混合动力汽车再生制动控制方法技术

混合动力汽车再生制动控制方法。在在紧急制动时，需要制动强度较大，而电力再生制动装置无法保证制动效果，这样将会影响制动安全性。本发明专利技术组成包括：制动强度z划分为0≤z＜0.1，0.1≤z＜0.8，0.8≤z三个范围，根据具体的范围对前后轮制动力进行具体曲线的划分，在城市路况下，制动强度不大于0.3，后轮在电动汽车制动时按固定比例分配制动力，前轮摩擦制动和再生制动按照模糊算法来分配。本发明专利技术用于混合动力汽车的再生制动控制。

Regenerative Braking Control Method for Hybrid Electric Vehicle

【技术实现步骤摘要】
混合动力汽车再生制动控制方法
：本专利技术涉及一种混合动力汽车再生制动控制方法。
技术介绍
：电动汽车或混合动力汽车中广泛采用的电力再生制动装置可以在车辆制动过程中通过驱动电机将车辆的动能转化为电能储存在电池中，电力再生制动装置是通过对驱动电机励磁，使驱动电机发电，在发电过程中产生制动力，而存储到电池中的电能可以在车辆行驶时供给驱动电机使用，提高了车辆的续驶里程；但单一的电力再生制动装置其制动强度较低，因此，目前在电动汽车或混合动力汽车中仍然需要设置一套机械制动装置，在电力再生制动装置不足以提供足够的制动力时，机械制动装置可以提供制动力，以保证为车辆具有足够的制动力，以保证车辆的制动安全性，而且在紧急制动时，需要制动强度较大，而电力再生制动装置无法保证制动效果，这样将会影响制动安全性。因此，在电动汽车或混合动力汽车制动时，如何既能使电力再生制动装置最大限度的将车辆动能转化为电能，又能保证制动安全性，是目前急需解决的一个问题。
技术实现思路
：本专利技术的目的是提供一种混合动力汽车再生制动控制方法。上述的目的通过以下的技术方案实现：一种混合动力汽车再生制动控制方法，该方法包括如下步骤：步骤一：将制动强度z划分为0≤z＜0.1，0.1≤z＜0.8，0.8≤z三个范围，根据具体的范围对前后轮制动力进行具体曲线的划分，在城市路况下，制动强度不大于0.3，后轮在电动汽车制动时按固定比例分配制动力，前轮摩擦制动和再生制动按照模糊算法来分配；步骤二：采用粒子群优化模糊规则，粒子群优化算法首先初始化产生一群随机粒子，然后选代寻找最优解，在每次选代中，粒子通过跟踪两个极值不断更新，即个体极值历史最优解和全局最优解，然后根据速度和位置公式更新粒子的速度和位置。步骤三：根据制动踏板深度、电池荷电状态和车速，进行粒子编码，利用粒子群优化算法对模糊控制器的规则库进行优化。所述的混合动力汽车再生制动控制方法，所述的粒子群优化算法的具体过程为：首先初始化产生一群随机粒子，然后选代寻找最优解，在每次选代中，粒子通过跟踪两个极值来更新自己，一个是粒子本身所找到的最优解为个体极值，另一个是整个种群目前找到的最优解为全局极值，粒子在找到上述两个极值后，根据公式来更新自己的速度和位置，公式为：式中：V为粒子的速度；P为粒子的当前位置；为（0,1）之间的随机数；、为学习因子，通常==2；为惯性权重；粒子通过不断学习更新，最终飞至解空间中最优解所在的位置，搜索过程结束，最后输出的就是全局最优解，在更新过程中，粒子每一维的最大速率被限制为，粒子每一维的坐标也被限制在允许的范围内；较大则算法具有较强的全局搜索能力，较小则算法倾向于局部搜索，可以将随迭代次数线性减小，则：（3）K为当前迭代数，为总的迭代次数；为最大权重，为最小权重。所述的混合动力汽车再生制动控制方法，所述的基于粒子群优化的粒子编码过程为：优化的模糊规则为120个，利用粒子群算法进行模糊规则的优化整定，将需要优化的模糊控制参数编码成粒子码串，粒子的每个变量用整数表示，变量取值范围为1-11。所述的混合动力汽车再生制动控制方法，所述的粒子优化步骤为：（1）对120个变量进行编码，并确定粒子的搜索范围和最大速度；（2）初始化每个粒子的速度和位置；（3）将每个粒子的历史最优值存储在中，将每次迭代的最优值存储在中，作为全局最优解；（4）更新粒子的各维速度和位置；（5）更新惯性权重；（6）对每个粒子进行编码，更新模糊规则，计算适应值，并根据适应值确定是否更新和；（7）转到步骤（3）进行迭代，直到达到最优迭代次数或更新步长小于指定阀值，将解码作为模糊控制器的最优模糊规则。有益效果：1.本专利技术的模糊控制器能很好的控制电机制动功率低于电池峰值充电功率，避免了可能由于充电功率较高对电磁的损害；2.本专利技术在不同车速下的模糊控制器能量回收有明显的提高。本专利技术的制动力分配满足ECE法规要求，应用粒子群优化算法，为模糊控制器的模糊规则的定制提出了客观、科学的方法。具体实施方式：实施例1：一种混合动力汽车再生制动控制方法，该方法包括如下步骤：步骤一：将制动强度z划分为0≤z＜0.1，0.1≤z＜0.8，0.8≤z三个范围，根据具体的范围对前后轮制动力进行具体曲线的划分，在城市路况下，制动强度不大于0.3，后轮在电动汽车制动时按固定比例分配制动力，前轮摩擦制动和再生制动按照模糊算法来分配；步骤二：采用粒子群优化模糊规则，粒子群优化算法首先初始化产生一群随机粒子，然后选代寻找最优解，在每次选代中，粒子通过跟踪两个极值不断更新，即个体极值历史最优解和全局最优解，然后根据速度和位置公式更新粒子的速度和位置。步骤三：根据制动踏板深度、电池荷电状态和车速，进行粒子编码，利用粒子群优化算法对模糊控制器的规则库进行优化。实施例2：根据实施例1所述的混合动力汽车再生制动控制方法，所述的粒子群优化算法的具体过程为：首先初始化产生一群随机粒子，然后选代寻找最优解，在每次选代中，粒子通过跟踪两个极值来更新自己，一个是粒子本身所找到的最优解为个体极值，另一个是整个种群目前找到的最优解为全局极值，粒子在找到上述两个极值后，根据公式来更新自己的速度和位置，公式为：式中：V为粒子的速度；P为粒子的当前位置；为（0,1）之间的随机数；、为学习因子，通常==2；为惯性权重；粒子通过不断学习更新，最终飞至解空间中最优解所在的位置，搜索过程结束，最后输出的就是全局最优解，在更新过程中，粒子每一维的最大速率被限制为，粒子每一维的坐标也被限制在允许的范围内；较大则算法具有较强的全局搜索能力，较小则算法倾向于局部搜索，可以将随迭代次数线性减小，则：（3）K为当前迭代数，为总的迭代次数；为最大权重，为最小权重。实施例3：根据实施例1或2所述的混合动力汽车再生制动控制方法，所述的基于粒子群优化的粒子编码过程为：优化的模糊规则为120个，利用粒子群算法进行模糊规则的优化整定，将需要优化的模糊控制参数编码成粒子码串，粒子的每个变量用整数表示，变量取值范围为1-11。实施例4：根据实施例1或2或3所述的混合动力汽车再生制动控制方法，所述的粒子优化步骤为：（1）对120个变量进行编码，并确定粒子的搜索范围和最大速度；（2）初始化每个粒子的速度和位置；（3）将每个粒子的历史最优值存储在中，将每次迭代的最优值存储在中，作为全局最优解；（4）更新粒子的各维速度和位置；（5）更新惯性权重；（6）对每个粒子进行编码，更新模糊规则，计算适应值，并根据适应值确定是否更新和；（7）转到步骤（3）进行迭代，直到达到最优迭代次数或更新步长小于指定阀值，将解码作为模糊控制器的最优模糊规则。本文档来自技高网...

【技术保护点】
1.一种混合动力汽车再生制动控制方法，其特征是：该方法包括如下步骤：步骤一：将制动强度z划分为0 ≤

【技术特征摘要】
1.一种混合动力汽车再生制动控制方法，其特征是：该方法包括如下步骤：步骤一：将制动强度z划分为0≤z＜0.1，0.1≤z＜0.8，0.8≤z三个范围，根据具体的范围对前后轮制动力进行具体曲线的划分，在城市路况下，制动强度不大于0.3，后轮在电动汽车制动时按固定比例分配制动力，前轮摩擦制动和再生制动按照模糊算法来分配；步骤二：采用粒子群优化模糊规则，粒子群优化算法首先初始化产生一群随机粒子，然后选代寻找最优解，在每次选代中，粒子通过跟踪两个极值不断更新，即个体极值历史最优解和全局最优解，然后根据速度和位置公式更新粒子的速度和位置。步骤三：根据制动踏板深度、电池荷电状态和车速，进行粒子编码，利用粒子群优化算法对模糊控制器的规则库进行优化。2.根据权利要求1所述的混合动力汽车再生制动控制方法，其特征是：所述的粒子群优化算法的具体过程为：首先初始化产生一群随机粒子，然后选代寻找最优解，在每次选代代中，粒子通过跟踪两个极值来更新自己，一个是粒子本身所找到的最优解为个体极值，另一个是整个种群目前找到的最优解为全局极值，粒子在找到上述两个极值后，根据公式来更新自己的速度和位置，公式为：式中：V为粒子的速度；P为粒子的当前位置；为（0,1）之间的随机数；、为学习因子，通常==2；为惯性权重；...

【专利技术属性】
技术研发人员：孙远涛，王辉，孙建华，王亮，王云龙，张金柱，朱荣福，耿瑞光，
申请(专利权)人：黑龙江工程学院，
类型：发明
国别省市：黑龙江,23