CN111137136B - 一种纯电驱动车辆刹车响应方法及系统 - Google Patents

一种纯电驱动车辆刹车响应方法及系统 Download PDF

Info

Publication number
CN111137136B
CN111137136B CN201911368994.1A CN201911368994A CN111137136B CN 111137136 B CN111137136 B CN 111137136B CN 201911368994 A CN201911368994 A CN 201911368994A CN 111137136 B CN111137136 B CN 111137136B
Authority
CN
China
Prior art keywords
braking
module
braking force
vehicle
demand
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.)
Active
Application number
CN201911368994.1A
Other languages
English (en)
Other versions
CN111137136A (zh
Inventor
窦勇
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.)
Dilu Technology Co Ltd
Original Assignee
Dilu Technology Co Ltd
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 Dilu Technology Co Ltd filed Critical Dilu Technology Co Ltd
Priority to CN201911368994.1A priority Critical patent/CN111137136B/zh
Publication of CN111137136A publication Critical patent/CN111137136A/zh
Application granted granted Critical
Publication of CN111137136B publication Critical patent/CN111137136B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L7/00—Electrodynamic brake systems for vehicles in general
    • B60L7/10—Dynamic electric regenerative braking
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
    • B60T8/17—Using electrical or electronic regulation means to control braking
    • B60T8/1701—Braking or traction control means specially adapted for particular types of vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
    • B60T8/00—Arrangements for adjusting wheel-braking force to meet varying vehicular or ground-surface conditions, e.g. limiting or varying distribution of braking force
    • B60T8/17—Using electrical or electronic regulation means to control braking
    • B60T8/172—Determining control parameters used in the regulation, e.g. by calculations involving measured or detected parameters
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Power Engineering (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Regulating Braking Force (AREA)

Abstract

本发明公开了一种纯电驱动车辆刹车响应方法及系统，包括以下步骤，数据采集模块采集车辆周围的环境数据；场景构建模块建立车辆周围的实际场景；制动力需求计算模块计算出制动力需求；所述制动力需求输入制动需求分解模块中按照电制动最大原则分配制动力并结合执行器的执行效果进行闭环控制；制动策略执行模块响应制动要求并上报过程量完成制动响应。本发明的有益效果：在刹车踏板踩下的时候尽可能使用能量回馈来主导车辆动能的减少，根据车辆的刹车意图，综合电池与驱动系统的系统状态，进行能量回收和机械刹车的动态结合，在满足刹车需求的前提下，尽可能高的提能量回收的比例习。

Description

一种纯电驱动车辆刹车响应方法及系统
技术领域
本发明涉及的技术领域，尤其涉及一种纯电驱动车辆刹车响应方法及基于AI算法的纯电驱动车辆刹车响应系统。
背景技术
新能源汽车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料、采用新型车载动力装置)，综合车辆的动力控制和驱动方面的先进技术，形成的技术原理先进、具有新技术、新结构的汽车。对于纯电动的新能源汽车，电动汽车顾名思义就是主要采用电力驱动的汽车，大部分车辆直接采用电机驱动，有一部分车辆把电动机装在发动机舱内，也有一部分直接以车轮作为四台电动机的转子，其难点在于电力储存技术。
新能源车辆相较于燃油车的一大优势是能够实时的回收车辆动能，能量回收系统使得整车的运行功耗更低。结合AI算法对个体刹车习惯的识别，使得车辆在安全的基础上得到更人性化的调教。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明解决的一个技术问题是：提供一种纯电驱动车辆刹车响应方法，进行能量回收和机械刹车的动态结合，尽可能高的提能量回收的比例。
为解决上述技术问题，本发明提供如下技术方案：一种纯电驱动车辆刹车响应方法，包括以下步骤，数据采集模块采集车辆周围的环境数据；场景构建模块接收所述环境数据建立车辆周围的实际场景；制动力需求计算模块根据所述实际场景和用户实时输入的制动踏板深度信号计算出制动力需求；所述制动力需求输入制动需求分解模块中按照电制动最大原则分配制动力并结合执行器的执行效果进行闭环控制；制动策略执行模块利用车辆的电制动系统和机械刹车系统响应制动要求并上报过程量完成制动响应。
作为本发明所述的纯电驱动车辆刹车响应方法的一种优选方案，其中：所述制动力需求计算模块还包括场景计算模块、实时线性模块和AI算法模块，分别输出建议制动力a1、线下制动力a2和学习制动力a3，结合输出为所述制动力需求a。
作为本发明所述的纯电驱动车辆刹车响应方法的一种优选方案，其中：所述场景计算模块包括以下步骤，根据构建的所述实际场景获取场景下车辆与障碍物距离差；车辆传感器获取当前车速；根据所述车速和距离差值计算刹车需求距离；输出碰撞风险预估s和建议制动力a1。
作为本发明所述的纯电驱动车辆刹车响应方法的一种优选方案，其中：所述实时线性模块包括以下步骤，获取用户实时输入制动踏板行程；线性计算所述线下制动力a2。
作为本发明所述的纯电驱动车辆刹车响应方法的一种优选方案，其中：所述AI算法模块包括以下步骤，获取用户输入的制动踏板深度信号的历史习惯数据；训练AI算法模块；用户实时制动踏板深度信号同时输入所述AI算法模块输出学习制动力a3。
作为本发明所述的纯电驱动车辆刹车响应方法的一种优选方案，其中：定义所述制动力需求a＝s*a1+(1-s)*b*a2+(1-s)*(1-b)a3，其中当A<TBD时，b＝a2/(a2+a3)，否则b＝1；其中A为a2的变化率。
作为本发明所述的纯电驱动车辆刹车响应方法的一种优选方案，其中：所述制动需求分解模块按照如下规则分配电制动和机械制动功率，规则包括，aPower＝e*a*r*s/9550，式中power是直流端需求功率、e传递效率、a制动力需求、r车辆半径以及s当前轮速；bAPower＝Power–BPower，式中APower为机械端刹车功率、BPower为电池端许可充电功率，且APower最小为0；cMPower＝BPower*e。
作为本发明所述的纯电驱动车辆刹车响应方法的一种优选方案，其中：所述制动策略执行模块包括以下执行步骤，下发APower给iboster控制器；下发MPower给逆变器。
作为本发明所述的纯电驱动车辆刹车响应方法的一种优选方案，其中：所述按照电制动最大原则为基于车辆电池系统反馈的允许充电功率和驱动系统中允许的充电功率范围，取最小值作为电制动执行的最大功率限制值，所述最大功率限制值为电制动最大限制。
本发明解决的另一个技术问题是：提供一种基于AI算法的纯电驱动车辆刹车响应系统，进行能量回收和机械刹车的动态结合，尽可能高的提能量回收的比例。
为解决上述技术问题，本发明提供如下技术方案：一种基于AI算法的纯电驱动车辆刹车响应系统，包括数据采集模块、场景构建模块、制动力需求计算模块、制动需求分解模块和制动策略执行模块；所述数据采集模块设置于车身，用于采集车辆周围的环境数据；所述场景构建模块与所述数据采集模块连接，用于建立车辆周围的实际场景；所述制动力需求计算模块均与所述数据采集模块、所述场景构建模块连接，用于计算出制动力需求；所述制动需求分解模块与所述制动力需求计算模块连接，用于将其计算出制动力需求分配制动力；所述制动策略执行模块与车辆制动设备连接，用于下发所述分配制动力至对应制动设备并上报过程量完成制动响应。
本发明的有益效果：本发明在刹车踏板踩下的时候尽可能使用能量回馈来主导车辆动能的减少，根据车辆的刹车意图，综合电池与驱动系统的系统状态，进行能量回收和机械刹车的动态结合，在满足刹车需求的前提下，尽可能高的提能量回收的比例，整车控制在整体策略上同时考虑AI的方式进行个体的刹车习惯的学习。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明第一种实施例所述纯电驱动车辆刹车响应方法的整体流程示意图；
图2为本发明第一种实施例所述自动驾驶的传感器布置的示意图；
图3为本发明第二种实施例所述基于AI算法的纯电驱动车辆刹车响应系统的整体原理结构示意图；
图4为本发明所述不同控制策略下能量回收仿真图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
新能源是为了区别传统的化石能源而产生的概念。新能源汽车目前主要分为纯电动、油电混动、插电混动与燃料电池等几大种类。新能源车随着概念的推广及政策的扶持，已经成为汽车市场中不可小觑的力量。新能源汽车在慢慢走进我们的生活，越来越多的人有机会驾驶到新能源汽车，很多人对新能源车型上的能量回收系统十分好奇，本实施例提出的方法针对纯电驱动的车辆。对于新能源汽车的能量回收系统是起源于F1赛事的一种辅助设备，原理其实很简单，将刹车时本会被白白费掉的能量收集储存起来，在适当的时候再释放出去。新能源车最大的优势，就是用电能代替了传统的内能，对于新能源车，尤其是纯电动车来说，纯电续航里程都是一项重要的性能指标。为了实现更长的续航里程，不少新能源车都选择不断增加车辆电池组的容量，但是一味地增加电池容量并不能完全解决续航问题。因为更大的电池组带来了更重的整备质量，所以车辆电耗也会随之增加。于是为了在提升续航里程的同时降低电耗，几乎所有新能源车都配备了动能回收系统。能量回收系统使得整车的运行功耗更低。本实施例结合AI算法对个体刹车习惯的识别，使得车辆在安全的基础上得到更人性化的调教。
参照图1的示意，为本实施例中提出一种纯电驱动车辆刹车响应方法的整体流程结构示意图，更加具体的，
包括以下步骤：
S1：数据采集模块100采集车辆周围的环境数据；
S2：场景构建模块200接收环境数据建立车辆周围的实际场景；
S3：制动力需求模块300根据实际场景和用户实时输入的制动踏板深度信号计算出制动力需求；
S4：制动力需求输入制动需求分解模块400中按照电制动最大原则分配制动力并结合执行器的执行效果进行闭环控制；按照电制动最大原则为基于车辆电池系统反馈的允许充电功率和驱动系统中允许的充电功率范围，取最小值作为电制动执行的最大功率限制值，最大功率限制值为电制动最大限制。
本步骤中需要说明的是，按照电制动最大原则分配制动力，具体的，1Pe＝MAX(Pc，Pd*效率)其中Pe是允许电制动功率，Pc是电池允许功率，Pd是驱动允许功率，效率是指驱动系统发电的系统效率；根据当前目标减速度和实测减速度，实时调整制动执行器的控制目标值。
S5：制动策略执行模块500利用车辆的电制动系统和机械刹车系统响应制动要求并上报过程量完成制动响应。此处上报过程量是为了在辅助决策模块进行车辆当前载荷状态的实时计算和校准。
进一步的，在S3步骤中制动力需求模块300还包括场景计算模块301、实时线性模块302和AI算法模块303，分别输出建议制动力a1、线下制动力a2和学习制动力a3，结合输出为制动力需求a。本步骤中制动力需求a的最终输出还包括以下过程：
S31：场景计算模块301包括以下步骤：
根据构建的实际场景获取场景下车辆与障碍物距离差；
车辆传感器获取当前车速；
根据车速和距离差值计算刹车需求距离；
输出碰撞风险预估s和建议制动力a1。
S32：实时线性模块302包括以下步骤：
获取用户实时输入制动踏板行程；
线性计算线下制动力a2。
S33：AI算法模块303包括以下步骤：
获取用户输入的制动踏板深度信号的历史习惯数据；
训练AI算法模块303；
用户实时制动踏板深度信号同时输入AI算法模块303输出学习制动力a3。
S34：定义制动力需求a＝s*a1+1-s*b*a2+1-s*1-ba3，
其中当A<TBD时，b＝a2/a2+a3，否则b＝1；其中A为a2的变化率，b代表在非紧急制动场景下用户实时制动需求输入和用户习惯需求的比例分配关系。TBD使用A的值来决定当前是否需要紧急制动，A的阈值选择需要结合人机和踏板设计灵敏度决定，属于测试值。
进一步更加具体的，步骤S4中制动需求分解模块400按照如下方法分配电制动和机械制动功率，包括：
aPower＝e*a*r*s/9550，式中power是直流端需求功率、e传递效率、a制动力需求、r车辆半径以及s当前轮速；
bAPower＝Power–BPower，式中APower为机械端刹车功率、BPower为电池端许可充电功率，且APower最小为0；
cMPower＝BPower*e。MPower代表电机执行的制动功率。
更进一步的，步骤S5中制动策略执行模块500包括以下执行步骤：
下发APower给iboster(制动系统)控制器；
下发MPower给逆变器。
本实施例中还需要说明的是，数据采集模块100为设置整车身的雷达和摄像头，实时采集车辆行驶过程中的状态数据，并输入场景构建模块200中进行车辆周围的场景构建。参照图2的示意，其具体实现过程涉及现有技术中已有无人驾驶的环境感知技术，用于智能驾驶环境感知的硬件设备有很多，主要包括相机、激光雷达、毫米波雷达、超声波雷达、GPS、BDS、INS等，目前智能车上采用的配置方案往往是多种型号或多种类型设备的组合。感知功能的实现既需要合适的感知设备，也离不开相应的感知技术。环境感知功能分工的不同，决定了所需感知设备和感知技术的差异。其中，交通环境感知是车辆对外界环境信息的捕获和处理，主要是基于车载传感器和传感感知技术。
其中环境数据的采集依靠数据采集模块100中各类传感器或者单目/双目摄像机进行实现，例如快速扫描车辆周围的物体参数后生成环境数据集，且采集的数据包括行车相关的道路、行人、车辆以及周边的建筑物、路灯、树木的实际物体三维参数。本实施例对于三维场景的重建根据采集的环境数据，例如采用较为成熟的OpenGL、点云成像，根据变换矩阵OpenGL透视投影成像与摄影测量成像不仅在原理上吻合，而且OpenGL投影成像的各参数与摄影测量存在对应关系，因此能够由采集的图像信息中获取障碍物与车辆之间的距离，同时对于障碍物相对于车辆的距离的获取，同样可以通过设置于车身上的超声波距离传感器进行测试实现。
场景一：
为验证本实施例中提出的纯电驱动车辆刹车响应方法对于提高能量回收的比例。对本方法中采用的技术效果加以验证说明，本实施例选择的不同方法和采用本方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。传统的技术方案：需要用户自行设定在松开油门踏板时制动能量回收的效果，且由于未考虑用户的制动习惯，用户抱怨高的制动能量回收带来的刹车预期不符合自己的预期。
为验证本方法相对传统方法具有较好的制动能量回收。本实施例中将采用传统的制动能量回收策略和本方法分别对仿真车辆的制动能量回收策略进行实时测量对比。其中传统方法采用基于I曲线的刹车控制策略。
测试环境：将车辆运行在仿真平台模拟行驶并分别模拟制动能量回收，向角测试并获得测试结果数据。建立试验车整车模型及制动力分配控制模型，并进行联合仿真，从而验证控制策略的可行性。原理试验车的蓄电池参数和整车参数和车轮参数分别如表1、表2所示，根据相关技术参数建立纯电动车的整车模型。
表1：电池参数。
参数名称 取值
单体电池电压/V 12
单电池容量/(A·h) 150
内阻/mΩ 0.004
电池总电压/V 48
表2：整车参数。
参数名称 取值
整车质量/kg 350
总质量/kg 400
轴距/mm 1080
质心到前轴中心距/mm 600
质心高度/mm 450
滚动阻力系数 0.01
迎风面积/m2 1.22
风阻系数 0.31
本实施例的试验车上所采用电池组容量为150A·h，额定电压为48V，最大充电电流为30A。试验过程中，以初速为25km/h的车速进行制动，根据所制定的制动力分配策略，在每次制动过程中对整车速度、加速度以及蓄电池的电压、电流等数据进行实时采集，将所得数据进行处理得到在不同的制动强度下分别采用本方法制动策略和现有制动策略所得能量回收率的仿真图，如下表3的示意，。
由表3和图4的示意，其图3示意为本方法在不同制动强度下的能量回收率。可以看出在低制动强度下，传统和本方法的制动力分配策略，其能量回收率差距十分明显，如z＝0.05时，能量回收率提高近14％，随着制动强度增大到0.48以后，与传统方法的能量回收差距逐渐缩小，但本方法的能量回收率依然高于传统方案。
表3：不同控制策略的能量回收率。
Figure BDA0002339184310000091
实施例2
参照图2～3的示意，示意为本实施例中提出一种基于AI算法的纯电驱动车辆刹车响应系统的整体原理示意图，包括数据采集模块100、场景构建模块200、制动力需求模块300、制动需求分解模块400和制动策略执行模块500。
具体的，其中数据采集模块100设置于车身，用于采集车辆周围的环境数据；场景构建模块200与数据采集模块100连接，用于建立车辆周围的实际场景；制动力需求模块300均与数据采集模块100、场景构建模块200连接，用于计算出制动力需求；制动需求分解模块400与制动力需求模块300连接，用于将其计算出制动力需求分配制动力；制动策略执行模块500与车辆制动设备连接，用于下发分配制动力至对应制动设备并上报过程量完成制动响应。
需要说明的是，本实施例中数据采集模块100为设置于车身上的用于环境感知数据采集的各类传感器、单目/双目摄像机等。场景构建模块200、制动力需求模块300、制动需求分解模块400为与车辆主机控制芯片连接具有数据处理能力的芯片硬件，与车辆主机控制芯片进行集成，因此场景构建模块200、制动力需求模块300、制动需求分解模块400为写入上述实施例的功能算法(软件模块)的芯片(硬件)。例如和电子控制单元集成，它和普通的电脑一样,由微处理器(MCU)、存储器(ROM、RAM)、输入/输出接口(I/O)、模数转换器(A/D)以及整形、驱动等大规模集成电路组成。用一句简单的话来形容就是“ECU就是汽车的大脑”。而制动策略执行模块500为车辆的执行器，例如iboster控制器，为博世线控制动系统iBooster，其工作原理是驾驶员踩刹车踏板，输入杆产生位移，踏板行程传感器探测到输入杆的位移，并将该位移信号发送至控制器，控制器计算出电机应产生的扭矩，再由传动装置将该扭矩转化为伺服制动力。伺服制动力、输入杆的源自踏板的输入力，在制动主缸内共同转化为制动液压力。iBooster可不受减速水平影响而调整踏板感，并在整个制动范围内传递一致的踏板感。以及制动策略执行模块500还包括设置于电刹制动端的逆变器，通知接收分配的功率执行生成对应的制动力对车辆进行制动控制。
如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种纯电驱动车辆刹车响应方法，其特征在于：包括，
数据采集模块(100)采集车辆周围的环境数据；
场景构建模块(200)接收所述环境数据建立车辆周围的实际场景；
制动力需求模块(300)根据所述实际场景和用户实时输入的制动踏板深度信号计算出制动力需求；
所述制动力需求模块(300)还包括场景计算模块(301)、实时线性模块(302)和AI算法模块(303)，分别输出建议制动力a1、线下制动力a2和学习制动力a3，结合输出为所述制动力需求a；
所述制动力需求输入制动需求分解模块(400)中按照电制动最大原则分配制动力，并结合执行器的执行效果进行闭环控制；
制动策略执行模块(500)利用车辆的电制动系统和机械刹车系统响应制动力要求并上报过程量，完成制动响应。
2.如权利要求1所述的纯电驱动车辆刹车响应方法，其特征在于：所述场景计算模块(301)包括以下步骤，
根据构建的所述实际场景获取场景下车辆与障碍物距离差；
车辆传感器获取当前车速；
根据所述车速和距离差值计算刹车需求距离；
输出碰撞风险预估s和建议制动力a1。
3.如权利要求1所述的纯电驱动车辆刹车响应方法，其特征在于：所述实时线性模块(302)包括以下步骤，
获取用户实时输入制动踏板行程；
线性计算所述线下制动力a2。
4.如权利要求1所述的纯电驱动车辆刹车响应方法，其特征在于：所述AI算法模块(303)包括以下步骤，
获取用户输入的制动踏板深度信号的历史习惯数据；
训练AI算法模块(303)；
用户实时制动踏板深度信号同时输入所述AI算法模块(303)输出学习制动力a3。
5.如权利要求2所述的纯电驱动车辆刹车响应方法，其特征在于：定义所述制动力需求a＝s*a1+(1-s)*b*a2+(1-s)*(1-b)a3，
其中当A<TBD时，b＝a2/(a2+a3)，否则b＝1；
其中A为a2的变化率。
6.如权利要求1所述的纯电驱动车辆刹车响应方法，其特征在于：所述制动需求分解模块(400)按照如下方法分配电制动和机械制动功率，包括，
Power＝e*a*r*Ts/9550，式中Power是直流端需求功率、e传递效率、a制动力需求、r车辆半径以及Ts当前轮速；
APower＝Power–BPower，式中APower为机械端刹车功率、BPower为电池端许可充电功率，且APower最小为0；
MPower＝BPower*e。
7.如权利要求6所述的纯电驱动车辆刹车响应方法，其特征在于：所述制动策略执行模块(500)包括以下执行步骤，
下发APower给iboster控制器；
下发MPower给逆变器。
8.如权利要求7所述的纯电驱动车辆刹车响应方法，其特征在于：所述按照电制动最大原则为基于车辆电池系统反馈的允许充电功率和驱动系统中允许的充电功率范围，取最小值作为电制动执行的最大功率限制值，所述最大功率限制值为电制动最大限制。
9.一种基于AI算法的纯电驱动车辆刹车响应系统，其特征在于：包括数据采集模块(100)、场景构建模块(200)、制动力需求模块(300)、制动需求分解模块(400)和制动策略执行模块(500)；
所述数据采集模块(100)设置于车身，用于采集车辆周围的环境数据；
所述场景构建模块(200)与所述数据采集模块(100)连接，用于建立车辆周围的实际场景；
所述制动力需求模块(300)均与所述数据采集模块(100)、所述场景构建模块(200)连接，用于计算出制动力需求；
所述制动力需求模块(300)还包括场景计算模块(301)、实时线性模块(302)和AI算法模块(303)，分别输出建议制动力a1、线下制动力a2和学习制动力a3，结合输出为所述制动力需求a；
所述制动需求分解模块(400)与所述制动力需求模块(300)连接，用于将其计算出制动力需求分配制动力；
所述制动策略执行模块(500)与车辆制动设备连接，用于下发所述分配制动力至对应制动设备并上报过程量完成制动响应。
CN201911368994.1A 2019-12-26 2019-12-26 一种纯电驱动车辆刹车响应方法及系统 Active CN111137136B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911368994.1A CN111137136B (zh) 2019-12-26 2019-12-26 一种纯电驱动车辆刹车响应方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911368994.1A CN111137136B (zh) 2019-12-26 2019-12-26 一种纯电驱动车辆刹车响应方法及系统

Publications (2)

Publication Number Publication Date
CN111137136A CN111137136A (zh) 2020-05-12
CN111137136B true CN111137136B (zh) 2023-05-02

Family

ID=70520523

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911368994.1A Active CN111137136B (zh) 2019-12-26 2019-12-26 一种纯电驱动车辆刹车响应方法及系统

Country Status (1)

Country Link
CN (1) CN111137136B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113928131B (zh) * 2020-07-10 2024-08-13 的卢技术有限公司 一种基于双电池设计的电池安全备份方法及其系统
CN112224029B (zh) * 2020-10-15 2022-04-12 中车青岛四方车辆研究所有限公司 轨道车辆的电子机械制动系统的冗余控制方法
CN112498114A (zh) * 2020-12-18 2021-03-16 舜泰汽车有限公司 一种制动能量回馈系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002186105A (ja) * 2000-12-15 2002-06-28 Nippon Yusoki Co Ltd 電気車両の回生制動制御装置
CN102689595A (zh) * 2011-04-06 2012-09-26 扬州亚星客车股份有限公司 一种纯电动城市客车制动能量回收系统控制方法
CN103935251A (zh) * 2014-04-30 2014-07-23 杭州明果教育咨询有限公司 一种电动汽车制动时最大能量回收的控制方法
CN104276050A (zh) * 2014-01-30 2015-01-14 比亚迪股份有限公司 车辆及其的制动回馈控制方法
CN104442409A (zh) * 2014-11-13 2015-03-25 奇瑞汽车股份有限公司 一种电动车制动能量回收控制器及其控制方法
CN105711569A (zh) * 2016-01-29 2016-06-29 大连楼兰科技股份有限公司 自动刹车系统及方法
CN106553651A (zh) * 2016-11-29 2017-04-05 成都雅骏新能源汽车科技股份有限公司 一种电动汽车电制动力分配方法
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
CN109130887A (zh) * 2018-09-20 2019-01-04 北京新能源汽车股份有限公司 一种电制动补偿控制方法、控制装置及汽车
CN109278566A (zh) * 2018-10-15 2019-01-29 陕西汽车集团有限责任公司 后轮驱动纯电动车辆制动能量回收控制方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002186105A (ja) * 2000-12-15 2002-06-28 Nippon Yusoki Co Ltd 電気車両の回生制動制御装置
CN102689595A (zh) * 2011-04-06 2012-09-26 扬州亚星客车股份有限公司 一种纯电动城市客车制动能量回收系统控制方法
CN104276050A (zh) * 2014-01-30 2015-01-14 比亚迪股份有限公司 车辆及其的制动回馈控制方法
CN103935251A (zh) * 2014-04-30 2014-07-23 杭州明果教育咨询有限公司 一种电动汽车制动时最大能量回收的控制方法
CN104442409A (zh) * 2014-11-13 2015-03-25 奇瑞汽车股份有限公司 一种电动车制动能量回收控制器及其控制方法
CN105711569A (zh) * 2016-01-29 2016-06-29 大连楼兰科技股份有限公司 自动刹车系统及方法
CN106553651A (zh) * 2016-11-29 2017-04-05 成都雅骏新能源汽车科技股份有限公司 一种电动汽车电制动力分配方法
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
CN109130887A (zh) * 2018-09-20 2019-01-04 北京新能源汽车股份有限公司 一种电制动补偿控制方法、控制装置及汽车
CN109278566A (zh) * 2018-10-15 2019-01-29 陕西汽车集团有限责任公司 后轮驱动纯电动车辆制动能量回收控制方法及装置

Also Published As

Publication number Publication date
CN111137136A (zh) 2020-05-12

Similar Documents

Publication Publication Date Title
CN111137136B (zh) 一种纯电驱动车辆刹车响应方法及系统
JP2021180609A (ja) 車両制動エネルギー回収方法および装置
Maia et al. Electrical vehicle modeling: A fuzzy logic model for regenerative braking
DE102011116924B4 (de) Verfahren zum Steuern von Drehmoment an einem oder mehreren Rädern eines Fahrzeugs
JP2019537414A5 (zh)
DE102019114590A1 (de) Kraftfahrzeuge mit elektroantrieb, systeme und steuerlogik für vorausschauende ladeplanung und antriebsstrangsteuerung
Jinquan et al. Real-time energy management of fuel cell hybrid electric buses: Fuel cell engines friendly intersection speed planning
Zhang et al. Improved short-term speed prediction using spatiotemporal-vision-based deep neural network for intelligent fuel cell vehicles
CN107145082A (zh) 一种插电式混合动力汽车整车控制器仿真平台
Xu et al. Dynamic programming algorithm for minimizing operating cost of a PEM fuel cell vehicle
CN112550272B (zh) 基于视觉感知与深度强化学习的智能混合动力汽车分层控制方法
CN110466360A (zh) 一种车辆控制方法、装置及车辆
CN105644566B (zh) 一种基于车联网的电动汽车辅助换道轨迹的跟踪方法
CN108944865A (zh) 新能源车辆的制动系统及其制动方法
CN109283843A (zh) 一种基于多项式与粒子群算法融合的换道轨迹规划方法
CN116442799A (zh) 一种车辆的扭矩分配的控制方法及装置
Xue et al. An improved energy management strategy for 24t heavy-duty hybrid emergency rescue vehicle with dual-motor torque increasing
CN208119291U (zh) 一种用于模拟无人驾驶测试中智能体运动的智能车
US20200116797A1 (en) Derivation device, derivation method, and storage medium
CN113022317A (zh) 新能源汽车及其能量回收方法与装置、存储介质
CN108482131B (zh) 一种48v电池、bsg弱混合动力能量回收控制系统的控制方法
CN108583293A (zh) 新能源汽车的制动回馈扭矩分配方法及其四驱控制系统
CN111994063B (zh) 混合动力系统的控制方法、装置、计算机设备及存储介质
CN214984854U (zh) 一种纯电动汽车单踏板控制系统
CN117184215A (zh) 车辆控制方法、装置、存储介质及车辆

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant