基于模糊控制电动汽车再生制动策略研究

卢珊　葛进　樊辰　彭志强　程友斌

摘要：为解决驱动轴电机制动力和液压制动力之间的分配关系，本文基于模糊控制算法，以制动强度z、车速v、蓄电池荷电状态SOC为输入，以驱动轴中电机制动力的占比Kr为输出，实现驱动轴电液制动力的最优分，建立了驱动轴电液制动力的分配策略。最后将控制策略的仿真模型嵌入Advisor2002进行仿真，结果表明：此论文建立的分配策略能够进一步提高制动能量的回收效率，提升电动汽车系统的能量利用效率。

关键词：集中式电动汽车;模糊控制算法;制动能量回收;Advisor2002

1、引言

近些年来，纯电动汽车发展飞速，对其再生制动的研究也是热门方向。其基本思路是利用车辆制动时电机产生的反向制动力使车辆减速，同时由于此时电机转子的转动频率高于电源频率，电机处于发电状态，之后将转换的能量存储在储能装置中。对于提高能量的利用率、增加汽车的续航里程、降低车辆运行成本具有重大意义。

有很多学者对此进行了研究。文献中利用模糊控制对电液制动力进行分配，均未考虑到车速对制动能量回馈的影响。本文设计了以车速、制动强度、蓄电池荷电状态为输入，回馈制动比例为输出的电液制动力分配模糊控制器。并依据电机特性，计算出电机最大制动力，对实际再生制动力进行限制。使车辆既可满足制动的安全性，又能实现制动能量回收的最大化，最后进行仿真验证。

2、电液制动力模糊控制策略

为解决驱动轴（前轴）电机制动力和液压制动力之间的分配关系，采用模糊控制算法，以制动强度z、车速v、蓄电池荷电状态SOC为输入，根据有关经验建立模糊规则，输出驱动轴中电机制动力的占比Kr，实现驱动轴电液制动力的最優分配。

2.1电液制动力分配原则

由车辆制动时的总制动力需求由制动强度决定。根据制动强度，本文采用如下电液制动力分配原则：

（1）当z<0.1时，仅采用电机制动。

（2）当0.1≤z≤0.7，前轴采用电液混合制动。

（3）当z>0.7，为避免造成安全事故，电机不参与制动过程，制动力全部由液压制动系统提供。

除此之外，分配后的的再生的制动力还应满足电机的制动能力，即实际分配后的再生制动力不得大于电机当前能够提供的最大制动力。

2.2 电液制动力的模糊分配

（1）隶属度函数

将模糊控制器的输入为z、v、SOC的基本论域分别设置为[0，1]、[0，100]、[0，100%]，其中车速的单位为km/h，设置三个模糊子集S（small）、M（middle）、B（big），分别表示“小”、“中”、“大”。那么规定输入z、v、SOC的模糊集合E（v）={S，M，B}、E（z）={S，M，B}、E（SOC）={S，M，B}。

模糊控制器的输出Kr为驱动轴再生制动力的占比，其基本论域为[0，1]，其模糊子集E（Kr）={S，M，B}。

（2）模糊规则

在对驱动轴再生制动力占比Kr进行模糊控制规则制定的时候，不但要顾虑到蓄电池荷电状态SOC以及车速v对机电复合制动力分配所具有的影响，同时还应该将电动车辆所具有的制动强度z涵盖在内，以确保其安全性指标。依据当前的理论与研究的状况，本文所采用的模糊控制规则如表1所示。

在获得模糊控器的输出之后，采用重心法对其进行清晰化。

3、仿真模型的建立及结果分析

3.1 仿真模型的建立

根据上述研究，建立前后轴制动力分配策略的Simulink模型，将前后轴制动力分配的子模型封装后，结合驱动轴电液模糊控制策略，建立电液制动力模糊分配的Simulink模型。

3.2 结果分析

将前文建立的Simulink模型嵌入到Advisor2002中，对原有的再生制动策略进行改进。初始SOC设置为0.8，然后选取CYC_UNIF01工况进行仿真。

CYC_UNIF01工况下车辆制动强度和驱动轴电机制动力占比Kr的仿真结果最大值分别为0.273和0.56。

对比本文再生制动控制策略和基于理想I曲线模糊再生制动策略下前轴制动力的分配结果，可以发现，本文再生制动控制策略下分配的前轴制动力明显大于基于理想I曲线模糊再生制动策略下的前轴制动力，本文提出的再生制动策略能够在制动安全的基础上最大限度的将制动力分配到驱动轴（前轴），因此有利于最大化回收制动能量。

对比本文再生制动控制策略和基于理想I曲线模糊再生制动策略下SOC的仿真结果后可以发现在CYC_UNIF01运行结束后，基于I曲线的模糊再生制动策略SOC剩余28.7%，本文提出的再生制动控制策略下SOC剩余36.4%，SOC的消耗较少了7.7%，这说明本文提出再生制动控制策略能够明显提高制动能量的回收效率。

此外，为了直观的证明再生能量回收的效果，读取Advisor与制动策略、基于理想I曲线模糊再生制动策略和本文再生制动控制策略下制动总能量和回收能量的数据，如表2所示。

从表2中数据可以看出，在CYC_UNIF01工况下，三种再生制动控制策略制动能量的回收效率分别为34.7%、42.4%、47.0%。本文再生制动控制策略制动能量的回收效率最高，相对于前两者，依次增加了12.3%、4.6%。因此可以说明，本文提出的再生制动能量控制策略能够深度挖掘制动能量回收系统的潜力，有效提升制动能量的回收效率。

4、结论

（1）基于模糊控制算法，提出了前轴（驱动轴）电液制动力的分配策略，并建立了考虑SOC、车速及制动强度影响的再生制动模糊控制器。

（2）仿真结果表明，本文提出的再生制动能量回收策略能够进一步提升制动能量的回收效率。

参考文献

[1]王艳杰. 基于ADVISOR纯电动汽车再生制动电—液复合制动控制策略研究[D]. 长安大学，2016.

[2]刘志强，汪浩磊，杜荣华. 考虑参数灵敏度的电动汽车回馈制动模糊控制[J]. 中南大学学报（自然科学版），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，马向华.基于模糊逻辑的混合动力汽车制动力动态分配控制策略研究[J].自动化技术与应用，2013，32（03）：17-20.

[5]王耀南，刘东奇. 电动汽车机电复合制动力分配策略研究[J]. 控制工程，2014，21（3）：347-351.

[6]劉丽君，姬芬竹，杨世春，等. 基于ECE 法规和Ⅰ曲线的机电复合制动控制策略[J]. 北京航空航天大学学报，2013 （1）：138-142.

[7]刘志强，汪浩磊，杜荣华. 考虑参数灵敏度的电动汽车回馈制动模糊控制[J]. 中南大学学报（自然科学版），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]邹渊，孙逢春，王军，等. 电动汽车用仿真软件技术发展研究[J]. 机械科学与技术，2004，23（7）：761-764.

作者简介：卢珊，1994.12，女，湖南岳阳，硕士研究生，助理讲师，电动汽车动力学

2020年湖南铁路科技职业技术学院院级科研课题（HNTKY-KT2020-3）