基于Q学习算法的再生制动能量回收控制策略*

马什鹏 尹燕莉 张刘锋 马永娟 黄学江

（重庆交通大学机电与车辆工程学院）

目前，世界各大汽车企业都致力于开发电动汽车来实现节能减排，再生制动能量回收技术是电动汽车开发的关键技术之一[1-2]。再生制动研究的核心是在制动安全的前提下，合理分配机械摩擦制动力和电机制动力，即制动力分配控制策略[3-4]。为解决再生制动过程中制动力合理分配的问题，文章提出了基于Q学习算法的再生制动能量回收控制策略，以制动能量回收效率最大为优化目标，总需求制动力矩和车速为状态变量，运用Q学习算法，获得最优制动力分配系数，从而实现机械制动力和再生制动力的优化分配。

1 混合动力汽车模型

1.1 混合动力汽车结构参数

文章研究的混合动力汽车是一款前驱并联型轻度混合动力轿车，其主要部件包括发动机、电动机和无级变速器等，整车的主要参数如下：整备质量m=915 kg，轴距L=2.365 m，质心高度hg=0.525 m，质心离前轴的距离a=0.935 m，轮胎半径r=0.272 m，滚动阻力系数f=0.009，空气阻力系数Cd=0.335，迎风面积A=2.0 m2，主减速比4.38。

1.2 车轮处的制动需求力矩

在制动过程中，汽车主要受滚动阻力、空气阻力和车轮处制动力的作用。当制动踏板被踩下时，车轮处的制动需求力矩由制动器制动力矩和电机制动力矩来提供。

式中：Treq——车轮处的制动需求转矩，N·m；

v——车速，km/h；

z——制动强度，是加速度a与g的比值。

1.3 再生制动力矩

再生制动过程中，电机处于发电状态，再生制动力矩可以表示为：

式中：Tm——电机转矩，N·m；

i0——主减速器速比；……