CN111196270A - 一种电动汽车电液复合制动系统转弯控制方法 - Google Patents

Abstract

本发明公开了一种电动汽车电液复合制动系统转弯控制方法，包括：步骤一、获取方向盘转角δ、车速V及汽车制动强度z；并且根据所述方向盘转角δ、车速V及汽车制动强度z确定汽车侧向稳定性系数ε；步骤二、获取路面附着系数μ、环境温度T、电池SOC、汽车横摆角速度W_r；并且根据所述路面附着系数μ、环境温度T、电池SOC、汽车横摆角速度与期望汽车横摆角速度的差值W_r′以及所述汽车侧向稳定性系数ε确定汽车液压制动系统提供的制动力和再生制动系统提供的制动力。

Description

一种电动汽车电液复合制动系统转弯控制方法

技术领域

本发明属于电动车电液复合制动技术领域，特别涉及一种电动汽车电液复合制动系统转弯控制方法。

背景技术

再生制动亦称反馈制动，是一种使用在电动车辆上的制动技术。在制动时把车辆的动能转化及储存起来；而不是变成无用的热。

再生制动在制动工况将电动机切换成发电机运转，利用车的惯性带动电动机转子旋转而产生反转力矩，将一部分的动能或势能转化为电能并加以储存或利用，因此这是一个能量回收的过程。

电动汽车上，再生制动系统与液压制动系统共同作用构成了电液复合制动系统。电液复合制动系统的制动力分配方法直接影响电动汽车回收制动能的性能和制动时的效率，是复合制动系统研究的基础。

在车辆转弯时，为提高转弯稳定性常常会需要对横摆力矩进行补偿。而目前大多数电动车为前驱，再生制动力(通过电机制动)会同时施加两边车轮，无法提供横摆力矩，因此只能是液压制动力提供横摆力矩。此时，只有对液压制动系统提供的制动力和再生制动系统提供的制动力进行合理分配，才能保证车辆转弯稳定性。

发明内容

本发明提供了一种电动汽车电液复合制动系统转弯控制方法，本发的目的是根据汽车转弯时的运行工况和环境状况对液压制动系统提供的制动力和再生制动系统提供的制动力进行合理分配，从而为提高车辆转弯的稳定性提供保障。

本发明提供的技术方案为：

一种电动汽车电液复合制动系统转弯控制方法，包括：

步骤一、获取方向盘转角δ、车速V及汽车制动强度z；并且根据所述方向盘转角δ、车速V及汽车制动强度z确定汽车侧向稳定性系数ε；

步骤二、获取路面附着系数μ、环境温度T、电池SOC、汽车横摆角速度W_r；并且根据所述路面附着系数μ、环境温度T、电池SOC、汽车横摆角速度与期望汽车横摆角速度的差值W_r′以及所述汽车侧向稳定性系数ε确定汽车液压制动系统提供的制动力和再生制动系统提供的制动力。

优选的是，在所述步骤一中，汽车侧向稳定性系数ε为：

其中，S₁和S₂均为经验参数；δ表示方向盘转角，δ₀表示方向盘转角的设定基准值；V表示车速，V₀表示车速的设定基准值；z表示汽车制动强度。

优选的是，S₁＝0.45～0.55；当V＞50km/h时，S₂＝0.30～0.35；当V≤50km/h时，S₂＝0.45～0.55。

优选的是，所述期望汽车横摆角速度为：

其中，V表示车速，δ表示方向盘转角，i表示汽车方向盘与转向轮的转角传动比，L表示汽车轴距，K表示汽车稳定性因数，μ表示路面附着系数，e表示自然对数的底数。

优选的是，所述汽车稳定性因数为：

其中，m表示汽车重量；L表示汽车轴距；k_f、k_r分别汽车前后侧偏刚度；a、b分别表示汽车前后轮到质心的距离。

优选的是，在所述步骤二中，通过BP神经网络控制汽车液压制动系统提供的制动力和再生制动系统提供的制动力，包括如下步骤：

步骤1、按照采样周期，获取路面附着系数μ、环境温度T、电池SOC、汽车横摆角速度与期望汽车横摆角速度的差值W_r′以及汽车侧向稳定性系数ε；

步骤2、依次将获取的参数进行规格化，确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄,x₅}；其中，x₁为路面附着系数、x₂为环境温度系数、x₃为电池SOC系数、x₄为汽车横摆角速度与期望汽车横摆角速度的差值系数、x₅为汽车侧向稳定性系数；

步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,…,y_m}；m为中间层节点个数；

步骤4、得到输出层向量o＝{o₁,o₂}；o₁为汽车液压制动系统提供的制动力系数、o₂为再生制动系统提供的制动力系数；

步骤5、控制汽车液压制动系统提供的制动力，以及再生制动系统提供的制动力，使

其中，

和

分别为第i个采样周期输出层向量参数，F_{1_max}为汽车液压制动系统能够提供的最大制动力、F_{2_max}为再生制动系统能够提供的最大制动力，F_{1_(i+1)}和F_{2_(i+1)}分别为第i+1个采样周期汽车液压制动系统能够提供的制动力和再生制动系统能够提供的制动力。

优选的是，所述中间层节点个数为4个。

本发明的有益效果是：

本发明提供的电动汽车电液复合制动系统转弯控制方法，能够根据汽车转弯时的运行工况和环境状况对液压制动系统提供的制动力和再生制动系统提供的制动力进行合理分配，从而为提高车辆转弯的稳定性提供保障。

具体实施方式

下面对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

本发明提供了一种电动汽车电液复合制动系统转弯控制方法，包括如下步骤：

步骤一、在车辆转弯制动过程中，通过方向盘转角传感器实时检测方向盘转角δ、通过车速传感器检测车速V以及获取汽车制动强度z；并且根据所述方向盘转角δ、车速V及汽车制动强度z确定汽车侧向稳定性系数ε；

所述汽车侧向稳定性系数ε为：

其中，S₁和S₂均为经验参数；δ表示方向盘转角，δ₀表示方向盘转角的设定基准值；V表示车速，V₀表示车速的设定基准值；z表示汽车制动强度。

汽车制动强度z为：

式中，a_z为车辆制动时的减速度，通过安装在车辆上的加速度传感器获取；g为重力加速度；

根据检验，设定参数取值范围如下：

S₁＝0.45～0.55；当V＞50km/h时，S₂＝0.30～0.35；当V≤50km/h时，S₂＝0.45～0.55；设定δ₀＝178°～182°，V₀＝45～55km/h。

步骤二、获取路面附着系数μ、环境温度T、电池SOC、汽车横摆角速度W_r；并且根据所述路面附着系数μ、环境温度T、电池SOC、汽车横摆角速度与期望汽车横摆角速度的差值W_r′以及所述汽车侧向稳定性系数ε确定汽车液压制动系统提供的制动力和再生制动系统提供的制动力。

在本实施例中，根据经验，设定期望汽车横摆角速度为：

其中，V表示车速，δ表示方向盘转角，i表示汽车方向盘与转向轮的转角传动比，L表示汽车轴距，K表示汽车稳定性因数，μ表示路面附着系数，e表示自然对数的底数。

所述汽车稳定性因数为：

其中，m表示汽车重量；L表示汽车轴距；k_f、k_r分别汽车前后侧偏刚度；a、b分别表示汽车前后轮到质心的距离。

汽车横摆角速度与期望汽车横摆角速度的差值W_r′为：

其中，W_r表示实时检测到的汽车横摆角速度，W_r表示期望汽车横摆角速度。

在另一种实施例中，在所述步骤二中，通过BP神经网络控制汽车液压制动系统提供的制动力和再生制动系统提供的制动力，包括如下步骤：

步骤1、建立神经网络。

本发明采用的BP网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示设备工作状态的n个信号，这些信号参数由控制系统中的数据预处理模块给出。第二层为隐层(中间层)，共m个节点，由网络的训练过程以自适应的方式确定。第三层为输出层，共p个节点，由系统实际需要输出的响应确定。

该网络的数学模型为：

输入向量：x＝(x₁,x₂,...,x_n)^T

中间层向量：y＝(y₁,y₂,...,y_m)^T

输出向量：o＝(o₁,o₂,...,o_p)^T

本发明中，输入层节点数为n＝5，输出层节点数为p＝2。隐藏层节点数m由下式估算得出：

按照采样周期，获取路面附着系数μ、环境温度T、电池SOC、汽车横摆角速度与期望汽车横摆角速度的差值W_r′以及所述汽车侧向稳定性系数ε作为输入参数；由于某些输入的参数属于不同的物理量，其量纲各不相同。因此，在数据输入人工神经网络之前，需要将数据规格化为0-1之间的数。

其中，路面附着系数μ基于大数据进行识别，具体过程为：

(1)建立路面图片数据库，按照图片处理后得到的信息和相应的路面附着系数作为比较信息存储在车辆ECU后台。

(2)车载摄像头实时拍摄路面信息，传给ECU进行图片预处理。

此处选用SAID双域图像消噪算法，去除图片的杂质、噪声等不相关特征。

(3)提取图片关键特征。此处采用能够描述纹理的LBP算子进行特征提取。该算子的公式如下：

P为圆周上的像素点个数，R为圆周半径，n_c为邻域中心像素值，s(x)为圆周上的像素点的像素值，LBP_P,R为LBP编码。

将预处理后的图片划分为4×4个互不重叠的区域，分别统计每个区域的LBP直方图。然后以先行后列的顺序将各个直方图级联，级联后的特征即为整幅图像的LBP直方图。

(4)将后台图像的LBP直方图与实时路面图像进行相似计算，具体公式如下：

式中，g_i为后台图像的直方图，s_i为实时路面图像的直方图，N为直方图抽样个数，Q为图像相似度值。当对后台全部图像进行相似度比对后，取Q值最大的后台图像作为识别的最终路面，读取相应的路面附着系数，即为此时车辆运行的路面附着系数μ。

环境温度T通过安装在汽车外部的温度传感器检测、电池SOC通过电池管理系统获取、汽车横摆角速度通过汽车横摆角速度进行检测。

确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄,x₅}；其中，x₁为路面附着系数、x₂为环境温度系数、x₃为电池SOC系数、x₄为汽车横摆角速度与期望汽车横摆角速度的差值系数、x₅为汽车侧向稳定性系数；

具体而言，路面附着系数无量纲，无需进行规格化后，即路面附着系数x₁＝μ。

对于环境温度T，进行规格化后，得到环境温度系数x₂；

其中，T_min和T_max分别为环境温度的最小值和最大值。

对于电池的SOC，进行规格化后，得到电池的SOC系数x₃；

其中，SOC_min和SOC_max分别为电池充放电时能达到的SOC最小值和最大值。

对于汽车横摆角速度与期望汽车横摆角速度的差值W_r′，进行规格化后，得到汽车横摆角速度与期望汽车横摆角速度的差值系数x₄；

其中，W_r′_min和W_r′_max分别为汽车横摆角速度与期望汽车横摆角速度的最小差值和最大差值。

汽车侧向稳定性系数无量纲，无需进行规格化后，即汽车侧向稳定性系数x₅＝ε。

得到输出层向量o＝{o₁,o₂}；o₁为汽车液压制动系统提供的制动力系数、o₂为再生制动系统提供的制动力系数。

o₁表示下一个采样周期中汽车液压制动系统提供的制动力与当前采样周期中汽车液压制动系统提供的制动力最大值之比。即在第i个采样周期中，采集到汽车液压制动系统提供的制动力F_{1_i}，通过BP神经网络输出第i个采样周期的汽车液压制动系统提供的制动力调节系数

后，控制第i+1个采样周期中汽车液压制动系统提供的制动力为F_{1_(i+1)}，使其满足：

o₂表示下一个采样周期中再生制动系统提供的制动力与当前采样周期中再生制动系统提供的制动力最大值之比。即在第i个采样周期中，采集到再生制动系统提供的制动力F_{2_i}，通过BP神经网络输出第i个采样周期的再生制动系统提供的制动力调节系数

后，控制第i+1个采样周期中再生制动系统提供的制动力为F_{2_(i+1)}，使其满足：

步骤2、进行BP神经网络的训练。

建立好BP神经网络节点模型后，即可进行BP神经网络的训练。根据产品的经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值w_ij，隐层节点j和输出层节点k之间的连接权值w_jk，隐层节点j的阈值θ_j，输出层节点k的阈值w_ij、w_jk、θ_j、θ_k均为-1到1之间的随机数。

在训练过程中，不断修正w_ij和w_jk的值，直至系统误差小于等于期望误差时，完成神经网络的训练过程。

如表1所示，给定了一组训练样本以及训练过程中各节点的值。

表1训练过程各节点值

步骤3、采集数据运行参数输入神经网络得到调控系数。

训练好的人工神经网络固化在芯片之中，使硬件电路具备预测和智能决策功能，从而形成智能硬件。智能硬件加电启动后，控制汽车液压制动系统提供的初始制动力为F_{1_0}＝0.6F_{1_max}；控制再生制动系统提供的初始制动力为F_{2_0}＝0.4F_{2_max}。

同时，获取路面附着系数μ、环境温度T、电池SOC、汽车横摆角速度与期望汽车横摆角速度的差值W_r′以及所述汽车侧向稳定性系数ε，通过将上述参数规格化，得到BP神经网络的初始输入向量

通过BP神经网络的运算得到初始输出向量

步骤4、得到初始输出向量

后，即可调节汽车液压制动系统提供的制动力和再生制动系统提供的制动力。使下一个采样周期的汽车液压制动系统提供的制动力和再生制动系统提供的制动力分别为：

获取第i个采样周期中的路面附着系数μ、环境温度T、电池SOC、汽车横摆角速度与期望汽车横摆角速度的差值W_r′以及所述汽车侧向稳定性系数ε，通过进行规格化得到第i个采样周期的输入向量

通过BP神经网络的运算得到第i个采样周期的输出向量

然后控制汽车液压制动系统提供的制动力，以及再生制动系统提供的制动力，使第i+1个采样周期时汽车液压制动系统提供的制动力和再生制动系统提供的制动力分别为：

通过上述设置，在汽车转弯制动过程中对汽车液压制动系统提供的制动力和再生制动系统提供的制动力进行合理分配，从而为提高车辆转弯的稳定性提供保障。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求和等同范围所限定的一般概念下，本发明并不限于特定的细节。

Claims (7)

1.一种电动汽车电液复合制动系统转弯控制方法，其特征在于，包括如下步骤：

步骤一、获取方向盘转角δ、车速V及汽车制动强度z；并且根据所述方向盘转角δ、车速V及汽车制动强度z确定汽车侧向稳定性系数ε；

步骤二、获取路面附着系数μ、环境温度T、电池SOC、汽车横摆角速度W_r；并且根据所述路面附着系数μ、环境温度T、电池SOC、汽车横摆角速度与期望汽车横摆角速度的差值W_r′以及所述汽车侧向稳定性系数ε确定汽车液压制动系统提供的制动力和再生制动系统提供的制动力。

2.根据权利要求1所述的电动汽车电液复合制动系统转弯控制方法，其特征在于，在所述步骤一中，汽车侧向稳定性系数ε为：

其中，S₁和S₂均为经验参数；δ表示方向盘转角，δ₀表示方向盘转角的设定基准值；V表示车速，V₀表示车速的设定基准值；z表示汽车制动强度。

3.根据权利要求2所述的电动汽车电液复合制动系统转弯控制方法，其特征在于，S₁＝0.45～0.55；当V＞50km/h时，S₂＝0.30～0.35；当V≤50km/h时，S₂＝0.45～0.55。

4.根据权利要求3所述的电动汽车电液复合制动系统转弯控制方法，其特征在于，所述期望汽车横摆角速度为：

其中，V表示车速，δ表示方向盘转角，i表示汽车方向盘与转向轮的转角传动比，L表示汽车轴距，K表示汽车稳定性因数，μ表示路面附着系数，e表示自然对数的底数。

5.根据权利要求4所述的电动汽车电液复合制动系统转弯控制方法，其特征在于，所述汽车稳定性因数为：

其中，m表示汽车重量；L表示汽车轴距；k_f、k_r分别汽车前后侧偏刚度；a、b分别表示汽车前后轮到质心的距离。

6.根据权利要求1或5所述的电动汽车电液复合制动系统转弯控制方法，其特征在于，在所述步骤二中，通过BP神经网络控制汽车液压制动系统提供的制动力和再生制动系统提供的制动力，包括如下步骤：

步骤1、按照采样周期，获取路面附着系数μ、环境温度T、电池SOC、汽车横摆角速度与期望汽车横摆角速度的差值W_r′以及汽车侧向稳定性系数ε；

步骤2、依次将获取的参数进行规格化，确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄,x₅}；其中，x₁为路面附着系数、x₂为环境温度系数、x₃为电池SOC系数、x₄为汽车横摆角速度与期望汽车横摆角速度的差值系数、x₅为汽车侧向稳定性系数；

步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,…,y_m}；m为中间层节点个数；

步骤4、得到输出层向量o＝{o₁,o₂}；o₁为汽车液压制动系统提供的制动力系数、o₂为再生制动系统提供的制动力系数；

步骤5、控制汽车液压制动系统提供的制动力，以及再生制动系统提供的制动力，使

其中，

和

分别为第i个采样周期输出层向量参数，F_{1_max}为汽车液压制动系统能够提供的最大制动力、F_{2_max}为再生制动系统能够提供的最大制动力，F_{1_(i+1)}和F_{2_(i+1)}分别为第i+1个采样周期汽车液压制动系统能够提供的制动力和再生制动系统能够提供的制动力。

7.根据权利要求6所述的电动汽车电液复合制动系统转弯控制方法，其特征在于，所述中间层节点个数为4个。