城市電動公交車制動能量回收控制策略研究*

郭 棟,朱文平,孫宇航,高 松,楊 坤,李 博

(山東理工大學交通與車輛工程學院，淄博 255049)

2016044

城市電動公交車制動能量回收控制策略研究*

郭 棟,朱文平,孫宇航,高 松,楊 坤,李 博

(山東理工大學交通與車輛工程學院，淄博 255049)

為有效提高城市電動公交車的制動能量回收率，以某一后輪驅動的12m城市電動公交車為對象，對簡單并聯控制策略進行改進，在后軸氣壓管路添加調壓閥以增加后輪電機制動的比例，進而提高制動能量回收率。在此基礎上，提出了新型并聯控制策略，并結合非線性規劃控制算法，運用Matlab/Simulink軟件進行仿真。結果表明，采用新型并聯控制策略時制動能量回收率最高可達28.4%，比采用簡單并聯控制策略時的回收率約高12個百分點。

電動公交車；制動能量回收；控制策略；非線性規劃；Matlab/Simulink

前言

目前汽車工業迅速發展，隨之帶來的環境污染和石油資源枯竭問題日益嚴重[1]。近年來，電動汽車得到迅速的發展和應用，但是續駛里程短、動力性不足的瓶頸仍然沒能突破[2]。目前，比較成熟的解決辦法是運用制動能量回收技術，對電動汽車制動過程中的能量通過電機進行回收，并運用到二次牽引，提高能量利用率，從而達到延長續駛里程和提高動力性的目的[3-4]。

制動能量的回收，需要綜合考慮車輛的動力學特性、電機的發電特性和動力電池組的充放電特性等因素[5-9]。迄今為止，我國對于電動汽車制動能量回收控制技術的研究集中于理論仿真驗證，尤其對于城市電動公交車的制動能量回收控制方面的研究剛剛起步。本文中從制動力分配的角度，以后輪驅動的12m城市電動公交車為例，基于簡單并聯控制策略的改進，提出了新型并聯控制策略，并通過建模仿真，驗證了其可行性和實用性。

1 城市電動公交車制動力分配

選擇12m城市電動公交車作為研究對象,忽略空氣阻力和滾動阻力的影響，受力分析如圖1所示。

圖1 電動公交車制動受力分析圖

由受力分析可得

(1)

(2)

式中：Fzf和Fzr分別為制動時地面對前輪和后輪的法向反作用力；G為作用在整車上的重力；L為軸距；a和b分別為質心與前、后軸的水平投影距離；hg為質心高度；z為制動強度。

制動過程中，當前后輪同時抱死時，可得

Fxbf+Fxbr=φG

(3)

Fxbf=φFzf

(4)

Fxbr=φFzr

(5)

式中：Fxbf和Fxbr分別為前、后輪地面制動力；φ為路面附著系數。

聯立式(3)～式(5)可得

(6)

由式(6)可得電動公交車前后輪制動器制動力的理想分配曲線，即I曲線。當前后輪制動器制動力按照I曲線分配時，無論φ為何值，前后輪總是同時抱死，保證制動穩定性和較高的路面附著系數利用率。

對于12m城市電動公交車而言，其前后輪制動器制動力的比值為定值。設定β為制動力分配系數，則有

(7)

式中：Fuf和Fur為前、后輪制動器制動力；Fu為總制動器制動力。電動公交車的部分整車參數和β值如表1所示。

2 制動力分配策略選擇

通常情況下，電動汽車制動時，需采用傳統機械摩擦制動和電機制動相結合的復合制動模式。而傳統機械摩擦制動力和電機制動力的分配比例，對于制動效能和制動能量回收率具有重要影響[10-12]。

2.1 制動力分配策略選擇

目前相對成熟的制動力分配策略有串聯控制策略和并聯控制策略兩種[13-14]。常見的串聯制動控制策略包括：能量最大化控制策略，感覺最優控制策略和模糊邏輯控制策略等。常見的并聯控制策略包括：簡單并聯控制策略和異步并聯控制策略。研究表明，并聯控制策略具備結構簡單、成本低和制動穩定性好等特點，便于大范圍推廣使用，雖然其制動能量回收率較低，但可通過對控制策略的優化來提高。

基于典型制動力分配策略，結合電動公交車的理想制動力分配曲線(I曲線)，建立能量回收率較高的新型并聯制動分配策略。本研究中城市電動公交車為后輪驅動，為提高制動能量回收率，需對后軸的傳統機械制動力進行限定，使電機盡可能多地參與制動。通過添加壓力調節閥控制后輪機械制動管路的壓力，使前后軸機械制動管路的壓力差為定值，且該定值所對應的機械制動力數值剛好等于電機制動力的最大值，使電機最大限度進行制動，從而提高制動能量回收率。

在制動過程中，新型并聯制動分配策略分為兩種制動模式。

模式1 當車輛制動強度較小時，分配給后輪的制動力小于電機所能提供的最大值，則后輪為純電機制動，前輪為傳統機械制動。前、后輪制動力分配盡可能接近β線。

模式2 當車輛制動強度較大時，分配給后輪的制動力遠大于電機所能提供的最大值，其差值由后輪的傳統機械制動系統補償，后輪為電機制動和傳統機械制動共同作用，前輪為傳統機械制動。前、后輪制動力分配盡可能接近β線。

2.2 再生制動控制策略的選擇

基于新型并聯制動力分配策略，在保證制動穩定性和安全性的前提下，提出以下幾點控制策略。

(1) 當制動強度較小時(z≤0.1)，前后輪制動力按照理想制動力分配曲線分配。后輪所需制動力全部由電機制動提供，前輪所需制動力由傳統機械制動提供。

(2) 當制動強度中等時(0.1

(3) 當制動強度較大時(z>0.7)，為緊急制動，防抱死制動控制系統ABS開始介入制動過程。為保證ABS正常工作和制動安全性，停止電機制動，前后輪制動力全部由傳統機械制動提供。

(4) 當電池SOC>0.9時，為保護蓄電池的安全，停止電機制動，前后輪制動力全部由傳統機械制動提供。

(5) 當電機的轉速過低時(一般低于500r/min)，由于電機制動效果不明顯，取消電機制動，前后輪制動力全部由傳統機械制動提供。

3 控制策略的建模與仿真

運用Matlab/Simulink仿真軟件，采用后向仿真建模方法，基于非線性規劃的控制算法，對制動能量回收控制策略進行建模仿真。

3.1 非線性規劃模型控制算法

基于上述的再生制動控制策略，在滿足制動需求和穩定性的前提下，需確定使回收能量達到最大值(用電流對時間的積分表示)的最佳制動力Fu：

Fu=Fuf+Fur

(8)

為保證制動過程中的車輛穩定性，令前后輪制動力之比近似等于垂直載荷之比，可得

(9)

(10)

在一般制動過程中，由于制動強度低，后輪制動力需求小于電機所能提供制動力的最大值，為提高制動能量回收率，后輪制動力Fur由電機制動提供，前輪制動力Fuf由機械制動提供。

為保證駕駛員感覺接近正常制動，令電機制動力隨時間呈線性變化，即

Fur=Fum=F0+Kt

(11)

式中：Fum為電機制動力；F0為初始電機制動力；K為電機制動力增長系數。

同理，對于前輪機械制動力，也可令Fuf隨時間呈線性變化，即

Fuf=8000+1100t

(12)

由上述分析可知，需確定F0和K值，為此，建立非線性規劃模型為

(13)

約束條件：8s≤t≤12s；|ab|≤2.5m/s2；K≥0

式中：t為制動時間；ab為制動加速度；v0為制動開始時的初始車速；v1為電機制動結束時的終止車速；I為再生制動時對蓄電池的充電電流。其中，I可由動力學模型求得：

(14)

式中：k1為系統機械效率；k2為電機的發電效率；k3為蓄電池的充電效率；m為電動汽車總質量；U為蓄電池電壓；Ff為滾動阻力。

通過查閱整車參數，得到k1=0.9，k3=0.82;由于三相異步交流電機在不同轉速和轉矩下的效率不同，k2，F0和K取值具體分析如下。

3.2 再生制動控制模型的建立與仿真

由于城市電動公交車正常制動過程中，制動強度一般不高，研究選取3個制動過程：中輕度制動，前輪為機械制動，后輪為電機制動。

基于上述理論分析，運用Matlab/Simulink搭建再生制動控制模型進行仿真驗證。模型如圖2所示。

圖2 再生制動仿真模型

當電動汽車以初始車速v0=60km/h開始制動時，由上述模型仿真，可以得到車速、制動加速度、蓄電池充電電流、制動能量回收率和β線斜率k隨時間t的變化曲線圖，如圖3～圖7所示。

圖3 車速-時間變化曲線

圖4 制動加速度-時間變化曲線

圖5 充電電流-時間變化曲線

圖6 能量回收率-時間變化曲線

圖7 β線斜率-時間變化曲線

由圖3～圖7仿真結果可得以下結論。

(1) 在制動過程中，電動汽車的車速下降比較平緩，沒有突變發生，符合制動穩定性和安全性要求。

(3) 最大充電電流Imax=250A<400A，符合蓄電池的允許充電電流值。

(4) 制動過程回收的能量占制動過程消耗的總機械能的比例有所提升，制動能量回收率處在27.2%≤η≤28.4%，明顯高于簡單并聯控制策略η=15.4%，提高了控制系統能量的回收率。

(5) 制動過程中，β線斜率為0.81≤k≤0.97，平均值為k=0.89，根據理論計算可得k=0.82。因此，前后輪制動力分配實際β線貼近理論β線，前后輪制動力分配符合預期要求，能夠滿足車輛制動穩定性和安全性需求。

4 結論

通過對典型的制動力分配策略進行分析，基于簡單并聯控制策略的改進優化，提出適合我國城市電動公交車的新型并聯控制策略。根據上述新型并聯控制策略，結合非線性規劃的控制算法，利用Matlab/Simulnk搭建模型進行仿真。

仿真結果表明，運用新型并聯控制策略，前后輪制動力分配接近β線，滿足制動安全性和穩定性要求，制動能量回收率可達到28.4%，在簡單并聯控制策略的基礎上提升了約12個百分點，證明提出新型并聯控制策略的合理性和可行性。

[1] 陳清泉.可持續道路交通的挑戰:電動汽車、混合動力汽車和燃料電池汽車的技術路線和產業化路線[J].機械制造與自動化,2009,38(2):8-11.

[2] 曹秉剛,張偉偉,白志峰,等.電動汽車技術進展和發展趨勢[J].西安交通大學學報,2004,38(1):1-5.

[3] 郭春林,甄子健,武力,等.電動汽車發展前景與關鍵因素分析[J].汽車工程,2012,34(9):852-858.

[4] ZOU Z Y, CHEN R W, YANG X M, et al. Study on Braking Energy Regeneration System for City Bus[J]. International Journal of Plant Engineering and Management,2011,16(3):150-156.

[5] 余志生.汽車理論[M].北京:機械工業出版社,2009.

[6] 彭金雷.純電動汽車整車控制策略研究[D].廣州:華南理工大學,2013.

[7] ZHANG J Z, LV C, QIU M Z, et al. Braking Energy Regeneration Control of a Fuel Cell Hybrid Electric Bus[J]. Energy Conversion and Management,2013,76:1117-1124.

[8] 仇斌.電動城市公交車制動能量回收過程中的能量效率研究[D].北京:清華大學,2011.

[9] 張亞軍,楊盼盼.純電動汽車再生制動系統的建模與仿真[J].武漢理工大學學報,2010,32(15):90-94.

[10] 孫大許,蘭鳳崇,陳吉清.基于I線制動力分配的四驅純電動汽車制動能量回收策略的研究[J].汽車工程,2013,35(12):1057-1061.

[11] TIE S F, TAN C W. A Review of Energy Sources and Energy Management System in Electric Vehicles[J]. Renewable and Sustainable Energy Reviews,2013,20(4):82-102.

[12] YAO M F, LIU H F, FENG X. The Development of Low-carbon Vehicles in China[J]. Energy Policy,2011,39(9):5457-5464.

[13] 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.

[14] LIAN Y F, TIAN Y T, HU L L, et al. A New Braking Force Distribution Strategy for Electric Vehicle Based on Regenerative Braking Strength Continuity[J]. Journal of Central South University,2013,20(12):3481-3489.

A Research on Braking Energy Recovery Control Strategy for Electric City Bus

Guo Dong, Zhu Wenping, Sun Yuhang, Gao Song, Yang Kun & Li Bo

SchoolofTransportationandVehicleEngineering,ShandongUniversityofTechnology,Zibo255049

In order to improve the braking energy recovery rate of electric city buses, a rear-wheel drive 12-meter electric city bus is taken as the object of study and some modifications are made on simple parallel control strategy, including adding a pressure regulating valve in rear axle brake pipeline to increase the proportion of rear wheel motor braking, and hence increase braking energy recovery rate. Then on this basis, a novel parallel control strategy is proposed, and combined with nonlinear programming control algorithm, a simulation is conducted using Matlab/Simulink software. The results show that with the novel parallel control strategy, the braking energy recovery rate can reach up to 28.4%, a 12 percentage point higher than that with simple parallel control strategy.

electric bus; braking energy recovery; control strategy; nonlinear programming; Matlab/Simulink

*國家863計劃項目(2012AA110305)和山東省自然科學基金(ZR2014EL036,ZR2015PE020)資助。

原稿收到日期為2014年11月4日，修改稿收到日期為2014年12月30日。