单速比电动汽车坡道起步控制研究

针对单速比电动汽车坡道起步时容易发生溜坡的问题,提出了基于路面坡度识别的坡道起步控制策略。构建了单速比电动汽车坡道起步运动线性回归模型,设计了基于多新息遗忘梯度的路面坡度识别算法,在满足驾驶员驾驶意图的前提下,制定了坡道起步防溜坡控制策略。在Matlab/Simulink软件下建立了系统仿真模型,结果表明所研究的坡道起步控制策略能较准确地识别路面坡度,有效抑制了坡道起步溜坡现象,改善了车辆起步特性。     

基于AMESim-Simulink的电动汽车制动效能仿真研究

在分析了整车制动控制数学模型的基础上,合理分配前后轴制动力矩,并制定了整车制动力分配与恒定再生制动力矩策略,根据驾驶员的制动意图识别所需制动强度。利用AMESim-Simulink软件搭建联合仿真模型,仿真结果表明:采用恒定再生制动力矩策略,可以满足汽车的制动效能要求,实现停车制动功能。     

纯电动汽车复合电源再生制动控制策略的研究

为了进一步提高纯电动汽车电机再生制动回收率,增加电动汽车续航里程,对复合电源纯电动汽车再生制动控制策略展开研究.建立串并联可变结构复合电源储能系统,利用SVPWM调制方法控制电机三相整流器的转矩输出,以路面特征值数学模型识别路面状态,建立不同附着系数下以f线组、r线组、理想I曲线和ECE法规线为制动力分配基础的再生制动力控制策略.利用MATLAB/SIMULINK仿真软件建立复合电源和再生制动控制系统仿真模型,嵌入ADVISOR纯电动汽车整车模型,进行不同制动强度下的再生制动过程仿真,并选取CYC_ECE和CYC_UDDS两种道路循环工况,对嵌入的控制策略模型进行整车仿真,与ADVISOR原有模型的仿真结果进行对比分析.仿真结果表明,所设计的改进型再生制动控制策略能量回收效果更佳,能有效提高续驶里程.     

新能源车再生制动系统制动踏板感觉研究

再生制动功能为新能源车型必备功能,可有效提高新能源车辆续航里程。电控制动助力器应用于新能源车辆可提供再生制动工况制动踏板力协调功能,使得驾驶员所感受的踏板力跟传统真空助力器车型相似。再生制动工况踏板力补偿依赖于制动系统pV曲线,通过建立协调式再生制动系统的物理模型,运用软件自学习算法,调整软件内部预设的驾驶员制动意图参数曲线与实车制动液量和压力曲线相匹配。通过软件的实车标定与匹配以及实车测试,结果表明:采用软件自学习的新能源协调式再生制动系统,可以确保制动踏板感觉在有制动能量回收和无制动能量回收时的一致性。     

新能源车再生制动系统制动踏板感觉研究

再生制动功能为新能源车型必备功能,可有效提高新能源车辆续航里程。电控制动助力器应用于新能源车辆可提供再生制动工况制动踏板力协调功能,使得驾驶员所感受的踏板力跟传统真空助力器车型相似。再生制动工况踏板力补偿依赖于制动系统PV曲线,通过建立协调式再生制动系统的物理模型,运用软件自学习算法,调整软件内部预设的驾驶员制动意图参数曲线与实车制动液量和压力的曲线相匹配。通过软件的实车标定与匹配,以及实车的测试,结果表明采用软件自学习的新能源协调式再生制动系统,可以确保制动踏板感觉在有制动能量回收和无制动能量回收时的一致性。     

电动汽车复合能源系统再生制动分段控制策略研究

为了提高电动汽车复合能源系统的制动能量回收效率,对蓄电池,超级电容和双向DC/DC变换器相结合的复合能源系统和常规控制策略进行了研究,改进了复合能源系统,使其具有3种再生制动工作模式,并提出了再生制动分段控制策略。在高速段、中速段和低速段3个不同的阶段,采用了不同的再生制动控制方式,并根据超级电容电压、电机转速等因素确定了各阶段间切换时刻。通过电机制动电流和各阶段切换时刻优化控制,实现了平稳制动。以微型电动汽车为搭载对象,对常规控制策略和分段控制策略在两种不同初始制动车速下进行了制动工况的实测实验。实验结果表明,在分段控制策略作用下,微型电动汽车制动平稳,制动能量回收效率得到了提升。     

纯电动汽车再生制动仿真分析

介绍了再生制动系统的基本结构;分析纯电动汽车前后轴制动力分配,制定了控制策略及控制流程;利用Cruise软件建立模型进行仿真分析,并通过实车试验进行验证。仿真分析为车型的经济性提升、制动性能优化提供支持。     

四轮轮毂电机驱动电动汽车电液复合制动平顺性控制策略

液压制动与电机再生制动的时域响应差异导致电动汽车在制动模式切换时产生冲击感,影响驾驶员驾驶感受和乘坐舒适性。以四轮轮毂电机驱动电动汽车为研究对象,提出一种基于分层架构的电液复合制动平顺性控制策略。针对"高压蓄能器+电机泵"式电子液压制动系统（EHB）,上层控制器提出基于模糊控制的轮缸压力控制策略;针对制动模式切换过程中产生的冲击,下层控制器提出包括液压介入预测模块和电机制动补偿模块的电液复合制动平顺性控制策略。通过Simulink-AMESim联合仿真平台进行仿真试验验证。结果表明,轮缸压力控制策略能够保证轮缸液压力较好地追随目标压力,且稳态误差不超过2%;电液复合制动平顺性控制策略能够有效提高制动系统的响应速度,同时显著降低制动模式切换时的冲击,能提升车辆制动平顺性和乘坐舒适性。     

纯电动汽车制动能量回收策略优化研究

为了提高纯电动汽车续航里程及能源转化率,以某纯电动汽车为研究对象,提出基于ECE法规曲线、I曲线和f曲线的汽车前后轴制动力分配策略。同时又考虑到存在电机和电池最大充电功率约束,在完善电机再生力矩、限制再生制动最大值后,采用模糊控制方法,根据不同制动强度确定机械制动力和再生制动力比例由此制定能量回收控制策略。在MATLAB/Simulink里建立起再生制动控制策略模型并将其与AVL-Cruise进行联合仿真分析本策略的优化效果。仿真结果表明所提出的控制策略能够在满足制动安全性基础上充分利用电机制动转矩,使得制动能量回收率与系统自带策略相比有显著提高,在一定程度上有效缓解了纯电动汽车续航问题。     

四驱电动汽车再生制动力控制策略研究

为提高四驱电动汽车制动能量回收效率,在分析再生制动系统的机械结构和约束条件下,制定了基于并联再生制动系统的固定比例分配策略和基于串联再生制动系统的理想制动力分配策略,定义了相关的再生制动力修正系数。在Simulink/Stateflow中建立了两种制动力分配策略及包括四驱车辆、电机、电池等的再生制动系统模型,通过不同车速、不同制动强度下的仿真分析,验证了两种制动控制策略的制动效果。仿真结果表明:采用合理的分配策略、改善电池的充电能力,可以提高四驱电动汽车的制动能量回收效率;两种制动控制策略均能很好地完成制动任务,且在制动能量回收效率方面,理想制动力分配策略要优于固定比例分配策略。     

采用神经网络与模糊控制的制动需求识别

以保证车辆的制动安全性为最终目的,基于制动推杆行程传感器信号,利用神经网络算法与模糊控制算法提出了对制动需求进行识别的方法。首先采用神经网络算法与模糊控制算法完成对驾驶员制动需求的初步判断,然后通过主缸压力反馈信号对制动系统的制动动作完成程度进行预测,进而对制动需求识别结果进行持续反馈跟踪修正,以保证车辆的制动系统能够实现预期的制动效能。通过MATLAB/Simulink仿真试验与台架试验对控制算法进行了对比与验证,结果表明该方法能迅速准确地识别驾驶员的制动需求,从而为车辆的制动安全性提供保障。     

[电动汽车稳定性控制]指数和线性参数化的轮胎-路面纵向附着条件实时估计方法

The wheel dynamics modeling and FFRLS （forgetting factor recursive least-square） were utilized to develop a method of tire-road adhesion estimations in longitudinal braking conditions. The modeling object was an FWD （front wheel drive） EV（electric vehicle） equipped with an EHB（electro-hydraulic brake）. Firstly, a maximized regenerative brake distribution strategy was introduced. The regenerative brake wheels would tend to be locked before other wheels in heavy brake conditions. Secondly, a real-time adhesion estimation method was designed to lowering the risks of wheel locks. The linear parameterization of ES（exponential sum） was introduced to fit non-linear Burckhardt friction model, the on-line simulations and HiL（hardware-in-loop） tests were conducted. Results show that the proposed linear method may run in real-time, and has better estimation accuracy and convergence rate compared with linear Kiencke method.     

基于模糊控制的电动汽车前后制动力分配策略研究

为提高纯电动汽车的再生制动能量回收率,在分析基于理想制动力曲线和基于ECE法规的电动汽车前后轮制动力分配控制策略的基础上,根据制动强度和储能元件荷电状态的大小,提出了一种基于模糊逻辑的前后轮制动力分配控制策略,以实现制动能量的高效回收利用和良好的汽车制动稳定性。对该控制策略在电动汽车仿真软件ADVISOR2002下进行了仿真,仿真结果表明,该制动力分配控制策略提高了再生制动能量的回收率,同时也能改善汽车的制动稳定性。     

[智能感知]基于粒子群优化支持向量机算法的行驶工况识别及应用

实车采集4种典型行驶工况数据,采用随机数法提取并扩充行驶工况识别训练及测试样本,利用多元统计理论对数据进行处理,基于粒子群优化的支持向量机(PSO-SVM)算法来进行行驶工况识别,分析了识别周期及更新周期对行驶工况在线识别精度的影响。将行驶工况识别技术应用在插电式混合动力汽车的能量管理策略中。仿真结果表明,相对于未采用行驶工况识别技术以及采用传统SVM算法进行工况识别的能量管理策略,基于PSO-SVM算法工况识别的能量管理策略使整车燃油经济性分别提高9.836%和4.348%,并且电池荷电状态(SOC)变化相对平稳,有利于提高系统效率和延长电池寿命。     

纯电动汽车用直流无刷轮毂电机试验台架的研究与开发

为解决应用于纯电动汽车上的轮毂电机测试和试验的问题,将虚拟仪器技术应用于轮毂电机性能测试与再生制动试验台的设计中.开展了试验台组成结构、测控系统工作原理的分析,设计了测控系统电路,推导了电机转速、电机扭矩、电流、电压的测量计算公式,提出了电机再生制动试验方法及试验数据的计算公式;在此基础上采用LabVIEW开发了测控系统软件,并进行了实际运行实验.实验结果证明,该试验台设计较为合理,能够将电机的性能测试试验与再生制动试验合二为一,满足了电动汽车轮毂电机相关研究的需求.     

基于模糊控制的电动汽车低速再生ABS研究

为使电动汽车在低附着系数路面上再生制动时车轮具有防抱死功能,提出了一种通过控制电机的再生制动力与反接制动力来防止车轮抱死的方法。阐述了电动汽车低速再生ABS工作原理,建立了电动汽车单轮车辆动力学模型;根据电机低速再生制动的电路稳态条件,利用模糊控制理论设计了基于滑移率控制模式的再生ABS控制系统。仿真结果表明:系统不但鲁棒性强,而且反应迅速,控制精度高;制动过程由占主体的再生制动和制动末期出现的反接制动组成;在电机峰值工作能力内,随地面附着性能的提高,再生ABS回收的制动能也随之增加。     

双电动轮装载机制动控制策略研究与仿真

针对如何有效回收再生制动能量,合理分配各轮再生制动力,使制动距离最小且回收最多能量及制动安全的关键问题,以双电动轮装载机车辆为原型,提出了双电动轮驱动车辆的串联制动控制策略.在MATLAB/Simulink环境下建立仿真模型.结果表明,该控制策略能够保证制动安全的前提下有效回收再生制动能量.     

基于FART神经网络的高速公路交通事件检测法

突发性交通事件是造成高速公路交通拥堵的主要原因,为了快速并准确地检测交通事件,有效提高高速公路的利用率和通行能力,将一种模糊论与自适应谐振神经网络相结合的聚类算法-FuzzyART神经网络算法用于检测高速公路交通事件。根据高速公路事件检测相关参数之间的关系,选用了交通流密度残差和平均速度残差的组合向量作为神经网络的输入,给出了事件检测的算法步骤和输出判断方法,并进行了仿真实验。仿真结果表明,该算法不仅能够检测出交通事件的发生及其造成的拥堵程度,还可以快速识别已有的交通事件类型,记忆未知的交通事件类型,实现边工作、边学习,且检测结果具有较高的稳定性和准确性。     

Evaluation of regenerative braking based on single-pedal control for electric vehicles

More than 25% of vehicle kinetic energy can be recycled under urban driving cycles. A single-pedal control strategy for regenerative braking is proposed to further enhance energy efficiency. Acceleration and deceleration are controlled by a single pedal, which alleviates driving intensity and prompts energy recovery. Regenerative braking is theoretically analyzed based on the construction of the single-pedal system, vehicle braking dynamics, and energy conservation law. The single-pedal control strategy is developed by considering daily driving conditions, and a single-pedal simulation model is established. Typical driving cycles are simulated to verify the effectiveness of the single-pedal control strategy. A dynamometer test is conducted to confirm the validity of the simulation model. Results show that using the single-pedal control strategy for electric vehicles can effectively improve the energy recovery rate and extend the driving range under the premise of ensuring safety while braking. The study lays a technical foundation for the optimization of regenerative braking systems and development of single-pedal control systems, which are conducive to the promotion and popularization of electric vehicles.     

融合脑电-肌电信号的人机协作装配意图识别方法

针对人机协作装配场景下基于单源生理电信号识别协作意图准确率不高、稳定性不好的问题,首先采用支持向量机方法分别从脑电信号和肌电信号识别单源协作装配意图,然后采用D-S证据理论对多源协作装配意图识别结果进行融合,提出了一种融合EEG-EMG信号的人机协作装配意图识别方法。实验结果表明,所提方法可以有效提高人机协作装配意图识别的准确率和稳定性。