基于ADVISOR的电动汽车再生制动控制的建模与仿真

分析了再生制动系统中保留摩擦制动的必要性，介绍了ADVISOR中的再生制动控制策略。基于制动安全性和高效制动能量回收，提出了新的再生制动控制策略。按照新策略，利用ADVISOR软件建立了制动控制模型并进行了仿真。仿真结果表明，新策略回收制动能量的效果优于ADVISOR中原有的再生制动控制策略。     

电动汽车的再生制动控制策路研究及仿真

分析了汽车在典型循环工况下制动时前后轴上的制动力和制动能量的分配规律，以此为依据，介绍了电动汽车的三种制动控制策略，并着重分析了结构和控制都比较简单且容易实现的并行制动控制策略。通过对实例汽车的仿真分析，得知并行控制策略能回收制动能量的55％左右，目前来说在电动汽车上应用该策略较为理想。     

基于ADVISOR的电动汽车再生制动控制的建模与仿真

分析了再生制动系统中保留摩擦制动的必要性,介绍了ADVISOR中的再生制动控制策略。基于制动安全性和高效制动能量回收,提出了新的再生制动控制策略。按照新策略,利用ADVISOR软件建立了制动控制模型并进行了仿真。仿真结果表明,新策略回收制动能量的效果优于ADVISOR中原有的再生制动控制策略。     

插电式混合动力汽车再生制动控制策略

由于再生制动控制策略直接影响了插电式混合动力汽车（PHEV）的经济性,文章提出了一种基于理想制动力分配的再生制动控制策略,这种策略能在保证制动稳定性的同时,尽可能多地回收制动能量,在Simulink平台上建立再生制动控制策略模型,并嵌入到Cruise软件中进行仿真。仿真结果表明,此模型相比没有制动能量回收的PHEV和传统汽车,都有效地提高了经济性,验证了再生制动控制策略的合理性。     

电动汽车的再生制动控制策略研究及仿真

分析了汽车在典型循环工况下制动时前后轴上的制动力和制动能量的分配规律,以此为依据,介绍了电动汽车的三种制动控制策略,并着重分析了结构和控制都比较简单且容易实现的并行制动控制策略。通过对实例汽车的仿真分析,得知并行控制策略能回收制动能量的55%左右,目前来说在电动汽车上应用该策略较为理想。     

考虑PEMFC动态降载特性的FCV制动能量回收协调控制

为使燃料电池汽车(FCV)更大程度回收制动能量,基于质子交换膜燃料电池(PEMFC)动态降载特性,研究了一种FCV制动能量回收控制策略。建立燃料电池汽车动态特性模型,提出考虑PEMFC动态降载特性时基于协调的制动能量回收控制策略,用自行搭建燃料电池汽车制动能量回收硬件在环(HIL)仿真平台进行仿真。结果表明：与基于规则的控制策略相比,本文提出的基于协调的控制策略下,动力电池荷电状态(SOC)在城市工况下提高1.3%,在高速工况下,提高2.0%;对应的最大冲击度分别降低3.2%、2.1%。因而,燃料电池汽车回收更多的制动能量的同时,制动舒适性有一定程度的提高。     

分布式电动客车制动能量回收策略研究

随着目前“双碳”目标的提出,电动车辆普及的速度空前绝后,尤其是在城市客车中的应用。解决该问题的一个重要的手段就是设计出合理的制动能量回收策略,尽可能吸收制动时的能量,使得续驶里程增加。文章分别基于模糊控制算法和多目标优化算法设计了两款制动能量回收控制策略。为了验证控制策略的控制能力,搭建了基于TruckSim-Simulink的联合仿真平台,最终结果表明,两款控制策略均能实现制动能量回收,其中多目标优化的控制策略的效果更好。     

电动汽车制动能量回收控制策略研究

分析电动汽车制动能量回收的制约因素,综合汽车制动动力前、后轮制动力分配,电机制动与机械制动并行控制和电池耐受性分析,提出了制动能量回收的联合控制策略.基于Simulink和Cruise软件平台进行了系统建模和联合仿真.结果表明该联合控制策略能够实现法规制动条件下的制动能量回收,回收率达13.7％,提高续驶里程16.4％.     

基于模糊控制的电动轮汽车再生制动能量回收研究

为提高电动轮汽车制动过程中再生制动能量的回收率以达到节约能源的目的,提出了一套适用于电动轮汽车的全新构型机电复合再生制动系统及控制策略。在该控制策略中,考虑到电池SOC值和制动强度对电机再生制动力矩的影响,设计了双输入单输出的模糊控制器,并在AMESim软件平台中搭建了15自由度的电动轮汽车的整车仿真模型和再生制动系统与液压制动系统的仿真模型,在不同的制动强度下采用UDDS循环进行AMESim-Simulink联合仿真。结果表明,所制定的控制策略能满足要求,在保证制动效能的前提下实现再生制动能量的有效回收。     

基于制动意图识别的增程式重型商用车复合制动控制策略

为了提高增程式重型商用车制动能量回收率和制动性能,通过分析大量实车制动数据,以制动踏板位移和制动踏板位移变化率为输入设计制动意图的模糊推理规则,采用LQV神经模糊系统建立制动意图识别模型;在制动力分配要求、电机再生制动约束、蓄电池约束等约束条件下,基于制动意图识别建立机-电复合制动控制策略,并通过60km·h~(-1)初速单次制动工况仿真、中国典型城市公交工况(CCBC工况)仿真和实车试验验证复合制动控制策略的性能。研究结果表明:提出的复合制动控制策略能够准确识别驾驶人的制动意图,优化制动力分配,提高制动能量回收率;其中60km·h~(-1)初速单次制动工况下轻度制动和中度制动的能量回收率分别为19.05%和15.69%,CCBC工况下制动能量回收率达到了16.65%;提出的复合制动控制策略能够满足实车制动需求,在30km·h~(-1)初速单次制动工况下轻度制动和中度制动时,蓄电池SOC分别上升了0.019%和0.011%。因此,基于制动意图识别的复合制动控制策略能够显著提高电动汽车的能量利用效率,是一种提升电动汽车经济性的有效方法。     

HEV实时等效能量消耗最小控制策略

以变速器前置式并联结构为例,介绍了一种实时等效能量消耗最小控制策略。在研究车辆行驶于循环工况中消耗燃油热能和电能之间关系的基础上,针对该策略的关键问题———蓄电池组的电能和发动机的燃油热能消耗量的等效方法进行了详细阐述。最后在车辆仿真模型的基础上对该种策略进行仿真试验,并与其他类型的控制策略进行了比较。     

燃料电池电动汽车能量管理系统研究

提出多能源燃料电池加镍氢电池及超级电容燃料电池电动汽车混合动力系统的方案,并设计了动力系统结构。通过比较车载3种能源,给出了动力总成控制系统结构,重点对能量管理系统进行优化,采取燃料电池发动机输出功率预测控制策略,减少了其输出功率的频繁波动。仿真结果证明能量管理策略可行。     

考虑发动机起停优化的PHEV能量管理策略

针对某新型双电机行星耦合插电式混合动力汽车(PHEV)中发动机在起停及怠速运行状态下会导致油耗增加的问题,基于等效燃油消耗最小能量管理策略,加入发动机起停优化控制模块,以进一步改善整车燃油经济性.建立了整车动力学和传动模型并加入发动机起停优化控制模块,对ECMS能量管理策略输出的发动机及电机最优目标转矩进行重新优化分配...     

基于电机最优回馈转矩曲线的制动控制策略

本文中首先基于电机等效电路模型,分析了车用内置式永磁同步电机的耗能制动状态和回馈制动状态;然后根据电机矢量控制原理,对控制电流指令进行解析,并经试验数据的验证;接着计算得到永磁同步电机最优回馈转矩曲线,并据此提出一种制动回馈能量最优的串联制动控制策略。最后针对某P4并联混合动力商用车,仿真分析了在C?WTVC、CHTC?TT循环工况和试验采集到的某段省道工况下,并联制动和所提出的串联最优制动控制策略下的百公里油耗和制动回收能量。结果表明,与并联制动控制相比,基于电机最优回馈转矩曲线的串联制动控制策略可降低油耗,并回收更多的制动能量,实现制动回收能量和燃油经济性的提升。     

并联混合动力电动汽车的转矩控制策略

讨论了并联混合动力电动汽车的能量管理策略,阐述了一种基于规则转矩的控制策略,并在ADVISOR2002仿真软件上结合模型作了仿真分析。仿真试验证明这种转矩控制策略是一种合理的能量优化管理策略,提高了并联式混合动力电动汽车系统效率,获得了整车最大的燃油经济性、最低的排放以及平稳的驾驶性能。     

基于模糊逻辑控制策略的混合动力汽车仿真研究

以燃油经济性和排放性能为主要控制目标,提出一种基于模糊逻辑的能量分配控制策略,应用ADVISOR仿真软件,对制定的控制策略在不同的道路循环工况下进行仿真。仿真结果表明,所设计的模糊逻辑控制策略能够合理分配发动机和电机的转矩,可使发动机工作在效率较高、排放较低的中等负荷区,整车的燃油经济性较好、排放较低。     

基于小波变换-模糊控制的复合电源能量管理

以锂电池-超级电容构成的复合电源电动汽车为研究对象,在满足动力性能的前提下,为实现超级电容在合理的荷电状态（SOC）下承担高频率信号,且锂电池承担低频率信号的目标,建立了实时小波变换-模糊控制的能量管理控制策略。基于Matlab/Simulink和ADVISOR软件搭建整车模型,并在NEDC循环工况下进行仿真测试。仿真结果表明,与单一锂电池相比,在小波变换-模糊控制策略下,复合电源锂电池的驱动峰值电流降低了20.68%,寿命提高了16.74%。搭建了按一定比例缩小的复合电源系统试验平台,并在NEDC工况下进行试验验证。结果表明,小波变换-模糊控制策略对复合电源电动汽车的能量管理具有良好的控制效果。     

基于马尔可夫决策理论的燃料电池混合动力汽车能量管理策略

根据道路试验记录的数据建立驾驶员需求功率的马尔可夫模型,利用马尔可夫决策理论获得混合动力汽车的随机能量管理策略。借助燃料电池混合动力汽车控制系统的仿真平台进行仿真计算。北京公交车中速工况的仿真结果表明,与原先的恒电压控制策略相比,随机能量管理策略可以降低燃料消耗。     

Brain limbic system-based intelligent controller application to lane change manoeuvre

This paper presents the application of a novel neuromorphic control strategy for lane change manoeuvres in the highway environment. The lateral dynamics of a vehicle with and without wind disturbance are derived and utilised to implement a control strategy based on the brain limbic system. To show the robustness of the proposed controller, several disturbance conditions including wind, uncertainty in the cornering stiffness, and changes in the vehicle mass are investigated. To demonstrate the performance of the suggested strategy, simulation results of the proposed method are compared with the human driver model-based control scheme, which has been discussed in the literature. The simulation results demonstrate the superiority of the proposed controller in energy efficiency, driving comfort, and robustness.