基于模式模糊识别的电动车双电机系统再生制动控制

doi:10.13196/j.cims.2020.04.001

计算机集成制造系统 ›› 2020, Vol. 26 ›› Issue (第4): 871-881.DOI: 10.13196/j.cims.2020.04.001

• 当期目次 • 下一篇

基于模式模糊识别的电动车双电机系统再生制动控制

李聪波,易茜⁺,胡芮,朱道光,胡捷

重庆大学机械传动国家重点实验室

出版日期:2020-04-30 发布日期:2020-04-30
基金资助:
国家自然科学基金资助项目(51475059);教育部“创新团队发展计划”资助项目(IRT_15R64)。

Control strategy for regenerative braking based on fuzzy pattern recognition in dual-motor electric vehicles

Online:2020-04-30 Published:2020-04-30
Supported by:
Project supported by the National Natural Science Foundation,China(No.51475059),and the Innovation Research Team Development Program of the Ministry of Education,China(No.IRT_15R64).

摘要/Abstract

摘要： 针对双电机动力耦合纯电动汽车,提出一种基于模式模糊识别的再生制动控制策略,以保证双电机在高效区域工作,提高再生制动能量回收率,同时保证模式切换的平稳性。首先基于电机效率MAP图划分双电机电动汽车的四种再生制动模式;其次利用模糊控制原理设计输出为最大再生制动力分配系数的模糊识别器,根据再生制动力的大小及车速匹配到合适的再生制动模式;然后为保证模式切换的平稳性,根据再生制动模式切换的冲击度值判断是否进行模式切换;进而对前后轮制动力进行分配,制定再生制动控制策略。最后基于MATLAB/SIMULINK仿真平台进行了整车仿真分析,结果表明,电动汽车双电机系统采用该再生制动控制策略,可使再生制动能量利用率达到27.9%,比只利用功率较小的电机进行发电的再生制动控制策略能量回收率提高14.3%,同时模式切换冲击度低于德国标准。

关键词: 电动汽车, 双电机, 再生制动模式, 模糊控制, MATLAB/SIMULINK仿真

Abstract: For a dual-motor electric vehicle,the control strategy of regenerative braking which two motors work at high power efficient area was proposed to improve the recovery of regenerative braking energy and guarantee the smoothness of mode switching.Firstly,based on power efficient of two motors,four regenerative braking modes were analyzed.Secondly,by using the fuzzy control principle,a fuzzy recognizer which outputs the regenerative braking force distribution coefficient was designed.The regenerative braking mode was matched according to the fuzzy recognizer.Then,in order to ensure the smoothness of mode switching,the regenerative braking mode was switched according to the jerk.Furthermore,the control strategy for regenerative braking was proposed after the braking force distribution.Finally,based on MATLAB/SIMULINK simulation platform,the vehicle was simulated and analyzed.The simulation revealed that the braking energy recovery rate was 27.9%.Compared with regenerative braking control strategy without braking mode fuzzy recognition,the energy recovery is increased by 14.3%.The jerk of mode switching meets the German standard at the same time.

Key words: electric vehicle, dual-motor, regenerative braking mode, fuzzy control, MATLAB/SIMULINK simulation

中图分类号:

U462.3

李聪波,易茜,胡芮,朱道光,胡捷. 基于模式模糊识别的电动车双电机系统再生制动控制[J]. 计算机集成制造系统, 2020, 26(第4): 871-881.

[1]	程永胜,徐骁琪,陈国强,孙利,吴俭涛. 基于神经网络的电动汽车造型意象预测模型[J]. 计算机集成制造系统, 2021, 27(4): 1135-1145.
[2]	徐建全,杨沿平. 基于Vensim的汽车轻量化全生命周期动态评价[J]. 计算机集成制造系统, 2020, 26(第4): 954-969.
[3]	常建鹏,陈振颂,王先甲,张军. 不确定环境下基于质量功能展开的电动汽车技术特性综合重要度确定[J]. 计算机集成制造系统, 2020, 26(第1): 103-113.
[4]	李聪波,余必胜,陈睿杰,单亚帅,李月. 电动汽车无动力中断两挡变速系统参数集成优化[J]. 计算机集成制造系统, 2020, 26(9): 2453-2462.
[5]	李聪波,胡芮,朱道光,杨青山. 电动汽车再生制动过程换挡点多目标优化[J]. 计算机集成制造系统, 2020, 26(5期): 1246-1256.
[6]	李聪波,朱道光,胡芮,杨青山. 电动汽车两挡动力系统参数与控制策略集成优化[J]. 计算机集成制造系统, 2019, 25(第7): 1706-1716.
[7]	李聪波,赵来杰,李月,陈文倩. 面向能耗的纯电动汽车两档变速系统参数优化匹配[J]. 计算机集成制造系统, 2018, 24(第6): 1327-1336.
[8]	李聪波,陈文倩,赵来杰,肖卫洪. 面向能耗的纯电动汽车双电机动力系统控制策略[J]. 计算机集成制造系统, 2018, 24(第5): 1098-1109.
[9]	李聪波,李月,肖卫洪,胡捷,赵来杰. 面向能耗的纯电动汽车双电机动力系统参数优化匹配[J]. 计算机集成制造系统, 2017, 23(第8期): 1620-1628.
[10]	游震洲,张鹏,牛礼民. 并联式混合动力汽车动力总成发动机的模糊控制仿真分析[J]. 计算机集成制造系统, 2016, 22(第11期): 2573-2579.
[11]	梁捷,，陈力,梁频. 柔性臂空间机器人的神经网络自适应控制及振动模态分级模糊控制[J]. , 2012, 18(09): 0-0.
[12]	范云生，郭晨,，王国峰. 基于智能控制的差速器轴承预紧测量[J]. , 2012, 18(06): 0-0.
[13]	侯世旺，，同淑荣. 基于模糊数的不确定质量控制图及选型[J]. , 2012, 18(02): 0-0.
[14]	邓超，吴军，刘倩. 基于模糊控制的位置精度补偿方法[J]. , 2010, 16(03): 0-0.
[15]	莫巨华，黄敏,，王兴伟. 基于模糊控制与遗传算法的串行生产控制系统最优设计[J]. , 2009, 15(11): 0-0.

基于模式模糊识别的电动车双电机系统再生制动控制

Control strategy for regenerative braking based on fuzzy pattern recognition in dual-motor electric vehicles

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics