基于模糊邏輯的電動汽車制動力分配及能量回收控制策略研究

徐國凱,張 濤,趙秀春

(大連民族學院機電信息工程學院,遼寧大連 116605)

基于模糊邏輯的電動汽車制動力分配及能量回收控制策略研究

徐國凱,張 濤,趙秀春

(大連民族學院機電信息工程學院,遼寧大連 116605)

針對前輪驅動的電動汽車提出了一種基于模糊邏輯的制動力分配及能量回收控制策略。同時考慮了制動踏板行程、車速 (電機轉速)、電池荷電狀態(tài)等對電動汽車制動力分配的影響,使動力分配更加合理,從而有效地回收制動能量,提高能量利用率。仿真結果表明了該控制策略的有效性和優(yōu)越性。

電動汽車;能量回收;制動力分配;模糊邏輯

電動汽車和混合動力電動汽車最重要的特性之一是具有可以回收制動能量的能力,顯著提高電動汽車的續(xù)駛里程 (也叫作再生制動)。在電動汽車和混合動力電動汽車中的電動機可以被控制作為發(fā)電機運行,將制動時耗散的動能進行回收,存儲在能量存儲裝置中得以再次利用,從而達到提高整車能量效率和增加續(xù)駛里程的目的[1-2]。

電動汽車和混合動力電動汽車的制動系統(tǒng)與傳統(tǒng)汽車有所不同,它們的制動力矩分為兩部分,由電機提供的能量回收制動力矩和由傳統(tǒng)的制動器提供的制動力矩,兩者之和即為總的制動力矩。因此,針對電動汽車和混合電動汽車的制動系統(tǒng)的設計就會面臨兩個基本問題:一是如何在再生制動和機械摩擦制動之間分配所需的總制動力,以回收盡可能多的車輛的動能;二是如何在前后輪軸上分配總的制動力,以實現(xiàn)穩(wěn)定的制動狀

態(tài)[3-5]。

本文從制動力分配的角度,基于電動汽車仿真軟件ADV ISOR,探討了電動汽車前后輪制動力分配方案的原理及特點,并以前輪驅動的電動汽車為例,考慮到制動踏板行程、車速 (電機轉速)、電池的荷電狀態(tài)(SOC)等因素對電動汽車制動力分配的影響,應用模糊邏輯進行制動力分配及能量回收策略的優(yōu)化。

1 ADV ISOR制動力分配策略

在電動汽車和混合動力電動汽車中,再生制動盡管能夠回饋制動能量,提高續(xù)駛里程,但僅僅依靠再生制動是不夠的,傳統(tǒng)的摩擦制動還是必需的。一方面,單純的再生制動不能給駕駛者在制動時提供很好的感覺,容易使他們產(chǎn)生錯覺。另一方面,在汽車需要緊急制動時,摩擦制動將起到關鍵性的作用。只有將再生制動與摩擦制動有效結合,才能產(chǎn)生一個高效的制動系統(tǒng)。

在所需的總制動力中,假設X%的制動力由再生制動提供,另外的(100-X)%的制動力由摩擦制動提供。前輪再生制動系數(shù)X是一個與車輛行駛速度和電動機性能有關的參數(shù)。由于低速時回饋電流很小,充電效率低,因此一般情況下,再生制動在低速時的值要小于在高速時的值。

如圖 1,給出了 ADV ISOR的制動力分配方案,基本原理是根據(jù)當前車速通過查表方式得到前輪電機再生制動的分配系數(shù)fgen和前輪摩擦制動分配系數(shù)ffri(在 ADV ISOR中分別對應的變量名為 wh_fa_dl_brake_frac和 wh_fa_fric_brake_frac)。前輪的制動力分配系數(shù)表如圖 2,這個表是在WH_S MCAR.m文件中定義的,可以通過修改來達到不同的分配形式。前輪制動力分配完畢后,剩余的制動力由后輪的摩擦制動提供。

圖 1 ADV ISOR中制動力分配方案

ADV ISOR提供了一種簡單有效的制動力分配方案,但也有相當多的不足。首先,未考慮其他因素的影響,如制動踏板行程和電池 SOC;其次,該分配方案相對固定,無法保證實現(xiàn)最大可能的回收能量;另外,電動汽車運行工況復雜,很多參數(shù)均在不斷的變化之中,建模相對比較困難,因此,提出借助模糊控制的相關理論分析來解決此問題。

圖 2 ADV ISOR中制動力分配系數(shù)

2 基于模糊邏輯的制動力分配和能量回收策略

Oakland大學、Ohio州立大學、國際可回收能源實驗室、Seoul大學等早前的研究都表明模糊邏輯控制是非常適用于混合動力汽車控制的。模糊控制在測量不精確和部件特性有變化的時候具有很強的魯棒必需性,特別是可以表達回收控制中難以精確定量表達的規(guī)則。

2.1 系統(tǒng)結構

影響電動汽車能量回收的因素很多,主要有電機的發(fā)電能力、電池的存儲能力等。因此,需要輸入的信息至少包括電池 SOC、車速 (電機轉速)和駕駛員所需的制動力即制動踏板的行程。作為輸出,由于制動轉矩在電機和摩擦制動器之間分配,因此,只要確定一個,另一個也就確定了。

本文提出的基于模糊邏輯的控制策略的結構框圖如圖 3,主要由兩個模塊組成。第一個模塊為模糊推理器模糊控制器模塊,有 3個輸入和 1個輸出,輸入分別為車速 (電機轉速)、制動踏板行程和電池 SOC,輸出為制動力分配系數(shù);第二個模塊為制動轉矩修正模塊,根據(jù)模糊推理器的輸出和所需制動力的輸入,最終確定機械制動轉矩和電機制動轉矩 (即再生制動)。

圖 3 基于模糊邏輯的制動力分配及能量回收結構框圖

2.2 輸入量的模糊化

模糊控制器的 3個輸入量分別是車速 (電機轉速)、制動踏板行程以及電池 SOC,這 3個量的模糊化為后面模糊規(guī)則的解釋和實施提供了先決條件。根據(jù)大量的實驗數(shù)據(jù)和理論分析,為輸入量車速 (電機轉速)、制動踏板行程、電池 SOC以及輸出變量再生制動力比例系數(shù)分別設計隸屬度函數(shù),如圖 4中的 a,b,c,d。

圖 4 輸入量及輸出量的隸屬度函數(shù)

車速 (電機轉速)V的隸屬函數(shù)如圖 4(a)。模糊子集 middle表示當前車速屬于一般行駛速度,例如在城市路況中;而模糊子集 high則表示車速比較高的時候,例如在高速公路或持續(xù)直線行駛時;模糊子集 low代表車速較低,如在車輛剛起步的時候或即將停車時。

制動踏板行程 Pos的隸屬函數(shù)如圖 4(b)。模糊子集 high表示對制動力需求較大,一般出現(xiàn)在急剎車的情況下。模糊子集middle表示對制動力的需求一般;模糊子集 low表示只需要較小的制動力,不希望車速發(fā)生較大的變化,一般出現(xiàn)在下坡或滑行時。

電池 SOC的隸屬度函數(shù)如圖 4(c),模糊子集middle表示當前電池電量處在一般的狀態(tài),而模糊子集 high則表示電池電量處在較高的狀態(tài),例如在電動汽車剛充滿電又長下坡時,電機持續(xù)給電池充電使得電量較高;模糊子集 low則表示電池電量處在較少的狀態(tài),例如在電動汽車長時間驅動行駛,電池持續(xù)給電機供電使得電量較低。

2.3 模糊推理

制定制動能量回饋模糊規(guī)則時,應盡量保證整車的安全性與舒適性,同時盡可能回收更多的能量。根據(jù)實際經(jīng)驗和大量的仿真實驗,總結出下面的模糊規(guī)則表,共有 27條規(guī)則,其中第 i條規(guī)則的表述形式為

所有規(guī)則見表 1。

表 1 模糊推理規(guī)則庫

由此得到再生制動比例系數(shù)隨著 3個輸入量中的任意兩個變化而改變的曲面圖如圖 5。從中可以看出,當電池 SOC一定時 (小于 0.7),隨著車速的升高,再生制動的比例增大,由于電機的功率有限,為了保證電機在額定的功率內工作,當車速增加到一定值時,再生制動比例不再增大,維持在一個最大值,所以當電池 SOC大于 0.7時,即使車速增大,為了保護電池,再生制動的比例很低。

圖 5 再生制動力比例系數(shù)隨輸入量變化的曲面圖

2.4 輸出量的去模糊化

由于輸出的控制量是一個模糊量,而實際的控制量是確切量,應該用合適的判決方法將模糊控制量轉變成確切量,考慮到整車駕駛的性能,采用加權平均法求得對應的電機再生制動所占的比例

進而得到電機的制動轉矩。

3 仿真結果與分析

本文選擇了 3種典型的城市驅動循環(huán):歐洲ECE+EUDC、日本 1015和美國 UDDS來進行再生制動系統(tǒng)的仿真。

采用 ADV ISOR制動力分配、文獻 [3]中的制動力分配和基于模糊邏輯的制動力分配 3種制動力分配策略和無回饋制動時的蓄電池剩余電量的比較見表 2,分別按歐洲 ECE+EUDC、日本 1015和美國UDDS工況運行了 1個工況循環(huán),實驗前蓄電池 SOC均為 1。

表 2 蓄電池剩余電量比較

由表 2可以看出,采用基于模糊邏輯的制動力分配及能量回收策略后,電動汽車在同一循環(huán)工況下消耗的能量不僅比無回饋制動和 ADV ISOR分配控制方案的能量消耗明顯減少,蓄電池剩余電量的比例有所增加;而且因為考慮了電池SOC對電動汽車制動力分配的影響,同文獻[3]中的制動力分配控制策略得到的仿真結果相比也有一些提高。

4 結 語

本文提出的基于模糊邏輯的制動力分配及能量回收控制策略,考慮了各種因素的影響,如制動踏板行程、車速 (電機轉速)、電池 SOC等,通過對采用不同的控制方案對比,仿真結果表明了該控制策略具有更高的制動能量回收率和整車能量效率。

[1]MEHRDAD E,GAO Y imin,SEBASTIEN E G,et al.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.

[2]彭棟,殷承良,張建武.基于模糊控制的并聯(lián)式混合動力汽車制動控制系統(tǒng) [J].吉林大學學報:工學版,2007,37(4):756-761.

[3]徐海東.電動汽車再生制動能量高效回收控制策略研究 [D].濟南:山東大學,2007.

[4]張健,王耀南,曹松波.基于模糊邏輯的電動汽車制動能量回饋控制策略 [J].工業(yè)控制計算機,2005,18(7):59-61.

[5]謝長君,全書海,姚玲.基于粒子群優(yōu)化模糊控制器的電動汽車再生制動控制策略研究[J].武漢理工大學學報:交通科學與工程版,2008,32(4):669-672.

Research on Braking Force D istribution and Energy Recovery Control Strategy for Electric Vehicles Based on Fuzzy Logic

XU Guo-ka i,ZHANG Tao,ZHAO Xiu-chun
(College of Electromechanical&Information Engineering,Dalian NationalitiesUniversity,Dalian Liaoning 116605,China)

A braking force distribution and energy recovery control strategy for electric vehicles based on fuzzy logic is proposed in this paper.The travel of the brake pedal,the vehicle speed(or the rotation speed of the motor)and the battery's state of charge(SOC)are all considered in this strategy,so the braking force distribution isoptimized.In thisway,the braking energy is effectively recovered and,hence,the energy efficiency is increased.Emulation results show the effectiveness and excellence of the proposed control strategy.

electric vehicle;energy recovery;braking force distribution;fuzzy logic

U469.72

A

1009-315X(2010)03-0212-05

2009-10-30

遼寧省教育廳基金項目 (2008133)。

徐國凱 (1956-),男,遼寧撫順人,教授,學校優(yōu)秀教學帶頭人,碩士生導師,主要從事先進控制理論研究。

(責任編輯 劉敏)