何莉萍+李慶鋒+丁舟波+吳巍

基金項目：湖南大學汽車車身先進設計制造國家重點實驗室開放基金資助項目（71075009）

作者簡介：何莉萍（1967-），女，重慶人，湖南大學教授，博士

通訊聯(lián)系人，Email：lphe@hnu.edu.cn

（湖南大學 汽車車身先進設計制造國家重點實驗室，湖南 長沙 410082） 摘 要：將駕駛安全性和制動能量回收相結(jié)合，提出了基于模糊神經(jīng)網(wǎng)絡控制的汽車輔助再生制動系統(tǒng).通過試驗數(shù)據(jù)建立基于駕駛員經(jīng)驗的模糊神經(jīng)網(wǎng)絡，實現(xiàn)根據(jù)駕駛車輛與前車的相對距離和相對速度動態(tài)調(diào)整制動強度；通過計算得到不同的車速和制動強度下，前輪再生制動力，前、后輪摩擦制動力查詢表；將模糊神經(jīng)網(wǎng)絡和制動力查詢表嵌入配備比例閥的制動系統(tǒng)從而完成輔助再生制動系統(tǒng)的設計.在Simulink下搭建此輔助再生制動系統(tǒng)模型進行仿真實驗，結(jié)果表明，此再生制動系統(tǒng)可以有效輔助駕駛安全，避免追尾事故發(fā)生，并可充分回收制動能量.

關鍵詞：混合動力；再生制動；模糊神經(jīng)網(wǎng)絡；駕駛員輔助制動系統(tǒng)

中圖分類號：U461.3

在駕駛車輛行駛過程中，駕駛員狀態(tài)將影響剎車反應時間，進而影響剎車距離，甚至可能引發(fā)追尾事故.據(jù)統(tǒng)計，追尾在汽車各種碰撞類型中的發(fā)生頻率是最高的.在美國，追尾事故占汽車碰撞事故的比例為29%＼[1＼]；另一方面，在滿足制動法規(guī)，保證制動安全的基礎上，最大程度地提高制動能量的回收比例是混合動力汽車制動性能優(yōu)化的主要目標.通過計算汽車行駛的能量消耗狀況發(fā)現(xiàn)，制動能量占牽引能量的比例可達30%，對于需要頻繁制動的市區(qū)行駛工況（如紐約城市工況），這一比例可達到80%＼[2＼].

針對以上駕駛安全和能量回收兩方面問題，以及制動決策的不確定性和多樣性，本文提出了一種基于模糊神經(jīng)網(wǎng)絡的駕駛員輔助再生制動系統(tǒng).模糊神經(jīng)網(wǎng)絡結(jié)合了模糊控制和神經(jīng)網(wǎng)絡控制的優(yōu)點，在操作人員控制經(jīng)驗的基礎上實現(xiàn)對系統(tǒng)的控制，無需建立數(shù)學模型，是解決不確定性系統(tǒng)問題的有效途徑，廣泛應用于汽車控制領域＼[3-8＼].本文提出的輔助再生制動系統(tǒng)通過模糊神經(jīng)網(wǎng)絡控制實現(xiàn)對汽車追尾進行預判，使駕駛車輛與前方車輛動態(tài)地保持安全距離，從而防止事故的發(fā)生；同時該制動系統(tǒng)配備比例閥，使汽車實際制動曲線接近理想的制動力分配曲線＼[9-11＼]，并最大程度地利用電動機進行制動，進而保證汽車制動時的方向穩(wěn)定性，并有效回收制動能量.

1 汽車輔助再生制動系統(tǒng)

基于模糊神經(jīng)網(wǎng)絡的汽車輔助再生制動系統(tǒng)控制流程如圖1所示.車速傳感器測量駕駛車輛的速度信號，車載雷達測量駕駛車輛與前方車輛的相對距離，并由在線計算得到兩車的相對速度；根據(jù)實時的相對距離和相對速度，模糊神經(jīng)網(wǎng)絡模仿駕駛員的感覺判斷此時應實施的制動強度；由此制動強度信號和駕駛車輛車速信號，在線實時查詢制動力二維表得到電機制動力和機械制動力的大小，并進行制動，對駕駛車輛的速度進行反饋控制；電機制動產(chǎn)生的感應電流對超級電容進行充電，以回收制動能量.

2 基于模糊神經(jīng)網(wǎng)絡的制動強度判斷

2.1 建立模糊神經(jīng)網(wǎng)絡

模糊控制是在駕駛員制動經(jīng)驗的基礎上實現(xiàn)對汽車制動的控制，無需建立數(shù)學模型，其魯棒性好，同時可由離線計算得到控制查詢表，提高了控制系統(tǒng)的實時性＼[12-14＼].

本文所建立的TS模糊神經(jīng)網(wǎng)絡結(jié)構(gòu)如圖2所示：第一層是輸入層，有2個節(jié)點，分別為兩車間距和兩車的相對車速；第二層為隸屬度函數(shù)層，作用是對輸入的2個變量進行模糊化處理；第三層為模糊規(guī)則層，作用是完成模糊推理，得到模糊化的輸出；第四層為歸一化處理層；第五層為輸出層，輸出為制動強度.

2.2 確定模糊神經(jīng)網(wǎng)絡的輸入輸出變量范圍及隸

屬度函數(shù) 汽車正常行駛的過程中，速度一般為0～30 m/s.當前車速度為0，后車速度為30 m/s時，相對車速為最大值.當前、后車相對速度相等時，相對車速為最小值0.則相對車速的變化范圍為0～30 m/s.對相對距離的取值范圍，采用經(jīng)驗公式確定＼[15＼]：

2.3 訓練模糊神經(jīng)網(wǎng)絡

在道路交通狀況良好的情況下，采集具有豐富駕駛經(jīng)驗的駕駛員在不同車況的合理制動操作的數(shù)據(jù)見表1＼[15＼]，采用表中數(shù)據(jù)對模糊神經(jīng)網(wǎng)絡進行訓練，得到模糊控制規(guī)則和各隸屬度函數(shù)的參數(shù).訓練后得到相對車速

2.4 驗證模糊神經(jīng)網(wǎng)絡

另取一組測試數(shù)據(jù)作為輸入變量，對訓練后的模糊神經(jīng)網(wǎng)絡進行測試，網(wǎng)絡輸出與實際數(shù)據(jù)輸出的對比如圖6所示，由此說明，經(jīng)過訓練的模糊神經(jīng)網(wǎng)絡可以很好地對駕駛員的實際制動意圖進行模仿.

3 再生制動控制策略

3.1 汽車制動力分配的基本理論

前后輪制動力分配直接影響附著條件的利用率和制動時方向的穩(wěn)定性.對汽車制動過程縱向力進行分析，得到在一定的附著系數(shù)下制動，前后輪同時抱死時前后輪制動力的關系，即理想制動力分配曲線（即Ⅰ曲線＼[16＼]）：

3.2 混合動力汽車制動性評價指標

汽車制動性是指汽車在短距離內(nèi)停車且維持行駛方向穩(wěn)定性和在下長坡時能夠維持一定車速的能力＼[16＼].對于混合動力汽車，又要求汽車可以在制動過程中提高能量回收率從而回收盡可能多的能量.因此，混合動力汽車制動性一般以制動時間（或制動距離）和能量回收率2個指標評價.

3.3 再生制動控制策略分析

混合動力汽車再生制動性能優(yōu)劣與制動強度、電池荷電狀態(tài)（SOC）、ISG電機效率、電池充電效率、車速、路面附著系數(shù)和制動時換擋時機的選擇等多個因素有關＼[14，17＼].

本文制定的再生制動控制策略如下：輔助再生制動系統(tǒng)控制前、后輪的制動力按照圖7虛線變化；當制動強度較小時，前輪制動力可完全由電機提供，后輪機械制動；當制動強度較大，超過電機可以提供的最大制動力時，前輪制動力由電機制動和機械制動兩部分組成，電機以最大扭矩制動，機械制動提供不足的制動力，后輪機械制動.此制動控制策略的目的在于保證制動穩(wěn)定性的同時，充分利用電動機實施制動，從而更好地回收制動能量.

混合動力汽車的變速器二檔速比ig2=1.944，三檔速比ig3=1.286.選取電動機為直流無刷永磁電機，額定功率10 kW，基速1 000 r/min.圖8為在二、三檔下的電動機制動力矩

車速曲線.如圖8所示，在一定的車速、不同的檔位下，電動機所能提供的制動力是不同的.故本文輔助制動系統(tǒng)的計算和實驗均以二檔為例進行說明分析，其他各檔位思路和方法是相同的，不做重復說明.

對二檔來說，電動機基速對應的車輪端速度為24 km/h，對應的制動力為3 987.9 N.當汽車前后輪制動力曲線按照設定的曲線運行時，此車速對應的汽車可提供的最大制動強度為：

4 輔助再生制動系統(tǒng)仿真實驗

在Simulink下搭建混合動力汽車輔助再生制動系統(tǒng)模型，進行仿真驗證.通過汽車雷達與車速傳感器得到本車和前車的相對距離和車速，實現(xiàn)自動控制駕駛車輛減速，維持合理的車間距，并回收制動能量.其中駕駛車輛裝有駕駛員輔助再生制動系統(tǒng)，初始速度30 m/s；兩車的初始車間距離設為110 m；前車的速度設定為與時間的函數(shù)；通過改變此函數(shù)，即改變前車速度的實時變化，從而得到前車不同速度變化下駕駛車輛的制動情況和能量回收情況；當本車速度不高于前車速度時，仿真終止.

在前車速度按照圖12變化時，仿真結(jié)果如圖13和圖14所示.由仿真結(jié)果，前車由72 km/h（20/s）開始減速，本車由108 km/h開始減速，經(jīng)過6.25 s， 最終與前車速度相等.兩車間距由110 m降至90.5 m；超級電容SOC由0升至0.87，回收能量0.025 kW·h.

改變前車制動的初始車速或兩車初始相對距離，對輔助再生制動系統(tǒng)進行另外3組仿真實驗.4組實驗的仿真結(jié)果對比如表3所示.

由表3仿真結(jié)果對比可得，在駕駛車輛速度與前車速度不變的前提下，初始相對距離較小時，輔助再生制動系統(tǒng)傾向于在更短的時間內(nèi)和制動距離內(nèi)實現(xiàn)制動，達到與前車速度一致；同時，短的制動時間和制動距離導致了回收的制動能量減少.另一方面，在初始相對距離不變，駕駛車輛與前車相對速度較大時，并不會大幅增加制動時間，制動距離顯著增加但仍不會造成追尾，回收的制動能量小幅增加.

5 結(jié) 論

將智能剎車與再生制動相結(jié)合，提出了一種基于模糊神經(jīng)網(wǎng)絡控制的混合動力電動汽車輔助再生制動系統(tǒng).在輔助再生制動系統(tǒng)開啟的模式下，汽車模仿具有豐富經(jīng)驗的駕駛員的駕駛習慣，保持相對合適的安全距離并隨兩車車速而動態(tài)變化，避免追尾事故的發(fā)生，提高行駛安全性.另一方面，此基于模糊神經(jīng)網(wǎng)絡的輔助再生制動系統(tǒng)，可以在不同的車速和制動強度下，使汽車制動力按照理想制動力曲線工作，并最大程度地利用電動機進行制動，有效回收制動能量.

參考文獻

[1] DISTNER M， BENGTSSON M， BROBERG T， et al. City safety—a system addressing rearend collisions at low speeds＼[C＼]//Proceedings of 21st International Technical Conference on the Enhanced Safety of Vehicles. Stuttgart： NHTSA， 2009： 09-0371.

＼[2＼] EHSANI M， GAO Y M， EMADI A. Modern electric， hybrid electric， and fuel cell vehicles fundamentals， theory， and design＼[M＼]. 2nd ed. Boca Raton： CRC Press， 2012： 411-431.

＼[3＼] 楊世春，朱傳高，高瑩，等.并聯(lián)式混合動力汽車遺傳模糊控制策略研究＼[J＼].汽車工程，2011，33（2）： 106-111.

YANG Shichun， ZHU Chuangao， GAO Ying， et al. A research on the geneticfuzzy control strategy for parallel hybrid electric vehicle＼[J＼]. Automotive Engineering，2011，33（2）： 106-111.（In Chinese）

＼[4＼] 白中浩，王耀南，曹立波.混合動力電動汽車能量自適應模糊控制研究＼[J＼].汽車工程，2005，27（4）： 389-403.

BAI Zhonghao， WANG Yaonan， CAO Libo. A study on adaptive fuzzy control of energy distribution in hybrid electric vehicles＼[J＼].Automotive Engineering， 2005，27（4）： 389-403. （In Chinese）

＼[5＼] 彭棟，殷承良，張建武.基于模糊控制的并聯(lián)式混合動力汽車制動控制系統(tǒng)＼[J＼].吉林大學學報：工學版，2007， 37（4）： 756-761.

PENG Dong， YIN Chengliang， ZHANG Jianwu. Braking control system for parallel hybrid electric vehicle with fuzzy control logic＼[J＼]. Journal of Jilin University： Engineering and Technology Edition， 2007，37（4）： 756-761. （In Chinese）

＼[6＼] 張邦基，于德介，鄧元望，等. 基于模糊邏輯的并聯(lián)式混合動力電動汽車能量控制系統(tǒng)＼[J＼].汽車工程，2009，31（6）： 496-502.

ZHANG Bangji， YU Dejie， DENG Yuanwang， et al. Energy management system of PHEV based on fuzzy logic＼[J＼]. Automotive Engineering， 2009，31（6）： 496-502. （In Chinese）

＼[7＼] 周紅麗，何莉萍，鐘志華.電動車用電池動態(tài)性能分析及剩余容量預測＼[J＼].計算機仿真，2008，25（1）： 274-277.

ZHOU Hongli， HE Liping， ZHONG Zhihua. Dynamic performance analysis and SOC prediction of battery for electric vehicle＼[J＼]. Computer Simulation， 2008，25（1）： 274-277. （In Chinese）

＼[8＼] 薛殿倫，馬洪濤，曹成龍，等.基于遺傳算法的CVT夾緊力模糊PID控制優(yōu)化＼[J＼].湖南大學學報：自然科學版，2012，39（12）： 37-42.

混合動力汽車的變速器二檔速比ig2=1.944，三檔速比ig3=1.286.選取電動機為直流無刷永磁電機，額定功率10 kW，基速1 000 r/min.圖8為在二、三檔下的電動機制動力矩

車速曲線.如圖8所示，在一定的車速、不同的檔位下，電動機所能提供的制動力是不同的.故本文輔助制動系統(tǒng)的計算和實驗均以二檔為例進行說明分析，其他各檔位思路和方法是相同的，不做重復說明.

對二檔來說，電動機基速對應的車輪端速度為24 km/h，對應的制動力為3 987.9 N.當汽車前后輪制動力曲線按照設定的曲線運行時，此車速對應的汽車可提供的最大制動強度為：

4 輔助再生制動系統(tǒng)仿真實驗

在Simulink下搭建混合動力汽車輔助再生制動系統(tǒng)模型，進行仿真驗證.通過汽車雷達與車速傳感器得到本車和前車的相對距離和車速，實現(xiàn)自動控制駕駛車輛減速，維持合理的車間距，并回收制動能量.其中駕駛車輛裝有駕駛員輔助再生制動系統(tǒng)，初始速度30 m/s；兩車的初始車間距離設為110 m；前車的速度設定為與時間的函數(shù)；通過改變此函數(shù)，即改變前車速度的實時變化，從而得到前車不同速度變化下駕駛車輛的制動情況和能量回收情況；當本車速度不高于前車速度時，仿真終止.

在前車速度按照圖12變化時，仿真結(jié)果如圖13和圖14所示.由仿真結(jié)果，前車由72 km/h（20/s）開始減速，本車由108 km/h開始減速，經(jīng)過6.25 s， 最終與前車速度相等.兩車間距由110 m降至90.5 m；超級電容SOC由0升至0.87，回收能量0.025 kW·h.

改變前車制動的初始車速或兩車初始相對距離，對輔助再生制動系統(tǒng)進行另外3組仿真實驗.4組實驗的仿真結(jié)果對比如表3所示.

由表3仿真結(jié)果對比可得，在駕駛車輛速度與前車速度不變的前提下，初始相對距離較小時，輔助再生制動系統(tǒng)傾向于在更短的時間內(nèi)和制動距離內(nèi)實現(xiàn)制動，達到與前車速度一致；同時，短的制動時間和制動距離導致了回收的制動能量減少.另一方面，在初始相對距離不變，駕駛車輛與前車相對速度較大時，并不會大幅增加制動時間，制動距離顯著增加但仍不會造成追尾，回收的制動能量小幅增加.

5 結(jié) 論

將智能剎車與再生制動相結(jié)合，提出了一種基于模糊神經(jīng)網(wǎng)絡控制的混合動力電動汽車輔助再生制動系統(tǒng).在輔助再生制動系統(tǒng)開啟的模式下，汽車模仿具有豐富經(jīng)驗的駕駛員的駕駛習慣，保持相對合適的安全距離并隨兩車車速而動態(tài)變化，避免追尾事故的發(fā)生，提高行駛安全性.另一方面，此基于模糊神經(jīng)網(wǎng)絡的輔助再生制動系統(tǒng)，可以在不同的車速和制動強度下，使汽車制動力按照理想制動力曲線工作，并最大程度地利用電動機進行制動，有效回收制動能量.

參考文獻

[1] DISTNER M， BENGTSSON M， BROBERG T， et al. City safety—a system addressing rearend collisions at low speeds＼[C＼]//Proceedings of 21st International Technical Conference on the Enhanced Safety of Vehicles. Stuttgart： NHTSA， 2009： 09-0371.

＼[2＼] EHSANI M， GAO Y M， EMADI A. Modern electric， hybrid electric， and fuel cell vehicles fundamentals， theory， and design＼[M＼]. 2nd ed. Boca Raton： CRC Press， 2012： 411-431.

＼[3＼] 楊世春，朱傳高，高瑩，等.并聯(lián)式混合動力汽車遺傳模糊控制策略研究＼[J＼].汽車工程，2011，33（2）： 106-111.

YANG Shichun， ZHU Chuangao， GAO Ying， et al. A research on the geneticfuzzy control strategy for parallel hybrid electric vehicle＼[J＼]. Automotive Engineering，2011，33（2）： 106-111.（In Chinese）

＼[4＼] 白中浩，王耀南，曹立波.混合動力電動汽車能量自適應模糊控制研究＼[J＼].汽車工程，2005，27（4）： 389-403.

BAI Zhonghao， WANG Yaonan， CAO Libo. A study on adaptive fuzzy control of energy distribution in hybrid electric vehicles＼[J＼].Automotive Engineering， 2005，27（4）： 389-403. （In Chinese）

＼[5＼] 彭棟，殷承良，張建武.基于模糊控制的并聯(lián)式混合動力汽車制動控制系統(tǒng)＼[J＼].吉林大學學報：工學版，2007， 37（4）： 756-761.

PENG Dong， YIN Chengliang， ZHANG Jianwu. Braking control system for parallel hybrid electric vehicle with fuzzy control logic＼[J＼]. Journal of Jilin University： Engineering and Technology Edition， 2007，37（4）： 756-761. （In Chinese）

＼[6＼] 張邦基，于德介，鄧元望，等. 基于模糊邏輯的并聯(lián)式混合動力電動汽車能量控制系統(tǒng)＼[J＼].汽車工程，2009，31（6）： 496-502.

ZHANG Bangji， YU Dejie， DENG Yuanwang， et al. Energy management system of PHEV based on fuzzy logic＼[J＼]. Automotive Engineering， 2009，31（6）： 496-502. （In Chinese）

＼[7＼] 周紅麗，何莉萍，鐘志華.電動車用電池動態(tài)性能分析及剩余容量預測＼[J＼].計算機仿真，2008，25（1）： 274-277.

ZHOU Hongli， HE Liping， ZHONG Zhihua. Dynamic performance analysis and SOC prediction of battery for electric vehicle＼[J＼]. Computer Simulation， 2008，25（1）： 274-277. （In Chinese）

＼[8＼] 薛殿倫，馬洪濤，曹成龍，等.基于遺傳算法的CVT夾緊力模糊PID控制優(yōu)化＼[J＼].湖南大學學報：自然科學版，2012，39（12）： 37-42.

混合動力汽車的變速器二檔速比ig2=1.944，三檔速比ig3=1.286.選取電動機為直流無刷永磁電機，額定功率10 kW，基速1 000 r/min.圖8為在二、三檔下的電動機制動力矩

車速曲線.如圖8所示，在一定的車速、不同的檔位下，電動機所能提供的制動力是不同的.故本文輔助制動系統(tǒng)的計算和實驗均以二檔為例進行說明分析，其他各檔位思路和方法是相同的，不做重復說明.

對二檔來說，電動機基速對應的車輪端速度為24 km/h，對應的制動力為3 987.9 N.當汽車前后輪制動力曲線按照設定的曲線運行時，此車速對應的汽車可提供的最大制動強度為：

4 輔助再生制動系統(tǒng)仿真實驗

在Simulink下搭建混合動力汽車輔助再生制動系統(tǒng)模型，進行仿真驗證.通過汽車雷達與車速傳感器得到本車和前車的相對距離和車速，實現(xiàn)自動控制駕駛車輛減速，維持合理的車間距，并回收制動能量.其中駕駛車輛裝有駕駛員輔助再生制動系統(tǒng)，初始速度30 m/s；兩車的初始車間距離設為110 m；前車的速度設定為與時間的函數(shù)；通過改變此函數(shù)，即改變前車速度的實時變化，從而得到前車不同速度變化下駕駛車輛的制動情況和能量回收情況；當本車速度不高于前車速度時，仿真終止.

在前車速度按照圖12變化時，仿真結(jié)果如圖13和圖14所示.由仿真結(jié)果，前車由72 km/h（20/s）開始減速，本車由108 km/h開始減速，經(jīng)過6.25 s， 最終與前車速度相等.兩車間距由110 m降至90.5 m；超級電容SOC由0升至0.87，回收能量0.025 kW·h.

改變前車制動的初始車速或兩車初始相對距離，對輔助再生制動系統(tǒng)進行另外3組仿真實驗.4組實驗的仿真結(jié)果對比如表3所示.

由表3仿真結(jié)果對比可得，在駕駛車輛速度與前車速度不變的前提下，初始相對距離較小時，輔助再生制動系統(tǒng)傾向于在更短的時間內(nèi)和制動距離內(nèi)實現(xiàn)制動，達到與前車速度一致；同時，短的制動時間和制動距離導致了回收的制動能量減少.另一方面，在初始相對距離不變，駕駛車輛與前車相對速度較大時，并不會大幅增加制動時間，制動距離顯著增加但仍不會造成追尾，回收的制動能量小幅增加.

5 結(jié) 論

將智能剎車與再生制動相結(jié)合，提出了一種基于模糊神經(jīng)網(wǎng)絡控制的混合動力電動汽車輔助再生制動系統(tǒng).在輔助再生制動系統(tǒng)開啟的模式下，汽車模仿具有豐富經(jīng)驗的駕駛員的駕駛習慣，保持相對合適的安全距離并隨兩車車速而動態(tài)變化，避免追尾事故的發(fā)生，提高行駛安全性.另一方面，此基于模糊神經(jīng)網(wǎng)絡的輔助再生制動系統(tǒng)，可以在不同的車速和制動強度下，使汽車制動力按照理想制動力曲線工作，并最大程度地利用電動機進行制動，有效回收制動能量.

參考文獻

[1] DISTNER M， BENGTSSON M， BROBERG T， et al. City safety—a system addressing rearend collisions at low speeds＼[C＼]//Proceedings of 21st International Technical Conference on the Enhanced Safety of Vehicles. Stuttgart： NHTSA， 2009： 09-0371.

＼[2＼] EHSANI M， GAO Y M， EMADI A. Modern electric， hybrid electric， and fuel cell vehicles fundamentals， theory， and design＼[M＼]. 2nd ed. Boca Raton： CRC Press， 2012： 411-431.

＼[3＼] 楊世春，朱傳高，高瑩，等.并聯(lián)式混合動力汽車遺傳模糊控制策略研究＼[J＼].汽車工程，2011，33（2）： 106-111.

YANG Shichun， ZHU Chuangao， GAO Ying， et al. A research on the geneticfuzzy control strategy for parallel hybrid electric vehicle＼[J＼]. Automotive Engineering，2011，33（2）： 106-111.（In Chinese）

＼[4＼] 白中浩，王耀南，曹立波.混合動力電動汽車能量自適應模糊控制研究＼[J＼].汽車工程，2005，27（4）： 389-403.

BAI Zhonghao， WANG Yaonan， CAO Libo. A study on adaptive fuzzy control of energy distribution in hybrid electric vehicles＼[J＼].Automotive Engineering， 2005，27（4）： 389-403. （In Chinese）

＼[5＼] 彭棟，殷承良，張建武.基于模糊控制的并聯(lián)式混合動力汽車制動控制系統(tǒng)＼[J＼].吉林大學學報：工學版，2007， 37（4）： 756-761.

PENG Dong， YIN Chengliang， ZHANG Jianwu. Braking control system for parallel hybrid electric vehicle with fuzzy control logic＼[J＼]. Journal of Jilin University： Engineering and Technology Edition， 2007，37（4）： 756-761. （In Chinese）

＼[6＼] 張邦基，于德介，鄧元望，等. 基于模糊邏輯的并聯(lián)式混合動力電動汽車能量控制系統(tǒng)＼[J＼].汽車工程，2009，31（6）： 496-502.

ZHANG Bangji， YU Dejie， DENG Yuanwang， et al. Energy management system of PHEV based on fuzzy logic＼[J＼]. Automotive Engineering， 2009，31（6）： 496-502. （In Chinese）

＼[7＼] 周紅麗，何莉萍，鐘志華.電動車用電池動態(tài)性能分析及剩余容量預測＼[J＼].計算機仿真，2008，25（1）： 274-277.

ZHOU Hongli， HE Liping， ZHONG Zhihua. Dynamic performance analysis and SOC prediction of battery for electric vehicle＼[J＼]. Computer Simulation， 2008，25（1）： 274-277. （In Chinese）

＼[8＼] 薛殿倫，馬洪濤，曹成龍，等.基于遺傳算法的CVT夾緊力模糊PID控制優(yōu)化＼[J＼].湖南大學學報：自然科學版，2012，39（12）： 37-42.