利用实际驾驶中的刹车特性重新评估再生制动对刹车颗粒排放的影响

《Journal of Hazardous Materials》：Revaluating the effects of regenerative braking on brake particle emissions using real-world braking characteristics

　　摘要
随着车辆电动化的推进，再生制动（RB）被广泛用于减少制动排放，尽管其在不同驾驶条件下的效果可能存在差异。本研究从两辆混合动力车辆中提取了OBD数据，以重建实际再生制动特性，并在制动测功机上重现这些特性，以量化启用和未启用再生制动时的颗粒物排放量。事件级分析表明，在某些制动过程中，颗粒物排放量可能会增加，这可能是由于之前的制动历史造成的。在循环层面，再生制动条件下的颗粒物排放量高达1.2×101? #/km，大约是WLTP-Brake循环下的两倍。再生制动可将颗粒物排放量减少高达98%，而PM10排放量及与再生制动相关的排放比率在不同循环中有显著变化，测量得到的比率范围为2%至83%。制动排放的减少与摩擦制动能量的减少并不成正比，不同粒径级别的颗粒物对减少的响应也有所不同。这些结果表明，仅依靠制动能量可能无法完全反映与再生制动相关的排放减少的复杂性。此外，还评估了车辆电动化的综合影响，即车辆质量的增加和再生制动的作用。与相同大小的汽油车相比，测试中的PHEV产生的制动颗粒物更少，最大减少了92%。

1. 引言
制动磨损颗粒（BWPs）是车辆颗粒物排放的主要来源，占交通相关非尾气排放总量的16%至55%[1]，[2]以及总交通相关颗粒物排放的11%至55%[3]，[4]。其中，超细颗粒特别值得关注，因为它们可以深入呼吸系统甚至进入血液，对心血管、呼吸和神经系统构成潜在风险[5]。因此，有效控制制动磨损排放已成为一个日益重要的环境和公共卫生问题。随着道路交通的快速电动化，再生制动作为一种有前景的策略出现，用于减少制动磨损排放。通过在减速过程中回收部分车辆动能，再生制动减少了摩擦制动的需求，因此有望降低制动颗粒物的排放。然而，量化再生制动的实际减排效果仍然具有挑战性。现有的评估方法可以分为基于系数的方法和实时测量方法。

基于系数的建模方法通常基于能量推导的假设。学者们提出的一个核心观点是制动颗粒物排放与制动能量成正比，这可以通过制动能量回收比率来量化排放量。例如，Beddows假设再生制动减少了90%的摩擦制动能量，从而估计制动排放量为传统摩擦制动的10%[6]。这一框架随后被应用于评估电池电动和混合动力车辆的制动排放[7]，[8]。为了量化不同再生制动强度对排放的影响，Woo假设在中等再生制动下减排50%，在强再生制动下减排90%[9]。Woo[10]和Men[11]都建立了制动排放与制动能量之间的关系，Hu将这些关系扩展到不同交通情景下评估PHEV的制动排放[12]。基于这些假设，联合国GTR第24号文件引入了摩擦制动份额系数（c）并提出了评估电动车辆制动排放的修正程序[13]。然而，这些方法要么依赖于预先定义的减少因子，要么假设制动能量与排放之间存在比例关系。这些假设在现实世界的再生制动条件下是否仍然成立尚未得到完全验证。

实时轮边测量已被用于在实际驾驶过程中量化再生制动下的制动排放。Bondorf报告称，对于电池电动汽车，在WLTC循环下制动颗粒物排放减少了67.9%[14]，而Zhang观察到PHEV和EV的颗粒物质量分别减少了60.6%和92.4%[15]。Woo将轮边结果与制动测功机结果进行了比较，显示在WLTC循环下制动质量排放的减少与制动功的减少成正比[16]。然而，轮边测量容易受到背景污染的影响，因此制动测功机测试更适合进行更标准化的评估。在测功机上，再生制动通常通过根据假设的能量回收比例来减少摩擦制动扭矩来实现[17]。尽管如此，比例缩放可能无法完全再现实际再生制动操作中摩擦制动的瞬态时间和幅度，在这种情况下，当仅靠再生制动不足以满足制动需求时，需要引入摩擦制动[18]。因此，在制动测功机上再现真实的摩擦制动曲线仍然是评估制动排放减少效果的主要挑战。

此外，车辆电动化还引入了对制动磨损排放的竞争性影响。由于装有电池和电动动力系，电动化车辆（特别是PHEV和BEV）通常比相应的汽油车更重[7]，[19]。质量的增加可能会提高制动过程中需要耗散的动能，从而增加摩擦制动的潜在需求。相反，再生制动回收了部分车辆动能，减少了摩擦制动的使用、热负荷和相关的颗粒物排放[16]，[20]。因此，电动化的净效应取决于车辆质量增加与摩擦制动需求减少之间的平衡。为了量化这种权衡，Beddows开发了一个基于回归的模型，将制动PM排放量与车辆质量和再生制动效果联系起来[6]。Liu随后应用这种方法比较了内燃机车辆（ICEVs）及其电动对应车辆的制动排放[7]，而Hicks估计在向电动和混合动力车辆过渡后，WLTC下的平均制动PM排放量约减少了88%[8]。然而，这些估计是基于模型计算得出的，依赖于车辆质量、再生制动效果和制动排放之间假定的关系。这突显了在使用代表性驾驶条件下的实际摩擦制动曲线进行实验评估的必要性。

为了解决这些挑战，选择了两辆PHEV来研究启用和禁用再生制动时的制动排放特性，特别关注实际驾驶循环。进一步的补充测试通过将PHEV的排放量与相同大小的汽油动力车辆的排放量进行比较，来评估车辆电动化的净效应。利用时间序列电机信号，在各种驾驶条件下重建并再现了摩擦制动扭矩曲线。基于这些重建的制动曲线，系统地评估了测试车辆的再生制动排放减少效果。

2. 材料与方法
2.1. 测试车辆
为了研究再生制动对制动磨损颗粒排放的影响，选择了两辆具有代表性的PHEV作为测试车辆，包括一台中型运动型多用途车（SUV）和一款紧凑型轿车。中型SUV配备了1.5升涡轮增压汽油发动机和单个电动机（最大扭矩：315 Nm），其整备重量为2103公斤。轿车采用了1.5升自然吸气汽油发动机和单个电动机（最大扭矩：210 Nm），整备重量为1580公斤。此外，SUV配备了非石棉有机（NAO）刹车片，而轿车采用了低金属（LM）刹车片。因此，这两辆车提供了不同的制动系统特性和再生制动能力，从而能够更全面地研究不同再生制动条件下的制动磨损颗粒排放特性。此外，随着车辆电动化的趋势，PHEV的平均车辆质量通常比其汽油同类车型高得多[19]，[21]。为了进一步评估车辆质量增加和电动化后再生制动引起的排放减少之间的竞争性影响，引入了相同大小的汽油动力车辆（GCVs）作为参考案例。对于每辆PHEV，选择了几辆尺寸相似的汽油车，其平均整备重量被用作相应GCV的质量。需要注意的是，本研究中使用的GCV是基于可比车辆的平均整备重量定义的等效参考车型，而不是与测试PHEV物理上完全相同的汽油版本。因此，未考虑制动组件和摩擦材料的差异。更多细节见表1。

表1. 测试车辆的基本信息
车辆1 车辆2
车辆类型 SUV 轿车
整备重量 [kg] 2103 1580
驱动电机 单个电机 单个电机
减少比率 13.2 10.8
刹车片类型 NAO LMF
轮胎半径 [m] 0.376 0.3024
GCV重量 [kg] 1790 1361

更多关于参考汽油车辆的详细信息可以在补充材料S-1中找到。

2.2. 数据收集
2.2.1. 摩擦制动扭矩曲线
在实际驾驶条件下，计算制动扭矩具有挑战性。根据车辆动力学理论[22]，PHEV在制动过程中的纵向动态方程可以通过牛顿-欧拉定理推导出来，如方程（1）所示：
(1) m3·a = ?F?R·V ? F?W ? F?R ? F?B ? F?G
其中m（kg）是车辆质量；a（m/s2）是车辆加速度；FRB（N）是电动机产生的再生制动力；Fw（N）是空气阻力；Fr（N）是滚动阻力；Fb（N）是摩擦制动力；Fg（N）是坡度阻力。

在本研究中，首先在具有相同再生制动模式的不同的驾驶循环生成的速度剖面上，对车辆进行了底盘测功机测试。由于测试是在平坦的底盘测功机上进行的，因此忽略了道路坡度阻力（Fg）的影响。其他驾驶阻力，包括Fw和Fr，是根据制造商提供的参数和中国VI法规的要求在底盘测功机上模拟的。测试过程中同时记录了与驾驶相关的参数，包括车辆速度、主缸压力和电机扭矩。两辆测试车辆都配备了串并联的PHEV动力系统，在制动过程中发动机会与传动系统分离。因此，在减速过程中排除了发动机的制动效应。根据从OBD系统提取的实时电机扭矩信号（第2.2.2节详细讨论），结合传动比和滚动半径，计算了再生制动力（FRB）。重建的摩擦制动干预进一步通过与主缸压力信号的对比来验证识别出的液压制动阶段的一致性。在再生制动条件下，摩擦制动贡献被重建为总制动需求与FRB之间的差值。在非再生制动条件下，FRB被设置为零，整个制动需求被分配给摩擦制动系统。然后计算相应的摩擦制动力（Fb）和扭矩，并分配到各个车轮制动器上。详细的计算过程如图1所示。

图1. 重新绘制了再生制动激活时的摩擦制动扭矩：(a) 从实际驾驶条件中提取的信息；(b) 摩擦制动扭矩的计算。

为了评估再生制动的排放减少效果，还重建了一个非再生制动（reg. off）条件。在这种情况下，通过将FRB设置为0来重新计算摩擦制动力，从而获得没有再生制动干预下的相应速度-扭矩曲线。对于汽油对应车辆（GCVs）的测试，计算程序与reg. off条件相同，只是调整了车辆质量以代表相应的汽油车辆。

2.2.2. 再生制动扭矩的计算
在再生制动过程中，制动扭矩可以在电动动力系统的不同位置定义。如图2所示，考虑了三种扭矩计算方法。首先，使用直流母线电压、电流和电机转速计算了直流母线功率衍生等效扭矩（TDC）。这个值代表了从直流母线交换的电能推断出的等效扭矩，而不是直接测量的机械扭矩。其次，使用从OBD系统提取的电机反馈扭矩近似计算了电机侧输出扭矩（TM）。在补充材料S-6中评估了使用反馈扭矩作为电机输出扭矩代理的有效性。第三，轮边制动扭矩（TW）代表了实际传输到车轮的扭矩，需要使用扭矩传感器进行独立测量，如联合国GTR第24号文件所述[13]。三种扭矩之间的关系由方程（2）描述。然后可以根据获得的TW和滚动半径计算再生制动力（FRB）。
(2) T? = ig·g?Q?? = ig·g?Q??·e?g?·e?n·T?·C
其中，TW（Nm）是轮边制动扭矩；TM（Nm）是电机侧制动扭矩；TDC（Nm）是基于直流母线电压、电流和电机转速计算的等效制动扭矩；ig是传动系统减少比率；ηg是传动效率；ηgen是电机和逆变器充电效率。

由于在车辆测试期间无法直接测量轮边或轴扭矩，并且难以获得ηgen，因此采用方法2来计算制动扭矩。通过OBD系统获得的电机扭矩用于根据方程（2）重建轮边再生制动扭矩（TW）。对于车辆1，通过使用与测试车辆相似的电机和传动系统配置进行独立的电驱动台架测试，进一步评估了基于OBD数据的电机扭矩的可靠性。结果显示，基于OBD数据计算出的电机扭矩与独立计算出的电机扭矩之间的平均绝对相对差异为1.12%，表明重建的制动结果对观察到的电机扭矩差异不十分敏感，从而支持了基于OBD数据的电机扭矩适用于当前重建方法的工程可行性。然而，对于车辆2，并没有进行类似的独立台架验证。因此，上述验证结果应被视为支持基于扭矩的重建方法的一般可行性，而不是对车辆2的OBD数据扭矩准确性的直接、特定于车辆的验证。详细程序和结果见补充材料S-6.2.2.3。

使用在第2.2.1节中描述的在底盘测功机上获得的速度-扭矩曲线，然后使用制动测功机系统来模拟车辆驾驶条件并收集制动磨损颗粒。如图3所示，该系统的设计完全符合UN GTR No. 24 [13]中规定的规范。速度-扭矩曲线是根据第2.2.1节描述的方法计算得出的，并输入到测功机的控制单元中。生成的颗粒通过受控的冷却气流被输送到采样出口，采样出口的流量设置为21.62 m3/min。在进气管道上加装了HEPA H13过滤器，以减少背景颗粒的干扰。制动温度是通过安装在外侧盘片摩擦表面下方（表面下0.5 ± 0.1毫米处）的嵌入式K型热电偶测量的，采样频率为1 Hz。详细描述见补充材料S-8。

下载：高分辨率图片（108KB）
下载：全尺寸图片

图3. 测试台和颗粒收集装置的示意图。

图3还展示了颗粒测量装置。对于颗粒数量测量，使用了Advanced Particle Counter（APC型号489）（AVL GmbH，奥地利格拉茨）来测量SPN排放。对于颗粒质量排放，制动磨损PM10样本被收集到直径为47毫米的聚丙烯过滤器上。在测试前后对这些过滤器进行称重以计算质量排放。此外，还使用了Electrical low-pressure impactor（ELPI+，Dekati Inc.）来进行颗粒大小浓度分析[15]。所有设备都定期进行校准和维护。

在每次制动磨损测试之前，测试隧道至少被清洁10分钟，以确保测试环境的清洁。进气通过H13 HEPA过滤器过滤，因此可以忽略背景颗粒浓度。

2.2.4. 测试程序
两种车辆的详细测试程序在表2中呈现。每个测试包括三个版本：常规开启条件（reg.on conditions），在这种情况下，速度-扭矩曲线是在启用Regenerative Braking（RB）的情况下获得的；常规关闭条件（reg.off conditions），在这种情况下，电机扭矩被设置为零；以及GCV（Gas-Cooled Vehicle）条件，其速度-扭矩曲线基于GCV的车辆重量。对于RDE（Real Driving Environment）测试，为了选择代表性的驾驶条件，所有循环都取自中国大城市的实际驾驶条件，如厦门和重庆。所有RDE循环可以分为三个部分：城市（速度范围：0-60 km/h）、农村（速度范围：60-90 km/h）和高速公路（速度范围：>90 km/h）。所有RDE循环都符合中国Ⅵ标准[23]的相关行驶有效性要求。由于完整的WLTP-Brake循环需要15,826秒（约4.4小时）的活跃运行时间，不包括行驶间隔的浸泡/冷却期，因此在底盘测功机上无法直接重现这一过程。相反，选择了每个车辆最长有效持续时间的RDE循环，以提供足够长的特定于车辆的再生制动曲线，用于重建相应的WLTP制动测试。对于测功机测试，所有常规开启条件下的测试都在常规关闭条件下的测试之前进行。

表2. 测试循环的详细信息

测试编号 车辆类型 测试程序 持续时间（秒） 速度范围（km/h） 距离（km）
1 车辆1 RDE-1 654 80-1178 8.16
2 车辆1 RDE-2 641 40-1178 6.13
3 车辆1 RDE-3 637 50-1208 1.14
4 车辆1 WLTC class 3b 180 00-1312 3.65
5 车辆1 WLTP-Brake 158 280-1321 92.26
6 车辆2 RDE-4 499 10-1287 8.27
7 车辆2 WLTC class 3b 180 00-1312 3.68
8 车辆2 WLTP-Brake 158 280-1321 92.2

测试5和测试8的常规开启版本分别是基于测试1和测试6计算的。

每次测试开始时，盘片温度被设置为25℃。此外，在正式测量之前，所有刹车片和盘片都经过了相同的磨合程序。然而，由于连续的制动事件会逐渐改变摩擦表面和摩擦学状态，因此无法在连续的测试中完全再现刹车片-盘片界面条件。

2.3. 数据处理
2.3.1. 排放因子的计算
基于距离的制动磨损PN排放因子可以使用以下公式（3）从APC（Advanced Particle Counter）获得的前轮SPN排放中计算得出：
(3) ???????????(#/?????)=∫??1??0????×????×5000/3??×??
其中PNef (#/km) 是制动磨损PN排放因子；t0 (s) 是实验中的采样开始时间；t1 (s) 是实验结束时间；ck (#/cm3) 是时间k时的瞬时PN浓度；qk (m3/s) 是时间k时的瞬时体积流量；S (km) 是测试循环的行驶距离；λ 是从轮子级别到车辆级别的排放转换系数。采用了λ=2.86的值，假设前轴贡献了70%的总制动排放，两个前轮的贡献相等，而后轴的贡献隐含在缩放因子中，参考Woo等人[16]的研究。

对于PM10排放，PMef (mg/km) 可以使用公式（4）计算：
(4) ??????????=?????×??????????/?????????×??
其中Δm (mg) 是测试前后过滤器的质量差；qavg (m3/min) 是平均体积流量；qpm (m3/min) 是PM10采样器的体积流量。

此外，还考虑了颗粒测量系统的收集不确定性。根据之前的研究[24]、[25]，PM10和PN排放因子的不确定性分别计算为7%和40%。

2.3.2. 制动事件的比较
为了比较有无Regenerative Braking（RB）时的制动排放，所有循环还被进一步分割成单独的制动事件。在常规关闭条件下，制动事件定义为摩擦制动扭矩连续超过5 Nm的时间段超过2秒。在事件级比较中，应用了在相应常规关闭条件下确定的时间边界，以确保在相同的速度曲线下比较相同的制动操作。因此，一些常规开启事件可能包括由于部分或完全被再生制动替代而没有任何摩擦制动扭矩的时期，如图4所示。然而，在周期级计算摩擦制动持续时间和制动能量时，常规开启和常规关闭条件是使用相同的标准（摩擦制动扭矩 > 5 Nm超过2秒）独立分割的，因此这些计算中排除了没有摩擦制动的时期。

下载：高分辨率图片（108KB）
下载：全尺寸图片

图4. 测试3循环中事件级别的典型事件分割。

2.3.3. 评估系数的计算
车辆特定的制动份额系数（cj）在UN GTR No.24中有定义，用于计算属于相同制动排放家族但具有不同电气化水平的车辆的排放因子。在这项研究中，基于GTR No.24的系数在不同的时间分辨率（事件、部门和周期）下进行了计算，以研究其与测量到的排放减少之间的关系。根据规定[13]，cj按照公式（5）计算：
(5) ????=????????????????,???????????????????????,????????????,??
其中cj代表分析级别j（j = 事件、部门或周期）的份额系数；Wbrake,j (J) 是在级别j的车辆的摩擦制动系统中耗散的摩擦功总和；Wref,j (J) 是测量摩擦功的周期的标准化参考。更多细节见补充材料S-2。

摩擦制动比率（fj）代表摩擦制动提供的总制动需求的比例，使用公式（6）计算得出。对于事件级分析，fj是为每个制动事件计算的；而对于周期级分析，fj是基于整个驾驶周期内累积的制动能量计算的：
(6) ????=????????????????,???????????????????????,??????????????????,??
其中fj代表分析级别j（j = 事件、部门或周期）的摩擦制动比率；Wbrake,j (J) 是包括摩擦制动能量和再生制动能量在内的总制动需求。道路负荷损失，包括滚动阻力和空气动力阻力，在纵向动力学重建中分别考虑，因此没有包括在内。

再生制动排放比率（rRB,i,j）代表常规开启条件下的相对排放水平与常规关闭条件下的比率，使用公式（7）计算：
(7) ???????,??,??=???????,??,????????.????????????,????????.????????
其中，rRB,i,j表示级别j（j = 事件、部门或周期）下污染物i（i = PM或PN）的再生制动排放比率；EMi,j,reg.on和EMi,j,reg.off分别是常规开启和常规关闭条件下相应的排放i。

电气化排放比率（relec,i）代表PHEV在RB开启条件下的排放因子与大小相当的ICEV（Internal Combustion Engine Vehicle）情景下的排放比率，使用公式（8）计算：
(8) ?????????????,??=???????,?????2????????????,??2?????
其中relec,i表示污染物i（i = PM或PN）的电气化排放比率；EMi,PHEV和EMi,GCV分别是PHEV和其GCV（Gas-Cooled Vehicle）的相应排放。

3. 结果与讨论
3.1. 再生制动对PN排放的影响
3.1.1. 事件级评估
图5、图S1和图S2展示了RDE循环、WLTC循环和WLTP循环中摩擦制动能量比率（fevent）与排放比率（rRB,PN,event）之间的关系。参考线rRB,PN,event = fevent代表了一个比例缩放假设，即PN排放随着摩擦制动能量的增加而线性减少[12]。考虑到测量不确定性，在参考线周围定义了一个区域，在该区域内认为事件表现出PN排放随摩擦制动能量的线性减少。偏离该区域的结果表明存在超出纯能量缩放之外的其他机制。在这种情况下，fevent > rRB,PN,event的区域表明排放减少超过了仅基于能量减少所预期的减少量，而fevent < rRB,PN,event表明排放减少量小于预期。

下载：高分辨率图片（478KB）
下载：全尺寸图片

图5. 不同RDE测试循环中PN排放比率（rRB,PN,event）与摩擦制动比率（fevent）之间的相关性：(a)、(e)&(i) 测试1；(b)、(f)&(j) 测试2；(c)、(g)&(k) 测试3；(d)、(h)&(l) 测试6。

在城市部门（速度 < 60 km/h），制动事件主导了所有循环的总体分布，并几乎覆盖了整个fevent范围。相当一部分事件落在了fevent < rRB,PN,event区域内。例如，在测试2中，114个事件中有105个位于此区域。同样，在WLTC循环中（见图S1），超过70%的城市制动事件位于fevent < rRB,PN,event区域内，测试4甚至达到了95%。对于WLTP-Brake循环（见图S2），在城市部门仍然观察到大量制动事件，而位于fevent = rRB,PN,event区域的事件比例增加，在测试5中为52%，在测试8中为65%。总之，在RDE和WLTC循环中，排放减少通常小于仅基于摩擦制动能量减少所预期的减少量。而在WLTP-Brake循环中，基于能量减少的评估更为合理。

相比之下，在农村部门（60 km/h < fevent < rRB,PN,event = 0），反映了摩擦制动被再生制动强烈替代以及相关的排放减少。同时，在RDE循环中，位于fevent > rRB,PN,event区域的事件比例增加（例如，在测试2中达到了63%）。这表明，在RDE循环中，排放减少可能超出仅基于能量减少所预期的减少量。对于WLTC循环，在测试4和测试7中观察到的事件较少。对于WLTP-Brake循环，位于fevent = rRB,PN,event区域的事件比例继续增加，在测试5和测试8中分别达到了接近70%。

在高速公路部门（速度 > 90 km/h），制动事件的总数显著减少，数据点分布稀疏，这与高速下的较低制动频率一致。尽管如此，仍观察到少数具有相对较高事件值（fevent values）的事件，表明在某些减速场景中摩擦制动可能仍然占主导地位。此外，还观察到了具有较高rRB,PN,ev事件的制动事件（event > 1），主要发生在城市区域，如图5(a)-(d)所示。考虑到±40%的测量不确定性，基于误差传播定义了0.43 < rRB,PN,ev < 2.33的不确定性区间。在这个范围内，无法可靠地区分开启（reg. on）和关闭（reg. off）条件下的排放差异。只有当rRB,PN,ev > 2.33时，才能认为开启条件下的排放显著高于关闭条件下的排放。在所有周期中，共识别出少量此类事件（总共13个），包括测试1中的2个、测试5中的1个、测试6中的8个以及测试8中的2个（rRB,PN,ev > 3.5的值未在图5中显示）。这些事件的共同特点是再生制动仅部分替代了摩擦制动扭矩，而制动持续时间在开启和关闭条件之间保持一致。以测试6中的制动事件2#为例，其rRB,PN,ev > 2.33。图6展示了事件1#和2#的瞬时PN浓度以及车辆速度和摩擦制动扭矩。SPN浓度与摩擦制动扭矩之间的时间不匹配表明，分配给特定事件的PN可能包括当前制动过程的贡献、延迟的颗粒释放以及背景波动。在摩擦制动较弱且源到背景比率较低的城市条件下，背景PN的影响可能特别重要。例如，在图6(a)中未观察到事件2#的明显排放峰值，而在图6(b)中事件1#和2#之间的非制动期间PN并未为零。这些信号可能是由背景颗粒、延迟释放或制动拖曳引起的连续颗粒生成[10],[26]造成的。此外，根据Woo等人的报告[16]，在实际车辆中，由于摩擦制动激活频率较低，制动拖曳可能较低，这有助于更有效的刹车片回缩。因此，开启条件下观察到的相对较高的事件级PN是否可以直接推广到实际车辆的再生制动（RB）操作仍不确定。此外，不同的前序制动历史可能会改变刹车片-盘片的摩擦学状态，从而影响颗粒生成[27],[28]。由于在连续驾驶循环中无法分离这些贡献，城市区域观察到的频繁偏差可能反映了较低的源到背景比率、延迟释放的颗粒以及高度瞬变的摩擦条件。

下载：下载高分辨率图像（272KB）
下载：下载全尺寸图像

图6. 基于测试6的典型事件级排放比较，其rRB,PN,ev > 2.33：(a) 关闭条件；(b) 开启条件

虽然在当前的受控测功机条件下，事件级比较应被视为排放归因分析而非直接因果评估，但制动PN排放的减少并未始终与摩擦制动能量的下降成比例。开启条件下偶尔升高的PN排放可能与瞬态刹车片-盘片界面状态、延迟的颗粒释放、背景波动和制动拖曳有关。

3.1.2. 区域级评估
图7(a)-(d)展示了基于RDE循环的区域级比较。在关闭条件下，城市区域的排放因子在所有周期中始终最低，数值范围约为7.5×10^8至8×10^9 #/km。相比之下，农村区域在所有周期中显示出最高的排放水平，甚至在测试3中达到了2.4×10^10 #/km。在激活再生制动（RB）后，排放减少明显依赖于驾驶区域。通常在农村和高速公路区域观察到更明显的减少，而城市区域的减少效果较弱且不够一致。在某些情况下（例如测试2和测试6），即使在城市驾驶条件下也观察到排放增加。补充材料S-7提供了瞬态响应的相对分析，以评估这些数据的可能原因。然而，如3.1.1节所讨论的，考虑到与测量不确定性相关的不重叠，这些差异应被视为统计上不确定的，而非确定的增加。

下载：下载高分辨率图像（375KB）
下载：下载全尺寸图像

图7. 区域级RB效应评估：(a)-(d) 排放因子比较；(e)-(h) 在RDE循环下rRB,PN,sector, csector和fsector之间的比较

区域级结果与事件级观察结果大体一致，表明制动颗粒排放并不总是与摩擦制动能量的减少成比例。从rRB,PN,sector, csector和fsector之间的比较中也可以看出这种不成比例的行为。例如，如图7(e)和(h)所示，在测试1的农村区域，rRB,PN,sector显著低于csector和fsector，表明实际的PN减少量超过了基于能量的指标预测的减少量。相反，在测试6中，rRB,PN,sector超过了csector和fsector，表明实际的减少量低于预期。这些对比结果表明，仅通过摩擦制动能量的减少无法完全解释RB引起的排放减少。由于区域级排放因子是由单个制动事件累积而成的，事件级别的偏差可能会传播到区域级别，并导致某些区域中观察到的减少效果较弱且不够一致。这种不成比例的行为也可能有助于解释某些区域中观察到的表面上的排放增加或减少效果较弱的现象，尽管这些变化在测量不确定性范围内仍然统计上不确定。

3.1.3. 周期级评估
图8展示了开启和关闭条件下的PN排放比较。对于车辆1，在测试3中观察到的PN排放最高，关闭条件下的排放达到了1.2×10^10 #/km。标准WLTP-Brake循环（测试5）显示了最低的排放水平，为6.2×10^8 #/km。其余循环的排放水平相似，均低于4×10^9 #/km。对于车辆2，WLTP-Brake循环（测试8）的结果也显示了最低水平，仅为2.6×10^8 #/km。相比之下，RDE和WLTC循环的排放水平约为7×10^9 #/km。在激活RB后，所有周期中的PN排放减少了50%以上，测试3中的最大减少幅度达到了98%。然而，不同周期之间的减少幅度差异显著，表明RB的减排效果受到循环特性的强烈影响。

下载：下载高分辨率图像（90KB）
下载：下载全尺寸图像

图8. 不同驾驶周期下的PN排放因子：开启和关闭条件下的比较

为了进一步解释周期依赖性的PN排放，分析了车辆1的制动特性。如图9(a)所示，RDE循环的摩擦制动频率明显高于标准化循环。其中，测试3的频率最高，达到了5.6 #/km，大约是测试4和测试5相应值的2.2倍和3.5倍。相比之下，RDE循环中的平均制动事件持续时间通常较短，如图9(c)所示。例如，测试1的平均持续时间仅为测试4和测试5对应值的54%和77%。在制动强度方面，RDE循环中的平均摩擦减速与测试4相当，但低于测试5。然而，RDE循环中的最大摩擦减速显著更高。例如，测试1达到了4.9 m/s2，几乎是测试4的三倍。尽管这些峰值减速需求较高，但RDE循环中的平均制动能量通常低于测试4和测试5，测试2显示的值约为测试5最大值的40%。

下载：下载高分辨率图像（360KB）
下载：下载全尺寸图像

图9. 基于车辆1的行驶条件比较：(a)/(b) 摩擦制动频率；(c)/(d) 平均事件持续时间；(e)/(f) 平均摩擦减速；(g)/(h) 最大摩擦减速；(i)/(j) 平均制动能量；(k)/(l) 周期平均温度

这些结果表明，实际驾驶条件与标准化循环有很大不同。与WLTC和WLTP循环所代表的相对平稳的驾驶模式相比，特别是在中国拥挤的城市交通场景中，RDE循环的特点是更频繁且更短的制动事件，伴随着间歇性的高强度制动需求[29],[30]。尽管单个事件的平均制动能量较低，但增加的制动频率减少了连续制动事件之间的冷却时间，从而促进了制动系统内的热量积累。如图9(k)所示，这种累积效应导致了与标准化循环相比相当甚至更高的平均制动温度。例如，尽管测试3的平均制动能量低于测试4，但其显著更高的制动频率导致平均制动温度大约高了68°C。持续升高的制动温度可能会进一步加剧热驱动的磨损和颗粒生成过程[31]，这可能导致了测试3中观察到的显著更高排放[32],[33]。

RB的激活显著改变了摩擦制动特性。与关闭条件相比，RB在所有五个驾驶循环中大幅减少了摩擦制动活动。如图9(a)和(b)所示，摩擦制动频率从3.9–5.6 #/km下降到测试1至测试3的2.2–3.0 #/km，减少了大约38–46%，而测试4中的频率从2.6下降到1.5 #/km。同时，平均制动事件持续时间也缩短了，特别是在测试4和测试5中，持续时间分别从9.6秒缩短到5.1秒和6.7秒。制动频率和事件持续时间的减少表明，低和中等减速阶段更多地由再生制动覆盖，因此机械摩擦制动在每次减速事件中激活的时间较短。相比之下，如图9(e)-(f)和(g)-(h)所示，平均摩擦减速几乎没有变化（例如，测试1：0.5 vs. 0.5 m/s2；测试5：1.1 vs. 1.0 m/s2），两种条件下的最大摩擦减速相同。这些结果表明，RB对峰值摩擦制动需求的影响有限，表明高强度制动事件仍需要大量的机械摩擦制动。

如图9(i)和(j)所示，摩擦制动能量的差异更大。当RB激活时，平均制动能量从测试1的46 kJ/事件急剧下降到3.9 kJ/事件，从测试3的74.8 kJ/事件下降到3.2 kJ/事件，从测试4的81 kJ/事件下降到3.2 kJ/事件。相应地，平均制动温度也显著降低，特别是在测试3中，温度从149.5 °C下降到44.4 °C。从周期级别的角度来看，这些结果表明，尽管峰值制动需求主要由机械摩擦制动提供，但RB有效减少了制动系统的累积摩擦制动能量和热负荷。这种减少可能抑制了与磨损和热增强相关的颗粒生成过程，从而有助于各个周期中观察到的显著PN排放减少[34]。

3.2. 再生制动对PM10排放的影响
如图10(a)所示，在关闭条件下，不同驾驶周期中的PMef值差异显著。对于车辆1，WLTP-Brake循环（测试5）显示的排放因子较低，为1.8 mg/km，远低于Euro 7的限制，并且与Hesse[35]和Grigoratos[36]报告的结果相当。其他周期观察到更高的排放，测试3中的最大值达到21 mg/km，约为测试5的10倍。其余循环的排放水平相当，为2–3 mg/km。对于车辆2，WLTP-Brake循环也显示了最低的排放水平，尽管周期之间的差异不如车辆1明显。在关闭条件下，WLTP-Brake循环（测试8）的排放因子为8 mg/km，略高于Euro 7的限制，并且与Mamakos[37]和Neukirchen[38]报告的结果相当。在其他驾驶条件下记录了更高的排放，RDE循环（测试6）达到10 mg/km，WLTC循环（测试7）达到11 mg/km。这些结果表明，PM10排放对驾驶条件非常敏感。因此，标准循环的排放不一定能代表其他驾驶条件下的制动排放水平。即使在WLTP-Brake循环下排放量相对较低，但在RDE或WLTC条件下排放量也可能大幅增加，这突显了使用单一标准化循环来表征不同驾驶条件下制动PM10排放的局限性。下载：下载高分辨率图像（150KB）下载：下载全尺寸图像图10. 不同评估方法在RDE、WLTC和WLTP-Brake循环中的PM10排放比较。图10（a）还显示了RB的PM10减少效果。激活RB后，在所有循环中都观察到了显著减排。对于车辆1，在测试1-4中，PM10排放量减少到大约0.5毫克/公里，这与Yin[39]报告的结果相当。对于车辆2，在测试6和测试7中，PM10排放量减少到大约4毫克/公里。不包括WLTP-Brake循环（测试5和测试8），减排比率通常超过60%，测试3中的最大减排率为98%。相比之下，在WLTP-Brake循环中观察到的减排比率较低，车辆1的减排率为47%，车辆2的减排率为17%。这种差异可能是由于标准驾驶循环和实际驾驶循环中RB操作条件的变化所致。如图S3所示，还与之前的实时测量研究进行了比较。之前研究中报告的减排比率通常超过40%，与本研究中观察到的减排趋势大致一致。图10（b）比较了激活再生制动（reg. on）条件下的实际PM10排放量与根据关闭再生制动（reg. off）排放量得出的校正后估计值。校正方案采用了GTR No.24中规定的固定系数、实际制动份额系数ccycle和摩擦制动比率fcycle。与实际排放量相比，固定系数结果在不同驾驶循环中表现出显著偏差。对于车辆1，固定系数值低估了WLTP-Brake循环下的实际排放量，而高估了WLTC和RDE循环下的排放量。这种差异在测试3中尤为显著，固定系数估计值（6.43毫克/公里）比实际测量值（0.42毫克/公里）高出15倍以上，并接近欧7标准的制动PM10限值7毫克/公里。这表明固定系数方法可能导致误导性的评估：估计的排放水平可能看起来接近监管限值，而实际激活RB时的排放量远低于限值。对于车辆2，固定系数方法在所有循环中一致低估了PM10排放量。总体而言，这些结果表明，实际PM10排放比率（定义为激活再生制动和关闭再生制动时的排放量之比）在不同驾驶循环中的PHEV中范围为0.02至0.83，这与GTR No. 24中规定的固定系数0.34有显著差异。受Hu[12]之前研究的启发，进一步使用了实验得出的ccycle和fcycle系数进行了分析，如图10（b）所示。在WLTP-Brake循环下，校正后的值与实际排放量相当吻合，最大偏差低于25%，这与Woo[16]报告的结论相似。然而，在RDE循环下仍然观察到显著偏差，特别是在测试3中，使用fcycle校正后的结果比实际测量值高出7倍。这表明，即使考虑了实际制动份额或摩擦制动能量比率，基于系数的校正也可能无法准确估计高瞬态实际驾驶条件下的制动PM10排放量。因此，不能仅通过简单的制动活动或摩擦制动能量比例降低来完全描述激活RB时的制动PM10排放量。在评估RB的减排效益时，还应考虑其他依赖于循环的因素，如制动频率、热积累、瞬态制动强度和摩擦接触条件，如第3.1.3节所讨论的。图11展示了所有循环在激活再生制动（reg. on）和关闭再生制动（reg. off）条件下的质量浓度-直径分布，进一步揭示了基于能量评估中观察到的差异。对于车辆1，所有5个循环都显示出单峰分布，关闭再生制动时的主要颗粒尺寸集中在1–3微米范围内。当激活RB时，几乎所有尺寸范围内的颗粒都显著减少，在不同循环中观察到单峰、双峰和三峰分布。然而，主要颗粒尺寸仍保持在1–3微米范围内，如图11（a）-（e）所示。车辆2也观察到了类似的减少情况（图11（f）-（h）），尽管测试7中的减少效果更为显著。Hagino报告了类似的结果，即<0.1微米颗粒的质量贡献随着再生制动强度的增加而略有增加[17]。总体而言，这些结果表明，RB下的PM10减少行为依赖于循环，不同颗粒尺寸部分对驾驶条件和RB激活的敏感性不同。如上所述，观察到的差异可能反映了制动阻力、制动历史和刹车片-盘片界面摩擦状态变化的综合影响。因此，基于固定系数和能量的校正方法可能无法完全捕捉这些影响，导致对PM10减少行为的评估存在不确定性。下载：下载高分辨率图像（346KB）下载：下载全尺寸图像图11. PM10浓度-直径分布：（a）-（e）车辆1的测试1-5；（f）-（h）车辆2的测试6-8。3.3. 车辆电气化对制动排放的综合影响图12（a）展示了在不同驾驶循环下PHEV及其等效汽油车GCV的PM10排放比较。对于车辆1，所有测试中GCV的PM10排放因子都高于PHEV。最大的差异出现在测试3中，GCV的排放因子几乎是激活再生制动的PHEV的12倍。相比之下，最小的差异出现在测试5中，GCV的排放因子仅约为PHEV的1.3倍。车辆2也观察到了类似的趋势。下载：下载高分辨率图像（132KB）下载：下载全尺寸图像图12. 车辆电气化对制动排放的综合影响：（a）PHEV与其GCV的比较；（b）与Beddows方法[6]的比较。图12（b）进一步将测量到的电气化排放比率与Beddows等人[6]提出的方法估计的比率进行了比较，该方法广泛用于制动排放评估。详细计算程序在补充材料S-5中提供。对于两种车辆，测量到的relec,PM范围为8%至79%，证实了PHEV相对于其等效GCV的净PM10减排。这一发现与Liu [7]和Hicks [8]讨论的增加车辆质量和RB后的权衡效应一致，即由于车辆质量增加导致的潜在制动磨损排放增加可以通过减少摩擦制动需求来补偿。基于Beddows的结果在大多数情况下得出了类似的结论，但估计的relec,PM并未完全匹配测量值。在测试8中，基于Beddows的比率高于1，表明估计的PHEV排放量将高于GCV。然而，这与测量结果不一致，因为PHEV仍然比GCV排放的颗粒少。这种偏差表明，制动PM10排放量不仅受车辆质量和总摩擦制动能量的影响，这一点已在第3.2节中讨论。总体而言，测量结果表明，测试的PHEV排放的PM10少于其重建的GCV，而与基于Beddows的估计值相比，直接测量对于准确评估电动车辆的制动排放仍然是必要的。应当注意的是，本研究中考虑的GCV仅代表尺寸相当的参考车型，而不是物理上完全相同的汽油车型。因此，这种比较代表了评估车辆质量增加和再生制动综合影响的参考情景，而不是车辆电气化的直接比较。PHEV和参考GCV之间的制动系统配置和摩擦材料配方可能存在的差异可能会引入额外的不确定性，从而影响估计的电气化排放比率。4. 结论本研究通过使用从OBD数据重建的制动扭矩曲线，在制动测功机上重现两种PHEV的实际驾驶条件，调查了制动颗粒排放和RB的减排效果。对于PN排放，事件级分析表明，PN排放的减少可能与摩擦制动能量的减少不成比例。在几个事件中，即使激活RB后，PN排放量反而增加，表明颗粒排放可能受到制动能量减少、界面历史、温度变化和延迟颗粒释放的共同影响。在循环级别上，两种车辆在WLTP-Brake循环下的PN排放量均低于10^9个/公里，而在RDE循环下的最大值达到了1.2×10^10个/公里。尽管RDE下的平均制动能量低于WLTC/WLTP-Brake循环，但频繁制动缩短了冷却间隔并促进了持续的热积累。因此，RDE下的平均制动温度与标准循环相当甚至更高，加速了颗粒生成并增加了总体PN排放。激活RB后，所有循环下的PN排放量显著减少，RDE下的最大减少率为98%。对于测试的PHEV，事件级和循环级的结果表明，RB可能不会减少每个单独制动事件的排放量，但它可以通过降低整个循环中的摩擦工作和热负荷来显著减少排放量。PM10排放量也对驾驶循环高度敏感。即使在WLTP-Brake循环下排放量保持较低，但在RDE条件下也可能大幅增加，甚至超过当前的监管限值。激活RB后，在所有循环中都观察到显著减少，车辆1在测试1-4中的排放量减少到大约0.5毫克/公里，车辆2在测试6-7中的排放量减少到4毫克/公里。使用监管固定系数ccycle和fcycle校正后的测量排放量进一步进行了比较。结果表明，实际排放比率范围为0.02至0.83，与监管值0.34有显著差异。基于监管系数的估计值可能超过测量值多达15倍，而基于ccycle或fcycle的估计值可能超过测量值多达7倍。颗粒尺寸分布结果进一步表明，即使是相同的刹车片，不同颗粒尺寸部分的减少效果也有所不同。这表明减排效果取决于驾驶条件，这可能解释了为什么基于固定系数或能量的方法无法准确表示测试PHEV的实际减少效果。进一步进行了评估，以使用等效GCV作为参考情景，评估车辆电气化后车辆质量增加和再生制动之间的权衡。测试的PHEV的PM10排放量低于其等效GCV的排放量，relec,PM范围为8%至79%，表明再生制动有效地抵消了由车辆质量增加引起的潜在排放增加。应当注意的是，尽管GCV的制动排放是基于测功机测试测量的，但这种比较代表了一种重建的参考情景，而不是物理上完全相同的车辆之间的直接比较。尽管基于Beddows的估计[6]在大多数情况下显示了类似的趋势，但其与测量结果的偏差表明，仅凭车辆质量和摩擦制动能量不足以准确评估制动排放。尽管本研究控制了初始制动温度并应用了一致的磨合程序，但无法消除连续制动循环期间刹车片-盘片界面的动态变化。此外，独立的电动驱动台架验证仅针对车辆1进行了。因此，验证结果支持了基于OBD的扭矩重建方法的工程可行性，但不应将其解释为对车辆2的OBD衍生扭矩准确性的直接验证。还应注意的是，每个驾驶循环都在底盘测功机上测量了一次，且未记录电池的SOC。因此，由于电池条件导致的再生制动周期间的可能变化无法与驾驶循环本身的影响完全分离。这些限制突显了实际驾驶条件下制动颗粒排放的固有复杂性，其中排放响应不仅受瞬时摩擦能量的影响，还受瞬态界面状态、车辆控制策略和驾驶行为的影响。特别是在制动频率、制动强度和初始制动速度的变化会改变摩擦制动的需求、接触温度以及制动器的热历史，从而影响颗粒的产生。对于电动车辆来说，这种驾驶行为还可能影响再生制动（RB）的激活和贡献。因此，未来的研究应该包括重复性测量、更广泛的车辆类型、受控的电池电量（SOC）条件、对制动界面演变的更准确描述，以及更全面的代表性驾驶行为。在涉及不同驾驶员和制动模式的真实世界交通情况下进一步验证，也有助于量化制动器磨损排放的变异性，并提高再生制动减排评估的代表性。

**环境影响**
再生制动（RB）是减少制动颗粒排放的关键策略，但其实际减排效果仍需进一步验证。本研究通过在制动测功机上重现两辆混合动力车辆的OBD重建再生制动数据，实证评估了RB在减少制动排放方面的有效性。值得注意的是，制动排放与制动能量之间并未观察到线性关系。因此，减排效果显著依赖于制动周期，最大减排幅度可达98%。这些发现为评估与RB相关的制动排放减少提供了实用方法，并为未来的法规框架提供了支持。

**作者贡献声明**
李爱红：资源准备
赖一土：资源准备、调查
陈万义：监督、资源准备、数据管理
王亚超：撰写——审阅与编辑、资金筹集
苏胜：资源准备、调查
葛云山：撰写——审阅与编辑、监督
王长宇：撰写——初稿编写、方法论构建
谭建伟：验证、监督
王欣：验证、数据管理

**作者名单**
王长宇 | 王欣 | 谭建伟 | 李爱红 | 陈万义 | 赖一土 | 苏胜 | 王亚超 | 黄云山

**机构**
中国北京工业大学机械工程学院汽车性能与排放测试国家重点实验室，北京100081