基于制動意圖識別的純電動汽車制動能量回收策略研究

喬維高，楊永強，代 真

(1.武漢理工大學 現代汽車零部件技術湖北省重點實驗室，湖北 武漢 430070；2.武漢理工大學 汽車零部件技術湖北省協同創新中心，湖北 武漢 430070)

制動能量回收是一種能夠提升純電動汽車能量利用率的重要技術，也是純電動汽車的重要特征之一[1]。據相關研究表明，若采用合理的回收策略，其續駛里程甚至能夠增加10%～30%[2]。制動能量回收是純電動汽車實現節約能量，提高續駛里程的重要手段之一。

筆者以前輪驅動的某純電動汽車為研究對象，使用模糊推理對駕駛員的制動意圖進行識別與判斷，合理協調分配制動力以達到提高制動能量回收率。

1 制動意圖識別模型

1.1 制動意圖識別參數確定

筆者采用模糊推理的方法來對駕駛員的制動意圖進行識別。正確選取模糊推理的輸入參數對駕駛員的制動意圖識別十分重要。用于制動意圖識別的參數有制動踏板開度、制動踏板開度變化率、制動踏板力、加速踏板開度和車速等[3]。其中，車速可以反映車輛當前的行駛狀態。制動踏板開度在一定程度上反映了制動力大小需求，可以較全面地反映駕駛員的制動意圖。制動踏板開度變化率即制動踏板速率反映了制動的緊急程度[4]。因此，選取車速、制動踏板開度及制動踏板開度變化率為駕駛員制動意圖識別的輸入參數，建立多輸入單輸出的模糊推理模型[5]。

1.2 制動意圖識別參數模糊化

設P為制動踏板開度，dP為制動踏板開度變化率，V為車速。將制動踏板開度、制動踏板開度變化率和車速的變化范圍分為3個區間。即輸入變量的區間表示為：P[0，100]；dP[-20，150]；V[0，160]。具體分類如表1所示，其中S、M、H分別代表小、中、大3個區間[6]。

表1 參數模糊化

1.3 模糊推理規則的確定

(1)確定各參數的隸屬度函數。制動踏板開度、制動踏板開度變化率和車速的隸屬度函數如圖1～圖3所示。

圖1 制動踏板開度隸屬度曲線

圖2 制動踏板開度變化率隸屬度曲線

圖3 車速隸屬度曲線

(2)確定以制動強度為模糊推理的輸出參數。將輸出制動強度歸類為3種制動模式：持續制動模式、常規制動模式和緊急制動模式。這3種制動模式對應的制動強度范圍分別為：持續制動模式中制動強度z≤0.3；常規制動模式中制動強度0.3

1.4 制動意圖識別模型的建立

在確定制動意圖的模糊推理方法后，運用Matlab/Simulink搭建制動意圖識別模型，如圖4所示。首先根據制動踏板和加速踏板的位移情況判斷車輛運行模式，當車輛處于制動模式狀態時，運用Matlab模糊控制工具箱進行駕駛員制動意圖識別[7]。只有當加速踏板位移為0且制動踏板位移為正時，才會輸出有效的制動強度z，否則制動強度為0，后續的制動力分配將會根據輸出的制動強度進行。當加速踏板位移與制動踏板同時為0時，輸出制動強度為0，同時輸出邏輯值1，表示進入滑行模式，電機可以進行滑行回饋制動。當加速踏板為正時，輸出制動強度與判斷是否滑行的邏輯值均為0，即無制動且不回收。

圖4 制動意圖識別模型

2 制動力分配策略

制動力分配策略首先需要考慮2個要點：①制動時方向穩定性：需要準確地響應駕駛員的制動需求，在提供車輛所需的總制動力的前提下，合理地分配前后軸制動力，避免車輛制動時發生跑偏、側滑或失去轉向能力等情況，保證車輛制動時的方向穩定性；②能量回收率：以車輛安全制動為前提，在滿足ECE(economic commission of Europe)制動法規的條件下，盡量將制動力分配給電機制動系統，盡可能多地回收制動能量，延長車輛的續駛里程[8]。

具體制動力分配策略如圖5所示。圖5中I曲線為理想前后制動器制動曲線；Z1為僅前軸制動的臨界制動強度；Z2為純機械制動的臨界制動強度；Fm為電機可提供的最大制動力。

圖5 制動力分配策略

首先獲得制動強度z值，同時獲得電機可提供的最大力矩，計算電機可提供的最大制動力Fm。

當z1f1，令后軸制動力為f2，前軸采用全電機制動，力為f1。

當zc1，前軸制動力全為電機制動力；②Fm

當z>z2時，不回收制動能量，為純機械制動[9]。

3 純制動能量回收策略模型的建立

在AVL Cruise軟件中建立純電動汽車整車底盤模型。并在Simulink軟件中根據純電動汽車制動能量回收策略，搭建制動能量回收控制模型。

車輛模型中需要設置名義尺寸、整備、阻力特性等基本參數，它是整個模型最基礎的部分。某前軸驅動的純電動汽車的整車參數如表2所示。

表2 整車參數表

4 制動能量回收策略仿真及結果分析

選取新歐洲行駛工況NEDC(new European driving cycle)循環工況和美國城市工況FTP75循環工況來模擬車輛的實際行駛情況，進行仿真研究[10]。將動力電池初始SOC值設置為0.90，在FTP75循環工況下分別對模糊控制策略和Cruise自帶策略進行仿真，以電池的SOC值為監測目標，以車輛消耗的總能量、制動消耗的能量以及電機回收的能量為評價指標。NEDC和FTP75循環工況下電池SOC變化結果如圖6和圖7所示，兩者工況能量分析如表3和表4所示。

圖6 NEDC循環工況電池SOC變化曲線

圖7 FTP75循環工況電池SOC變化曲線

表3 NEDC循環工況能量分析

表4 FTP75循環工況能量分析

從圖6和表3可知，在NEDC循環下，采用模糊控制策略比采用Cruise自帶策略，SOC整體下降的更為緩慢，車輛的制動能量回收率提高了4.27%，總能量回收率提高了1.97%。

從圖7和表4可知，在FTP75循環下，采用模糊控制策略比采用Cruise自帶策略，SOC整體下降更為緩慢，車輛的制動能量回收率提高了6.73%，總能量回收率提高了3.08%。

5 結論

(1)在傳統制動能量回收控制策略的基礎上添加了駕駛員制動意圖識別的過程，使用模糊推理對駕駛員的制動意圖進行識別與判斷，確定了前后軸制動力的分配比例，提出了一種用于前輪驅動的基于制動意圖識別的純電動汽車制動能量回收控制策略，以提高制動能量回收率。經聯合仿真分析得出相比Cruise的自帶策略，該策略對純電動汽車進行制動能量回收時，能量回收率更高，效果更好，是一種具有一定優勢的純電動汽車制動能量回收控制策略。

(2)在AVL Cruise軟件中建立了純電動汽車的整車底盤模型，在Matlab/Simulink軟件中建立了制動能量回收策略模型。根據仿真結果，車輛在FTP75城市循環下的制動能量回收率比在NEDC綜合循環下的回收率高，即城市工況更有利于制動能量回收。