汪 偉，姜蘇杰，王汝佳，羅 金

（江蘇理工學(xué)院汽車與交通工程學(xué)院，江蘇 常州 213001）

1 引言

現(xiàn)如今，純電動汽車越來越受到各國的歡迎，但其也存在著行駛里程短、電池壽命短、充電時間長等三個問題。目前，國內(nèi)外學(xué)者主要通過在汽車儲能器中加載超級電容，組成復(fù)合電源，并研究其功率分配方式，以期攻克這些難題[1-2]。

復(fù)合電源功率分配的策略主要有邏輯濾波控制、小波控制、模糊控制[3]。文獻(xiàn)[4]通過CRUISE軟件采用模糊邏輯控制分配復(fù)合電源功率，驗證了它的優(yōu)越性，但其未對再生制動模型進(jìn)行開發(fā)，能量回收有限。再生制動力的分配方式主要有串、并聯(lián)、最優(yōu)能量等[5-7]。文獻(xiàn)[8]將制動力按照約束條件分配，避免汽車出現(xiàn)抱死危險狀況的同時，提高了制動時回收的能量，但僅根據(jù)邊界制定控制策略，魯棒性不強。文獻(xiàn)[9-10]將并行控制策略燒錄到Freescale單片機(jī)中，驗證了并行控制策略的有效性，但并未考慮車速對能量回收的影響。

以復(fù)合電源電動汽車為研究對象，采用雙模糊控制分配電源功率，并基于制動強度、車速、超級電容的SOC值與ECE法規(guī)等建立一種新的再生制動力的分配模型。最后，使用模糊控制器協(xié)調(diào)分配摩擦制動力和電機(jī)制動力。

2 復(fù)合電源控制器的設(shè)計

2.1 雙模糊控制器的設(shè)計

雙模糊控制器參數(shù)由Preq、SOCbat、SOCuc、Kuc四個變量組成。其中，Preq為車輛所需的功率；SOCbat、SOCuc分別為蓄電池和超級電容的荷電值；Kuc為超級電容器的輸出功率與總功率之比。當(dāng)Preq＞0，將SOCuc和SOCbat分為{LMH}，代表{小中大}。將Kuc和Preq分為{TSSMBTB}，代表{較小小中大較大}。當(dāng)Preq＜0，電機(jī)沒有功率輸入，模糊控制器的輸入變量設(shè)置為SOCbatSOCuc，并將其分別分為{LMH}和{TLLMH}，Kuc分為{TSSMB}。其隸屬函數(shù)，如圖1、圖2所示。模糊控制器規(guī)則，如表1、表2所示。

圖1 Preq＞0 時，隸屬度函數(shù)Fig.1 Preq＞0，Membership Function

圖2 Preq＜0 時，隸屬度函數(shù)Fig.2 Preq＜0，Membership Function

表1 Preq＞0 模糊控制器規(guī)則Tab.1 Preq＞0 Fuzzy Controller Rules

表2 Preq＜0 模糊控制器規(guī)則Tab.2 Preq＜0 Fuzzy Controller Rules

根據(jù)上述模糊控制規(guī)則，設(shè)計的仿真模型，如圖3所示。

圖3 雙模糊控制器Fig.3 Double Fuzzy Controller

2.2 模糊-邏輯控制器的設(shè)計

模糊-邏輯聯(lián)合控制策略如下：車輛在行駛狀態(tài)下采用模糊控制，在制動狀態(tài)下采用邏輯門控制。當(dāng)超級電容的SOC值在設(shè)定的閾值內(nèi)，則Preq=Puc，否則Puc=0。根據(jù)邏輯門控制建立的負(fù)功率分配模型，如圖4所示。

圖4 模糊-邏輯控制器Fig.4 Fuzzy-Logic Controller

2.3 基于MATLAB的仿真結(jié)果分析

針對某款單電源小型電動汽車組成復(fù)合電源，在UDDS道路工況下，進(jìn)行仿真分析。電動汽車整車參數(shù)，如表3所示。

表3 整車參數(shù)Tab.3 Vehicle Parameter

雙模糊控制和模糊—邏輯控制下電池和超級電容的SOC對比曲線，如圖5所示。

圖5 電池和超級電容的SOCFig.5 SOC of the Battery and Supercapacitor

由圖5（a）可知，采用雙模糊控制的電池SOC下降趨勢較為平緩，能量消耗較少。這是因為采用雙模糊控制策略，汽車在制動時，電池能夠回收能量而采用模糊-邏輯控制僅由超級電容回收制動能量，故其超級電容回收的能量多于雙模糊控制。因此，由模糊-邏輯控制的超級電容的SOC下降趨勢小于雙模糊控制。這一點由圖5（b）也可以驗證。

單個工況下汽車的總能耗對比曲線，如圖6 所示。由圖可知，雙模糊控制的汽車消耗的能量比模糊-邏輯控制小5KJ。兩種控制策略下電池與超級電容的電流對比圖，如圖7所示。由圖7（a）、圖7（b）可知，超級電容均承擔(dān)著需求的峰值功率。當(dāng)時間在1000s后，由于超級電容的電量消耗過大，因此降低超級電容的功率分配值。同時，電池承受的電流沖擊相差不多。綜上所述，雙模糊控制的控制效果總體優(yōu)于模糊-邏輯控制。

圖6 單個工況總能耗Fig.6 Total Energy Consumption Under Single Working Condition

圖7 電池和超級電容的電流Fig.7 Current In Batteries and Supercapacitors

3 再生制動力模型

3.1 再生制動力的分配模型

原ADVIOR 模型中根據(jù)查表法對制動力進(jìn)行分配，該方式簡單且能夠回收一定的能量，但其統(tǒng)計的車速較少，且僅靠車速確定電機(jī)制動力的比例，而未考慮儲能元器件的SOC值、電機(jī)轉(zhuǎn)速特性以及ECE法規(guī)等因素的影響，回收的能量有限。

汽車制動時存在三種情況，前輪先抱死；后輪先抱死；前后輪同時抱死。

三種情況下，前后輪制動力大小滿足，如式（1）所示。

式中：FXb1FXb2—地面對前后輪制動力；φ—附著系數(shù)；L—汽車軸距；hg—質(zhì)心高度；a、b—前、后軸距；Fμ1、Fμ2—前、后輪制動器制動力。

根據(jù)ECE R13 法規(guī)，前后輪制動力還應(yīng)該在ECE 線上。ECE關(guān)系，如式（2）所示。

此外，當(dāng)制動力完全由電機(jī)提供時，對應(yīng)的制動強度，如式（3）所示。

式中：T—電機(jī)最大轉(zhuǎn)矩；η—電機(jī)效率；i0—主減速比。設(shè)汽車載重500kg代入上表參數(shù)，可得電機(jī)完全制動對應(yīng)的制動強度為0.133。

通過以上分析，制定的再生制動力模型，如圖8所示。

圖8 再生制動模型的分配曲線Fig 8 Distribution Curve of Regenerative Braking Model

圖中，A、B、C三點對應(yīng)的制動強度分別為0.133、0.33 和0.47。當(dāng)制動強度小于0.133時，此時僅由電機(jī)制動，制動力遵循OA線分配。AB線為ECE線的切線。當(dāng)制動強度在[0.133 0.33）時，制動力分配遵循AB線。C點為過B點的f線與I曲線的交點。當(dāng)制動強度在[0.33 0.47]時制動力分配遵循BC線。當(dāng)制動強度大于0.47時，制動力分配遵循CD線。

3.2 基于模糊控制的再生制動力的分配策略

研究發(fā)現(xiàn)，當(dāng)車速＜15km/h時，采用電機(jī)制動幾乎回收不到能量。

緊急制動時，若采用電機(jī)制動則汽車的安全性不能保障。因此，模糊控制器輸入?yún)?shù)設(shè)為制動強度Z、超級電容的SOC值以及車速V并將三者劃分為3個等級，輸出參數(shù)為電機(jī)制動力占前輪的總制動力的比例Kuc并將其劃分為11個等級，其隸屬度函數(shù)和規(guī)則，如圖9、表4所示。后、前向再生制動力模糊控制器模型，如圖10、圖11示。

圖9 模糊控制器隸屬度Fig.9 Membership Degree of Fuzzy Controller

圖10 后向制動力模型Fig.10 Backward Braking Force Mode

圖11 前向制動力模型Fig.11 Forward Braking Force Model

表4 控制器規(guī)則Tab.4 Rules for Controllers

3.3 仿真結(jié)果分析

再生制動力控制策略改進(jìn)前后電池和超級電容的SOC對比曲線，如圖12 所示。

由圖12（a）可知，改進(jìn)后的再生制動力控制策略使得電池SOC下降進(jìn)一步變緩，單個UDDS 工況下，改進(jìn)前后電池SOC 值相差0.01。

由圖12（b）可知，改進(jìn)后的再生制動力控制策略使得超級電容回收了更多的能量，單個UDDS工況SOC相差0.2。

圖12 電池和超級電容的SOCFig.12 The SOC of Supercapacitor and Battery

再生制動力控制策略改進(jìn)前后電池受到的電流沖擊對比曲線，如圖13所示。

圖13 電池電流Fig.13 Current in Battery and Supercapacitor

從圖13中可以明顯看出，在正功率狀態(tài)下，電池受到的沖擊最大減少20A。同時，在負(fù)功率狀態(tài)下，電池充電電流也有一定的提升。

4 結(jié)論

（1）分別采用雙模糊控制以及模糊-邏輯控制分配復(fù)合電源的功率，通過電池及超級電容的SOC、電流、溫度和能耗的對比曲線選取兩者間最為合適的一種。

（2）基于制動強度z、車速v、超級電容的SOC 值和ECE 法規(guī)等建立一種新的再生制動力的分配模型，并通過模糊控制器協(xié)調(diào)摩擦制動及機(jī)械制動力的力矩分配，使得控制效果進(jìn)一步提高。