某混合动力商用车能量回收策略研究

丘云燕，韦尚军通信作者，施佳能，李燕青，2

(1.东风柳州汽车有限公司，广西 柳州 545005；2.桂林电子科技大学机电工程学院，广西 桂林 541004)

0 引言

制动力控制模块根据制动力需求和传动系统能够产生多少制动力，来确定前、后轮制动力的分配。前轮制动力的分配系数决定了前轮制动力占总制动力的比例。前轮制动力要始终保证前轮制动力系数与设定值相同，同时不能超过最大值动力限值；后制动力等于总制动力减去前轮制动力且不超过其限值[1]。

本文以国内某款P2混动商用车为原型，对ADVISOR软件提供的混合动力汽车模型进行二次开发[2]，使其符合商用车的驱动形式，为混合动力商用车动力系统开发及参数调试提供依据。

1 传统ADVISOR制动力策略分析

通过对两种经典的制动力分配方法(ADVISOR传统制动力分配控制策略、模糊制动力分配控制策略)进行分析，探究不同的分配控制方法下，前、后车轮制动力分配以及前轮摩擦制动力与再生制动力的分配关系。

1.1 ADVISOR传统再生制动策略

在ADVISOR中，制动控制模块的主要功能是调节制动力在再生制动与摩擦制动力间的分配关系[3]，其中分配结构如图1所示。

图1 制动力分配结构

后轮制动力的计算方法为：

F_rear_break=F_req-F_drivetrain_ach-F_front_brake

(1)

式中，F_req为整车总制动力；F_drivetrain_ach为传动系统可提供的制动力。同时，后轮制动力不应高于其极限附着制动力，即F_rear_break≤F_max_rear_break。

前轮制动力的计算方法为：

F_front_break=(F_req_F_drivetrain_ach)*front_axle_friction_brake_fraction/(1- front_axle_drivetrain_break_fraction)

(2)

式中，front_axle_friction_brake_fraction为前轴制动力分配系数；front_axle_drivetrain_break_fraction为传动系制动分配系数。当该值为1时，规定前轴应当承担60%的制动力；同时，前轮制动力不应高于其极限附着制动力 ，即F_front_break≤F_max_front_break。

1.2 ADVISOR传统再生制动策略建模

基于上述理论的制动力模块结构如图2所示，前轮制动力的计算模块如图3所示。

图2 制动力模块的结构

图3 前轮制动力计算模块

2 模糊控制分配策略分析

模糊算法在控制中主要根据工程经验和设计需求，编写出最优的模糊语言来表达模糊算法的各种准则。本文提出的再生制动能量回收模糊控制策略运用于混合动力汽车制动力分配的策略中[4]，能够参考更多的因素对制动能量回收率的影响，如电池SOC、车速等。模糊规则可以增加再生制动能量回收策略的容错率，提高控制模型的鲁棒性。

2.1 模糊控制器的结构

影响再生制动能量回收率的因素很多，所以模糊控制器的输入要考虑很多因素，比如电池荷电状态(SOC)、车辆需求速度、来自驾驶员的制动力需求。车辆总的制动力矩由电机产生的制动力矩和机械制动力矩组成，所以只需要求出电机的制动力矩，另一个制动力矩也随之而出。

本文设计的模糊控制器有两个输入，一个输出。输入分别为车辆需求车速V，和电池荷电状态(SOC)，输出为电机制动力比例K。整个模糊控制器的结构如图4所示；主要包括两个部分：第一部分为模糊控制器，第二部分为制动力修改。制动力修改模型以模糊规则器的出口数据和请求制动力为输入，摩擦制动力和电机制动力的值为两个输出数据。

图4 制动能量回馈模糊控制器的结构

2.2 隶属度函数设计

本节主要根据再生制动力分配策略来对电池SOC和需求车速进行设计，并对它们的隶属度方程进行设置[5]。车速M代表汽车正常行驶；车速L代表车速偏低，车速H代表车辆高速行驶。SOC值H代表蓄电池的荷电状态较高，制动能量回收系统给蓄电池充电时间较长，使电池电量维持在一个较高的水平，此时电机不应在对蓄电池进行充电；SOC值M表示蓄电池电量维持在一个正常的水平；SOC值L表示蓄电池电量较低，再生制动系统需要通过电机对蓄电池进行充电，使蓄电池一直工作在设定的上下限工作范围，以延长蓄电池的工作寿命。SOC的隶属度函数如图5所示；整车需求车速如图6所示；模糊控制器的输出K如图7所示。

图5 SOC隶属度函数图

图6 整车需求车速 图7 模糊控制器输出K

3 制动力分配模型的嵌入及仿真车辆参数设置

3.1 制动力分配模型的嵌入及仿真

在ADVISOR软件的仿真环境中有已经建好的车辆主要的部件模板，如图8所示。以模糊控制策略为例，将图的模糊逻辑策略模型嵌入到模型中，如图中的“〈vc〉par”元件所表示的，即为模糊控制模型已经嵌入结束。模糊策略模型如图9所示。

图8 ADVISOR混动顶层模型

图9 再生制动模糊控制模型

3.2 整车参数以及循环工况的设置

在ADVISOR的GUI界面中可对混合动力电动汽车的主要部件参数进行设置，主要仿真参数如下：整车质量7 905 kg，轮胎规格275/80R22.5，最高车速90 km/h，后桥速比4.364，重心高度1.075 m，轴距5 100 mm，动力电池型号ESS_PB25，额定电压300 V，发动机最大功率177 kW，最大扭矩950 N·m。

本文选取CYC_UDDS循环工况对仿真策略进行仿真验证，循环工况如图10所示。

图10 CYC_UDDS工况

4 仿真结果与分析

对比制动能量利用效率，传统ADVISOR再生制动策略仿真结果如图11所示，本文提出的模糊再生制动策略如图12所示；混合动力汽车在制动模式时，两种不同策略的制动能量损耗结果以及两种不同策略对汽车传动系统能量传递效率值描述如表1所示。

图11 传统ADVISOR再生制动策略仿真结果

图12 模糊控制再生制动策略结果图

表1 制动能量损耗以及整车传动系统传递效率

由表1可以看出，本文设计的考虑电池SOC的模糊控制制动力分配策略的能量消耗小于ADVISOR 制动力分配策略的能量消耗，且整车系统传递效率也有所提高。

5 结语

为了使混合动力电动汽车的制动能量回收效率进一步提升，本文对制动力的分配方案进行建模仿真，对比分析了传统的再生制动力分配策略和基于模糊算法的制动力分配策略。仿真结果显示：传统再生制动方案的能量损失较大，且没有对影响因素进行全面考虑。本文提出的模糊制动力分配算法在能量损耗方面不仅低于传统再生制动策略，而且不需要依赖精确的数学模型，具备较好的鲁棒性。