基于模糊神经网络控制的汽车辅助再生制动系统研究

何莉萍+李庆锋+丁舟波+吴巍

基金项目：湖南大学汽车车身先进设计制造国家重点实验室开放基金资助项目（71075009）

作者简介：何莉萍（1967-），女，重庆人，湖南大学教授，博士

通讯联系人，Email：lphe@hnu.edu.cn

（湖南大学 汽车车身先进设计制造国家重点实验室，湖南 长沙 410082） 摘 要：将驾驶安全性和制动能量回收相结合，提出了基于模糊神经网络控制的汽车辅助再生制动系统.通过试验数据建立基于驾驶员经验的模糊神经网络，实现根据驾驶车辆与前车的相对距离和相对速度动态调整制动强度；通过计算得到不同的车速和制动强度下，前轮再生制动力，前、后轮摩擦制动力查询表；将模糊神经网络和制动力查询表嵌入配备比例阀的制动系统从而完成辅助再生制动系统的设计.在Simulink下搭建此辅助再生制动系统模型进行仿真实验，结果表明，此再生制动系统可以有效辅助驾驶安全，避免追尾事故发生，并可充分回收制动能量.

关键词：混合动力；再生制动；模糊神经网络；驾驶员辅助制动系统

中图分类号：U461.3

在驾驶车辆行驶过程中，驾驶员状态将影响刹车反应时间，进而影响刹车距离，甚至可能引发追尾事故.据统计，追尾在汽车各种碰撞类型中的发生频率是最高的.在美国，追尾事故占汽车碰撞事故的比例为29%＼[1＼]；另一方面，在满足制动法规，保证制动安全的基础上，最大程度地提高制动能量的回收比例是混合动力汽车制动性能优化的主要目标.通过计算汽车行驶的能量消耗状况发现，制动能量占牵引能量的比例可达30%，对于需要频繁制动的市区行驶工况（如纽约城市工况），这一比例可达到80%＼[2＼].

针对以上驾驶安全和能量回收两方面问题，以及制动决策的不确定性和多样性，本文提出了一种基于模糊神经网络的驾驶员辅助再生制动系统.模糊神经网络结合了模糊控制和神经网络控制的优点，在操作人员控制经验的基础上实现对系统的控制，无需建立数学模型，是解决不确定性系统问题的有效途径，广泛应用于汽车控制领域＼[3-8＼].本文提出的辅助再生制动系统通过模糊神经网络控制实现对汽车追尾进行预判，使驾驶车辆与前方车辆动态地保持安全距离，从而防止事故的发生；同时该制动系统配备比例阀，使汽车实际制动曲线接近理想的制动力分配曲线＼[9-11＼]，并最大程度地利用电动机进行制动，进而保证汽车制动时的方向稳定性，并有效回收制动能量.

1 汽车辅助再生制动系统

基于模糊神经网络的汽车辅助再生制动系统控制流程如图1所示.车速传感器测量驾驶车辆的速度信号，车载雷达测量驾驶车辆与前方车辆的相对距离，并由在线计算得到两车的相对速度；根据实时的相对距离和相对速度，模糊神经网络模仿驾驶员的感觉判断此时应实施的制动强度；由此制动强度信号和驾驶车辆车速信号，在线实时查询制动力二维表得到电机制动力和机械制动力的大小，并进行制动，对驾驶车辆的速度进行反馈控制；电机制动产生的感应电流对超级电容进行充电，以回收制动能量.

2 基于模糊神经网络的制动强度判断

2.1 建立模糊神经网络

模糊控制是在驾驶员制动经验的基础上实现对汽车制动的控制，无需建立数学模型，其鲁棒性好，同时可由离线计算得到控制查询表，提高了控制系统的实时性＼[12-14＼].

本文所建立的TS模糊神经网络结构如图2所示：第一层是输入层，有2个节点，分别为两车间距和两车的相对车速；第二层为隶属度函数层，作用是对输入的2个变量进行模糊化处理；第三层为模糊规则层，作用是完成模糊推理，得到模糊化的输出；第四层为归一化处理层；第五层为输出层，输出为制动强度.

2.2 确定模糊神经网络的输入输出变量范围及隶

属度函数 汽车正常行驶的过程中，速度一般为0～30 m/s.当前车速度为0，后车速度为30 m/s时，相对车速为最大值.当前、后车相对速度相等时，相对车速为最小值0.则相对车速的变化范围为0～30 m/s.对相对距离的取值范围，采用经验公式确定＼[15＼]：

2.3 训练模糊神经网络

在道路交通状况良好的情况下，采集具有丰富驾驶经验的驾驶员在不同车况的合理制动操作的数据见表1＼[15＼]，采用表中数据对模糊神经网络进行训练，得到模糊控制规则和各隶属度函数的参数.训练后得到相对车速

2.4 验证模糊神经网络

另取一组测试数据作为输入变量，对训练后的模糊神经网络进行测试，网络输出与实际数据输出的对比如图6所示，由此说明，经过训练的模糊神经网络可以很好地对驾驶员的实际制动意图进行模仿.

3 再生制动控制策略

3.1 汽车制动力分配的基本理论

前后轮制动力分配直接影响附着条件的利用率和制动时方向的稳定性.对汽车制动过程纵向力进行分析，得到在一定的附着系数下制动，前后轮同时抱死时前后轮制动力的关系，即理想制动力分配曲线（即Ⅰ曲线＼[16＼]）：

3.2 混合动力汽车制动性评价指标

汽车制动性是指汽车在短距离内停车且维持行驶方向稳定性和在下长坡时能够维持一定车速的能力＼[16＼].对于混合动力汽车，又要求汽车可以在制动过程中提高能量回收率从而回收尽可能多的能量.因此，混合动力汽车制动性一般以制动时间（或制动距离）和能量回收率2个指标评价.

3.3 再生制动控制策略分析

混合动力汽车再生制动性能优劣与制动强度、电池荷电状态（SOC）、ISG电机效率、电池充电效率、车速、路面附着系数和制动时换挡时机的选择等多个因素有关＼[14，17＼].

本文制定的再生制动控制策略如下：辅助再生制动系统控制前、后轮的制动力按照图7虚线变化；当制动强度较小时，前轮制动力可完全由电机提供，后轮机械制动；当制动强度较大，超过电机可以提供的最大制动力时，前轮制动力由电机制动和机械制动两部分组成，电机以最大扭矩制动，机械制动提供不足的制动力，后轮机械制动.此制动控制策略的目的在于保证制动稳定性的同时，充分利用电动机实施制动，从而更好地回收制动能量.

混合动力汽车的变速器二档速比ig2=1.944，三档速比ig3=1.286.选取电动机为直流无刷永磁电机，额定功率10 kW，基速1 000 r/min.图8为在二、三档下的电动机制动力矩

车速曲线.如图8所示，在一定的车速、不同的档位下，电动机所能提供的制动力是不同的.故本文辅助制动系统的计算和实验均以二档为例进行说明分析，其他各档位思路和方法是相同的，不做重复说明.

对二档来说，电动机基速对应的车轮端速度为24 km/h，对应的制动力为3 987.9 N.当汽车前后轮制动力曲线按照设定的曲线运行时，此车速对应的汽车可提供的最大制动强度为：

4 辅助再生制动系统仿真实验

在Simulink下搭建混合动力汽车辅助再生制动系统模型，进行仿真验证.通过汽车雷达与车速传感器得到本车和前车的相对距离和车速，实现自动控制驾驶车辆减速，维持合理的车间距，并回收制动能量.其中驾驶车辆装有驾驶员辅助再生制动系统，初始速度30 m/s；两车的初始车间距离设为110 m；前车的速度设定为与时间的函数；通过改变此函数，即改变前车速度的实时变化，从而得到前车不同速度变化下驾驶车辆的制动情况和能量回收情况；当本车速度不高于前车速度时，仿真终止.

在前车速度按照图12变化时，仿真结果如图13和图14所示.由仿真结果，前车由72 km/h（20/s）开始减速，本车由108 km/h开始减速，经过6.25 s， 最终与前车速度相等.两车间距由110 m降至90.5 m；超级电容SOC由0升至0.87，回收能量0.025 kW·h.

改变前车制动的初始车速或两车初始相对距离，对辅助再生制动系统进行另外3组仿真实验.4组实验的仿真结果对比如表3所示.

由表3仿真结果对比可得，在驾驶车辆速度与前车速度不变的前提下，初始相对距离较小时，辅助再生制动系统倾向于在更短的时间内和制动距离内实现制动，达到与前车速度一致；同时，短的制动时间和制动距离导致了回收的制动能量减少.另一方面，在初始相对距离不变，驾驶车辆与前车相对速度较大时，并不会大幅增加制动时间，制动距离显著增加但仍不会造成追尾，回收的制动能量小幅增加.

5 结 论

将智能刹车与再生制动相结合，提出了一种基于模糊神经网络控制的混合动力电动汽车辅助再生制动系统.在辅助再生制动系统开启的模式下，汽车模仿具有丰富经验的驾驶员的驾驶习惯，保持相对合适的安全距离并随两车车速而动态变化，避免追尾事故的发生，提高行驶安全性.另一方面，此基于模糊神经网络的辅助再生制动系统，可以在不同的车速和制动强度下，使汽车制动力按照理想制动力曲线工作，并最大程度地利用电动机进行制动，有效回收制动能量.

参考文献

[1] DISTNER M， BENGTSSON M， BROBERG T， et al. City safety—a system addressing rearend collisions at low speeds＼[C＼]//Proceedings of 21st International Technical Conference on the Enhanced Safety of Vehicles. Stuttgart： NHTSA， 2009： 09-0371.

＼[2＼] EHSANI M， GAO Y M， EMADI A. Modern electric， hybrid electric， and fuel cell vehicles fundamentals， theory， and design＼[M＼]. 2nd ed. Boca Raton： CRC Press， 2012： 411-431.

＼[3＼] 杨世春，朱传高，高莹，等.并联式混合动力汽车遗传模糊控制策略研究＼[J＼].汽车工程，2011，33（2）： 106-111.

YANG Shichun， ZHU Chuangao， GAO Ying， et al. A research on the geneticfuzzy control strategy for parallel hybrid electric vehicle＼[J＼]. Automotive Engineering，2011，33（2）： 106-111.（In Chinese）

＼[4＼] 白中浩，王耀南，曹立波.混合动力电动汽车能量自适应模糊控制研究＼[J＼].汽车工程，2005，27（4）： 389-403.

BAI Zhonghao， WANG Yaonan， CAO Libo. A study on adaptive fuzzy control of energy distribution in hybrid electric vehicles＼[J＼].Automotive Engineering， 2005，27（4）： 389-403. （In Chinese）

＼[5＼] 彭栋，殷承良，张建武.基于模糊控制的并联式混合动力汽车制动控制系统＼[J＼].吉林大学学报：工学版，2007， 37（4）： 756-761.

PENG Dong， YIN Chengliang， ZHANG Jianwu. Braking control system for parallel hybrid electric vehicle with fuzzy control logic＼[J＼]. Journal of Jilin University： Engineering and Technology Edition， 2007，37（4）： 756-761. （In Chinese）

＼[6＼] 张邦基，于德介，邓元望，等. 基于模糊逻辑的并联式混合动力电动汽车能量控制系统＼[J＼].汽车工程，2009，31（6）： 496-502.

ZHANG Bangji， YU Dejie， DENG Yuanwang， et al. Energy management system of PHEV based on fuzzy logic＼[J＼]. Automotive Engineering， 2009，31（6）： 496-502. （In Chinese）

＼[7＼] 周红丽，何莉萍，钟志华.电动车用电池动态性能分析及剩余容量预测＼[J＼].计算机仿真，2008，25（1）： 274-277.

ZHOU Hongli， HE Liping， ZHONG Zhihua. Dynamic performance analysis and SOC prediction of battery for electric vehicle＼[J＼]. Computer Simulation， 2008，25（1）： 274-277. （In Chinese）

＼[8＼] 薛殿伦，马洪涛，曹成龙，等.基于遗传算法的CVT夹紧力模糊PID控制优化＼[J＼].湖南大学学报：自然科学版，2012，39（12）： 37-42.

混合动力汽车的变速器二档速比ig2=1.944，三档速比ig3=1.286.选取电动机为直流无刷永磁电机，额定功率10 kW，基速1 000 r/min.图8为在二、三档下的电动机制动力矩

车速曲线.如图8所示，在一定的车速、不同的档位下，电动机所能提供的制动力是不同的.故本文辅助制动系统的计算和实验均以二档为例进行说明分析，其他各档位思路和方法是相同的，不做重复说明.

对二档来说，电动机基速对应的车轮端速度为24 km/h，对应的制动力为3 987.9 N.当汽车前后轮制动力曲线按照设定的曲线运行时，此车速对应的汽车可提供的最大制动强度为：

4 辅助再生制动系统仿真实验

在Simulink下搭建混合动力汽车辅助再生制动系统模型，进行仿真验证.通过汽车雷达与车速传感器得到本车和前车的相对距离和车速，实现自动控制驾驶车辆减速，维持合理的车间距，并回收制动能量.其中驾驶车辆装有驾驶员辅助再生制动系统，初始速度30 m/s；两车的初始车间距离设为110 m；前车的速度设定为与时间的函数；通过改变此函数，即改变前车速度的实时变化，从而得到前车不同速度变化下驾驶车辆的制动情况和能量回收情况；当本车速度不高于前车速度时，仿真终止.

在前车速度按照图12变化时，仿真结果如图13和图14所示.由仿真结果，前车由72 km/h（20/s）开始减速，本车由108 km/h开始减速，经过6.25 s， 最终与前车速度相等.两车间距由110 m降至90.5 m；超级电容SOC由0升至0.87，回收能量0.025 kW·h.

改变前车制动的初始车速或两车初始相对距离，对辅助再生制动系统进行另外3组仿真实验.4组实验的仿真结果对比如表3所示.

由表3仿真结果对比可得，在驾驶车辆速度与前车速度不变的前提下，初始相对距离较小时，辅助再生制动系统倾向于在更短的时间内和制动距离内实现制动，达到与前车速度一致；同时，短的制动时间和制动距离导致了回收的制动能量减少.另一方面，在初始相对距离不变，驾驶车辆与前车相对速度较大时，并不会大幅增加制动时间，制动距离显著增加但仍不会造成追尾，回收的制动能量小幅增加.

5 结 论

将智能刹车与再生制动相结合，提出了一种基于模糊神经网络控制的混合动力电动汽车辅助再生制动系统.在辅助再生制动系统开启的模式下，汽车模仿具有丰富经验的驾驶员的驾驶习惯，保持相对合适的安全距离并随两车车速而动态变化，避免追尾事故的发生，提高行驶安全性.另一方面，此基于模糊神经网络的辅助再生制动系统，可以在不同的车速和制动强度下，使汽车制动力按照理想制动力曲线工作，并最大程度地利用电动机进行制动，有效回收制动能量.

参考文献

[1] DISTNER M， BENGTSSON M， BROBERG T， et al. City safety—a system addressing rearend collisions at low speeds＼[C＼]//Proceedings of 21st International Technical Conference on the Enhanced Safety of Vehicles. Stuttgart： NHTSA， 2009： 09-0371.

＼[2＼] EHSANI M， GAO Y M， EMADI A. Modern electric， hybrid electric， and fuel cell vehicles fundamentals， theory， and design＼[M＼]. 2nd ed. Boca Raton： CRC Press， 2012： 411-431.

＼[3＼] 杨世春，朱传高，高莹，等.并联式混合动力汽车遗传模糊控制策略研究＼[J＼].汽车工程，2011，33（2）： 106-111.

YANG Shichun， ZHU Chuangao， GAO Ying， et al. A research on the geneticfuzzy control strategy for parallel hybrid electric vehicle＼[J＼]. Automotive Engineering，2011，33（2）： 106-111.（In Chinese）

＼[4＼] 白中浩，王耀南，曹立波.混合动力电动汽车能量自适应模糊控制研究＼[J＼].汽车工程，2005，27（4）： 389-403.

BAI Zhonghao， WANG Yaonan， CAO Libo. A study on adaptive fuzzy control of energy distribution in hybrid electric vehicles＼[J＼].Automotive Engineering， 2005，27（4）： 389-403. （In Chinese）

＼[5＼] 彭栋，殷承良，张建武.基于模糊控制的并联式混合动力汽车制动控制系统＼[J＼].吉林大学学报：工学版，2007， 37（4）： 756-761.

PENG Dong， YIN Chengliang， ZHANG Jianwu. Braking control system for parallel hybrid electric vehicle with fuzzy control logic＼[J＼]. Journal of Jilin University： Engineering and Technology Edition， 2007，37（4）： 756-761. （In Chinese）

＼[6＼] 张邦基，于德介，邓元望，等. 基于模糊逻辑的并联式混合动力电动汽车能量控制系统＼[J＼].汽车工程，2009，31（6）： 496-502.

ZHANG Bangji， YU Dejie， DENG Yuanwang， et al. Energy management system of PHEV based on fuzzy logic＼[J＼]. Automotive Engineering， 2009，31（6）： 496-502. （In Chinese）

＼[7＼] 周红丽，何莉萍，钟志华.电动车用电池动态性能分析及剩余容量预测＼[J＼].计算机仿真，2008，25（1）： 274-277.

ZHOU Hongli， HE Liping， ZHONG Zhihua. Dynamic performance analysis and SOC prediction of battery for electric vehicle＼[J＼]. Computer Simulation， 2008，25（1）： 274-277. （In Chinese）

＼[8＼] 薛殿伦，马洪涛，曹成龙，等.基于遗传算法的CVT夹紧力模糊PID控制优化＼[J＼].湖南大学学报：自然科学版，2012，39（12）： 37-42.

混合动力汽车的变速器二档速比ig2=1.944，三档速比ig3=1.286.选取电动机为直流无刷永磁电机，额定功率10 kW，基速1 000 r/min.图8为在二、三档下的电动机制动力矩

车速曲线.如图8所示，在一定的车速、不同的档位下，电动机所能提供的制动力是不同的.故本文辅助制动系统的计算和实验均以二档为例进行说明分析，其他各档位思路和方法是相同的，不做重复说明.

对二档来说，电动机基速对应的车轮端速度为24 km/h，对应的制动力为3 987.9 N.当汽车前后轮制动力曲线按照设定的曲线运行时，此车速对应的汽车可提供的最大制动强度为：

4 辅助再生制动系统仿真实验

在Simulink下搭建混合动力汽车辅助再生制动系统模型，进行仿真验证.通过汽车雷达与车速传感器得到本车和前车的相对距离和车速，实现自动控制驾驶车辆减速，维持合理的车间距，并回收制动能量.其中驾驶车辆装有驾驶员辅助再生制动系统，初始速度30 m/s；两车的初始车间距离设为110 m；前车的速度设定为与时间的函数；通过改变此函数，即改变前车速度的实时变化，从而得到前车不同速度变化下驾驶车辆的制动情况和能量回收情况；当本车速度不高于前车速度时，仿真终止.

在前车速度按照图12变化时，仿真结果如图13和图14所示.由仿真结果，前车由72 km/h（20/s）开始减速，本车由108 km/h开始减速，经过6.25 s， 最终与前车速度相等.两车间距由110 m降至90.5 m；超级电容SOC由0升至0.87，回收能量0.025 kW·h.

改变前车制动的初始车速或两车初始相对距离，对辅助再生制动系统进行另外3组仿真实验.4组实验的仿真结果对比如表3所示.

由表3仿真结果对比可得，在驾驶车辆速度与前车速度不变的前提下，初始相对距离较小时，辅助再生制动系统倾向于在更短的时间内和制动距离内实现制动，达到与前车速度一致；同时，短的制动时间和制动距离导致了回收的制动能量减少.另一方面，在初始相对距离不变，驾驶车辆与前车相对速度较大时，并不会大幅增加制动时间，制动距离显著增加但仍不会造成追尾，回收的制动能量小幅增加.

5 结 论

将智能刹车与再生制动相结合，提出了一种基于模糊神经网络控制的混合动力电动汽车辅助再生制动系统.在辅助再生制动系统开启的模式下，汽车模仿具有丰富经验的驾驶员的驾驶习惯，保持相对合适的安全距离并随两车车速而动态变化，避免追尾事故的发生，提高行驶安全性.另一方面，此基于模糊神经网络的辅助再生制动系统，可以在不同的车速和制动强度下，使汽车制动力按照理想制动力曲线工作，并最大程度地利用电动机进行制动，有效回收制动能量.

参考文献

[1] DISTNER M， BENGTSSON M， BROBERG T， et al. City safety—a system addressing rearend collisions at low speeds＼[C＼]//Proceedings of 21st International Technical Conference on the Enhanced Safety of Vehicles. Stuttgart： NHTSA， 2009： 09-0371.

＼[2＼] EHSANI M， GAO Y M， EMADI A. Modern electric， hybrid electric， and fuel cell vehicles fundamentals， theory， and design＼[M＼]. 2nd ed. Boca Raton： CRC Press， 2012： 411-431.

＼[3＼] 杨世春，朱传高，高莹，等.并联式混合动力汽车遗传模糊控制策略研究＼[J＼].汽车工程，2011，33（2）： 106-111.

YANG Shichun， ZHU Chuangao， GAO Ying， et al. A research on the geneticfuzzy control strategy for parallel hybrid electric vehicle＼[J＼]. Automotive Engineering，2011，33（2）： 106-111.（In Chinese）

＼[4＼] 白中浩，王耀南，曹立波.混合动力电动汽车能量自适应模糊控制研究＼[J＼].汽车工程，2005，27（4）： 389-403.

BAI Zhonghao， WANG Yaonan， CAO Libo. A study on adaptive fuzzy control of energy distribution in hybrid electric vehicles＼[J＼].Automotive Engineering， 2005，27（4）： 389-403. （In Chinese）

＼[5＼] 彭栋，殷承良，张建武.基于模糊控制的并联式混合动力汽车制动控制系统＼[J＼].吉林大学学报：工学版，2007， 37（4）： 756-761.

PENG Dong， YIN Chengliang， ZHANG Jianwu. Braking control system for parallel hybrid electric vehicle with fuzzy control logic＼[J＼]. Journal of Jilin University： Engineering and Technology Edition， 2007，37（4）： 756-761. （In Chinese）

＼[6＼] 张邦基，于德介，邓元望，等. 基于模糊逻辑的并联式混合动力电动汽车能量控制系统＼[J＼].汽车工程，2009，31（6）： 496-502.

ZHANG Bangji， YU Dejie， DENG Yuanwang， et al. Energy management system of PHEV based on fuzzy logic＼[J＼]. Automotive Engineering， 2009，31（6）： 496-502. （In Chinese）

＼[7＼] 周红丽，何莉萍，钟志华.电动车用电池动态性能分析及剩余容量预测＼[J＼].计算机仿真，2008，25（1）： 274-277.

ZHOU Hongli， HE Liping， ZHONG Zhihua. Dynamic performance analysis and SOC prediction of battery for electric vehicle＼[J＼]. Computer Simulation， 2008，25（1）： 274-277. （In Chinese）

＼[8＼] 薛殿伦，马洪涛，曹成龙，等.基于遗传算法的CVT夹紧力模糊PID控制优化＼[J＼].湖南大学学报：自然科学版，2012，39（12）： 37-42.