某混合動力商用車能量回收策略研究

丘云燕，韋尚軍通信作者，施佳能，李燕青，2

(1.東風柳州汽車有限公司，廣西 柳州 545005；2.桂林電子科技大學機電工程學院，廣西 桂林 541004)

0 引言

制動力控制模塊根據制動力需求和傳動系統能夠產生多少制動力，來確定前、后輪制動力的分配。前輪制動力的分配系數決定了前輪制動力占總制動力的比例。前輪制動力要始終保證前輪制動力系數與設定值相同，同時不能超過最大值動力限值；后制動力等于總制動力減去前輪制動力且不超過其限值[1]。

本文以國內某款P2混動商用車為原型，對ADVISOR軟件提供的混合動力汽車模型進行二次開發[2]，使其符合商用車的驅動形式，為混合動力商用車動力系統開發及參數調試提供依據。

1 傳統ADVISOR制動力策略分析

通過對兩種經典的制動力分配方法(ADVISOR傳統制動力分配控制策略、模糊制動力分配控制策略)進行分析，探究不同的分配控制方法下，前、后車輪制動力分配以及前輪摩擦制動力與再生制動力的分配關系。

1.1 ADVISOR傳統再生制動策略

在ADVISOR中，制動控制模塊的主要功能是調節制動力在再生制動與摩擦制動力間的分配關系[3]，其中分配結構如圖1所示。

圖1 制動力分配結構

后輪制動力的計算方法為：

F_rear_break=F_req-F_drivetrain_ach-F_front_brake

(1)

式中，F_req為整車總制動力；F_drivetrain_ach為傳動系統可提供的制動力。同時，后輪制動力不應高于其極限附著制動力，即F_rear_break≤F_max_rear_break。

前輪制動力的計算方法為：

F_front_break=(F_req_F_drivetrain_ach)*front_axle_friction_brake_fraction/(1- front_axle_drivetrain_break_fraction)

(2)

式中，front_axle_friction_brake_fraction為前軸制動力分配系數；front_axle_drivetrain_break_fraction為傳動系制動分配系數。當該值為1時，規定前軸應當承擔60%的制動力；同時，前輪制動力不應高于其極限附著制動力 ，即F_front_break≤F_max_front_break。

1.2 ADVISOR傳統再生制動策略建模

基于上述理論的制動力模塊結構如圖2所示，前輪制動力的計算模塊如圖3所示。

圖2 制動力模塊的結構

圖3 前輪制動力計算模塊

2 模糊控制分配策略分析

模糊算法在控制中主要根據工程經驗和設計需求，編寫出最優的模糊語言來表達模糊算法的各種準則。本文提出的再生制動能量回收模糊控制策略運用于混合動力汽車制動力分配的策略中[4]，能夠參考更多的因素對制動能量回收率的影響，如電池SOC、車速等。模糊規則可以增加再生制動能量回收策略的容錯率，提高控制模型的魯棒性。

2.1 模糊控制器的結構

影響再生制動能量回收率的因素很多，所以模糊控制器的輸入要考慮很多因素，比如電池荷電狀態(SOC)、車輛需求速度、來自駕駛員的制動力需求。車輛總的制動力矩由電機產生的制動力矩和機械制動力矩組成，所以只需要求出電機的制動力矩，另一個制動力矩也隨之而出。

本文設計的模糊控制器有兩個輸入，一個輸出。輸入分別為車輛需求車速V，和電池荷電狀態(SOC)，輸出為電機制動力比例K。整個模糊控制器的結構如圖4所示；主要包括兩個部分：第一部分為模糊控制器，第二部分為制動力修改。制動力修改模型以模糊規則器的出口數據和請求制動力為輸入，摩擦制動力和電機制動力的值為兩個輸出數據。

圖4 制動能量回饋模糊控制器的結構

2.2 隸屬度函數設計

本節主要根據再生制動力分配策略來對電池SOC和需求車速進行設計，并對它們的隸屬度方程進行設置[5]。車速M代表汽車正常行駛；車速L代表車速偏低，車速H代表車輛高速行駛。SOC值H代表蓄電池的荷電狀態較高，制動能量回收系統給蓄電池充電時間較長，使電池電量維持在一個較高的水平，此時電機不應在對蓄電池進行充電；SOC值M表示蓄電池電量維持在一個正常的水平；SOC值L表示蓄電池電量較低，再生制動系統需要通過電機對蓄電池進行充電，使蓄電池一直工作在設定的上下限工作范圍，以延長蓄電池的工作壽命。SOC的隸屬度函數如圖5所示；整車需求車速如圖6所示；模糊控制器的輸出K如圖7所示。

圖5 SOC隸屬度函數圖

圖6 整車需求車速 圖7 模糊控制器輸出K

3 制動力分配模型的嵌入及仿真車輛參數設置

3.1 制動力分配模型的嵌入及仿真

在ADVISOR軟件的仿真環境中有已經建好的車輛主要的部件模板，如圖8所示。以模糊控制策略為例，將圖的模糊邏輯策略模型嵌入到模型中，如圖中的“〈vc〉par”元件所表示的，即為模糊控制模型已經嵌入結束。模糊策略模型如圖9所示。

圖8 ADVISOR混動頂層模型

圖9 再生制動模糊控制模型

3.2 整車參數以及循環工況的設置

在ADVISOR的GUI界面中可對混合動力電動汽車的主要部件參數進行設置，主要仿真參數如下：整車質量7 905 kg，輪胎規格275/80R22.5，最高車速90 km/h，后橋速比4.364，重心高度1.075 m，軸距5 100 mm，動力電池型號ESS_PB25，額定電壓300 V，發動機最大功率177 kW，最大扭矩950 N·m。

本文選取CYC_UDDS循環工況對仿真策略進行仿真驗證，循環工況如圖10所示。

圖10 CYC_UDDS工況

4 仿真結果與分析

對比制動能量利用效率，傳統ADVISOR再生制動策略仿真結果如圖11所示，本文提出的模糊再生制動策略如圖12所示；混合動力汽車在制動模式時，兩種不同策略的制動能量損耗結果以及兩種不同策略對汽車傳動系統能量傳遞效率值描述如表1所示。

圖11 傳統ADVISOR再生制動策略仿真結果

圖12 模糊控制再生制動策略結果圖

表1 制動能量損耗以及整車傳動系統傳遞效率

由表1可以看出，本文設計的考慮電池SOC的模糊控制制動力分配策略的能量消耗小于ADVISOR 制動力分配策略的能量消耗，且整車系統傳遞效率也有所提高。

5 結語

為了使混合動力電動汽車的制動能量回收效率進一步提升，本文對制動力的分配方案進行建模仿真，對比分析了傳統的再生制動力分配策略和基于模糊算法的制動力分配策略。仿真結果顯示：傳統再生制動方案的能量損失較大，且沒有對影響因素進行全面考慮。本文提出的模糊制動力分配算法在能量損耗方面不僅低于傳統再生制動策略，而且不需要依賴精確的數學模型，具備較好的魯棒性。