一种纯电动汽车再生制动力分配优化方法

1.本发明涉及新能源汽车相关技术领域，尤其涉及一种基于多目标遗传算法的纯电动汽车再生制动力分配优化方法。


背景技术：

2.汽车作为一种交通工具，在我们的日常生活中扮演着非常重要的角色，为人们的日常生活提供了极大的便利。
3.与传统燃料汽车相比，纯电动汽车通过永磁电机代替内燃机，通过电能产生动力。此外，纯电动汽车具有制动能量再生反馈和制动力矩精确可调的特点。传统燃油汽车在制动过程中，因为摩擦消耗动能，将动能转化为热能而浪费。由于各种因素，如紧急情况，司机可能会频繁刹车，这导致大部分的能源浪费。而纯电动汽车在保证制动强度的同时，将汽车制动动能和滑动动能储存成电能，然后对这些电能进行合理分配，实现能源的可持续利用。在纯电动汽车的发展，有限的蓄电池，总是限制纯电动汽车的行驶距离的重要因素，对纯电动汽车制动力分配的集合是一个有效的方法来解决这个问题，因此如何最大限度的减少在制动过程中能量损失，制动过程中能量的利用成为工程技术人员研究的重点。


技术实现要素：

4.本发明所要解决的技术问题是实现一种基于多目标遗传算法的纯电动汽车再生制动力分配优化方法，能够使得纯电动汽车更充分的利用制动产生的再生能量，从而达到节约资源并增加车辆行驶里程的目标。
5.为了实现上述目的，本发明采用的技术方案为：一种纯电动汽车再生制动力分配优化方法，当车辆制动时，实时判断当前轮胎所受的摩擦力，并根据摩擦力的变化将制过程划分为不同的时段，包括低时段、中时段和高时段，并在相应的时段执行预设的分配策略。
6.划分时段的方法是将制动过程中，每个制动电机动力分配情况与通过路面情况预测得到的摩擦力进行对比，若制动力电机动力与预期摩擦力的比值小于 0.7，则划分为低时段并采用低时段摩擦力再分配策略，若制动力电机动力与预期摩擦力的比值处于0.7-1.3，则划分为中时段并采用中时段摩擦力再分配策略，若制动力电机动力与预期摩擦力的比值大于1.3，则划分为高时段并采用高时段摩擦力再分配策略。
7.每个时段的控制方法是当该轮胎所受摩擦力小于预期给定值，判断回收储能装置的运行状态，分析净负荷、储能装置允许充电上限和联络线允许的最大功率之间关系，优先按储能装置允许充电上限给储能装置充电，若不足分时储能装置允许充电上限则调配多于制动力，若有剩余电量则向总储能装置储能，仍有电量剩余则舍弃，当该轮胎所受摩擦力大于或等于给定值，分析净负荷、储能装置的荷电状态、储能装置允许充电上限和联络线允许的最大功率之间关系，优先分配电能制动以满足缩短制动距离需求，且尽可能地给储能装置充电。
8.所述中时段摩擦力再分配策略和低时段摩擦力再分配策略的分配方法相同，包括
以下步骤：
9.步骤1、将当前轮胎所受摩擦力与预期给定值比较，若小于预期给定值则执行下一步，否则执行步骤7；
10.步骤2、判断净负荷、储能装置允许充电上限是否小于允许的最大功率，若否则回收装置能量全部用于制动，若是则执行下一步；
11.步骤3、判断当前轮胎所受摩擦力是否小于轮胎理论最大所受摩擦力，若否则回收装置按照当前轮胎所受摩擦力充电，若是则执行下一步；
12.步骤4、回收装置按照轮胎理论最大所受摩擦力充电；
13.步骤5、计算剩余摩擦力；
14.步骤6、判断剩余摩擦力能够发电的功率是否小于联络线允许的最大功率，若否则回收制动装置按照剩余摩擦力发电并向储能装置回流，若否则按照联络线允许的最大功率发电并向储能装置回流，余电舍弃；
15.步骤7、判断当前轮胎所受摩擦力能够发电的功率是否小于联络线允许的最大功率，若否则储能装置向制动电机输电，供电不足按照当前轮胎所受摩擦力能够发电的功率减去联络线允许的最大功率切负荷，若是则执行下一步；
16.步骤8、判断净负荷、储能装置允许充电上限是否小于允许的最大功率，若否则回收装置能量全部用于制动，并且储能装置向制动电机供电，若是则执行下一步；
17.步骤9、判断轮胎理论最大所受摩擦力与当前轮胎所受摩擦力之和的发电功率是否小于联络线允许的最大功率，若否则储能装置按照联络线允许的最大功率向制动电机供电，回收装置按照联络线允许的最大功率减去当前轮胎所受摩擦力能够发电功率之差回收，若是则储能装置按照轮胎理论最大所受摩擦力与当前轮胎所受摩擦力之和的发电功率向制动电机给电，回收转轴按照轮胎理论最大所受摩擦力的发电功率回收。
18.所述高时段摩擦力再分配策略包括以下步骤：
19.步骤a、将当前轮胎所受摩擦力与预期给定值比较，若小于预期给定值则执行下一步，否则执行步骤h；
20.步骤b、判断当前轮胎所受摩擦力能够发电的功率是否小于联络线允许的最大功率，若否则执行下一步，若是则执行步骤f；
21.步骤c、回收电能按照联络线允许的最大功率向储能装置回流；
22.步骤d、判断净负荷、储能装置允许充电上限是否小于允许的最大功率，若否则回收装置能量全部用于制动，并且储能装置向制动电机供电，若是则执行下一步；
23.步骤e、将当前轮胎所受摩擦力减去产生联络线允许的最大功率的摩擦力之差与轮胎理论最大所受摩擦力比较，并按照比较结果小的摩擦力控制回收装置向储能装置回流；
24.步骤f、判断净负荷、储能装置允许充电上限是否大于允许的最大功率，若否则回收制动装置按照当前轮胎所受摩擦力向储能装置回流，若是则执行下一步；
25.步骤g、判断产生联络线允许的最大功率的摩擦力与当前轮胎所受摩擦力之差是否大于轮胎理论最大所受摩擦力，若否则储能装置按照轮胎理论最大所受摩擦力向制动电机给电，同时回收装置按照当前轮胎所受摩擦力和轮胎理论最大所受摩擦力之和回收，若是则储能装置按照联络线允许的最大功率减去当前轮胎所受摩擦力能够发电的功率之差
向制动电机给电，同时回收装置按照联络线允许的最大功率回收；
26.步骤h、判断净负荷、储能装置允许充电上限是否大于允许的最大功率，若否则执行下一步，若是则执行步骤j；
27.步骤i、判断当前轮胎所受摩擦力能够发电的功率是否大于联络线允许的最大功率，若否则回收装置能量全部用于制动，若是则储能装置按照联络线允许的最大功率向制动电机给电，同时回收装置按照联络线允许的最大功率减去当前轮胎所受摩擦力能够发电的功率之差切负荷；
28.步骤j、回收装置按照轮胎理论最大所受摩擦力回收；
29.步骤k、判断当前轮胎所受摩擦力能够发电的功率减去轮胎理论最大所受摩擦力发电的功率之差是否大于联络线允许的最大功率，若否则储能装置按照当前轮胎所受摩擦力能够发电减去轮胎理论最大所受摩擦力向制动电机给电，若是则储能装置按照联络线允许的最大功率向制动电机给电，同时供电不足时切除多余负荷。
30.优化方法预选根据目标电动车建立整车数学模型，所述整车数学模型依据驾驶员指令来建模，设有两个输入和两个输出，所述输入为从整车模块反馈的车速以及需要仿真的城市工况条件，所述输出是油门踏板开度和制动踏板开度，所述整车数学模型车辆刹车时，对收集到的摩擦力进行预测，形成由多种分时摩擦力的再分配策略组成的pareto解集，该分配策略由低时段、中时段、高时段三个时段组成。
31.通过car-nsga
‑ⅱ
对pareto解集进行求解，得到在制动过程中的基于分时摩擦力的在分配策略的最能保证经济与安全的折中解；
32.从pareto解集汇总选取合适制动过程分配的折中解，为每个目标函数建立了如下的隶属函数：
[0033][0034]
i＝1,2 m＝1,2,...,n
[0035][0036]
式中：
[0037]f1max
——经济目标f1的最大值；
[0038]f2max
——安全目标f2的最大值；
[0039]f1min
——经济目标f1的最小值；
[0040]f2min
——安全目标f2的最小值；
[0041]
μi——每个解对应的目标函数的隶属度值；
[0042]
n——pareto解集中候选解集的个数；
[0043]
取α1＝1、α2＝0时，所得为经济最优解；
[0044]
取α1＝0、α2＝1时，所得的解为安全最优解；
[0045]
取α1＝1、α2＝1时，所得解为均衡经济性与安全性的折中解。
[0046]
通过car-nsga
‑ⅱ
对pareto解集进行求解时，进行多目标遗传算法的变异算子如下：
[0047][0048]
式中：
[0049]fmax
——种群中最大适应度值；
[0050]favg
——每代种群的平均适应度值；
[0051]f*
——要变异个体的适应度值；
[0052]
基于car-nsga
‑ⅱ
算法的具体求解过程和参数设置为：
[0053]
step1：种群大小为50，迭代次数为1500，交叉概率0.9，c
mmax
为0.1，c
mmin
为0.05；
[0054]
step2：根据收集到的can总线数据，采用建立的整车数学模型预测下一短周期内电机负载分配需求；
[0055]
step3：初始化种群，随机生成50个分配方案组成的解集作为初始种群p0；
[0056]
step4：调用再生制动力分配优化模型，计算种群p
t
每个分配方案的经济性函数f1、安全性函数f2；
[0057]
step5：将目标函数取负，作为各个分配方案的适应度值；
[0058]
step6：对父带种群p
t
进行tournament选择：根据各分配方案的适应度函数对解集中的个体进行分层rank排序，rank值较小的解较优，然后对同一层的解进行拥挤度距离distance计算，distance值较大的解性能较优，选择30个较优秀的分配方案，进行基于正态分布的交叉和自适应变异操作，以此作为子代种群q
t
；
[0059]
step7：合并种群p
t
和q
t
，并进行非支配排序，此时种群大小为80；
[0060]
step8：对非支配排序的种群进行选择，选择50个较优秀的分配方案作为新的父代种群p
t+1
；
[0061]
step9：判断是否达到迭代次数，若达到迭代次数，输出制动力分配的pareto 最优分配方案解集，调用隶属度函数选取经济、安全双最优折中解，若迭代次数未满则返回step4，且此时t＝t+1。
[0062]
所述目标函数表达式如下：f1＝min(fd+fy+fo+f
buy-f
sell
)
[0063]
式中：
[0064]
f1——纯电动汽车制动过程某种分时调度策略方法的总成本；
[0065]
fd——刹车的发电成本；
[0066]fy
——再生制动力收集装置的运行维护成本；
[0067]fo
——刹车的启停成本；
[0068]fbuy
——刹车电机向总储能机构要电成本；
[0069]fsell
——再生制动力收集装置向总储能装置回流电能；
[0070][0071]
式中：
[0072]
fd——刹车的发电成本；
[0073]
p
td
——刹车制动在t时刻的输出功率(kw)；
[0074]std
——刹车制动在t时刻的工作状态，1为处于工作状态，0为不处于工作状态；
[0075]
a、b、c——刹车电机的电能消耗系数；
[0076][0077]fo
＝os×ns
[0078][0079][0080]
式中：
[0081]
t——周期；
[0082]
n——制动收集装置数量；
[0083]cim
——制动收集装置i运行维护费用的特性系数；
[0084]
p
i,t
——制动收集装置i于t时刻输出的电量(kw)；
[0085]os
——刹车电机启停一次的费用；
[0086]ns
——刹车电机启停次数；
[0087]qtbuy
——t时刻刹车电机向总储能机构要电消耗效率；
[0088]
p
tbuy
——t时刻刹车电机向总储能机构要电量；
[0089]qtsell
——t时刻再生制动力收集装置向总储能装置回流电能效率；
[0090]
p
tsell
——t时刻再生制动力收集装置向总储能装置回流电量。
[0091]
10、根据权利要求9所述的纯电动汽车再生制动力分配优化方法，其特征在于：安全目标为纯电动汽车制动距离最小，表达式如下：
[0092][0093]
式中：
[0094]
f2——纯电动汽车制动过程某种分时调度策略方法的安全制动距离。
[0095]
本发明纯电动汽车再生制动力分配优化方法基于分时摩擦力的分配策略，能够收集到制动过程中各个轮胎点制动力需求值，又能引导储能系统合理分配给电时间和给电量，起到优化制动力分配的作用。
[0096]
纯电动汽车再生制动力分配优化改进的多目标遗传算法与普通遗传算法相比在该情景下具有更快的收敛速度、更好的收敛性和分布性，采用该算法得到的实时分配策略具有优越性与策略的有效性。这种基于多目标遗传算法的纯电动汽车再生制动力分配优化方法，能够有效的增加电动汽车的行驶距离，有效提高纯电动汽车soc剩余量，满足安全和经济的目标的要求。
附图说明
[0097]
下面对本发明说明书中每幅附图表达的内容作简要说明：
[0098]
图1为本发明提供的整车前向建模；
[0099]
图2为本发明提供的分时摩擦力分配策略流程图；
[0100]
图3为本发明提供的低时段分配策略流程图；
[0101]
图4为本发明提供的低时段分配策略流程图；
[0102]
图5为本发明提供的低时段分配策略流程图；
[0103]
图6为本发明提供的car-nsga
‑ⅱ
算法求解流程图；
[0104]
图7为本发明提供的应用car-nsga
‑ⅱ
算法的纯电动汽车再生制动力分配优化方法在ece工况下的soc仿真对比图；
[0105]
图中符号解释如下：
[0106]
p
tj
:轮胎所受摩擦力；
[0107]
g：预期给定值；
[0108]
soc
tj
:净负荷、储能装置允许充电上限；
[0109]
soc
max
：允许的最大功率；
[0110]
p
tchmax
：轮胎理论最大所受摩擦力；
[0111]
p
linemax
：联络线允许的最大功率。
具体实施方式
[0112]
下面对照附图，通过对实施例的描述，本发明的具体实施方式如所涉及的各构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理、制造工艺及操作使用方法等，作进一步详细的说明，以帮助本领域技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
[0113]
本发明提供一种基于多目标遗传算法的纯电动汽车再生制动力分配优化方法，本发明利用汽车总线can反馈的数据汇总形成目标电动汽车检测总数据集，实现精确建立整车数学模型。目标函数方面，采用建立以经济性与安全性为主要目标的纯电动汽车再生制动力分配模型。本发明根据提出的新的基于分时摩擦力的分配策略，结合改进的多目标遗传算法求解，实现在纯电动汽车制动过程中优化再生制动力分配。
[0114]
本实验通过对拟定目标车辆进行数据收集，建立其整车模型如图1所示，在建立的整车模型的基础上，分析影响实验车辆经济性、安全性的因素，建立考虑经济性、安全性的再生制动力优化分配模型，同时设定约束条件；根据本实验提出的基于分时摩擦力的再分配策略如图2，在实验车辆刹车时，对收集到的摩擦力进行预测，形成由多种分时摩擦力的再分配策略组成的pareto解集，该分配策略由低时段、中时段、高时段三个时段组成，三个时段的策略流程图，如图3-5所示。
[0115]
具体的控制了逻辑是当该轮胎所受摩擦力小于预期给定值，判断回收储能装置的运行状态，分析净负荷、储能装置允许充电上限和联络线允许的最大功率之间关系，优先按储能装置允许充电上限给储能装置充电，若不足分时储能装置允许充电上限则调配多于制动力，若有剩余电量则向总储能装置储能，仍有电量剩余则舍弃。当该轮胎所受摩擦力大于或等于给定值，分析净负荷、储能装置的荷电状态、储能装置允许充电上限和联络线允许的最大功率之间关系，优先分配电能制动以满足缩短制动距离需求，且尽可能地给储能装置充电。
[0116]
汽车整车分为前向建模和后向建模，本实验采用的是前向建模，前向建模是根据驾驶员为出发点，依据驾驶员指令来建模，最终模型落脚在车轮上的。驾驶员模型有两个输入，两个输出，输入为从整车模块反馈的车速以及需要仿真的城市工况条件；输出是油门踏板开度和制动踏板开度。为了更好跟随反馈车速，消除车速偏差，本实验采用pid控制，pid
三个具体参数通过matlab工具箱pid-tuner工具箱在线整定三个参数取值，本文p＝50，i＝0.028，d＝0.015。
[0117]
汽车再生制动力分配优化方法是一个含有多个目标函数和多个约束条件的复杂问题，本实验主要考虑制动过程的经济目标和安全目标，经济方面是使制动过程的运行成本最小，安全方面要让制动过程的制动距离变短。在纯电动汽车进行再生能量制动时，考虑到制动安全性前提下，必须使制动力分配靠近理想制动力分配曲线且在i线以下，所以下面以制动力分配点距理想制动力分配线i线几何距离为目标函数来表征制动安全性，即当制动安全性越高，制动力分配点越靠近i线相当于两者之间距离最短，在同一制动力强度z线上。在纯电动汽车进行再生能量制动时，考虑回收能量最大化因素，使得在同一条制动强度z线上的制动力分配尽量使得再生制动能量反馈功率最大，即使得前轮分配的制动力总额中占比要大。并且其中所述的再生制动限制条件由以下三方面组成：电机限制条件，foc控制下tm的确定以及动力电池限制。
[0118]
基于分时摩擦力的分配策略是指根据轮胎在制动过程中所受摩擦力的变化阶段，将制动的过程分为低时段，中时段和高时段，根据前后各个轮所处的负载特性给定不同的回收控制策略，起到优化制动效果的作用。通过满足安全性和经济性的双优解对各个电机制动力进行分配，将制动过程每个制动电机动力分配情况与通过路面情况预测得到的摩擦力进行对比，判断该制动电机处在分时摩擦力的再分配策略哪个时段。若制动力电机动力与预期摩擦力的比值小于 0.7，则采用低时段摩擦力再分配策略；若制动力电机动力与预期摩擦力的比值处于0.7-1.3，则采用中时段摩擦力分配策略；若制动力电机动力与预期摩擦力的比值大于1.3，则采用高时段摩擦力分配策略。
[0119]
通过car-nsga
‑ⅱ
对pareto解集进行求解，得到在制动过程中的基于分时摩擦力的在分配策略的最能保证经济与安全的折中解，图6展示了算法求解流程图，包括以下步骤：
[0120]
step1：种群大小为50，迭代次数为1500，交叉概率0.9，c
mmax
为0.1，c
mmin
为0.05。
[0121]
step2：根据收集到的can总线数据，采用建立的整车数学模型预测下一短周期内电机负载分配需求。
[0122]
step3：初始化种群，随机生成50个分配方案组成的解集作为初始种群p0。
[0123]
step4：调用再生制动力分配优化模型，计算种群p
t
每个分配方案的经济性函数f1、安全性函数f2。
[0124]
step5：将目标函数取负，作为各个分配方案的适应度值。
[0125]
step6：对父带种群p
t
进行tournament选择：根据各分配方案的适应度函数对解集中的个体进行分层(rank)排序，rank值较小的解较优。然后对同一层的解进行拥挤度距离(distance)计算，distance值较大的解性能较优。选择30 个较优秀的分配方案，进行基于正态分布的交叉和自适应变异操作，以此作为子代种群q
t
。
[0126]
step7：合并种群p
t
和q
t
，并进行非支配排序，此时种群大小为80。
[0127]
step8：对非支配排序的种群进行选择，选择50个较优秀的分配方案作为新的父代种群p
t+1
。
[0128]
step9：判断是否达到迭代次数，若达到迭代次数，输出制动力分配的pareto 最优分配方案解集，调用隶属度函数选取经济、安全双最优折中解，若迭代次数未满则返回
step4，且此时t＝t+1。
[0129]
为了准确地从pareto解集汇总选取合适制动过程分配的折中解，为每个目标函数建立了如下的隶属函数：
[0130][0131]
i＝1,2 m＝1,2,...,n
[0132][0133]
式中：
[0134]f1max
——经济目标f1的最大值；
[0135]f2max
——安全目标f2的最大值；
[0136]f1min
——经济目标f1的最小值；
[0137]f2min
——安全目标f2的最小值；
[0138]
μi——每个解对应的目标函数的隶属度值；
[0139]
n——pareto解集中候选解集的个数；
[0140]
取α1＝1、α2＝0时，所得为经济最优解；
[0141]
取α1＝0、α2＝1时，所得的解为安全最优解；
[0142]
取α1＝1、α2＝1时，所得解为均衡经济性与安全性的折中解。
[0143]
变异算子是针对算法背景优劣而提出的一种背景算子。遗传算法中的变异算子不但能够提高算法本身的局部随机搜索性能，而且可以在提高收敛的速度的同时确保种群的多样性。因此，算法中的变异环节是非常重要的，变异算子的综合能力对算法的性能有较大的影响。
[0144]
本实验中所述的改进的多目标遗传算法的变异算子如下：
[0145][0146]
式中：
[0147]fmax
——种群中最大适应度值；
[0148]favg
——每代种群的平均适应度值；
[0149]f*
——要变异个体的适应度值；
[0150]
上述建模过程需要获取目标电动汽车检测总数据集，所述的目标电动汽车检测总数据集通过汽车总线can反馈的数据汇总形成；使用目标电动汽车检测总数据对该目标电动汽车的电源及储能装置进行分析，精确建立整车数学模型，为后面构建多目标优化模型提供基础；建立以经济性与安全性为主要目标的纯电动汽车再生制动力分配模型，添加再生制动限制条件进行约束，所述的再生制动限制条件由以下三方面组成：电机限制条件，foc控制下tm的确定以及动力电池限制
[0151]
经济目标：纯电动汽车制动成本最低
[0152]
纯电动汽车制动过程中再生制动系统收集可再生能源制动、不需要消耗汽车原始
储存能量，应该优先投入运行，需要考虑其运行时维护的成本；制动装置的电能成本相对而言是固定的，不计入优化目标，但需要考虑其设备的启停成本。因此，纯电动汽车经济目标的运行成本包括燃料费用、运行维护费用、再生制动力收集装置的启停成本以及向总储能系统回流电流的成本与收益。表达式如下：
[0153]
f1＝min(fd+fy+fo+f
buy-f
sell
)
[0154]
式中：
[0155]
f1——纯电动汽车制动过程某种分时调度策略方法的总成本；
[0156]
fd——刹车的发电成本；
[0157]fy
——再生制动力收集装置的运行维护成本；
[0158]fo
——刹车的启停成本；
[0159]fbuy
——刹车电机向总储能机构要电成本；
[0160]fsell
——再生制动力收集装置向总储能装置回流电能；
[0161][0162]
式中：
[0163]
fd——刹车的发电成本；
[0164]
p
td
——刹车制动在t时刻的输出功率(kw)；
[0165]std
——刹车制动在t时刻的工作状态，1为处于工作状态，0为不处于工作状态；
[0166]
a、b、c——刹车电机的电能消耗系数；
[0167][0168]fo
＝os×ns
[0169][0170][0171]
式中：
[0172]
t——周期；
[0173]
n——制动收集装置数量；
[0174]cim
——制动收集装置i运行维护费用的特性系数；
[0175]
p
i,t
——制动收集装置i于t时刻输出的电量(kw)；
[0176]os
——刹车电机启停一次的费用；
[0177]ns
——刹车电机启停次数；
[0178]qtbuy
——t时刻刹车电机向总储能机构要电消耗效率；
[0179]
p
tbuy
——t时刻刹车电机向总储能机构要电量；
[0180]qtsell
——t时刻再生制动力收集装置向总储能装置回流电能效率；
[0181]
p
tsell
——t时刻再生制动力收集装置向总储能装置回流电量；
[0182]
安全目标：纯电动汽车制动距离最小
[0183]
在纯电动汽车进行再生能量制动时，考虑到制动安全性前提下，必须使制动力分配靠近理想制动力分配曲线且在i线以下，所以下面以制动力分配点 (f
f-z
,f
r-z
)距理想制
动力分配线i线几何距离为目标函数来表征制动安全性，即当制动安全性越高，制动力分配点越靠近i线相当于两者之间距离最短，在同一制动力强度z线上。表达式如下：
[0184][0185]
式中：
[0186]
f2——纯电动汽车制动过程某种分时调度策略方法的安全制动距离。
[0187]
该方法基于分时摩擦力的分配策略，分时摩擦力分配策略是指根据轮胎在制动过程中所受摩擦力的变化阶段，将制动的过程分为低时段，中时段和高时段，根据前后各个轮所处的负载特性给定不同的回收控制策略，起到优化制动效果的作用，如图7所示，实验车按照算法得到的折中解，进行电能与再生能源制动力分配，并在ece工况下进行仿真验证可靠性，通过多目标遗传算法求解到的纯电动汽车制动力分配，与预测摩擦力对比带入到分时摩擦力的分配策略，可以有效的减少在制动过程中算法的计算量，使硬件可以更加快速的按照预设好的策略进行制动刹车与能量回收，比单纯依靠算法进行再生制动力优化的方法增加了安全性。
[0188]
遗传算子的改进使得变异度随着适应度大小而改变，能在解决纯电动汽车制动力分配问题时，保留适应度较好的个体，具有更好的寻优能力，而且提高了种群稳定性与多样性，使得pareto前沿分布更优。
[0189]
上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。