電池的SOC大于0.8時，為保護電池，再生制動的比例為零。

(4)解模糊方法 由于輸出的控制量是一個模糊量，而實際的控制量是精確量，因此應該用合適的判決方法將模糊控制量轉變成精確量?？紤]到整車駕駛性能，采用加權平均法，即

式中:βi為第i條規(guī)則輸出的結果;ki為第i條規(guī)則在總輸出中所占比例;k為系統(tǒng)輸出量。

由式(1)可求得對應的電機再生制動力矩所占的比例，進而得到電機和機械制動器的制動力矩。

2 再生制動系統(tǒng)建模

采用前向仿真建模法，在Matlab/Simulink環(huán)境下，利用理論建模和數(shù)值建模相結合的方法建立了再生制動控制策略模型、車輪動力學模型、電機模型、蓄電池模型、傳動系模型和車身動力學模型等。

2.1 控制策略模型

控制策略模型根據(jù)制動踏板位置、電池SOC狀態(tài)和車速等信息計算總需求制動力矩和進行制動力分配等。再生制動控制策略的核心是基于模糊邏輯的制動力分配策略。總需求制動力矩由制動踏板和車輛制動系參數(shù)決定，即由制動強度需求決定總制動力矩。模糊控制器的3個輸入量分別為制動踏板位置、車速和電池SOC。其中，制動踏板位置由制動工況決定，車速和電池SOC為車輛模型實時計算值。根據(jù)模糊邏輯控制器得到電機制動力矩分配比例，繼而求出電機制動力矩和機械制動力矩?；谀：壿嫷脑偕苿涌刂撇呗匀鐖D5所示。

2.2 車輪動力學模型

車輪動力學模型根據(jù)機械制動器制動力、再生制動力和地面制動力計算車輪角加速度，再由其積分求得車輪轉速。

本文中研究的混合動力驅動型式為全輪驅動，因此各驅動輪均能產生再生制動力。在不計滾動阻力矩時，混合動力車輛的車輪制動動力學方程為

式中:Jw為車輪轉動慣量;為車輪角加速度;FB為地面制動力;Fμ為機械制動器制動力;Fre為電機制動力。其中電機制動力Fre為

式中:Tm為電機制動力矩;ik為k擋位速比;r為車輪半徑;ηT為機械傳動效率。

地面制動力取決于輪胎與地面間的附著系數(shù)和輪胎所受的垂直載荷。輪胎在從純滾動到抱死拖滑直至停止的過程，附著系數(shù)并非保持不變，而是隨著輪胎滑移率、路面材料、路面狀況、輪胎結構、胎面材料和花紋以及車輛速度等的變化而變化。輪胎的附著系數(shù)與滑移率成非線性關系。采用魔術公式來描述輪胎的非線性特性?？v、橫向附著系數(shù)φ與滑移率s的關系曲線如圖6所示。

2.3 電機模型

電機模型根據(jù)當前電機轉速和控制器決定的電機力矩，考慮電機效率后，計算出當前電機功率。根據(jù)文中仿真需要，電機采用簡化模型。提取電機效率MAP圖，利用 Matlab/Simulink的 Look-Up Table(2-D)模塊，經(jīng)二維插值可得到任意電機力矩及轉速下的電機效率，進而求出電機輸出功率，為蓄電池充電。電機效率MAP圖如圖7所示。

2.4 蓄電池模型

蓄電池模型主要根據(jù)充電功率計算電池電量、電壓、電流和內阻等狀態(tài)信息的變化情況?；旌蟿恿囕v制動過程中，由于蓄電池的SOC反映了電池總容量的變化情況，也反映了制動能量的回收情況，因此計算SOC是蓄電池模型的主要組成部分。根據(jù)電池初始SOC和電池當前溫度與最高溫度的差值確定此時的初始充電電流，利用馬斯定律I=I0e－at(其中I為理想充電電流，I0為充電開始時最大可充電電流，a為充電接受比)計算出當前的充電電流。SOC值采用安時累計法計算:

式中:SOC0為初始SOC;Ktem為溫度增益系數(shù)，根據(jù)電池試驗確定;Qcap為電池的安時容量;Quse為用掉的電量，按下式計算:

式中:ηdis、ηchg分別為蓄電池的放、充電效率。

3 再生制動系統(tǒng)仿真

根據(jù)所研究車輛的特點，分別選用初始車速為30km/h(一般車速)、60km/h(較高車速)和90km/h(高速)在緊急制動、緩速制動和一般制動工況下進行仿真，結果如圖8～圖10所示。

3.1 緊急制動

圖8為在緊急制動工況下隨著時間的變化，模糊控制器輸出電機制動比例k、電池荷電狀態(tài)SOC、制動踏板開度和總制動力矩T、制動減速度j和車速v的變化情況。

仿真結果表明，車輛緊急制動時能快速提供制動力(制動踏板模型中駕駛員的反應時間為0.3s)，并迅速停車，電池SOC的變化很小。在緊急制動工況中，不同初速條件下，駕駛員的操作是相同的，都希望在最短時間內提供最大的制動力將車輛制動，故模型中設置的制動踏板變化規(guī)律相同，即在不同初速下總制動力矩大體相同。緊急制動時利用附著系數(shù)達到峰值，因為輪胎模型考慮了輪胎轉速對輪胎力的影響，緊急制動時不同車速產生的地面制動力有所不同。為保證制動安全，制動強度很大時，模糊控制器適當降低了電制動占總制動力的比例，另外制動時間較短，所以SOC變化不明顯。

3.2 緩速制動

緩速制動的功能之一是使車輛在下長坡時車速保持穩(wěn)定。在此工況下，為使車輛在坡道上盡量多地回收能量并向電池充電，同時減少機械制動器的磨損，制動踏板踩下的幅度很小，使得電機分配到的制動力矩比例較大。圖9為30和60km/h初速下，下長坡緩速制動的仿真結果。

緩速制動仿真結果表明，模糊控制器的輸出即電機制動力矩所占比例與初速成正比，與建立的模糊控制器的規(guī)則相對應。而由于制動踏板的控制，使車輛速度變化緩慢，制動減速度趨近于零，控制車速的效果較好。一般在這種工況下，電制動單獨作用即可滿足制動需求，這樣既可避免長時間采用機械制動器制動，產生磨損及熱衰退，造成安全隱患，又可對電池大量充電。

3.3 一般制動

在車輛行駛的大部分時間里，多數(shù)制動為一般制動，即制動強度適中。通過調節(jié)制動踏板，使車輛處于一般制動工況，即設制動踏板的輸入介于緊急制動(制動強度大于0.7)和下長坡減速(制動強度不大于0.1)之間，以滿足車輛一般制動強度，得出仿真結果如圖10所示。

仿真結果表明，車輛在滿足一般制動強度要求的情況下，模糊控制器的輸出隨著初始車速的不同而有相應的改變，使機械制動和電制動能夠進行合理分配，在滿足制動安全性的同時，電池可實現(xiàn)一定程度的充電，證明了模糊控制器的模糊規(guī)則可實現(xiàn)較為合理的機電制動力分配。

4 結論

在優(yōu)先進行制動能量回收的制動力分配原則下，為保證整車的制動穩(wěn)定性和平順性，應用模糊控制策略對某型車的再生制動分配控制策略進行了研究。在考慮車速和SOC的基礎上，建立了基于模糊邏輯的再生制動控制策略，增加制動踏板位置作為輸入變量，進一步改善了控制性能。

在Matlab/Simulink環(huán)境下，對制動系統(tǒng)各部件進行了建模與仿真。在30、60和90km/h的初速下，對典型制動工況(緊急制動、下長坡緩速制動和一般制動工況)分別進行了仿真計算與驗證。仿真結果表明，采用該再生制動控制策略和所建立的再生制動系統(tǒng)模型能較好地完成制動要求，并對電池實現(xiàn)一定程度的充電。

［1］Glenn B，Washington G，Rizzoni G.Operation and Control Strategies for Hybrid Electric Automobiles［C］.SAE Paper 2000－01－1537.

［2］Wyczalk F.Regenerative Braking Concepts for Electric Vehicle-A Primer［C］.SAE Paper 920648.

［3］田光宇，彭濤，林成濤，等.混合動力電動汽車關鍵技術［J］.汽車技術，2002(1):8－11.

［4］王冬，田光宇，陳全世.混合動力電動汽車動力系統(tǒng)選型策略分析［J］.汽車工業(yè)研究，2001(1):17－20.

［5］Frank Wicks.Modeling Regenerative Braking and Storage for Vehicles［C］.Energy Conversion Engineering Conference，Proceedings of the 32nd Intersociety Proceedings of the 32nd Intersociety，1997，3:2030－2035.

［6］耿聰，劉溧，張欣，等.EQ6110混合動力電動汽車再生制動控制策略研究［J］.汽車工程，2004，26(3):253 －256.

［7］Gao Yimin，Chen Liping，Ehsani Mehrdad.Investigation of the Effectiveness of Regenerative Braking for EV and HEV［C］.SAE Paper 1999－01－2910.

［8］Schouten Niels T，Salman Mutasim A，Kheir Naim A.Fuzzy Logic Control for Parallel Hybrid Vehicles［J］.IEEE Transactions on Control Systems Technology，2002，10(3):460 －468.