電動汽車復合制動系統狀態估計控制算法

劉清河，劉 濤，孫澤昌

(1．哈爾濱工業大學(威海)汽車工程學院，264209山東威海，qingheliu@sina．com;2．同濟大學汽車學院，201804上海)

電動汽車復合制動系統狀態估計控制算法

劉清河1，劉 濤1，孫澤昌2

(1．哈爾濱工業大學(威海)汽車工程學院，264209山東威海，qingheliu@sina．com;2．同濟大學汽車學院，201804上海)

針對目前再生制動靜態分配控制策略存在的問題，提出了基于復合制動系統結構的行車狀態參數估計算法，并利用建立的硬件在環仿真環境仿真驗證了算法對參數估計的效果．提出了基于行車狀態估計的最高能量回收控制策略優化算法，仿真分析了算法優化前后的控制過程和效果．硬件在環仿真數據表明，優化后的策略有效提高了能量回收效率，防止了車輪的提前抱死．

新能源電池汽車;復合制動;路面附著系數;狀態估計

目前，國內外研究機構對復合制動技術已進行了多年研究［1－7］．新能源車輛的復合制動系統主要分為兩種型式:電液并行復合制動系統和基于線控制動的電液串行復合制動系統［2］．這兩類復合制動系統均是在以一定的制動力分配算法控制下優先施加再生制動力，然后根據需要施加機械摩擦制動力［4］．復合制動控制算法的優劣在很大程度上決定了復合制動系統的性能．目前，廣泛采用的復合制動控制算法主要有兩種:再生制動力與機械摩擦制動力并行施加的并行復合制動控制算法和先施加再生制動，后施加摩擦制動的串行復合制動控制算法．文獻［ 2，5］對以上算法的具體實施手段進行研究，但均局限于前后車輪靜態制動力分配狀態上，對動態過程分析較少．在這種控制策略下，新能源車輛施加再生制動力后，驅動輪抱死趨勢增加，因此，如何避免新能源汽車復合制動系統驅動輪過早抱死成為復合制動系統技術難點之一［6－7］．

本文將車輛行駛狀態估計與復合制動控制策略相結合，建立一種以車輛行駛狀態估計結果為參數的動態復合制動控制策略，在避免驅動輪過早抱死的情況下有效利用地面的附著能力和再生制動系統性能．

1 行車狀態參數估計算法

復合制動系統制動時的典型特點是在駕駛員制動操作的初始階段總制動力需求較低而存在一定的純再生制動階段，在此階段僅存在驅動輪再生制動力，非驅動輪處于純滾動狀態．復合制動系統的這一結構特點為行車狀態參數估計提供了結構便利．

復合制動控制算法中所涉及的行車狀態參數主要有兩類:路面狀態參數(即路面峰值附著系數φbmax)和車輛結構參數(如整車質量、質心位置、軸距、滾動半徑等).對于所研究的轎車而言，車輛結構參數除整車質量外，其余參數變化范圍較小.因此將整車質量m和路面峰值附著系數φbmax作為行車狀態估計的主要任務.

在純再生制動階段，對車輛及其前輪(驅動輪)做受力分析，如圖1所示．

圖1 純再生制動輪受力圖

則:

式中，Fxb1、Fz1分別為前輪地面制動力和前軸載荷，m為整車質量，u為車速，z為制動強度，hg、b分別為質心高度和質心到后軸的距離，J1為前輪轉動慣量，ω為前輪轉速，r為滾動半徑，Tm為再生制動力矩.

圖2 復合制動系統硬件在環仿真試驗平臺

由于此階段滑移率小，仍然處于線性階段［8］，在汽車輪胎模型的線性區，路面附著系數φb線性段的斜率與路面峰值附著系數φbmax具有良好的線性關系，因此

整理成最小二乘法辨識的基本形式，得

令y=Tm+J1˙ω，x=－˙ur，則式(1)可以寫成最小二乘法系統辨識的標準模型形式y=mx.根據最小二乘法系統辨識理論，參數m的估計值)m的遞推辨識過程可以用下面的公式表示:

同理可將式(2)變換，列出φmax的遞推最小二乘辨識算法.

2 行車狀態參數估計算法仿真

為了研究和測試復合制動系統控制算法及其性能，作者在文獻［9］和［10］中研究建立了復合制動系統硬件在環仿真試驗平臺，平臺基本構成如圖2．

試驗系統主要由3個部分組成:xPC主機、xPC目標機和在環硬件，其中在環硬件包括液壓控制模塊、復合制動電子控制器、制動系統組件．液壓控制模塊采用反比例溢流閥組建立，電子控制器采用數字式PID電流閉環控制方式．制動系統采用超越3號制動系統．其中虛擬硬件主要包括整車模型、輪胎模型、鋰離子蓄電池模型和電機及控制器模型4個部分，對于模型的關鍵部分:鋰離子蓄電池模型和電機控制器模型均根據大量的實驗數據建立［11］．

圖3 高附著系數路面參數估計過程

將算法植入復合制動系統仿真模型中，通過改變仿真參數考察辨識的準確性．參數遞推的初始值m設定為滿載質量1 900 kg，路面峰值附著系數為φbmax=0.7.

經過設置不同的系統參數，對在線估計算法進行仿真．設定 m=1 600 kg，φbmax=0. 8，仿真得到參數遞推辨識過程如圖3所示.m估計值為1 606 kg，φbmax的估計值為 0. 81，誤差分別為0.37%和1.25%.

設m=1 200 kg，φbmax=0. 3，仿真得到參數遞推辨識過程如圖4．m估計值為1 205 kg，φbmax的估計值為0. 302，誤差分別為0.4%和0.6%．

可以看出，在采用模型仿真中的數據進行在線估計時，估計算法能很快收斂到真值，算法切實有效．

圖4 低附著系數路面參數估計過程

3 基于行車參數估計的最高能量回收策略優化

最高制動能量回收控制策略是復合制動控制中常用的控制策略之一．最優能量回收控制策略的控制目標是最大程度的回收制動能量，因此，在分配前后軸機械制動力和再生制動力時，控制策略在保證要求的制動減速度和前后輪均不抱死的前提下盡量使再生制動力獲得最大值，以盡最大可能回收制動能量．

在輕度制動下，采用純再生制動，制動力完全由驅動電機提供;在中度和重度制動時，采用復合制動．具體的:復合初期，前輪液壓制動力保持為零，優先增加后輪液壓制動力，直到前后輪制動力分配落在理想制動力分配曲線I線上時，前后輪液壓制動力一起上升，制動力分配比沿I線上升.

當系統估計出整車質量參數和地面附著系數后，新能源車輛進行復合制動過程控制時，便可以不局限于理想前后輪制動力分配線I線的約束，而把當前附著系數下后輪抱死線作為約束參數.即只要后輪不抱死，后輪液壓制動力就可以繼續增加，這樣可以最大程度地降低液壓制動在前輪上消耗能量.

對復合制動控制策略進行優化，具體的分配方法如下:

1)當再生制動系統的最大輸出力矩Tmax大于整車制動所需的制動力Fbd時，制動力完全由驅動輪(前輪)電機再生制動提供，即再生制動力矩Tm=Fbd·r(r為車輪滾動半徑)，前輪液壓制動力Fhf和后輪液壓制動力Fhr均為0.

2)當Tmax＜Fbd·r時，優先增加后輪液壓制動力Fhr，Fhr的增加以對應整車載荷和地面附著系數下的后輪抱死線r線為約束，保證最終分配的結果在r線的下方，保證車輛后輪不會抱死，維持車輛制動方向穩定性.為了防止車輪抱死的風險，將Fhr控制在其最大值的90%.

對于3自由度整車模型，r線的方程為

且Tmax＜ Fbd·r時，再生制動力矩Tm=Tmax，后輪液壓制動力Fhr=Fbd－Tmax/r，前輪液壓制動力Fhf=0.

3)當Tmax≥Fbd·r，且后輪液壓制動力分配在Tmax對應的r線下90% 的位置上時，總制動力仍然不能滿足總制動力需求，此時前液壓制動力上升，但是要保證制動力分配點不能落在I線的上方.此時

4 優化前后策略控制效果仿真分析

設定地面附著系數為0. 3，仿真優化前后復合制動系統的工作過程如圖5～7所示．

圖5 優化前后再生制動控制算法制動力分配結果對比

從圖5和6可以看出，優化后的算法中，前輪液壓制動力的介入時間不再是原算法中的前后輪滑移率相同的時刻，而是當后輪滑移率達到15%以上時，前輪液壓才開始介入．優化后的算法中，前輪液壓制動力始終處于原始算法分配結果的下方，為再生制動提供了更大的空間．原始算法中由于沒有針對路面附著狀況進行制動力限制，在目標制動強度增大時，前后輪依次出現了抱死拖滑的情況．

圖6 優化前后車輪滑移率控制結果對比

從圖7可以看出，在原始算法控制下，前輪和后輪依次抱死．由于前輪的抱死，蓄電池充電電流迅速下降，無法再進行能量回收．在優化后的算法中，由于識別出了路面附著參數，避免了車輪抱死的狀態，制動能量的回收可以一直維持．能量回收從75 kJ上升到90 kJ，總的回收效率提高了5.7%．

圖7 優化前后能量回收狀態結果對比

5 結論

1)結合新能源汽車復合制動系統的結構特點，建立并仿真驗證了行車狀態參數估計算法;

2)提出了基于行車狀態參數估計的最高能量回收控制算法的優化方法;

3)利用建立的硬件在環仿真環境，仿真分析并對比了算法優化后的控制過程及控制效果．硬件在環仿真數據表明，優化后的算法有效提升了能量回收的效率并避免了車輪的抱死現象．

［1］NAKAMURA E，SOGA M．Development of electronically controlled brake system for hybrid vehicle［J］．SAE paper，2002－01－0300．

［2］SOGA M．Development of vehicle dynamics management system for hybrid vehicles:ECB system for improved environmental and vehicle dynamic performance［J］．SAE review， 2002，23:459－464．

［3］CAO Binggang．Research on control for regenerative braking of electric vehicle［C］//IEEE International Conference on Vehicular Electroics and Safety Proceedings．Xi＇an China:［s．n．］，2005:92 －97．

［4］LIN Chan-chiao．Power management strategy for a parallel hybrid electric truck［J］．IEEE Transactions on Control Systems Technology， 2003，11(6):839－850．

［5］舒紅，秦大同．輕度混合動力汽車再生制動能量管理策略［J］．機械工程學報， 2009，45(1):167－173．

［6］YANG Jin．A model-based design analysis of hydraulic braking system［J］．SAE Paper，2003 －01 －0253．

［7］ZHANG Chuanwei，BAI Zhifeng．Study on regenerative braking of electric vehicle［C］//4th International Power Electronics and Motion control Conference．Xi＇an，China:［s．n．］，2004．836 －839．

［8］余卓平，左建令，陳慧．基于四輪輪邊驅動電動車的路面附著系數估算方法［J］．汽車工程， 2007，29(2):141－146．

［9］劉清河，孫澤昌．新能源汽車電液復合制動系統研究［J］．高技術通訊，2010(5):251－258．

［10］LIU Qinghe，SUN Zechang．Research on electro － hydraulic parallel brake system for electric vehicle［C］//2006 IEEE International Conference on Vehicular Electronics and Safety Proceedings．Shanghai，China:［s．n．］，2006:376 －379．

［11］魏學哲，孫澤昌．鋰離子動力電池參數辨識及狀態估計［J］．同濟大學學報:自然科學版， 2008，36(2):231－235．

States estimation control strategies for EV hybrid brake system

LIU Qing-he1，LIU Tao1，SUN Ze-chang2

(1．School of Automobile Engineering，Harbin Institute of Technology at Weihai，264209 Weihian，Shandong，China，qingheliu@sina．com;2．Automotive School，Tongji University，201804 Shanghai，China)

Based on the analysis of disadvantages of present static distribution control strategies of clean energy vehicles regenerative brake system，vehicle operation parameters estimation algorithm is presented which is adapted to the configuration of clean energy vehicles．The algorithm effect is simulated in Hardware-In-Loop-Simulation environment．Maximum energy regeneration optimization strategy is given and the advantages of control effect are simulated using HILS．The simulation data shows that the optimized strategy proves the efficiency of brake energy regeneration and finishes wheel anti-lock effectively．

clean energy vehicle;Hybrid Brake;road friction coefficient;states estimation

TP271

A

0367－6234(2011)09－0091－04

2010－04－14．

國家高技術研究發展計劃資助項目:電動汽車重大專項(2003AA501033);上海市科技攻關計劃(07dz12032);威海市科技發展計劃資助項目(2010－3－96)．

劉清河(1977—)，男，博士，講師;

孫澤昌(1953—)，男，教授，博士生導師．

(編輯 楊 波)