新能源汽车再生制动能量回收研究综述.pdf

第 13 卷第 4 期2023 年 7 月汽车工程学报Chinese Journal of Automotive EngineeringVol.13No.4July 2023新能源汽车再生制动能量回收研究综述孙 文1，2，张涵睿1，张津硕1，刘俐丽1，张元建3（1.常州工学院 汽车工程学院，江苏，常州 213032；2.吉林大学 汽车仿真与控制国家重点实验室，长春 130025；3.拉夫堡大学 航空与汽车工程系，英国 LE11 3TU）摘要：续驶里程及蓄电池供电技术是目前制约新能源汽车普及的主要因素。再生制动技术作为提高整车能量利用率的有效方案，为新能源汽车续驶里程的提高提供了一条切实可行的解决思路。针对再生制动关键技术，分别阐述了再生制动控制策略研究和再生制动能量管理研究两个方面的研究成果。针对再生制动策略问题，分别从制动意图识别、制动力分配以及轮缸压力控制三方面总结了再生制动相关控制策略；针对能量管理问题，分别从制动能量回收潜力与能量回收效果评估两方面对研究成果进行了总结。分析了通过能量流机理计算车辆节能潜力的方法，并对未来再生制动关键技术的研究与发展趋势进行了展望。关键词：再生制动；再生制动力分配；制动意图识别，制动能量回收评价；综述中图分类号：U463.5文献标志码：ADOI：10.3969/j.issn.20951469.2023.04.04Review on Regenerative Braking Energy Recovery in New Energy VehiclesSUN Wen1，2，ZHANG Hanrui1，ZHANG Jinshuo1，LIU Lili1，ZHANG Yuanjian3（1.College of Automotive Engineering，Changzhou Institute of Technology，Changzhou 213032，Jiangsu，China；2.State Key Laboratory of Automotive Simulation and Control，Jilin University，Changchun 130025，China；3.Department of Aeronautical and Automotive Engineering，Loughborough University，Britain LE11 3TU，Britain）Abstract:Driving range and battery power supply technology currently pose significant constraints to the extensive usage of new energy vehicles.As an effective approach to improve vehicle energy utilization,regenerative braking technology provides a practical solution to extend the driving range of new energy vehicles.The paper presents the research outcomes of regenerative braking technology focusing on both the control strategy and the energy management strategy.According to the research on regenerative braking strategies,the relevant control strategies were summarized from three aspects:braking intention identification,braking force distribution and wheel cylinder pressure control.On the topic of energy management strategies,the paper reviewed the research findings on braking energy recovery potential and the assessment of braking energy recovery effects.Finally,the method of calculating energy recovery 收稿日期：20220613改稿日期：20220717基金项目：国家自然科学基金项目（52272365，62273061）；江苏省高等学校基础科学（自然科学）研究项目（22KJB580001，22KJA580001）；常州市科技计划项目（CZ20220030）参考文献引用格式：孙文，张涵睿，张津硕，等.新能源汽车再生制动能量回收研究综述 J.汽车工程学报，2023，13（4）：470-480.SUN Wen，ZHANG Hanrui，ZHANG Jinshuo，et al.Review on Regenerative Braking Energy Recovery in New Energy Vehicles J.Chinese Journal of Automotive Engineering，2023，13（4）：470-480.（in Chinese）第 4 期孙文 等：新能源汽车再生制动能量回收研究综述potential based on energy flow mechanics was analyzed and the development directions of key regenerative braking technologies were prospected in this paper.Keywords:regenerative braking;regenerative braking force distribution;braking intention identification;braking energy recovery evaluation;review面对严峻的环境和能源问题，汽车行业正在经历由传统汽车向新能源汽车的转型。相关研究表明，汽车约1/31/2的行驶能量是在制动过程中消耗的1。因此，可再生制动技术对新能源汽车的节能减排有重要的影响。再生制动也称反馈制动，在制动时把车辆的动能转化为电能，储存于蓄电池中。汽车制动能量回收的目的在于提高能源利用率，回收后的制动能量可作为驱动能量，大大提高了新能源汽车的续驶里程。尤其在城市工况中，车辆需要频繁地制动起步，其中消耗的能量占汽车产生的总驱动能量的50%2。再生制动技术可提高电动汽车能量的循环利用，在改善混合动力汽车能源利用方面有着巨大潜力3。与传统内燃机汽车相比，新能源汽车的电控化程度较高，需要的控制策略也更为复杂。对于纯电动汽车，制动管路中的制动踏板助力装置无法利用发动机歧管真空特性，也导致了其制动系统硬件的特殊性。为保证能量回收过程中的制动稳定性以及能量回收高效性，确定再生制动能量回收策略是制动能量回收系统发展中不可忽视的问题。本文对再生制动控制策略研究和再生制动能量管理研究两个方面进行了综述。1再生制动控制策略研究现状为了在保证制动性能的同时尽可能多地回收制动能量，就需要通过制动意图识别并确定驾驶员期望的制动强度，进而制定合理的分配策略4-5。对于传统汽车而言，虽然能进行一定的制动控制，但其控制是相对有限的。而电驱动乘用车的电控化程度较高，能实现各个部件间的解耦，因此其控制需求增多，控制复杂程度也相对增加。这也为再生制动的实现提供了一定的硬件基础。如图1所示，制动力分配的依据是制动意图识别的结果，踏板力及踏板位移信号通过制动意图识别算法被转化为制动强度信号传递给制动主缸与制动轮缸。电控单元根据压力传感器输出的轮缸压力信号控制电磁阀工作，以达到控制制动力分配的目的。然而传统制动系统踏板与主缸活塞的非解耦使轮缸压力难以精确控制，因此，需要使用一定的控制算法稳定、准确、快速地跟随目标轮缸压力，以适应再生制动控制的新要求。综上所述，再生制动策略主要集中于制动意图识别、制动力分配以及轮缸压力控制三方面的研究6。1.1制动意图识别策略制动意图识别是指在驾驶员制动需求未知时，通过车辆参数对制动意图进行预测。制动意图识别的准确性直接关系到制动强度的选择7-8。制动意图识别可分为基于踏板信息的制动意图识别和基于神经生理信号的制动意图识别9。1.1.1基于踏板信息的制动意图识别1）模糊识别模糊识别具有稳定性好，抗干扰能力强的特点。运用模糊控制原理进行制动意图识别的一般方法为：对制动意图进行分类，在紧急制动、中等制动、平稳制动等工况下制定模糊推理规则对制动意图进行识别10-11。但因受模糊控制规则精确度的影图1制动意图识别、制动力分配和轮缸压力控制三者关系471汽车工程学报第 13 卷响，对一些精度较高的车辆模型，无法达到实际的控制要求12-14。2）神经网络识别神经网络识别是通过输入一些表征制动意图的特征参数，运用特定算法进行训练，制定出神经网络策略，通过实时输入数据可直接输出制动意图。ZHOU Jianhao等15提出了一种识别驾驶员制动意图和强度的复合机器学习方法，其研究团队将模糊C均值聚类和随机森林分类算法耦合为混合机器学习方法，用于预测制动意图；使用动态递归神经网络，即具有反馈和嵌入式存储器的NARX网络预测制动强度。3）隐马尔可夫模型识别隐马尔可夫模型（HMM模型）可呈现为特殊的动态贝叶斯网络，对时间序列数据具有较强的处理能力，是一种统计分析模型。HMM模型的控制效果会随着训练参数样本的增加而优化，但样本搜集过程仍需较大的工作量。XU Shiwei等16提出一种考虑制动意图识别和电动气动制动补偿的制动能量回收分层控制策略。对于上层控制器，应用层隐马尔可夫模型动态补偿模糊神经网络来识别驾驶员的制动意图，对电动汽车的经济性和乘坐舒适性有所改善。HE Hongwen 等17考虑驾驶员反应时间，结合线控制动的特点运用HMM制动意图识别器进行试验，并与实际制动强度相对比，取得了较好的控制效果。1.1.2基于神经生理信号的制动意图识别基于神经生理信号识别是通过肌电、脑电等电生理信号进行人体运动意图的识别，再结合车辆运行状态参数对驾驶员的制动意图进行预测。乔丙辰18通过将驾驶员下肢肌肉的表面肌电信号作为识别参数引入到驾驶员紧急制动意图识别模型中，目的是在驾驶员踩踏制动踏板前对其紧急制动意图进行识别，提高识别效率，保障驾驶安全。ZHOU Chancheng 等19提出在制动踏板被激活之前研究驾驶员的脑电图（EEG）是可行的，以便对紧急制动进行早期检测，并提出一种基于正则化线性判别分析（RLDA）的在线制动意图检测算法。KIM 等20和 HERNNDEZ等21通过检测驾驶员制动时的脑电图（EEG）信号，在模拟驾驶环境中对紧急制动时的制动意图进行识别，均取得了较好的识别效果。基于踏板信息的制动意图识别对制动意图的识别精度较高，对各种工况都有较好的适应性。并且得益于各种车用传感器的研发，能较好地控制成本。基于神经生理信号的制动意图识别也能较准确地识别紧急制动工况下驾驶员的制动意图，但对正常工况下的识别研究还不够。此外，驾驶员肌电信号的提取过程比较复杂，需要在驾驶员皮肤上安装传感器，成本较高。1.2制动力分配策略1.2.1电液制动力分配策略根据制动能量回收硬件系统方案，可将再生制动系统分为叠加式（并联式）与协调式（串联式）两种类型，具体分别如图23所示。1）叠加制动力是将电机力叠加在原有的摩擦制动力上，电液制动力按固定比例分布，汽车的液压制动力保持不变。此方案对制动管路改造程度小，但不利于制动能量的回收，制动踏板感觉较差22-23。2）协调制动力是指电制动力与摩擦制动力能协调分布，优先使用电制动力进行制动，使电液制动力与总制动力需求能协调，并能最大限度地回收再生制动能量，具有更好的制动踏板感觉和良好的制动效率24。1.2.2前后轴制动力配策略1）前轮驱动为了最大限度地回收再生制动能量，需要尽可踏板行程制动力制动力踏板行程电机制动力摩擦制动力电机制动力摩擦制动力 图2叠加式制动力 图3协调式制动力472第 4 期孙文 等：新能源汽车再生制动能量回收研究综述能 地 让 电 机 制 动 力 在 总 制 动 力 中 占 据 较 大 比例25-26。根据联合国欧洲经济委员会（Economic Commission of Europe，ECE）汽车法规规定27-28，在车辆所有载荷状态下，当制动强度在0.150.80时，后轴利用附着系数曲线不应位于前轴附着系数曲线之上；当附着系数在 0.20.8 时，制动强度Z 0.1+0.7(-0.2)，基于 ECE 法规的前后轴制动力分配曲线如图4所示29-30。电驱动车辆前后轴制动力分配共同受到I曲线，ECE法规线及f线的限制，按制动强度划分，当制动强度ZZa时，单独由前轴制动，电机制动力全部施加在前轴，后轴不提供制动力，Za为ECE法规线与X轴交点处的制动强度。当制动强度ZaZZb时，沿 ECE 法规下限分配前后轴制动力，Zb为 f 线与ECE法规交点处的制动强度。当ZbZZc时，前后轴制动力按照I曲线分配。电机制动力受电机外特性、电池SOC、蓄电池充放电功率制约，此外还受I曲线、ECE法规线及f线组的限制，因此，为增大制动能量回收率，在兼顾高强度制动下制动稳定性的同时，在ECE法规限制范围内尽量增大前轴制动分配比例，充分挖掘汽车能量回收潜力。制动力矩分配的原理是优先采用电机再生制动，但电机响应迟缓，不能满足的部分由前轴液压制动补偿。所以：Tmotor-req=min(Tm-max，Treq-f)。（1）Pwhl-tar=(Treq-f-Tm-act)2cf。（2）式中：Tmotor-req为电机的需求力矩；Tm-act为电机的实际力矩；Tm-max为电机当前力矩上限；Treq-f-Tm-act为前轴液压制动力矩的需求值；Pwhl-tar为轮缸的目标压力。2）后轮驱动对于后轮驱动的纯电动汽车，为了提高制动能量回收率，在低强度制动下，制动力由电机提供，全部施加在后轴，这必然会导致线出现在I曲线的上方，这显然违反了ECE法规中对制动稳定性的要求，因此，许多学者在研究后驱电动汽车制动能量回收策略时将制动稳定性的条件放宽为“配备ABS系统的整车在低附着系数路面 0FTvdt。（4）EB=FT 0FTvdt。（5）式中：FT为驱动力或制动力；ET为驱动能量；EB为制动能量。2.1.2能量流分析章艳等50通过对纯电动汽车循环工况下运行时整车的能量流动进行分析，按照制动能量回收过程中能量的转换形式和结构装置，将各种制动能量回收系统的能量回收路线统一地分成三部分，并验证了能量流优化方法的有效性和可行性。清华大学赵军等51提出了基于工况拟合、整车能量流分析、发动机和工作点分析的系统性车路适应性评估方法，并通过该方法对不同城市工况下的运行特征、整车和零部件能效、零部件工作点分布特性进行了对比分析，得出了不同城市工况下的车路适应性相对关系。驱动过程中，蓄电池电量Qbat转换为能量EQ，经过电池、电机、传动系及驱动轮，最终输出驱动474第 4 期孙文 等：新能源汽车再生制动能量回收研究综述能量ET；在制动过程中，制动能量EB无法完全回收，定义电机可回收的制动能量占总制动能量的比例为，从传动系回收的能量为ED，最终经过电机和电池转化的电量为Qbat，根据汽车制动时的能量流机理分析，推导出电池电量表达式，由于在能量传递过程中，传递效率是实时变化的。可得出整车节能度reg的表达式为：reg=QbatQbat。（6）初亮等52通过上述方法计算出整车节能度，选取两种车型，针对独立控制策略和协调控制策略，在NEDC、UDDS和J1015循环工况a下进行仿真对比。仿真结果显示，车型1的节能潜力总体优于车型 2；3种工况中 NEDC工况下整车节能度最低，UDDS工况下整车节能度最高；协调控制的节能潜力优于独立控制的节能潜力，且该计算方法的Simulink仿真结果与Cruise仿真结果相比误差不大，总体趋势一致，可较好地反映整车节能效果，验证了应用此法进行节能潜力分析的可行性。综上所述，目前国内对于制动能量回收潜力方面的研究较少，即使存在已有的研究，其方向大多也聚焦于典型路况下制动能量回收潜力的对比分析上，对于不同车型，不同制动策略下车辆节能潜力的相关研究依然较为欠缺。2.2再生制动效果评估为便于对制动效能进行评估，合理评价不同再生制动策略的优劣性，一套科学完善的评估方法是必不可少的53-55。本文将针对制动安全性、能量经济性两方面的评价进行综述。2.2.1制动安全性制动的安全性主要体现在车辆出现电机制动失效或液压管路失效时，车辆是否具有制动备份功能。对于出现电机制动失效的车辆，此时再生制动应立刻退出并迅速启动机械式备份制动系统保证制动稳定性56-57。对于出现液压管路失效的车辆，液压管路中应备有故障诊断电路，此外，液压制动执行系统中也应具备制动失效保护机构，确保在系统出现故障时，液压系统仍能发挥部分作用，保证车辆具备一定的制动能力。2.2.2能量经济性姬芬竹等58依据制动意图识别结果制订了两种能量回收模式，基于欧洲经济委员会（ECE）法规线和 I曲线建立了制动力分配策略和计算模型，针对不同的能量回收模式建立了制动系统仿真模型，计算制动能量回收率和电动汽车续驶里程。GAO Yimin等1中针对制动稳定性和制动能量回馈效率这两个不同的优化目标，分别设计了两种制动能量回收前后轮制动力分配策略。目前最常用的是通过制动能量回收率和续驶里程贡献度作为两项能量经济性评价指标59-60。1）制动能量回收率制动能量回收率gen是评估再生制动能量经济性最直观的指标，制动能量回收率表示为再生制动系统运作时电机可回收的制动能量Eregen与无再生制动时制动消耗总能量Ebrake的比值，即：gen=EregenEbrake。（7）2）续驶里程贡献度续驶里程贡献度可用于评估车辆在运行过程中回收的制动能量对续驶里程的贡献度，在某循环工况下，蓄电池电量为固定值，无再生制动时汽车行驶里程为Sreg-off，有再生制动时汽车行驶里程为Sreg-on，续驶里程贡献度可表示为：S=Sreg-on-Sreg-offSreg-off。（8）2.2.3制动舒适性制动的舒适性主要体现在车辆制动时的平顺性上，车辆减速度的变化需要限定在一个较小的范围内，即amin a amax28。综上所述，制动备份（冗余）系统能确保在再生制动系统出现故障时，传统液压管路仍能发挥部分作用，保证车辆不会丧失全部制动能力；制动能量回收率是评价能量回收效果最直观的指标，续驶里程贡献度能反映回收的能量对续驶里程增加的贡献率；制动舒适性指标可反映车辆制动减速度的变化率。475汽车工程学报第 13 卷3总结与展望1）再生制动控制策略是新能源汽车制动能量回收技术中必不可少的环节，再生制动策略可大致分为制动意图的识别策略、制动分配策略以及轮缸压力控制策略。驾驶员制动意图可根据踏板传感器与压力传感器获得，轮缸压力可根据压力传感器和制动踏板活塞位移控制，对于制动力的分配策略，各大汽车厂商及高校研究院根据不同类型的车辆提出的解决方案有较大差异。2）目前国内对于再生制动效果的评价尚未形成统一的标准，存在依据轮缸压力、蓄电池电量及能量流等多种评判方式，其中吉林大学初亮等提出的以制动能量回收率、续驶里程贡献度为评价指标的评判方法较常用。目前，我国再生制动研究在制动策略及硬件设计方面取得了一定的成果，但不可否认的是，与国外先进技术相比，当前国内的再生制动研究仍处于起步阶段，在相关研究领域仍存在不足。在制动控制策略层面，有些许领域存在一些差距。例如，当车辆在上坡和下坡时，配备再生制动系统的车辆节能效果较明显，但在国内各高校的研究中鲜有将此种工况进行单独且深入探究的案例，建议对不同车型及驱动方式的车辆的上坡和下坡工况进行仿真分析，对比分析其节能效果。在能量管理层面，国内对于车辆制动节能潜力方面的研究较少，不利于对整车油耗及续驶里程等方面的评估，建议采用分析整车能量流机理的方法探究不同车型及制动策略下的制动节能潜力。综上所述，国内对再生制动的研究在制动策略和硬件设计方面取得了一定的成果，但与国外成熟的再生制动系统相比仍有一定的差距。基于国内现状进行制动系统、制动策略、制动安全性、稳定性等方面的综合性优化，开发出满足用户需求的再生制动产品，至关重要。参考文献（References）1 GAO Yimin，EHSANI M.Electronic Braking System of EV And HEVIntegration of Regenerative Braking，Automatic Braking Force Control and ABSC/SAE Technical Papers，2001-01-2478，2001.2 NAKAMURA E，SOGA M，SAKAI A，et al.Development of Electronically Controlled Brake System for Hybrid Vehicle C/SAE Technical Papers，2002-01-0300，2002.3 邓绍伟.纯电动汽车再生制动技术的研究与仿真 D.武汉：武汉理工大学，2012.DENG Shaowei.Regenerative Braking Technology Research and Simulation of Pure Electric VehicleD.Wuhan：Wuhan University of Technology，2012.（in Chinese）4 孙磊.HEV驾驶员制动意图识别及控制算法研究 D.长春：吉林大学，2012.SUN Lei.Study on Driver Braking Intention Identification and Control Algorithm for HEVD.Changchun：Jilin University，2021.（in Chinese）5 姚亮.混合动力轿车再生制动与液压制动协调控制策略研究 D.长春：吉林大学，2009.YAO Liang.Study on the Integrative Control Strategy of Regenerative Braking and Hydraulic Braking for Hybrid Electric VehicleD.Changchun：Jilin University，2009.（in Chinese）6 陈超.基于iBooster和ESC的纯电动车制动能量回收控制研究 D.合肥：合肥工业大学，2020.CHEN Chao.Research on Braking Energy Recovery Control of Pure Electric Vehicle Based on iBooster and ESC D.Hefei：Hefei University of Technology，2020.（in Chinese）7 王彦.基于驾驶意图识别的纯电动汽车复合制动系统协调控制研究 D.兰州：兰州理工大学，2019.WANG Yan.Research on Coordinated Control Strategy of Pure Electric Vehicle Composite Braking System Based on Driving Intention Recognition D.Lanzhou：Lanzhou University of Technology，2019.（in Chinese）8 王波，唐先智，王连东，等.基于EEMD和熵理论的电动汽车制动意图识别方法 J.汽车工程，2018，40（8）：935-941.WANG Bo，TANG Xianzhi，WANG Liandong，et al.Braking Intention Identification Method for Electric Vehicles Based on EEMD and Entropy TheoryJ.Automotive 476第 4 期孙文 等：新能源汽车再生制动能量回收研究综述Engineering，2018，40（8）：935-941.（in Chinese）9 吕仁志.基于工况与驾驶意图识别的 HEV 控制策略D.大连：大连理工大学，2013.LYU Renzhi.Control Strategy of HEV Based on the Driving Cycle and Driving Intention RecognitionD.Dalian：Dalian University of Technology，2013.（in Chinese）10唐先智.混合动力客车控制策略优化 D.长春：吉林大学，2013.TANG Xianzhi.Control Strategy Optimization of Hybrid Electric BusD.Changchun：Jilin University，2013.（in Chinese）11肖锦钊.基于驾驶员制动意图识别的分布式驱动电动汽车制动系统控制研究 D.淄博：山东理工大学，2021.XIAO Jinzhao.Research on Braking System Control of Distributed Drive Electric Vehicle Based on Driver s Braking Intention IdentificationD.Zibo：Shandong University of Technology，2021.（in Chinese）12孔振兴，皮大伟，王显会，等.基于模糊规则的路面附着识别算法研究 J.南京理工大学学报，2016，40（6）：720-725.KONG Zhenxing，PI Dawei，WANG Xianhui，et al.Road Friction Identification Algorithm Based on Fuzzy RulesJ.Journal of Nanjing University of Technology，2016，40（6）：720-725.（in Chinese）13LI Wenfei，DU Haiping，LI Weihua.A New Torque Distri-bution Strategy for Blended Anti-Lock Braking Systems of Electric Vehicles Based on Road Conditions and Driver s IntentionsJ.SAE International Journal of Passenger CarsMechanical Systems，2016，9（1）：107-115.14李雪栋.低附工况下四轮驱动电动汽车牵引力控制算法研究 D.合肥：合肥工业大学，2019.LI Xuedong.Study on Traction Control Algorithm for Four-Wheel Drive Electric Vehicle Under Low Adhesion ConditionD.Hefei：Hefei University of Technology，2019.（in Chinese）15ZHOU Jianhao，SUN Jing，HE Longqiang，et al.Control Oriented Prediction of Driver Brake Intention and Intensity Using a Composite Machine Learning ApproachJ.Energies，2019，12（13）：1-20.16XU Shiwei，ZHAO Xuan，YANG Naixing，et al.Control Strategy of Braking Energy Recovery for Range-Extended Electric Commercial Vehicles by Considering Braking In-tention Recognition and Electropneumatic Braking Compen-sation J.Energy Technology，2020，8（9）：1-16.17HE Hongwen，LU Bing，XIONG Rui，et al.The Re-generative Braking Control Based on the Prediction of Braking Intention for Electric VehiclesC/DEStech Transactions on Environment，Energy and Earth Sciences，2018.DOI：10.12783/DTEEES/ICEEE2018/27878.18乔丙辰.基于驾驶员下肢表面肌电信号的紧急制动意图识别研究 D.武汉：武汉理工大学，2019.QIAO Bingchen.Research on Emergency Braking Intention Recognition Based on Driver s Lower Limb EMG SignalD.Wuhan：Wuhan University of Technology，2019.（in Chinese）19ZHOU Chancheng，LI Boyang，LI Shengtao，et al.RLDA-Based Braking Intention Detection Algorithm for L3 Au-tonomous Driving C/2021 IEEE International Conference on Unmanned Systems（ICUS），Oct.15-17，2021，Beijing，China.Piscataway NJ：IEEE，c2021：554-559.20KIM J W，KIM I H，LEE S W.Detection of Braking Intention During Simulated Driving Based on EEG Analysis：Online StudyC/2015 IEEE International Conference on Systems，Man，and Cybernetics，Oct.9-12，2015，Hong Kong，China.Piscataway NJ：IEEE，c2015：887-891.21HERNNDEZ L G，MOZOS O M，FERRNDEZ J M，et al.EEG-Based Detection of Braking Intention Under Different Car Driving Conditions J.Frontiers in Neuro-informatics，2018，12：1-14.22GAO Yimin，CHU Liang，EHSANI M.Design and Control Principles of Hybrid Braking System for EV，HEV and FCVC/2007 IEEE Vehicle Power and Propulsion Conference，Sept.9-12，2007，Arlington，TX，USA.Piscataway NJ：IEEE，c2007：384-391.23LI Ning，LIU Yingshuai，TAN Siyuan.Experimental Research on Braking Feedback and Taxiing Feedback System of New Energy VehiclesJ.Applied Sciences，2021，11（23）：11093.24JIANG Yu，ZHENG Yanping，GUO Yang，et al.Re-477汽车工程学报第 13 卷generative Braking Control Strategy to Improve Braking Energy Recovery of Pure Electric BusJ.SAE Inter-national Journal of Vehicle Dynamics，Stability，and NVH，2020，4（3）：221-232.25GAO Yimin，CHEN Liping，EHSANI M.Investigation of the Effectiveness of Regenerative Braking for EV and HEV C/SAE Technical Papers，1999-01-2910，1999.26LI Shengqin，YU Bo，FENG Xinyuan.Research on Braking Energy Recovery Strategy of Electric Vehicle Based on ECE Regulation And I Curve J.Science Progress，2020，103（1）：0036850419877762.27CHU Liang，YAO Liang，CHEN Jian，et al.Integrative Braking Control System for Electric VehiclesC/2011 IEEE Vehicle Power and Propulsion Conference，Sept.6-9，2011，Chicago，IL，USA.Piscataway NJ：IEEE，c2011：1-5.28WANG Chunyan，ZHAO Wanzhong，LI Wenkui，et al.Multi-Objective Optimisation of Electro-Hydraulic Braking System Based on MOEA/D Algorithm J.IET Intelligent Transport Systems，2019，13（1）：183-193.29初亮，李天骄，孙成伟.面向再生制动优化的电动车自适应巡航控制策略 J.浙江大学学报（工学版），2017，51（8）：1596-1602.CHU Liang，LI Tianjiao，SUN Chengwei.Research on Adaptive Cruise Control Strategy for Electric Vehicle Based on Optimization of Regenerative Braking J.Journal of Zhejiang University（Engineering Science），2017，51（8）：1596-1602.（in Chinese）30初亮，王彦波，姚亮，等.制动能量回收系统的制动力矩协调控制仿真 J.华南理工大学学报（自然科学版），2014，42（4）：137-142，148.CHU Liang，WANG Yanbo，YAO Liang，et al.Simulation of Coordinated Control of Braking Torque for Braking Energy Recovery SystemJ.Journa