丁宇珊　宋百玲

摘 要：科學(xué)分析了ECE制動政策法規(guī)，為了實現(xiàn)制動力的合理分配，設(shè)計模糊控制器，該控制器的輸入?yún)?shù)包括制動強度z、電池荷電狀態(tài)SOC和車速v，而輸出參數(shù)則是制動能量回收比例系數(shù)K。建立了基于模糊控制的制動能量回收控制策略的仿真模型并仿真，結(jié)果顯示，設(shè)計的控制策略可以確保車輛的制動穩(wěn)定性，并使車輛在制動過程中回收較多能量。

關(guān)鍵詞：混合動力汽車 再生制動 ADVISOR 制動力分配 模糊控制

0 前言

再生制動系統(tǒng)能夠?qū)⑵囎陨淼尿?qū)動能量轉(zhuǎn)化為其他形式能量存儲，降低成本[1]，合理的控制策略能有效提高能量回收利用率。韓國Sunkyunkwan大學(xué)的Yeo等人[2]在混合動力汽車智能算法中應(yīng)用模糊算法，設(shè)計調(diào)整方案，并建立了硬件實體模型。文獻[3]提出的制動策略是在滿足ECE法規(guī)要求的基礎(chǔ)上以制動強度作為制動力分配的標(biāo)準(zhǔn)創(chuàng)建仿真模型，進行實驗，將仿真結(jié)果與ADVISOR策略對比，在高速公路工況下，回收效率相仿。本文在進行了相關(guān)法規(guī)的研究和制動動力學(xué)分析的基礎(chǔ)上，提出了一種模糊控制器，該控制器以充電電池SOC、制動強度z和車輛時速v作為輸入，以制動能量回收比例系數(shù)K作為輸出。利用電機的制動反饋，調(diào)節(jié)摩擦制動力和再生制動力的比例，不影響汽車制動穩(wěn)定性并提高整車制動能量回收利用效率。

1 制動力分析

如圖1對制動中的汽車進行力學(xué)分析[7]時，忽略滾動阻力和影響。車輛保持前后輪同時抱死，才能保證制動時的穩(wěn)定性[4]。

（1）

公式（1）即為理想制動力分配邊界曲線[5]（I 曲線）（如圖2所示）的表達式。L為前、后車軸之間的距離；為汽車質(zhì)心高度，m為汽車總質(zhì)量；hg為重力系數(shù)；Fuf為前軸所需制動力；Fur為后軸所需制動力。

在實際行車制動中通常會優(yōu)先施加較大的制動力于前輪，以使前輪比后輪先抱死狀態(tài)。即：

（2）

聯(lián)合國組織歐洲委員會公布了ECE R13汽車安全性制動政策法規(guī)[6]。主要規(guī)定內(nèi)容為：

（1）當(dāng)乘用車地面附著系數(shù)φ在0.2～0.8范疇內(nèi)的路面行駛時，制動強度z≥0.1+0.85（φ-0.2），即φ≤（z+0.07）/0.85時，前輪的地面附著系數(shù)曲線處在后輪以上的區(qū)域，避免后輪抱死產(chǎn)生側(cè)滑。

（2）當(dāng)0.3≤z≤0.4時，后輪利用附著系數(shù)曲線在直線φ=z+0.05下方的要求也必須滿足。

所以ECE制動法規(guī)邊界曲線（M曲線）（圖2所示）表達式為：

（3）

圖2中兩條線分別為由式（1）所得的I曲線及由公式（3）所得的M曲線，在I曲線和M曲線之間區(qū)域內(nèi)可以確保安全制動。

2 再生制動控制策略

有效的制動力分配范圍為圖2中的I曲線和M曲線之間[7]。理想制動力分配控制策略能充分利用地面附著系數(shù)，提高汽車制動安全性和穩(wěn)定性，在最短時間內(nèi)實現(xiàn)汽車制動，具有較高的能量回收率，但協(xié)調(diào)系數(shù)難度較高；最大能量回收控制策略的能量回收率高，但制動穩(wěn)定性差，控制系統(tǒng)復(fù)雜；并聯(lián)控制策略穩(wěn)定性較可靠，但回收率低[9]。綜上所述，本文選用理想制動力分配控制策略。

理想制動力分配[8]是按圖2中的I曲線進行分配。圖3為該控制策略的分配曲線，主要分為OA（駕駛員需求制動強度小于0.15）和BC（需求制動強度大于0.15）兩段來表示制動力的分配過程。

3 模糊控制器設(shè)計

設(shè)計了一種模糊控制器來控制混合動力車輛的制動能量回收利用[10]。輸入?yún)?shù)為制動強度z、電池荷電狀態(tài)SOC和車速v，輸出參數(shù)則是電機制動力與總制動力的比例系數(shù)K。原理如圖4所示。

3.1 隸屬度函數(shù)設(shè)計

制動強度z，電池SOC數(shù)值，車速v，模糊語言皆為低、中、高，模糊子集皆為[L，M，N]，論域分別為[0，0.9]，[0，1]，[0，120]，其中L、N為高斯型函數(shù)，M為鐘型函數(shù)[11]。

電機制動比例K的論域為[0，1]，模糊子集為[VL、L、M、N、VN]，VL表示摩擦制動供給所有制動力，電機不參與；L表示電機供給較少制動力；M表示電機制動是中等水平；N表示主要由電機供給；VN表明幾乎所有的制動力由電機供給。

結(jié)合模糊控制器結(jié)構(gòu)原理，制定模糊規(guī)則如表1所示。

根據(jù)模糊規(guī)則，四者關(guān)系如圖5所示。

4 制動能量回收建模與仿真

4.1 制動力分配規(guī)則

再生制動時按照整車實況車速查表[12]及計算總制動力所需，根據(jù)實況車速分配制動力[13]，圖6為制定的制動力分配規(guī)則。

根據(jù)再生控制策略的制動力分配參數(shù)，得出各制動力分配系數(shù)與車速之間的變化。如圖7。

4.2 再生制動模糊控制策略模型

圖8所示為理想制動力分配策略和模糊控制策略優(yōu)化的機電復(fù)合制動系統(tǒng)原理框圖。

（1）理想制動力分配策略模型

圖4中的OA段，BC段分配制動力，仿真模型如圖9，10。

（2）再生制動模糊控制策略模型

確定前，后向路徑制動強度，依據(jù)實際行車狀態(tài)，構(gòu)建前，后向再生制動模糊控制策略模型如圖11，12所示。

4.3 再生制動控制策略仿真分析

4.3.1 仿真工況

選擇NEDC循環(huán)工況進行仿真分析。NEDC屬于城市工況，汽車啟停頻次多，制動次數(shù)也相對較多，整車車速變化較大[14]。如圖13所示為NEDC工況中車速隨時間的變化

4.3.2 仿真分析

（1）制動穩(wěn)定性分析

圖14所示為在CYC_ NEDC工況下仿真時車速隨時間變化曲線與工況車速要求對比圖。

由圖14可以看出，車輛能夠完全按照仿真工況實時車速要求完成整個仿真過程，說明所設(shè)計的控制策略能優(yōu)化再生制動力比例并保證車輛制動的安全性和穩(wěn)定性。

（2）再生制動力分配分析

所設(shè)計的再生制動控制策略制動與原車再生制動控制策略電機輸出轉(zhuǎn)矩對比如圖14所示。

圖15中，轉(zhuǎn)矩為正，負(fù)時分別表示汽車運行在驅(qū)動，制動狀態(tài)。車輛再生制動時，所設(shè)計的模糊控制策略下電機轉(zhuǎn)矩的最大值高于軟件自帶的控制策略，分配到了更多的再生制動力，提高了再生制動力的分配比例，有利于制動能量回收，與設(shè)計目標(biāo)一致。

（3）制動能量回收效果分析

圖16為混合動力電動汽車在CYC_? NEDC工況下分別在兩種控制策略下仿真的SOS變化曲線對比。由圖16可知，所設(shè)計的控制策略在仿真過程中SOC值一直要略高于軟件自帶控制策略模型下的SOC值，有利于提升混合動力汽車的能量利用率，增加續(xù)駛里程，符合設(shè)計目標(biāo)。

整車消耗總能量、制動消耗總能量、制動回收能量數(shù)據(jù)如表2所示。所設(shè)計控制策略不僅整車消耗能量略低于軟件自帶控制策略，同時在制動回收能量方面也略高。在制動能量回收效率上提高了4.3%。

5 結(jié)論

（1）對混合動力汽車制動狀況進行力學(xué)分析，結(jié)合ECE制動法規(guī)的要求，明確汽車安全制動時制動力范圍在I曲線下方且在M曲線上方的區(qū)域內(nèi)。

（2）設(shè)計了輸入?yún)?shù)為制動強度z、電池荷電狀態(tài)SOC和車速v，制動能量回收比例系數(shù)K為輸出的模糊控制器，并根據(jù)27個模糊規(guī)則來進行制動力分配。

（3）建立模糊控制仿真模型和整車模型，在選定的CYC-NEDC循環(huán)工況下對制動穩(wěn)定性、再生制動力分配狀況、制動能量回收效果進行仿真，結(jié)果表明基于模糊控制的控制策略能提高制動能量回收的效率，有助于混合動力汽車的續(xù)駛里程的提升。有一定的實用性，達到了設(shè)計目標(biāo)。

參考文獻

[1]成龍. 混合動力汽車電液集成制動系統(tǒng)設(shè)計研究[D].太原：中北大學(xué)，2015.

[2]Yeo H， Hwang S， Kim H. Regenerative braking algorithm for a hybrid electric vehiclewith CVT ratio control[J]. Proceedings of the Institution of Mechanical Engineers， PartD： Journal of Automobile Engineering， 2006， 220（11）： 1589- 1600.

[3]Zhang H S M Y Z .Regenerative Braking of Electric Vehicles Based on Fuzzy Control Strategy[J].Processes，2023，11（10）.

[4]陳松，王劍.基于載荷識別的汽車轉(zhuǎn)向機電制動穩(wěn)定性控制[J].計算機仿真，2022，39（09）.

[5]朱波，陳超，徐益勝，顧家鑫.純電動汽車再生制動與ESC液壓制動協(xié)調(diào)控制[J].合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2020，43（11）：1441-1449.

[6]吳興康.基于ECE R13法規(guī)線和I曲線的電動汽車制動能量回收控制策略[D].杭州：浙江科技學(xué)院，2021.

[7]季昌健.基于模糊神經(jīng)網(wǎng)絡(luò)的電動車再生制動力分配方法研究[D].長春：吉林大學(xué)，2020.DOI：10.27162/d.cnki.gjlin.2020.006876.

[8]王靜怡，吳濤，吉麒麟.純電動汽車制動能量回收系統(tǒng)關(guān)鍵技術(shù)現(xiàn)狀分析[J].時代汽車，2021（03）：100-101.

[9]蘇楠，宋峰偉，王鵬.電動汽車制動力的分配分析及優(yōu)化[J].汽車實用技術(shù)，2020，45（17）.

[10]崔本清.基于模糊控制的電動汽車再生制動能量回收策略的研究[D].桂林：桂林電子科技大學(xué)，2021.

[11]高航.純電動汽車制動能量回收控制策略研究[D].西安：長安大學(xué)，2019.

[12]Cheng Q T .Regenerative braking energy recovery control strategy for electric vehicles with battery temperature measurement[J].Journal of Physics： Conference Series，2023，2584（1）.

[13]王健，盤朝奉，陳燎，李仲興，方恩，林俊良.基于模糊規(guī)則的電動汽車機電復(fù)合制動力分配策略[J].重慶理工大學(xué)學(xué)報（自然科學(xué)），2021，35（09）：66-72+82.

[14]Kevin Robinson，Shifei Ye，Yeow Yap，Stan T. Kolaczkowski. Application of a methodology to assess the performance of a full-scale diesel oxidation catalyst during cold and hot start NEDC drive cycles[J]. Chemical Engineering Research and Design，2013，91（7）.