宋百玲，周學(xué)升

(東北林業(yè)大學(xué) 交通學(xué)院，哈爾濱 150040)

蓄電池-超級電容雙能量源純電動汽車與單一蓄電池純電動汽車相比可以滿足純電動汽車對比能量和比功率的雙重要求，延長電動汽車的行駛里程。如何高效回收再生制動能量是雙能量源純電動汽車的關(guān)鍵技術(shù)。再生制動技術(shù)是電動汽車節(jié)能和環(huán)保的關(guān)鍵技術(shù)之一。基于模糊推理的駕駛意圖識別方法[1]，制動意圖的模糊識別成為目前研究的熱點[2]。國內(nèi)對雙能量源純電動汽車再生制動模糊控制策略也進行了相應(yīng)的研究[3]。制動意圖模糊識別在雙能量源電動汽車再生制動方面的研究還相對較少。

本文運用制動意圖模糊識別的方法提出一種簡單高效的雙能源電動汽車再生制動回收策略，并通過建模仿真驗證理論的可行性。

1 制動意圖的分類及識別參數(shù)的確定

研究過程中，把制動模式分為常規(guī)制動模式和滑行制動模式，常規(guī)制動模式分為緊急制動、一般制動和平緩制動。制動模式的識別主要依據(jù)駕駛員對制動踏板有無動作。駕駛員對制動踏板有動作時為常規(guī)制動模式，駕駛員對各個踏板無動作時為滑行制動模式，滑行制動的減速度很小。

常規(guī)制動模式的識別主要靠制動踏板開度和制動踏板開度變化率兩個參數(shù)。制動踏板的開度在一定程度上反映了制動的緊急程度，但僅依靠制動踏板開度還不能完全反應(yīng)出駕駛員制動的緊急程度，因此引入制動踏板變化率并結(jié)合制動踏板開度來對制動的緊急程度進行區(qū)分[4-5]。

設(shè)計的制動意圖模糊識別的電動汽車再生制動流程如圖1所示。

圖1 制動意圖模糊識別的再生制動流程

2 制動意圖模糊辨識器設(shè)計

2.1 識別參數(shù)隸屬函數(shù)的確定

制動踏板開度隸屬度函數(shù)曲線如圖2所示。

圖2 制動踏板開度的隸屬度函數(shù)

制動踏板開度變化率隸屬函數(shù)曲線如圖3所示。

圖3 制動踏板開度變化率隸屬度函數(shù)

制動減速度反映的是制動強度狀態(tài)，輸出狀態(tài)“L”代表平緩制動意圖，輸出狀態(tài)“M”代表一般制動意圖，輸出狀態(tài)“H”代表緊急制動意圖[6]。制動減速度隸屬度函數(shù)如圖4所示。

圖4 制動減速度隸屬度函數(shù)

2.2 模糊推理規(guī)則確定

實車測量大量常規(guī)制動過程的數(shù)據(jù)見表1。

表1 常規(guī)制動過程部分工況數(shù)據(jù)

根據(jù)表1的實車工況數(shù)據(jù)，建立模糊識別器的推理規(guī)則見表2所示。

表2 模糊辨識器的推理規(guī)則

3 雙能量源純電動汽車再生制動模糊控制策略

3.1 模糊控制器設(shè)計

雙能量源純電動汽車的原理是：在汽車制動時將行駛的慣性能量傳遞給電機，使電機工作在發(fā)電狀態(tài)，給雙能量源充電，從而實現(xiàn)制動能量的回收，同時電機發(fā)電過程中產(chǎn)生的制動力矩對驅(qū)動輪進行制動，產(chǎn)生制動力矩和制動力[7]。研究中，電機發(fā)電狀態(tài)產(chǎn)生的電能優(yōu)先給雙能量源的超級電容充電，因此本文只討論超級電容soc的狀態(tài)。

超級電容soc的隸屬度函數(shù)如圖5所示。

圖5 超級電容soc的隸屬度函數(shù)

圖6 電機制動力分配比例隸屬度函數(shù)

3.2 模糊推理規(guī)則

制定的模糊推理規(guī)則見表3。

表3 再生制動模糊推理規(guī)則

4 仿真分析

雙能量源純電動汽車再生制動能量回收simulink模型如圖7所示。

將搭建的再生制動控制仿真模型嵌入基于ADVISOR搭建的雙能量源電動汽車制動控制器中，為驗證本文控制策略的有效性，將其與傳統(tǒng)的比例分配再生制動控制策略在CYC-UDDS工況下進行仿真對比，如圖8所示。

圖7 雙能量源電動汽車制動能量回收模型

由圖9和圖10可知，soc初值為1時，控制策略下超級電容soc值下降幅度小于前者，工況結(jié)束后超級電容荷電狀態(tài)由0.362提高到0.537，說明采用制動意圖模糊識別控制策略后雙能量源電動汽車回收了更多的制動能量。

5 結(jié) 論

本文將雙能量源電動汽車制動意圖分為常規(guī)制動和滑行制動，分別基于大量工況數(shù)據(jù)和人工經(jīng)驗確定模糊邏輯推理規(guī)則，設(shè)計模糊辨識器識別所劃分的制動意圖。

從仿真結(jié)果可以看出，基于制動意圖模糊識別的雙能量源再生制動控制仿真模型可以比較好的識別制動意圖，并且在一定程度上增加了制動能量的回收，從而進一步提高雙能量源電動汽車的能量使用的經(jīng)濟性。

圖8 CYC-UDDS工況曲線圖

圖9 沒有制動意圖識別的電動汽車超級電容soc變化曲線

圖10 采用制動意圖識別的電動汽車超級電容soc變化曲線

【參 考 文 獻(xiàn)】

[1]王玉海，宋 健，李興坤.基于模糊推理的駕駛員意圖識別研究[J].公路交通科技，2005，22(12)：113-118.

[2]孫 磊.HEV駕駛員制動意圖識別及控制算法研究[D].長春：吉林大學(xué)，2012.

[3]張昌利，張亞軍，閆茂德，等.雙能量源純電動汽車再生制動模糊控制與仿真[J].系統(tǒng)仿真學(xué)報，2011，23(2)：233-238.

[4]王慶年，唐先智，王鵬宇，等.基于神經(jīng)網(wǎng)絡(luò)的混合動力汽車駕駛意圖識別方法[J].農(nóng)業(yè)機械學(xué)報，2012，43(8)：32-36.

[5]馬其貞.基于制動意圖識別的制動能量回收控制算法研究[D].長春：吉林大學(xué)，2013.

[6]林巨廣，顧 杰，朱茂飛.基于駕駛意圖模糊識別的PHEV輸出轉(zhuǎn)矩控制的研究[J].汽車工程，2012，34(11)：984-989.

[7]Jeon S I，Jo S T，Park Y I，et al.Multi-mode driving control of a parallel hybrid electric vehicle using driving pattern recognition [J].JournalofDynamicSystems，Measurement，andControl，2002，124(1)：141-149.

[8]李士勇.模糊控制·神經(jīng)控制和智能控制論[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2006.

[9]于 健，萬健如，許鎮(zhèn)琳.電動汽車能量控制系統(tǒng)的動態(tài)建模與仿真[J].計算機仿真，2008，25(4)：472-476.

[10]陳慶樟，何 仁，商高高.基于ABS的汽車能量再生制動集成控制研究.汽車工程，2008，30(4)：301-304.