基于发动机制动的HEV再生制动控制策略

以ISG(integrate starter generator)型混合动力CVT(continuously variable transmission)轿车为研究对象,进行发动机制动性能建模与仿真计算,提出基于前轮最大可承受减速度的制动力最优分配策略.无再生制动时,根据发动机制动特性计算,通过调整CVT速比来以充分利用发动机制动;有再生制动时,优先采用电机制动,其次为发动机机制动,最后为摩擦制动.进行基于控制策略的混合动力汽车再生制动建模和典型工况下的仿真分析,仿真结果验证所提出的再生制动控制策略的正确性和可行性.     

ISG混合动力再生制动系统压力协调控制策略

以ISG(integrated startor and generator)型混合动力长安轿车为原型,提出了基于HEV(hybrid electric vehicle)制动力分配的制动系统压力协调控制策略,建立了HEV再生制动离线仿真模型.研制了HEV摩擦制动液压实验系统,构建了dSPACE环境下的混合动力再生制动硬件在环仿真试验平台,进行了不同制动强度下的再生制动系统性能实验,验证了制动力分配和制动压力协调控制的正确有效性.     

HEV再生制动过程中CVT速比控制策略

考虑混合动力汽车制动安全性和燃油经济性,提出了一种基于电池SOC值和制动强度的再生制动力控制策略.提出了通过调节CVT的速比及控制电机工作在高效区来提高电机发电效率的再生制动控制方法.进行了整车再生制动系统建模和典型城市驱动循环工况下的仿真,结果表明,提出的CVT速比控制策略能使以CVT为变速器的混合动力汽车比以MT为变速器的混合动力汽车在ECE EUDC驱动循环工况下的再生制动能量回收率提高2.86%.     

全轮驱动混合动力汽车再生制动系统控制策略

在传统汽车制动理论的基础上,基于最大回收制动能量和制动的安全性,提出了一种全轮驱动混合动力汽车制动能量分配与再生制动控制策略.综合考虑电机电池效率等限制因素后,进行整车再生制动系统建模和典型制动工况下的仿真.结果表明,在制动车速为30 km/h,制动强度Z分别为0.1、0.3、0.5下最大能量回收率分别可达87.5%、47.8%、28.6%,采用提出的制动能量分配与再生制动控制策略能满足整车制动力分配的要求,并实现高效的制动能量回收.     

一种改进的再生制动控制策略优化

为了充分利用混合动力汽车的再生制动能量,提高整车燃油经济性,通过分析混合动力汽车再生制动系统的工作原理,依据理想的前后轮制动力分配曲线,基于比例控制策略,提出了一种并行制动力的分配策略,以对摩擦制动力和再生制动力进行合理分配.进而以平均再生制动力为目标,选取制动控制策略控制曲线上的关键点坐标为控制变量,对并行再生制动控制策略进行了优化设计.选取Saturn SL1为研究车型,在市区15工况下进行了仿真研究.结果表明,优化后的并行控制策略既可以满足制动安全性的要求又可以回收更多的制动能量.     

全轮驱动混合动力汽车再生制动系统控制策略

在传统汽车制动理论的基础上,基于最大回收制动能量和制动的安全性,提出了一种全轮驱动混合动力汽车制动能量分配与再生制动控制策略。综合考虑电机电池效率等限制因素后,进行整车再生制动系统建模和典型制动工况下的仿真。结果表明,在制动车速为30 km/h,制动强度Z分别为0.1、0.3、0.5下最大能量回收率分别可达87.5％、47.8％、28.6％,采用提出的制动能量分配与再生制动控制策略能满足整车制动力分配的要求,并实现高效的制动能量回收。     

并联式混合动力汽车再生制动控制策略

针对混合动力汽车制动过程中机械制动力与电再生制动力的分配问题,在制动稳定区间内,以尽可能多地回收制动能量为目标,提出了一种最大化制动能量回收的并联式混合动力汽车再生制动控制策略。建立整车与制动控制器模型,仿真结果表明:与传统固定制动力分配比例的控制策略相比,本文所设计的并联式混合动力汽车的制动能量回收率提高了22.8%,燃油经济性提高了4.7%,CO排放量降低了4.4%。     

基于CRUISE的轻度ISG型HEV控制策略研究

控制策略是混合动力汽车(HEV)的关键技术,直接影响HEV整车性能。文章以整车动力性和燃油经济性为控制目标,分别设计了基于逻辑门限值的电力辅助控制策略和模糊逻辑控制策略,在CRUISE平台上搭建样车ISG混合动力汽车的模型,并分别在UDDS和NEDC 2种工况下进行仿真分析。仿真结果表明,与同类型传统燃油汽车相比,基于电力辅助控制策略和模糊逻辑控制策略的ISG型HEV的燃油经济性都有明显改善,模糊逻辑控制策略更为适合。     

混联式混合动力再生制动控制策略

 再生制动系统是混合动力汽车和电动汽车特有的系统。该系统可将汽车制动过程中消耗的汽车动能和势能通过电动机发电的方式储存到电池中,在起动和加速过程中加以利用。本研究以长丰CJY6470E越野车为对象,在传统汽车制动理论的基础上,基于制动安全及制动效能,提出一种混联式混合动力汽车制动能量分配与再生制动控制策略。前后轴采用理想制动力分配,在分配好后,再对前后轴的再生和摩擦制动进行二次分配。进行二次分配时,主要考虑电机及电池的使用寿命,以车速及SOC作为电机再生制动功率影响因素,并通过对ADVISOR2002进行二次开发,建立整车模型,最后进行仿真。结果表明,采用所提出的再生制动控制策略可实现高效的制动能量回收,延长电池的使用寿命,且该策略具有可行性。     

中度混合动力汽车匀速下坡再生制动策略优化

分析混合动力汽车匀速下坡再生制动过程;基于蓄电池充电效率模型、蓄电池温升模型及发电机效率模型,分别以混合动力汽车瞬时再生制动能量回收量最大和总制动能量回收量最大为优化目标,提出了瞬时再生制动优化控制策略和全局优化控制策略;分析了蓄电池温度对混合动力汽车再生制动能量回收效率的影响,计算了汽车在不同坡度和坡长的路况上再生制动能量回收效率,结果表明:全局优化控制策略优于瞬时优化控制策略,且坡度愈大或坡长愈长时,采用全局优化控制策略提高再生制动能量回收效率的效果愈显著.     

混合动力客车再生制动控制策略的研究

根据已在我国多个城市运营的某混合动力客车车型现有的制动系统及其工作模式的介绍,展开再生制动能量管理和控制策略的研究。以理论分析和仿真研究为手段,揭示目标车型再生制动控制策略下的制动安全性能及制动能量回收率的表现,从而为进一步提高混合动力客车再生制动系统性能提供了参考依据。     

插电式并联混合动力汽车再生制动控制策略

再生制动是混合动力汽车区别于传统汽车的技术特点,是提高车辆燃油经济性的重要措施之一.以一种轴间力矩耦合的插电式并联混合动力汽车为研究对象,从再生制动分配算法的影响因素入手,提出了一种带有模糊控制的混合动力汽车再生制动能量管理策略.所设计的控制策略主要针对两个层面的控制决策,顶层是轴间制动力矩的分配决策,底层是再生制动电机所在的后轴力矩在摩擦制动与再生制动之间的分配决策.采用多种典型车辆行驶工况对所提出的模糊控制策略进行仿真研究.结果表明,所提出的模糊控制策略能够明显改善车辆的能量回收效果,与传统理想制动力分配曲线控制策略相比,能量回收最多可提高23.44%.     

单轴并联式混合动力城市客车再生制动挡位决策

设计一种串并混联式复合制动踏板方案,并针对该方案制订再生制动阶跃式制动力分配曲线.分析了影响再生制动效率的多种因素,提出运用序列二次规划(SQP)算法优化挡位决策和电机输出扭矩以解决再生制动中回收效率与制动力分配曲线和电机转速的矛盾.在Cruise和Matlab/Simulink联合仿真平台下,建立了单轴并联式混合动力传动系统整车模型,基于欧洲公交客车循环工况(UDC)进行了仿真研究.结果表明,电池荷电状态(SOC)比采用传统双参数换挡规律提高了近1.5%.进行了三种典型制动工况下实车试验,取得了与仿真结果相吻合的试验结果,其中正常制动工况下的能量回收率比传统双参数换挡策略提高了近11.00%.     

基于CVT混合动力汽车的ADVISOR再生制动模块开发

 在分析CVT混合动力汽车（HEV）动力系统的工作原理和ISG电机的工作特性的基础上,建立了随车速变化的制动力分配模型,并对ADVISOR原有的HEV模型进行二次开发,建立了搭载CVT的同轴并联式HEV仿真平台。对再生制动系统仿真实验表明,二次开发的仿真平台可以很好地保证实验精度,有效扩展ADVISOR的应用范围,有助于新型动力结构的HEV研究。     

单轴并联混合动力客车再生制动策略解析

以某先进的单轴并联混合动力系统为研究对象,提出一种再生制动策略逆向解析的方法.根据摸底试验分析和再生制动参数预设设计试验解析流程,进行实车试验,分析了各参数对再生制动的影响.分析表明车速决定制动过程中是否存在再生制动,电机转速、挡位决定再生制动的过程,电池温度和挡位决定再生制动过程中电机转矩和功率的大小.通过不同手柄模式、不同制动强度及不同路况下的再生制动测试,解析出了各手柄模式的再生制动策略.最后通过仿真分析验证解析策略的正确性.      

基于制动强度判别的再生制动力分配策略研究

电动汽车再生制动能量回收系统可以提高其续航里程。本文以某前驱型电动汽车为研究对象,分析了其在行驶过程及制动过程中制动力分配情况,综合考虑ECE制动法规、电机峰值转矩及电池充电性能等主要限制性条件,融合驾驶员制动强度判别特性,提出了一种适合本文电动汽车的再生制动力分配控制策略;基于MATLAB/Simulink软件平台进行了建模仿真,并将仿真结果与理想制动力分配策略进行对比。结果表明,该控制策略能够在保证制动效能的同时实现能量回收,能量回收效率达到34.179%,高于理想制动力分配策略。