CN105034817A - 一种基于多约束条件下的电动汽车再生制动控制方法 - Google Patents

一种基于多约束条件下的电动汽车再生制动控制方法 Download PDF

Info

Publication number
CN105034817A
CN105034817A CN201510437923.8A CN201510437923A CN105034817A CN 105034817 A CN105034817 A CN 105034817A CN 201510437923 A CN201510437923 A CN 201510437923A CN 105034817 A CN105034817 A CN 105034817A
Authority
CN
China
Prior art keywords
braking force
regenerative braking
wheel
battery
regenerative
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510437923.8A
Other languages
English (en)
Other versions
CN105034817B (zh
Inventor
郑宏
李方方
杨园园
魏旻
曹继申
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201510437923.8A priority Critical patent/CN105034817B/zh
Publication of CN105034817A publication Critical patent/CN105034817A/zh
Application granted granted Critical
Publication of CN105034817B publication Critical patent/CN105034817B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种基于多约束条件下的电动汽车再生制动控制方法,先根据电池的荷电状态SOC估算出电池的最佳充电电流,通过电流控制算法,使电池实际充电电流接近电池的最大充电电流曲线,再根据最大充电电流计算出最大再生制动力,提高了充电效率;其次,根据制动强度的大小将再生制动分为三个等级,分析了ECE法规对力矩分配的约束条件,在ECE法规的基础下,结合制动力强度和地面附着力系数对分配策略的影响,对再生制动力进行分配,确保了制动的安全性,降低了力矩分配、电池SOC以及电池充电等因素对制动过程的影响,从而很大程度提高了能量回收效率。

Description

一种基于多约束条件下的电动汽车再生制动控制方法
技术领域
本发明属于电动汽车技术领域,更为具体地讲,涉及一种基于多约束条件下的电动汽车再生制动控制方法。
背景技术
随着能源问题已经成为全世界的关注焦点,传统的燃料汽车逐渐被电动汽车替代,各国政府都出台了相关政策对纯电动汽车进行了支持。而影响纯电动汽车的发展的核心问题之一就是如何使其一次充电能跑更远的距离,所以再生制动控制策略就显得尤其重要。
在现有技术中,再生制动控制策略有:采用基于目标滑移率的再生制动控制方法,在控制过程中,根据车辆滑移率不同采取不同的控制策略,这样能够提高车辆的制动舒适性;结合模糊控制算法的控制方法,在前后轮之间进行力矩的动态分配,有效的缩短了制动过程,制动能量回收率明显改善;基于ECE法规的控制方法,该方法由再生制动的系统特性来进行复合制动,既保障了制动的安全性,又提高了能量回收的效率。
但是,以上现有的方法都未考虑到再生制动中的一个重要的对象——电池。电池作为储能器件,对其充电的过程也需要进行严格的控制,不然轻则使其寿命缩短,重则威胁其安全。因此,本发明考虑了多约束条件下,针对电池的温度、充电倍率、SOC的不同情况,分别采用了适当制动策略。这样在保证安全的前提之下,即有较高的能量回收率,又保证了电池的安全使用。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于多约束条件下的电动汽车再生制动控制方法,在保证制动安全和稳定的情况下,有效提高了能量回收效率。
为实现上述发明目的,本发明一种基于多约束条件下的电动汽车再生制动控制方法,其特征在于,包括以下步骤:
(1)、根据电池充电电流计算再生制动力
(1.1)、估算电动汽车电池的荷电状态SOC
(1.1.1)、通过对锂离子电池进行训练,得到温度和充电倍率对电池SOC的影响因子ηT、ηi
(1.1.2)、结合温度和充电倍率影响因子ηT、ηi,采用自适应卡尔曼滤波的方估算出电池的荷电状态SOC;
(1.2)、根据马斯曲线得到电池最大充电电流与荷电状态SOC的关系式,如下:
Ic=αQn(1-SOCt)(1)
其中,Ic为电池最大充电电流;α为充电电流的充电接受比,又称固有接受比;Qn为电池标称容量;SOCt为t时刻的SOC值;
(1.3)、计算电动汽车允许的最大再生制动力
(1.3.1)、输入电动汽车机械传动系统的瞬时功率P1
P1=Frev(2)
其中,Fre表示再生制动力;v表示电动汽车车速;
(1.3.2)、输入的发电机瞬时功率P2
P2=K1P1(3)
其中,K1为机械传动效率;
(1.3.3)、输入蓄电池的瞬时功率P3
P3=K2P2=K2K1P1(4)
其中,K2为发电机发电效率;
(1.3.4)、回收能量功率P4
P4=K3P3=K3K2K1P1(5)
其中,K3为电池的充电效率;
(1.3.5)、根据当前刻电池的最大可接受电流Ic,结合式(2)~(5)得最
大可接受再生制动力:
Fre_c=P1/v=P4/K1K2K3v=UIc/K1K2K3v(6)
其中,U表示电池端电压;
(2)、多约束条件下的再生制动控制策略
在基于ECE法规下,结合制动强度z,将电机再生制动力在电动汽车上
进行分配,具体分配如下:
(2.1)、当制动强度z为轻度制动时,即z≤zlight,则电动汽车总制动力全部由前轮制动力承担:
(2.1.1)、当前轮的实际总制动力小于或等于最大可接受再生制动力Fre_c时,前轮制动力完全由再生制动力来提供:
F r e = m g z F f _ f = 0 F r = 0 - - - ( 7 )
其中,Ff_f表示前轮总制动力,Fre表示再生制动力等效于前轮制动力,Fr表示后轮制动力,g表示重力加速度,m表示电动汽车总质量;
(2.1.2)、当前轮的实际总制动力大于最大可接受再生制动力Fre_c时,前轮制动力由机械摩擦力和再生制动力共同来提供,且应保证再生制动力为最大可接受值:
F r e = F r e _ c F f = m g z - F r e F r = 0 - - - ( 8 )
(2.2)、当制动强度z为中度制动时,则电动汽车总制动力由前、后轮制动力共同承担,其中,将中度制动分为zmid1~zmid3三阶段,即:
(2.2.1)、当zlight<z≤zmid1时:
(a)、当前轮的实际总制动力小于或等于最大可接受再生制动力Fre_c时,前轮制动力完全由再生制动力来提供:
F r e = k 1 m g F f _ f = 0 F r = m g z - F r e - - - ( 9 )
其中,k1为常数;
(b)、当前轮的实际总制动力大于最大可接受再生制动力Fre_c时,前轮制动力由机械摩擦力和再生制动力共同来提供,且应保证再生制动力为最大可接受值:
{ F r e = F r e _ c F f _ f = k 1 m g - F r e F r = m g z - F f _ f - F r e - - - ( 10 )
(2.2.2)、当zmid1<z≤zmid2时:
(a)、当前轮的实际总制动力小于或等于最大可接受再生制动力Fre_c时,前轮制动力完全由再生制动力来提供:
F r e = k 2 m g z F f _ f = 0 F r = m g z - F r e - - - ( 11 )
其中,k2为常数;
(b)、当前轮的实际总制动力大于最大可接受再生制动力Fre_c时,前轮制动力由机械摩擦力和再生制动力共同来提供,且应保证再生制动力为最大可接受值:
{ F r e = F r e _ c F f _ f = k 2 m g z - F r e F r = m g z - F f _ f - F r e - - - ( 12 )
(2.2.3)、当zmid2<z≤zmid3时,前轮及后轮的总制动力分配为:
(a)、当前轮的实际总制动力小于或等于最大可接受再生制动力Fre_c时,前轮制动力完全由再生制动力来提供:
{ F r e = m g z ( b + z ) h g L F f _ f = 0 F r = L - k 3 h g k 3 h g ( F f _ f + F r e ) - m g b h g - - - ( 13 )
其中,k3为常数,L表示轴距,b表示质心距后轴距离,hg表示质心高;
(b)、当前轮的实际总制动力大于最大可接受再生制动力Fre_c时,前轮制动力由机械摩擦力和再生制动力共同来提供,且应保证再生制动力为最大可接受值:
{ F r e = F r e _ c F f _ f = m g z ( b + z ) h g L - F r e F r = L - k 3 h g k 3 h g ( F f _ f + F r e ) - m g b h g - - - ( 14 )
(2.3)、当制动强度z为重度制动时,则不考虑再生制动,电动汽车总制动力由前、后轮制动力共同承担,其中,将重度制动以zhigh为临界点,分阶段为:
(2.3.1)、当zmid3<z≤zhigh时,前轮及后轮的总制动力分配为:
F r e = 0 F f _ f = k 4 m g z F r = m g z - F f _ f - - - ( 15 )
其中,k4为常数;
(2.3.2)、当z>zhigh时,前轮及后轮的总制动力分配为:
F r e = 0 F f _ f = m g z ( b + zh g ) L F r = m g z - F f _ f . - - - ( 16 )
本发明的发明目的是这样实现的:
本发明基于多约束条件下的电动汽车再生制动控制方法,先根据电池的荷电状态SOC估算出电池的最佳充电电流,通过电流控制算法,使电池实际充电电流接近电池的最大充电电流曲线,再根据最大充电电流计算出最大再生制动力,提高了充电效率;其次,根据制动强度的大小将再生制动分为三个等级,分析了ECE法规对力矩分配的约束条件,在ECE法规的基础下,结合制动力强度和地面附着力系数对分配策略的影响,对再生制动力进行分配,确保了制动的安全性,降低了力矩分配、电池SOC以及电池充电等因素对制动过程的影响,从而很大程度提高了能量回收效率。
同时,本发明基于多约束条件下的电动汽车再生制动控制方法还具有以下有益效果:
(1)、本发明结合了力矩分配策略与最佳充电电流控制策略,在尽可能多的产生能量的情况下,更安全的为电池充电;
(2)、本发明是基于汽车的ECE法规下,结合制动力强度和地面附着力系数对分配策略的影响,在确保安全性的同时,尽可能多的使用前轮制动,以产生更多的制动能量;
(3)、本发明综合考虑了力矩分配,电池SOC、充电电流大小等因素影响,通过advisor的仿真可知,能较大的提高再生制动能量回馈效率。
附图说明
图1是本发明基于多约束条件下的电动汽车再生制动控制方法流程图;
图2是NYCC工况下再生制动控制策略仿真图;
图3是UDDS工况下再生制动控制策略仿真图;
图4是EUDC_LOW工况下再生制动控制策略仿真图;
图5是HWFET工况下再生制动控制策略仿真图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
图1是本发明基于多约束条件下的电动汽车再生制动控制方法流程图。
在本实施例中,本发明基于多约束条件下的电动汽车再生制动控制方法,主要包括:计算再生制动力和基于多约束条件下的再生制动控制两大步骤,下面结合图1对两步骤进行详细说明,具体如下:
S1、根据电池充电电流计算再生制动力
S1.1、估算电动汽车电池的荷电状态SOC
S1.1.1、通过电流传感器采集电池输入端的电流,然后通过温度传感器采集制动系统的温度,通过MATLAB进行拟合训练,得到温度和充电倍率对电池SOC的影响因子ηT、ηi
S1.1.2、结合温度和充电倍率影响因子ηT、ηi,根据实时采集到的温度、电流、电压等参数,采用自适应卡尔曼滤波的方法,估算出电池的荷电状态SOC;
S1.2、根据马斯曲线得到电池最大充电电流与荷电状态SOC的关系式,如下:
Ic=αQn(1-SOCt)(2)
其中,Ic为电池最大充电电流;α为充电电流的充电接受比,又称固有接受比;Qn为电池标称容量;SOCt为t时刻的SOC值;
S1.3、计算电动汽车允许的最大再生制动力
S1.3.1、输入电动汽车机械传动系统的瞬时功率P1
P1=Frev(3)
其中,Fre表示再生制动力;v表示电动汽车车速;
S1.3.2、输入的发电机瞬时功率P2
P2=K1P1(4)
其中,K1为机械传动效率;在本实施例中,K1=0.3;
S1.3.3、输入蓄电池的瞬时功率P3
P3=K2P2=K2K1P1(5)
其中,K2为发电机发电效率;在本实施例中,K2=0.8;
S1.3.4、回收能量功率P4
P4=K3P3=K3K2K1P1(6)
其中,K3为电池的充电效率;在本实施例中,K3=0.88;
S1.3.5、根据当前刻电池的最大可接受电流Ic,结合式(3)~(6)得最大
可接受再生制动力:
Fre_c=P1/v=P4/K1K2K3v=UIc/K1K2K3v(7)
其中,U表示电池端电压;
S2、多约束条件下的再生制动控制策略
首先通过踏板传感器确定是否制动,在制动条件下,将制动强度z划分为:轻度制动z≤zlight(zlight=0.1)、中度制动zlight<z≤zmid(zmid=0.68),重度制动z>zmid;其中,中度制动又划分为:z∈(zlight,zmid1],z∈(zmid1,zmid2],z∈(zmid2,zmid3](zmid1=0.106,zmid2=0.541,zmid3=zmid=0.68);重度制动zhigh又划分为:zmid<z≤zhigh(zhigh=0.8)和z>zhigh两个阶段,在基于ECE法规下,结合上述划分的制动强度范围,将电机再生制动力在电动汽车上进行分配;
S2.1、当制动强度z为轻度制动时,即z≤0.1,则电动汽车总制动力全部由前轮制动力承担:
S2.1.1、当前轮的实际总制动力小于或等于最大可接受再生制动力Fre_c时,前轮制动力完全由再生制动力来提供:
F r e = m g z F f _ f = 0 F r = 0 - - - ( 8 )
其中,Ff_f表示前轮总制动力,Fre表示再生制动力等效于前轮制动力,Fr表示后轮制动力,g表示重力加速度,m表示电动汽车总质量;
S2.1.2、当前轮的实际总制动力大于最大可接受再生制动力Fre_c时,前轮制动力由机械摩擦力和再生制动力共同来提供,且应保证再生制动力为最大可接受值:
{ F r e = F r e _ c F f = m g z - F r e F r = 0 - - - ( 9 )
S2.2、当制动强度z为中度制动时,则电动汽车总制动力由前、后轮制动力共同承担:
S2.2.1、当0.1<z≤0.106时:
(a)、当前轮的实际总制动力小于或等于最大可接受再生制动力Fre_c时,前轮制动力完全由再生制动力来提供:
F r e = 0.1 m g F f _ f = 0 F r = m g z - F r e - - - ( 10 )
(b)、当前轮的实际总制动力大于最大可接受再生制动力Fre_c时,前轮制动力由机械摩擦力和再生制动力共同来提供,且应保证再生制动力为最大可接受值:
F r e = F r e _ c F f _ f = 0.1 m g - F r e F r = m g z - F f _ f - F r e - - - ( 11 )
S2.2.2、当0.106<z≤0.541时:
(a)、当前轮的实际总制动力小于或等于最大可接受再生制动力Fre_c时,前轮制动力完全由再生制动力来提供:
F r e = k 2 m g z F f _ f = 0 F r = m g z - F r e - - - ( 12 )
在本实施例中,对制动强度z还可以进一步划分,其对应的常数k2将出现两个值,具体划分为: k 2 = 0.94 0.106 < z &le; 0.25 0.9 0.25 < z &le; 0.541 ;
(b)、当前轮的实际总制动力大于最大可接受再生制动力Fre_c时,前轮制动力由机械摩擦力和再生制动力共同来提供,且应保证再生制动力为最大可接受值:
{ F r e = F r e _ c F f _ f = k 2 m g z - F r e F r = m g z - F f _ f - F r e - - - ( 13 )
S2.2.3、当0.541<z≤0.68时,前轮及后轮的总制动力分配为:
(a)、当前轮的实际总制动力小于或等于最大可接受再生制动力Fre_c时,前轮制动力完全由再生制动力来提供:
F r e = m g z ( b + z ) h g L F f _ f = 0 F r = L - 0.7 h g 0.7 h g ( F f _ f + F r e ) - m g b h g - - - ( 14 )
其中,L表示轴距,b表示质心距后轴距离,hg表示质心高;
(b)、当前轮的实际总制动力大于最大可接受再生制动力Fre_c时,前轮制动力由机械摩擦力和再生制动力共同来提供,且应保证再生制动力为最大可接受值:
F r e = F r e _ c F f _ f = m g z ( b + z ) h g L - F r e F r = L - 0.7 h g 0.7 h g ( F f _ f + F r e ) - m g b h g - - - ( 15 )
S2.3、当制动强度z为重度制动时,则不考虑再生制动,电动汽车总制动力由前、后轮制动力共同承担;
S2.3.1、当0.68<z≤0.8时,前轮及后轮的总制动力分配为:
F r e = 0 F f _ f = 0.762 m g z F r = m g z - F f _ f - - - ( 16 )
S2.3.2、当z>0.8时,前轮及后轮的总制动力分配为:
F r e = 0 F f _ f = m g z ( b + zh g ) L F r = m g z - F f _ f - - - ( 17 )
实例
在ADVISOR中建立纯电动汽车模型,通过建立实际路况来验证,而实际路况则选择ADVISOR中的4种常见的工况:纽约城市工况NYCC,美国环境保护署EPA制订的城市道路循环工况UDDS,欧洲城市低速工况EUDC_LOW,高速公路工况HWFET。
(1)、纽约城市工况NYCC
如图2所示,图中第一幅图表示NYCC工况下的车速,第二幅图表示该工况下的电池充电电压,第三幅图虚线表示使用本发明所述的再生制动策略后的SOC变化趋势,第三幅图实线表示使用ADVISOR软件里的再生制动策略后的SOC变化趋势。由图中可看出,电池的初始SOC值为0.5,使用本发明所述的再生制动策略后,电池的SOC最终值为0.43;使用ADVISOR软件里的再生制动控制策略后,电池的SOC最终值为0.404。
增加的再生制动效率:
&eta; D = ( 0.5 - 0.404 ) - ( 0.5 - 0.43 ) ( 0.5 - 0.404 ) * 100 % = 27.1 %
(2)、美国环境保护署EPA制订的城市道路循环工况UDDS
如图3所示,图中第一幅图表示NYCC工况下的车速,第二幅图表示该工况下的电池充电电压,第三幅图虚线表示使用本发明所述的再生制动策略的SOC变化趋势,第三幅图实线表示使用ADVISOR软件里的再生制动策略下的SOC变化趋势。由图中可以看出:电池的初始SOC值为0.5,使用本发明所述的再生制动策略后,电池的SOC最终值为0.266;使用ADVISOR软件里的再生制动控制策略后,电池的SOC最终值为0.166。
增加的再生制动效率:
&eta; D = ( 0.5 - 0.166 ) - ( 0.5 - 0.266 ) ( 0.5 - 0.166 ) * 100 % = 29.9 %
(3)、欧洲城市低速工况EUDC_LOW
如图4所示,图中第一幅图表示NYCC工况下的车速,第二幅图表示该工况下的电池充电电压,第三幅图虚线表示使用本发明所述的再生制动策略的SOC变化趋势,第三幅图实线表示使用ADVISOR软件里的再生制动策略下的SOC变化趋势。由仿真图可看出,电池的初始SOC值为0.5,使用本发明所述的再生制动策略后,电池的SOC最终值为0.319;使用ADVISOR软件里的再生制动控制策略后,电池的SOC最终值为0.233。
增加的再生制动回馈效率:
&eta; D = ( 0.5 - 0.233 ) - ( 0.5 - 0.319 ) ( 0.5 - 0.233 ) * 100 % = 32.2 %
(4)、高速公路工况HWFET
如图5所示,图中第一幅图表示NYCC工况下的车速,第二幅图表示该工况下的电池充电电压,第三幅图虚线表示使用本发明所述的再生制动策略的SOC变化趋势,第三幅图实线表示使用ADVISOR软件里的再生制动策略下的SOC变化趋势。由图中可以看出:电池的初始SOC值为0.5,使用本发明所述的再生制动策略后,电池的SOC最终值为0.194;使用ADVISOR软件里的再生制动控制策略后,电池的SOC最终值为0.1。
增加的再生制动回馈效率:
&eta; D = ( 0.5 - 0.1 ) - ( 0.5 - 0.194 ) ( 0.5 - 0.1 ) * 100 % = 23.5 %
本实施例中,由4种工况下的仿真结果可看出,使用本发明多约束条件下的再生制动控制策略,考虑到了多种因素对再生制动的影响,确保了制动的安全性和稳定性,延长了电池的使用寿命,提高了再生制动能量的回收效率。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。

Claims (1)

1.一种基于多约束条件下的电动汽车再生制动控制方法,其特征在于,包括以下步骤:
(1)、根据电池充电电流计算再生制动力
(1.1)、估算电动汽车电池的荷电状态SOC
(1.1.1)、通过对锂离子电池进行训练,得到温度和充电倍率对电池SOC的影响因子ηT、ηi
(1.1.2)、结合温度和充电倍率影响因子ηT、ηi,采用自适应卡尔曼滤波的方估算出电池的荷电状态SOC;
(1.2)、根据马斯曲线得到电池最大充电电流与荷电状态SOC的关系式,如下:
Ic=αQn(1-SOCt)(1)
其中,Ic为电池最大充电电流;α为充电电流的充电接受比,又称固有接受比;Qn为电池标称容量;SOC为t时刻的SOC值;
(1.3)、计算电动汽车允许的最大再生制动力
(1.3.1)、输入电动汽车机械传动系统的瞬时功率P1
P1=Frev(2)
其中,Fre表示再生制动力;v表示电动汽车车速;
(1.3.2)、输入的发电机瞬时功率P2
P2=K1P1(3)
其中,K1为机械传动效率,当车辆的型号固定时,则车辆机械传动效率K1为固定值;
(1.3.3)、输入蓄电池的瞬时功率P3
P3=K2P2=K2K1P1(4)
其中,K2为发电机发电效率;
(1.3.4)、回收能量功率P4
P4=K3P3=K3K2K1P1(5)
其中,K3为电池的充电效率;
(1.3.5)、根据当前刻电池的最大可接受电流Ic,结合式(2)~(5)得最大可接受再生制动力:
Fre_c=P1/v=P4/K1K2K3v=UIc/K1K2K3v(6)
其中,U表示电池端电压;
(2)、多约束条件下的再生制动控制策略
在基于ECE法规下,结合制动强度z,将电机再生制动力在电动汽车上进行分配,具体分配如下:
(2.1)、当制动强度z为轻度制动时,即z≤zlight,则电动汽车总制动力全部由前轮制动力承担:
(2.1.1)、当前轮的实际总制动力小于或等于最大可接受再生制动力Fre_c时,前轮再生制动力完全由再生制动力来提供:
F r e = m g z F f _ f = 0 F r = 0 - - - ( 7 )
其中,Ff_f表示前轮总制动力,Fre表示再生制动力等效于前轮制动力,Fr表示后轮制动力,g表示重力加速度,m表示电动汽车总质量;
(2.1.2)、当前轮的实际总制动力大于最大可接受再生制动力Fre_c时,前轮制动力由机械摩擦力和再生制动力共同来提供,且应保证再生制动力为最大可接受值:
F r e = F r e _ c F f = m g z - F r e F r = 0 - - - ( 8 )
(2.2)、当制动强度z为中度制动时,则电动汽车总制动力由前、后轮制动力共同承担,其中,将中度制动分为zmid1~zmid3三阶段,即:
(2.2.1)、当zlight<z≤zmid1时:
(a)、当前轮的实际总制动力小于和等于最大可接受再生制动力Fre_c时,前轮制动力完全由再生制动力来提供:
F r e = k 1 m g F f _ f = 0 F r = m g z - F r e - - - ( 9 )
其中,k1为常数;
(b)、当前轮的实际总制动力大于最大可接受再生制动力Fre_c时,前轮制动力由机械摩擦力和再生制动力共同来提供,且应保证再生制动力为最大可接受值:
F r e = F r e _ c F f _ f = k 1 m g - F r e F r = m g z - F f _ f - F r e - - - ( 10 )
(2.2.2)、当zmid1<z≤zmid2时:
(a)、当前轮的实际总制动力小于或等于最大可接受再生制动力Fre_c时,前轮制动力完全由再生制动力来提供:
F r e = k 2 m g z F f _ f = 0 F r = m g z - F r e - - - ( 11 )
其中,k2为常数;
(b)、当前轮的实际总制动力大于最大可接受再生制动力Fre_c时,前轮制动力由机械摩擦力和再生制动力共同来提供,且应保证再生制动力为最大可接受值:
F r e = F r e _ c F f _ f = k 2 m g z - F r e F r = m g z - F f _ f F r e - - - ( 12 )
(2.2.3)、当zmid2<z≤zmid3时,前轮及后轮的总制动力分配为:
(a)、当前轮的实际总制动力小于或等于最大可接受再生制动力Fre时,前轮制动力完全由再生制动力来提供:
F r e = m g z ( b + z ) h g L F f _ f = 0 F r = L - k 3 h g k 3 h g ( F f _ f + F r e ) - m g b h g - - - ( 13 )
其中,k3为常数,L表示轴距,b表示质心距后轴距离,hg表示质心高;
(b)、当前轮的实际总制动力大于最大可接受再生制动力Fre_c时,前轮制动力由机械摩擦力和再生制动力共同来提供,且应保证再生制动力为最大可接受值:
F r e = F r e _ c F f _ f = m g z ( b + z ) h g L - F r e F r = L - k 3 h g k 3 h g ( F f _ f + F r e ) - m g b h g - - - ( 14 )
(2.3)、当制动强度z为重度制动时,则不考虑再生制动,电动汽车总制动力由前、后轮制动力共同承担,其中,将重度制动以zhigh为临界点,分阶段为:
(2.3.1)、当zmid3<z≤zhigh时,前轮及后轮的总制动力分配为:
F r e = 0 F f _ f = k 4 m g z F r = m g z - F f _ f - - - ( 15 )
其中,k4为常数;
(2.3.2)、当z>zhigh时,前轮及后轮的总制动力分配为:
F r e = 0 F f _ f = m g z ( b + zh g ) L F r = m g z - F f _ f - - - ( 16 )
CN201510437923.8A 2015-07-23 2015-07-23 一种基于多约束条件下的电动汽车再生制动控制方法 Expired - Fee Related CN105034817B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510437923.8A CN105034817B (zh) 2015-07-23 2015-07-23 一种基于多约束条件下的电动汽车再生制动控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510437923.8A CN105034817B (zh) 2015-07-23 2015-07-23 一种基于多约束条件下的电动汽车再生制动控制方法

Publications (2)

Publication Number Publication Date
CN105034817A true CN105034817A (zh) 2015-11-11
CN105034817B CN105034817B (zh) 2017-03-15

Family

ID=54442008

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510437923.8A Expired - Fee Related CN105034817B (zh) 2015-07-23 2015-07-23 一种基于多约束条件下的电动汽车再生制动控制方法

Country Status (1)

Country Link
CN (1) CN105034817B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105857089A (zh) * 2016-05-25 2016-08-17 清华大学 兼顾回馈制动和耗功制动的车辆控制方法及装置
CN107472251A (zh) * 2017-08-08 2017-12-15 北京长城华冠汽车科技股份有限公司 一种四轮驱动电动汽车滑行控制方法及系统
CN107719132A (zh) * 2017-08-30 2018-02-23 浙江工业大学之江学院 一种电动汽车制动能量回收效率的评价方法
CN107719131A (zh) * 2017-08-30 2018-02-23 浙江工业大学之江学院 一种基于制动时间识别的电动汽车制动力分配方法
CN108081961A (zh) * 2017-11-30 2018-05-29 北京新能源汽车股份有限公司 一种制动能量回收控制方法、装置及电动汽车
CN108621803A (zh) * 2017-03-22 2018-10-09 现代自动车株式会社 用于控制环保车辆的再生制动的服务器和方法
CN109130873A (zh) * 2018-07-24 2019-01-04 浙江亚太机电股份有限公司 一种利用毫米波雷达的电动车能量回收系统及智能电动车
CN109795326A (zh) * 2019-01-28 2019-05-24 汉腾汽车有限公司 氢燃料电池汽车制动能量回收系统及其制动能量回收方法
CN111216559A (zh) * 2020-01-22 2020-06-02 湘潭大学 电动汽车多传感器协同制动能量回收系统与回收方法
CN111251904A (zh) * 2020-03-05 2020-06-09 中国第一汽车股份有限公司 一种电动汽车制动力分配方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009189074A (ja) * 2008-02-01 2009-08-20 Denso Corp 回生制動状態報知装置
CN101979259A (zh) * 2010-09-10 2011-02-23 奇瑞汽车股份有限公司 一种电动车能量回收系统及其控制方法
KR20110073128A (ko) * 2009-12-23 2011-06-29 한국과학기술원 비접촉 자기 유도 충전 방식을 갖는 전기자동차의 양방향 회생제동 제어 방법
JP2011223698A (ja) * 2010-04-07 2011-11-04 Nissan Motor Co Ltd 電動車両の制御装置
CN103818264A (zh) * 2014-02-26 2014-05-28 浙江工业大学之江学院工业研究院 电动汽车再生制动系统及其能量回收方法
CN104477040A (zh) * 2014-11-18 2015-04-01 浙江工业大学之江学院 单能量源电动汽车变电流再生制动控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009189074A (ja) * 2008-02-01 2009-08-20 Denso Corp 回生制動状態報知装置
KR20110073128A (ko) * 2009-12-23 2011-06-29 한국과학기술원 비접촉 자기 유도 충전 방식을 갖는 전기자동차의 양방향 회생제동 제어 방법
JP2011223698A (ja) * 2010-04-07 2011-11-04 Nissan Motor Co Ltd 電動車両の制御装置
CN101979259A (zh) * 2010-09-10 2011-02-23 奇瑞汽车股份有限公司 一种电动车能量回收系统及其控制方法
CN103818264A (zh) * 2014-02-26 2014-05-28 浙江工业大学之江学院工业研究院 电动汽车再生制动系统及其能量回收方法
CN104477040A (zh) * 2014-11-18 2015-04-01 浙江工业大学之江学院 单能量源电动汽车变电流再生制动控制方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105857089B (zh) * 2016-05-25 2018-05-29 清华大学 兼顾回馈制动和耗功制动的车辆控制方法及装置
CN105857089A (zh) * 2016-05-25 2016-08-17 清华大学 兼顾回馈制动和耗功制动的车辆控制方法及装置
CN108621803A (zh) * 2017-03-22 2018-10-09 现代自动车株式会社 用于控制环保车辆的再生制动的服务器和方法
CN107472251A (zh) * 2017-08-08 2017-12-15 北京长城华冠汽车科技股份有限公司 一种四轮驱动电动汽车滑行控制方法及系统
CN107719131A (zh) * 2017-08-30 2018-02-23 浙江工业大学之江学院 一种基于制动时间识别的电动汽车制动力分配方法
CN107719132A (zh) * 2017-08-30 2018-02-23 浙江工业大学之江学院 一种电动汽车制动能量回收效率的评价方法
CN107719131B (zh) * 2017-08-30 2021-01-12 浙江工业大学之江学院 一种基于制动时间识别的电动汽车制动力分配方法
CN108081961A (zh) * 2017-11-30 2018-05-29 北京新能源汽车股份有限公司 一种制动能量回收控制方法、装置及电动汽车
CN108081961B (zh) * 2017-11-30 2019-12-17 北京新能源汽车股份有限公司 一种制动能量回收控制方法、装置及电动汽车
CN109130873A (zh) * 2018-07-24 2019-01-04 浙江亚太机电股份有限公司 一种利用毫米波雷达的电动车能量回收系统及智能电动车
CN109795326A (zh) * 2019-01-28 2019-05-24 汉腾汽车有限公司 氢燃料电池汽车制动能量回收系统及其制动能量回收方法
CN111216559A (zh) * 2020-01-22 2020-06-02 湘潭大学 电动汽车多传感器协同制动能量回收系统与回收方法
CN111216559B (zh) * 2020-01-22 2021-03-26 湘潭大学 电动汽车多传感器协同制动能量回收系统与回收方法
CN111251904A (zh) * 2020-03-05 2020-06-09 中国第一汽车股份有限公司 一种电动汽车制动力分配方法及系统

Also Published As

Publication number Publication date
CN105034817B (zh) 2017-03-15

Similar Documents

Publication Publication Date Title
CN105034817A (zh) 一种基于多约束条件下的电动汽车再生制动控制方法
Heydari et al. Maximizing regenerative braking energy recovery of electric vehicles through dynamic low-speed cutoff point detection
Ma et al. Energy recovery strategy based on ideal braking force distribution for regenerative braking system of a four-wheel drive electric vehicle
Tao et al. A regenerative braking system for electric vehicle with four in-wheel motors based on fuzzy control
Heydari et al. Optimal brake allocation in electric vehicles for maximizing energy harvesting during braking
CN104933264B (zh) 一种电动汽车再生制动分配系数的确定方法
da Silva et al. Dual HESS electric vehicle powertrain design and fuzzy control based on multi-objective optimization to increase driving range and battery life cycle
Biao et al. Regenerative braking control strategy of electric vehicles based on braking stability requirements
CN105644546A (zh) 一种混合动力客车的发动机和驱动电机的发电控制方法
CN105774566B (zh) 一种用于纯电动汽车制动能量回馈控制方法
Lv et al. Regenerative braking control strategy for a hybrid electric vehicle with rear axle electric drive
Heydari et al. Influencing factors in low speed regenerative braking performance of electric vehicles
Heydari et al. Regenerative braking performance of different electric vehicle configurations considering dynamic low speed cutoff point
Sun et al. Study on the control strategy of regenerative braking for the hybrid electric vehicle under typical braking condition
Heydari et al. Optimal blending of regenerative and friction braking at low speeds for maximizing energy extraction in electric vehicles
Ye et al. A fast Q-learning energy management strategy for battery/supercapacitor electric vehicles considering energy saving and battery aging
Zhou et al. Research on fuzzy energy management strategy of parallel hybrid electric vehicle
Mineeshma et al. Component sizing of electric vehicle/hybrid electric vehicle subsystems using backward modelling approach
Phuc et al. Research of Regenerative Braking Strategy for Electric Vehicles
Pan et al. Electro-mechanical braking force distribution strategy for electric vehicle
Wang et al. A research for brake strategy based on fuzzy control in pure electric vehicles
Sehab et al. An online estimation of energy recovery in an electric vehicle using ARTEMIS mission profiles
Chu et al. Investigation of determining of regenerative braking torque based on associated efficiency optimization of electric motor and power battery using GA
Öztürk et al. Research on control strategy and energy consumption for electric vehicles
Kim Comparative Study of Powertrain Loss and Efficiency for the Electric Vehicle and Internal Combustion Engine Vehicle

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170315

Termination date: 20190723