电动汽车整车控制器控制策略研究综述

引言

电动汽车是提高汽车产业竞争力、保障能源安全和发展低碳经济的途径，在全球汽车技术“低碳化、信息化、智能化”的发展趋势下，新能源汽车逐渐成为市场主流产品[1]。对电池能源进行充分利用，提高驱动效率和能量回馈效率是目前新能源汽车急需解决的问题。汽车如何在快速启动时保证大功率的瞬时输出；在制动时保证安全的情况下尽量多的存储发电机产生的电能，这对控制技术的要求越来越高。国家在电动汽车科技发展“十二五”专项规划中，继续坚持“三纵三横”研发布局，进一步突出“三横”重点技术：电机及控制系统、电池及管理系统、整车控制器VCU。整车控制器也称动力总成控制系统，是电动汽车的智能核心，它通过捕获钥匙、挡位、加速踏板、制动踏板信号解析驾驶员操作意图[2]，它主要包括：车载电源、开关量的输入/输出模块、A/D采集模块、CAN通讯模块、CPU、存储器[3]。安全和节能是电动汽车动力总成控制系统中最主要的研究方向[4-5]，本文针对现有的高效驱动控制策略和制动控制策略研究进行综述分析，推动电动汽车更快更好地发展。

“挑战盛典”完美落幕，但海尔的挑战之路还在继续延伸。在此过程中，海尔还将继续挑战行业极限、挑战自我极限，以期为用户带来更加美好的生活体验。

1　电动汽车驱动控制

电动汽车驱动控制的本质是根据加速踏板开度及变化率、制动踏板开度及变化率、电池组状态和电机状态等因素确定电机的输出转矩。

1.1　常见的驱动控制策略

1.1.1　双参数控制

驱动模式划分为常规模式、经济模式和动力模式；在不同控制模式下加速踏板同一开度对应不同的行程系数[6-11]。电机的输出转矩设定为加速踏板行程系数与当前电机转速下最大输出转矩的乘积函数:

Tw=La×Ta-max,

(1)

式中：Tw为电机输出转矩；La为加速踏板行程系数；Ta-max为当前电机转速下最大输出转矩，由电机外特性图获知。

加速踏板行程系数与加速踏板开度有着密切的关系，加速踏板开度可由加速踏板传感器电压值计算得出，踏板开度的大小以百分比%表示，0%表示加速踏板无作用，100%表示加速踏板全开[12]。该控制方式可通过调节加速踏板行程系数与加速踏板开度的对应关系较好地满足汽车动力性、经济性的要求，由于模型简单可靠，获得广泛应用。但是，该控制策略并没有考虑电池状态、加速踏板变化率、挡位信号等影响因素对电机转矩的特殊需求。

1.1.2　多参数控制

将电机驱动转矩表示为加速踏板开度与其变化率、电机状态、电池状态和车速等信息的数学表达式[13-14]。

Tw=f(AccPedal,AccPedal′,Brake,n,Temp,U,SOC,IB,Gear),

(2)

式中:Tw为电机输出的驱动转矩；AccPedal为加速踏板开度；AccPedal′为加速踏板开度变化率；Brake为制动踏板开度；n为电机转速;Temp为电机温度值；U为电池组当前的总电压；SOC为电池组荷电状态；IB为总电流；Gear为挡位信号。

但相关文献都没有给出具体的关系式，在控制策略中运用的思想是将加速踏板的开度与电机的输出转矩看成近似的线性关系[9]。

1.2　模糊控制策略在控制器中的应用

模糊控制是以模糊控制理论、模糊语言和模糊控制逻辑推理为基础的一种智能控制方法，具有鲁棒性强、容错能力强、语言控制规则简单和不依赖数学模型等优点[15-18],模糊控制策略在控制器中的应用越来越广泛。王佳、陈龙[19-21]等人根据驾驶员驾驶意图，将驾驶模式分为：常规模式、动力模式、经济模式。在常规模式下以线性稳定驱动控制策略确定输出转矩；在动力模式下采用模糊算法，以加速踏板开度为输入，动力优化为输出，对输出转矩作增矩优化；在经济模式下采用模糊控制算法，以电机转速和加速踏板开度为输入，转矩优化为输出，对输出转矩作减矩优化。通过仿真验证了不同模式下期望控制目标，动力模式相比常规模式明显缩短了加速时间，提升了整车加速性能；经济模式可以有效延长纯电动汽车的续驶里程。

通过实际的调查分析我发现，当前高中生的消费结构存在一定的不合理之处，出现了一系列浪费的现象。很多学生的消费行为，往往凭感情用事，或者是单纯的进行模仿，并没有制定合理的理财以及消费计划，导致了资金的浪费。举个例子来说：很多学生花大钱送同学生日礼物，或者周末和同学去看电影，到KTV去唱歌等，导致没钱买教辅、舍不得吃饭等现象发生。

北京理工大学宋强[22]等人根据纯电动汽车在不同车速加速时对驱动转矩的需求，建立了以车速和加速踏板开度及变化率为输入变量，转矩补偿增量为输出变量的模糊控制器。仿真表明考虑加速时车速因素，有助于提高电动汽车在中低速时加速动力性和高速时操纵稳定性。

重庆大学秦大同[23-24]等人采用“典型工作点+分段插值”和模糊控制方法进行驾驶员意图识别；采用“动态补偿转矩保持”和“动态补偿转矩归零”算法进行转矩补偿，仿真结果表明控制策略保证了车辆的操控性，提高了车辆的动力性。

为了衡量解的优劣,精英档案策略引入了密集距离概念,通过删除密集距离较小的解即处在密集位置的解,以限制档案的成员数量。而且通过比例选择的方法为每个粒子选取全局最优,即Pareto最优解中存在的密集距离越大的解会有更大的概率被选为全局最优的粒子。

孔慧芳[25]等人提出基于遗传算法的汽车起步模糊控制策略，利用遗传算法优化模糊控制中隶属函数，一定程度改善了模糊规则不能进行优化的缺点，仿真结果表明模糊逻辑控制器实现了汽车的平稳起步。

模糊控制器具有一定的鲁棒性，在控制器中应该越来越广泛。但是模糊控制隶属度函数、模糊规则都受到人为设定的影响，对隶属度函数、模糊规则的选取往往依据人的经验，其人为干扰因素很大。控制器的多数实验都是以仿真方式验证，缺乏实车试验，因此进一步加强实车验证是今后要研究的重点方向。

2　能量回馈的研究

电动汽车在制动或滑动时能量回馈可以提高电动汽车电池能量利用率,改善电动汽车经济性。能量回馈要综合考虑汽车动力学特性、电机发电特性、电池充电特性等多方面的问题。减速时电机回馈能量的大小与系统的转动惯量、转速、机械阻力、电机绕组电感、电机以及变频回路的电阻等因素有关[26]。当加速踏板完全松开时，车辆进入制动或滑行状态，其中制动方式包括：电制动、机械制动或两者复合制动[27]。

2.1　电动汽车制动能量回馈的基本策略

2.1.1　最佳制动效果控制策略

并行制动系统由再生制动力和机械制动力组成，车辆进行制动时两种制动力同时、平行出现，非驱动轴采用传统的机械制动。由于并行制动系统主要由机械制动系统提供制动力，再生制动系统仅仅起辅助作用，因此回收的制动能量很有限。但是并行制动系统的结构简单，可以在稍微改动或不改动原有传统制动系统基础上实现。控制系统仅对制动电机力进行控制，控制参数少，控制容易实现，制动系统可靠度比较高。

哈尔滨工业大学刘志远、林双武[28]等人采用并行制动，提出了基于驾驶意图的制动能量回收策略，通过制动踏板行程实现制动意图识别，仿真和实车试验表明该控制策略稳定可靠。叶敏、郭振宇等人针对电动汽车再生制动过程中系统具有参数大范围摄动和强非线性的特点，综合H2最优控制和H∞鲁棒控制的优点，提出鲁棒H2/H∞混合控制策略，仿真和实车试验表明混合控制策略缩短了制动时间，保证了车辆的安全性能，且回收了更多能量[29]。

2.1.2　最佳制动能量回馈控制策略

上机数控的技术优势源自于在内部建立了良好的技术创新机制，技术中心会根据公司的发展战略制定新品开发战略，根据市场变化及需求细化新品开发计划，对专业技术人才则采用股权激励等措施提高其积极性和开拓性。截至2017年底，公司共取得6项发明专利、57项实用新型专利和3项外观专利，并将其应用到实际生产制造中。

该制动控制策略的控制目标是在满足车辆制动要求的情况下，尽可能回收更多的制动能量。在分配前后轴机械制动和再生制动力时，控制策略应保证制动减速度和前后轮均不抱死。此种再生制动可以最大程度地回收制动能量，延长续驶里程[30]。但是由于控制系统复杂需要同时对制动电机制动力和摩擦制动力进行精确的控制，制动稳定性不高，在路面附着系数变化时可能会发生单个车轮先抱死的情况。

王红霞[31-32]等人提出一种根据制动强度分配前、后轮制动力的控制策略，仿真表明车辆的能量消耗率降低，回收能量和能量利用率有不同程度的提高。

从学历、专业、工作年限、经验、能力素质、认证、专业技能、熟练程度等多个维度构建紧缺岗位的岗位画像。企业招聘人员会在招聘网站对招聘岗位进行详细的岗位要求描述。通过对企业岗位要求描述进行文本分析，将岗位要求分为八大类，分别是能力素质、专业认证、学历水平、经验要求、经验年限、技能掌握程度、所学专业、专业技能。目录以八大类要求为岗位画像维度，全方位展示每个紧缺岗位的能力、技能、经验等具体要求情况，并对岗位的具体要求按照需求数量进行排序。

2.1.3　理想制动力分配控制策略

为使电动车辆滑行时驾驶特性接近传统车辆，在加速踏板回零且车速大于某设定值时，参照传统车辆滑行时产生的阻力，对驱动电机施加制动转矩。山东大学黄万友等人[36]采用动态矩阵算法，根据控制电机测试的阶跃响应曲线构造动态模型，在控制过程中进行滚动优化和反馈校正，实车试验表明该控制策略有效抑制了电机制动转矩波动，取得了良好的滑行能量回馈效果。哈尔滨工业大学林双武[28]等人进行滑行能量回收时，在满足约束条件前提下，以一定时间内回收的能量最大为控制目标，提出基于滚动优化的滑行能量回收策略，仿真验证了该策略的可行性。北京理工大学林程[37]等人利用模糊算法控制电机再生制动转矩，模拟发动机反拖制动过程，仿真表明该策略回收了一定能量，但逻辑门限值大小还有待进一步验证。

[18]Denis N,Dubois M R,Desrochers A.Fuzzy-based blended control for the energy management of a parallet plug-in hybrid electric vehicle[J].Intelligent Transport Systems Iet,2015,9(1):30-37.

2.2　车辆滑行能量回馈策略

该制动系统控制策略的目标是减小车辆制动距离，提高制动稳定性，制动器施加在前后轮上的制动力应遵循理想的制动力分布曲线I[33]，在保证车辆具有最佳前后轴制动力分配的前提下尽量回收制动能量。其优点是能充分利用地面附着条件，保证制动的稳定性，且能量回收率较高；缺点是制动系统复杂，需要对摩擦制动力进行数值化控制，对控制器智能化程度要求高。

2.3　超级电容在能量回馈中的应用

电动汽车能量存储系统由电池和超级电容器组成[38]。超大电容功率密度高、充放电时间短、循环寿命长、工作范围宽，再生控制系统的储能装置采用超级电容，可减少汽车制动时巨大回馈电流对电池的损害，提高制动能量回收率[39-43]。长安大学赵轩等人对纯电动客车复合控制系统制动力分配比例进行研究，采用分层隐形马尔科夫模型进行制动驾驶意图识别，以制动驾驶意图、车速、前后轮制动力分配比列、ECE法则、电动机特性、滑移率、蓄电池特性、超级电容特性和传动系统特性为约束提出了复合制动控制策略，仿真结果表明汽车在低速制动时能量回收效率最高可达43.84%，高速紧急制动能量回收率最低可达0.89%[44]。

由于超级电容刚面世不久，价格比较昂贵，能量密度低，比能量只有2千瓦左右[45]，应用技术不成熟等问题，因此在电动汽车应用不多。

3　结论

1)实时采集车辆运行信息，在线统计加速踏板开度、加速踏板变化率、车速和加速度等驾驶特征，并根据司机驾驶行为特征进行控制策略适应性优化，但还缺乏相应研究。

2)电动汽车在驱动控制和能量回馈研究中，有些模型建立已经很具体，但是对模型的验证大多是以仿真方式完成，还有待进一步加强实车验证以提高实用性。

3)模糊控制策略虽然成为现在的研究热点，但对隶属度函数、模糊规则的选取还存在不足，需进一步加强其选取算法的研究。

4)驱动控制策略可归纳为双参数控制和多参数控制两类，能量回馈策略可归纳为最佳制动效果控制、最佳制动能量回馈控制、理想制动力分配控制三类。

密度、施氮、施磷、施钾4个因素对产量产生一定影响，且产量随各因素的提高呈开口朝下的抛物线，存在产量最高点，各抛物线的顶点就是各单因子的最高产量，对应的是各因子的最优投入量。在试验设计范围内，当密度为123 750株/hm2时，产量为2 153.5kg/hm2；施N为52.5 kg/hm2时，产量为2 159.2 kg/hm2；施P2O5为52.5 kg/hm2时，产量为2 155.1 kg/hm2；施K2O为58.5 kg/hm2时，产量为2 163.7 kg/hm2。

英语课前的准备工作就是收集和处理的过程。学生课前准备就可以初步了解学习内容,提出教材有不懂或困惑的地方。正如爱因斯坦说过“发现问题比解决问题更重要。”，收集问题就是学生激活已有知识和经验,通过字典等工具，分析新问题，为课堂学习做好准备过程。

2.6 各种具体药物的疗效分析 他汀类、ACEI类和钙拮抗剂对脂肪肝好转有效(P<0.05)，而其他药物则未见明显疗效。见表5。

[1]刘宗巍,史天泽,郝瀚,等.中国汽车技术的现状、发展需求与未来方向[J].汽车技术,2017, (1): 1-6.

[2]刘震,高力.纯电动汽车整车控制策略设计开发与研究[A].第十届沈阳科学学术年会论文集(信息科学与工程技术分册)[C].沈阳：沈阳市科学技术协会，2013：368-375.

[3]王思哲,赵小羽.纯电动汽车整车控制策略及其开发流程[J].机电产品开发与创新,2016, 29(2): 84-86.

[4]严英.纯电动公交客车加速踏板驾驶特性辅助优化策略研究 [D],天津：天津大学, 2012.

[5]电动汽车科技发展“十二五”专项规划 [M].社会科学文献出版社, 2012.

[6]LI H,ZHANG G.Hybrid Electric Vehicle Drive Control[J].Procedia Environmental Sciences,2011,10(1):403-407.

[7]刘永山.纯电动汽车整车控制器开发及控制策略研究[D].武汉:武汉理工大学, 2014.

Step 4.Repeat the Step 3 for;...K to match all the parameters.

[8]王立国.纯电动客车动力总成控制策略研究 [D].长春：吉林大学, 2009.

为了兼顾各项指标的得失，采用综合加权评分法进行分析[3-4]，以选出使各项指标都尽可能达到最优的组合。

由图3可知，1.064 μm在平流雾中的前向散射最强.由表1和表2可知，1.064 μm在平流雾中的散射系数(4.3296 km-1)大于在辐射雾中的散射系数(3.612 3 km-1).说明1.064 μm在平流雾中前向散射大、散射能力强，多次散射对透过率的贡献较大，所以相同传输距离下，1.064 μm在平流雾中的衰减小于在辐射雾中的衰减.

[9]邱会鹏.纯电动汽车整车控制器的研究[D].哈尔滨:哈尔滨工业大学, 2014.

[10]周孟喜.电动汽车驱动工况下的整车控制策略研究[D].重庆:重庆大学, 2012.

②尊重媒体并合理利用。在抓住传统媒体阵地的同时，建立官微公众号并予以推广。院内建立多个QQ群、微信群，运用网络的便捷推进院内外正能量的传递。与院外网站、电视台、报社等建立长久宣传合作关系，拓宽医院宣传渠道，增加医院正面典型的宣传频次，保证正面发声主动话语权。提升传播效果。

经过5年的艰辛努力，西达里亚油田“外练筋骨皮、内练一口气”，各项指标均出现逆转，并实现质的飞跃——原油日产量由2017年1月初的11吨升至目前的65吨，2018年折耗比2017年降低67%，2018年吨油操作成本比2015年降低63%，前三季度实现利润915万元。

[12]MUTOH N, KAZAMA T, TAKITA K. Driving characteristics of an electric vehicle system with independently driven front and rear wheels[J].IEEE Transactions on Industrial Electronics, 2006, 53(3): 803-13.

[13]黄万友,程勇,纪少波,等.基于最优效率的纯电动汽车驱动控制策略开发 [J].汽车工程,2013, 35(12): 1062-1067.

[14]田军辉.纯电动客车整车控制器硬件在环测试系统开发及驱动控制策略研究[D].长春：吉林大学, 2013.

[15]诸静.智能预测控制及其应用[M].浙江大学出版社, 2002.

[16]葛新成,胡永霞.模糊控制的现状与发展概述 [J].现代防御技术,2008,36(3):51-55.

[17]Li Q,Chen W,Li Y,et al.Energy management strategy for fuel cell/battery/ultracapacitor hybrid vehicle based on fuzzy logic[J].International Journal of Electrical Power&Energy Systems,2012,43(1):514-525.

侯典平[34-35]等人针对纯电动汽车再生制动力分配因数不合理的问题，基于ECE制动法规建立再生制动数学模型，根据ECE法规要求分配制动力，仿真验证表明控制策略提高了车辆行驶过程中的能量回收效率。

[19]陈龙,程伟,徐兴,等.基于模糊控制的纯电动汽车加速输出转矩优化控制策略[J].汽车技术, 2015,(4):56-61.

[20]王佳,杨建中,蔡志标,等.基于模糊控制的纯电动轿车整车优化控制策略[J].汽车工程,2009, 31(4):362-365.

[21]祁华宪.基于驾驶意图识别的纯电动汽车模糊控制策略研究[D].合肥:合肥工业大学,2017.

[22]宋强,万海桐,米玉轩,等.纯电动汽车加速过程中的驱动转矩优化控制策略[J].江苏大学学报自然科学版,2017,38(1):1-6.

[23]秦大同,陈淑江,胡明辉,等.基于驾驶员意图识别的纯电动汽车动力性驱动控制策略[J].汽车工程,2015,37(1):26-32.

[24]秦大同,周孟喜,胡明辉,等.电动汽车的加速转矩补偿控制策略[J].公路交通科技,2012,29(5): 146-151.

[25]孔慧芳,任亚明.基于遗传算法优化的汽车起步模糊控制策略[J].合肥工业大学学报自然科学版,2009,32(1):21-23.

[26]张承慧,杜春水,李珂.变频驱动异步电机再生制动及馈电技术[J].电机与控制学报,2006, 10(4):356-360.

[27]邹积勇.电动汽车控制策略研究[D].天津:天津大学,2007.

[28]林双武.电动汽车制动控制策略的研究[D].哈尔滨:哈尔滨工业大学, 2010.

[29]叶敏,郭振宇,程博,等.基于参数摄动的电动汽车再生制动鲁棒混合控制研究[J].西安交通大学学报,2007,41(1):64-68.

[11]彭金雷. 纯电动汽车整车控制策略研究 [D].广州:华南理工大学, 2013.

[32]潘盛辉,宋仲达,王系朋.纯电动汽车机电复合制动控制策略的研究[J].控制工程,2017,24(2): 309-314.

[31]王红霞,李冠峰.电动汽车制动能量回收控制策略研究 [J].机械研究与应用,2012,(1):4-6.

参考文献：

[30]查鸿山,宗志坚,刘忠途.电动汽车能量回馈制动仿真研究[J].机械科学与技术,2012,31(4): 572-577.

[33]Peeie M H B,Ogino H,Oshinoya Y.Skid control of a small electric vehicle with two in-wheel motors:simulation model of ABS and regenerative brake control[J].International Journal of Crashworthiness,2016,21(5):396-406.

[34]侯典平,张洪信,赵清海,等.纯电动汽车再生制动力控制策略优化研究 [J].机械制造,2017, 55(3):4-7.

[35]丛铭,江毓,吴子涵,等.纯电动汽车再生制动控制策略的研究 [J].时代汽车,2017(11):57-59.

[36]黄万友,程勇,曹红,等.参考济南道路工况的纯电动汽车能量回馈策略[J].电机与控制学报, 2012,16(10):86-94.

[37]林程,刘夏红,董爱道.基于加速踏板行程的再生制动控制策略研究[J].汽车工程,2015,37(7): 802-806.

[38]LU S, CORZINE K A, FERDOWSI M. A New Battery/Ultracapacitor Energy Storage System Design and Its Motor Drive Integration for Hybrid Electric Vehicles[J].IEEE Transactions on Vehicular Technology, 2007, 56(4): 1516-1523.

[39]YOO H, SUL S K, PARK Y, et al. System Integration and Power-Flow Management for a Series Hybrid Electric Vehicle Using Supercapacitors and Batteries[J]. IEEE Transactions on Industry Applications, 2008, 44(1): 108-114.

[40]楼海星,姚维.超级电容在电动汽车电池能量回馈中的应用[J].轻工机械,2013,31(6):54-58.

[41]Liu H,Wang Z,Cheng J,et al.Improvement on the Cold Cranking Capacity of Commercial Vehicle by Using Supercapacitor and Lead-Acid Battery Hybrid[J].IEEE Transactions on Vehicular Technology,2009,58(3):1097-1105.

[42]Carter R,Cruden A,Hall P J.Optimizing for Efficiency or Battery Life in a Battery/Supercapacitor Electric Vehicle[J].IEEE Transacitons on Vehicular Technology,2012,61(4):1526-1533.

[43]周美兰,刘占华,胡玲玲.纯电动汽车复合电源再生制动控制策略研究[J].黑龙江大学自然科学学报, 2017,34(3): 359-365.

[44]赵轩,马建,汪贵平.基于制动驾驶意图辨识的纯电动客车复合制动控制策略[J].交通运输工程学报,2014,14(4):64-75.

[45]沈文强.基于超级电容的电动汽车高效驱动系统设计[D].杭州:浙江大学,2014.