路面识别下粒子群优化算法的电动汽车制动控制策略研究

本篇硕士学位论文深入探讨了电动汽车在面临环境污染与能源危机背景下的发展挑战，特别是如何通过机电复合制动能量回收技术来提升电动汽车的续驶里程。论文首先回顾了行车制动的历史，分析了线控液压制动系统的特点及其在电动汽车中的应用，强调了滑移率与路面附着系数之间的关联，这对于路面识别器的设计具有重要意义。 路面识别器是研究的核心部分，它通过模糊算法，实时监测车辆行驶时轮胎与路面的互动，计算出当前路面的附着系数。这种路面识别器有助于确保车辆在各种路面上的制动安全性和稳定性，最大化地利用地面附着力，特别是在制动过程中。 针对前后轴制动力的分配问题，论文提出了一种创新的制动力分配控制策略，结合经典控制方法的优点，兼顾制动能量回收和制动稳定性。通过粒子群优化算法，优化电机制动力的大小，使之能根据不同的制动强度自动调整，实现最佳制动模式的切换。这种方法旨在最大程度地回收制动能量，并通过仿真分析进行验证。 论文进一步通过Matlab/Simulink搭建了控制策略模型和Cruise中的整车模型，进行联合仿真，采用新欧洲道路循环工况（NEDC）和美国城市测试循环工况（FTP75）等典型场景，评估了设计策略的可行性和制动能量回收效果。此外，通过在不同制动模式下的实验，证明了所设计控制策略在制动效能方面的优势。 这篇论文不仅深入剖析了路面识别在制动控制中的作用，还展示了粒子群优化算法在电动汽车制动能量回收策略中的实际应用，以及其在复杂工况下的性能优化。这对于电动汽车行业的可持续发展和技术进步具有重要的参考价值。