胡堅耀吳正斌鄧先泉全頌華

1（中國科學院深圳先進技術研究院電動汽車研發(fā)中心 深圳 518055）

2（深圳市五洲龍汽車有限公司 深圳 518116）

基于模糊邏輯算法的純電動客車起步加速能力優(yōu)化與再生制動控制

胡堅耀1吳正斌1鄧先泉2全頌華2

1（中國科學院深圳先進技術研究院電動汽車研發(fā)中心 深圳 518055）

2（深圳市五洲龍汽車有限公司 深圳 518116）

日益嚴重的環(huán)境問題促使城市交通向著清潔、高效和可持續(xù)的方向發(fā)展，同時也促進了新能源交通技術的推廣和應用。隨著電池和電機驅(qū)動技術的發(fā)展，純電動客車也受到越來越多的關注。起步加速能力和可再生制動是純電動公交車區(qū)別于傳統(tǒng)內(nèi)燃機車的兩個方面。由于加速踏板信號響應與驅(qū)動電機響應較快，理論上純電動客車的加速性能要優(yōu)于傳統(tǒng)內(nèi)燃機車。再生制動是一種降低能耗、提高續(xù)駛里程的重要技術手段。文章基于模糊邏輯算法，設計了驅(qū)動扭矩控制策略對驅(qū)動工況下的純電動客車起步加速能力進行優(yōu)化。同時，針對純電動客車制動工況設計了能量回收策略。結(jié)果表明，驅(qū)動扭矩控制策略可使純電動客車起步加速時間從 19.7 s 減小至 19.25 s，制動能量回收策略在中國典型城市公交路況下使能量消耗減少 11%。

純電動客車；加速性能；制動能量回收；模糊控制

1 引 言

隨著技術的不斷創(chuàng)新與突破，面對金融危機、油價攀升和日益嚴峻的節(jié)能減排壓力，2008年以來，以美國、日本、歐盟為代表的國家和地區(qū)相繼發(fā)布實施了新的電動汽車發(fā)展戰(zhàn)略，進一步明確了產(chǎn)業(yè)發(fā)展方向，明顯加大了研發(fā)投入與政策扶持力度［1］。從環(huán)保角度來看，電動汽車是零排放的市區(qū)交通工具，即使計入發(fā)電廠增加的排氣，總量上也將使空氣污染大大減少。從能源角度來看，電動汽車將使能源的利用多樣化和高效化，達到能源的可靠、均衡和無污染利用的目的。電動汽車的發(fā)展將使集中考慮能源、環(huán)保和交通綜合優(yōu)化成為可能，而且，它對于促進高科技的發(fā)展、新興工業(yè)的興起以及經(jīng)濟的發(fā)展將產(chǎn)生深遠的影響［2，3］。當前，我國純電動公交客車發(fā)展迅速，對其研發(fā)投入也持續(xù)提高。各大汽車企業(yè)如五洲龍、比亞迪、京華、中通、安凱、天津清源等都在大力發(fā)展純電動公交車。但由于純電動客車電池成本高、續(xù)駛里程較短等原因，短時間內(nèi)大規(guī)模商業(yè)化仍有許多亟待解決的課題。

電池技術至關重要，電機驅(qū)動技術、能量管理策略等的影響也不容忽視。電機及其控制系統(tǒng)是電動汽車的心臟，決定著車輛運行和再生制動的能力［4］。同樣，設計合理而有效的整車控制策略能夠優(yōu)化動力源的運行效率，達到減少能耗、提高續(xù)駛里程等目的。近年來，模糊邏輯方法被成功引入到車輛控制和能量管理領域中［5］，它可以通過與多種簡單函數(shù)相結(jié)合，實現(xiàn)復雜汽車系統(tǒng)的非線性輸入-輸出關系。實踐證明，模糊控制理論不依賴于被控對象的精確數(shù)學模型，同時又不拒絕有效的數(shù)學模型，用它來處理那些未定義或者難以精確建模的復雜過程，是一種非常有效的方法［6-8］。

加速時間作為汽車動力性三大指標（最高車速、加速時間、最大爬坡度）之一，對平均行駛車速有很大的影響。制動能量回收對降低純電動客車能耗，改善其經(jīng)濟性能有十分重要的作用。純電動客車的加速性能主要與電機性能有關，采用線性踏板驅(qū)動控制策略而沒有充分考慮駕駛員對電機扭矩的需求，對動力性的提升并不明顯［9-11］。電動汽車制動能量回收以及能量控制的研究尚處于起步階段，電動汽車的再生制動系統(tǒng)、車輛制動動力學已進行建模［12-15］，但再生制動系統(tǒng)仿真、實驗模擬和綜合評價等還有待深入研究。

本文就純電動客車驅(qū)動控制與制動回收這兩個關鍵技術，基于模糊邏輯方法，設計相應的控制策略。仿真結(jié)果表明，驅(qū)動控制策略有利于提升純電動客車的加速性能，制動能量回收策略可提高能量效率，延長續(xù)駛里程。這兩種策略可為整車控制器的設計提供參考作用。

2 理 論

2.1 電機驅(qū)動扭矩控制

在純電動客車中，電機驅(qū)動系統(tǒng)一般由電機、功率轉(zhuǎn)換器和電子控制單元組成。其中，電機是以磁場為媒介進行電能和機械能轉(zhuǎn)換的電磁裝置。在電動汽車驅(qū)動過程中，驅(qū)動電機作為唯一的驅(qū)動裝置輸出動力，將從儲能裝置中獲得的電能轉(zhuǎn)化為機械能從而驅(qū)動車輪。功率轉(zhuǎn)換器在電子控制單元的控制下輸出特定的電壓和電流，以產(chǎn)生電機所需的轉(zhuǎn)矩和轉(zhuǎn)速。與內(nèi)燃機相比，電機的優(yōu)勢是其在低轉(zhuǎn)速時可以提供峰值轉(zhuǎn)矩，而且其瞬時額定功率可以達到內(nèi)燃機額定功率的2～3 倍，這些可以為車輛帶來出色的加速性能，同時在減速或制動時還可以實現(xiàn)再生制動。當純電動客車驅(qū)動時，整車控制器接受加速踏板信號、擋位信息等，按制定的策略輸出駕駛員需求扭矩指令，最后由驅(qū)動電機轉(zhuǎn)化為實際的轉(zhuǎn)矩輸出。加速踏板給出的信號與當前車速、路況、蓄電池當前儲能狀況有關，這些難以用一個準確的數(shù)學模型描述。因此，可運用模糊邏輯控制器來解決，并實現(xiàn) MAP 圖控制。

當電機轉(zhuǎn)速小于電機基轉(zhuǎn)速時，電機的基本需求扭矩

當電機轉(zhuǎn)速介于電機基轉(zhuǎn)速與最大轉(zhuǎn)速時，電機的基本需求扭矩

2.2 能量消耗與續(xù)駛里程

對于純電動客車，通常以 kWh/km 度量每單位距離所消耗的能量。實際上，對于配置蓄電池的電動汽車，度量蓄電池輸出端所測定的原始能量消耗更為合理。蓄電池能量的定額一般以 kWh測定，即能容易按蓄電池容量計算出行駛路程。能量消耗是蓄電池端輸出功率積分的過程，蓄電池的輸出功率可表達為

其中，Pb為蓄電池的輸出功率；v 為車輛的速度；Mv為車輛的總質(zhì)量；g 為重力加速度；δ 為動力系中表征旋轉(zhuǎn)組件效應的質(zhì)量系數(shù)；fr為滾動阻力系數(shù)；i 為坡度；ρ 為空氣密度；CD是表示車輛形狀的空氣阻力系數(shù)；dv/dt 為沿縱向車輛的線加速度；Af為車輛迎風正面面積。

蓄電池端的再生制動功率

續(xù)駛里程為純電動客車動力蓄電池組兩次充足電之間的總行駛里程。其影響因素有：行駛的環(huán)境狀況、行駛規(guī)范、蓄電池的性能、滾動阻力與空氣阻力消耗的能量、客車的總質(zhì)量、輔助裝置的能量消耗。其中，行駛的環(huán)境狀況一般指氣溫的高低、風力的方向與大小、道路的種類與交通擁擠情況；行駛規(guī)范指預先確定的行駛速度與時間的變化關系圖線，除使用多工況道路循環(huán)試驗法外，單一恒速工況試驗也是一種試驗方法；蓄電池的性能參數(shù)有能量密度、額定容量、放電率、放電電流、放電深度、蓄電池內(nèi)阻，電池組的一致性及環(huán)境溫度也是影響電動汽車行駛的能量消耗和續(xù)駛里程的重要因素；客車的總質(zhì)量越大，消耗的功率和能量就越高，它們之間呈線性比例關系，增加電動汽車的電池數(shù)量，一方面可以增加電動汽車的總能量儲備和續(xù)駛里程，另一方面也大大增加電動汽車的總質(zhì)量，又會增大電動汽車的能量消耗，降低電動汽車的續(xù)駛里程，這就涉及到動力驅(qū)動傳動系統(tǒng)的最佳匹配問題；輔助裝置一般指制動系統(tǒng)的空氣壓縮機、轉(zhuǎn)向系統(tǒng)的油泵，還有照明、取暖、音響、通風、空調(diào)等，除空調(diào)外，該部分能耗占電動汽車總能耗的 6%～12%。

設電動汽車蓄電池充滿電之后的總能量為E（kWh），則電動汽車的續(xù)駛里程 S 為

其中，e 為電動汽車行駛單位里程能耗；e0為行駛比能耗。

再生制動回饋測試可以通過三種方法：整車上的測試、慣性輪裝置測試和直接用發(fā)電機試驗。其中，直接用發(fā)電機試驗是較為常用的方法。但電動汽車電機再生制動回饋因車型、結(jié)構(gòu)形式、控制策略不同而不同，再生制動工況也變化各異，因此再生制動能量試驗一般也只能提供整車設計參考。

2.3 模糊邏輯系統(tǒng)

模糊邏輯是 Lotfi Zadeh 在 1965 年提出，是從模糊集理論演化而來的多數(shù)值邏輯形式，可用來處理不精確和信息粒度。模糊邏輯控制策略本質(zhì)上屬于基于規(guī)則的控制策略，是將經(jīng)典數(shù)理邏輯與模糊數(shù)學相結(jié)合，模擬人思維的推理和決策方式的智能控制方式［16］。模糊推理系統(tǒng)（Fuzzy Inference System，F(xiàn)IS）結(jié)構(gòu)如圖 1，它包含模糊化接口、數(shù)據(jù)庫、規(guī)則庫、決策單元和去模糊化接口。模糊化接口將輸入的精確量轉(zhuǎn)化成模糊量。數(shù)據(jù)庫定義模糊集的隸屬函數(shù)，從而建立模糊規(guī)則。規(guī)則庫給出所需要的模糊規(guī)則，它是模糊控制器的核心，反映了如何處理一個特定控制問題的知識收集。決策單元在模糊規(guī)則的基礎上進行推理，去模糊化接口將推理結(jié)果轉(zhuǎn)換成輸出的精確量。當前的模糊推理方法主要有 Mamdani方法和 Sugeno 方法［17］。本文使用 Mamdani 方法，它可以提高去模糊化過程的效率。

圖1 模糊推理系統(tǒng)結(jié)構(gòu)框圖Fig. 1 Flowchart of FIS

3 仿真試驗

本文研究對象為深圳市五洲龍汽車有限公司生產(chǎn)的純電動客車 FDG6113EVG，如圖 2 所示。

圖2 純電動客車Fig. 2 Battery electric bus

純電動客車采用磷酸鐵鋰動力電池組，直驅(qū)式高比功率和大扭矩的永磁同步電機，高效低能耗的電動化輔助系統(tǒng)（電動空調(diào)、電動轉(zhuǎn)向系統(tǒng)和電動供氣系統(tǒng)）。車輛同時加入了五洲龍自主研發(fā)的運程信息監(jiān)控平臺，實現(xiàn)了車輛安全運行、及時維護和設計數(shù)據(jù)積累。客車及主要組件參數(shù)見表 1。圖 3 為純電動客車所用永磁同步電機的轉(zhuǎn)速、扭矩、效率 MAP 圖（只作出轉(zhuǎn)速大于500 rpm 的狀況）。

純電動客車仿真試驗按以下步驟進行：首先建立客車整車 AVL Cruise 仿真模型，然后在Simulink 中制定驅(qū)動扭矩控制策略及能量回收控制策略，最后進行 Cruise 傳動系動力模型與Simulink 控制策略的聯(lián)合仿真。

表1 純電動客車參數(shù)Table 1 Specifications of battery electric bus

圖4 驅(qū)動扭矩控制圖Fig. 4 Block diagram of the torque control strategy

3.1 驅(qū)動扭矩控制策略

加速踏板開度在起步加速時反映駕駛員的起步意圖。開度突然增大表明駕駛員希望驅(qū)動電機提供更大的起步扭矩，滿足其急起步并期望加速到目標車速的要求。開度變動很小時，為了避免大的沖擊并控制車輛的運行狀態(tài)，驅(qū)動扭矩不應發(fā)生劇烈變化。驅(qū)動扭矩控制的簡化結(jié)構(gòu)框圖如圖 4 所示，該控制策略可以根據(jù)加速踏板開度及其變化率，確定駕駛員的駕駛意圖，并根據(jù)模糊控制器確定驅(qū)動電機的補償扭矩以滿足起步加速的電機扭矩需求。圖 4 中 acc_pedal 為加速踏板開度，acc_pedal_ratio 為加速踏板開度變化率，motor_speed 為電機轉(zhuǎn)速，F(xiàn)LC 為模糊邏輯控制，pedal MAP 為一定電機轉(zhuǎn)速下，加速踏板開度與電機驅(qū)動扭矩的變化圖，trq_max 限定電機的最大扭矩。電機扭矩增加后，其信號對電機進行控制。該模糊控制器的隸屬度函數(shù)如圖 5所示。

圖5 驅(qū)動扭矩控制策略隸屬度函數(shù)Fig. 5 Membership functions of the torque control strategy

在該驅(qū)動扭矩控制策略中，模糊控制器的輸入量加速踏板開度與加速踏板開度變化率隸屬函數(shù)范圍被規(guī)范為 0 和 1 之間的一個數(shù)（0 代表踏板未被壓下，1 代表踏板全部壓下），都被分成小、中、大和最大 4 個等級。根據(jù)驅(qū)動電機的響應時間進行計算，扭矩增加量范圍為 0～315 Nm，因此，該扭矩補償量為 0 和 315 之間的一個數(shù)，此處論域設為 10，被分為最小、小、中、大和最大 5 個等級。該模糊控制器的模糊規(guī)則表如表 2 所示。

表2 模糊規(guī)則表Table 2 Fuzzy control rules

3.2 制動能量回收控制策略

傳統(tǒng)汽車在踩下制動踏板使車輛減速或停止的過程中，車輛的動能經(jīng)摩擦產(chǎn)生熱能而耗散掉。電動汽車的制動系統(tǒng)結(jié)構(gòu)是在傳統(tǒng)汽車機械制動的基礎上加上電制動系統(tǒng)。如果采取單一的電制動方式，車輛行駛的安全性并不能得到保證。采取雙重制動相結(jié)合的方式，就需要制定制動力的分配系數(shù)，同時為制動能量回收控制策略提出要求。

對于電動汽車來說，當進行制動時，電機的作用就相當于發(fā)電機，把車輪的動能回收到蓄電池中，達到增加續(xù)駛里程的目的。此時整車控制器根據(jù)踏板信息、電機狀態(tài)、電池荷電狀態(tài) SoC和車輛信息計算出制動減速度，根據(jù)相應的控制策略，進行制動回饋。電機的扭矩特性決定了可提供的電制動力的大小。扭矩越大，可提供的制動力越大，回收的能量越多；此外，制動時電機起到發(fā)電機的作用，其發(fā)電功率的大小，直接影響儲能系統(tǒng)的充電功率，也就影響回收能量的多少。電機的工作溫度及效率、蓄電池的充電功率也非常關鍵。

本文設計的制動能量回收策略如圖 6 所示。策略中以當前車速和蓄電池荷電狀態(tài) SoC 作為模糊控制器的輸入，根據(jù)輸入來確定制動力分配比例系數(shù) K。此后根據(jù)總制動力與當前的制動減速度來確定再生制動力，最后由電機回饋到蓄電池之中。當緊急制動時，為了保證制動的安全性，應采取機械制動。車速較低時再生制動小，車速增加時再生制動也相應增加。當前的電池 SoC較高時，為了保護電池，需減少再生制動力回饋比例。

圖6 制動能量回收策略框圖Fig. 6 Flowchart of the regenerative braking control strategy

該制動能量回收策略中，模糊控制器的輸入量當前車速、電池 SoC 和制動力分配系數(shù)被劃分為小、中、大三個狀態(tài)。其中，電池 SoC 和制動力分配系數(shù)的論域為 0 到 1，車速為 0 到 80。該模糊控制器的輸入、輸出隸屬度函數(shù)示意圖如圖7 所示。制定制動能量回饋模糊規(guī)則時，在保證整車的安全性與舒適性的同時應回收較多的制動能量。根據(jù)大量的仿真試驗，總結(jié)出模糊規(guī)則表如表 3 所示。當車速小、電池 SoC 小時，制動力分配系數(shù)?。划斳囁俅?、電池 SoC 小時，制動力分配系數(shù)大；當車速小、電池 SoC 大時，制動力分配系數(shù)?。划斳囁俅?、電池SoC 大時，制動力分配系數(shù)小。

圖7 制動能量回收策略隸屬度函數(shù)Fig. 7 Membership functions of regenerative braking strategy

表3 模糊規(guī)則表Table 3 Fuzzy control rules

4 結(jié)果與討論

4.1 驅(qū)動扭矩控制結(jié)果

圖 8 中給出了不同電機轉(zhuǎn)速（不同車速）下的加速踏板開度與電機扭矩關系圖。圖中實線為實車的實驗數(shù)據(jù)，虛線為根據(jù)驅(qū)動扭矩控制策略仿真得到的仿真結(jié)果數(shù)據(jù)。實車測試時將電機轉(zhuǎn)速設定在 200～2200 rpm，以觀察加速踏板對電機扭矩的影響。由于篇幅關系，本文僅給出200 rpm、400 rpm 和 600 rpm 的數(shù)據(jù)，但分析結(jié)果對其他的電機轉(zhuǎn)速同樣適用。結(jié)果表明，在這三種電機轉(zhuǎn)速下，驅(qū)動扭矩控制策略能夠使電機扭矩增加，無論是實車扭矩數(shù)據(jù)還是通過驅(qū)動扭矩控制策略優(yōu)化后的扭矩，都與加速踏板開度呈正線性關系。同時，在一定踏板開度下，電機的扭矩與電機轉(zhuǎn)速成反比關系。文中所用電機的峰值扭矩為 2500 Nm。圖 8 中驅(qū)動控制策略表明，當完全踩下加速踏板時（踏板開度 100%），電機的扭矩不超過 2500 Nm，這是控制策略中對電機扭矩進行了限制。

圖8 不同電機轉(zhuǎn)速下的加速踏板開度與電機扭矩圖Fig. 8 Relationship between accelerating pedal and torque of motor at various speeds

表 4 中給出了 0～50 km/h 的起步加速時間值，其中包括實車實際測試結(jié)果（A），未施加驅(qū)動扭矩控制策略的仿真結(jié)果（B）和施加驅(qū)動扭矩控制策略的仿真結(jié)果（C）。由結(jié)果對比可知，驅(qū)動扭矩控制策略能使該仿真模型 0～50 km/h 起步加速時間提高 0.45 s。王佳等［9］的研究結(jié)果顯示，在 0～40 km/h 加速時間下動力模式（3.8 s）比常規(guī)模式（4.8 s）提高了 1 s；周孟喜［11］的研究結(jié)果也顯示，0～50 km/h 的加速時間從 7.3 s 提升了 0.8 s。由于這兩處文獻研究的對象都是小轎車，所以其加速提升時間比本文的純電動公交車要大也較合理。

表4 0～50 km/h 加速時間表Table 4 Acceleration time from 0 to 50 km/h

4.2 制動能量回收控制結(jié)果

本文采用中國典型城市公交車行駛工況來檢驗制動能量回收控制策略的效果。圖 9 為中國城市工況時間與速度、加速度關系，該工況的參數(shù)值如表 5 所示。

圖9 中國城市工況Fig. 9 China city bus drive cycle

表5 中國城市工況參數(shù)表Table 5 Chinese city bus drive cycle parameters

為了節(jié)省計算時間，截取一段 380 s 的工況進行仿真，此工況有 5 個不同加減速循環(huán)，可以用來檢驗制動能量回收也有一定的代表性。圖 10為該策略下的電機扭矩圖。從圖中可以看到，當純電動客車減速時，電機的扭矩為負值，此時電機相當于充電機向電池充電。表 5 為該 380 s 工況下的 100 km 能量消耗。由于此 380 s 工況的最高車速不到 45 km/h，因此 100 km 能量消耗較少。從表 6 中可知，使用制動能量回收控制策略之后，能量消耗從 68 kWh/100 km 降低到60.49 kWh/100 km，能量消耗減少率為 11%。

圖10 電機扭矩變化圖Fig. 10 Torque of the motor

表6 380 s 工況 100 km 能量消耗表Table 6 Energy consumption at 380 s road cycle

5 總 結(jié)

模糊控制算法是實現(xiàn)純電動客車能量管理控制、優(yōu)化的有效方法之一。文中所設計的驅(qū)動扭矩控制策略能夠通過控制驅(qū)動電機的輸出扭矩實現(xiàn)純電動客車起步加速性能的提升。制動能量回收控制策略通過合理分配制動力，從而降低能量消耗。文中所設計的兩種控制策略已在計算仿真上驗證了可行性，將通過實車測試進行驗證和進一步改進。

［1］ 中華人民共和國科學技術部. 電動汽車科技發(fā)展“十二五”專項規(guī)劃（國科發(fā)計（2012）195號）［EB/OL］. ［2014-11-3］. 北京: 中華人民共和國科學技術部， 2012. http://www.gov.cn/zwgk/2012-04/20/content_2118595.htm.

［2］ 陳清泉， 孫逢春， 祝嘉光. 現(xiàn)代電動汽車技術［M］. 北京: 北京理工大學出版社， 2004: 1-2.

［3］ 王震坡， 孫逢春， 劉鵬. 電動汽車原理與應用技術［M］. 北京: 機械工業(yè)出版社， 2014: 2-3.

［4］ Ehsani M， Gao YM， Emadi A. 現(xiàn)代電動汽車、混合動力電動汽車和燃料電池車——基本原理、理論和設計 ［M］. 倪光正， 倪培宏， 熊素銘譯. 北京: 機械工業(yè)出版社， 2008: 118-120.

［5］ Zhang X， Mi C. 車輛能量管理: 建模、控制與優(yōu)化 ［M］. 張希， 米春亭譯. 北京: 機械工業(yè)出版社，2013: 171-180.

［6］ Tie SF， Tan CW. A review of energy sources and energy management system in electric vehicles ［J］. Renewable and Sustainable Energy Reviews， 2013，20: 82-102.

［7］ Hemi H， Ghouili J， Cheriti A. A real time fuzzy logic power management strategy for a fuel cell vehicle ［J］. Energy Conversion and Management，2014， 80: 63-70.

［8］ Solano MJ， Mulot J， Harel F， et al. Experimental validation of a type-2 fuzzy logic controller for energy management in hybrid electrical vehicles ［J］. Engineering Applications of Artificial Intelligence， 2013， 26（7）: 1772-1779.

［9］ 王佳， 楊建中， 蔡志標， 等. 基于模糊控制的純電動轎車整車優(yōu)化控制策略 ［J］. 汽車工程， 2009，31（4）: 362-365.

［10］ 王立國. 純電動客車動力總成控制策略研究 ［D］.長春: 吉林大學， 2009.

［11］ 周孟喜. 電動汽車驅(qū)動工況下的整車控制策略研究 ［D］. 重慶: 重慶大學， 2012.

［12］ Nian XH， Peng F， Zhang H. Regenerative braking system of electric vehicle driven by brushless DC motor ［J］. IEEE Transactions on Industrial Electronics， 2014， 61（10）: 5798-5808.

［13］ Budde-Meiwes H， Drillkens J， Lunz B， et al. A review of current automotive battery technology and future prospects ［J］. Proceedings of the Institution of Mechanical Engineering， Part D: Journal of Automobile Engineering， 2013， 227（5）: 761-776.

［14］ Bayar K， Biasini R， Onori S， et al. Modelling and control of a brake system for an extended range electric vehicle equipped with axle motors ［J］. International Journal of Vehicle Design， 2012，58（2-4）: 399-426.

［15］ 汪貴平. 純電動汽車驅(qū)動與制動能量回收控制策略研究 ［D］. 西安: 長安大學， 2009.

［16］ Kovacic Z， Bogdan S. 模糊控制器設計理論與應用 ［M］. 胡玉玲， 張立權(quán)， 劉艷軍， 等譯. 北京: 機械工業(yè)出版社， 2010: 1-7.

［17］ 王立新. 模糊系統(tǒng)與模糊控制教程 ［M］. 王迎軍譯. 北京: 清華大學出版社， 2003: 75-76.

Acceleration Performance Optimization and Regenerative Braking Control for Battery Electric Bus Based on Fuzzy Logic Algorithm

HU Jianyao1WU Zhengbin1DENG Xianquan2QUAN Songhua2

1（ Electric Vehicle Research and Development Center， Shenzhen Institutes of Advanced Technology，Chinese Academy of Sciences， Shenzhen 518055， China ）

2（ Shenzhen Wuzhoulong Motors Co.， Ltd.， Shenzhen 518055， China ）

Increasingly serious environmental problems have prompted the city traffic to the clean， efficient and sustainable directions， and have also accelerated the popularization and applications of the new energy transport technology. With the development of the battery and motor drive technology， battery electric buses have drawn extensive concerns. Starting acceleration performance and regenerative braking capability are two advantages of battery electric bus compared to traditional vehicles. Because of quick responses of the accelerator pedal signal and drive motor， the acceleration performance of battery electric bus is superior to the traditional diesel bus theoretically. The regenerative braking is an important technique to save energy consumption and extend the drive range. In this paper， based on the fuzzy logic algorithm， we designed a driving torque control strategy for decreasing the starting acceleration time. Meanwhile，the regenerative braking control strategy is reported. The results show that， the driving torque control strategy can decrease acceleration time and the regenerative braking strategy can save energy consumption by 11% during the Chinese city bus driving cycles.

battery electric bus； acceleration performance； regenerative braking； fuzzy logic control

TG 156

A

2014-10-15

2014-11-4

國家新能源汽車產(chǎn)業(yè)技術創(chuàng)新工程整車項目（Y3Z0221001）；廣東省省院合作項目（2011B090300095，2012B09040018）； 深圳市科技研發(fā)項目（CXZZ20130322161447244）

胡堅耀，博士研究生，研究方向為純電動汽車和雙能量源混合動力汽車的能量管理與優(yōu)化控制；吳正斌（通訊作者），博士，研究員，博士生導師，研究方向為動力和儲能電池系統(tǒng)集成和應用技術、新能源汽車動力系統(tǒng)和整車集成與優(yōu)化技術，E-mail：zb.wu@siat.ac.cn；鄧先泉，高級工程師，研究方向為整車集成與優(yōu)化技術；全頌華，工程師，研究方向為新能源汽車動力系統(tǒng)優(yōu)化。