[發明專利]一種基于超磁致伸縮制動系統的復合再生制動控制方法

有效

• 申請號: 202110367569.1
• 申請日: 2021-04-06
• 公開（公告）號: CN113085806B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 于博洋;曹銘純;其他發明人請求不公開姓名
• 申請（專利權）人: 南京航空航天大學
• 主分類號: B60T8/17
• 分類號: B60T8/17;B60L7/10;G06N3/08
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 賀翔

1.一種基于超磁致伸縮制動系統的復合再生制動控制方法，其特征在于，步驟如下：

(1)采集駕駛員正常制動時的駕駛數據，利用駕駛數據訓練神經網絡預測模型；

(2)制動時，實時采集制動踏板壓力P、制動踏板位移s、當前車速v、車輛行駛過程中前方物體相對自車的距離ρ與相對運動速度u信息，同時估計電池荷電狀態；

(3)將步驟(2)中獲得的制動踏板壓力、制動踏板位移和當前車速信息輸入到步驟(1)訓練的神經網絡預測模型中，得到駕駛員制動意圖的初步識別M^*；

(4)通過步驟(2)中獲得的前方物體相對自車的距離與相對運動速度信息，修正駕駛員制動意圖的初步識別，得到最終識別結果；

(5)根據步驟(2)中估計得到的電池荷電狀態信息和步驟(4)得到的駕駛員制動意圖的最終識別結果，選擇制動模式；

(6)根據步驟(5)中選擇的制動模式，向電流調節模塊輸出控制信號，電流調節模塊輸出電流分別控制再生制動電機和超磁致伸縮制動器進行制動；

所述步驟(1)中的神經網絡預測模型如下：神經網絡預測模型由輸入層、隱含層和輸出層組成，其中輸入層包括制動踏板位移s、制動踏板壓力P和車速v，輸出層為制動意圖識別結果；

所述步驟(1)中的神經網絡預測模型訓練過程如下：

(11)對參數進行初始化：根據訓練樣本的輸入、輸出數據確定網絡輸入層和輸出層神經元個數m，n；隱含層的神經元個數l遵從l＝2m+1進行設定；對各層連接權值和閾值進行初始化，給定激勵函數和學習速率，迭代次數；

(12)計算隱含層輸出：根據系統輸入、輸入層和隱含層的連接權值以及隱含層內各神經元的閾值，計算隱含層輸出：

式中，f為隱含層激勵函數；ω_ij為輸入層和隱含層間的連接權值；a為隱含層內各神經元的閾值；

(13)計算輸出層輸出：根據隱含層輸出、隱含層和輸出層之間各神經元的連接權值以及輸出層閾值，計算神經網絡的預測輸出值：

式中，O_k為神經網絡的預測輸出值；ω_jk為隱含層和輸出層之間各神經元的連接權值；b為輸出層閾值；

(14)計算誤差：根據神經網絡預測輸出和期望輸出，計算預測誤差值e_k：

e_k＝Y_k-O_k (1-3)

式中，Y_k為神經網絡的期望輸出值；

(15)更新權值：根據預測誤差值e_k更新網絡連接權值：

ω_jk＝ω_jk+ηH_je_k (1-5)

式中，η為學習速率；

(16)更新閾值：根據預測誤差值更新網絡節點閾值：

b_k＝b_k+e_k (1-7)；

(17)判斷步驟(12)-(16)算法迭代是否結束，若沒有結束，返回步驟(12)；

所述步驟(4)中修正后的制動意圖識別為M＝{α₁,α₂,α₃}，修正方法如下：

規定前方物體遠離時u＞0，ρ的閾值為ρ₁，u的閾值為u₁、u₂，u₁＞0、u₂＜0；

當ρ≥ρ₁且u＞u₁時，緊急制動修正為中度制動，中度制動修正為輕度制動，輕度制動保持不變；

當ρ≥ρ₁且u₁≥u≥u₂時，緊急制動修正為中度制動，中度制動保持不變，輕度制動保持不變；

當ρ≥ρ₁且u＜u₂時，緊急制動保持不變，中度制動保持不變，輕度制動保持不變；

當ρ＜ρ₁且u＞u₁時，緊急制動修正為中度制動，中度制動保持不變，輕度制動保持不變；

當ρ＜ρ₁且u₁≥u≥u₂時，緊急制動保持不變，中度制動保持不變，輕度制動修正為中度制動；

當ρ＜ρ₁且u＜u₂時，緊急制動保持不變，中度制動修正為緊急制動，輕度制動修正為中度制動；

所述步驟(6)中控制信號輸出規則為：

再生制動模式時，控制電流調節模塊僅向再生制動電機輸出控制信號，再生制動電機輸出制動力矩的大小由車速和再生制動力矩關系曲線獲得，該曲線根據不同車速對應的再生制動電機最大穩定再生制動力矩制得；

超磁致伸縮制動系統與再生制動復合制動模式時，控制電流調節模塊同時向再生制動電機和超磁致伸縮制動器輸出控制信號，復合制動方式為：

踏板位移s的閾值為s₁、s₂；

當s＜s₁時再生制動優先進行，超磁致伸縮制動器起輔助制動作用；

當s₁＜s＜s₂時再生制動與超磁致伸縮制動器制動力矩之比為1:2；

當s＞s₂時再生制動與超磁致伸縮制動器制動力矩之比為1:4；

超磁致伸縮制動系統單獨制動時，控制電流調節模塊僅向超磁致伸縮制動器輸出信號。