22

(1.北京信息科技大学机电工程学院， 北京 100192；2.北京电动车辆协同创新中心， 北京 100192)

引言

随着能源与环境问题的日益严峻，混合动力车辆因为燃油经济性和排放性较好，所以成为当前汽车节能减排领域研究的重点。而液压混合动力车辆在工作中可以实现短时间内的能量快速充放，同时通过再生蓄能器对制动能量进行回收，并将回收的能量再次应用于再生制动或再生驱动。但液压混合动力车辆的制动系统构造复杂且各系统之间的协调匹配不甚合理，若控制策略选择不当，将很难对制动系统进行最优控制，从而使能量回收率亦难以得到提升。

目前模糊控制已经广泛应用于车辆控制系统，且存在诸多针对模糊控制策略的优化方法，曹万仓等[1]基于模糊控制原理设计了液压混合动力车辆制动能量模糊控制策略，在确保制动安全性的前提下大幅提高了能量回收率。刘洋等[2]通过将模糊控制理论运用于液压混合动力装载机的驱动与联合制动系统，有效降低了整车燃油消耗率。于忠杰等[3]使用粒子群算法对液压混合动力装载机的模糊控制器的控制规则进行了最优化设计，使整车制动能量回收率得到明显提高。林慕义等[4]采用遗传算法对装载机联合制动系统中影响能量回收率的主要参数进行了优化，使优化后的整车能量回收率得到显著提高。而本研究采用的自适应神经模糊系统是一种将神经网络与T-S模糊推理相结合的系统，因此兼具二者优点，即模糊推理的建立过程不依赖对象模型且具有很强的自学习、自识别及自适应能力[5-6]。……