纯电动汽车制动能量回收控制策略及仿真分析

王若飞　郭广曾　王世良

摘 要：整车控制系统是车辆的核心控制部分，其既要对驾驶员的操纵意图进行识别和判断，又要对整车运行时的关键参数进行监测和控制，同时，还要对整车的能量需求进行管理和协调。在车辆制动工况下，如果进行制动能量的回收控制，可以有效的延长续驶里程，但电动汽车在进行回馈制动时，电制动会和机械制动系统相互耦合，这一问题解决的好坏，也会影响到车辆行使的安全性。本文阐述了对制动模式下机械制与电机再生制动的协调开展研究，目标是进一步保证车辆行驶的安全性和舒适性，提高制动时的能量回收效率。

关键词：整车控制器 能量回收 仿真

1 研究方案及研究方法

本位重点对再生制动时的控制策略进行研究。分别对这两个研究内容进行模型分析，设计控制策略，利用仿真分析软件，对所设计的策略进行仿真分析和验证。具体方法如下：

1）建立研究对象制动时的纵向动力学数学模型，设计再生制动力分配的模糊控制器;

2）在matlab软件中，应用粒子群算法，对模糊控制器的模糊规则进行优化;

3）对优化后的模糊控制器，设计不同的制动工况，进行离线仿真验证;

4）写控制代码，下载到控制器的工程样机中，在硬件在环仿真平台上，对控制算法进行半实物仿真验证。

2 研究过程及研究结果

2.1 再生制动控制策略设计

再生制动控制的原则是保证汽车制动稳定性的同时，综合考虑能量回收效率。针对前轮驱动电动车辆，液压控制单元（ABS）采集到的制动踏板位置、轮速等信息，通过车载网络传递给整车控制器（VCU），VCU根据接收到的信息，结合动力电池组、驱动电机的状态信息，计算出前轮的制动回收扭矩，通过车载网络发送到电机控制器（此时没有考虑驱动扭矩安全监控模块）。但电动汽车在进行再生制动时，会和车辆的机械制动系统相互耦合，为解决这一机电耦合问题，设计了再生制动扭矩模糊控制器，该控制器的输入量为制动踏板深度，电池荷电状态（SOC），车速三个参数，输出量为电机制动的参与程度，即电机制动力矩占最大可用电机制动力矩的比例，推理方法选用Mamdani推理。语言变量的选取设计上，将制动踏板深度输入量分为5个模糊子集{VS，S，M，B，VB}，将电池SOC输入量分为5个模糊子集{VL，L，M，H，VH}，考虑到车速与制动能量回收的关系，将车速分为7个模糊子集{VL，L，LM，M，HM，H，VH};电机再生制动力的比例为模糊控制器输出量，分为11个模糊子集{KM0，KM1，KM2，KM3，KM4，KM5，KM6，KM7，KM8，，KM9，KM10}。

2.2 模糊规则的优化

模糊控制器鲁棒性强，适应非线性时变系统，能够较好地控制协调机械制动和电机制动，但电机的再生制动扭矩受到电池充电功率、ECE法规以及电机特性的限制，很难在满足制动稳定性的前提下，制订能量回收的最优模糊规则。而粒子群算法，作为一种群智能的全局优化方法，迭代过程简单，不需要交叉变异等复杂的进化操作，且算法本身具有全局寻优的能力，可以有效提高模糊控制器的设计效率。因此，选用粒子群算法优化模糊控制器的模糊规则。首先需要把整车优化目标有关的控制变量集中编码，由于车速很低与电池荷电状态很高时不回收制动能量，因此所需优化的模糊规则为120个。然后，利用粒子群算法进行模糊规则的优化整定，将需要优化的模糊控制参数编码成粒子码串[x1，x2，…，x119，x120]。粒子的每个变量均用整数表示，变量取值范围为1-11。

将再生制动回收的能量作为优化目标函数，制动稳定性与电池的充電功率限制作为约束条件，则适应度函数为：

其中xi为通过约束条件的模糊规则。约束条件为：

式中，Tm min、Tm max分别为电机的最小和最大转矩，ωm min、ωm max为电机的最小和最大转速，Ichg min、Ichg max为电池的最小和最大充电电流，SOCmin、SOCmax为电池的最小和最大荷电状态，Pchg_max为电池允许的最大充电功率。

在Matlab软件平台中，编写m文件，利用粒子群优化算法，通过迭代寻找最优解，从而实现对模糊控制器规则库的优化。最后得到的控制器结构如图1所示。

2.3 离线仿真分析

在Simulink软件环境中，搭建优化后的模块控制器模块，将其嵌入到图8所示的整车扭矩安全监控仿真模型中，制动工况选择初始车速分别为90Km/h，60Km/h，30Km/h，初始荷电状态为20%，50%，80%，进行离线仿真，得到如图2、3所示的结果。其中，图2为在一般制动工况下随时间的变化，车速、制动减速度、利用附着系数的变化情况。仿真结果表明，电机参与制动时，地面附着系数利用不充分，但依然满足ECE法规要求。图3为不同初始SOC下的电机制动功率，可以看出在SOC偏低时，允许充电功率比较高，实际再生制动回收的功率也较大，随着SOC的上升，电池组允许的充电功率也有所下降，实际制动回收的功率也相对下降。模糊控制器控制的电机制动功率低于电池峰值充电功率，在提高制动能量回收效率的同时，避免了可能由于充电功率较高对电池的损害。

2.4 硬件在环仿真

为进一步验证整车控制器（VCU）在制动工况下与机械制动的协调控制，根据再生制动时的扭矩控制策略，编写了控制代码，下载到一整车控制器的工程样机中，并搭建了一硬件在环仿真实验平台（如图4所示），实验平台中用到的设备有：1、驾驶模拟机，其功能是模仿驾驶环境，提供驾驶信息;2、整车控制单元（VCU），运行整车的扭矩控制策略;3、dSPACE仿真器，模仿整车行使工况，为VCU提供传感器信号;4、PC机，运行仿真监控软件ControlDesk，观测记录相关参数信号。

图5是再生制动时，制动主缸压力、车速与轮速以及机械制动与电制动的变化曲线，从图中可以看出，制动强度前期较弱，主轮缸中的压力上升缓慢，后期制动强度加强，主轮缸中的压力上升较快，在缓慢制动过程中，再生制动扭矩缓满上升，符合驾驶员的期望，车速和轮速也都没有明显的波动，减速过程比较平缓。但随着制动强度的加强，约在6.2秒，模拟的ABS模块动作，前轮制动轮缸中出现减压，此时，再生制动扭矩迅速减至0，该现象符合当ABS触发后，电机的再生制动退出，车辆切换到纯机械制动的要求。

3 结论

本文重点对再生制动时的扭矩控制策略进行了研究，通过模型分析、建模仿真，对所设计的控制方案、控制策略进行了验证，仿真结果符合期望要求，实现了所设计系统的功能。对于再生制动的扭矩控制策略，虽然控制策略满足了设计功能，但从结果看，离线仿真和硬件在环仿真的差别还是较大的，要进一步检验能量回收效率和制动扭矩协调功能，需要进行实物验证。另外，为了保证制动安全，制动扭矩的控制策略是一当ABS系统触发，电制动就退出，从提高制动回收效率的角度，这一控制策略可以进一步研究的。

参考文献：

[1]基于Simulink-Cruise联合仿真的制动能量回收系统研究[J].杨海圣，姬芬竹，杨世春.控制工程.2018（06）.

[2]电动汽车再生制动能量回收最优控制策略[J].郭金刚，董昊轩，盛伟辉，涂超.江苏大学学报（自然科学版）.2018（02）.

[3]基于主动转向与主动制动的智能车路径跟踪[J].程硕，李亮，陈百鸣，王翔宇.同济大学学报（自然科学版）.2017（S1）.

[4]纯电动汽车制动能量回收评价方法研究[J]. 初亮，刘达亮，刘宏伟，蔡健伟，赵迪.汽车工程.2017（04）.