纯电动汽车制动能量回收控制策略及仿真分析

AUTO TIME 87 NEW ENERGY AUTOMOBILE | 新能源汽车 时代汽车 www.cnautotime.com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　王世良浙江合众新能源汽车有限公司 浙江省桐乡市 314500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Control Strategy and Simulation analysis of braking Energy recovery of pure electric vehiclesWang Ruofei　Guo Guangzeng　Wang ShiliangAbstract： The whole vehicle control system is the core control part of the vehicle, which not only needs to identify and judge the driver's manipulation intention, but also needs to monitor and control the key parameters during the operation of the vehicle. At the same time, it also needs to manage and coordinate the energy demand of the vehicle. Under the braking condition of the vehicle, if the braking energy recovery control is carried out, the driving distance can be eff ectively extended. However, during the feedback braking of the electric vehicle, the electric braking system will be coupled with the mechanical braking system. The solution of this problem will also aff ect the safety of the vehicle. In this paper, the research on the coordination between mechanical system and motor regenerative braking under braking mode is described. The goal is to further ensure the safety and comfort of vehicle driving and improve the energy recovery effi ciency during braking.Key words：VCU，Energy recovery，The simulation88 AUTO TIMENEW ENERGY AUTOMOBILE | 新能源汽车数，制动稳定性与电池的充电功率限制作为约束条件，则适应度函数为：i1,1,2,...,120niJxi==∑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。模糊化接口解模糊化接口推理机制规则库模糊输入模糊结论踏板深度电池荷电状态车速电机制动比例粒子群优化模糊规则图1　基于粒子群优化的模糊控制器结构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。图2　初始车速分别为30、60和90Km/h的制动情况908070605040302010 0 0 0-0.5-1-2-3-1.5-2.5-3.501234t/s5678a/m·s212345678t/s(a)车速(c)利用附着系数(b)制动减速度60Km/h90Km/hzφrφφfφ上限30Km/h0.50.450.40.350.30.250.20.150.1012345t/s6789km/h

图3　不同初始SOC下的再生制动功率000000(a) 初始SOC为20%时的再生制动功率(b) 初始SOC为50%时的再生制动功率(c) 初始SOC为80%时的再生制动功率图4　扭矩控制策略的硬件在环仿真(b)硬件在环仿真实验台照片(a)台架结构示意图DriverVCUdSPACEControlDeskPC驾驶模拟机控制策略整车模型监控界面上位机（下转第105页）AUTO TIME 105 NEW ENERGY AUTOMOBILE | 新能源汽车 时代汽车 www.cnautotime.com1）对于系统的启动性能。随着变负载系数K的增大，启动过程中转矩振荡幅度减小，但启动加速度降低，启动能力变差；随着输入转速0n的增大，转矩振荡幅度减小，但启动加速度降低，启动能力变差。2）对于系统启动完成后稳定运行时的工作性能。随着变负载系数K的增大，气隙磁密降低，稳定运行时的转矩波动、转差率和涡流损耗增大，系统的工作效率逐渐降低；随着输入转速0n增大，气隙磁密降低，系统稳定运行时的转矩波动、转差率和涡流损耗逐渐增大，系统的工作效率降低。参考文献:[1]谢颖，黑亮声，华邦杰，等．电动汽车用永磁游标电机的设计与研究[J]．浙江大学学报，2018，52（1）：1．XIE Ying，HEI Liangsheng，HUA Bangjie，et al． Design and re-search of permanent magnet vernier motor for electric vehicle[J]．Journal of Zhejiang University，2018，52（1）：1．[2]POLIKARPOVA M，PONOMAREV P，LINDH P，et al． Hybrid cooling method of axial-flux permanent magnet machines for vehi-cle applications[J]．IEEE Transactions on Industrial Electronics，2015，62（12）：7382．[3]WOOLMER T J，MCCULLOCH M D．Analysis of the yokeless and segmented armature machine[C]//IEEE International Electric Machines＆ Drives Conference，May 3-5，2007，Antalya，Tur-key． 2007：704-708．[4]ZHANG B，SEIDLER T，DIERKEN R，et al． Development of a yokeless and segmented armature axial flux machine[J]．IEEE Transactions on Industrial Electronics，2016，63（4）：2062．[5]Hua W，Cheng M ，Zhu Z Q，et al． Analysis and optim ization of back EM F w aveform of a flux-sw itch per-manent magnet motor[J]．IEEE Transaction on Energy Conversion，2008，23（3）：723 733．[6]Zhu Z Q，Cheng J T ． Advanced flux-sw itching permanent magnet brushless machines [J]． IEEE Transac-tions on Magnetics，2010，46（6）：1447 1452．[7]Lin M ingyao，Li Hao，Li Xin，et al． A novel axial field flux-sw itching permanent magnet w ind pow er generator[J]．IEEE Transactions on Magnetics，2011，47（10）：4457 4460．[8]Li Hao，Lin M ingyao，Li Wan，et al． Novel dual-rotor axial field flux-sw itching permanent magnet machine[J]．IEEE Transactions on Magnetics，2012，48（11）：4232 4235．[9]金小香.电动汽车用永磁轮毂电机的小型化设计[J].科技视界，2015（33）：265-266. 作者简介章友京： （1991.12—），男，安徽绩溪人，硕士。研究方向，新能源汽车。