本發明屬于電液復合制動技術領域，同時涉及群體智能算法領域，尤其是涉及一種優化電液復合制動系統中制動力分配的方法。
背景技術：
傳統車輛的制動系統單純的采用液壓制動，制動液通過進入制動輪缸而產生制動壓力。這種制動方式在面對如今車重、車速及工況日益增加的現實下，其制動穩定性不可靠的弊端逐漸顯露出來，傳統的制動方式已經滿足不了車輛對制動性能和制動安全性的高要求。因此，為解決這一問題，電液復合制動系統則應運而生。
電液復合制動系統的優化問題是一種多目標優化問題，汽車制動能量回收最大化和制動穩定性之間存在相互矛盾的復雜關系，所以再對電液復合制動系統制動力分配的優化問題上，應綜合考慮到前后軸制動力分配系數β、電機最大的制動扭矩tmax、蓄電池soc工作區的上限參考值smax和下限參考值smin之間的相互關系。
近年來，粒子群優化算法成為求解優化問題的一個研究熱點，源于對鳥群覓食過程中的遷徙和聚集的模擬，它收斂速度快、易實現且僅有少數參數需要調整，是非線性連續優化問題、組合優化問題和混合整數非線性優化問題的有效優化工具。對電液復合制動系統制動力分配可以看成是一個多目標約束優化問題，通過對某些系統參數進行優化而使車輛的制動性能和能量回收效率達到最優化。
技術實現要素：
本發明提供了一種優化電液復合制動系統中制動力分配的方法，解決了以上問題，其技術方案如下所述：
一種優化電液復合制動系統中制動力分配的方法，包含以下順序的步驟：
s1、建立關于前后軸利用附著系數的目標函數minf1、制動能量回收效率的目標函數maxf2，并建立相應的適應度函數；
s2、初始化粒子群，確保粒子具有各自隨機的初始速度和初始位置，確定電液復合制動系統的設計變量及各設計變量的坐標上下界，確定初始慣性因子，確定搜索空間維度；
s3、更新慣性因子和各個粒子的位置和速度，并計算各個粒子的適應度值；
s4、進入遺傳算子操作過程，對粒子群體進行選擇、交叉、變異操作；
s5、進行粒子個體最優和群體最優判斷操作；
s6、判斷是否符合終止條件：若符合，退出循環，求出來最優解；若不符合，轉到步驟s3繼續進行。
進一步的，所述步驟s1，包括：
s11、建立關于前后軸利用附著系數的目標函數，即制動穩定性目標函數：為了保證車輛的制動穩定性，在滿足行業標準規定的利用附著系數與制動強度關系的前提下，將前后軸利用附著系數作為制動穩定性的目標函數，即
其中
因此，在滿足行業標準規定的利用附著系數與制動強度關系的前提下，將前后軸利用附著系數作為制動穩定性的目標函數可表示為：
s12、建立制動能量回收效率目標函數：電機的發電效率與電機轉速及制動轉矩有關，電池的充電效率與電池的soc值及電池溫度有關，因此電機的聯合效率可以表示為：
η＝f(tm_reg，ωm，soc，tb)
式中，tm_reg為電機制動力矩；ωm為電機轉速；soc為蓄電池的荷電狀態；tb為蓄電池的工作溫度；
因此，將最大有效再生制動功率作為能量回收效率的目標函數可表示為：
maxf2＝tm_regωmf(tm_reg，ωm，soc，tb)(2)。
進一步的，所述步驟s11，包括：
s111、行業標準規定的利用附著系數與制動強度的關系為：
對于
式中
進一步的，所述步驟s2，包括：
s21、產生粒子種群：隨機產生m個粒子，其中第k個粒子定義為pk＝(xk，vk)(k＝1，2，l，m)，xk是粒子的位置，vk是粒子的運動速度；
s22、初始化粒子的速度(v1(0)，v2(0)，v3(0)，……，vm(0))和對應位置(x1(0)，x2(0)，x3(0)，……，xm(0))；
s23、確定粒子群中所允許粒子的最大速度vmax、最大位移xmax和最大迭代次數nmax；
s24、確定電液復合制動系統的設計變量及各設計變量的坐標上下界，設計變量包括前后軸制動力分配系數β、電機最大的制動扭矩tmax、蓄電池soc工作區的上限參考值smax和下限參考值smin；
s25、確定初始慣性因子ω1和ω2，其中ω1為初始慣性因子的最大值；ω2為初始慣性因子的最小值；
s26、確定搜索空間維度d，d表示電液復合制動系統待優化的參數個數，取d＝4，第一維表示前后軸制動力分配系數，第二維表示電機最大的制動扭矩，第三維表示蓄電池soc工作區的上限參考值，第四維表示蓄電池soc工作區的下限參考值。
進一步的，所述步驟s3，包括：
s31、更新慣性因子：選擇一種自適應的非線性慣性權值遞減函數，其表達式為：
式中，nmax為群體最大迭代次數；nk為當前迭代次數；ω1和ω2分別是初始慣性權重的最大值和最小值，該式初期具有最大值，迭代到最后一步出現最小值，中間的迭代過程中，慣性因子非線性減小；
s32、更新每個粒子的速度(v1(n)，v2(n)，v3(n)，……，vm(n))和位置(x1(n)，x2(n)，x3(n)，……，xm(n))，其中n表示第n次迭代：
粒子群在一個d維空間里搜索，每個粒子都有一個自己的速度值，計做vk，則
vkd(n+1)＝ωkvkd+c1*rand()*(pkd(n)-xkd(n))+c2*rand()*(pgd(n)-xkd(n))
式中，表示在第n+1次迭代中，第k個粒子在第d維度上的速度；vkd表示第k個粒子在第d維度上的速度；ωk為慣性權重；pkd為某粒子截止到目前該粒子所搜索到的最好的解；pkd為種群目前所搜索到的最優解；c1和c2為調節pkd和pgd相對重要性的參數；rand()為生成0到1之間的隨機數；這樣可得到粒子的下一位置：
xkd(n+1)＝xkd(n)+vkd(n+1)
式中n表示第n次迭代；
s33、根據式(1)(2)確定粒子的兩個適應值，式(1)(2)即電液復合制動系統的兩個適應函數，當粒子不滿足約束條件時，采用懲罰函數將該粒子的當前位置剔除。該種懲罰函數的原理是當所求解不滿足約束條件時，則令粒子當前位置的適應度值遠遠大于其歷史最優適應度值。
進一步的，所述步驟s33，包括：
s331、約束條件：由于電機制動力參與制動，根據ece制動法規，實際制動力分配系數將在一定范圍內變化，即在原車前后軸制動力分配系數與引入電機再生制動后前后軸再生制動力分配系數的上限值之間變化；電機的制動力矩不能大于其所能提供的最大制動轉矩；為保證良好的制動穩定性，當制動強度z＞0.3時，汽車后軸利用率附著系數
進一步的，所述步驟s4，包括：
s41、進入遺傳算子操作過程：首先對粒子群體依據適應值進行排序，選擇最優的三分之一粒子直接進入下一次迭代；由已排序的最優三分之一的粒子兩兩進行速度運算和位置的交叉運算，以產生新一代的粒子，替代已排序群體的中間的三分之一粒子；對最后的三分之一的粒子維數進行隨機的重新初始變異，以產生多樣化的粒子群體，增廣參數尋優區域，計算粒子此時的適應值。
進一步的，所述步驟s41，包括：
s411、遺傳算子的操作過程中，粒子兩兩進行速度運算的計算過程如下：
式中，v1(n′)和v2(n′)表示雜交操作生成的兩粒子的速度，v1(n)和v2(n)表示進行雜交操作的雙親粒子的速度，|v1(n)|和|v2(n)|是進行雜交操作的雙親粒子速度的絕對值；
s412、遺傳算子的操作過程中，粒子兩兩進行位置的交叉運算的計算過程如下：
x1(n′)＝rand*x1(n)+(1-rand())*x2(n)
x2(n′)＝rand*x2(n)+(1-rand())*x1(n)
式中，x1(n′)和x2(n′)是雜交操作生成的兩。粒子的位置向量，x1(n)和x2(n)是選擇進行雜交的操作粒子的位置向量，rand()是d維均勻分布的且每個向量都在[0，1]取值的隨機向量。
進一步的，所述步驟s5，包括：
s51、比較每個粒子的歷史最優適應值和全局最優適應值，如果某個粒子的當前位置的適應度值優于歷史值，則對該粒子的歷史最佳位置和適應函數值進行替換；如果某個粒子的歷史最優適應值優于全局最優適應值，則把全局最優適應值作為該粒子歷史最優適應值，記錄該全局最優粒子的位置。
所述優化電液復合制動系統中制動力分配的方法算法簡單，全局搜索能力強，收斂速度快，既保證了車輛在制動過程中的制動穩定性，同時又最大限度的回收了電機的制動能量。
附圖說明
圖1是基于改進粒子群算法優化電液復合制動系統中制動力分配方法的流程圖。
具體實施方式
為了解決上述技術問題，本發明的目的是：根據不同純電動車型或某一純電動車型對制動穩定性和制動能量回收效率的要求，在機電混合制動區域，使車輛在制動過程中的制動穩定性和制動能量回收效率達到最優化。
如圖1所示，本發明的目的通過以下的技術方案實現：
優化電液復合制動系統中制動力分配的方法，其特征在于，包含以下順序的步驟：
s1、確定目標函數，并建立相應的適應度函數；
s2、初始化粒子群；
s3、更新慣性因子和各個粒子的位置和速度，并計算各個粒子的適應度值；
s4、進入遺傳算子操作過程，對粒子群體進行選擇、交叉、變異操作；
s5、進行粒子個體最優和群體最優判斷操作；
s6、判斷是否符合終止條件：若符合，退出循環，求出來最優解；若不符合，轉到步驟s3繼續進行。
進一步，所述步驟s1，包括：
s11、建立關于前后軸利用附著系數的目標函數，即制動穩定性目標函數：為了保證車輛的制動穩定性，在滿足行業標準規定的利用附著系數與制動強度關系的前提下，將前后軸利用附著系數作為制動穩定性的目標函數，即
其中
因此，在滿足行業標準規定的利用附著系數與制動強度關系的前提下，將前后軸利用附著系數作為制動穩定性的目標函數可表示為：
s12、建立制動能量回收效率目標函數：電機的發電效率與電機轉速及制動轉矩有關，電池的充電效率與電池的soc值及電池溫度有關，因此電機的聯合效率可以表示為：
η＝f(tm_reg，ωm，soc，tb)
式中，tm_reg為電機制動力矩；ωm為電機轉速；soc為蓄電池的荷電狀態；tb為蓄電池的工作溫度。
因此，將最大有效再生制動功率作為能量回收效率的目標函數可表示為：
maxf2＝tm_regωmf(tn_reg，ωm，soc，tb)(2)
進一步，所述步驟s11，包括：
s111、行業標準規定的利用附著系數與制動強度的關系為：對于
式中
進一步，所述步驟s2，包括：
s21、產生粒子種群：隨機產生m個粒子，即種群規模大小為m，其中第k個粒子定義為pk＝(xk，vk)(k＝1，2，l，m)，xk是粒子的位置，vk是粒子的運動速度；
s22、初始化粒子的速度(v1(0)，v2(0)，v3(0)，……，vm(0))和位置(x1(0)，x2(0)，x3(0)，……，xm(0))；
s23、確定粒子群中所允許粒子的最大速度vmax、最大位移xmax和最大迭代次數nmax；
s24、確定電液復合制動系統的設計變量及其坐標上下界。設計變量包括前后軸制動力分配系數β、電機最大的制動扭矩tmax、蓄電池soc工作區的上限參考值smax和下限參考值smin；
s25、確定初始慣性因子ω1和ω2；其中為初始慣性權重的最大值；為初始慣性權重的最小值；
s26、確定搜索空間維度d。d表示電液復合制動系統待優化的參數個數，取d＝4，第一維表示前后軸制動力分配系數，第二維表示電機最大的制動扭矩，第三維表示蓄電池soc工作區的上限參考值，第四維表示蓄電池soc工作區的下限參考值。
進一步，所述步驟s3，包括：
s31、更新慣性因子：本發明選擇一種自適應的非線性慣性權值遞減函數，其表達式為：
式中，nmax為群體最大迭代次數；nk為當前迭代次數；ω1和ω2分別是初始慣性權重的最大值和最小值。該式初期具有最大值，迭代到最后一步出現最小值，中間的迭代過程中，慣性因子非線性減小；
s32、更新每個粒子的速度(v1(n)，v2(n)，v3(n)，……，vm(n))和位置(x1(n)，x2(n)，x3(n)，……，xm(n))，，其中n表示第n次迭代：
粒子群在一個d維空間里搜索，每個粒子都有一個自己的速度值，計做vk，則
vkd(n+1)＝ωkvkd+c1*rand()*(pkd(n)-xkd(n))+c2*rand()*(pgd(n)-xkd(n))
式中，表示在第n+1次迭代中，第k個粒子在第d維度上的速度；vkd表示第k個粒子在第d維度上的速度；ωk為慣性權重；pkd為某粒子截止到目前該粒子所搜索到的最好的解；pkd為種群目前所搜索到的最優解；c1和c2為調節pkd和pgd相對重要性的參數；rand()為生成0到1之間的隨機數；這樣可得到粒子的下一位置：
xkd(n+1)＝xkd(n)+vkd(n+1)
式中n表示第n次迭代；
s33、根據式(1)(2)確定粒子的兩個適應值，式(1)(2)即電液復合制動系統的兩個適應函數，當粒子不滿足約束條件時，采用懲罰函數將該粒子的當前位置剔除。該種懲罰函數的原理是當所求解不滿足約束條件時，則令粒子當前位置的適應度值遠遠大于其歷史最優適應度值。
進一步，所述步驟s33，包括：
s331、約束條件：由于電機制動力參與制動，根據ece制動法規，實際制動力分配系數將在一定范圍內變化，即在原車前后軸制動力分配系數與引入電機再生制動后前后軸再生制動力分配系數的上限值之間變化；電機的制動力矩不能大于其所能提供的最大制動轉矩；為保證良好的制動穩定性，當制動強度z＞0.3時，汽車后軸利用率附著系數
進一步，所述步驟s4，包括：
s41、進入遺傳算子操作過程。首先對粒子群體依據適應值進行排序，選擇最優的三分之一粒子直接進入下一次迭代；由已排序的最優三分之一的粒子兩兩進行速度運算和位置的交叉運算，以產生新一代的粒子，替代已排序群體的中間的三分之一粒子；對最后的三分之一的粒子維數進行隨機的重新初始變異，以產生多樣化的粒子群體，增廣參數尋優區域，計算粒子此時的適應值。
進一步，所述步驟s41，包括：
s411、遺傳算子的操作過程中，粒子兩兩進行速度運算的計算過程如下：
式中，v1(n′)和v2(n′)表示雜交操作生成的兩粒子的速度，v1(n)和v2(n)是進行雜交操作的雙親粒子的速度，|v1(n)|和|v2(n)|是進行雜交操作的雙親粒子速度的絕對值；
s412、遺傳算子的操作過程中，粒子兩兩進行位置的交叉運算的計算過程如下：
x1(n′)＝rand*x1(n)+(1-rand())*x2(n)
x2(n′)＝rand*x2(n)+(1-rand())*x1(n)
式中，x1(n′)和x2(n′)是雜交操作生成的兩粒子的位置向量，x1(n)和x2(n)是選擇進行雜交的操作粒子的位置向量，rand()是d維均勻分布的且每個向量都在[0，1]取值的隨機向量。
進一步，所述步驟s5，包括：
s51、比較每個粒子的歷史最優適應值和全局最優適應值。如果某個粒子的當前位置的適應度值優于歷史值，則對該粒子的歷史最佳位置和適應函數值進行替換；如果某個粒子的歷史最優適應值優于全局最優適應值，則把全局最優適應值作為該粒子歷史最優適應值，記錄該全局最優粒子的位置。
本發明的優點為：算法簡單，全局搜索能力強，收斂速度快，既保證了車輛在制動過程中的制動穩定性，同時又最大限度的回收了電機的制動能量。