基于人工智能的轮毂电机扭矩分配方法和装置制造方法及图纸

本申请涉及一种基于人工智能的轮毂电机扭矩分配方法和装置。该方法根据车辆的控制参数中踏板开度，计算需求扭矩，将每个时刻的真实扭矩输入扭矩预测模型，得到预测扭矩，使用扭矩预测模型预测前N个连续时刻的下一时刻的扭矩，并与真实扭矩比对，以比对结果计算预测扭矩的权重值，以权重值对预测扭矩和需求扭矩进行加权求和得到修正后的需求扭矩，通过相似度比较确定相似度最大的车况参数，以得到对应的每个轮毂电机的扭矩分配比例，以根据扭矩分配比例对预测修正后的需求扭矩进行分配，通过对预测的扭矩需求进行修正，提高了扭矩输出的准确性，相较于大量参数计算而言上述修正过程和相似比较过程的响应时间较短，从而提高了车辆控制的响应效率。辆控制的响应效率。辆控制的响应效率。

【技术实现步骤摘要】
基于人工智能的轮毂电机扭矩分配方法和装置


[0001]本申请属于车辆控制
，尤其涉及一种基于人工智能的轮毂电机扭矩分配方法和装置。

技术介绍

[0002]目前，随着用户对车辆操控稳定性和灵活性需求的提高，传统采用转动轴、差速器等部件进行车辆驱动控制的方式已经无法满足复杂的驱动需求，且导致车辆的传动结构较为复杂，难以实时检修和维护，因此，越来越多的车辆采用轮毂电机的方式进行驱动。
[0003]轮毂电机直接将动力、传动和制动装置都整合到轮毂内，精简了车辆结构，同时，每个车轮都能够独立驱动，可实现多种复杂的驱动方式，但是，轮毂电机依靠智能电子装置提供轮毂电机的扭矩分配，而扭矩分配的参数较多，车载终端难以快速地给出最优的扭矩分配，导致车辆动力控制存在延迟，影响用户体验，因此，如何提高轮毂电机扭矩分配的效率成为亟需解决的问题。

技术实现思路

[0004]有鉴于此，本申请实施例提供了一种基于人工智能的轮毂电机扭矩分配方法和装置，以解决现有对轮毂电机的扭矩分配效率较低的问题。
[0005]第一方面，本申请实施例提供一种基于人工智能的轮毂电机扭矩分配方法，所述轮毂电机扭矩分配方法包括：
[0006]获取当前时刻车辆的控制参数，根据所述控制参数中踏板开度，结合踏板开度与需求扭矩的映射关系，计算得到下一时刻的需求扭矩；
[0007]获取所述当前时刻至前N个连续时刻中每个时刻的真实扭矩，将每个时刻的真实扭矩输入扭矩预测模型，得到所述下一时刻的预测扭矩，N为大于零的整数；
[0008]针对所述前N个连续时刻中任一时刻，使用所述扭矩预测模型预测得到所述任一时刻的下一时刻的扭矩，将预测得到的所述任一时刻的下一时刻的扭矩与所述任一时刻的下一时刻的真实扭矩进行比对，得到每个时刻的比对结果；
[0009]根据每个时刻的比对结果，计算得到表征所述预测扭矩的准确度的权重值，根据所述权重值，对所述预测扭矩和所述需求扭矩进行加权求和，确定加权求和结果为预测修正后的需求扭矩；
[0010]将所述控制参数与预设的车况参数进行相似度比较，确定相似度最大的车况参数，根据预设的映射表，确定所述相似度最大的车况参数对应的每个轮毂电机的扭矩分配比例；
[0011]根据所述扭矩分配比例，对所述预测修正后的需求扭矩进行分配，得到每个轮毂电机的扭矩值，以控制轮毂电机输出对应的扭矩值。
[0012]第二方面，本申请实施例提供一种基于人工智能的轮毂电机扭矩分配装置，所述轮毂电机扭矩分配装置包括：
[0013]扭矩需求计算模块，用于获取当前时刻车辆的控制参数，根据所述控制参数中踏板开度，结合踏板开度与需求扭矩的映射关系，计算得到下一时刻的需求扭矩；
[0014]扭矩预测模块，用于获取所述当前时刻至前N个连续时刻中每个时刻的真实扭矩，将每个时刻的真实扭矩输入扭矩预测模型，得到所述下一时刻的预测扭矩，N为大于零的整数；
[0015]预测需求比较模块，用于针对所述前N个连续时刻中任一时刻，使用所述扭矩预测模型预测得到所述任一时刻的下一时刻的扭矩，将预测得到的所述任一时刻的下一时刻的扭矩与所述任一时刻的下一时刻的真实扭矩进行比对，得到每个时刻的比对结果；
[0016]扭矩需求修正模块，用于根据每个时刻的比对结果，计算得到表征所述预测扭矩的准确度的权重值，根据所述权重值，对所述预测扭矩和所述需求扭矩进行加权求和，确定加权求和结果为预测修正后的需求扭矩；
[0017]分配比例确定模块，用于将所述控制参数与预设的车况参数进行相似度比较，确定相似度最大的车况参数，根据预设的映射表，确定所述相似度最大的车况参数对应的每个轮毂电机的扭矩分配比例；
[0018]扭矩分配模块，用于根据所述扭矩分配比例，对所述预测修正后的需求扭矩进行分配，得到每个轮毂电机的扭矩值，以控制轮毂电机输出对应的扭矩值。
[0019]本申请实施例与现有技术相比存在的有益效果是：本申请获取当前时刻车辆的控制参数，根据控制参数中踏板开度，结合踏板开度与需求扭矩的映射关系，计算得到下一时刻的需求扭矩，获取当前时刻至前N个连续时刻中每个时刻的真实扭矩，将每个时刻的真实扭矩输入扭矩预测模型，得到下一时刻的预测扭矩，针对前N个连续时刻中任一时刻，使用扭矩预测模型预测得到任一时刻的下一时刻的扭矩，将预测得到的任一时刻的下一时刻的扭矩与任一时刻的下一时刻的真实扭矩进行比对，得到每个时刻的比对结果，根据每个时刻的比对结果，计算得到表征预测扭矩的准确度的权重值，根据权重值，对预测扭矩和需求扭矩进行加权求和，确定加权求和结果为预测修正后的需求扭矩，将控制参数与预设的车况参数进行相似度比较，确定相似度最大的车况参数，根据预设的映射表，确定相似度最大的车况参数对应的每个轮毂电机的扭矩分配比例，根据扭矩分配比例，对预测修正后的需求扭矩进行分配，得到每个轮毂电机的扭矩值，以控制轮毂电机输出对应的扭矩值，采用结合踏板开度对扭矩的需求和扭矩变化的方式，对预测的扭矩需求进行修正，提高了扭矩输出的准确性，且通过控制参数与车况参数配准的方式得到分配比例，进而将扭矩需求分配至每个轮毂电机处，相较于大量参数计算而言上述修正过程和配准过程的响应时间较短，从而可以快速地进行扭矩分配，提高了车辆控制的响应效率。
附图说明
[0020]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是本申请实施例一提供的一种基于人工智能的轮毂电机扭矩分配方法的流程示意图；
[0022]图2是本申请实施例二提供的一种基于人工智能的轮毂电机扭矩分配方法的流程示意图；
[0023]图3是本申请实施例三提供的一种基于人工智能的轮毂电机扭矩分配装置的结构示意图；
[0024]图4是本申请实施例四提供的一种车载终端的结构示意图。
具体实施方式
[0025]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0026]应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0027]还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0028]如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的轮毂电机扭矩分配方法，其特征在于，所述轮毂电机扭矩分配方法包括：获取当前时刻车辆的控制参数，根据所述控制参数中踏板开度，结合踏板开度与需求扭矩的映射关系，计算得到下一时刻的需求扭矩；获取所述当前时刻至前N个连续时刻中每个时刻的真实扭矩，将每个时刻的真实扭矩输入扭矩预测模型，得到所述下一时刻的预测扭矩，N为大于零的整数；针对所述前N个连续时刻中任一时刻，使用所述扭矩预测模型预测得到所述任一时刻的下一时刻的扭矩，将预测得到的所述任一时刻的下一时刻的扭矩与所述任一时刻的下一时刻的真实扭矩进行比对，得到每个时刻的比对结果；根据每个时刻的比对结果，计算得到表征所述预测扭矩的准确度的权重值，根据所述权重值，对所述预测扭矩和所述需求扭矩进行加权求和，确定加权求和结果为预测修正后的需求扭矩；将所述控制参数与预设的车况参数进行相似度比较，确定相似度最大的车况参数，根据预设的映射表，确定所述相似度最大的车况参数对应的每个轮毂电机的扭矩分配比例；根据所述扭矩分配比例，对所述预测修正后的需求扭矩进行分配，得到每个轮毂电机的扭矩值，以控制轮毂电机输出对应的扭矩值。2.根据权利要求1所述的轮毂电机扭矩分配方法，其特征在于，将预测得到的所述任一时刻的下一时刻的扭矩与所述任一时刻的下一时刻的真实扭矩进行比对，得到每个时刻的比对结果包括：将预测得到的所述任一时刻的下一时刻的扭矩与所述任一时刻的下一时刻的真实扭矩作差，确定差值的绝对值为对应时刻的比对结果，得到每个时刻的比对结果；根据每个时刻的比对结果，计算得到表征所述预测扭矩的准确度的权重值包括：将所有的比对结果相加，得到相加结果；将所述相加结果输入映射函数，得到表征所述预测扭矩的准确度的权重值，所述映射函数如下：式中，α表示所述权重值，A表示所述相加结果。3.根据权利要求2所述的轮毂电机扭矩分配方法，其特征在于，根据所述权重值，对所述预测扭矩和所述需求扭矩进行加权求和，确定加权求和结果为预测修正后的需求扭矩包括：将所述权重值输入加权求和函数，得到加权求和结果，确定所述加权求和结果为预测修正后的需求扭矩，所述加权求和函数如下：Z0＝(1
‑
α)
·
Z1+α
·
Z2式中，Z0表示所述加权求和结果，Z1表示所述需求扭矩，Z2表示所述预测扭矩。4.根据权利要求1所述的轮毂电机扭矩分配方法，其特征在于，将所述控制参数与预设的车况参数进行相似度比较，确定相似度最大的车况参数包括：将所述控制参数中方向盘转角参数、方向盘角速度参数、整车车速参数、车辆横摆率以及所述预测修正后的需求扭矩，按照预设顺序拼接为表征车辆当前车况的目标矩阵；
将所述目标矩阵与预设的车况参数对应的车况矩阵进行相似度计算，确定相似度最大的车况矩阵为相似度最大的车况参数。5.根据权利要求4所述的轮毂电机扭矩分配方法，其特征在于，在将所述控制参数与预设的车况参数进行相似度比较，确定相似度最大的车况参数之前，还包括：根据所述控制参数中的车辆外侧速度、车辆内侧速度、内外轮距和车轮偏角，计算得到车辆横摆率，所述车辆横摆角计算公式如下：式中，yaw表示所述车辆横摆角，v1表示所述车辆外侧速度，v2表示车辆内侧速度，B表示内外轮距，γ表示车轮偏角。6.根据权利要求4所述的轮毂电机扭矩分配方法，其特征在于，根据预设的映射表，确定所述相似度最大的车况参数对应的每个轮毂电机的扭矩分配比例包括：从预设的映射表中，匹配到所述相似度最大的车况参数的初始分配比例，所述初始分配比例包括对每个轮毂电机的初始的扭矩分配比例；将所述初始分配比例输入训练好的编码器，输...

【专利技术属性】
技术研发人员：马志勋，陈少峰，林国斌，
申请(专利权)人：同济大学，
类型：发明
国别省市：