純電動汽車自適應能量回收技術的優化及試驗研究

中圖分類號：U467 收稿日期：2025-04-16 DOI： 10.19999/j.cnki.1004-0226.2025.07.002

Optimization and Experimental Study of Adaptive Energy Recovery Technology for Pure Electric Vehicles

Cui JunjielXiao Yang2 Wang Haifeng1 1.Wuhan Daan Technology Co.，Ltd.，Wuhan 430051，China 2.China Automotive Technology and Research Center（Wuhan）Co.，Ltd.，Wuhan 430056，China

Abstract：Withthecontinuousadvancementofautonomous driving technologyandtheincreasingpopularityofelectricvehicles， energymanagementinautonomousvehicleshasbecomeakeyresearchfocus.Adaptiveenergyrecoverytechnologycanautomatialy adjustnergyrecoverystrategiesbasedonfactorssuchasvehicledrivingconditions，roadcondions，anddrivingscenaros，thereby improvingenergyrecoveryeficiencyandextending thevehicle'sdrivingrange.Tisstudyprovidesanin-depthanalysisofadaptiveenergyecoverychologyfoutoomousicssusigitsprinciples，eytecologiesndifluecingfactorsieailo examinesurrnttchnicalchallengesandproposesmethodsforimplementingadaptiverecoverycontroltechologyinvehicles.Results fromrealworldroadtestsshowthat，underurbandrivingconditions，theoptimizedadaptiverecoverystrategyimproves energyrecovery efficiency by 10.2% and reduces energy consumption per 100km by approximately 6.2% .In downhill scenarios，the battery pack's recovered energy increases by 9.3% ，while ride comfort（measured by jerk value） improves by 12.5% .Finally，future development directions are outlined.

Keywords：Batery electric vehicles;Energy consumption;Adaptiveenergyrecovery;Experimental optimization

1前言

自動駕駛汽車代表了交通領域的革命性發展方向，其核心優勢體現在交通安全性能提升、交通流效率優化及環境友好性三個方面。作為自動駕駛技術的主要搭載平臺，電動汽車的發展長期受限于動力電池的能量密度制約。在此背景下，再生能量回收技術通過機電能量轉換機制，將車輛減速工況下的動能轉化為可存儲電能，實現了高達 15%～30% 的續航里程提升，這一技術路徑顯著改善了電動汽車的能源利用效率。

傳統的能量回收技術通常采用固定的回收策略，難以充分適應復雜多變的行駛工況和多樣化的駕駛需求。相比之下，自適應能量回收技術能夠根據車輛的實時狀態和周圍環境信息，動態調整能量回收的強度和方式，從而實現更為高效的能量回收。

2自適應能量回收技術研究

2.1能量回收基本原理

在電動汽車的運行過程中，能量回收主要依靠電機的發電功能來實現。當車輛需要制動或減速時，電機切換至發電狀態，將車輪轉動產生的動能轉化為電能。這部分電能通過逆變器，由交流電轉換為直流電后，存儲到車輛的動力電池之中。在能量回收過程中，電機產生的制動力矩會作用于車輪，使車輛減速，同時完成能量的回收工作[1]。

2.2自適應調節原理

2.2.1傳統能量回收技術的原理及問題

傳統能量回收技術通過電機反轉實現制動能量的回收，其核心原理為：

能量轉換機制：車輛減速時，驅動電機切換為發電機模式，將動能轉化為電能并存儲至動力電池，采用固定閾值策略（如減速度 gt;0.1g 時觸發回收）2]，無法適應多工況，導致長下坡等場景能量浪費。另外，模式切換（如電制動 $$ 液壓制動）時易引發jerk突變，導致駕乘感受下降。

2.2.2自適應能量回收技術的原理及優勢

自適應能量回收技術借助傳感器獲取車輛的狀態信息，如車速、加速度、制動踏板行程，以及環境信息（如路況、坡度、前方障礙物情況等）。然后通過基于模型預測控制（MPC）的優化算法對這些信息進行實時分析和計算，從而得出最優的能量回收策略[3]。舉例來說，在平坦的下坡道路上行駛時，可以適當提高能量回收強度，以此提升回收效率；而在爬坡或者需要緊急制動的情況下，則應降低能量回收強度，以保障車輛的動力性能和制動安全性。圖1給出了自動駕駛狀態下的自適應能量回收原理圖。

圖1自動駕駛狀態下自適應能量回收原理

不過在實際駕駛場景中，當回收扭矩設定值超過車輛滑行動力學需求時，將導致車輛在抵達目標位置前提前停駐，此時駕駛員必須介人施加驅動扭矩以完成剩余位移，此過程會造成額外的能量轉換損耗；反之，若回收扭矩不足以耗散車輛動能，車輛到達目標位置時將保留殘余速度，迫使駕駛員觸發摩擦制動系統，該操作不僅浪費可回收能量，還會引起制動片磨損。這兩種情況都會導致額外的能量損耗。

2.3合適減速度選取及計算

自適應能量回收策略的調參優化要以系統機理研究為前提。針對實際駕駛環境中存在的多維度不確定性，本研究提出分級控制方案，針對下列三類差異化工況實施最優能量回收管理。

a.車輛到目標處停駐，模擬前方堵車、遇紅綠燈等情況。此時理想減速度按照下式進行計算：

b.車輛到目標處后開始維持某一車速，模擬減速后跟車等情況。此時理想減速度按照下式進行計算：

c.當有道路坡度時，車輛到目標處后開始維持某一車速，此時理想減速度按照下式進行計算：

式中， v₀ 為目前車速； v₁ 為目標車速； s 為到達目標處的距離； g 為重力加速度； i 為坡度。

其余實際駕駛場景均可由上述三種場景衍變計算。另外，也會存在另外兩種情況，需要結合實際場景進行控制：目標距離過遠，初速度較低，此時需控制電機輸出扭矩，但必須保證電機效率保持在高效區間（ 85% 以上）;或目標距離過近，初速度較高，此時需使用車載制動器輔助制動。

2.4合適電機扭矩的選取

在實際的車輛傳動系統中，存在一定的能量損失，能量回收扭矩 T 與車輛質量 M 減速度 α_a 以及車輪半徑R_wheel 成正比。當車輛質量和車輪半徑固定時，能量回收扭矩越大，車輛產生的減速度就越大。此時：

ηT_motor=M_vehaR_wheel

式中， η 為電機效率。

由以上公式可以看出，理想狀態下，電機扭矩（即能量回饋扭矩） T 與減速度 α_a 之間基本呈正比關系，線性度僅受電機效率和綜合阻力的影響，在電機高效區間內，可以認為兩者近似為線性正比關系。即針對目標減速度，可以通過選取合適的電機回饋扭矩來控制車輛滑行狀態，最終達到最優的節能效果。圖2給出了回饋扭矩-車速曲線（滑行能量回收）[4]。

實際上，對于指定的某一款車型來說，在不同車速下，由于車輛綜合阻力的變化及控制邏輯的影響，電機的回饋扭矩并不相同。在進行能量回收標定時，需要先根據整車性能仿真結果及風格定義確認基礎回饋扭矩map，當環境因素發生變化時，根據不同整車質量（對應乘員數量、裝載貨物變化）、道路坡度、制動踏板開度等，標定不同情況下的回饋扭矩系數，最終的目標回饋扭矩為基礎回饋扭矩乘以回饋扭矩系數獲得[5]。表1給出了基礎回饋扭矩map。

表1基礎回饋扭矩 map

2.5回饋扭矩選取原則（邊界條件）及實現方法

電機回饋扭矩受多種因素影響，主要的因素為成員舒適度、電機回饋效率、電池包溫度、充電功率、SOC等。本文基于某款車型，對較重要的因素做了邊界條件設定[6]：

a.若 a?0.3g ，優先使用電機制動（能量回收），若 agt; 0.3g ，混合液壓制動。b.限制減速度 a?0.5g ，避免乘客不適。c.動態調整，根據實時更新的 v₀?v₁ 和 s ，重新計算 α_a （如感知到前車距離變化）。d.電機處于高效區間（ 85% 以上）。e.電池溫度 gt;45% 或者 SOCgt;85% 時，限制減速度a?0.3g 。

2.6整車控制邏輯

2.6.1工況觸發條件

滑行能量回收的觸發需要滿足一系列條件，這些條件由車輛控制單元（VCU）進行判斷，具體包括油門踏板開度為 0% （即駕駛員未踩油門）、制動踏板未踩下（或者在輕踩制動踏板時優先采用電機制動）、車速大于特定閾值（本研究設置為 10km/h ，這樣可以避免車輛在低速時產生頓挫感），以及電池具備接受回饋能量的條件（如SOC小于 90% 、溫度在 0～45^°C 之間等）[7]。

2.6.2扭矩控制邏輯實現

a.電機回饋扭矩計算：按2.4節的方法，基于車速、減速度需求、電池狀態等動態計算目標回饋扭矩（查表或模型計算）。b.扭矩漸變控制：避免扭矩突變導致頓挫，采用斜坡濾波（本次試驗采用 40N?m/s 漸變速率）。

2.6.3與制動系統協調

a.電機制動優先：在車輛滑行或進行輕制動操作時，優先使用電機回饋扭矩，以實現能量回收的最大化。b.液壓制動補償：當電機回饋的扭矩不足以滿足制動需求時（比如在急減速的情況下），電子穩定程序（ESP）會介人，補充液壓制動力。c.駕駛性標定：通過精確標定，確保電液制動切換過程平順，減速度曲線符合駕駛員的操作預期。

2.6.4電池功率限制管理

電池管理系統（BMS）會實時反饋電池能夠接受的最大回饋功率 （P_maxregen） 。 P_maxregen 的大小由電池電壓（ V_batt） ）、最大充電電流 （I_maxcharge） 以及電池溫度限值共同決定，取三者中的最小值，即：

P_max-regen=min（V_batt，I_max-charge 溫度限值）

3試驗驗證

為實現自適應能量回收策略在實際道路駕駛場景中的工程應用，需將動態優化算法固化為車載可執行控制模塊，并通過整車級驗證評估其綜合性能。

3.1控制邏輯刷寫

用 C++ 語言按模塊化編寫控制邏輯代碼，經編譯、鏈接生成可執行文件，借助對應刷寫工具和通信接口將代碼刷入VCU。在軟件刷寫完成后，先對車輛進行功能測試，驗證控制邏輯是否能夠正常工作；再對車輛進行性能測試，評估控制邏輯對車輛能量回收效率、動力性能等方面的影響；最后進行安全測試，確保控制邏輯在各種異常情況下都能保證車輛的安全運行[8]。圖3給出了VCU控制邏輯。

3.2實際道路測試

刷寫數據后的車輛在智能網聯試驗場內進行功能測試并對控制邏輯進行微調和優化后，準備進行實際道路測試。試驗樣車部分參數見表2。

為更加準確地測試控制邏輯優化前后能耗的差異，保證試驗一致性，本次測試選擇市區道路，在連續兩天清晨進行，測量設備、配重、駕駛員、車輛駕駛模式保持一致，關閉空調，全程開啟自動駕駛，并在試驗前一晚充滿電后進行浸車[9-10]。試驗過程中駕駛員盡量不接管車輛，僅在有安全隱患或者部分路口轉彎時對車輛進行短時間操作。表3是試驗過程環境。

表2試驗樣車基本參數

試驗結果如表4所示。

表4試驗結果

4結果分析

通過對搭載自適應能量回收控制邏輯的實車進行城市道路場景測試，并與原車固定能量回收策略進行對比分析，得出以下結論：

a.能耗提升明顯：在城市道路工況下，優化后的自適應回收策略使能量回收率提升 10.2% ，百公里電耗降低約 6.2% （從 161W?h/100km 降至 151W?h/km 。

b.實際場景適應性提升：在下坡路段（坡度 3% 左右），策略自動增強回收力度，同時盡量避免機械剎車，使電池包回收電量提升 9.3% 。全程基于前車距離與減速度預測回收力矩，平順性指標（jerk值）優化 12.5% 。

c.用戶感知改善：根據駕駛員感受，自適應策略的減速突兀感減少，加速度更為線性。

因此，本控制邏輯通過動態優化，在保證安全性與舒適性的前提下，顯著提升了能量利用率，為電動汽車續航提升提供了有效解決方案。展望未來，自適應能量回收技術將朝著以下方向發展：

a.與車路協同（V2X）系統深度整合，實現基于云端交通信息的預測性能量管理。b.結合深度學習算法，建立駕駛員風格與路況特征的自適應模型。c.開發新型復合儲能系統（如超級電容-電池混合），突破現有電池回收功率限制。d.構建標準化測試評價體系，推動行業技術規范統一。這些突破將進一步釋放能量回收技術的潛力，助力實現碳中和交通愿景。

參考文獻：

[1]馬什鵬，張劉鋒，馬永娟.再生制動能量回收研究綜述[J].汽車文摘，2021（8）：19-26.

[2]崔俊杰，肖陽，閔浪.基于縮短法的純電汽車能量消耗量試驗方法優化研究[J].專用汽車，2024（3）：99-101.

[3]劉子龍，趙威娜.電動汽車制動能量回收技術的研究分析[J].大眾汽車，2024（9）：31-33.

[4]崔俊杰，謝云晴，韓志歧，等.純電動車加速性能開發試驗研究[J].汽車科技，2024（4）：78-83.

[5]王春生，吳光耀，周升輝，等.電動汽車自適應能量回收控制的分析[J].新能源汽車第23期：25-28.

[6]劉波，吳暉彤，陳.一種新型PHEV模糊控制能量管理策略研究[J].機械設計與制造，2024（3）：320-325.

[7]吳浩，丁文敏，魏廣杰，等.基于路況和駕駛習慣的自適應能量回收控制策略[J].汽車安全與節能學報，2023，14（1：106-117

[8]龔長友，徐國棟，闞羽，等.基于優化規則的平行軸式PHEV能量管理策略研究[J].專用汽車，2024（1）：17-20.

[9]陳光，孫志誠，戴天祿，等.基于實際道路的電動汽車能耗分析[J]交通技術，2019，8（6）：376-386

[10]王夢凡，嚴康，閔浪.基于國標和美標的滑行阻力底盤測功機模擬方法對比研究[J].專用汽車，2025（5）：14-21.

作者簡介：崔俊杰，男，1982年生，工程師，研究方向為整車能量管理試驗。