模糊控制系列-基于模糊控制的制动能量回收策略（1）

babylemon828

前言

大家好，我是王浮生不怕生。

看到后台铁子私信才想起来模糊控制系列就更新了一篇，我一直以为更新完了来着。



本文以能量回收策略为例，简单介绍下模糊控制器在simulink中的实现的方法。

这里说明一点：

前文发布后，有铁子反馈回收策略模糊控制的输入能不能做成三输入，对于制动需求表征方法，采用制动强度代替踏板开度。所以本文在建立模糊控制器时的输入由前文的SOC、制动踏板开度变更为SOC、车速及制动强度。

废话不多说，下面进入正题吧。



如何在matlab/simulink环境中建立模糊控制器

我们在前面的文章中提到：一般的模糊控制系统的架构包含了五个主要部分，即:定义变量、定义变量的模糊分布、定义模糊规则、模糊推理及反模糊化。

在Matlab/Simulink中建立模糊控制器的时候，我们主要进行前三步的编辑，后面的交给软件算就可以了。

下面简单介绍下模糊控制器的建立过程。

【1】在matlab命令行窗口输入“fuzzy”打开Fuzzy Logic Designer。



【2】这里我们定义模糊输入变量为车速、SOC以及制动强度，输出变量为电液制动扭矩分配系数。

通过Edit→Add Variable→Input再添加两个输入，将输入分别命名为SOC、Velocity、Z。输出变量定义为coeff。



通过图示选项分别建立输入及输出变量的模糊子集及隶属度函数。



①SOC

随着SOC的增加，通常需要限制回收功率，以防止电池过充。这里对于SOC设置L（低）、M（中）、H（高）三个模糊子集，分布情况如下图所示。



②车速

当车速较低时，考虑到平顺性，降低回收率。这里对于车速设置L（低）、M（中）、H（高）三个模糊子集，分布情况如下图所示。



③制动强度

当制动强度较大时，考虑到安全性，需要适当降低电制动回收比例，设置L（低）、M（中）、H（高）三个模糊子集，分布情况如下图所示。


④分配系数再生制动力占前轮制动力比例为取值范围是［０１］。模糊子集设置为三个，当再生制动力所占份额很少时，主要是机械制动，如紧急制动情况，模糊子集为L（负大）；当再生制动所占份额为中等部分时，此时电机制动与机械制动所占份额大致相同，此时模糊子集为M（中）；当再生制动所占份额比较多时，模糊子集为 H（正大），表示制动能量回馈较多，隶属度函数如下图。


【3】建立好模糊变量及隶属度函数后，需要根据经验建立模糊规则，遵循的总体如下：

①在一定的制动需求内：

◆制动需求越大，SOC越低，车速越高，回收强度越大；

◆制动需求适中，SOC适中，车速适中，回收强度适中；

◆制动需求越小，SOC越高，车速越低，回收强度越小；

②为保证安全性，在较大的制动需求下，适度降低电制动分配系数。

根据上述定义的模糊子集及规则建立控制系统的模糊规则如下：



后面要做的就是把上面这些模糊规则一点点输到模糊控制器中，模糊规则的输入是通过If-Then的方式输入，if是条件，Then是输出。

建立规则的时候注意图示的选项，通常用and即可。



方法挺简单，就是过程废人。

建立完成后，可以通过view-rules/surface查看建立的模糊规则。





完成编辑后，将其保存为“.fis”文件即可。



模型测试

在simulink环境下，通过“Fuzzy Logic Controller”模块调用模糊控制文件，如下图所示，通过“MUX”模块建立输入变量，这里有两点需要注意：

【1】输入变量的顺序与模糊控制文件中变量的顺序要保持一致；

【2】输入变量单位要与模糊控制器变量定义时采用的单位保持一致；



举个栗子，例如我们在定义SOC的模糊子集及隶属度函数时，定义其范围（Range）为【0，1】，假设我们现在输入的SOC采用的单位为百分比，就会导致最终输出的分配系数始终很低。

这也是许多铁子常犯的错误，做到这里的时候注意一下。

输入如下信号，根据模糊规则判定，

【1】在3s左右，分配系数会下降至中等水平，

【2】从4s开始，随着制动强度增大，分配系数会继续下降

【3】从6s开始，随着制动强度减小及车速降低，分配系数有一个先增加后下降的过程；

【4】从7s开始，随着车速增加，分配系数随之增加



分配系数输出如下图所示，从趋势上看，基本上符合我们的判断。





结语

本文简单介绍了能量回收模糊控制器的建立方法，并通过简单的输入信号验证了控制器的合理性。

先水到这儿，下文介绍一下如何在crusie+simulink环境下，建立基于模糊控制的能量回收策略模型，有需要的铁子请持续关注。

wmwlove

好的，针对您所提到的基于模糊控制的制动能量回收策略，我作为汽车工程师对您的帖子回复如下：

您好，关于模糊控制在制动能量回收策略中的应用，您的研究很有价值。在Matlab/Simulink中实现模糊控制器时，需构建输入与输出的模糊集和模糊规则。针对您提到的SOC、车速及制动强度三输入，建议根据实际需求合理设定模糊变量的论域和隶属度函数。接着，设计合理的模糊规则库和推理机制，根据系统状态实时调整能量回收策略。最终，通过仿真验证控制策略的有效性。在实现过程中，还需考虑实时性、系统稳定性等因素。希望这些建议对您有帮助，期待您后续的研究进展。

[内容由汽车工程师之家人工智能总结，欢迎免费使用，见贴尾]

cengjili

大家好，针对王浮生不怕生的帖子，关于模糊控制系列中基于模糊控制的制动能量回收策略。以下是专业回复：

模糊控制技术在制动能量回收策略中的应用，对于提高车辆能源利用效率具有重要意义。在Simulink中实现模糊控制器时，需考虑系统动态响应和能量回收效率等因素。针对输入变量的选择，采用SOC（电量状态）、车速及制动强度作为输入更为合理。在MATLAB/Simulink环境中，建议利用模糊逻辑工具箱进行模糊控制器的设计，结合相关算法进行仿真验证和优化。在实施过程中，应注意模型的可扩展性和鲁棒性，以确保能量回收策略在实际应用中的效果。以上只是简要回复，具体实现细节还需结合实际情况进行深入研究和分析。

[内容由汽车工程师之家人工智能总结，欢迎免费使用，见贴尾]