[发明专利]一种基于超磁致伸缩制动系统的复合再生制动控制方法

说明书

本发明公开了一种基于超磁致伸缩制动系统的复合再生制动控制方法，包括：利用驾驶数据训练神经网络预测模型；实时采集制动踏板压力、制动踏板位移、当前车速、车辆行驶过程中前方物体相对自车的距离与相对运动速度信息，估计电池荷电状态；计算得到驾驶员制动意图的初步识别；得到驾驶员制动意图的最终识别结果；选择制动模式；根据选择的制动模式，向电流调节模块输出控制信号，电流调节模块输出电流分别控制再生制动电机和超磁致伸缩制动器进行制动。本发明利用神经网络，通过制动踏板位移、制动踏板压力和车速，识别制动意图，并利用前方物体相对自车的距离与相对运动速度修正，考虑周围环境，识别准确度高。

技术领域

本发明属于汽车制动控制技术领域，尤其涉及一种基于超磁致伸缩制动系统的复合再生制动控制方法。

背景技术

随着节能环保成为当今世界的主题，清洁、节能的电动汽车是未来汽车工业技术创新的主要发展方向。随着电动汽车技术不断发展，电动汽车的制动系统由传统的液压制动向线控制动转变。线控制动在满足基本制动需求的同时，可以与再生制动系统协调控制进行制动能量回收，再生制动作为电动汽车节能技术的重要组成部分，对提高电动汽车续驶里程，推动电动汽车发展具有重要作用。另外，传统的制动系统产生的制动力仅与驾驶员控制的制动踏板行程有关，在某些工况下难以保证制动的安全性和制动的平顺性；而线控制动系统可以根据工况与驾驶员的制动意图对制动力进行相应的调整，在保证制动安全性的同时提高再生制动时的能量回收效果。

由于上述电动汽车和线控制动系统的特点，对驾驶员制动意图的准确识别甚至预测，有助于进行制动力补偿和再生制动系统的制动力力分配，对保证电动汽车的制动安全性，提高能量利用率有着重要作用。国内外许多学者提出了对驾驶员制动意图进行识别的方法，大都是仅通过踏板力与踏板位移就将制动意图简单的划分为几种模式，没有考虑到车辆所处的行驶工况，制动意图识别准确度较低。

目前，市面上具备再生制动功能的电动汽车，大多在驾驶员踩下制动踏板后再生制动电机才会进行工作，制动控制器对再生制动力和液压制动力通过一定的分配策略进行分配，使车辆所获得的制动力达到目标制动力的同时，也可以回收一定的制动能量，采用这类控制方法的电动汽车驾驶感受与传统车相接近，但由于再生制动只起到辅助制动的作用，因此所回收的制动能量较少。此外，也有一部分具备再生制动功能的电动汽车，所采用的再生制动控制方法是在驾驶员松开油门之后就进行再生制动，但是，这种电动汽车要保持车速就必须要踩油门，驾驶感觉与传统车辆相差较大。而超磁致伸缩制动系统的制动器由电流控制，与现有制动器控制方法不同，现有技术没有针对基于超磁致伸缩材料的制动系统的再生制动控制方法。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种基于超磁致伸缩制动系统的复合再生制动控制方法，以解决现有针对超磁致伸缩制动系统再生制动技术空缺的问题。本发明通过驾驶数据与踏板信息预测制动意图的同时，利用毫米波雷达数据对预测的意图进行修正，使制动意图的识别更加准确，进而使再生制动在多回收能量的同时，尽可能小的影响驾驶员的驾驶感觉。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种基于超磁致伸缩制动系统的复合再生制动控制方法，步骤如下：

(1)离线采集驾驶员正常制动时的驾驶数据，利用驾驶数据训练神经网络预测模型；

(2)制动时，实时采集制动踏板压力P、制动踏板位移s、当前车速v、车辆行驶过程中前方物体相对自车的距离ρ与相对运动速度u信息，同时估计电池荷电状态(SOC)；

(3)将步骤(2)中获得的制动踏板压力、制动踏板位移和当前车速信息输入到步骤(1)训练的神经网络预测模型中，得到驾驶员制动意图的初步识别M^*；

(4)通过步骤(2)中获得的前方物体相对自车的距离与相对运动速度信息，修正驾驶员制动意图的初步识别，得到最终识别结果；