模糊控制在電動汽車制動系統(tǒng)設計

韓風

摘 要： 主要對電動汽車制動系統(tǒng)進行了研究和設計，以制動系統(tǒng)工作原理和模糊控制理論為依據(jù)完成了一種針對電動汽車制動系統(tǒng)的模糊控制器的設計，結合運用ADVISOR（基于其原有反饋制動系模型）和模糊控制原理建立了制動系統(tǒng)模糊控制模型，實現(xiàn)了對反饋制動控制模塊的進一步優(yōu)化。在ADVISOR仿真環(huán)境下針對幾種典型循環(huán)工況進行整車模擬仿真實驗，結果表明該模糊控制模型更具優(yōu)越性，能夠使電動汽車的能量回收質量及效率得到顯著提升，驗證了所構建的模糊控制模型的可行性，有利于延長汽車的續(xù)航里程。

關鍵詞： 電動汽車; 制動系統(tǒng); 模糊控制; ADVISOR; 實現(xiàn)路徑

中圖分類號： TP 273 ? ? ?文獻標志碼： A

Abstract： This paper mainly researches and designs the braking system of electric vehicles. Based on the working principle and fuzzy control theory of the braking system， a fuzzy controller design for the braking system of electric vehicles is completed. Its original feedback braking system model and fuzzy control principle are completed， and further optimization of the feedback braking control module is also completed. In the ADVISOR simulation environment， vehicle simulation experiments are performed for several typical cycle conditions. The results show that the fuzzy control model is more superior and can significantly improve the energy recovery quality and efficiency of electric vehicles. The feasibility of fuzzy control model is helpful to extend the cars cruising range.

Key words： electric vehicle; braking system; fuzzy control; ADVISOR; implementation path

0 引言

目前電動汽車尤其是純電動汽車產(chǎn)業(yè)成為國家大力扶持發(fā)展的對象，不斷推出的相關補貼政策推動了該行業(yè)的快速發(fā)展?，F(xiàn)階段因受到電池技術的限制導致用戶的長途行駛需求難以得到有效滿足，電動汽車電池技術的提升和優(yōu)化仍然是領域內的一項研究重點，但大多集中在實驗室階段，尚未在實際應用中普及。這就對電動汽車制動系統(tǒng)提出了更高的要求，在提高電動汽車續(xù)航能力方面制動系統(tǒng)及相應的再生制動控制策略成為一種重要的技術支撐手段，制動技術更加成熟且更節(jié)約成本，再生制動控制策略的目的在于確保車輛安全制動的同時，實現(xiàn)對再生及前后輪摩擦制動力在總制動力中占比的合理分配，從而回收更多制動能量，為此本文主要設計了一種基于模糊控制的再生制動控制策略[1]。

1 現(xiàn)狀分析

應用范圍不斷擴大的電動汽車是實現(xiàn)節(jié)能環(huán)保目標的一項有效手段，電動汽車制動系統(tǒng)通過再生制動能量回收能量（以減速制動時的部分動能為主）并轉化為電能后儲存以供車輛使用，可有效彌補電動汽車的低電池密度低帶來的續(xù)駛里程短問題，其工作原理為：在定子上線圈的磁場轉速小于固定轉子轉速的情況下，由轉子切割磁場形成制動力矩（通過產(chǎn)生感應電流與電動勢實現(xiàn)）阻止輪轂轉動，同時在電池或超級電容中存儲產(chǎn)生的電能。輪轂電機驅動的電動汽車集成驅動、傳動和制動于一體，在簡化汽車結構的同時有效提高了轉矩控制能力及精準度，具有操作簡單、易維修等優(yōu)勢，為制動能量回收帶來了有價值的研究方向，針對此方面的研究已經(jīng)取得了一定進展，例如，針對前輪電機驅動車輛提出的典型制動力分配控制策略，基于并聯(lián)再生制動控制策略的研究成果提出的一種再生制動神經(jīng)網(wǎng)絡控制策略;針對制動能量通過增大電機再生制動力實現(xiàn)回收效率的有效提高;針對再生制動控制提出的一種基于模糊控制邏輯的分配策略，并通過設計的車輪液壓制動力控制方案實現(xiàn)了再生與液壓制動的協(xié)調控制;以制動能量回收和確保制動安全性能為目標設計的ABS和再生制動的集成控制策略;針對混合動力電動汽車通過運用最優(yōu)控制理論有效縮短了再生制動系統(tǒng)對識別駕駛員制動意圖所需時間，并顯著提高了制動能量的回收率;通過運用AMESim模型（包含ABS氣壓制動系統(tǒng)）深入研究了再生制動與制動防抱死的集成控制策略;針對純電動客車提出了一種分段復合的制動系統(tǒng)再生控制策略，相比于原車制動能量回收率提高了約3%[1]。本文主要以輪轂電機驅動電動汽車作為研究對象，進一步完善制動系統(tǒng)部分結構，在此基礎上設計了一種制動能量回收控制策略和模糊控制邏輯，對前后輪制動力采用固定比例的分配策略，可獲取電機制動力（機電復合制動模式下）占總制動力的系數(shù)，實現(xiàn)了制動能量的高效回收，能夠達到制動防抱死目的（緊急制動工況下），同時可確保車輛制動的穩(wěn)定性，延長了汽車續(xù)駛里程。

2 制動系統(tǒng)設計

在傳統(tǒng)液壓制動系統(tǒng)的基礎上保留了制動操縱機構，通過加入高壓蓄能器和回路控制閥重新設計了部分結構，在對電機約束、電池SOC、ECE法規(guī)等主要影響因素進行充分考慮的基礎上完成了再生制動能量回收控制策略的制定，按固定比例分配前后輪制動力，根據(jù)所設計的模糊控制邏輯分配和修正電液制動力，達到最大化回收制動能量的目標。

2.1 制動系統(tǒng)結構設計

本文重新設計液壓制動系統(tǒng)部分結構時，保留了原車自帶的制動操作機構，將回路控制閥和高壓蓄能器加裝于主缸與輪缸間，控制閥在汽車采用純電機制動模式時處于關閉狀態(tài)，此時在高壓蓄能器中儲存高壓液體（來自主缸）;回路控制閥在車輛進入純液壓制動模式時處于開啟狀態(tài)，主缸的高壓液體流入輪缸完成液壓制動;輪轂電機在機電復合制動模式情況下（此時控制閥關閉）會優(yōu)先提供制動力，主缸液體向高壓蓄能器流入;在電機制動發(fā)生故障或最大制動力無法滿足制動需求的情況下，開啟回路控制閥使液壓制動力由高壓蓄能器完成快速建立，此時液壓制動系統(tǒng)輔助制動。考慮到機電復合制動開始階段在本文設計方法下會出現(xiàn)無法降低液壓制動力的情況，采用電機制動替換原車ABS中的液壓制動完成力矩的實時調節(jié)，根據(jù)預設的滑移率上下限比較判斷實時滑移率，不滿足設定要求時通過調節(jié)電機制動力矩（增加或減小5%）實現(xiàn)對制動力需求的調節(jié)，直至車速低于設定車速，從而實現(xiàn)機電復合制動防抱死控制[2]。

2.2 制動力分配

汽車制動模式判斷流程，如圖1所示。

在有制動信號輸入且電池SOC值超過0.85的情況下進入純液壓制動模式（不進行電機制動），以有效避免電池過充（由回收制動能量導致）造成的損害;汽車在SOC值小于0.85且制動踏板位移設定值大于踏板位移的情況下（即進行低強度制動）則進入純電機制動模式，由輪轂電機回收能量;若制動踏板位移設定值小于踏板位移（即進行較為快速的減速），則進入機電復合制動模式采取中高強度制動，液壓制動系統(tǒng)和輪轂電機共同制動[3]?，F(xiàn)有研究中采用的典型控制策略（用于對前后輪制動器制動力進行協(xié)調分配）主要包括按固定比例分配制動力、最優(yōu)制動能量回收、并聯(lián)制動能量回收、理想制動力分配4種，基于ECE制動法規(guī)的按固定比例分配制動力的控制策略能夠最大化增加電機制動力比例，前軸制動力不超過ECE規(guī)定值，可按確定比例系數(shù)有效分配前后軸制動力（即按β曲線分配的原則），有效提高了制動能量的回收效率，本文選用了該分配控制策略，前后輪制動力分配曲線，如圖2所示。

前輪的電機與液壓制動力分別由Fmf和Fhf表示、后輪則分別由Fmr和Fhr表示，純電機制動時按D點分配制動力，機電復合制動按E點分配制動力[4]。

3 模糊控制器的設計

目前電動汽車主要采用結合運用傳統(tǒng)制動系統(tǒng)和反饋制動系統(tǒng)的制動方式，電動汽車制過程中的制動能量回收量取決于反饋制動系統(tǒng)質量，電動汽車制動過程在ADVISOR反饋制動模塊中僅考慮了車速這一影響因素，即根據(jù)車速分配制動力，其制動力分配比例固定不變，屬于靜態(tài)控制策略，而動態(tài)變化的車速限制了分配過程科學準確性的有效提高，制動能量回收效率有待提高。為此本文提出了一種制動力分配模型，該模型基于模糊控制理論，可使制動能量回收效率得到顯著提高。

3.1 模糊控制理論

模糊控制屬于一種智能控制理論，控制系統(tǒng)動態(tài)模式的精確度對控制質量產(chǎn)生直接影響，但由于復雜的汽車制動系統(tǒng)存在較多的變量，增加了建立精確數(shù)學模型（針對多個變量）的難度，難以準確描述系統(tǒng)的動態(tài)過程。對于未知的數(shù)學模型模糊控制表現(xiàn)出了較大的優(yōu)勢，更適用于復雜的非線性系統(tǒng)控制，考慮到汽車制動過程中存在多個變量，可采用模糊控制方法控制制動過程，如圖3所示。

模糊控制器主要包括模糊化（完成輸入量的準確值到模糊語言變量值的轉變，并將模糊概念通過隸屬函數(shù)進行定量描述）、邏輯判斷（作為模糊控制器的核心，利用知識庫模擬人的推理能力，獲取合適的控制量）、知識庫（由實現(xiàn)控制目標的專家知識構成，主要分為用于存儲模糊空間分級數(shù)、語言變量的隸屬函數(shù)等的數(shù)據(jù)庫和由IF-THEN形式的控制規(guī)則構成的規(guī)則庫）及解模糊化4個環(huán)節(jié)[5]。

3.2 制動力模糊控制模型

本文控制策略的關鍵在于完成對所需制動力及分配比例的計算（利用模糊邏輯控制理論），實現(xiàn)控制策略的模糊化以適應復雜的高度非線性的汽車運行工況，控制策略通過模糊控制器FLC實現(xiàn)，如圖4所示。

模糊控制器以速度、所需制動力、電池SoC作為輸入信號（兩兩互為一組輸入），以反饋制動力分配比例系數(shù)K作為輸出，如表1所示。

各輸入輸出參數(shù)模糊集（很低、中低、低、中、高、中高、很高，分別為NL、ML、L、M、H、MH、NH）[6]?？紤]到模糊控制理論具有一定的模糊性，對模糊控制策略需通過建立隸屬度函數(shù)完成可行性的評估，建立模糊控制器時，隸屬度函數(shù)是所使用到的各變量范圍在[0，1]間的控制函數(shù)（如三角函數(shù)、梯形函數(shù)、高斯函數(shù)等），建立的隸屬度函數(shù)時，對變化較快的車速需結合使用較高靈敏度的三角函數(shù)和梯形函數(shù)構建車速隸屬度函數(shù)以及制動力需求隸屬度函數(shù)進行控制。負責向汽車提供穩(wěn)定能量的蓄電池的電量變化幅度較小，采用梯形函數(shù)構建。通過模糊規(guī)則獲取車速、制動力需求、電池SoC及K的相互關系，車速為0時K也為0，此時只有機械制動。制動力需求隨著車速的增加而增大，K隨之不斷上升。車速接近100km/h時所需的制動力較大，K超過60%，可有效回收制動能量。電池電量會隨著車速及行駛距離的增加而不斷減少，K值迅速增加，主要由反饋制動提供制動力。電池通過反饋制動充電后電量增加，K值會逐漸降低，此時反饋制動占比較少，以機械制動方式為主[7]。

4 實驗仿真測試與結果分析

為測試本文所構建的模糊控制策略的有效性，選取ECE-EUDC循環(huán)工況進行仿真測試，仿真結果如圖5—圖7所示。

電動汽車在ECE-EUDC一個循環(huán)工況下行駛了約11km，電池SoC下降了0.21，出現(xiàn)負值的電機功率表示電機在進行反饋制動，實現(xiàn)能量的再生（處于發(fā)電工況的電機），驗證了該模糊控制策略的可行性。將本文的模糊控制模型在NEDC、UDDS、FTP循環(huán)工況下同ADVISOR原有制動控制模型進行對比仿真實驗，如表2所示。

3種工況下本文模糊控制策略的最大續(xù)駛里程更長，顯示出了一定的優(yōu)越性。蓄電池SoC值=電池剩余容量/總容量，可用于表示電池電量使用情況，3種循環(huán)工況下控制策略的仿真實驗結果，如圖8—圖10所示。

本文模糊控制策略的電池SoC值更高，說明電動汽車采用本文模糊控制策略時在行駛過程中的電池電量消耗較慢，即制動能量的回收率較高，具有一定的實際應用價值[8]。

5 總結

再生制動能量的回收率成為衡量制動系統(tǒng)效能的重要指標，針對如何分配各制動力的比例，本文完成了一種復合再生制動系統(tǒng)及控制策略的設計，運用模糊控制理論進一步優(yōu)化了反饋制動系統(tǒng)模型，使制動能量的回收效率得到有效提高。針對ECE-EDUC循環(huán)工況的仿真實驗結果驗證了該模糊控制策略的可行性，在NEDC、UDDS、FTP循環(huán)工況下同原有制動力控制模型的對比仿真實驗驗證了本文模糊控制策略的優(yōu)越性，有效提高了制動過程能量回收效率，進而增加汽車的續(xù)航里程。

參考文獻

[1] 柏凱，劉世達.基于ADVISOR電動汽車動力性仿真分析[J]. 農(nóng)業(yè)裝備與車輛工程， 2017（2）：74-77.

[2] 胡均平，馮東昱，李科軍. 混合動力汽車動力系統(tǒng)優(yōu)化建模仿真研究[J].計算機仿真， 2017（1）：143-147.

[3] 金鑫君，羅方贊，鄭麗輝，等.基于ADVISOR純電動汽車動力系統(tǒng)參數(shù)匹配優(yōu)化研究[J]. 機械工程師， 2017（10）：96-98.

[4] L I Silva，A Bouscayrol，C H De Angelo，et al. Coupling Bond Graph and Energetic Macroscopic Representation for Electric Vehicle Simulation[J]. Mechatronics， 2016（12）：906-913.

[5] Ricardo Maia，Marco Silva，Rui Araújo，et al.Electrical vehicle modeling： A fuzzy logic model for regenerative braking[J]. Expert Systems With Applications， 2016 （7）：8504-8519.

[6] 許世維，馬建，汪貴平，等.基于制動意圖識別的增程式重型商用車復合制動控制策略[J]. 中國公路學報， 2017（4）：140-151.

[7] 劉志強，汪浩磊，杜榮華. 考慮參數(shù)靈敏度的電動汽車回饋制動模糊控制[J].中南大學學報（自然科學版）， 2016（11）：3700-3706.

[8] 杜榮華，米思雨，胡林，等.分布式驅動電動汽車復合制動系統(tǒng)轉矩分配控制策略仿真[J]. 汽車工程， 2019（3）：327-333.

（收稿日期： 2020.02.25）