电动车控制器
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇电动车控制器范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
电动车控制器范文第1篇
1、电动车的电机按结构可分为两种,即有碳刷及换向器的电机(简称“有刷电机”)和没有碳刷靠霍尔元件进行换向的电机(简称“无刷电机”)。
2、其控制器也分为有刷控制器和无刷控制器两种，二者不可互换。有刷控制器的电路组成及原理请参见前文，下面通过实际电路讲述无刷控制器的工作原理。
3、举例48V／350W电动自行车无刷控制器电路原理。该控制器由CPU（PIC16F72）、2片74HC27（3输入或非门）、1片74HC04D（反相器）、1片74HC08D（双输入与门）和1片LM358（双运放）、6只大功率场效应管等组成，功率达350W。是一款比较典型的无刷电动车控制器，具有60°和120°驱动模式自动切换功能。
（来源：文章屋网 ）
电动车控制器范文第2篇
1、不可以用，会损害电动车。大功率电机配小功率控制器后，大功率电机在工作中电流比较大，会引起控制器频繁断电保护。因此大功率电机的性能就会降低。而控制器内的开关管损坏的几率也会增加。，因此控制器会有一个保护电流，也就是限流。电流超过限定值后控制器会自动切断电源输出。因此不同功率的控制器限流电流大小也不一样。
2、在一定程度上，控制器决定电动机的最大功率。因此控制器功率比电动机功率小的直接后果，就是电动机功率降低。
（来源：文章屋网 ）
电动车控制器范文第3篇
关键词：车辆工程；电液复合制动；主动前轮转向；能量回收；控制策略；极值搜索算法
中图分类号：U463.4 文献标识码：A
文章编号：1674-2974（2016）02-0028-08
分布式电驱动汽车因其诸多优点而受到工业界和学者们的青睐[1-2].
电动车在复杂路面条件下的制动力矩分配直接影响车辆的稳定性，车轮突然滑转或抱死会引起侧向附着降低，严重时可导致车辆失去转向能力甚至甩尾.传统的产品化的ESP控制利用ABS和ASR控制作为下层来控制车轮的滑移（转）率，但现有的分布式驱动电动汽车制动力矩分配控制未能实现与ABS和ASR控制的结合[3]，因此，如何设计适合分布式驱动电动车的滑移率控制器，提高制动效能，同时保证车辆主动安全性是需要关注的一个问题.
电动车具有电机制动响应快、实时性好、精准可控的优点，但其最大制动力矩受限于电机本身特性和电池荷电状态（SoC），无法满足一些强制动工况的需求，故电动车常采用电机再生制动和液压制动的复合制动方式[4].电液复合制动技术也被认为是提高电动车续航和车辆主动安全性的关键技术.目前对电液扭矩协调的研究主要采用未包含执行器动力学的静态分配方法[5]，然而由于二者执行带宽的差异，会使实际响应力矩的复合效果与期望值之间有偏差.因此，如何在考虑执行器动力学条件下设计动态控制分配是需要关注的又一问题.
鉴于此，本文提出一种分离路面下AFS与电液复合制动集成的控制策略.AFS用来补偿侧向稳定性，采用滑模控制.电液复合制动用来实现滑移率控制，采用滑模极值搜索算法，并考虑转弯制动时纵向动力学对侧向动力学的影响，引入前轮转角对滑移率控制律进行修正，进一步提高车辆侧向稳定性.针对电液复合制动，采用动态控制分配法协调电机与液压制动力矩，通过增加对执行机构速率的惩罚，扩展一般的二次规划控制分配算法，使算法具有频率依赖的特性，实现对执行机构带宽的考虑.最后对控制策略进行仿真验证.
1车辆动力学模型
面向控制器验证用车辆模型采用七自由度整车模型，如图1所示.
2 控制策略
控制策略采用内外环结构.为提高车辆系统对参数不确定性的鲁棒性，外环AFS控制器采用滑模控制，内环滑移率控制器采用滑模极值搜索算法.针对目前复合制动电液制动力矩协调难的特点，利用考虑执行器带宽的动态控制分配法进行电机与液压制动力矩协调，并采用分层控制结构，实现控制问题的解耦化、简易化，如图2所示.如上层滑移率控制器保证不出现抱死拖滑，得到总期望制动力矩即可，无需考虑电机与液压是如何协调的；中层控制分配模块只需在考虑执行器动力学条件下，实现对总期望制动力矩的分配即可；下层电机与液压执行器仅需考虑约束条件下执行控制分配模块给出的分配值即可，无需考虑分配值是如何得到的.
2.4制动力矩分配与执行
滑移率控制器得到的总期望制动力矩需要电机与电子液压复合制动实现，然而由于二者执行动力学差异[1]，传统静态控制分配在包含执行器动力学情况下易使实际响应力矩的复合效果与期望值之间有偏差，本文采用动态控制分配[10]实现电液力矩分配：
作为比较，本文采用链式递增法实现期望制动力矩的静态控制分配[11].图3为静态控制分配与动态控制分配力矩分配频域响应，可以看出动态控制分配高频阶段执行带宽更大的电机制动权重更大.
其中后轮低选控制表示后轮高附着一侧制动力选择与低附着一侧相同；滑模极值搜索与门限值控制均为四通道独立控制，逻辑门限控制取参考滑移率为0.2.直线制动时，协调控制与无协调控制策略一致，标示为“AFS+WSC”.车辆仿真参数见表2.
3.1分离路面直线制动
工况设定：初始车速为25 m/s；路面摩擦因数，左侧0.8，右侧0.4.
图4为几种控制策略的横摆角速度变化曲线，可以看出AFS与WSC集成控制可以使横摆角速度接近理想值0，较好地补偿了由于左右制动力不均产生的干扰横摆力矩；其他3种单独WSC控制都无法跟踪理想值，但后轮低选控制因后轮制动力相同，产生的干扰横摆力矩变小，因此横摆角速度相对较小.图5为车辆制动轨迹曲线，AFS与WSC集成控制的最大侧向偏移为0.8 m，而3种单独WSC控制工况均出现较大的制动跑偏，其中逻辑门限值控制产生的侧向位移最大，为5.2 m；滑模极值搜索控制为5.1 m，但后者纵向距离为62.5 m，小于前者的69.6 m；后轮低选控制的侧向位移为4.08 m，小于滑模极值搜索的5.1 m，但其纵向制动距离为67.6 m，明显大于滑模极值搜索的62.5 m.其中，由于AFS调节，集成控制侧向偏移方向相反.
图6为轮胎滑移率变化曲线，可以看出0.25 s左右WSC搜索到了最优滑移率并保持稳定，说明本文所提出的滑模极值搜索算法可以自动搜索到最优滑移率.右侧低附路面最优滑移率偏小，符合路面附着系数越小最优滑移率也越小的趋势.图7所示为左前轮电液复合制动实际响应力矩跟踪期望值的效果曲线，可以看出动态控制分配能较好地跟踪期望值，而静态控制分配则无法跟踪期望值.图8所示为电机与液压制动力矩变化曲线，可以看出开始0～0.06 s内仅有电机制动，当其制动力矩达到饱和后，液压制动开始工作.仿真开始3 s后，随着车速降低，当电机转速低于电机基速时，再生制动力矩开始逐渐减小到0，与此同时液压制动逐渐增大以满足总期望制动力矩需求.可见制动过程中，除因最大扭矩380 N・m的约束条件限制，电机总是处于最大制动强度，最大化地进行了能量回收.
3.2分离路面转弯制动
工况设定：初始车速为20 m/s；弯道内侧路面摩擦因数为0.4，外侧为0.8；1 s后开始向左转向，1 s内方向盘转角由0°转到84°.
图9显示，AFS与WSC协调控制可以较好地跟踪理想横摆角速度，无协调控制则在大横摆角速度时无法跟踪，3种WSC单独控制工况，均无法跟踪理想横摆角速度.
图10为转弯制动距离，可看出协调控制较无协调控制最大侧向位移增加了0.1 m，3种WSC单独控制时出现了较大的侧向滑移.图11显示，无协调控制时产生的质心侧偏角最大为0.22 rad，而协调控制仅为0.06 rad，单独WSC控制时因未实现理想转弯运动，产生的质心侧偏角均较小.图9～图11表明AFS与WSC协调控制较无协调控制可以显著提高车辆侧向稳定性，制动距离却未出现明显增大，而单独WSC控制均无法保证车辆转弯时的侧向稳定性.
图12为AFS与WSC协调控制产生的归一化轮胎纵向力，左侧轮胎快速稳定在0.4左右，而右侧稳定在0.8左右，说明WSC滑模极值搜索算法可以自适应路面附着系数的变化，快速搜索到轮胎的最大制动力.前轮转向时（1.0～2.0 s），前轴左右轮归一化轮胎纵向力出现了明显的减小，这是由于AFS控制产生了车轮附加转角，造成轮胎纵向力减小的缘故.
4结论
针对分布式电驱动汽车，以实现车辆主动安全性同时兼顾制动能量回收为目标，考虑转向和制动两系统动力学上的相互影响和相互制约，提出一种AFS与电液复合制动的集成控制策略.通过对所提出控制策略进行仿真验证，主要得出以下结论：
1） 分离路面直线制动时，集成控制策略产生的横摆角速度接近0，侧向偏移为0.8 m，可以较好地回收制动能量，保证制动方向稳定性.滑移率控制器可自适应路面附着系数变化，不依赖参考滑移率即可快速搜索到最大制动力和最优滑移率.动态控制分配可使实际响应力矩更好地跟踪期望制动力矩.
2） 分离路面转弯制动时，WSC与AFS协调控制较无协调控制可以更好地跟踪理想横摆角速度，制动距离却未出现明显增大，且质心侧偏角明显相对较小，提高了车辆侧向稳定性.
参考文献
[1]CROLLA D A，CAO D. The impact of hybrid and electric powertrains on vehicle dynamics，control systems and energy regeneration[J]. Vehicle System Dynamics， 2012，50（S1）：95-109.
[2]KAWASHIMA K，UCHIDA T，HORI Y. Rolling stability control utilizing rollover index for in-wheel motor electric vehicle[J]. IEEJ Transactions on Industry Applications，2010，130（5）：655-662.
[3]余卓平，冯源，熊璐.分布式驱动电动汽车动力学控制发展现状综述[J].机械工程学报，2013，49（8）：105-114.
YU Zhuo-ping，FENG Yuan，XIONG Lu. Review on vehicle dynamics control of distributed drive electric vehicle[J]. Journal of Mechanical Engineering，2013，49（8）：105-114.（In Chinese）
[4]DE CASTRO R，ARAJO R E，TANELLI M，et al. Torque blending and wheel slip control in EVs with in-wheel motors[J]. Vehicle System Dynamics，2012，50（S1）：71-94.
[5]JING H H，LIU Z Y，LIU J S. Wheel slip control for hybrid braking system of electric vehicle[C]//Proceedings of 2011 International Conference on Transportation， Mechanical， and Electrical Engineering. New York： IEEE，2011：743-746.
[6]周兵，范璐，骆晨. 主动前轮转向变传动比曲线分析与设计[J]. 湖南大学学报：自然科学版，2014，41（2）：73-78.
ZHOU Bing，FAN Lu，LUO Chen. Analysis and design of the variable steering ratio curve of active front steering system[J]. Journal of Hunan University： Natural Sciences，2014，41（2）：73-78. （In Chinese）
[7]ZHANG C，ORDONEZ R. Extremum-seeking control and applications[M]. Berlin： Springer，2012：51-52.
[8]DINMEN E，GUVEN B A，ACARMAN T. Extremum seeking control of ABS braking in road vehicles with lateral force improvement[J].IEEE Transactions on Control Systems Technology，2012，22（1）：230-237.
[9]DRAKUNOV S，OZGUNER U，DIX P. ABS control using optimum search via sliding modes[J]. IEEE Transactions on Control Systems Technology， 1995，3（1）：79-85.
电动车控制器范文第4篇
关键词：电动汽车；驱动控制系统；车辆模型；SOA智能优化算法
DOI：10.16640/ki.37-1222/t.2016.21.163
0 引言
近年来，绿色环保与可持续发展成为日益重要的发展理念。本文研究的轮毂电机驱动电动汽车在现有商用化电动汽车的基础上省略了减速器、 差速器和传动轴等机械零部件部件，直接由整车控制器发出控制信号直接控制车轮，这样节省车内空间，更容易实现电动车的微型化、轻量化[1-2]。本文将CarSim中的内燃机模型和传动系统模型，修改为毂电机模型，在Matlab/Simulink中搭建电机模型和控制系统模块，在联合CarSim进行联合仿真。
1 四轮轮毂电机电动汽车建模
在Matlab/Simulink中搭建轮毂电机模型，去掉CarSim中的传统内燃机汽车模型， 通过Matlab/Simulink和CarSim联合仿真，搭建出四轮独立驱动轮毂电机电动汽车整车模型。
1.1 轮毂电机建模
轮毂电机无刷直流电机，其主要由电机本体、霍尔位置传感器和电子逆变器构成。无刷直流电机数学模型形式可表示为：
其中ea，eb，ec分别表示定子a，b，c三相生成的梯形反电动势。电磁转矩方程为：
式中：Te为电磁转矩；w为电机角速度；Tl为负载转矩；J为转动惯量；B为黏滞摩擦系数；ua，ub，uc为绕组电压 ，ia， ib，ic为相电流；ea，eb，ec为相反电势；L为相绕组自感系数；M为相绕组互感系数。
式（1）、式（2）和式（3）共同构成了无刷直流电机的微分方程数学模型。采用基于SOA的PID控制算法来控制轮毂电机，
1.2 整车模型搭建
打开CarSim 8.02 软件，选择B-Class， Hatchback选项作为基准车辆，将CarSim中原有的内燃机模型改为 4-wheel drive（四轮驱动），其内容定义为选择No dataset select方式，同时将四轮驱动转矩设置为车辆模型的输入量变量。
2 整车动力学控制器设计
基于PID的控制器技术问世至今有70多年，但在一般情况下，对PID的三个参数的取值是根据经验，再加上试凑出来的，本论文引用基于人群搜索算法来优化PID的参数整定。
2.1 SOA算法适度函数的选取
SOA智能算法在搜索进化中用适度值来评价解的优劣，用其解作为下一个搜寻个体的更新依据，经过多次迭代，最终达到最优解。目标函数如下：
式中，是系统误差，是控制器的输出，和为权值。同时采用惩罚控制，一旦有超调产生，超调量就作为一项最优指标，其最优指标函数为下：
2.2 SOA算法个置的更新
用高斯隶属度函数表示了搜索步长的模糊变量：
试中：为高斯隶属度函数，而为输入变量，和为隶属度函数的参数。通过对人的利己、利他和预估行为分析，确定搜索方向，确定搜索方向和步长以后，可以得到位置更新算式如下：
2.3 SOA算法流程
适度函数和参数编码确定后SOA算法整定PID参数算法如下： （1）初始化个体和维度矩阵时，随机产生一个S×D的初始位置矩阵；（2）根据目标函数和最优指标函数计算个体的适度值；（3）每个个置与自己的历史最佳位置进行比较，记录最佳位置作为个体最佳位置；（4）每个个体最佳位置与种群最佳位置进行比较，记录最佳位置作为种群最佳位置； （5）根据位置更新算法，更新位置，如果没有达到结束条件，返回到（2）。
3 仿真分析
采用CarSim和Matlab/Simulink搭建的用于四轮独立驱动轮毂电机电动汽车控制系统仿真验证的平台。首先，SOA智能算法，实时的迭代出控制系统的最优参数，使得PID控制器能获得最优的控制性能， PID控制器根据目标车速实际工作状态，合理的给四个四轮分配力矩。
为进一步验证所搭建的四轮独立驱动轮毂电机电动汽车模型的有效性，在CarSim中选择对应的传统车模型来对比，方向盘转选择有代表性的正弦波形来进行仿真实验，路面附着系数选择0.25，行驶速度为120 km/h，无制动，档位控制选择AT 6档。
4 结论
仿真结果可以很容易地分析得到，在论文中所建立的轮毂电机电动汽车模型与 CarSim中传统汽车模型是比较接近，进入一步的验证了模型的有效性，通过引入SOA智能控制算法，也提高了电动汽车驱动控制系统的快速响应性能和鲁棒性能，该模型的搭建将为日后电动汽车整车控制算法的研
究奠定了基础。
参考文献：
[1]Murata S.Vehicle dynamics innovation with in-wheel motor.SAE Paper，2011（39）：7204.
电动车控制器范文第5篇
关键词：纯电动汽车；模糊PID；动力系统；自调节；目标车速
中图分类号：U461.2文献标文献标识码：A文献标DOI：10.3969/j.issn.2095-1469.2014.05.09
Abstract：From the perspective of complete vehicle integrated control of longitudinal dynamics， a new control scheme of PEV speed hierarchical control system was proposed. The accelerator aperture was transformed into the corresponding hierarchical target speed， anda complete vehicle power system based on the vehicle speed feedback self-regulation using fuzzy PID control was designed. Then the system model was built and carried out in Matlab/Simulink. The results of simulation demonstrated that the system overcomes the disadvantages of repeated adjustment and complicated operation in traditional control systems， met the requirements of vehicle control under some typical electric vehicle driving conditions， and hence showed great relevance to applications.
Key words：PEV； fuzzy PID； power system； self-regulation； target speed
行驶的汽车是一个由驾驶员-汽车-环境构成的闭环系统，驾驶员的操纵方式和汽车的行驶环境（外界路面环境、交通状况等）决定了汽车的行驶状态[1]。汽车纵向行驶过程中，驾驶员根据行驶环境的不同，使用感官采集汽车的行驶状态信息，通过不断地操作加速和制动踏板来实现对发动机输出转矩和整车制动力的控制，进而达到对整车车速的控制。因此，驾驶员的工作是一个不断调节、反复修正的过程，相当于一个智能反馈控制器，极易使驾驶员感到疲劳。
近年来，在增强汽车可操作性和降低驾驶疲劳方面，国内外学者做了很多研究，就电动汽车动力系统控制而言，主要有：（1）电机驱动控制[2-6]，电机输出特性优化，尤其是线性化的力矩输出特性和电机调速性能及抗扰动等方面的研究。（2）变速器换挡控制，包括换挡控制策略[7]和换挡机构优化及智能控制研究[8-9]。（3）整车传动系控制，如整车控制策略[10-12]、匹配及协调控制的研究[13-14]等。这些研究都是在原动力控制模式基础上进行的优化改进，在一定程度上使整车性能有所提高，其意义重大，但是前述的问题仍然没有从根本上得到解决。为此，本文提出了一种新型实用的纯电动汽车速度分级调控系统，其核心思想是利用速度的分级控制以及电子系统的闭环反馈自调节，代替驾驶员完成部分加速踏板修正的操作，实现对车速的半智能控制。
1 驱动系统控制原理
1.1 纯电动汽车控制原理
纯电动汽车使用电动机代替内燃机作为主要动力源，其控制系统框图如图1所示，取消了传统汽车中的离合器结构，通过改变三相逆变器输入到电机中的电流，实现对电机输出转矩和转速的调节，而电机输出的动力经机械连接的变速器、传动机构到轮胎直接驱动汽车行驶，其动力响应相对传统汽车更加快速、高效。
目前，纯电动汽车动力控制策略依旧与传统内燃机汽车控制策略保持一致，驾驶员通过操作加速踏板开度来调节动力源的转矩输出特性，从而实现对整车驱动行驶的控制；需要制动的时候，则通过制动踏板带动制动回路，给车轮施加制动力矩，使车辆减速。这种整车控制策略使得在汽车纵向行驶的过程中，驾驶员必须不断修正加速踏板，以保证汽车以一个良好的期望车速不断行驶。驾驶员操作流程如图2（a）所示，可以看出，驾驶员在行驶过程中操作繁琐，需要反复调节加速和制动踏板，车辆控制效果不佳。
1.2 速度分级调控系统控制原理
本文提出的控制系统理想模型是通过加速踏板控制整车车速的单自由度车速控制系统模型。纯电动汽车行驶时，首先检测驾驶员输入加速踏板的开度信号，通过速度分级表转化成对应的定值目标车速，同时检测车轮的转速，形成整车车速闭环反馈控制。利用一体化控制器对电机和变速器进行耦合协调控制，协调电机和变速器转矩、转速输出并实现适时换挡，优化系统的加速性能和动力输出，最终达到电动汽车智能控速、平稳行驶的状态。改变加速踏板区间，加减速的过程自动实现，其响应速度由路况、汽车动力性及控制算法共同决定。制动减速系统仍旧是机械动力系统结构，制动时切断加速信号，其过程与传统汽车一致。
该系统利用电子系统的闭环反馈调节，代替汽车行驶过程中驾驶员的反复调节过程，在一定程度上简化了系统控制模式。不同的踏板开度对应相同的车速，随着加速踏板开度变大，从一个区间进入另一个区间，目标车速增加，系统控制车速上升，这与驾驶员的驾驶感受和习惯都是一致的。其驾驶员操作流程如图2（b）所示，避免了车速保持过程中的反复修正，大大简化了驾驶员的操作，同时增强了电动汽车的可操作性和可靠性，降低系统能耗并提升道路行驶安全性。
2 速度分级调控系统实现方案
2.1 系统方案结构
纯电动汽车速度分级调控系统结构示意图如图3所示，角度传感器9采集加速踏板4和制动踏板8开度信号输入给一体化控制器5，一体化控制器通过矢量控制方法调节逆变器7输入到永磁同步电机1的电压矢量来调整电机的输出特性，同时通过控制换挡机构10的操作实现AMT11的适时自动换挡，取消了传统汽车传动系统中的离合器部件，电机输出的力矩通过与之机械连接的变速器、传动机构3，最终传递至车轮2驱动整车行驶，通过车轮转速传感器6反馈的车轮转速信号，实现整车车速的实时反馈。
2.2 系统目标车速的制定
参照我国对于特殊路段限速的标准和法规以及关于行车安全车速研究的相关文献[15]，综合考虑良好路况的车速控制误差和驾驶员驾驶习惯等因素，人为制定了系统的目标车速分级，见表1，共分为8个区间，汽车在达到稳定状态下以下列车速稳定行驶。将加速踏板的开度百分比对应的目标车速固定化，作为整车分级调速的目标车速，简化了整车动力系统的控制和换挡策略的制定，增强了系统的抗干扰性。
2.3 系统控制方法
为了使车辆快速响应目标车速达到稳态，并保持稳定的行驶状态，系统针对不同路况输出的转矩应能够实现自动调节，以达到驱动力与行驶阻力的平衡。永磁同步电机的输出转矩调节是系统控制的核心，它是对坐标变换后产生磁通的励磁电流id和产生转矩的转矩电流iq进行解耦和独立调节，如图4所示，在转矩电流电流环的基础上，加入速度反馈形成转矩速度双闭环控制。速度环采用增量式的模糊PID控制器调节，可以使速度环具有速度脉动率小、频率响应快、调速范围宽等优点。
在速度环控制算法的选择上，因为模糊控制可以引入专家经验，而且不需要知道动力系统的精确数学模型，在速度保持和加速踏板区间变化时可以分别调节、平滑过渡，具有较好的适应性。单独使用模糊控制不易消除达到目标车速稳态偏差，且对控制器运算性能要求较高，而PID算法简单又可以较好地消除稳态偏差，但动态性能不佳，因此综合两者的优点，利用模糊控制实时修正PID参数，提高了系统的控制精度和鲁棒性，具有良好的系统控制性能。
3 仿真结果与分析
本文设计的纯电动汽车速度分级调控系统整体仿真模型如图5所示，control模块模拟仿真行驶工况负载和输出驾驶员操作踏板开度，ECU模块执行查表获得目标车速及挡位控制，SVPWM模块实现永磁同步电机的空间矢量控制，fuzzyPID模块是针对不同路况制定的速度环和电流环反馈控制策略模块，PMSM模块包括永磁同步电机系统和信号输出检测两部分，car模块对应汽车行驶系部分建模。根据汽车行驶时的各个不同工况，选择control模块的仿真工况，设置仿真时间为10 s，分别对起步、加速、上坡、制动减速4种工况分别进行仿真。
仿真结果的整车车速和电机转矩如图6～9所示，由于电机的转矩响应迅速，采用纯电动汽车速度分级调控系统，驾驶员通过简单操作加速踏板，就能够控制整车车速，实现对与区间相对应的目标车速的跟随，达到车速的平稳控制。
（1）起步过程，模拟驾驶员制动过程操作，加速踏板保持在第3区间，车辆平地起步，车速平稳上升至目标车速29 km/h，并保持。
（2）加速过程，加速踏板从在3 s时由第3区间阶跃至第4区间，车速先保持，在3 s时逐渐由29 km/h上升到38 km/h。
（3）上坡过程，加速踏板保持在第2区间，车辆在2 s时驶上20°的斜长坡，车速小幅波动后稳定在目标车速20 km/h。
（4）制动过程，加速踏板先保持在第4区间，车辆行驶2 s后，间隔0.2 s后制动1.3 s，间隔0.2 s后，加速踏板最后保持在第2区间，车辆实现制动减速，车速由38 km/h迅速降至20 km/h并保持稳定。
4 结论
（1）本文设计的纯电动汽车速度分级调控系统形成了整车车速的反馈闭环自动调节，它采用速度分级控制的思想，通过踏板区间控制车速，使驾驶操作简便、高效。
（2）起步过程平稳快速，加速、上坡和制动减速3种典型工况下，整车车速都能在5 s内恢复到目标车速误差±3%范围内，该系统满足车辆的实际行驶需求，是一种合理可行的纯电动汽车动力系统控制方案。
（3）速度分级调控系统集成模糊PID控制，充分发挥了矢量控制电机转矩的快速响应能力，转矩响应小于0.1 s，具有实用性。
参考文献（References）：
葛安林，金辉，张洪坤，等.一种汽车智能换挡体系的研究[J].中国机械工程，2001，18（5）：585-588.
Ge Anlin，Jin Hui，Zhang Hongkun，et al. Study of a Vehicle Intelligent Gearshift System [J]. China Mechanical Engineering，2001，18（5）：585-588. （in Chinese）
KAZEROONI M，HAMIDIFAR S，KAR N C. Analytical Modelling and Parametric Sensitivity Analysis for the PMSM Steady-State Performance Prediction [J]. Electric Power Applications，IET，2013，7（7）：586-596.
Li Shihua，Gu Hao. Fuzzy Adaptive Internal Model Control Schemes for PMSM Speed-Regulation System [J]. IEEE Transactions on Industrial Informatics，2012， 8（4）：767-779.
温旭辉，刘钧，赵峰，等.车用高性能永磁电机驱动系统的研发[J].汽车工程，2011，33（10）：880-884.
Wen Xuhui，Liu Jun，Zhao Feng，et al. Research and Development of High Performance Permanent Magnet Motor Drives for Electric Vehicles [J]. Automotive Engi-neering，2011，33（10）：880-884. （in Chinese）
FLIELLER D，NGAC K N，WIRA P. A Self-Learning Solution for Torque Ripple Reduction for Nonsinusoidal Permanent-Magnet Motor Drives Based on Artificial Neural Networks [J]. IEEE Transactions on Industrial Informatics，2013，61（2）：655-666.
何洪文，余晓江，孙逢春，等.电动汽车电机驱动系统动力特性分析[J].中国电机工程学报，2006，26（6）：136-139.
He Hongwen，Yu Xiaojiang，Sun Fengchun，et al. Study on Power Performance of Traction Motor System for Electric Vehicle [J]. Chinese Journal of Electrical Engineering，2006，26（6）：136-139. （in Chinese）
GLIELMO L，IANNELLI L，VACCA V，et al. Gearshift Control for Automated Manual Transmissions [J]. IEEE/ASME Transactions on Mechatronics，2006，11（1）：17-26.
黄英，王宪强，万国强，等.面向控制的自动变速器换挡过程动力学分析[J].汽车工程学报，2013，3（1）：47-53.
Huang Ying，Wang Xianqiang，Wan Guoqiang，et al. Control Oriented Dynamics Analysis of Shifting Process for Automatic Transmission [J]. Chinese Journal of Automotive Engineering，2013，3（1）：47-53. （in Chinese）
甘海云，张俊智，卢青春，等.汽车动力传动系统的换挡品质控制[J].汽车工程，2003，25（5）：487-489.
Gan Haiyun，Zhang Junzhi，Lu Qingchun，et al. The Shifting Quality Control of Automotive Powertrain System [J]. Automotive Engineering，2003，25（5）：487-489. （in Chinese）
SEKOUR M，HARTANI K，DRAOU A，et al. Sensorless Fuzzy Direct Torque Control for High Performance Electric Vehicle with Four in-wheel Motors [J]. Journal of Electrical Engineering & Technology，2013，8（3）：530-543.
周能辉，赵春明，辛明华，等.插电式混合动力轿车整车控制策略的研究[J].汽车工程，2013，35（2）：99-104.
Zhou Nenghui，Zhao Chunming，Xin Minghua，et al. A Research on the Vehicle Control Strategy of a Plug-in Hybrid Electric Car [J]. Automotive Engineering， 2013，35（2）：99-104. （in Chinese）
KHAN H，MILIANI E，DRISSI K E K. Discontinuous Random Space Vector Modulation for Electric Drives： a Digital Approach [J]. IEEE Transactions on Power Electronics，2012，27（12）：4944-4951.
Yuan Xibo，Wang Jiabin. Torque Distribution Strategy for a Front and Rear-Wheel-Driven Electric Vehicle [J]. IEEE Transactions on Vehicular Technology，2012，61（8）： 3365-3374.
王峰，方宗德，祝小元.纯电动汽车新型动力传动装置的匹配仿真与优化[J].汽车工程，2011，33（9）：805-807.
Wang Feng，Fang Zongde，Zhu Xiaoyuan. Matching Simulation and Optimization of the New Power Trans-mission Device for an Electric Vehicle [J]. Automotive Engineering，2011，33（9）：805-807. （in Chinese）
