王若飛　郭廣曾　王世良

摘 要：整車控制系統(tǒng)是車輛的核心控制部分，其既要對駕駛員的操縱意圖進(jìn)行識別和判斷，又要對整車運(yùn)行時的關(guān)鍵參數(shù)進(jìn)行監(jiān)測和控制，同時，還要對整車的能量需求進(jìn)行管理和協(xié)調(diào)。在車輛制動工況下，如果進(jìn)行制動能量的回收控制，可以有效的延長續(xù)駛里程，但電動汽車在進(jìn)行回饋制動時，電制動會和機(jī)械制動系統(tǒng)相互耦合，這一問題解決的好壞，也會影響到車輛行使的安全性。本文闡述了對制動模式下機(jī)械制與電機(jī)再生制動的協(xié)調(diào)開展研究，目標(biāo)是進(jìn)一步保證車輛行駛的安全性和舒適性，提高制動時的能量回收效率。

關(guān)鍵詞：整車控制器 能量回收 仿真

1 研究方案及研究方法

本位重點對再生制動時的控制策略進(jìn)行研究。分別對這兩個研究內(nèi)容進(jìn)行模型分析，設(shè)計控制策略，利用仿真分析軟件，對所設(shè)計的策略進(jìn)行仿真分析和驗證。具體方法如下：

1）建立研究對象制動時的縱向動力學(xué)數(shù)學(xué)模型，設(shè)計再生制動力分配的模糊控制器;

2）在matlab軟件中，應(yīng)用粒子群算法，對模糊控制器的模糊規(guī)則進(jìn)行優(yōu)化;

3）對優(yōu)化后的模糊控制器，設(shè)計不同的制動工況，進(jìn)行離線仿真驗證;

4）寫控制代碼，下載到控制器的工程樣機(jī)中，在硬件在環(huán)仿真平臺上，對控制算法進(jìn)行半實物仿真驗證。

2 研究過程及研究結(jié)果

2.1 再生制動控制策略設(shè)計

再生制動控制的原則是保證汽車制動穩(wěn)定性的同時，綜合考慮能量回收效率。針對前輪驅(qū)動電動車輛，液壓控制單元（ABS）采集到的制動踏板位置、輪速等信息，通過車載網(wǎng)絡(luò)傳遞給整車控制器（VCU），VCU根據(jù)接收到的信息，結(jié)合動力電池組、驅(qū)動電機(jī)的狀態(tài)信息，計算出前輪的制動回收扭矩，通過車載網(wǎng)絡(luò)發(fā)送到電機(jī)控制器（此時沒有考慮驅(qū)動扭矩安全監(jiān)控模塊）。但電動汽車在進(jìn)行再生制動時，會和車輛的機(jī)械制動系統(tǒng)相互耦合，為解決這一機(jī)電耦合問題，設(shè)計了再生制動扭矩模糊控制器，該控制器的輸入量為制動踏板深度，電池荷電狀態(tài)（SOC），車速三個參數(shù)，輸出量為電機(jī)制動的參與程度，即電機(jī)制動力矩占最大可用電機(jī)制動力矩的比例，推理方法選用Mamdani推理。語言變量的選取設(shè)計上，將制動踏板深度輸入量分為5個模糊子集{VS，S，M，B，VB}，將電池SOC輸入量分為5個模糊子集{VL，L，M，H，VH}，考慮到車速與制動能量回收的關(guān)系，將車速分為7個模糊子集{VL，L，LM，M，HM，H，VH};電機(jī)再生制動力的比例為模糊控制器輸出量，分為11個模糊子集{KM0，KM1，KM2，KM3，KM4，KM5，KM6，KM7，KM8，，KM9，KM10}。

2.2 模糊規(guī)則的優(yōu)化

模糊控制器魯棒性強(qiáng)，適應(yīng)非線性時變系統(tǒng)，能夠較好地控制協(xié)調(diào)機(jī)械制動和電機(jī)制動，但電機(jī)的再生制動扭矩受到電池充電功率、ECE法規(guī)以及電機(jī)特性的限制，很難在滿足制動穩(wěn)定性的前提下，制訂能量回收的最優(yōu)模糊規(guī)則。而粒子群算法，作為一種群智能的全局優(yōu)化方法，迭代過程簡單，不需要交叉變異等復(fù)雜的進(jìn)化操作，且算法本身具有全局尋優(yōu)的能力，可以有效提高模糊控制器的設(shè)計效率。因此，選用粒子群算法優(yōu)化模糊控制器的模糊規(guī)則。首先需要把整車優(yōu)化目標(biāo)有關(guān)的控制變量集中編碼，由于車速很低與電池荷電狀態(tài)很高時不回收制動能量，因此所需優(yōu)化的模糊規(guī)則為120個。然后，利用粒子群算法進(jìn)行模糊規(guī)則的優(yōu)化整定，將需要優(yōu)化的模糊控制參數(shù)編碼成粒子碼串[x1，x2，…，x119，x120]。粒子的每個變量均用整數(shù)表示，變量取值范圍為1-11。

將再生制動回收的能量作為優(yōu)化目標(biāo)函數(shù)，制動穩(wěn)定性與電池的充電功率限制作為約束條件，則適應(yīng)度函數(shù)為：

其中xi為通過約束條件的模糊規(guī)則。約束條件為：

式中，Tm min、Tm max分別為電機(jī)的最小和最大轉(zhuǎn)矩，ωm min、ωm max為電機(jī)的最小和最大轉(zhuǎn)速，Ichg min、Ichg max為電池的最小和最大充電電流，SOCmin、SOCmax為電池的最小和最大荷電狀態(tài)，Pchg_max為電池允許的最大充電功率。

在Matlab軟件平臺中，編寫m文件，利用粒子群優(yōu)化算法，通過迭代尋找最優(yōu)解，從而實現(xiàn)對模糊控制器規(guī)則庫的優(yōu)化。最后得到的控制器結(jié)構(gòu)如圖1所示。

2.3 離線仿真分析

在Simulink軟件環(huán)境中，搭建優(yōu)化后的模塊控制器模塊，將其嵌入到圖8所示的整車扭矩安全監(jiān)控仿真模型中，制動工況選擇初始車速分別為90Km/h，60Km/h，30Km/h，初始荷電狀態(tài)為20%，50%，80%，進(jìn)行離線仿真，得到如圖2、3所示的結(jié)果。其中，圖2為在一般制動工況下隨時間的變化，車速、制動減速度、利用附著系數(shù)的變化情況。仿真結(jié)果表明，電機(jī)參與制動時，地面附著系數(shù)利用不充分，但依然滿足ECE法規(guī)要求。圖3為不同初始SOC下的電機(jī)制動功率，可以看出在SOC偏低時，允許充電功率比較高，實際再生制動回收的功率也較大，隨著SOC的上升，電池組允許的充電功率也有所下降，實際制動回收的功率也相對下降。模糊控制器控制的電機(jī)制動功率低于電池峰值充電功率，在提高制動能量回收效率的同時，避免了可能由于充電功率較高對電池的損害。

2.4 硬件在環(huán)仿真

為進(jìn)一步驗證整車控制器（VCU）在制動工況下與機(jī)械制動的協(xié)調(diào)控制，根據(jù)再生制動時的扭矩控制策略，編寫了控制代碼，下載到一整車控制器的工程樣機(jī)中，并搭建了一硬件在環(huán)仿真實驗平臺（如圖4所示），實驗平臺中用到的設(shè)備有：1、駕駛模擬機(jī)，其功能是模仿駕駛環(huán)境，提供駕駛信息;2、整車控制單元（VCU），運(yùn)行整車的扭矩控制策略;3、dSPACE仿真器，模仿整車行使工況，為VCU提供傳感器信號;4、PC機(jī)，運(yùn)行仿真監(jiān)控軟件ControlDesk，觀測記錄相關(guān)參數(shù)信號。

圖5是再生制動時，制動主缸壓力、車速與輪速以及機(jī)械制動與電制動的變化曲線，從圖中可以看出，制動強(qiáng)度前期較弱，主輪缸中的壓力上升緩慢，后期制動強(qiáng)度加強(qiáng)，主輪缸中的壓力上升較快，在緩慢制動過程中，再生制動扭矩緩滿上升，符合駕駛員的期望，車速和輪速也都沒有明顯的波動，減速過程比較平緩。但隨著制動強(qiáng)度的加強(qiáng)，約在6.2秒，模擬的ABS模塊動作，前輪制動輪缸中出現(xiàn)減壓，此時，再生制動扭矩迅速減至0，該現(xiàn)象符合當(dāng)ABS觸發(fā)后，電機(jī)的再生制動退出，車輛切換到純機(jī)械制動的要求。

3 結(jié)論

本文重點對再生制動時的扭矩控制策略進(jìn)行了研究，通過模型分析、建模仿真，對所設(shè)計的控制方案、控制策略進(jìn)行了驗證，仿真結(jié)果符合期望要求，實現(xiàn)了所設(shè)計系統(tǒng)的功能。對于再生制動的扭矩控制策略，雖然控制策略滿足了設(shè)計功能，但從結(jié)果看，離線仿真和硬件在環(huán)仿真的差別還是較大的，要進(jìn)一步檢驗?zāi)芰炕厥招屎椭苿优ぞ貐f(xié)調(diào)功能，需要進(jìn)行實物驗證。另外，為了保證制動安全，制動扭矩的控制策略是一當(dāng)ABS系統(tǒng)觸發(fā)，電制動就退出，從提高制動回收效率的角度，這一控制策略可以進(jìn)一步研究的。

參考文獻(xiàn)：

[1]基于Simulink-Cruise聯(lián)合仿真的制動能量回收系統(tǒng)研究[J].楊海圣，姬芬竹，楊世春.控制工程.2018（06）.

[2]電動汽車再生制動能量回收最優(yōu)控制策略[J].郭金剛，董昊軒，盛偉輝，涂超.江蘇大學(xué)學(xué)報（自然科學(xué)版）.2018（02）.

[3]基于主動轉(zhuǎn)向與主動制動的智能車路徑跟蹤[J].程碩，李亮，陳百鳴，王翔宇.同濟(jì)大學(xué)學(xué)報（自然科學(xué)版）.2017（S1）.

[4]純電動汽車制動能量回收評價方法研究[J]. 初亮，劉達(dá)亮，劉宏偉，蔡健偉，趙迪.汽車工程.2017（04）.