盧珊　葛進　樊辰　彭志強　程友斌

摘要：為解決驅(qū)動軸電機制動力和液壓制動力之間的分配關(guān)系，本文基于模糊控制算法，以制動強度z、車速v、蓄電池荷電狀態(tài)SOC為輸入，以驅(qū)動軸中電機制動力的占比Kr為輸出，實現(xiàn)驅(qū)動軸電液制動力的最優(yōu)分，建立了驅(qū)動軸電液制動力的分配策略。最后將控制策略的仿真模型嵌入Advisor2002進行仿真，結(jié)果表明：此論文建立的分配策略能夠進一步提高制動能量的回收效率，提升電動汽車系統(tǒng)的能量利用效率。

關(guān)鍵詞：集中式電動汽車;模糊控制算法;制動能量回收;Advisor2002

1、引言

近些年來，純電動汽車發(fā)展飛速，對其再生制動的研究也是熱門方向。其基本思路是利用車輛制動時電機產(chǎn)生的反向制動力使車輛減速，同時由于此時電機轉(zhuǎn)子的轉(zhuǎn)動頻率高于電源頻率，電機處于發(fā)電狀態(tài)，之后將轉(zhuǎn)換的能量存儲在儲能裝置中。對于提高能量的利用率、增加汽車的續(xù)航里程、降低車輛運行成本具有重大意義。

有很多學者對此進行了研究。文獻中利用模糊控制對電液制動力進行分配，均未考慮到車速對制動能量回饋的影響。本文設(shè)計了以車速、制動強度、蓄電池荷電狀態(tài)為輸入，回饋制動比例為輸出的電液制動力分配模糊控制器。并依據(jù)電機特性，計算出電機最大制動力，對實際再生制動力進行限制。使車輛既可滿足制動的安全性，又能實現(xiàn)制動能量回收的最大化，最后進行仿真驗證。

2、電液制動力模糊控制策略

為解決驅(qū)動軸（前軸）電機制動力和液壓制動力之間的分配關(guān)系，采用模糊控制算法，以制動強度z、車速v、蓄電池荷電狀態(tài)SOC為輸入，根據(jù)有關(guān)經(jīng)驗建立模糊規(guī)則，輸出驅(qū)動軸中電機制動力的占比Kr，實現(xiàn)驅(qū)動軸電液制動力的最優(yōu)分配。

2.1電液制動力分配原則

由車輛制動時的總制動力需求由制動強度決定。根據(jù)制動強度，本文采用如下電液制動力分配原則：

（1）當z<0.1時，僅采用電機制動。

（2）當0.1≤z≤0.7，前軸采用電液混合制動。

（3）當z>0.7，為避免造成安全事故，電機不參與制動過程，制動力全部由液壓制動系統(tǒng)提供。

除此之外，分配后的的再生的制動力還應滿足電機的制動能力，即實際分配后的再生制動力不得大于電機當前能夠提供的最大制動力。

2.2 電液制動力的模糊分配

（1）隸屬度函數(shù)

將模糊控制器的輸入為z、v、SOC的基本論域分別設(shè)置為[0，1]、[0，100]、[0，100%]，其中車速的單位為km/h，設(shè)置三個模糊子集S（small）、M（middle）、B（big），分別表示“小”、“中”、“大”。那么規(guī)定輸入z、v、SOC的模糊集合E（v）={S，M，B}、E（z）={S，M，B}、E（SOC）={S，M，B}。

模糊控制器的輸出Kr為驅(qū)動軸再生制動力的占比，其基本論域為[0，1]，其模糊子集E（Kr）={S，M，B}。

（2）模糊規(guī)則

在對驅(qū)動軸再生制動力占比Kr進行模糊控制規(guī)則制定的時候，不但要顧慮到蓄電池荷電狀態(tài)SOC以及車速v對機電復合制動力分配所具有的影響，同時還應該將電動車輛所具有的制動強度z涵蓋在內(nèi)，以確保其安全性指標。依據(jù)當前的理論與研究的狀況，本文所采用的模糊控制規(guī)則如表1所示。

在獲得模糊控器的輸出之后，采用重心法對其進行清晰化。

3、仿真模型的建立及結(jié)果分析

3.1 仿真模型的建立

根據(jù)上述研究，建立前后軸制動力分配策略的Simulink模型，將前后軸制動力分配的子模型封裝后，結(jié)合驅(qū)動軸電液模糊控制策略，建立電液制動力模糊分配的Simulink模型。

3.2 結(jié)果分析

將前文建立的Simulink模型嵌入到Advisor2002中，對原有的再生制動策略進行改進。初始SOC設(shè)置為0.8，然后選取CYC_UNIF01工況進行仿真。

CYC_UNIF01工況下車輛制動強度和驅(qū)動軸電機制動力占比Kr的仿真結(jié)果最大值分別為0.273和0.56。

對比本文再生制動控制策略和基于理想I曲線模糊再生制動策略下前軸制動力的分配結(jié)果，可以發(fā)現(xiàn)，本文再生制動控制策略下分配的前軸制動力明顯大于基于理想I曲線模糊再生制動策略下的前軸制動力，本文提出的再生制動策略能夠在制動安全的基礎(chǔ)上最大限度的將制動力分配到驅(qū)動軸（前軸），因此有利于最大化回收制動能量。

對比本文再生制動控制策略和基于理想I曲線模糊再生制動策略下SOC的仿真結(jié)果后可以發(fā)現(xiàn)在CYC_UNIF01運行結(jié)束后，基于I曲線的模糊再生制動策略SOC剩余28.7%，本文提出的再生制動控制策略下SOC剩余36.4%，SOC的消耗較少了7.7%，這說明本文提出再生制動控制策略能夠明顯提高制動能量的回收效率。

此外，為了直觀的證明再生能量回收的效果，讀取Advisor與制動策略、基于理想I曲線模糊再生制動策略和本文再生制動控制策略下制動總能量和回收能量的數(shù)據(jù)，如表2所示。

從表2中數(shù)據(jù)可以看出，在CYC_UNIF01工況下，三種再生制動控制策略制動能量的回收效率分別為34.7%、42.4%、47.0%。本文再生制動控制策略制動能量的回收效率最高，相對于前兩者，依次增加了12.3%、4.6%。因此可以說明，本文提出的再生制動能量控制策略能夠深度挖掘制動能量回收系統(tǒng)的潛力，有效提升制動能量的回收效率。

4、結(jié)論

（1）基于模糊控制算法，提出了前軸（驅(qū)動軸）電液制動力的分配策略，并建立了考慮SOC、車速及制動強度影響的再生制動模糊控制器。

（2）仿真結(jié)果表明，本文提出的再生制動能量回收策略能夠進一步提升制動能量的回收效率。

參考文獻

[1]王艷杰. 基于ADVISOR純電動汽車再生制動電—液復合制動控制策略研究[D]. 長安大學，2016.

[2]劉志強，汪浩磊，杜榮華. 考慮參數(shù)靈敏度的電動汽車回饋制動模糊控制[J]. 中南大學學報（自然科學版），2016，47（11）：3700-3706.

[3]Chan C C，Bouscayrol A，Chen K. Electric，hybrid，and fuel-cell vehicles：architectures and modeling[J]. IEEE Transactions on Vehicular Technology，2010，59（2）：589-598.

[4]杜冠磊，馬向華.基于模糊邏輯的混合動力汽車制動力動態(tài)分配控制策略研究[J].自動化技術(shù)與應用，2013，32（03）：17-20.

[5]王耀南，劉東奇. 電動汽車機電復合制動力分配策略研究[J]. 控制工程，2014，21（3）：347-351.

[6]劉麗君，姬芬竹，楊世春，等. 基于ECE 法規(guī)和Ⅰ曲線的機電復合制動控制策略[J]. 北京航空航天大學學報，2013 （1）：138-142.

[7]劉志強，汪浩磊，杜榮華. 考慮參數(shù)靈敏度的電動汽車回饋制動模糊控制[J]. 中南大學學報（自然科學版），2016，47（11）：3700-3706.

[8]Yimin Gao，Mehrdad Ehsani. Electronic Braking System of EV And HEV—Integration of Regenerative Braking[J].Automatic Braking Force Control and ABS，2001，（1）：2478-2481.

[9]鄒淵，孫逢春，王軍，等. 電動汽車用仿真軟件技術(shù)發(fā)展研究[J]. 機械科學與技術(shù)，2004，23（7）：761-764.

作者簡介：盧珊，1994.12，女，湖南岳陽，碩士研究生，助理講師，電動汽車動力學

2020年湖南鐵路科技職業(yè)技術(shù)學院院級科研課題（HNTKY-KT2020-3）