基于模糊識別的電動汽車復(fù)合制動模式設(shè)計

左冬曉

摘要：為了提高電動汽車制動強(qiáng)度控制精度，設(shè)計了一種模糊識別制動強(qiáng)度控制的方案。結(jié)合不同路面附著系數(shù)下的制動強(qiáng)度來實現(xiàn)制動工作模式的切換，并在上述切換過程中設(shè)置了復(fù)合制動模式。構(gòu)建復(fù)合制動模型并對行駛工況進(jìn)行分析。通過安全性仿真得到，經(jīng)過0.6 s 制動后，汽車制動減速度為8.4 m/s2，經(jīng)過2 s，汽車速度降低到0，滿足國家要求。通過常規(guī)路面制動仿真得到，在初始時間3 s 內(nèi)，電機(jī)發(fā)揮制動作用，實現(xiàn)制動能量的有效回收。通過轉(zhuǎn)彎工況制動仿真得到，前輪轉(zhuǎn)向角持續(xù)上升，在3 s左右達(dá)到15°后保持穩(wěn)定。

關(guān)鍵詞：電動汽車；復(fù)合制動模式；穩(wěn)定性；能量回收；工況分析

中圖分類號：U469.72 文獻(xiàn)標(biāo)識碼：A

0 引言

采用分布式驅(qū)動結(jié)構(gòu)的電動汽車對轉(zhuǎn)矩的控制可根據(jù)實際車況條件為各側(cè)車輪設(shè)置合適的力矩，從而獲得優(yōu)于傳統(tǒng)電動汽車的動力控制性能[1-2]。

控制車輪滑移率可有效防止車輪抱死問題，如果滑移率太小，在切換參數(shù)時將會對制動能量的回收造成較大制約，如果滑移率太高則會影響制動性能[3]。相關(guān)問題的研究吸引了很多的研究學(xué)者。黃智奇等[4] 開發(fā)了一種通過串聯(lián)復(fù)合方式進(jìn)行制動的方案，并根據(jù)曲線Ⅰ進(jìn)行前后軸制動力分配，以損失部分制動性能來簡化系統(tǒng)結(jié)構(gòu)，從而獲得更低的研發(fā)成本，并兼顧制動能量的回收。劉劍開等[5] 采用MATLAB 構(gòu)建模糊控制器，通過模糊控制方式確定電機(jī)和機(jī)械制動的動力輸出比例。為實現(xiàn)穩(wěn)定的制動效果，應(yīng)在制動階段避免其一直處于復(fù)合制動的狀態(tài)。當(dāng)路面附著力無法達(dá)到制動力要求時，持續(xù)增大制動力將會引起車輪抱死問題[6]。根據(jù)以上方式控制滑移率，除了可以獲得更高制動效能以外，還可以更高效地回收制動能量。

本文采用AMESim 構(gòu)建復(fù)合制動模型并對行駛工況仿真，以此驗證復(fù)合制動策略的可靠性。

1 復(fù)合制動控制

針對四輪輪轂電機(jī)制動系統(tǒng)，結(jié)合制動踏板的信號變化計算制動作用力。利用車輛縱向載荷和車輪滑移率參數(shù)，計算當(dāng)前路面附著系數(shù)。通過制動踏板信號模糊處理的形式得到縱向制動力矩，并將其作為上層設(shè)置制動模式[7]。實際制動過程需要結(jié)合路面附著系數(shù)、制動載荷來確定常規(guī)或復(fù)合制動方式。

汽車在沿低附著路面行駛過程中發(fā)生轉(zhuǎn)彎時，較易與原行駛軌跡出現(xiàn)偏差[8]。為確保汽車能夠?qū)崿F(xiàn)穩(wěn)定轉(zhuǎn)彎，可通過差動調(diào)節(jié)實現(xiàn)可靠的轉(zhuǎn)向控制目標(biāo)。

利用Simulink 構(gòu)建模糊控制系統(tǒng)，以踏板位移變化率作為輸入，以制動意圖作為輸出。設(shè)置模糊語言變量{VS，S，M，B，VB}，建立三角函數(shù)計算隸屬度。

選擇制動模式需先根據(jù)制動載荷、車輪轉(zhuǎn)向角、路面附著系數(shù)進(jìn)行綜合分析，再根據(jù)閾值判斷車輛的轉(zhuǎn)向情況。如果車輪轉(zhuǎn)向角小于閾值，可推斷車輛處于直線運行狀態(tài)；如果轉(zhuǎn)向角大于閾值，則可以判斷車輛處于轉(zhuǎn)向過程中[9]。在車輛產(chǎn)生轉(zhuǎn)向偏差的情況下，可利用差動制動方式來獲得更穩(wěn)定的轉(zhuǎn)向控制效果。

2 構(gòu)建仿真模型

2.1 設(shè)置整車參數(shù)

本測試設(shè)置參數(shù)：滿載800 kg；軸距離2.5 m；質(zhì)心坐標(biāo)0.576 m；前軸和后軸相對質(zhì)心的間距分別為1.42 m 和1.16 m；電機(jī)額定功率2 kW，峰值功率9 kW。

2.2 仿真模型

通過MATLAB/Simulink 構(gòu)建制動模型，利用AMESim 進(jìn)行復(fù)合系統(tǒng)運行控制。建立得到的仿真模型如圖1 所示。

3 仿真分析

3.1 安全性仿真

結(jié)合《機(jī)動車運行安全技術(shù)條件》（GB 7258—2017）規(guī)范檢驗標(biāo)準(zhǔn)，將仿真測試時的車速初值設(shè)定在13.7 m/s，選擇平整干瀝青路面作為測試條件，同時設(shè)置最大制動減速度，制動過程的減速度與制動距離測試結(jié)果分別如圖2 和圖3所示。

如圖2 和圖3 所示，經(jīng)過0.6 s 制動后的汽車制動減速度為8.4 m/s2，能夠滿足國家對車輛制動減速度的要求，即達(dá)到6.2 m/s2 以上。設(shè)定初速度為13.8 m/s 時，經(jīng)過2 s，速度降低到0，并在制動階段形成14 m 的制動距離。每項性能指標(biāo)測試結(jié)果都達(dá)到了國家關(guān)于制動安全的標(biāo)準(zhǔn)。

3.2 常規(guī)路面制動仿真

將制動強(qiáng)度由0 持續(xù)增大至0.85， 之后保持一段時間再持續(xù)降低。控制路面附著系數(shù)為0.72，再根據(jù)不同方式對制動力矩進(jìn)行分配（圖4）。

由圖4 分析可知，制動所需時間接近4.5 s，車速從最初的22 m/s 降低到0。初始制動階段只需達(dá)到較低的制動強(qiáng)度。隨著制動強(qiáng)度提高，需要提供的制動力矩也進(jìn)一步增大，由此形成了電液共復(fù)合制動。時間到達(dá)3 s 左右時，制動強(qiáng)度已經(jīng)超過路面的附著系數(shù)，因此復(fù)合制動過程轉(zhuǎn)變?yōu)榉辣滥Ｊ剑苿虞d荷主要由液壓制動結(jié)構(gòu)產(chǎn)生。

車輪的滑移率測試結(jié)果如圖5 所示。在初始時間3 s 內(nèi)，因為制動強(qiáng)度明顯低于路面附著系數(shù)，當(dāng)在復(fù)合制動模式下持續(xù)增大制動強(qiáng)度1.5 s 后，控制系統(tǒng)測試發(fā)現(xiàn)制動所需的載荷已經(jīng)超過路面的附著力，此時制動防抱死系統(tǒng)發(fā)揮作用，使滑移率達(dá)到最佳狀態(tài)[10]。在初始時間3 s 內(nèi)，電機(jī)發(fā)揮制動作用，實現(xiàn)制動能量的有效回收，與同樣制動工況下按照滑移率進(jìn)行切換的控制策略相比，可以發(fā)現(xiàn)，采用該控制方案可以回收更高比例的制動能量。

3.3 轉(zhuǎn)彎工況制動仿真

對附著系數(shù)為0.4 的路面仿真，控制轉(zhuǎn)彎速度為20 m/s，前輪轉(zhuǎn)向角持續(xù)上升并在3 s 左右達(dá)到15°后保持穩(wěn)定。

左后輪仿真測試得到的滑移率結(jié)果如圖6 所示。不同條件下的橫擺角速度曲線如圖7 所示。調(diào)節(jié)前后的左后輪滑移率測試數(shù)據(jù)如圖5 所示。控制左后輪達(dá)到更小滑移率和制動載荷，確保獲得與理想橫擺角速度相近的實際值。由圖7 可知，橫擺角速度的實際值與前輪轉(zhuǎn)角之間呈線性變化。根據(jù)左后輪滑移率，適當(dāng)減小制動力矩，獲得接近目標(biāo)值的橫擺角速度。

4 結(jié)論

本文對基于模糊識別的電動汽車復(fù)合制動控制模式進(jìn)行設(shè)計，得到以下3 點結(jié)論。

（1）通過安全性仿真得到，經(jīng)過0.6 s 制動后，汽車制動減速度為8.4 m/s2，經(jīng)過2 s，汽車速度降低到0，滿足國家要求。

（2）通過常規(guī)路面制動仿真得到，制動時間接近4.5 s，車速從最初的22 m/s 降低到0。隨著制動強(qiáng)度提高，需要提供的制動力矩也進(jìn)一步增大。在初始時間3 s 內(nèi)，電機(jī)發(fā)揮制動作用，實現(xiàn)制動能量的有效回收。

（3）通過轉(zhuǎn)彎工況制動仿真得到，前輪轉(zhuǎn)向角持續(xù)上升，在3 s 左右達(dá)到15°后保持穩(wěn)定。通過減小左后輪滑移率與制動力，獲得與理想橫擺角速度相近的實際值。

參考文獻(xiàn)

[1] 郭金剛，董昊軒. 四輪轂電機(jī)驅(qū)動電動汽車動力系統(tǒng)優(yōu)化匹配[J]. 公路交通科技，2019，36（7）：150-158.

[2] 徐國棟，余卓平，熊璐，等. 基于解耦式EHB 的多電機(jī)再生制動策略設(shè)計[J]. 汽車技術(shù)，2019（3）：25-30.

[3] 伍令飛，王麗芳，茍晉芳，等. 分布式電驅(qū)動車輛回饋制動控制策略研究[J]. 電工電能新技術(shù)，2016，35（9）：1-7.

[4] 黃智奇，姚棟偉，楊國青，等. 電動汽車復(fù)合能源系統(tǒng)再生制動分段控制策略研究[J]. 機(jī)電工程，2016，33（3）：280-286.

[5] 劉劍開，張向文. 電動汽車再生制動過程制動踏板位移與制動意圖及制動強(qiáng)度之間的關(guān)系[J]. 科學(xué)技術(shù)與工程，2018，18（12）：317-325.

[6] 李玉芳，林逸，何洪文，等. 電動汽車再生制動控制算法研究[J]. 汽車工程，2007，29（12）：1059-1062，1073.

[7] 張雷，劉青松，王震坡. 基于魯棒積分滑模的四輪輪轂電機(jī)驅(qū)動電動汽車電液復(fù)合制動防抱死控制研究[J]. 機(jī)械工程學(xué)報，2022，58（24）：243-253.

[8] 汪偉，姜蘇杰，王汝佳，等. 復(fù)合電源電動汽車功率分配與再生制動研究[J]. 機(jī)械設(shè)計與制造，2022（10）：139-142.

[9] 袁師召，李軍，周舟. 基于制動意圖識別的雙軸四驅(qū)電動汽車制動控制策略研究[J]. 合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2022，45（2）：158-164.

[10] 王健，盤朝奉，陳燎，等. 基于模糊規(guī)則的電動汽車機(jī)電復(fù)合制動力分配策略[J]. 重慶理工大學(xué)學(xué)報（自然科學(xué)），2021，35（9）：66-72，82.