基于最佳制动效果的并联式混合动力汽车再生制动控制策略

高爱云　邓效忠,　张明柱　付主木

1.西北工业大学，西安，710072　　2.河南科技大学，洛阳，471023

基于最佳制动效果的并联式混合动力汽车再生制动控制策略

高爱云1邓效忠1,2张明柱2付主木2

1.西北工业大学，西安，7100722.河南科技大学，洛阳，471023

在遵循制动力分配原则的基础上，提出了基于最佳制动效果和模糊控制的再生制动控制策略，使机械制动和再生制动可以很好地协同工作，实现前后轮制动力合理分配。设计了以制动强度和蓄电池荷电状态为输入变量，以期望再生制动力为输出变量的模糊控制器。利用仿真软件ADVISOR，对所设计的控制策略进行了部件性能、制动能量回收、制动感觉三方面仿真分析。同时，为验证ADVISOR仿真结果的有效性，搭建了硬件在环仿真实验平台。结果表明，所设计的控制策略在保证汽车制动稳定性的前提下，能够使驾驶员获得满意的制动感觉，同时有效提高了汽车能量利用率，最终达到了最佳制动效果。

并联式混合动力汽车；再生制动；模糊控制策略；制动效果

0　引言

在制动或减速时，混合动力汽车(hybrid electric vehicle，HEV)中的发电机将汽车的动能或势能转换为电能，存储在能量存储单元中，从而显著提高汽车的能量利用效率，这是HEV所具有的重要特点[1-2]。HEV 制动系统包含机械制动系统和再生制动系统，这就造成汽车存在3 种制动工作模式：电再生制动、机电混合制动以及纯机械摩擦制动。为了在确保汽车制动稳定性的前提下，尽可能多地回收制动能量，必须制定合理的控制策略，以便解决好前后轮制动力分配，协调好驱动轮上电再生制动和机械摩擦制动之间的关系，这是目前混合制动技术的核心[3-4]。

目前国内外许多学者开展了此方面的研究工作，并取得了一系列研究成果。He等[5]针对并联式混合动力客车进行了前后轮制动力分配研究，目的是使驱动轴分得最大的制动力，以便回收最多的制动能量。Bao等[6]针对采用气压制动的混合动力客车，制订了前后轴制动力分配原则：在保证制动稳定性的前提下，回收尽可能多的能量。杨亚娟等[7]针对一款轻型HEV，以整车效率最高为目标，提出了最大能量回收制动控制策略，并采用序列二次规划法对充电功率进行了优化，获得了ISG电机优化转矩。近年来，随着人们对乘坐舒适性的要求越来越高，再生制动控制策略的设计除了像现有研究重点考虑汽车制动安全性、稳定性和能量回收率等因素外，还应兼顾制动舒适性和部件性能。

本文以一款并联式混合动力汽车(parallel hybrid electric vehicle，PHEV)为研究对象，在满足制动力分配原则的基础上，提出了一种基于最佳制动效果和模糊控制相结合的再生制动控制策略，并利用ADVISOR软件和硬件在环仿真实验对该策略从部件性能、制动能量回收、制动感觉等方面进行了全面仿真分析和实验验证。

1　理论基础

1.1制动力分配原则

当前后轮同时抱死拖滑时，前后轮都获得最大制动力，制动距离和制动时间最短，制动效果最佳，此时作用于前后轮上的制动力分布曲线为理想制动力分布曲线，称为I曲线[8]，如图1所示，用公式表示为

(1)

式中，Ffb、Frb分别为前后轮地面制动力；G为汽车重力；hg为汽车质心高度；Lb为汽车质心至后轴中心线的距离；L为汽车轴距。

当前轮先抱死时

(2)

此时，随着附着因数φ的不同，所画出的前后轮制动力分布曲线簇称为f线组。

当后轮先抱死时

(3)

式中，La为汽车质心至前轴中心线的距离。

此时，随着附着因数φ的不同，所画出的前后轮制动力分布曲线簇称为r线组。

制动强度为

(12)压力表的量程应该按照所测量处的工作压力值确定，工作压力示数值在量程的2/3处较合适。压力表的表盘直径应在100 mm以上。

其中，u为汽车车速；g为重力加速度。根据联合国欧洲经济委员会(ECE)汽车法规，z处于0.15～0.80之间时，后轮附着因数利用曲线不能位于前轮对应曲线上方，当φ在0.20～0.80之间时，有z≥0.1+0.85(φ-0.2)。满足ECE制动法规的前后轮制动力分布曲线称为ECE规程曲线，它限定了制动时后轮最小制动力。用公式表示为

(4)

PHEV前后轮制动力分配不能超过由r曲线、f曲线以及ECE曲线共同包围的区域，例如，当φ=0.7时，PHEV前后轮制动力分配不能超过图1中的阴影部分，否则会出现各种不稳定制动状态。

图1　前后轮制动力分配区间

1.2制动效果评价指标

为了评价制动能量回收情况，通常以总制动能量、再生制动能量和制动能量回收率为评价指标，其定义分别为

Eb=∫Fbadt

(5)

Ere=∫|UbIbηch|dtIb<0

(6)

(7)

式中，Eb为总制动能量；Fb为总制动力；a为汽车的纵向制动减速度；Ere为再生制动能量；Ub为蓄电池充电电压；Ib为蓄电池充电电流；ηch为蓄电池充电效率；ηre为制动能量回收率。

本文为了综合体现制动效果，兼顾汽车舒适性，增加了一个评价指标：汽车的冲击度j，即汽车减速度的变化率，计算如下：

(8)

德国学者研究认为，人体在感觉舒适的范围内所能承受的最大冲击度为10 m/s3，如果超过这个值，制动感觉的舒适度会严重降低。冲击度越小，舒适性越好。

2　PHEV基于最佳制动效果的再生制动控制策略设计

PHEV在制动过程中因受行驶工况、驾驶员意图、电机与蓄电池状态影响巨大而具有不确定性和非线性，因此需将模糊控制技术应用于制动力分配控制策略的设计中。采用模糊控制技术可以方便地表达不同因素对再生制动的影响，如制动强度z、蓄电池荷电状态(state of charge,SOC)值等，同时也可以方便地表述难以定量的控制规则，另外对带有不确定性的行驶工况具有较强的鲁棒性和抗干扰能力[9-10]。

2.1控制策略原理

以制动强度z、蓄电池SOC值两个变量作为模糊控制器的输入变量，以期望再生制动力Ff为模糊控制器的输出变量，所设计的基于最佳制动效果的模糊控制策略原理如图2所示。

图2　控制策略原理图

理想制动力分配模块根据I曲线先求出前后轮制动力Ffb和Frb，其中Frb全部采用机械制动。然后由模糊控制器根据z、蓄电池荷电状态SOC值求出Ff，与Ffb作取小运算后得到前轮再生制动力Fre和前轮机械制动力Fff。由此可见，基于最佳制动效果的制动力分配策略关键在于如何通过模糊控制器计算出Ff。

2.2模糊控制器的设计

首先，单位化输入变量和输出变量。Ff的取值范围为[0，Fmd]，其中，Fmd表示再生制动系统所能提供的最大再生制动力；蓄电池荷电状态SOC值的取值范围为[0，0.8]，z的取值范围为[0，0.7]。然后设计输入输出变量的语言值。将Ff的语言值设计为VS(极小)、MS(中小)、S(小)、M(中)、B(大)、MB(中大)、VB(极大)；将蓄电池SOC值的语言值设计为MS(中低)、S(低)、M(中)、B(高)、MB(中高)；将z的语言值设计为MS(中低)、S(低)、M(中)、B(高)、MB(中高)。

然后，利用MATLAB的FUZZY工具箱的图形用户界面(GUI)建立模糊推理系统(fuzzy logic system，FIS)，并对输入变量隶属函数、输出变量隶属函数及模糊控制规则进行设计。输入、输出变量隶属函数均采用两边梯形、中间三角的隶属函数，对应的隶属函数如图3所示。

(a)蓄电池荷电状态SOC隶属度函数

(b)制动强度z隶属度函数

根据输入和输出变量的量化等级和实际工程经验，确定了25条模糊规则。制动模糊控制规则如表1所示。模糊控制器的推理曲面如图4所示。

(c)期望再生制动力Ff隶属度函数图3　输入变量和输出变量隶属度函数

FfSOCMSSMBMBzMSVBVBMBMBBSVBMBMBBMMMBMBBMSBBBMMSMSMBMMSMSVS

图4　模糊控制器的推理曲面

最后，采用重心法进行解模糊，经过去单位化运算后，最终得到Ff的有效值。

3　ADVISOR仿真分析

利用ADVISOR，选择CYC_NYCC(纽约城市工况)和CYC_US06_HWY(美国高速公路工况)对所设计的基于最佳制动效果控制策略与ADVISOR自带制动力控制策略进行对比仿真。表2给出仿真车辆的主要参数。

首先，对部件性能进行仿真。图5和图6分别是CYC_NYCC、CYC_US06_HWY工况下蓄电池SOC的仿真结果。图7和图8分别是CYC_NYCC、CYC_US06_HWY工况下电机工作点的仿真结果。

表2　仿真车辆主要参数

图5　CYC_NYCC工况下蓄电池SOC变化曲线

图6　CYC_US06_HWY工况下蓄电池SOC变化曲线

由图5和图6可以看出，2种工况下基于最佳制动效果控制策略都能使蓄电池SOC下降减缓，特别是在CYC_NYCC循环工况下蓄电池剩余电量提高幅度更大，工况结束时蓄电池SOC值为0.67，大于ADVISOR自带制动力控制策略的0.65，说明蓄电池回收了更多的制动能量。由图7可以看出，在CYC_NYCC工况下，基于最佳制动效果控制策略的电机提供的再生制动力矩比ADVISOR自带制动力控制策略的电机提供的再生制动力矩明显要大，而在CYC_US06_HWY工况下，这个特点不太明显(图8)。这是因为ADVISOR自带制动力控制策略是依据车辆行驶速度查表来分配制动力的，虽然简单可行，但未考虑是否满足ECE 制动法规，同时也没有考虑电机发电特性、蓄电池SOC值等影响因素，电机发电能力未得到充分利用。

(a)ADVISOR自带制动力控制策略的电机工作点

(b)基于最佳制动效果控制策略的电机工作点图7　CYC_NYCC工况下电机工作点

然后对制动能量回收情况进行仿真。不同工况下制动能量回收情况如表3所示，不同制动强度下制动能量回收情况如表4所示。

由表3可知，和ADVISOR自带制动力控制策略相比，在CYC_NYCC工况下，基于最佳制动效果控制策略的再生制动能量Ere提高53.53%，制动能量回收率ηre提高15.67%；而在CYC_US06_HWY工况下，Ere只提高5.62%，ηre只提高2.52%。造成这种差别的原因是：2种工况的特点不同。CYC_NYCC为城市道路循环工况，车辆启停较为频繁，平均速度为11.41 km/h，最大制动强度为0.269，平均制动强度低于0.1。由表4可知，制动强度小于0.1时制动力70%由再生制动提供，因此，本文制定的控制策略可以充分回收CYC_NYCC工况下的制动能量。而CYC_US06_HWY属于高速工况，制动次数不多，平均速度达到97.91 km/h，最大制动强度为0.314，制动强度普遍较大。由表4可知，制动强度大于0.1时制动力由再生制动系统与机械制动共同提供，因此，高速公路工况下回收制动能量的优势不明显。

(a)ADVISOR自带制动力控制策略的电机工作点

(b)基于最佳制动效果控制策略的电机工作点图8　CYC_US06_HWY工况下电机工作点

工况项目ADVISOR自带制动力控制策略基于最佳制动效果控制策略对比CYC_NYCC总制动能量Eb(kJ)670670相等再生制动能量Ere(kJ)198304提高53.53%制动能量回收率ηre(%)29.5545.22提高15.67%CYC_US06_HWY总制动能量Eb(kJ)397397相等再生制动能量Ere(kJ)178188提高5.62%制动能量回收率ηre(%)44.8447.36提高2.52%

表4　不同制动强度下制动能量回收情况

车辆以30 km/h初速度行驶，蓄电池SOC初始值为0.7，路面附着系数φ为0.85，2种控制策略在制动强度z分别为0.08、0.35和0.75时的制动能量回收计算结果如表4所示。由表4可知，z<0.1(轻度制动)时，绝大部分制动力由再生制动力提供，此时，基于最佳制动效果控制策略优势突出，相比ADVISOR自带制动力控制策略，Ere提高30.70%，ηre提高17.64%；当0. 1≤z<0.7(中度制动)时，制动力由再生制动与机械制动共同提供，各占50%左右，此时基于最佳制动效果控制策略优势有所下降，Ere提高20.34%，ηre提高8.74%；当z≥0. 7(紧急制动)时，制动力全部由机械制动提供，无再生制动能量。这和所制定的控制规则一致。

最后，对制动感觉进行仿真。图9是制动强度z随前轮制动力Ffb变化曲线。由图9可以看出，制动强度z没有突变，也就是说冲击度j被控制在良好范围内，从而能有效保证良好的制动感觉，提高制动舒适性。

图9　制动强度变化曲线

4　硬件在环仿真实验

基于MATLAB/Simulink/dSPACE控制系统快速开发和半实物仿真平台，结合所在实验室拥有的发动机和电机实验台架、性能测试设备等硬件，搭建的PHEV硬件在环仿真实验平台如图10所示。

图10　硬件在环仿真实验平台

(a)ADVISOR仿真结果

(b)硬件在环仿真实验结果图11　ADVISOR仿真和硬件在环仿真实验再生制动能量对比

在初速度为30 km/h、蓄电池SOC初始值为0.7、总制动能量Eb为550 kJ，车辆主要参数保持不变的情况下， 将2种控制策略在制动强度z分别为0.08、0.35和0.75时的制动能量回收情况进行ADVISOR仿真和硬件在环仿真实验，两者对比结果如图11所示。对照图11a和图11b可以看出，硬件在环仿真实验结果和ADVISOR仿真结果是一致的，即在轻度制动的情况下，基于最佳制动效果控制策略优势最为突出，在中度制动时优势有所下降，在紧急制动时没有优势。因此，所设计的控制策略非常适合于车辆启停较为频繁的城市道路循环工况。图11b中的再生制动能量Ere小于图11a中对应值，主要原因是硬件在环仿真实验平台中的发动机、电机、扭矩合成装置等部件的效率低于ADVISOR仿真中的设定值。

5　结论

(1)在分析制动力分配应遵循原则的基础上，提出了基于最佳制动效果和模糊控制的再生制动控制策略，综合考虑了汽车制动的安全性、稳定性、舒适性和能量利用等各种因素，很好地实现了机械制动和再生制动的协同工作。

(2)设计了以制动强度和蓄电池SOC为输入变量，以期望再生制动力为输出变量的模糊控制器，对于带有不确定性的行驶工况具有较强的鲁棒性和抗干扰能力。

(3)对所设计的控制策略进行了全面ADVISOR仿真分析，包括部件性能分析、不同工况和不同制动强度下制动能量回收情况、制动强度的变化三个方面。仿真结果表明，所设计的控制策略在保证汽车制动稳定性的前提下，有效提高了汽车能量利用率和驾驶员的舒适性，取得了最佳制动效果。

(4)对不同制动强度下制动能量回收情况进行了ADVISOR仿真和硬件在环仿真实验对比，验证了ADVISOR仿真结果的有效性。

[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, 吴炎花. 电-液复合制动电动汽车制动感觉一致性及实现方法[J]. 中国机械工程, 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]杨亚娟, 赵韩, 朱茂飞. 电动汽车最大能量回收再生制动控制策略的研究[J]. 汽车工程, 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. 汽车理论[M]. 5版. 北京: 机械工业出版社, 2009.

[9]刘辉, 王伟达, 何娇,等. 基于模糊控制的混合动力电动车再生制动系统的建模与仿真[J]. 汽车工程, 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]李顶根, 张绿原, 何保华. 基于滑移率的汽车电子机械制动系统的模糊控制[J]. 机械工程学报, 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.

(编辑王艳丽)

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

国家自然科学基金资助项目(61473115,51375145)；中国博士后科学基金资助项目(2013T60670)；河南省科技创新人才杰出青年计划资助项目(144100510004)；河南省高校科技创新人才支持计划资助项目(13HASTIT038)

U469. 7< class="emphasis_italic">DOI

：10.3969/j.issn.1004-132X.2015.15.022

高爱云，女，1974年生。西北工业大学机电学院博士研究生。主要研究方向为混合动力汽车结构与控制。发表论文30余篇。邓效忠(通信作者)，男，1957年生。河南科技大学机械装备先进制造河南省协同创新中心教授，西北工业大学机电学院博士研究生导师。张明柱，男，1964年生。河南科技大学机电工程学院教授、博士研究生导师。付主木，男，1974年生。河南科技大学信息工程学院副教授、博士。