基于最佳制動效果的并聯式混合動力汽車再生制動控制策略

高愛云　鄧效忠,　張明柱　付主木

1.西北工業大學，西安，710072　　2.河南科技大學，洛陽，471023

基于最佳制動效果的并聯式混合動力汽車再生制動控制策略

高愛云1鄧效忠1,2張明柱2付主木2

1.西北工業大學，西安，7100722.河南科技大學，洛陽，471023

在遵循制動力分配原則的基礎上，提出了基于最佳制動效果和模糊控制的再生制動控制策略，使機械制動和再生制動可以很好地協同工作，實現前后輪制動力合理分配。設計了以制動強度和蓄電池荷電狀態為輸入變量，以期望再生制動力為輸出變量的模糊控制器。利用仿真軟件ADVISOR，對所設計的控制策略進行了部件性能、制動能量回收、制動感覺三方面仿真分析。同時，為驗證ADVISOR仿真結果的有效性，搭建了硬件在環仿真實驗平臺。結果表明，所設計的控制策略在保證汽車制動穩定性的前提下，能夠使駕駛員獲得滿意的制動感覺，同時有效提高了汽車能量利用率，最終達到了最佳制動效果。

并聯式混合動力汽車；再生制動；模糊控制策略；制動效果

0　引言

在制動或減速時，混合動力汽車(hybrid electric vehicle，HEV)中的發電機將汽車的動能或勢能轉換為電能，存儲在能量存儲單元中，從而顯著提高汽車的能量利用效率，這是HEV所具有的重要特點[1-2]。HEV 制動系統包含機械制動系統和再生制動系統，這就造成汽車存在3 種制動工作模式：電再生制動、機電混合制動以及純機械摩擦制動。為了在確保汽車制動穩定性的前提下，盡可能多地回收制動能量，必須制定合理的控制策略，以便解決好前后輪制動力分配，協調好驅動輪上電再生制動和機械摩擦制動之間的關系，這是目前混合制動技術的核心[3-4]。

目前國內外許多學者開展了此方面的研究工作，并取得了一系列研究成果。He等[5]針對并聯式混合動力客車進行了前后輪制動力分配研究，目的是使驅動軸分得最大的制動力，以便回收最多的制動能量。Bao等[6]針對采用氣壓制動的混合動力客車，制訂了前后軸制動力分配原則：在保證制動穩定性的前提下，回收盡可能多的能量。楊亞娟等[7]針對一款輕型HEV，以整車效率最高為目標，提出了最大能量回收制動控制策略，并采用序列二次規劃法對充電功率進行了優化，獲得了ISG電機優化轉矩。近年來，隨著人們對乘坐舒適性的要求越來越高，再生制動控制策略的設計除了像現有研究重點考慮汽車制動安全性、穩定性和能量回收率等因素外，還應兼顧制動舒適性和部件性能。

本文以一款并聯式混合動力汽車(parallel hybrid electric vehicle，PHEV)為研究對象，在滿足制動力分配原則的基礎上，提出了一種基于最佳制動效果和模糊控制相結合的再生制動控制策略，并利用ADVISOR軟件和硬件在環仿真實驗對該策略從部件性能、制動能量回收、制動感覺等方面進行了全面仿真分析和實驗驗證。

1　理論基礎

1.1制動力分配原則

當前后輪同時抱死拖滑時，前后輪都獲得最大制動力，制動距離和制動時間最短，制動效果最佳，此時作用于前后輪上的制動力分布曲線為理想制動力分布曲線，稱為I曲線[8]，如圖1所示，用公式表示為

(1)

式中，Ffb、Frb分別為前后輪地面制動力；G為汽車重力；hg為汽車質心高度；Lb為汽車質心至后軸中心線的距離；L為汽車軸距。

當前輪先抱死時

(2)

此時，隨著附著因數φ的不同，所畫出的前后輪制動力分布曲線簇稱為f線組。

當后輪先抱死時

(3)

式中，La為汽車質心至前軸中心線的距離。

此時，隨著附著因數φ的不同，所畫出的前后輪制動力分布曲線簇稱為r線組。

制動強度為

(12)壓力表的量程應該按照所測量處的工作壓力值確定，工作壓力示數值在量程的2/3處較合適。壓力表的表盤直徑應在100 mm以上。

其中，u為汽車車速；g為重力加速度。根據聯合國歐洲經濟委員會(ECE)汽車法規，z處于0.15～0.80之間時，后輪附著因數利用曲線不能位于前輪對應曲線上方，當φ在0.20～0.80之間時，有z≥0.1+0.85(φ-0.2)。滿足ECE制動法規的前后輪制動力分布曲線稱為ECE規程曲線，它限定了制動時后輪最小制動力。用公式表示為

(4)

PHEV前后輪制動力分配不能超過由r曲線、f曲線以及ECE曲線共同包圍的區域，例如，當φ=0.7時，PHEV前后輪制動力分配不能超過圖1中的陰影部分，否則會出現各種不穩定制動狀態。

圖1　前后輪制動力分配區間

1.2制動效果評價指標

為了評價制動能量回收情況，通常以總制動能量、再生制動能量和制動能量回收率為評價指標，其定義分別為

Eb=∫Fbadt

(5)

Ere=∫|UbIbηch|dtIb<0

(6)

(7)

式中，Eb為總制動能量；Fb為總制動力；a為汽車的縱向制動減速度；Ere為再生制動能量；Ub為蓄電池充電電壓；Ib為蓄電池充電電流；ηch為蓄電池充電效率；ηre為制動能量回收率。

本文為了綜合體現制動效果，兼顧汽車舒適性，增加了一個評價指標：汽車的沖擊度j，即汽車減速度的變化率，計算如下：

(8)

德國學者研究認為，人體在感覺舒適的范圍內所能承受的最大沖擊度為10 m/s3，如果超過這個值，制動感覺的舒適度會嚴重降低。沖擊度越小，舒適性越好。

2　PHEV基于最佳制動效果的再生制動控制策略設計

PHEV在制動過程中因受行駛工況、駕駛員意圖、電機與蓄電池狀態影響巨大而具有不確定性和非線性，因此需將模糊控制技術應用于制動力分配控制策略的設計中。采用模糊控制技術可以方便地表達不同因素對再生制動的影響，如制動強度z、蓄電池荷電狀態(state of charge,SOC)值等，同時也可以方便地表述難以定量的控制規則，另外對帶有不確定性的行駛工況具有較強的魯棒性和抗干擾能力[9-10]。

2.1控制策略原理

以制動強度z、蓄電池SOC值兩個變量作為模糊控制器的輸入變量，以期望再生制動力Ff為模糊控制器的輸出變量，所設計的基于最佳制動效果的模糊控制策略原理如圖2所示。

圖2　控制策略原理圖

理想制動力分配模塊根據I曲線先求出前后輪制動力Ffb和Frb，其中Frb全部采用機械制動。然后由模糊控制器根據z、蓄電池荷電狀態SOC值求出Ff，與Ffb作取小運算后得到前輪再生制動力Fre和前輪機械制動力Fff。由此可見，基于最佳制動效果的制動力分配策略關鍵在于如何通過模糊控制器計算出Ff。

2.2模糊控制器的設計

首先，單位化輸入變量和輸出變量。Ff的取值范圍為[0，Fmd]，其中，Fmd表示再生制動系統所能提供的最大再生制動力；蓄電池荷電狀態SOC值的取值范圍為[0，0.8]，z的取值范圍為[0，0.7]。然后設計輸入輸出變量的語言值。將Ff的語言值設計為VS(極小)、MS(中小)、S(小)、M(中)、B(大)、MB(中大)、VB(極大)；將蓄電池SOC值的語言值設計為MS(中低)、S(低)、M(中)、B(高)、MB(中高)；將z的語言值設計為MS(中低)、S(低)、M(中)、B(高)、MB(中高)。

然后，利用MATLAB的FUZZY工具箱的圖形用戶界面(GUI)建立模糊推理系統(fuzzy logic system，FIS)，并對輸入變量隸屬函數、輸出變量隸屬函數及模糊控制規則進行設計。輸入、輸出變量隸屬函數均采用兩邊梯形、中間三角的隸屬函數，對應的隸屬函數如圖3所示。

(a)蓄電池荷電狀態SOC隸屬度函數

(b)制動強度z隸屬度函數

根據輸入和輸出變量的量化等級和實際工程經驗，確定了25條模糊規則。制動模糊控制規則如表1所示。模糊控制器的推理曲面如圖4所示。

(c)期望再生制動力Ff隸屬度函數圖3　輸入變量和輸出變量隸屬度函數

FfSOCMSSMBMBzMSVBVBMBMBBSVBMBMBBMMMBMBBMSBBBMMSMSMBMMSMSVS

圖4　模糊控制器的推理曲面

最后，采用重心法進行解模糊，經過去單位化運算后，最終得到Ff的有效值。

3　ADVISOR仿真分析

利用ADVISOR，選擇CYC_NYCC(紐約城市工況)和CYC_US06_HWY(美國高速公路工況)對所設計的基于最佳制動效果控制策略與ADVISOR自帶制動力控制策略進行對比仿真。表2給出仿真車輛的主要參數。

首先，對部件性能進行仿真。圖5和圖6分別是CYC_NYCC、CYC_US06_HWY工況下蓄電池SOC的仿真結果。圖7和圖8分別是CYC_NYCC、CYC_US06_HWY工況下電機工作點的仿真結果。

表2　仿真車輛主要參數

圖5　CYC_NYCC工況下蓄電池SOC變化曲線

圖6　CYC_US06_HWY工況下蓄電池SOC變化曲線

由圖5和圖6可以看出，2種工況下基于最佳制動效果控制策略都能使蓄電池SOC下降減緩，特別是在CYC_NYCC循環工況下蓄電池剩余電量提高幅度更大，工況結束時蓄電池SOC值為0.67，大于ADVISOR自帶制動力控制策略的0.65，說明蓄電池回收了更多的制動能量。由圖7可以看出，在CYC_NYCC工況下，基于最佳制動效果控制策略的電機提供的再生制動力矩比ADVISOR自帶制動力控制策略的電機提供的再生制動力矩明顯要大，而在CYC_US06_HWY工況下，這個特點不太明顯(圖8)。這是因為ADVISOR自帶制動力控制策略是依據車輛行駛速度查表來分配制動力的，雖然簡單可行，但未考慮是否滿足ECE 制動法規，同時也沒有考慮電機發電特性、蓄電池SOC值等影響因素，電機發電能力未得到充分利用。

(a)ADVISOR自帶制動力控制策略的電機工作點

(b)基于最佳制動效果控制策略的電機工作點圖7　CYC_NYCC工況下電機工作點

然后對制動能量回收情況進行仿真。不同工況下制動能量回收情況如表3所示，不同制動強度下制動能量回收情況如表4所示。

由表3可知，和ADVISOR自帶制動力控制策略相比，在CYC_NYCC工況下，基于最佳制動效果控制策略的再生制動能量Ere提高53.53%，制動能量回收率ηre提高15.67%；而在CYC_US06_HWY工況下，Ere只提高5.62%，ηre只提高2.52%。造成這種差別的原因是：2種工況的特點不同。CYC_NYCC為城市道路循環工況，車輛啟停較為頻繁，平均速度為11.41 km/h，最大制動強度為0.269，平均制動強度低于0.1。由表4可知，制動強度小于0.1時制動力70%由再生制動提供，因此，本文制定的控制策略可以充分回收CYC_NYCC工況下的制動能量。而CYC_US06_HWY屬于高速工況，制動次數不多，平均速度達到97.91 km/h，最大制動強度為0.314，制動強度普遍較大。由表4可知，制動強度大于0.1時制動力由再生制動系統與機械制動共同提供，因此，高速公路工況下回收制動能量的優勢不明顯。

(a)ADVISOR自帶制動力控制策略的電機工作點

(b)基于最佳制動效果控制策略的電機工作點圖8　CYC_US06_HWY工況下電機工作點

工況項目ADVISOR自帶制動力控制策略基于最佳制動效果控制策略對比CYC_NYCC總制動能量Eb(kJ)670670相等再生制動能量Ere(kJ)198304提高53.53%制動能量回收率ηre(%)29.5545.22提高15.67%CYC_US06_HWY總制動能量Eb(kJ)397397相等再生制動能量Ere(kJ)178188提高5.62%制動能量回收率ηre(%)44.8447.36提高2.52%

表4　不同制動強度下制動能量回收情況

車輛以30 km/h初速度行駛，蓄電池SOC初始值為0.7，路面附著系數φ為0.85，2種控制策略在制動強度z分別為0.08、0.35和0.75時的制動能量回收計算結果如表4所示。由表4可知，z<0.1(輕度制動)時，絕大部分制動力由再生制動力提供，此時，基于最佳制動效果控制策略優勢突出，相比ADVISOR自帶制動力控制策略，Ere提高30.70%，ηre提高17.64%；當0. 1≤z<0.7(中度制動)時，制動力由再生制動與機械制動共同提供，各占50%左右，此時基于最佳制動效果控制策略優勢有所下降，Ere提高20.34%，ηre提高8.74%；當z≥0. 7(緊急制動)時，制動力全部由機械制動提供，無再生制動能量。這和所制定的控制規則一致。

最后，對制動感覺進行仿真。圖9是制動強度z隨前輪制動力Ffb變化曲線。由圖9可以看出，制動強度z沒有突變，也就是說沖擊度j被控制在良好范圍內，從而能有效保證良好的制動感覺，提高制動舒適性。

圖9　制動強度變化曲線

4　硬件在環仿真實驗

基于MATLAB/Simulink/dSPACE控制系統快速開發和半實物仿真平臺，結合所在實驗室擁有的發動機和電機實驗臺架、性能測試設備等硬件，搭建的PHEV硬件在環仿真實驗平臺如圖10所示。

圖10　硬件在環仿真實驗平臺

(a)ADVISOR仿真結果

(b)硬件在環仿真實驗結果圖11　ADVISOR仿真和硬件在環仿真實驗再生制動能量對比

在初速度為30 km/h、蓄電池SOC初始值為0.7、總制動能量Eb為550 kJ，車輛主要參數保持不變的情況下， 將2種控制策略在制動強度z分別為0.08、0.35和0.75時的制動能量回收情況進行ADVISOR仿真和硬件在環仿真實驗，兩者對比結果如圖11所示。對照圖11a和圖11b可以看出，硬件在環仿真實驗結果和ADVISOR仿真結果是一致的，即在輕度制動的情況下，基于最佳制動效果控制策略優勢最為突出，在中度制動時優勢有所下降，在緊急制動時沒有優勢。因此，所設計的控制策略非常適合于車輛啟停較為頻繁的城市道路循環工況。圖11b中的再生制動能量Ere小于圖11a中對應值，主要原因是硬件在環仿真實驗平臺中的發動機、電機、扭矩合成裝置等部件的效率低于ADVISOR仿真中的設定值。

5　結論

(1)在分析制動力分配應遵循原則的基礎上，提出了基于最佳制動效果和模糊控制的再生制動控制策略，綜合考慮了汽車制動的安全性、穩定性、舒適性和能量利用等各種因素，很好地實現了機械制動和再生制動的協同工作。

(2)設計了以制動強度和蓄電池SOC為輸入變量，以期望再生制動力為輸出變量的模糊控制器，對于帶有不確定性的行駛工況具有較強的魯棒性和抗干擾能力。

(3)對所設計的控制策略進行了全面ADVISOR仿真分析，包括部件性能分析、不同工況和不同制動強度下制動能量回收情況、制動強度的變化三個方面。仿真結果表明，所設計的控制策略在保證汽車制動穩定性的前提下，有效提高了汽車能量利用率和駕駛員的舒適性，取得了最佳制動效果。

(4)對不同制動強度下制動能量回收情況進行了ADVISOR仿真和硬件在環仿真實驗對比，驗證了ADVISOR仿真結果的有效性。

[1]Ramakrishnan R, Hiremath S S, Singaperumal M. Theoretical Investigations on the Effect of System Parameters in Series Hydraulic Hybrid System with Hydrostatic Regenerative Braking[J]. Journal of Mechanical Science and Technology, 2012, 26(5): 1321-1331.

[2]Ko J W, Ko S Y, Kim I S, et al. Co-operative Control for Regenerative Braking and Friction Braking to Increase Energy Recovery without Wheellock[J]. International Journal of Automotive Technology, 2014, 15(2): 253-262.

[3]李玉芳, 吳炎花. 電-液復合制動電動汽車制動感覺一致性及實現方法[J]. 中國機械工程, 2012, 23(4): 488-492.

Li Yufang, Wu Yanhua. Brake Feel Consistency of Electric Vehicles with Electro-hydraulic Braking System and Realizing Method [J]. China Mechanical Engineering, 2012, 23(4): 488-492.

[4]Ki Y, Lee K, Cheon J, et al. Design and Implementation of a New Clamping Force Estimator in Electro-mechanical Brake Systems[J]. International Journal of Automotive Technology, 2013, 14(5): 739-745.

[5]He Rong, Zheng Hongyu, Zong Changfu. Study on Braking Force Distribution Algorithm for Hybrid Electric Bus Based on EBS[J].SAE Paper, 2013-01-0411.

[6]Bao R, Stobart R. Study on Optimization of Regenerative Braking Control Strategy in Heavy-Duty Diesel Engine City Bus Using Pneumatic Hybrid Technology[J].SAE Paper, 2014-01-1807.

[7]楊亞娟, 趙韓, 朱茂飛. 電動汽車最大能量回收再生制動控制策略的研究[J]. 汽車工程, 2013, 35(2): 105-110.

Yang Yajuan, Zhao Han, Zhu Maofei. A Study on the Control Strategy for Maximum Energy Recovery by Regenerative Braking in Electric Vehicles [J]. Automotive Engineering, 2013, 35(2): 105-110.

[8]余志生. 汽車理論[M]. 5版. 北京: 機械工業出版社, 2009.

[9]劉輝, 王偉達, 何嬌,等. 基于模糊控制的混合動力電動車再生制動系統的建模與仿真[J]. 汽車工程, 2012, 34(1): 51-56.

Liu Hui, Wang Weida, He Jiao, et al. Modeling and Simulation of the Regenerative Braking System in a HEV Based on Fuzzy Control[J]. Automotive Engineering, 2012, 34(1): 51-56.

[10]李頂根, 張綠原, 何保華. 基于滑移率的汽車電子機械制動系統的模糊控制[J]. 機械工程學報, 2012, 48(20): 121-126.

Li Dinggen, Zhang Lüyuan, He Baohua. Fuzzy Control Based on Vehicle Slip-ratio for Electro-mechanical Braking Systems [J]. Journal of Mechanical Engineering, 2012, 48(20): 121-126.

(編輯王艷麗)

Regenerative Braking Control Strategy for PHEV Based on Optimal Braking Effect

Gao Aiyun1Deng Xiaozhong1,2Zhang Mingzhu2Fu Zhumu2

1.Northwestern Polytechnical University,Xi’an,710072 2.Henan University of Science and Technology,Luoyang,Henan,471023

Based on the principles of the braking force distribution, a regenerative braking control strategy was proposed on the basis of the optimal braking effect and fuzzy control, where mechanical braking could cooperate with regenerative braking and front and rear wheel braking force were distributed reasonably. Taking the braking strength and the state of charge of batteries as inputs, and regarding the expected regenerative braking force as an output, a fuzzy controller was designed. The control strategy designed was simulated from parts performance, braking energy recovery and braking sense compared with the default control strategy in ADVISOR. At the same time, the hardware-in-the-loop simulation was developed to prove the simulation results in ADVISOR effective. The results show that the control strategy presented can assure the driver of satisfactory braking sense based on the braking stability, and improve energy efficiency at the same time and at last achieve optimal braking effect．

parallel hybrid electric vehicle(PHEV); regenerative braking; fuzzy control strategy; braking effect

2014-10-09

國家自然科學基金資助項目(61473115,51375145)；中國博士后科學基金資助項目(2013T60670)；河南省科技創新人才杰出青年計劃資助項目(144100510004)；河南省高校科技創新人才支持計劃資助項目(13HASTIT038)

U469. 7< class="emphasis_italic">DOI

：10.3969/j.issn.1004-132X.2015.15.022

高愛云，女，1974年生。西北工業大學機電學院博士研究生。主要研究方向為混合動力汽車結構與控制。發表論文30余篇。鄧效忠(通信作者)，男，1957年生。河南科技大學機械裝備先進制造河南省協同創新中心教授，西北工業大學機電學院博士研究生導師。張明柱，男，1964年生。河南科技大學機電工程學院教授、博士研究生導師。付主木，男，1974年生。河南科技大學信息工程學院副教授、博士。