考慮工況和駕駛風(fēng)格耦合影響的插電式混合動(dòng)力汽車(chē)制動(dòng)能量回收策略

邱明明 虞 偉 趙 韓 劉 浩 曹龍凱

1.合肥工業(yè)大學(xué)機(jī)械工程學(xué)院，合肥，2300092.汽車(chē)技術(shù)與裝備國(guó)家地方聯(lián)合工程研究中心，合肥，230009

0 引言

制動(dòng)能量回收是混合動(dòng)力汽車(chē)能量管理的重要組成部分，其本質(zhì)是根據(jù)工況和駕駛員的駕駛意圖來(lái)確定制動(dòng)能量回收強(qiáng)度，并在此基礎(chǔ)上根據(jù)電機(jī)動(dòng)態(tài)特性進(jìn)行優(yōu)化，從而實(shí)現(xiàn)能量回收的最大化[1]。

國(guó)內(nèi)外學(xué)者對(duì)制動(dòng)能量回收進(jìn)行了大量研究。PAUL等[2]基于模糊邏輯估計(jì)輪胎-路面摩擦因數(shù)的方法，提出了一種單電機(jī)四輪驅(qū)動(dòng)汽車(chē)的制動(dòng)力分配策略。XIONG等[3]基于電機(jī)損耗模型和數(shù)據(jù)計(jì)算，建立了優(yōu)化電機(jī)制動(dòng)力矩分布模型，揭示了前后電動(dòng)機(jī)構(gòu)功率優(yōu)化的分布規(guī)律。XIAO等[4]考慮電池充電狀態(tài)、制動(dòng)強(qiáng)度和電機(jī)轉(zhuǎn)速的影響，提出了一種基于多輸入模糊控制邏輯的再生制動(dòng)分配策略。XU等[5]基于模型預(yù)測(cè)控制理論，設(shè)計(jì)了模型預(yù)測(cè)控制器并驗(yàn)證了其優(yōu)越性。WANG等[6]研究了多目標(biāo)、多約束條件下制動(dòng)力的優(yōu)化分配方法，提高了制動(dòng)模式切換時(shí)的制動(dòng)穩(wěn)定性。郭志軍等[7]通過(guò)分析制動(dòng)力安全分配區(qū)域，提出了一種再生制動(dòng)模糊控制策略。郭金剛等[8]制定了包含制動(dòng)力分配和最優(yōu)制動(dòng)強(qiáng)度控制的再生制動(dòng)能量回收最優(yōu)控制策略，實(shí)現(xiàn)了制動(dòng)單次工況能量回收率最優(yōu)。嚴(yán)運(yùn)兵等[9]通過(guò)合理分配前后軸上機(jī)械制動(dòng)力與電機(jī)制動(dòng)力的比例，達(dá)到提高能量回收率的目的。王虎[10]根據(jù)制動(dòng)強(qiáng)度將制動(dòng)情況分成四種類(lèi)型并給出了每種類(lèi)型所需的制動(dòng)力，改善了能量回收的效果。武蘇杭等[11]將制動(dòng)模式按車(chē)速和制動(dòng)意圖分為六種模式，建立了基于安全修正系數(shù)的制動(dòng)能量回收策略。李勝琴等[12]依據(jù)不同制動(dòng)強(qiáng)度設(shè)計(jì)電機(jī)的再生制動(dòng)力與前軸制動(dòng)力的分配比例，有效地增加了電動(dòng)汽車(chē)的續(xù)航里程。姜濤等[13]提出以前后電機(jī)總損失功率為目標(biāo)函數(shù)的轉(zhuǎn)矩分配系數(shù)計(jì)算方法，明顯減少了能量消耗。黃文強(qiáng)等[14]通過(guò)改變制動(dòng)速度來(lái)改變制動(dòng)功率，進(jìn)而減少了制動(dòng)電阻上的功率消耗，提高了超級(jí)電容的回收能量。魯楠等[15]通過(guò)建立優(yōu)化目標(biāo)和轉(zhuǎn)矩分配的博弈模型，構(gòu)造制動(dòng)轉(zhuǎn)矩分配問(wèn)題的多目標(biāo)優(yōu)化代價(jià)函數(shù)，實(shí)現(xiàn)了制動(dòng)力矩的合理分配并延長(zhǎng)了電池的使用壽命。

綜上所述，雖然目前關(guān)于制動(dòng)能量回收的研究已取得豐碩的成果，但多數(shù)只考慮了駕駛員、工況或電機(jī)效率等單一因素，未考慮多因素耦合的影響，制動(dòng)能量回收的效果未達(dá)最佳，因此，研究多因素耦合影響下的制動(dòng)能量回收方法十分必要。

本文首先利用實(shí)驗(yàn)平臺(tái)對(duì)車(chē)速、踏板等信號(hào)進(jìn)行采集，并對(duì)工況和駕駛風(fēng)格特征參數(shù)進(jìn)行計(jì)算；然后考慮工況和駕駛風(fēng)格對(duì)制動(dòng)能量回收的耦合影響，引入工況修正因子α和駕駛風(fēng)格修正因子β對(duì)電機(jī)實(shí)際提供的制動(dòng)力進(jìn)行修正，并通過(guò)正態(tài)分布與t分布的統(tǒng)計(jì)方法確定α和β的變化范圍；進(jìn)一步，建立工況和駕駛風(fēng)格學(xué)習(xí)向量量化(learning vector quantization，LVQ)神經(jīng)網(wǎng)絡(luò)，并根據(jù)工況和駕駛風(fēng)格的識(shí)別結(jié)果建立制動(dòng)能量回收策略；最后，建立車(chē)輛仿真模型，針對(duì)不同工況對(duì)本文所制定的能量回收策略的有效性進(jìn)行對(duì)比驗(yàn)證。

1 工況和駕駛風(fēng)格數(shù)據(jù)采集

本文通過(guò)駕駛員在環(huán)實(shí)驗(yàn)獲取工況和駕駛風(fēng)格的數(shù)據(jù)。模擬駕駛實(shí)驗(yàn)平臺(tái)如圖1所示，實(shí)時(shí)采集制動(dòng)、油門(mén)踏板和車(chē)速數(shù)據(jù)。

圖1 駕駛員在環(huán)實(shí)驗(yàn)平臺(tái)Fig.1 Driver-in-loop experiment platform

實(shí)驗(yàn)選取城市循環(huán)道路工況，道路的擁堵情況通過(guò)模擬平臺(tái)的3D Instructor 2軟件進(jìn)行設(shè)置，分別設(shè)置暢通工況(Straightway)、中速工況(Med-Speed)、低速工況(Low-Speed)和擁堵工況(Congestion)四種，在這四種工況下對(duì)44位駕駛員進(jìn)行駕駛員在環(huán)實(shí)驗(yàn)，在進(jìn)行實(shí)驗(yàn)之前已對(duì)該44位駕駛員的日常駕駛行為數(shù)據(jù)進(jìn)行采集和分析，根據(jù)參與實(shí)驗(yàn)的44位駕駛員平時(shí)的駕駛特點(diǎn)將其分為謹(jǐn)慎型(Calm)、穩(wěn)健型(Normal)和激進(jìn)型(Aggressive)三組(其中，謹(jǐn)慎型14名，穩(wěn)健型20名，激進(jìn)型10名)，分別采集加速踏板行程、制動(dòng)踏板行程和車(chē)速等數(shù)據(jù)，共采集有效數(shù)據(jù)176組。

為表征不同擁堵工況類(lèi)型，本文選取了12個(gè)特征參數(shù)，經(jīng)過(guò)分析計(jì)算，獲得每組數(shù)據(jù)工況特征參數(shù)值，如表1所示。

表1 工況特征參數(shù)

同一類(lèi)駕駛風(fēng)格在不同工況下會(huì)表現(xiàn)出不同特征，為此，需要對(duì)不同工況下的駕駛風(fēng)格特征參數(shù)進(jìn)行分析。事先分組的駕駛員在四種不同工況下進(jìn)行在環(huán)實(shí)驗(yàn)，選取17個(gè)特征參數(shù)來(lái)表征駕駛風(fēng)格，經(jīng)過(guò)分析計(jì)算獲得不同工況下不同駕駛風(fēng)格的特征參數(shù)取值，如表2所示。

表2 駕駛風(fēng)格特征參數(shù)

2 最大再生制動(dòng)力修正因子

當(dāng)電機(jī)參與車(chē)輛制動(dòng)時(shí)，為了保證車(chē)輛制動(dòng)時(shí)的穩(wěn)定性，需要限制電機(jī)實(shí)際提供的制動(dòng)力，因此，本文考慮工況和駕駛風(fēng)格對(duì)車(chē)輛制動(dòng)穩(wěn)定性的影響，將不同工況下電機(jī)實(shí)際提供的最大制動(dòng)力與電機(jī)所能提供的最大制動(dòng)力的比值定義為工況修正因子α，計(jì)算公式為

(1)

式中,Fmax，c為對(duì)應(yīng)工況下實(shí)際最大制動(dòng)力；Fmax為電機(jī)能夠提供的最大制動(dòng)力。

將不同駕駛風(fēng)格下實(shí)際最大制動(dòng)力與對(duì)應(yīng)工況下實(shí)際制動(dòng)力算術(shù)平均值的比值定義為駕駛風(fēng)格修正因子βij(i=1,2,3,4;j=1,2,3)，下標(biāo)i分別表示擁堵工況、低速工況、中速工況以及暢通工況，下標(biāo)j分別表示謹(jǐn)慎型、穩(wěn)健型、激進(jìn)型駕駛風(fēng)格。駕駛風(fēng)格修正因子β的計(jì)算公式為

(2)

Fc=(Fmax+Fmin)/2

(3)

式中,Fc為對(duì)應(yīng)工況下實(shí)際制動(dòng)力的算術(shù)平均值；Fmin為對(duì)應(yīng)工況下實(shí)際制動(dòng)力的最小值；Fmax,lim為根據(jù)工況和駕駛風(fēng)格修正后的實(shí)際最大制動(dòng)力。

2.1 工況修正因子

平均速度能夠在一定程度上反映工況的擁堵程度，如擁堵程度相對(duì)較高的工況則平均速度相對(duì)較小，因此，本文通過(guò)統(tǒng)計(jì)四種工況平均速度的區(qū)間來(lái)確定工況修正因子α的范圍。由于四種工況的數(shù)據(jù)量較大，且對(duì)數(shù)據(jù)進(jìn)行KS檢驗(yàn)后發(fā)現(xiàn)滿足正態(tài)分布規(guī)律，因此使用正態(tài)分布的統(tǒng)計(jì)方法對(duì)平均速度進(jìn)行分析，進(jìn)而通過(guò)標(biāo)準(zhǔn)化方法確定工況修正因子α的范圍。擁堵程度越高的工況越應(yīng)注重其制動(dòng)穩(wěn)定性，故其實(shí)際最大制動(dòng)力應(yīng)越小。因此，標(biāo)準(zhǔn)化原則為：工況的擁堵程度越高，則α的取值越小，在本文中越接近0。具體步驟如圖2所示。

圖2 工況修正因子確定步驟Fig.2 Calculation procedure of the driving cyclecorrection factors

根據(jù)圖2所示步驟，四種工況下工況修正因子的范圍為：0<α1<0.22，0.22<α2<0.57，0.57<α3<0.68，0.68<α4<1。其中，αi(i=1,2,3,4)分別表示擁堵工況、低速工況、中速工況以及暢通工況的修正因子。

2.2 駕駛風(fēng)格修正因子

就同一種工況而言，駕駛風(fēng)格越激進(jìn)的駕駛員駕駛車(chē)輛時(shí)，一個(gè)駕駛循環(huán)的制動(dòng)踏板行程的平均值就越大，因此，駕駛風(fēng)格修正因子可以通過(guò)對(duì)制動(dòng)踏板行程平均值的統(tǒng)計(jì)來(lái)確定。由t分布的性質(zhì)可知：對(duì)少量符合正態(tài)分布規(guī)律的樣本可以考慮采用t分布的統(tǒng)計(jì)方法進(jìn)行統(tǒng)計(jì)[16]。因此，本文首先采用t分布對(duì)制動(dòng)踏板行程平均值的數(shù)據(jù)進(jìn)行分析，進(jìn)而通過(guò)標(biāo)準(zhǔn)化方法分別確定每種工況下三種駕駛風(fēng)格修正因子β的范圍。駕駛風(fēng)格越激進(jìn)，越應(yīng)注重其制動(dòng)時(shí)的制動(dòng)穩(wěn)定性，其電機(jī)實(shí)際參與的最大制動(dòng)力應(yīng)越小。因此，標(biāo)準(zhǔn)化原則為：駕駛風(fēng)格的激進(jìn)程度越高，則β的取值越小，在本文中越接近0。具體步驟如圖3所示。

圖3 駕駛風(fēng)格修正因子確定步驟Fig.3 Calculation procedure of the driving stylecorrection factors

根據(jù)圖3所示步驟得到12種駕駛風(fēng)格修正因子范圍：0<β13<0.39，0.39<β12<0.74，0.74<β11<1；0<β23<0.4，0.4<β22<0.64，0.64<β21<1；0<β33<0.4，0.4<β32<0.64，0.64<β31<1；0<β43<0.48，0.48<β42<0.71，0.71<β41<1。βij中的i(i=1,2,3,4)分別對(duì)應(yīng)四種工況，j(j=1,2,3)分別對(duì)應(yīng)三種駕駛風(fēng)格。

3 制動(dòng)能量回收策略制定

3.1 工況和駕駛風(fēng)格識(shí)別LVQ神經(jīng)網(wǎng)絡(luò)

圖4 LVQ神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 LVQ neural network structure

本文取vm、vmax、am+、amax+、amax-、Pa、Pi工況特征參數(shù)數(shù)據(jù)作為訓(xùn)練工況LVQ神經(jīng)網(wǎng)絡(luò)的輸入；針對(duì)每種工況，取駕駛風(fēng)格特征參數(shù)pAvm+、pAvm-、pBm、pBvm+、pBvm-作為訓(xùn)練駕駛風(fēng)格LVQ神經(jīng)網(wǎng)絡(luò)的輸入。以50 s為識(shí)別周期，首先對(duì)工況進(jìn)行識(shí)別，然后在當(dāng)前識(shí)別工況類(lèi)型下，利用駕駛風(fēng)格LVQ神經(jīng)網(wǎng)絡(luò)識(shí)別模型對(duì)駕駛風(fēng)格進(jìn)行識(shí)別。將識(shí)別結(jié)果傳遞給制動(dòng)能量回收策略模型，匹配對(duì)應(yīng)的制動(dòng)能量回收策略。

3.2 考慮工況和駕駛風(fēng)格耦合影響的制動(dòng)能量回收策略

復(fù)合制動(dòng)過(guò)程，即有再生制動(dòng)力參與時(shí)，應(yīng)綜合考慮車(chē)輛的制動(dòng)穩(wěn)定性和能量回收效率[18]。不同的工況和駕駛風(fēng)格對(duì)制動(dòng)穩(wěn)定性和能量回收效率有很大影響。由于相同的駕駛風(fēng)格在不同工況下所表現(xiàn)出的特征參數(shù)有很大不同，如同一組駕駛風(fēng)格特征參數(shù)在擁堵工況下表現(xiàn)的是穩(wěn)健型駕駛風(fēng)格，而在不需要頻繁松踩踏板的暢通工況下表現(xiàn)的可能是激進(jìn)型駕駛風(fēng)格，所以，在識(shí)別駕駛風(fēng)格時(shí)，需根據(jù)不同工況下的駕駛風(fēng)格特征參數(shù)進(jìn)行識(shí)別。因此，本文建立了四種工況下不同駕駛風(fēng)格的識(shí)別模型，制定了基于工況和駕駛風(fēng)格耦合影響的制動(dòng)能量回收策略，如圖5所示。

圖5 制動(dòng)能量回收策略流程圖Fig.5 Flow chart of braking energy recovery strategy

當(dāng)車(chē)輛制動(dòng)時(shí)，控制系統(tǒng)根據(jù)實(shí)時(shí)電池荷電狀態(tài)(SOC)信號(hào)以及制動(dòng)強(qiáng)度信號(hào)判斷是否需要再生制動(dòng)力參與，將汽車(chē)的制動(dòng)模式分為純機(jī)械制動(dòng)模式和復(fù)合制動(dòng)模式。

(1)純機(jī)械制動(dòng)模式。制動(dòng)過(guò)程中，若SOC值SSOC≤0.2或SSOC≥0.8或制動(dòng)強(qiáng)度z≥0.7時(shí)，則所需制動(dòng)力全部由機(jī)械制動(dòng)力提供。

(2)復(fù)合制動(dòng)模式。若0.2≤SSOC≤0.8且制動(dòng)強(qiáng)度z<0.7，則制動(dòng)力由再生制動(dòng)力和機(jī)械制動(dòng)力共同提供。

本文按工況和駕駛風(fēng)格識(shí)別結(jié)果將復(fù)合制動(dòng)模式分為暢通工況謹(jǐn)慎型制動(dòng)模式、暢通工況穩(wěn)健型制動(dòng)模式、暢通工況激進(jìn)型制動(dòng)模式、中速工況謹(jǐn)慎型制動(dòng)模式、中速工況穩(wěn)健型制動(dòng)模式、中速工況激進(jìn)型制動(dòng)模式、低速工況謹(jǐn)慎型制動(dòng)模式、低速工況穩(wěn)健型制動(dòng)模式、低速工況激進(jìn)型制動(dòng)模式、擁堵工況謹(jǐn)慎型制動(dòng)模式、擁堵工況穩(wěn)健型制動(dòng)模式和擁堵工況激進(jìn)型制動(dòng)模式共12種制動(dòng)模式。

當(dāng)車(chē)輛處于復(fù)合制動(dòng)模式時(shí)，前后軸制動(dòng)力的分配如圖6所示，其中A點(diǎn)表示依據(jù)工況和駕駛風(fēng)格修正后實(shí)際最大制動(dòng)力。再生制動(dòng)控制模塊接收工況和駕駛風(fēng)格的識(shí)別結(jié)果，根據(jù)識(shí)別結(jié)果修正實(shí)際最大制動(dòng)力：

Fmax,lim=Fmaxαβ

(4)

圖6 復(fù)合制動(dòng)時(shí)前后軸制動(dòng)力分配Fig.6 Braking force distribution curve of front andrear axles during compound braking

當(dāng)車(chē)輛處于圖6中的制動(dòng)階段1時(shí)，制動(dòng)所需的全部制動(dòng)力小于修正后電機(jī)實(shí)際提供的最大制動(dòng)力，此階段前后軸制動(dòng)力的分配為

(5)

式中,Fbf為前軸制動(dòng)力；Fbr為后軸制動(dòng)力。

當(dāng)車(chē)輛處于圖6中的制動(dòng)階段2時(shí)，修正后的電機(jī)實(shí)際提供的最大制動(dòng)力不能滿足制動(dòng)所需的全部制動(dòng)力，則不足的制動(dòng)力由機(jī)械制動(dòng)力補(bǔ)充，此階段前后軸制動(dòng)力按固定比例分配：

(6)

(7)

式中,Fbfh為前軸機(jī)械制動(dòng)力；Fbrh為后軸機(jī)械制動(dòng)力；γ為前軸制動(dòng)力占總制動(dòng)力的比例。

4 制動(dòng)能量回收仿真試驗(yàn)研究

4.1 車(chē)輛仿真模型的搭建

首先在MATLAB/Simulink中建立圖7所示的車(chē)輛仿真模型。其中，Acc_cmd、Bra_cmd分別表示駕駛員模型(Fuzzy PID Driver)輸出的油門(mén)踏板信號(hào)和制動(dòng)踏板信號(hào)；Cycle、Style表示工況和駕駛風(fēng)格識(shí)別模型(Cycle and Style Recognition)的識(shí)別結(jié)果；結(jié)果傳遞到能量管理策略模型(Energy Management Strategy)，輸出對(duì)離合、電機(jī)和發(fā)動(dòng)機(jī)的控制信號(hào)。整車(chē)參數(shù)如表3所示。

圖7 整車(chē)仿真模型Fig.7 Vehicle simulation model

表3 車(chē)輛模型主要參數(shù)

4.2 工況和駕駛風(fēng)格識(shí)別模型

工況識(shí)別模型接收來(lái)自車(chē)輛運(yùn)動(dòng)學(xué)模型傳來(lái)的實(shí)時(shí)車(chē)速信號(hào)，駕駛風(fēng)格識(shí)別模型接收來(lái)自駕駛員模型輸出的油門(mén)踏板和制動(dòng)踏板信號(hào)，經(jīng)過(guò)計(jì)算得到工況和駕駛風(fēng)格識(shí)別所需的輸入?yún)?shù)后，判斷仿真時(shí)間是否是50 s的整數(shù)倍，如果是則進(jìn)行工況識(shí)別，輸出的識(shí)別結(jié)果作為工況修正因子的確定依據(jù)。由于不同工況下駕駛風(fēng)格的識(shí)別參數(shù)不同，因此，在對(duì)駕駛風(fēng)格進(jìn)行識(shí)別時(shí)需要根據(jù)工況識(shí)別結(jié)果選擇對(duì)應(yīng)工況下的駕駛風(fēng)格LVQ神經(jīng)網(wǎng)絡(luò)識(shí)別參數(shù)進(jìn)行識(shí)別，并輸出駕駛風(fēng)格的識(shí)別結(jié)果作為駕駛風(fēng)格修正因子確定的依據(jù)。識(shí)別流程見(jiàn)圖8。

圖8 LVQ神經(jīng)網(wǎng)絡(luò)識(shí)別工況和駕駛風(fēng)格的流程Fig.8 Steps to identify driving cycle and driving styleby LVQ neural network

4.3 仿真結(jié)果對(duì)比分析

為驗(yàn)證本文提出的制動(dòng)能量回收策略的有效性，以實(shí)驗(yàn)數(shù)據(jù)合成的隨機(jī)工況、UDDS工況以及NEDC工況作為仿真工況，以車(chē)速跟蹤、電池SOC變化和再生制動(dòng)力參與等情況作為評(píng)價(jià)指標(biāo)，將本文所提出的能量回收策略與固定比例的制動(dòng)能量回收策略和基于車(chē)速和制動(dòng)強(qiáng)度的制動(dòng)能量回收策略進(jìn)行對(duì)比。

仿真時(shí)，工況修正因子和駕駛風(fēng)格修正因子取值如下：α1=0.21，α2=0.39，α3=0.63，α4=0.69；β13=0.38，β12=0.57，β11=0.75；β23=0.39，β22=0.52，β21=0.65；β33=0.39，β32=0.52，β31=0.65；β43=0.47，β42=0.59，β41=0.72。將電池SOC的初始值分別設(shè)置為80%和30%，對(duì)電量消耗模式(CD)和電量維持模式(CS)分別進(jìn)行仿真分析。

4.3.1工況和駕駛風(fēng)格識(shí)別結(jié)果分析

圖9為在給定的隨機(jī)工況、UDDS及NEDC工況下車(chē)速跟蹤曲線。從整體上看，本文的車(chē)輛模型在三組工況下均能較準(zhǔn)確地跟蹤目標(biāo)車(chē)速。

(a)隨機(jī)工況

圖10所示為三種工況下工況和駕駛風(fēng)格的識(shí)別結(jié)果。其中，工況類(lèi)型中的1、2、3、4分別表示擁堵工況、低速工況、中速工況和暢通工況，駕駛風(fēng)格中的1、2、3分別表示謹(jǐn)慎型、穩(wěn)健型和激進(jìn)型。從識(shí)別結(jié)果可以看出，三種工況的工況類(lèi)型識(shí)別結(jié)果大多處于中速工況和暢通工況；隨機(jī)工況和NEDC工況的駕駛風(fēng)格識(shí)別結(jié)果大多處于謹(jǐn)慎型，UDDS工況識(shí)別結(jié)果大多處于謹(jǐn)慎型和激進(jìn)型，三種實(shí)驗(yàn)工況的工況類(lèi)型和駕駛風(fēng)格都是多變的。

(a)隨機(jī)工況

4.3.2電池SOC對(duì)比分析

圖11為電量消耗(CD)模式下電池SOC變化對(duì)比曲線，可以看出，在所給定的三種工況下，本文提出的能量回收策略在能量回收效果方面具有明顯的優(yōu)越性。相對(duì)于本文所提出的策略，在暢通工況謹(jǐn)慎駕駛風(fēng)格的情況下，固定比例的制動(dòng)能量回收策略會(huì)導(dǎo)致電機(jī)過(guò)早地退出制動(dòng)能量回收，無(wú)法完全發(fā)揮其回收能量的優(yōu)勢(shì)。結(jié)合圖11和表4可以看出，效果最顯著的是UDDS工況，而NEDC工況只在最后階段能量回收效果較明顯，主要原因是之前所有制動(dòng)都相對(duì)平緩，低速工況穩(wěn)健型制動(dòng)模式下電機(jī)提供的制動(dòng)力能夠滿足制動(dòng)需求，最后一段制動(dòng)則滿足不了，本文制動(dòng)策略的優(yōu)勢(shì)才展現(xiàn)出來(lái)。而相較于采用基于車(chē)速和制動(dòng)強(qiáng)度的制動(dòng)能量回收策略，本文策略在UDDS工況下的能量回收效果仍舊顯著。

(a)隨機(jī)工況

表4 CD模式下電量消耗情況對(duì)比

圖12給出了電量保持(CS)模式下SOC曲線和油耗曲線。結(jié)合圖12和表5可以看出，在電量保持模式下，本文提出的制動(dòng)能量回收策略相比固定比例的制動(dòng)能量回收策略具有明顯的優(yōu)勢(shì)。在隨機(jī)工況和UDDS工況下節(jié)油效果非常明顯，雖然在NEDC工況下的表現(xiàn)和固定比例制動(dòng)能量回收策略油耗相同，但是電池SOC卻增加了。相較于采用基于車(chē)速和制動(dòng)強(qiáng)度的制動(dòng)能量回收策略，本文策略的節(jié)油效果顯著?？傮w來(lái)說(shuō)，在電量保持和電量消耗模式下，本文提出的制動(dòng)能量回收策略相對(duì)于固定比例和基于車(chē)速和制動(dòng)強(qiáng)度的制動(dòng)能量回收策略具有明顯的優(yōu)勢(shì)，能充分發(fā)揮出混合動(dòng)力汽車(chē)的節(jié)能特性。

(a)隨機(jī)工況

表5 CS模式下電耗和油耗對(duì)比

4.3.3再生制動(dòng)力矩對(duì)比分析

三種工況下再生制動(dòng)力矩對(duì)比如圖13所示，相比于固定比例的制動(dòng)能量回收策略，在隨機(jī)工況和UDDS工況下，本文策略下的再生制動(dòng)力所占的比例遠(yuǎn)高于固定比例的制動(dòng)能量回收策略，這是兩種工況下能量回收效果顯著的主要原因。而在NEDC工況中，兩種策略的再生制動(dòng)比例相差不大，更能進(jìn)一步解釋在NEDC工況下，本文制動(dòng)能量回收效果不顯著的問(wèn)題。此外，本文策略在UDDS工況下的再生制動(dòng)力所占的比例遠(yuǎn)高于基于車(chē)速和制動(dòng)穩(wěn)定性的制動(dòng)能量回收策略。

(a)隨機(jī)工況

5 結(jié)論

(1)針對(duì)混合動(dòng)力汽車(chē)制動(dòng)能量回收的制動(dòng)安全及能量回收效率等問(wèn)題，提出了考慮工況和駕駛風(fēng)格耦合影響的混合動(dòng)力汽車(chē)制動(dòng)能量回收策略。通過(guò)引入工況修正因子與駕駛風(fēng)格修正因子，降低了電機(jī)再生制動(dòng)力在擁堵工況、激進(jìn)型駕駛風(fēng)格下的參與程度，提高了電機(jī)再生制動(dòng)力在暢通工況、謹(jǐn)慎型駕駛風(fēng)格下的參與程度,從而在保證制動(dòng)穩(wěn)定性的同時(shí)，提高了混合動(dòng)力汽車(chē)的能量回收效率。

(2)搭建了混合動(dòng)力汽車(chē)仿真模型，并對(duì)提出的策略與固定比例制動(dòng)能量回收策略及基于車(chē)速和制動(dòng)強(qiáng)度的制動(dòng)能量回收策略進(jìn)行仿真對(duì)比分析，驗(yàn)證了提出的再生制動(dòng)力控制策略的優(yōu)越性。對(duì)于給定的隨機(jī)工況和UDDS工況，本文提出的制動(dòng)能量回收策略相對(duì)于固定比例的制動(dòng)能量回收策略，在制動(dòng)穩(wěn)定性和能量回收效果方面有更好的表現(xiàn)，且能量回收效率有了顯著的提高，能夠有效地提高混合動(dòng)力汽車(chē)的行駛里程；對(duì)于NEDC工況，本策略所展現(xiàn)出來(lái)的能量回收效果有限，但不影響其參考價(jià)值。而相對(duì)于基于車(chē)速和制動(dòng)強(qiáng)度的制動(dòng)能量回收策略，本文所提出的制動(dòng)能量回收策略同樣具有優(yōu)越性。