详情

原文传递混合动力汽车再生制动控制方法

专利名称：	混合动力汽车再生制动控制方法
摘要：	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。本发明用于混合动力汽车的再生制动控制。
专利类型：	发明专利
国家地区组织代码：	黑龙江;23
申请人：	黑龙江工程学院
发明人：	孙远涛;王辉;孙建华;王亮;王云龙;张金柱;朱荣福;耿瑞光
专利状态：	有效
申请日期：	2019-06-26T00:00:00+0800
发布日期：	2019-09-17T00:00:00+0800
申请号：	CN201910560657.6
公开号：	CN110239355A
代理机构：	哈尔滨东方专利事务所
代理人：	陈晓光
分类号：	B60L7/10(2006.01);B;B60;B60L;B60L7
申请人地址：	150050 黑龙江省哈尔滨市道外区红旗大街999号
主权项：	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；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。 3.根据权利要求2所述的混合动力汽车再生制动控制方法，其特征是：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。 4.根据权利要求3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。
所属类别：	发明专利