基于多因素輸入模糊控制的再生制動(dòng)策略

楊小龍+楊功正+張澤坪

摘 要：大部分再生制動(dòng)策略研究?jī)H考慮制動(dòng)方向穩(wěn)定性，忽略制動(dòng)效能恒定性，在理想制動(dòng)前提下的研究存在缺陷.以良好制動(dòng)性和能量回收率最大化為目標(biāo)，對(duì)前驅(qū)型純電動(dòng)汽車(chē)進(jìn)行研究，提出了基于多因素輸入模糊控制的再生制動(dòng)策略.在某整車(chē)模型的基礎(chǔ)上，先以制動(dòng)方向穩(wěn)定性和ECE法規(guī)完成前、后軸制動(dòng)力分配，同時(shí)保證前軸制動(dòng)力最大化；再采用摩擦副動(dòng)態(tài)摩擦因數(shù)預(yù)估機(jī)械制動(dòng)效能因數(shù)，然后將電池荷電狀態(tài)、制動(dòng)強(qiáng)度和預(yù)估的機(jī)械制動(dòng)效能因數(shù)引入模糊控制器，得到再生制動(dòng)力分配份額，完成能量回收.研究結(jié)果表明：在頻繁且強(qiáng)度較恒定的制動(dòng)工況下，制動(dòng)效能恒定性表現(xiàn)較好，同時(shí)制動(dòng)能量回收率提升了18.5%；城市道路工況蓄電池滿(mǎn)電到零電的整個(gè)測(cè)試中，能量回收率提升了5.3%.

關(guān)鍵詞：再生制動(dòng)； 制動(dòng)性；模糊控制；預(yù)估；制動(dòng)效能因數(shù)

中圖分類(lèi)號(hào)：U461.3 文獻(xiàn)標(biāo)志碼：A

Regenerative Braking Strategy Research Based onMulti-factor Input Fuzzy Control

YANG Xiaolong，YANG Gongzheng，ZHANG Zeping

（State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body，Hunan University，Changsha 410082，China）

Abstract：Most of the regenerative braking strategies only considered the stability on the braking direction and ignored the braking efficiency constancy，thus these researches may have defect under the ideal braking condition. A front driving electric vehicle was studied with the object to obtaining good braking and maximizing energy recovery rate. A regenerative braking strategy based on the multi-factor input fuzzy control was also proposed. Using the passage vehicle model，the front and rear axle braking force distribution was first set up according to the braking stability and ECE regulations. The front axle braking force was tried to be kept at the maximum at the same time. Second，the dynamic friction coefficient was used to predict the mechanical braking performance factor. Third，the battery state of charge，the braking strength and the estimated mechanical brake efficiency factor were introduced to the fuzzy controller. Finally，the distribution of regenerative braking force was obtained，and thus energy recovery was finished. The results show that with the new method，the braking performance constancy is improved in the frequent and constant intensity braking conditions. The braking energy recovery rate is increased by 18.5%. In the urban road condition with battery full power to zero，the energy recovery rate is increased by 5.3%.

Key words：regenerative braking； braking performance； fuzzy control； predict； braking efficiency factor

當(dāng)今，節(jié)能環(huán)保是時(shí)代的主題.新能源汽車(chē)伴隨著這個(gè)主題而生.在眾多先進(jìn)技術(shù)中，再生制動(dòng)已成為大部分車(chē)企實(shí)現(xiàn)節(jié)能的重要手段[1]，是提升續(xù)航里程的關(guān)鍵技術(shù)[2].純電動(dòng)汽車(chē)作為新能源汽車(chē)的一種，因?yàn)閱渭兛侩姍C(jī)驅(qū)動(dòng)，相對(duì)其它汽車(chē)，會(huì)配備更大功率的電機(jī).這是應(yīng)用制動(dòng)能量回收技術(shù)的一大優(yōu)勢(shì)，再生制動(dòng)可提供更大的制動(dòng)力矩，能量回收潛力也更突出[3].

關(guān)于再生制動(dòng)的研究，由于影響因子偏多，系統(tǒng)復(fù)雜，控制精度要求高[4]，合適的解決方案仍在不斷探索.初亮等[5]從車(chē)速和制動(dòng)強(qiáng)度兩方面，并考慮電制動(dòng)故障情況，設(shè)計(jì)再生制動(dòng)策略，但并未考慮機(jī)械制動(dòng)效能減弱或消失的情況；姜雪、張亞軍等[6-7]將鋰電池荷電狀態(tài)SOC和制動(dòng)強(qiáng)度引入模糊控制器，完成制動(dòng)力分配，僅以提高能量回收率為目標(biāo)，忽略機(jī)械制動(dòng)效能衰減問(wèn)題；Cao和陳贊等[8-9]采用制動(dòng)強(qiáng)度或總需求制動(dòng)力、車(chē)速和蓄電池SOC進(jìn)行模糊控制，完成反饋制動(dòng)，其研究主要集中在模糊輸入?yún)?shù)分析，未涉及制動(dòng)效能恒定性分析；Maia等[10]以汽車(chē)加速度、加速度變化率和道路坡度為輸入設(shè)計(jì)模糊邏輯模型，在忽略制動(dòng)控制策略的情況下推導(dǎo)出再生制動(dòng)因子.眾多研究中，大部分學(xué)者均假設(shè)制動(dòng)器摩擦副摩擦性能不變，其摩擦因數(shù)為一定值[11]，即假設(shè)制動(dòng)器的制動(dòng)效能恒定.而大量的交通事故數(shù)據(jù)統(tǒng)計(jì)以及相關(guān)的試驗(yàn)和計(jì)算表明，制動(dòng)器的制動(dòng)效能并不是恒定不變的.由此可知，再生制動(dòng)的策略研究如果僅考慮制動(dòng)方向穩(wěn)定性，忽略制動(dòng)效能恒定性，在理想條件下進(jìn)行研究存在一定缺陷.良好的制動(dòng)性可以保證車(chē)輛行駛安全，是再生制動(dòng)研究必須首先考慮的.本文的研究，除考慮制動(dòng)強(qiáng)度和蓄電池SOC外，通過(guò)制動(dòng)器動(dòng)態(tài)摩擦因數(shù)預(yù)估機(jī)械制動(dòng)效能因數(shù)，得到基于多因素輸入模糊控制的再生制動(dòng)策略.基于此策略，搭建仿真模型，完成最終優(yōu)化目標(biāo).endprint

1 制動(dòng)力分配

1.1 再生制動(dòng)原理

再生制動(dòng)系統(tǒng)相對(duì)于車(chē)輛起步或加速時(shí)，蓄電池輸出電能，使電機(jī)帶動(dòng)車(chē)輪轉(zhuǎn)動(dòng)，該系統(tǒng)工作時(shí)將一部分汽車(chē)慣性勢(shì)能通過(guò)發(fā)電機(jī)發(fā)電轉(zhuǎn)化為化學(xué)能儲(chǔ)存到蓄電池中，同時(shí)發(fā)揮制動(dòng)作用[12].

由上可知，再生制動(dòng)只發(fā)生在驅(qū)動(dòng)輪上.對(duì)于兩驅(qū)型的純電動(dòng)汽車(chē)，制動(dòng)時(shí)由于車(chē)輛的慣性作用，大量的載荷前傾作用于前軸，可以瞬間提升前軸的最大制動(dòng)力，故前驅(qū)型電動(dòng)汽車(chē)比后驅(qū)型更有利于制動(dòng)能量的回收.為了盡可能提高能量回收率，在模型選擇時(shí)，本文應(yīng)用了前驅(qū)的車(chē)型.

1.2 制動(dòng)力分配策略

本文再生制動(dòng)的研究，首先以Advisor2002整車(chē)模型進(jìn)行對(duì)標(biāo)分析.原模型在缺省前、后軸制動(dòng)力分配的條件下，通過(guò)實(shí)時(shí)采集車(chē)速信息，進(jìn)行車(chē)速-制動(dòng)分配系數(shù)二維查表，從而完成電、液制動(dòng)力分配和能量回收.部分學(xué)者在原模型的基礎(chǔ)上，以制動(dòng)強(qiáng)度和蓄電池SOC為輸入，進(jìn)行雙入雙出模糊控制，得到再生制動(dòng)比例和前輪摩擦制動(dòng)比例[7]，如圖1所示.車(chē)速查表和雙入雙出模糊控制中均未進(jìn)行前、后軸制動(dòng)力劃分，不能保證制動(dòng)方向穩(wěn)定性和ECE法規(guī)的要求.此外，以上兩種策略均未考慮制動(dòng)時(shí)，整個(gè)系統(tǒng)的效能是否保持不變，無(wú)法保證車(chē)輛行駛中良好的制動(dòng)性.

若根據(jù)車(chē)輛行駛工況，保證良好制動(dòng)性且兼顧制動(dòng)能量回收率最大化，需對(duì)制動(dòng)力分配進(jìn)行精確控制.圖2所示為改進(jìn)后的控制策略.

1.3 前、后軸制動(dòng)力分配

制動(dòng)過(guò)程中，伴隨一定概率的汽車(chē)方向穩(wěn)定性喪失風(fēng)險(xiǎn)，如轉(zhuǎn)向失控、汽車(chē)循跡性變差、制動(dòng)跑偏和甩尾等問(wèn)題.然而，前、后軸制動(dòng)力依次以某些規(guī)律劃分，可以很大程度地降低此風(fēng)險(xiǎn).前、后軸制動(dòng)力劃分的基本方向是盡量向理想制動(dòng)力分配曲線(xiàn)（I曲線(xiàn)，如公式（1）所示）靠攏，提高制動(dòng)效率.同時(shí)，需遵循ECE制動(dòng)法規(guī)的相關(guān)要求[13].

Fxb2=12Ghgb2+4hgLGFxb1-Gbhg+2Fxb1（1）

式中：Fxb1，F(xiàn)xb2，G，hg，L，b分別表示前、后軸地面制動(dòng)力（N），整車(chē)重力（N），整車(chē)質(zhì)心距水平地面高度（m），軸距（m），質(zhì)心到后軸中心線(xiàn)的長(zhǎng)度（m）.I曲線(xiàn)僅為前、后軸制動(dòng)力劃分的參考依據(jù)，如果簡(jiǎn)單采用此線(xiàn)劃分制動(dòng)力，在雪地、冰面等偏光滑的道路行駛時(shí)，汽車(chē)輪子容易鎖死，制動(dòng)能量無(wú)法回收[14].

ECE制動(dòng)法規(guī)規(guī)定：當(dāng)φ∈[0.2，0.8]時(shí)，z≥0.1+0.85（φ-0.2）.其中，φ為路面附著系數(shù)，z表示制動(dòng)強(qiáng)度.此規(guī)定是各種類(lèi)型汽車(chē)均應(yīng)該達(dá)到的標(biāo)準(zhǔn).它確保前輪在發(fā)生鎖死的情況下，后輪制動(dòng)力不致過(guò)小，且會(huì)受到最低極限的制約，從而保證安全減速或停車(chē).這條制約的界限為最小后輪制動(dòng)力分配曲線(xiàn)，也叫M曲線(xiàn).M曲線(xiàn)由式（2）和式（3）得出.

Fxb1+Fxb2=Gz（2）

Fxb1=z+0.07G（b+zhg）0.85L（3）

高速特殊工況需立即減速或停車(chē)時(shí)，制動(dòng)強(qiáng)度z一般超過(guò)0.7.為避免發(fā)生行車(chē)危險(xiǎn)，使車(chē)子快速停下來(lái)，需要整車(chē)達(dá)到最大的減速度且制動(dòng)效率最高，此時(shí)選擇I曲線(xiàn)是最佳的分配方案.M曲線(xiàn)過(guò)渡到I曲線(xiàn)，為防止前輪抱死，制動(dòng)力分配沿路面附著系數(shù)φ為0.7的f線(xiàn)上升，此曲線(xiàn)由式（4）得到.

Fxb2=L-φhgφhgFxb1-Gbhg（4）

對(duì)于前驅(qū)型純電動(dòng)汽車(chē)，前軸制動(dòng)力滿(mǎn)足下式：

Fxb1=Ffr1+Freg（5）

式中Ffr1，F(xiàn)reg分別為前軸摩擦制動(dòng)力、再生制動(dòng)力.為了盡可能減少制動(dòng)中的能量損失，實(shí)現(xiàn)更高的能量回收率，應(yīng)要求再生制動(dòng)力所占份額盡量在有限的范圍內(nèi)處于最高值.同時(shí)，最大再生制動(dòng)力受到電機(jī)發(fā)電功率和蓄電池充電功率的限制，為簡(jiǎn)化計(jì)算，模型中選用電機(jī)和蓄電池均滿(mǎn)足最大功率需求.表1所示為本次所研究車(chē)型的相關(guān)參數(shù).

綜上所述，圖3中陰影部分所示為前、后軸制動(dòng)力的取值可以分布的區(qū)域.該區(qū)域的分配方案以滿(mǎn)足制動(dòng)方向穩(wěn)定性和ECE法規(guī)的要求為原則，本文所采用分配曲線(xiàn)沿圖中的ABCDE曲線(xiàn).沿ABCD曲線(xiàn)分配，可實(shí)現(xiàn)在不同制動(dòng)強(qiáng)度下，前軸制動(dòng)力達(dá)到最大化，從而可以提供更大的再生制動(dòng)力供發(fā)電機(jī)發(fā)電，實(shí)現(xiàn)制動(dòng)能量回收率最大化.此外，DE段僅在緊急制動(dòng)時(shí)發(fā)揮作用.

ABCDE曲線(xiàn)中，B點(diǎn)為M曲線(xiàn)與橫軸的交點(diǎn).由公式（2）（3）和條件Fxb2=0，可得到方程式（6）.

Fxb1=Gz=z+0.07G（b+zhg）0.85L（6）

解得z1=0.215.C點(diǎn)為M曲線(xiàn)與路面附著系數(shù)φ=0.7的f線(xiàn)的交點(diǎn).由公式（2）（3）和（4）聯(lián)立，可得到方程式（7）.

Fxb1=φGbL+GzhgL

=z+0.07G（b+zhg）0.85L（7）

解得z2=0.525.

在制動(dòng)強(qiáng)度z節(jié)點(diǎn)計(jì)算分析清晰的情況下，對(duì)前、后軸制動(dòng)力進(jìn)行了更詳細(xì)的劃分.具體策略如下：

1）當(dāng)0≤z≤0.215時(shí)，前、后軸制動(dòng)力沿AB線(xiàn)劃分.

2）當(dāng)0.215≤z≤0.525時(shí)，沿M曲線(xiàn)的BC段分配前、后軸制動(dòng)力.

3）當(dāng)0.525≤z≤0.7時(shí)，前、后軸所受力沿CD段路面附著系數(shù)φ為0.7的f曲線(xiàn)劃分.

4）當(dāng)0.7

2 再生制動(dòng)模糊控制

2.1 預(yù)估機(jī)械制動(dòng)效能因數(shù)

制動(dòng)效能因數(shù)是單位制動(dòng)輪缸推力所產(chǎn)生的制動(dòng)器摩擦力[13].經(jīng)過(guò)理論計(jì)算和大量試驗(yàn)分析可知：對(duì)于盤(pán)式制動(dòng)器，機(jī)械制動(dòng)效能因數(shù)與摩擦副動(dòng)態(tài)摩擦因數(shù)呈一定比例關(guān)系，推導(dǎo)過(guò)程如公式（8）所示[15]：

Bef=FFp=2μaFpFp=2μa（8）

式中：Bef為機(jī)械制動(dòng)效能因數(shù)；F為制動(dòng)器制動(dòng)力；Fp為制動(dòng)輪缸推力；μa為摩擦副動(dòng)態(tài)摩擦因數(shù).由公式（8）可知：預(yù)估機(jī)械制動(dòng)效能因數(shù)的最直接方法是預(yù)估摩擦副動(dòng)態(tài)摩擦因數(shù).本文主要從計(jì)算分析制動(dòng)副動(dòng)態(tài)摩擦因數(shù)的變化，來(lái)預(yù)估機(jī)械制動(dòng)效能因數(shù)，預(yù)估流程如圖4所示.由于摩擦界面之間的壓力、相對(duì)滑動(dòng)速度是導(dǎo)致動(dòng)態(tài)摩擦因數(shù)在一定范圍內(nèi)發(fā)生變化的主要原因[16]，故預(yù)估流程也主要基于這兩個(gè)因素考慮.

在預(yù)估模型中，摩擦副制動(dòng)壓力通過(guò)計(jì)算的制動(dòng)強(qiáng)度采用二維查表法得到，相對(duì)滑動(dòng)速度可以通過(guò)制動(dòng)初始車(chē)速計(jì)算得到.為簡(jiǎn)化計(jì)算，計(jì)算動(dòng)態(tài)摩擦因數(shù)時(shí)，直接以制動(dòng)初始車(chē)速來(lái)代替摩擦副相對(duì)滑動(dòng)速度.根據(jù)試驗(yàn)分析[17]，由測(cè)試數(shù)據(jù)進(jìn)行二次回歸，得到慣性制動(dòng)動(dòng)態(tài)摩擦因數(shù)μa關(guān)于制動(dòng)壓力p和制動(dòng)初始車(chē)速v的表達(dá)式，如式（9）所示.圖5所示為動(dòng)態(tài)摩擦因數(shù)的空間分布，更加清晰地顯示了相關(guān)參數(shù)的變化規(guī)律.

μa=0.368-0.450×10-3v+0.136×10-5v2+0.556×10-2p-0.116×10-2p2+0.267×10-3vp-0.157×10-5v2p（9）

2.2 模糊控制器

2.2.1 隸屬度函數(shù)設(shè)計(jì)

預(yù)估模型完成機(jī)械制動(dòng)效能因數(shù)的預(yù)估后，需要將此值引入模糊控制器，完成整套再生制動(dòng)策略的開(kāi)發(fā)，故模糊控制器的研究也至關(guān)重要.基于多因素輸入實(shí)現(xiàn)更精確模糊控制的考慮，本文設(shè)計(jì)的模糊控制器設(shè)置了三個(gè)輸入端和一個(gè)輸出端：輸入端依次為制動(dòng)強(qiáng)度z、蓄電池荷電狀態(tài)SOC和預(yù)估機(jī)械制動(dòng)效能因數(shù)Bef，輸出端為再生制動(dòng)力的分配系數(shù)α.三個(gè)輸入?yún)?shù)為制動(dòng)安全、能量回收的關(guān)鍵影響因素，其值域分布、組合關(guān)系和模糊規(guī)則，直接決定著本文所設(shè)計(jì)控制策略的優(yōu)劣.

1）制動(dòng)強(qiáng)度z

行車(chē)記錄的大數(shù)據(jù)表明，絕大部分駕駛情況下，行車(chē)制動(dòng)的強(qiáng)度不超過(guò)0.3.結(jié)合具體的前、后軸制動(dòng)力分配策略，采用梯形函數(shù)，將制動(dòng)強(qiáng)度z劃分為4個(gè)子集{S（?。琈S（較?。琈B（較大），B（大）}，如圖6所示.

2）蓄電池SOC

蓄電池充、放電時(shí)，需要使用智能監(jiān)控設(shè)備實(shí)時(shí)對(duì)SOC值進(jìn)行估算，并將此值反饋到控制器.如果監(jiān)控設(shè)備故障，蓄電池使用時(shí)發(fā)生SOC值過(guò)高或過(guò)低，都會(huì)對(duì)其造成不同程度的損壞.研究表明，當(dāng)蓄電池SOC低于10%或高于90%時(shí)，為保證充電安全，不適合進(jìn)行充電[8]，故SOC值在一定范圍內(nèi)才能進(jìn)行制動(dòng)能量回收.綜上考慮，蓄電池荷電狀態(tài)SOC劃分出3個(gè)子集{L（低），M（中），H（高）}，具體分布情況如圖7所示.

3）預(yù)估機(jī)械制動(dòng)效能因數(shù)Bef

根據(jù)上文得到的動(dòng)態(tài)摩擦因數(shù)分布圖及公式（8），預(yù)估機(jī)械制動(dòng)效能因數(shù)范圍確定為[0.5，1]，并劃分為3個(gè)模糊子集{L（低），M（中），H（高）}，如圖8所示.

4）再生制動(dòng)力分配系數(shù)α

α取值區(qū)間為[0，1]，采用梯形和三角形隸屬度函數(shù)，劃分為5個(gè)模糊子集{NB（負(fù)大），NS（負(fù)小），ZO（零），PS（正?。琍B（正大）}，如圖9所示.

2.2.2 模糊規(guī)則設(shè)計(jì)

通過(guò)大量的試驗(yàn)和仿真數(shù)據(jù)，并結(jié)合專(zhuān)家經(jīng)驗(yàn)和預(yù)估機(jī)械制動(dòng)效能因數(shù)Bef，對(duì)雙入雙出模糊控制規(guī)則進(jìn)行了改進(jìn)，得到能夠兼顧制動(dòng)性和制動(dòng)能量回收率最大化的模糊控制規(guī)則，表2所示為其中部分模糊規(guī)則[18].

3 仿真試驗(yàn)及結(jié)果分析

可進(jìn)行能量回收的車(chē)型，其制動(dòng)性一般以制動(dòng)距離和能量回收率2個(gè)指標(biāo)評(píng)價(jià)[19].制動(dòng)距離在最大減速度下測(cè)得，僅由機(jī)械制動(dòng)，未涉及再生制動(dòng)，故未使用制動(dòng)距離作為評(píng)價(jià)指標(biāo).基于對(duì)車(chē)輛制動(dòng)能量流的分析[20]，本文研究時(shí)以制動(dòng)效能恒定性和能量回收率為兩個(gè)重要指標(biāo)，完成仿真結(jié)果分析.

選用制動(dòng)頻繁、制動(dòng)強(qiáng)度較恒定且符合實(shí)際用車(chē)情況的主干道循環(huán)行駛工況（CYC_ARTERIAL）進(jìn)行仿真，該工況如圖10所示.其次，對(duì)于主要行駛在城市工況的純電動(dòng)汽車(chē)，為測(cè)試改進(jìn)后策略在城市行駛工況下的制動(dòng)能量回收率，選用了CYC_UDDS城市道路循環(huán)工況，具體工況如圖11所示.

此工況下，考慮純電動(dòng)汽車(chē)蓄電池SOC大部分時(shí)間處于20%～80%區(qū)間，SOC初始值設(shè)置為0.5.車(chē)輪實(shí)際轉(zhuǎn)矩為負(fù)值時(shí)，表示行車(chē)制動(dòng)，其大小等于機(jī)電制動(dòng)之和，其波動(dòng)情況可以反映制動(dòng)效能恒定性.由圖12可知，頻繁制動(dòng)且制動(dòng)強(qiáng)度較恒定的工況下，改進(jìn)后策略制動(dòng)時(shí)，車(chē)輪實(shí)際負(fù)轉(zhuǎn)矩在峰值附近的波動(dòng)情況相比另外兩種策略要小.這表明，改進(jìn)后的系統(tǒng)可維持相對(duì)穩(wěn)定行車(chē)減速度的性能更強(qiáng)，即整車(chē)制動(dòng)效能恒定性更好.雙入雙出模糊控制和Advisor2002策略均未考慮剎車(chē)盤(pán)效能恒定性問(wèn)題，無(wú)法根據(jù)效能因數(shù)變化實(shí)時(shí)調(diào)控，所以機(jī)電制動(dòng)的匹配能力較弱，能量回收率表現(xiàn)較差.由圖13和表3可知，改進(jìn)后策略的能量回收率相比雙入雙出模糊控制和Advisor2002策略，分別提升了185%和26.4%.

城市道路工況的測(cè)試，在目前人們?nèi)粘Ｓ密?chē)的情況下，顯得尤為重要.該工況主要測(cè)試了純電動(dòng)汽車(chē)從滿(mǎn)電到零電整個(gè)過(guò)程中的能量回收率，圖14和表4所示為本次對(duì)比測(cè)試的結(jié)果.

由圖14可知，蓄電池SOC從1降為0的整個(gè)過(guò)程中，改進(jìn)后策略在制動(dòng)能量回收方面均占有一定優(yōu)勢(shì)，曲線(xiàn)下降更加平緩.Advisor2002策略因?yàn)闆](méi)有考慮蓄電池SOC，在SOC值偏大時(shí)，再生制動(dòng)比例仍然可以隨車(chē)速的增加而變大，制動(dòng)能量回收表現(xiàn)較好.但隨著SOC值的下降，改進(jìn)后策略和雙入雙出模糊控制，能夠根據(jù)制動(dòng)強(qiáng)度z和SOC值變化進(jìn)行調(diào)控，可以得到相對(duì)更合理的再生制動(dòng)比例，且能量總傳遞效率更高，故蓄電池電量消耗更慢.此外，根據(jù)預(yù)估機(jī)械制動(dòng)效能因數(shù)，動(dòng)態(tài)調(diào)整前軸再生制動(dòng)和摩擦制動(dòng)比例的改進(jìn)后策略，可根據(jù)機(jī)械制動(dòng)效能的衰減情況，完成更好的機(jī)電制動(dòng)比例匹配，故能量回收率在三個(gè)對(duì)比測(cè)試對(duì)象中最高.相較于雙入雙出模糊控制，改進(jìn)后策略在相同測(cè)試環(huán)境中制動(dòng)能量回收率提升了5.3%，且續(xù)航里程增加了1.5 km.endprint

4 結(jié) 論

以良好制動(dòng)性和能量回收率最大化為目標(biāo)，經(jīng)確定研究對(duì)象、綜合推導(dǎo)分析提出了基于多因素輸入模糊控制的再生制動(dòng)策略.經(jīng)過(guò)仿真驗(yàn)證，得到以下結(jié)論：

1）前、后軸制動(dòng)力更加精細(xì)的劃分，保證了制動(dòng)方向穩(wěn)定性和前軸制動(dòng)力更高配比，為前驅(qū)型測(cè)試車(chē)的再生制動(dòng)力取得更高值創(chuàng)造了條件.

2）預(yù)估機(jī)械制動(dòng)效能因數(shù)引入模糊控制，確保前軸摩擦制動(dòng)力與再生制動(dòng)力根據(jù)機(jī)械制動(dòng)效能衰減情況進(jìn)行合理分配.與對(duì)比測(cè)試方案相比，在很大程度上改善了整個(gè)制動(dòng)系統(tǒng)的效能恒定性問(wèn)題，提升了能量回收率.

3）改進(jìn)后的整車(chē)模型相比雙入雙出模糊控制模型和Advisor2002模型，更接近于實(shí)際用車(chē)情況，可為進(jìn)一步研究實(shí)車(chē)再生制動(dòng)技術(shù)提供參考.

參考文獻(xiàn)

[1] EHSANI M，GAO Y，EMADI A.Modern electric，hybrid electric，and fuel cell vehicles： fundamentals，theory，and design[M].CRC Press，2009.

[2] 袁希文，文桂林，周兵.分布式電驅(qū)動(dòng)汽車(chē)AFS與電液復(fù)合制動(dòng)集成控制[J].湖南大學(xué)學(xué)報(bào)：自然科學(xué)版，2016，43（2）：28-35.

YUAN Xiwen，WEN Guilin，ZHOU Bing.Integrated control of active front steering and motor/hydraulic hybrid braking in distributed electric drive vehicles[J].Journal of Hunan University： Natural Sciences，2016，43（2）：28-35.（In Chinese）

[3] HANO S，HAKIAI M.New challenges for brake and modul-ation systems in hybrid electric vehicles （HEVs） and electric vehicles （EVs） [J].SAE Technical Paper，No.2011-39-7210.

[4] 肖博一，曾細(xì)強(qiáng)，張震邦，等.純電動(dòng)汽車(chē)再生制動(dòng)策略現(xiàn)狀與展望[J].汽車(chē)電器，2016（12）：1-6.

XIAO Boyi，ZENG Xiqiang，ZHANG Zhenbang， et al.Present status and prospect of the regenerative braking control strategies of electric automobiles [J].Automotive Appliances，2016（12）：1-6.（In Chinese）

[5] 初亮，何強(qiáng)，富子丞，等.純電動(dòng)汽車(chē)再生制動(dòng)控制策略研究[J].汽車(chē)工程學(xué)報(bào)，2016，6（4）：244-251.

CHU Liang，HE Qiang，F(xiàn)U Zicheng，et al.Brake energy recovery control strategy for pure electric vehicles[J].Chinese Journal of Automotive Engineering，2016，6（4）：244-251.（In Chinese）

[6] 姜雪，胡榮強(qiáng)，趙武.基于模糊控制的電動(dòng)汽車(chē)復(fù)合制動(dòng)力分配策略[J].儀表技術(shù)，2010（8）：9-13.

JIANG Xue，HU Rongqiang，ZHAO Wu.Control strategy of compound braking force distribution for electric vehicle based on fuzzy logic control[J].Instrumentation Technology，2010（8）：9-13.（In Chinese）

[7] 張亞軍，楊盼盼.純電動(dòng)汽車(chē)再生制動(dòng)系統(tǒng)的建模與仿真[J].武漢理工大學(xué)學(xué)報(bào)，2010，32（15）：90-94.

ZHANG Yajun，YANG Panpan.Modeling and simulation of regenerative braking system for pure electric vehicle[J].Journal of Wuhan University of Technology，2010，32（15）：90-94.（In Chinese）

[8] CAO X，ISHIKAWA T.Optimum design of a regenerative braking system for electric vehicles based on fuzzy control strategy[J].IEEJ Transactions on Electrical and Electronic Engineering，2016，11（S1）： 186-187.

[9] 陳贊，譚光興，林聰，等.基于模糊算法的純電動(dòng)汽車(chē)制動(dòng)能量回收[J].廣西科技大學(xué)學(xué)報(bào)，2014，25（3）：32-42.

CHEN Zan，TAN Guangxing，LIN Cong， et al.Pure electric vehicle braking energy recovery based on fuzzy algorithm[J].Journal of Guangxi University of Science and Technology，2014，25（3）：32-42.（In Chinese）endprint

[10]MAIA R，SILVA M，ARAU′JO R，et al.Electrical vehicle modeling： A fuzzy logic model for regenerative braking[J].Expert Systems with Applications，2015，42（22）： 8504-8519.

[11]趙凱輝.汽車(chē)制動(dòng)器熱衰退性能及相關(guān)制動(dòng)安全檢測(cè)研究[D].西安：長(zhǎng)安大學(xué)，2010：25-26.

ZHAO Kaihui.Study on the brakes heat-fade performance and corresponding braking safety detection of vehicle[D].Xian： Changan University，2010：25-26.（In Chinese）

[12]趙國(guó)柱.電動(dòng)汽車(chē)再生制動(dòng)若干關(guān)鍵問(wèn)題研究[D].南京：南京航空航天大學(xué)，2012.

ZHAO Guozhu.Several key problems in research of electric vehicle regenerative braking[D].Nanjing： Nanjing University of Aeronautics and Astronautics，2012.（In Chinese）

[13]余志生.汽車(chē)?yán)碚揫M].北京：機(jī)械工業(yè)出版社，2009：108-118.

YU Zhisheng.Automobile theory[M].Beijing： China Machine Press，2009： 108-118.（In Chinese）

[14]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 wheel lock[J].International Journal of Automotive Technology，2014，15（2）： 253-262.

[15]唐平.轎車(chē)制動(dòng)系統(tǒng)的設(shè)計(jì)與優(yōu)化[D].成都：西華大學(xué)，2012.

TANG Pin.Design and optimization of braking system based on a car[D].Chengdu： Xihua University，2012.（In Chinese）

[16]張劍，夏長(zhǎng)高.盤(pán)式制動(dòng)器瞬態(tài)溫度場(chǎng)與摩擦因數(shù)分析[J].機(jī)械設(shè)計(jì)與制造，2014（2）：119-121.

ZHANG Jian，XIA Changgao.Analysis of the transient temperature field and friction factor on disc brakes[J].Machinery Design & Manufacture，2014（2）：119-121.（In Chinese）

[17]王仁廣，李志遠(yuǎn)，張彪，等.盤(pán)式制動(dòng)器平均摩擦系數(shù)的試驗(yàn)研究[J].實(shí)驗(yàn)技術(shù)與管理，2010，27（1）：29-39.

WANG Renguang，LI Zhiyuan，ZHANG Biao，et al.Experimental research on average friction coefficient of disk brake[J].Experimental Technology and Management，2010，27（1）：29-39.（In Chinese）

[18]ZHENG H，CHEN Y，ZONG C.Braking stability control algorithm for vehicle based on fuzzy logic[C]//Proceedings of the FISITA 2012 World Automotive Congress.Springer Berlin Heidelberg，2013： 73-82.

[19]何莉萍，李慶鋒，丁舟波，等.基于模糊神經(jīng)網(wǎng)絡(luò)控制的汽車(chē)輔助再生制動(dòng)系統(tǒng)研究[J].湖南大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，41（10）：35-41.

HE Liping，LI Qingfeng，DING Zhoubo，et al.Research on the vehicle assist regenerative braking system based on the fuzzy neural network[J].Journal of Hunan University： Natural Sciences，2014，41（10）：35-41.（In Chinese）

[20]QIU C，WANG G.New evaluation methodology of regenerative braking contribution to energy efficiency improvement of electric vehicles[J].Energy Conversion and Management，2016，119： 389-398.endprint