基于驾驶意图的电动汽车电液复合制动协调控制系统研究

Driving mileage is one of the fatal factors to popularize and develop electric vehicle. The best way to increase driving mileage is to improve energy utilization rate on the basis of current energy storage technology. The key technique of improving energy utilization is to achieve the maximum regenerative brake energy under premise of safety when the electric vehicle is braking, so the project researches on the electro-hydraulic composite braking control technology. Considering the multi-objective coexistence of safety and economy during braking for electric vehicle, then based on the identified driving intention and vehicle operation conditions , while considering the restriction of the distribution ratio of braking force upon front and rear, ECER13 braking regulation, slip ratio, motor characteristic, energy storage characteristic and transmission system, a research was done by applying multi-objective programming theory to study the braking force distribution strategy in composite braking system according to the driving intention and vehicle running status. The project proposes the driving intention identification method based on double layer hidden markov model and SOC of battery estimation model based on generalized growing and pruning radial basis function neural network.

续驶里程是制约电动汽车普及和发展的最主要因素之一。在现有蓄电池储能技术的基础上，增加续驶里程最直接的方法是提高能量利用率。电动汽车制动时，如何实现在保证制动安全性的前提下最大限度的回收制动能量是提高能量利用率的关键技术，本项目对电动汽车复合制动控制技术进行研究。考虑到电动汽车制动安全性和制动经济性的多目标共存，根据驾驶员驾驶意图和车辆运行状态，以理想前后轮制动器制动力分配比例、ECER13制动法规、滑移率、电机特性、储能装置特性及SOC、传动系统为约束条件，应用多目标规划理论对复合制动系统中制动力分配策略进行研究。其中提出了基于双层隐形马尔科夫模型的驾驶意图辨识方法；提出了基于广义生长剪枝径向基函数神经网络的多参数蓄电池SOC估计模型。

续驶里程是制约电动汽车普及和发展的最主要因素之一。在现有蓄电池储能技术的基础上，增加续驶里程最直接的方法是提高能量利用率。电动汽车制动时，如何实现在保证制动安全性的前提下最大限度的回收制动能量是提高能量利用率的关键技术，本项目对电动汽车复合制动控制技术进行研究。主要研究工作体现在：提出了基于高斯混合隐形马尔科夫模型和广义生长剪枝径向基函数神经网络混合模型的驾驶意图辨识模型；提出了基于广义生长剪枝径向基函数神经网络的多参数电动汽车蓄电池SOC估计模型；提出了基于蚁蛳优化算法的电动汽车电液复合制动系统制动力分配策略；开发了基于AND5435半实物仿真器的电动汽车复合制动系统半实物仿真试验平台；开发了基于Freescale MC9S12DG128单片机的电动汽车复合制动系统控制系统。.试验及仿真结果表明：基于GHMM/GGAP-RBF混合模型的紧急制动、正常制动和缓慢制动驾驶意图的辨识率分别达到了100%、94.05%和95.29%，因此说明本文提出的驾驶意图辨识模型辨识精度高；基于GGAP-RBF神经网络的多参数SOC估计模型的计算值与试验值的均方根误差RMSE=0.0264，平均绝对误差MAE=0.0206，因此说明本项目提出的SOC预测模型在电动汽车行驶工况下能够准确预测蓄电池SOC；在直线行驶工况、对开路面行驶工况和转弯行驶工况下，基于蚁蛳算法的电动汽车制动控制策略作用下，电动汽车电液复合制动系统能够协调稳定的工作，达到制动安全性和制动经济性的双重控制目标。研究成果能够有效提高电动汽车行驶安全性、能量利用率和续驶里程，有利于构建资源节约型和环境友好型社会。.在本项目的资助下，课题组共发表学术论文26篇，其中SCI检索8篇、EI检索4篇；获得专利9项，其中发明专利7项，实用新型专利2项；获得软件著作权4项；培养年轻教师3名、陕西省青年科技新星人才1名、博士研究生6名、硕士研究生8名。