基于不同附着系数的电动汽车再生制动策略

根据欧洲经济委员会(ECE)法规曲线、理想制动力分配I曲线以及f曲线明确了前后轴制动力分配范围,结合典型的再生制动控制策略,对前后轴制动力以及机电制动力进行分配并优化,设计了一种基于不同附着系数路面的多模式模糊控制策略,该模糊控制以车速v、制动强度z和电池剩余电量(SOC)为输入,以电机制动比例K为输出,通过将该基于模糊控制的Simulink模型与Cruise整车模型进行联合仿真。结果表明：本文提出的控制策略不但能高效地回收制动能量,提高电动汽车续航里程,而且能进一步增强制动的安全性和稳定性。     

基于模糊逻辑的HEV再生制动能量回收的研究

提出了混合动力电动汽车再生制动能量回收的一种模糊逻辑策略,在混合动力电动车制动过程中,合理地分配再生制动力矩和摩擦制动力矩,在保证制动安全性和舒适性的前提下,尽可能多地发挥电机的再生制动特性,以便将更多的动能转化为电能储存在电池装置中。在Matlab/Simulink环境下搭建模糊逻辑策略的模型,并把该模型嵌入到ADVISOR仿真环境中,仿真观察SOC(state of charge)的变化曲线,与ADVISOR中原有的再生制动能量回收策略作比较,仿真结果表明,所给出的模糊逻辑策略能更好地实现能量的回收。     

电动汽车再生制动系统的建模与仿真

为了提高纯电动汽车的再生制动能量回收率,本文采用模糊逻辑控制策略.通过建立Mamdani型模糊控制器,确定了再生制动力和机械制动力之间的比例分配.同时考虑到制动的安全性和稳定性,提出了前后轮之间的制动力按照理想制动力分布曲线分配.在Matlab/Simulink环境下搭建模糊逻辑控制策略的模型,并把该模型嵌入到ADVISOR仿真环境中,结合典型道路循环工况进行仿真实验,实验结果表明,采用模糊逻辑控制策略之后,电池SOC提升了9.3％左右,整车系统的效率提升了7.2％,再生制动的效率提升了36.7％,这表明模糊逻辑控制策略能更好地实现能量的回收利用,延长电动汽车的续驶里程.     

基于模糊控制的纯电动汽车制动能量回收研究

为提高纯电动汽车的制动能量回收率,同时保证汽车制动稳定性与安全性,基于理想制动力分配曲线与模糊逻辑控制原理,制定了某前驱纯电动汽车制动能量回收控制策略。以制动强度、车速和电池荷电状态(SOC)为输入变量,再生制动力分配系数k为输出变量,设计了模糊控制器。在MATLAB/Simulink环境中构建制动能量回收控制策略模型,利用AVL CRUISE建立整车模型,并进行了联合仿真。在FTP75循环工况下仿真的结果表明,制定的制动能量回收控制策略在保证制动稳定性的同时,使制动能量回收率得以显著提高。     

电动汽车复合电源控制策略

针对电动汽车行驶里程短和复合电源系统中功率分配的问题,提出了逻辑门限控制策略和模糊逻辑控制策略对复合电源系统进行研究,使蓄电池向电机提供平均功率,超级电容向电机提供瞬时功率和峰值功率。基于常规复合电源模糊控制模型,考虑电机制动和液压制动共同为电动汽车提供制动力,建立新型复合电源系统模糊控制模型。实验结果表明:复合电源相对于单一蓄电池电源在电池SOC、能量回收率和电动汽车行驶里程有很大提升,模糊控制策略相对于逻辑门限控制策略提高了超级电容利用率并且降低了电池电流幅值,更好地保护了蓄电池。     

基于制动强度的能量回收控制方法

针对高效利用电动车能量的问题,提出了一种基于制动强度的电动汽车能量回收控制方法.基于车辆制动的理想曲线和ECE曲线,结合制动强度将制动情况分成四种类型并给出了每种类型所需制动力.基于模糊控制理论提出了机械制动力和电机制动力分配比例的模糊控制模型,建立了再生制动比例与车辆行驶速度、制动力和电池电荷量三个指标之间的模糊模型.在NEDC工况上进行了实验,结果表明,本文方法在回收能量数量、能量回收率和能量效率等方面都具有更好的性能,能够使电动汽车制动策略更加科学节能.     

基于制动强度的能量回收控制方法

针对高效利用电动车能量的问题,提出了一种基于制动强度的电动汽车能量回收控制方法.基于车辆制动的理想曲线和ECE曲线,结合制动强度将制动情况分成四种类型并给出了每种类型所需制动力.基于模糊控制理论提出了机械制动力和电机制动力分配比例的模糊控制模型,建立了再生制动比例与车辆行驶速度、制动力和电池电荷量三个指标之间的模糊模型.在NEDC工况上进行了实验,结果表明,本文方法在回收能量数量、能量回收率和能量效率等方面都具有更好的性能,能够使电动汽车制动策略更加科学节能.     

四轮独立驱动电动汽车再生制动控制策略

为了提高四轮轮毂电机驱动的电动汽车续航里程,提出了综合考虑理想制动力分配和电机工作特性的再生制动控制策略。通过分析传统汽车理想制动力分配策略,综合考虑电机发电工作特性,在保证整车制动性能的基础上,通过减少机械制动的参与使整车前后轴电机均处于更好的发电状态,从而在保证整车制动效能的同时,回收更多的制动能量。通过CarSim和Matlab/Simulink商用软件联合仿真对提出的控制策略进行了仿真验证。仿真结果表明:该控制策略能够通过有效地分配前后轴电机制动力和机械制动力,从而获得较好的制动能量回收效果。     

基于 Stateflow 的电动汽车再生制动控制策略

针对东风EJ02电动汽车进行了再生制动控制策略研究,通过对制动动力学与制动法规的研究,结合电池充电特性与电机输出特性,提出了在保证制动稳定性和电池安全性的前提下,最大限度回收制动能量的再生制动控制策略,并在ADVISOR仿真平台上结合Matlab Stateflow对该策略进行了建模与仿真分析,进行了3种工况的台架试验,得到不同工况的续驶里程。结果表明,该控制策略在保证电池安全性的前提下充分利用了电机的制动转矩,大幅提高了制动能量的回收,增加了电动汽车的续驶里程。     

负载隔离式电动汽车再生制动控制策略研究

针对负载隔离式电动汽车能量利用率低的问题,本文主要对负载隔离式电动汽车再生制动控制策略进行研究。通过对负载隔离式电动汽车制动动力学和ECE法规进行分析,得出满足条件的制动力分配系数及制动力分配的上下限,据此提出基于制动强度划分的再生制动控制策略。在Matlab/Simulink搭建再生制动控制模型,并将模型嵌入到Advisor中进行仿真分析。仿真结果表明,与原控制策略相比,在CYC_NEDC工况下行驶时,汽车制动时电机输出功率提高,电机损失功率减少,电机输出的瞬时电流增大,说明该再生制动控制策略明显提高了电动汽车制动能量的回收效率。该控制策略为负载隔离式电动汽车进一步提高能量利用率提供了理论基础。     

混合动力汽车再生制动系统的控制

从车辆的动力学结构出发,在考虑制动稳定性要求及再生制动的约束条件下,提出了一种并行制动力分配策略.在仿真软件ADVISOR中建立了控制策略仿真模型,并嵌入到整车模型中.对制动力分配策略进行仿真,结果验证了所提出控制策略的有效性及实用性.     

FSAE电动赛车再生制动系统开发

为提高大学生方程式(FSAE)纯电动赛车耐久赛成绩,开发一套适用于FSAE电动赛车的再生制动系统.对ADVISOR软件二次开发,通过修改整车模型、车轮模型、驱动控制模型及电池模型等,建立适用于FSAE纯电动赛车的仿真平台;为保证再生制动系统的稳定性,降低赛车控制器和传感器精度对系统的影响,提出一种后轴并联制动力分配控制策略,并进行了耐久赛工况分析;对再生制动系统控制器进行软硬件开发,并进行实车试验.仿真及试验中再生制动能量回收率分别达到20.89%和19.07%,所设计的再生制动系统可有效回收FSAE纯电动赛车的制动能量,提高耐久赛成绩.     

并联混合动力汽车模糊控制能量管理策略研究

针对一款并联混合动力汽车,以提高整车燃油性和改善尾气排放为控制目标进行了能量管理策略研究。将混合动力系统整车需求转矩与当前转速下的发动机最优转矩差值（ΔT）、电池组荷电状态（SOC）作为模糊转矩控制器输入,发动机输出转矩作为控制器输出,设计了25条控制规则,基于ADVISOR仿真验证该策略的有效性和可行性。仿真研究表明,提出的能量管理策略提高了发动机工作效率,减少了燃油消耗和尾气排放,并能维持电池组的SOC在合理的范围内波动。     

基于模糊控制的并联式混合动力汽车制动控制系统

在分析和比较混合动力电动汽车(HEV)不同制动控制策略的基础上,提出了一种新的制动控制策略。在MATLAB/Simulink环境下搭建了制动系统控制模型。考虑到能量回收制动力矩和总制动力矩的连续变化,采用模糊控制策略对液压制动力矩进行动态调整。能量回收制动力矩和液压制动力矩在该控制策略下能够协同工作。仿真结果证明该控制策略有效,鲁棒性好。     

纯电动轿车制动能量回收节能潜力仿真分析

从整车能量消耗入手,分析纯电动轿车能量流机理,建立整车耗电量与工况、整车参数、部件效率以及制动能量回收比例之间的函数关系,通过求解基于工况的特征权值,研究不同车型在各工况中的节能潜力,为纯电动轿车整车参数匹配提供理论依据。通过分析制动力分配策略,量化制动能量回收比例,进一步计算整车节能度,研究制动能量回收效果。通过在Matlab/Simulink中构建仿真模型,完成整车节能度的计算,并与AVL/Cruise仿真结果进行对比分析,结果表明本文方法能够很好地反映整车节能效果,完全满足整车节能潜力分析的要求。     

Fuzzy energy management strategy for parallel HEV based on pigeon-inspired optimization algorithm

Improvements in fuel consumption and emissions of hybrid electric vehicle (HEV) heavily depend upon an efficient energy management strategy (EMS). This paper presents an optimizing fuzzy control strategy of parallel hybrid electric vehicle employing a quantum chaotic pigeon-inspired optimization (QCPIO) algorithm. In this approach, the torque of the engine and the motor is assigned by a fuzzy torque distribution controller which is based on the battery state of charge (SoC) and the required torque of the hybrid powertrain. The rules and membership functions of the fuzzy torque distribution controller are optimized simultaneously through the use of QCPIO algorithm. The simulation ground on ADVISOR demonstrates that this EMS improves fuel economy more effectually than original fuzzy and PSO_Fuzzy EMS.