发明内容
本发明实施例提供一种制动能量回收方法及电动汽车,用于提高在制动能量回收时对电动机的回馈力矩的大小进行调节的准确性。
第一方面,提供一种制动能量回收方法,该方法包括:车辆的制动能量回收系统首先采集该车辆在预设时长内的速度信息,并基于该速度信息获取该车辆在预设时长内的运行参数信息,其中,该预设时长大于该车辆在任意一次处于制动状态的时长,该制动状态为该车辆处于主动减速或不主动加速的状态;然后,基于该运行参数信息,预测该车辆所处的运行道路的交通状态。在该车辆的制动能量回收系统中预先存储与当前的交通状态匹配的回馈力矩映射关系信息,从而在确定该车辆当前的交通状态后,则根据该回馈力矩映射关系信息计算该车辆在当前的交通状态下进入制动状态时的回馈力矩,其中,该回馈力矩映射关系信息中包括至少一组车辆的速度、制动程度以及回馈力矩之间的映射关系,该回馈力矩用于指示在该车辆处于该制动状态时用于对该车辆产生制动作用的力矩,该制动程度表征该车辆处于该制动状态前的速度与该车辆处于该制动状态后的速度的变化量;最后,在该车辆处于该制动状态时,基于该回馈力矩将该车辆的制动能量转化为电能,并将该电能存储至该车辆的蓄电池中。
在本发明实施例中,进行制动能量回收时,能够自动根据车辆在预设时长内的速度信息获取车辆自身的运行参数,并基于获取的运行参数预测车辆所处的运行道路的交通状态,从而可以根据交通状态自适应地调整回馈力矩的大小。比如,在交通状态为市区拥堵状态时,可适当增加回馈力矩,当交通状态为高速畅通状态时,则可以适当减小回馈力矩,可以提高所确定的回馈力矩的准确性,能够更好地进行制动能量的回收。
在一个可能的设计方式中,基于该运行参数信息,预测该车辆所处的运行道路的当前的交通状态,包括:获取至少一个预设交通状态的至少一个特征参数信息;确定与所述运行参数信息相匹配的特征参数信息对应的预设交通状态为所述当前的交通状态。
在本发明实施例中,制动能量回收系统中预先存储有多个预设交通状态及与每个预设交通状态对应的特征参数信息,从而只要将该车辆当前的运行参数信息与每个预设交通状态的特征参数信息进行匹配运算,便能确定出哪个预设交通状态与当前的运行参数信息的特征最为相似,从而根据该车辆当前的运行参数信息预测出该车辆所处的运行道路的交通状态,方法简便。
在一个可能的设计方式中,确定与该运行参数信息相匹配的特征参数信息对应的预设交通状态为该当前的交通状态,包括:获取该至少一个特征参数信息中的每个特征参数信息与该每个特征参数信息的取值范围之间的隶属函数;根据该隶属函数确定与该运行参数信息相匹配的特征参数信息。
在本发明实施例中,每个预设交通状态的特征参数信息通过隶属函数来表示,从而当制动能量回收系统获取该车辆的运行参数信息后,则将运行参数信息与每个预设交通状态的隶属函数进行比较,预测出该车辆所述的运行道路的交通状态,即,通过隶属函数将车辆的运行参数信息模糊化,然后通过模糊推理法,预测车辆当前的交通状态。
在一个可能的设计方式中,在该特征参数信息包括该车辆在一次减速开始到下一次减速开始的间隔时长内的平均车速、该车辆在该间隔时长内处于速度为零的总时长与该间隔时长的比例、以及该车辆在该间隔时长内处于速度不为零的状态内的平均加速度时,获取该至少一个特征参数信息中的每个特征参数信息与该每个特征参数信息的取值范围之间的隶属函数,包括:获取该平均车速与该平均车速的取值范围之间的第一隶属函数、该比例与该比例的取值范围之间的第二隶属函数、以及该平均加速度与该平均加速度的取值范围之间的第三隶属函数;其中,该第一隶属函数、该第二隶属函数及该第三隶属函数均为分段函数。
给出了预设交通状态中的每个特征参数信息的隶属函数的几种形式,在本发明实施例中,每个特征参数信息的隶属函数的形式不限于以上列举的几种。
在一个可能的设计方式中,根据该隶属函数确定与该运行参数信息相匹配的特征参数信息,包括:确定该运行参数信息中的平均车速在该第一隶属函数中对应的第一分段函数、该运行参数信息中的比例在该第二隶属函数中对应的第二分段函数、以及该运行参数信息中的平均加速度在该第三隶属函数中对应的第三分段函数;确定与该第一分段函数、该第二分段函数以及该第三分段函数相匹配的特征参数信息。
在本发明实施例中,将该车辆的运行参数信息与建立的隶属函数的多个分段函数进行比较,确定与该运行参数信息匹配的分段函数,从而根据分段函数预测该车辆当前的交通状态。
在一个可能的设计方式中,确定与该运行参数信息相匹配的特征参数信息对应的预设交通状态为该当前的交通状态,包括:计算该运行参数信息与该至少一个特征参数信息的至少一个差异值;确定该至少一个差异值中的最小值;确定与该最小值对应的预设交通状态为该当前的交通状态。
在本发明实施例中,通过计算车辆的运行参数信息与每个预设交通状态中的特征参数信息的差异值,确定差异值最小的预设交通状态为该车辆当前的交通状态,从而能够更为准确地预测车辆当前的交通状态。
在一个可能的设计方式中,计算该运行参数信息与该至少一个特征参数信息中的第一特征参数信息的差异值,包括:计算该运行参数信息与该第一特征参数信息的差值;该第一特征参数信息为该至少一个特征参数信息中的任意一个特征参数信息;将该差值进行归一化处理,得到归一化的差值;将该归一化的差值与为该第一特征参数信息设置的权重向量相乘,得到差值向量;确定该差值向量的模值为该运行参数信息与该第一特征参数信息的差异值。
在本发明实施例中,首先计算车辆的运行参数信息与每个预设交通状态中的特征参数信息之间的差值,然后将计算的差值进行归一化处理以及与权重向量相乘的处理,将最终得到的处理结果作为该车辆的运行参数信息与每个预设交通状态中的特征参数信息之间的差异值,简化了后续求取多个差异值的最小值的计算量。
在一个可能的设计方式中,基于与该当前的交通状态匹配的回馈力矩映射关系信息,确定该车辆在该当前的交通状态下处于该制动状态时的回馈力矩,包括:从至少一个回馈力矩映射关系信息中获取与该当前的交通状态匹配的回馈力矩映射关系信息;其中,该至少一个预设交通状态与该至少一个回馈力矩映射关系信息一一对应;基于该车辆的速度及该车辆的制动程度,从该回馈力矩映射关系信息中确定该车辆的所述回馈力矩。
在本发明实施例中,每个预设交通状态设置有相匹配的回馈力矩映射关系信息,比如,,高速畅通状态与回馈力矩映射关系1相匹配,市区拥堵状态与回馈力矩映射关系2相匹配,从而根据不同的回馈力矩映射关系确定在该车辆在不同的交通状态下的回馈力矩,使回馈力矩更加符合当前的交通状态。
在一个可能的设计方式中,基于与该当前的交通状态匹配的回馈力矩映射关系信息,确定该车辆在该当前的交通状态下处于该制动状态时的回馈力矩,包括:从至少一个回馈力矩映射关系信息中获取与该当前的交通状态匹配的回馈力矩映射关系信息;其中,该至少一个预设交通状态与该至少一个回馈力矩映射关系信息一一对应;从该回馈力矩映射关系信息中确定与该车辆的速度及该车辆的制动程度相应的回馈力矩;确定该车辆在该制动状态时,该电动机支持的第一最大回馈力矩;确定该蓄电池在当前时刻支持的第二最大回馈力矩;确定与该车辆的速度及该车辆的制动程度相应的回馈力矩、该第一最大回馈力矩以及该第二最大回馈力矩中的最小值为该车辆的所述回馈力矩。
在本发明实施例中,结合了与当前的交通状态匹配的回馈力矩映射关系信息、蓄电池所能支持的最大制动力矩以及电动机所支持的最大制动力矩三个因素来确定该车辆在当前的交通状态下的回馈力矩,使得确定的回馈力矩更加符合该车辆的性能指标。
在一个可能的设计方式中,基于与该当前的交通状态匹配的回馈力矩映射关系信息,确定该车辆在该当前的交通状态下处于该制动状态时的回馈力矩,包括:从至少一个回馈力矩映射关系信息中获取与该当前的交通状态匹配的回馈力矩映射关系信息;其中,该至少一个预设交通状态与该至少一个回馈力矩映射关系信息一一对应;从该回馈力矩映射关系信息中确定与该车辆的速度及该车辆的制动程度相应的回馈力矩;确定该车辆在该制动状态时,该电动机支持的第一最大回馈力矩;确定该蓄电池在当前时刻支持的第二最大回馈力矩;基于该车辆的档位状态、主动减速状态、主动加速状态以及防抱死制动状态中的至少一种因素,确定该车辆的驾驶员的制动意图;基于该驾驶员的制动意图、与该车辆的速度及该车辆的制动程度相应的回馈力矩、该第一最大回馈力矩以及该第二最大回馈力矩,确定该车辆的该回馈力矩。
在本发明实施例中,结合了与当前的交通状态匹配的回馈力矩映射关系信息、蓄电池所能支持的最大制动力矩、电动机所支持的最大制动力矩以及该车辆的驾驶员的制动意图四个因素来确定该车辆在当前的交通状态下的回馈力矩,使得确定的回馈力矩能够符合该车辆的驾驶员的驾驶需求,使制动能量回收系统更加智能。
第二方面,提供一种电动汽车,该电动汽车包括:控制器、电动机和蓄电池,该电动汽车所包括的模块用于执行第一方面中所述的制动能量回收方法。
第三方面,提供一种计算机存储介质,计算机存储介质存储有指令,当指令在计算机上运行时,使得计算机执行上述各方面所述的方法。
第四方面,提供一种计算机程序产品,计算机程序产品包含有指令,当指令在计算机上运行时,使得计算机执行上述各方面所述的方法。
在本发明实施例提供的制动能量回收方案,进行制动能量回收时,无需增加额外的信息检测装置或传感器,根据车辆自身的车速获取的运行参数确定车辆所处的交通状态,在确定出当前的交通状态后,根据当前的交通状态自适应地调整回馈力矩的大小,可以避免由于仅凭驾驶员的经验对回馈力矩的大小进行调节的不准确性,也尽量避免由于回馈力矩过大或过小导致的能量利用率低,可以实现以较低的硬件成本,来提高对电动机的回馈力矩的大小进行调节的准确性、提高能量的利用率的效果。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图,对本发明实施例提供的技术方案进行描述。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,比如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系,本文中的字符“、”,如无特殊说明,一般表示前后关联对象是一种“和”的关系。
下面首先介绍现有技术中的制动能量回收系统。
请参考图1,为现有技术中的制动能量回收系统的结构示意图。该制动能量回收系统包括整车控制器10、电动机控制器20、电动机30及蓄电池40。在具体实施过程中,该制动能量回收系统可以是EV的组成部分,比如,可以是纯电动汽车(Battery ElectricVehicle,BEV)或者插电式混合动力汽车(Plug-in Hybrid Electric Vehicle,PHEV)的组成部分,当然,也可以是其他通过电动机驱动的车辆的组成部分,或者该制动能量回收系统可以是车辆本身,比如是EV本身或PHEV本身等,在此不作限制。
整车控制器(Vehicle Management System,VMS)10,是整个车辆的核心控制部件。整车控制器采集加速踏板信号、制动踏板信号及车辆的其他部件产生的信号,在做出相应判断后,控制其他部件的动作,实现整车驱动控制、能量优化控制、制动回馈控制等功能。
电动机控制器(Motor Control Unit,MCU)20,电动机控制器20通过与之连接的集成电路来控制电动机30按照设定的方向、速度、角度、响应时间进行工作。
电动机30,一般来说在车辆的运行过程中有两种功能:当车辆起步状态或加速状态时,电动机30为车辆提供驱动力;当车辆处于制动能量回收状态时,由于电动机30的运转,根据右手定则可知,线圈在阻碍磁通变化的方向上发生电动势,使电动机30起到发电机的作用,从而实现制动能量的回收。
蓄电池40,用于给电动机控制器20提供驱动能量。电动机30根据回馈力矩将车辆的制动能量转化为蓄电池40的电能,存储在蓄电池40中。
在图1所示的制动能量回收系统中,整车控制器10用于监测车辆中各个部件的工作状态,并最终确定用于制动能量回收的回馈力矩,通过该回馈力矩对电动机30的反拖,能够将制动能量转换为电能,并将该电能存储在蓄电池40中,完成制动能量回收。电动机控制器20用于控制电动机30当前的工作状态,比如,可以控制电动机30处于驱动状态或发电制动状态。电动机30则按照电动机控制器20的来运行。其中,电动机30的驱动状态为给车辆提供驱动能量的状态,电动机的发电制动状态为根据回馈力矩进行制动能量回收,以将车辆的制动能量转化为电能的状态。
在图1所示的制动能量回收系统中,加速踏板用于增加车辆的行驶速度。当加速踏板未被驾驶员踩下时,加速踏板的开度为0;当加速踏板被驾驶员踩到最底端时,加速踏板的开度为100%。当驾驶员对加速踏板进行踩踏时,加速踏板会产生携带加速踏板的开度的油门信号,发送给整车控制器10。相应地,制动踏板用于减小车辆的行驶速度,当制动踏板未被驾驶员踩下时,制动踏板的开度为0,当制动踏板被驾驶员踩到最底端时,制动踏板的开度为100%。当驾驶员对制动踏板进行踩踏时,制动踏板会产生携带制动踏板的开度的制动信号,并发送给整车控制器10。
下面以利用如图1所示的制动能量回收系统进行制动能量回收为例,介绍进行制动能量回收的一种可采用的方式:
整车控制器10首先通过采集油门信号及制动信号来判断车辆是否处于制动状态,若整车控制器10未检测到制动信号,且检测的油门信号指示的加速踏板的开度小于预设阈值,则认为驾驶员有降低车速或者停车的期望,然后,整车控制器10通过电动机控制器20获取电动机30当前的转速,蓄电池40当前的荷电状态以及蓄电池40的最大允许充电电流,进而根据电动机30当前的转速、蓄电池40当前的荷电状态以及蓄电池40最大允许充电电流计算车辆当前用于进行制动能量回收的回馈力矩,并由整车控制器10生成回馈力矩指令,整车控制器10将该回馈力矩指令发送给电动机控制器20,该回馈力矩指令用于指示计算得到的回馈力矩,电动机控制器20控制电动机30采用该回馈力矩进行发电,电动机3将产生的电能传输给蓄电池40,以实现对蓄电池40的充电。
此外,若整车控制器10检测到制动信号,则整车控制器10也认为驾驶员有降低车速或停车的期望,且停车期望较大。此时与上述方法类似,整车控制器10根据制动信号中的制动踏板的开度,确定制动踏板在当前开度下的期望回馈力矩,并通过电动机控制器20获取电动机30当前的转速,蓄电池40当前的荷电状态以及蓄电池40的最大允许充电电流,进而根据电动机30当前的转速、制动踏板在当前开度下的期望回馈力矩、蓄电池40当前的荷电状态以及蓄电池40的最大允许充电电流,计算车辆当前用于制动能量回收的回馈力矩,并生成回馈力矩指令发送给电动机控制器20,该回馈力矩指令用于指示计算得到的回馈力矩,电动机控制器20控制电动机30采用该回馈力矩进行发电,电动机30将产生的电能传输给蓄电池40,以实现对蓄电池40的充电。
在上述技术方案中,当整车控制器10检测到驾驶员松开加速踏板后,即车辆处于滑行回馈能量回收状态,此时主要是根据车速来确定回馈力矩的大小。当整车控制器10检测到驾驶员踩下制动踏板后,即车辆处于制动能量回收状态,此时主要是根据制动踏板的开度与车速确定制动回馈力矩的大小。而驾驶员对加速踏板或者制动踏板的操作只是影响制动能量回收的一部分因素,而制动能量回收还可能受到其他因素的影响,比如,制动能量回收的回馈力矩还会受到交通状态的影响,当车辆在拥堵的情况下行驶时,由于各车辆之间的间隔距离较近,此时若驾驶员踩下制动踏板,则驾驶员期望能在最短的时间内减速,此时,理应增加电动机的回馈力矩,以缩短制动时长,或者,当车辆在畅通的高速公路上行驶时,由于各车辆之间的间隔距离较大,此时,若驾驶员踩下制动踏板,则驾驶员期望能延长滑行距离以避免减速过快而导致需要再次踩加速踏板,此时,理应减小电动机的回馈力矩,以增加制动时长。但如上介绍的制动能量回收方法只与车速及驾驶员对加速踏板或者制动踏板的操作有关,而驾驶员对加速踏板或者制动踏板的操作仅由个人经验进行判断,从而导致对回馈力矩的大小进行调节的准确性较低。
针对该技术问题,本发明实施例再提供一种制动能量回收方法,在进行制动能量回收时,能够自动根据车辆在预设时长内的速度信息获取车辆自身的运行参数,并基于获取的运行参数预测车辆所处的运行道路的交通状态,从而可以根据交通状态自适应地调整回馈力矩的大小,比如,当交通状态为市区拥堵状态时,可适当增加回馈力矩,当交通状态为高速畅通状态时,则可以适当减小回馈力矩,避免了由于仅凭驾驶员的经验对回馈力矩的大小进行调节的不准确性,相应地就提高了所确定的回馈力矩的准确性,能够更好地进行制动能量的回收。
进一步地,在本发明实施例中,由于在进行制动能量回收时能够根据交通状态自适应地调整回馈力矩的大小,从而尽量避免了由于回馈力矩过大而需要再次踩下加速踏板,造成再次耗损电能为车辆提供驱动力带来的能量浪费。还可以尽量避免因为回馈力矩过小而造成的制动能量回收不充分的问题,进而可以提高车辆的能量利用率。
且在本发明实施例中,直接根据车辆自身的车速获取的运动参数确定车辆所处的交通状态,无需增加额外的信息检测装置或传感器检测外界的环境参数,既使得确定的交通状态符合当前的实际情况,又节省了硬件成本。
接下来将结合附图介绍本发明实施例所提供的方法。请参考图2,为本发明实施例提供的一种制动能量回收方法的流程图,该方法可以以如图1所示的制动能量回收系统实现,该方法可以包括如下步骤:
S201:车辆上的制动能量回收系统基于车辆在预设时长内的速度信息获取车辆在预设时长内的运行参数信息。
在车辆进行制动能量回收时,车辆的制动能量回收系统首先获取在预设时长内车辆的速度信息,然后基于获取的速度信息,获取车辆在该预设时长内的运行参数信息。
在本发明实施例中,所述制动状态为所述车辆处于主动减速或不主动加速的状态。具体来讲,所述主动减速状态可以是车辆的驾驶员踩下车辆的制动踏板时的状态,当然,若车辆不存在制动踏板,比如,通过语音控制的EV,那么主动减速状态可以是车辆在驾驶员在通过语音指令控制车辆减速时的状态,在此就不一一举例了。所述不主动加速状态可以是车辆的加速踏板处于松开时的状态,即车辆的驾驶员没有踩下加速踏板的状态,比如,可以是车辆处于滑行时的状态,当然,若车辆不存在加速踏板,比如,通过语音控制的EV,那么主动减速状态可以是车辆在驾驶员没有通过语音指令控制车辆减速或者加速时的状态,在此就不一一举例了。在下面的描述中,将以所述车辆为具有制动踏板以及加速踏板的EV来进行详细说明。
本发明实施例中,为了使获取的速度信息能够反映车辆的运行状况,并尽量减小制动能量回收系统的工作负荷,在获取车速时,可以预先确定预设时长,从而只获取在该预设时长内的车速。所述预设时长大于车辆在任意一次处于制动状态的时长,比如,车辆平均处于制动状态的时长为50秒,则在本发明实施例中,预设时长可以设置为处于制动状态的时长的10倍,以t表示预设时长,则t=500秒。或者预设时长也可以根据实际计算需要调整,比如,设置t为统计的某城市高峰时段从一个红绿灯路口到下一个红绿灯路口的平均通行时间的整数倍。当然,本领域技术人员也可以将预设时长设置为其他的值,本发明实施例不对此进行限定。
在获取EV在预设时长内的车速v后,则车速v来获取车辆的运行参数信息。运行参数信息包括如下的任意一种或几种:平均车速VAvg、平均运行车速V1Avg、停车时间比例η、平均运行加速度AAvg、平均加速度A1Avg和平均减速度A2Avg。其中,平均运行车速V1Avg表示在预设时长内EV的车速不为零的时间内EV的平均车速,平均运行加速度AAvg表示在预设时长内EV的车速不为零的时间内EV的平均加速度,当然,运行参数信息还可能包括其他的参数信息,本发明实施例不作限制。
根据获取的在预设时长内的车速v计算EV在预设时长内的运行参数信息,一种计算方法如下:
平均车速VAvg:
平均运行车速V1Avg:其中t’为EV在预设时长内的车速不为零的时刻;
停车时间比例η:
平均运行加速度AAvg:其中t’为EV在预设时长内的速度不为零的时刻;
平均加速度A1Avg:其中tacc为EV进入加速状态的时刻;
平均减速度A2Avg:其中tdec为EV减速的时刻;
需注意的是,如上的计算方法只是举例,本发明实施例并不限制获得运行参数信息的方式。由以上计算,得到EV在预设时长内的运行参数向量[VAvg,V1Avg,η,AAvg,A1Avg,A2Avg],该运行参数向量中的所有参数并不一定全部使用,比如,可以只选用A1Avg,A2Avg,至于究竟选择哪些参数作为运行参数向量的一部分,本发明实施例不作限制。在实际应用中,可以只计算需要使用的运行参数信息,对于不使用的运行参数信息无需进行计算,提高计算效率。或者也可以将上述的运行参数信息全部进行计算,然后从已经计算好的多个运行参数信息中选择其中一部分或全部来使用,这样更方便做选择。在本发明实施例中同样不作限制。
S202:制动能量回收系统基于运行参数信息,预测车辆所处的运行道路的当前的交通状态。
在本发明实施例中,制动能量回收系统中需要存储多个预设交通状态以及各个预设交通状态对应的运行参数信息。即,用一组运行参数信息表征一个预设交通状态,且制动能量回收系统中可以仅存储各个预设交通状态的标识信息,比如,可以为各个预设交通状态进行编号,则该标识信息即为各个预设交通状态的编号,从而,制动能量回收系统中存储的各个预设交通状态对应的运行参数信息即为一个编号对应的一组运行参数信息,从而使制动能量回收系统根据编号或者一组运行参数信息便能区分各个预设交通状态。为了使存储的各个预设交通状态对应的运行参数信息能够准确地反映出EV在不同预设交通状态中的运行状态,本发明实施例中的预设交通状态对应的运行参数信息包括但不限于通过如下方式获取:
1、计算方式:
预先采集大量的真实运行数据。比如,采集该EV在1个月内多个时刻的实时车速,或者,以各种车型的EV作为采集对象,采集每种类型的EV在1个月内多个时刻的实时车速。当然,为了使采集的数据更加准确,也可以采集EV在2个月、3个月或者甚至更长时间内的车速。然后,基于采集到的车速,计算每一个运动学片段的特征参数信息的值,其中,每一个运动学片段即EV从一次怠速开始到下一次怠速开始的时间段。最后,利用聚类分析的方法,分析各个运动学片段的特征参数信息的值之间的差异值,将差异值小于预设阈值的多组特征参数信息分为一个类别,每一个类别即为车辆的一种预设交通状态。比如,可以将所有运动学片段的特征参数信息分为5类,分别是市区拥堵、市区畅通、近郊中低速、远郊中高速和高速状态。当然,为了能够更加准确地区分不同的预设交通状态,也可以将上述运动学片段的特征参数信息分为更多种类别,本发明实施例对此不作限定。
在计算方式中,由于EV的各个预设交通状态是根据EV的实时车速获取的,因此,各个预设交通状态对应的运行参数信息能够准确地反映该预设交通状态的特征。但由于需要采集大量的真实运行数据,在具体实施时需要花费较长的时间。鉴于此,本发明实施例再提供另一种较高效地获取各个预设交通状态对应的运行参数信息的方式,即如下的第2种方式。
2、聚类分析方式:
由于地图等应用软件或者车联网系统在工作过程中,会采集EV的位置信息以及移动速度信息等来预测某个路段的实时路况,因此,本发明实施例中在获取各个预设交通状态对应的运行参数信息时,可以通过地图或车联网系统等第三方获取各种路况的特征参数作为预设交通状态的特征参数信息。当然,车联网或者地图等第三方预测的实时路况可能只包括道路拥堵或者道路畅通两种情况,为了获取各种不同的预设交通状态,还可以在从第三方获取大量信息后,再进行聚类分析,从而获取多个预设交通状态的特征参数信息。
需要说明的是,在实际运用中,获取预设交通状态的特征参数信息的方式不限于上述描述的方式,每种预设交通状态的特征参数信息可以与步骤S401中的运行参数信息相同,比如,步骤S401中的运行参数信息包括VAvg,V1Avg,η,AAvg,A1Avg,以及A2Avg等参数,则每种预设交通状态的特征参数信息也包括VAvg,V1Avg,η,AAvg,A1Avg,以及A2Avg等参数。其中,预设交通状态的特征参数信息所包括的参数可以多于步骤S401中的运行参数信息包括的参数,比如,步骤S401中的运行参数信息包括VAvg,V1Avg这两个参数,而每种预设交通状态的特征参数信息可以包括VAvg,V1Avg,η,AAvg,A1Avg,以及A2Avg等参数。总之,预设交通状态的特征参数信息中可以包括尽量多的参数,以能够与各种运行参数信息相比较。至于预设交通状态的特征参数信息和预设交通状态的运行参数信息各自包括哪些参数,在本发明实施例中不作限定。
在获取预设交通状态的特征参数信息后,制动能量回收系统则存储与各个预设交通状态对应的的特征参数信息。比如,制动能量回收系统中存储有市区拥堵状态和高速状态,其中,市区拥堵状态对应的特征参数信息为:停车时长大于预设时长的1/4,平均车速小于50kmph,平均加速度小于0.3m/s2;高速状态对应的特征参数信息为:停车时长小于预设时长的1/10,平均车速大于70kmph,平均加速度大于0.5m/s2。
当制动能量回收系统按照S401的方式获取EV的运行参数信息后,将获取的运行参数信息与各种预设交通状态的特征参数信息进行匹配,与该运行参数信息相匹配的特征参数信息对应的预设交通状态为EV当前的交通状态。
其中,将获取的运行参数信息与各种预设交通状态的特征参数信息进行比较判定的方法有多种,本发明实施例以如下两种方法为例进行详细说明:
1、模糊逻辑方法:
在本发明实施例中,制动能量回收系统建立预存的每种特征参数信息与该特征参数信息的取值范围之间的隶属函数,该隶属函数可以为三角形隶属函数或者梯形隶属函数或者正态型隶属函数等。
比如,预设交通状态中包含的特征参数信息为步骤S401中介绍的平均运行车速、停车时间比例、及平均加速度,从而制动能量回收系统中可以存储平均运行车速的三角形隶属函数,本文中将其称为第一三角形隶属函数,如图3A所示,制动能量回收系统中还存储停车时间比例的三角形隶属函数,本文中称其为第二三角形隶属函数,如图3B所示,以及制动能量回收系统中还存储平均加速度的三角形隶属函数,本文中将其称为第三三角形隶属函数,如图3C所示。从图3A-3C可以看出,每个特征参数信息的隶属函数均由多个不同的分段函数构成。比如,图3A中的第一三角形隶属函数由车速小于50kmph的低速对应的第一部分隶属函数、车速大于30kmph且小于等于80kmph的中速对应的第二部分隶属函数以及车速大于70kmph的高速对应的第三部分隶属函数组成;图3B中的第二三角形隶属函数由停车比例小于0.12的低停车比例对应第一部分隶属函数、停车比例大于0.11且小于0.24的中停车比例对应的第二部分隶属函数以及停车比例大于0.23的高停车比例对应的第三部分隶属函数组成;图3C中的第三三角形隶属函数由加速度的绝对值小于0.3的低加速度对应的第一部分隶属函数、加速度的绝对值大于0.25且小于0.6的中加速度对应的第二部分隶属函数以及加速度的绝对值大于0.5的高加速度对应的第三部分隶属函数组成,其中,中加速度对应的第二部分隶属函数以及高加速度对应的第三部分隶属函数分别由与加速度为0对称的两个隶属函数组成。
这样,当制动能量回收系统获取该EV的运行参数信息后,则将运行参数信息与建立的隶属函数进行比较,确定与该运行参数信息对应的分段函数。比如,确定运行参数信息中的平均车速在第一三角形隶属函数中对应的分段函数、停车时间比例在第二三角形隶属函数中对应的分段函数、以及平均加速度在第三三角形隶属函数中对应的分段函数。以图3A为例,当车辆的平均车速为60kmph时,该车速对应图3A中的第一三角形隶属函数的中速对应的第二部分隶属函数。
在制动能量回收系统确定与运行参数信息对应的分段函数后,则根据分段函数预测EV当前的交通状态。
比如,EV的运行参数对应的分段函数为第一三角形隶属函数里的低速对应的第一部分隶属函数、第二三角形隶属函数里的高停车比例对应的第三部分隶属函数以及第三三角形隶属函数里的低加速度对应的第一部分隶属函数;而预存的市区拥堵状态对应的特征参数信息为:停车时长大于预设时长的1/4,平均车速小于50kmph,平均加速度小于0.3m/s2,其对应的分段函数为第二三角形隶属函数里的高停车比例对应的第三部分隶属函数、第一三角形隶属函数里的低速对应的第一部分隶属函数以及第三三角形隶属函数里的低加速度对应的第一部分隶属函数;预存的高速状态对应的特征参数信息为:停车时长小于预设时长的1/10,平均车速大于70kmph,平均加速度大于0.5m/s2,其对应的分段函数为第二三角形隶属函数里的低停车比例对应的第一部分隶属函数、第一三角形隶属函数里的高速对应的第三部分隶属函数以及第一三角形隶属函数里的高加速度对应的第三部分隶属函数,因此,预存的市区拥堵状态与EV当前的运行参数信息相匹配,从而,通过分段函数预测出EV当前的交通状态。
当然,为了便于更为精确地计算,制动能量回收系统除了可以建立隶属函数外,还可以进一步根据预设交通状态及对应的特征参数信息,建立用于预测当前的交通状态的模糊规则库,该模糊规则库中的映射规则可以是二维映射,也可以是三维映射,在此不作限定。下面以模糊规则库中的映射规则为是二维映射为例进行说明。在上述的三角隶属函数中,分别获取了平均运行车速V1Avg为低速、中速以及高速的分段函数,平均加速度AAvg为小加速度、中加速度以及大加速度的分段函数,停车时间比例η为低停车比例、中停车比例及高停车比例的分段函数,因此,模糊规则库中也以平均运行车速V1Avg分为低速、中速以及高速,平均加速度AAvg分为小加速度、中加速度以及大加速度,停车时间比例η分为低停车比例、中停车比例及高停车比例建立模糊规则,如表1-表3所示。表1为平均加速度AAvg为小加速度时,根据平均运行车速V1Avg以及停车时间比例η预测当前的交通状态的模糊推理规则,下文中称为模糊推理规则一,表2为平均加速度AAvg为中加速度时,根据平均运行车速V1Avg以及停车时间比例η预测当前的交通状态的模糊推理规则,下文中称为模糊推理规则二,表3为平均加速度AAvg为大加速度时,根据平均运行车速V1Avg以及停车时间比例η预测当前的交通状态的模糊推理规则,下文中称为模糊推理规则三。当然,本领域技术人员也可以根据停车时间比例η的不同,建立与表1-表3类似的平均加速度AAvg及平均运行车速V1Avg,在本发明实施例中不作限定。
表1交通状态的模糊推理规则一
表2交通状态的模糊推理规则二
中加速度 |
低停车比例 |
中停车比例 |
高停车比例 |
低速 |
近郊中低速状态 |
近郊中低速状态 |
市区畅通状态 |
中速 |
远郊中高速状态 |
近郊中低速状态 |
市区畅通状态 |
高速 |
高速状态 |
远郊中高速状态 |
远郊中高速状态 |
表3交通状态的模糊推理规则三
大加速度 |
低停车比例 |
中停车比例 |
高停车比例 |
低速 |
近郊中低速状态 |
近郊中低速状态 |
近郊中低速状态 |
中速 |
远郊中高速状态 |
远郊中高速状态 |
市区畅通状态 |
高速 |
高速状态 |
远郊中高速状态 |
远郊中高速状态 |
这样,制动能量回收系统根据存储的隶属函数确定该EV的平均加速度为小加速度或者中加速度或者大加速度后,则可以根据不同加速度对应的模糊规则预测EV当前的交通状态。表1中,当EV的平均加速度为小加速度时,若该EV的平均运行速度为低速且停车时间比例为中停车比例,则预测该EV当前的交通状态为近郊中低速状态;表2中,当EV的平均加速度为中加速度时,若该EV的平均运行速度为高速且停车时间比例为低停车比例,则预测该EV当前的交通状态为高速状态;表3中,当EV的平均加速度为大加速度时,若该EV的平均运行速度为中速且停车时间比例为高停车比例,则预测该EV当前的交通状态为市区畅通状态。
从而,通过隶属函数将EV的运行参数模糊化,然后通过模糊规则库及模糊推理法,预测EV当前的交通状态。
2、简化的竞争型神经网络方法:
为了更为准确地预测当前的交通状态,本发明实施例还可以采用竞争型神经网络方法将EV的运行参数信息与预设交通状态的特征参数信息进行比较判定。如图4所示,为本发明实施例中采用的简化的竞争型神经网络的结构图。首先将制动能量回收系统获取的多个运行参数信息作为该竞争型神经网络的输入向量,然后将输入向量分别与该竞争型神经网络中的每个神经元的权值向量Wi相乘,当有多个输入向量时,则多个输入向量中的每个输入向量分别与每个神经元的权值向量相乘,相乘后的结果作为竞争层传输函数的输入。从而,当某一神经元的权值向量与输入向量最为接近时,则该权值向量对应的竞争层传输函数的输出为1,从而赢得竞争。
将上述竞争型神经网络应用到预测当前的交通状态中,具体实现方式为:
将制动能量回收系统获取的车辆的运行参数信息作为该竞争型神经网络的输入向量。比如,获取的运行参数信息包括平均车速VAvg、平均运行车速V1Avg、停车时间比例η、平均加速度A1Avg、以及平均减速度A2Avg,运行参数信息构成的输入向量为[VAvg,V1Avg,η,A1Avg,A2Avg]。该竞争型神经网络中的神经元将输入向量与由已知的预设交通状态中的每个预设交通状态的特征参数信息构成的特征向量[VAvg_prei,V1Avg_prei,η_prei,A1Avg_prei,A2Avg_prei]进行比较,获取输入向量与每个预设交通状态的特征向量之间的差值,确定多个差值中的最小值,与最小值对应的预设交通状态即为该EV当前的交通状态。其中i=1,2,3,4,5…N,分别代表已知的预设交通状态中每个预设交通状态对应的特征参数信息,如[VAvg_pre1,V1Avg_pre1,η_pre1,A1Avg_pre1,A2Avg_pre1]为市区拥堵状态的特征参数信息组成的向量,[VAvg_pre2,V1Avg_pre2,η_pre2,A1Avg_pre2,A2Avg_pre2]为高速状态的特征参数信息组成的向量。
为了简化求取多个差值中的最小值的计算量,请参考图5,为本发明实施例将上述竞争型神经网络应用到预测当前的交通状态中的一种计算方法示意图,当获取输入向量与每个预设交通状态的特征向量之间的差值后,首先对获取的每个差值进行归一化处理,比如,将每个差值分别进行取绝对值运算,然后分别求取各个绝对值的反正切函数(atan),再分别将各个反正切函数的值乘以2/pi,从而获得归一化结果,然后将归一化的结果与权重向量W相乘,其中,权重向量W中包含各特征参数对应的权重值,其中,各特征参数信息的参数类型与各运行参数信息的参数类型一一对应,比如,W=[W1、W2、W3、W4、W5],即平均车速VAvg对应的权重值为W1、平均运行车速V1Avg对应的权重值为W2、停车时间比例η对应的权重值为W3、平均加速度A1Avg对应的权重值为W4、平均减速度A2Avg对应的权重值为W5。将归一化结果与权重向量相乘后,对每个相乘后的结果取绝对值,最后获取每个取绝对值后的向量的模值,以此表示当前的交通状态与预设交通状态的差异大小,最后,确定与模值中的最小值对应的预设交通状态为该EV当前的交通状态。
S203:制动能量回收系统基于与当前的交通状态匹配的回馈力矩映射关系信息,确定车辆在当前的交通状态下处于制动状态时的回馈力矩。
其中,回馈力矩用于指示在车辆进入制动状态时用于对车辆产生制动作用的力矩。
在本发明实施例中,制动能量回收系统中预先存储与各个预设交通状态对应的制动力矩映射关系。比如,与市区拥堵状态对应的制动力矩映射关系1,与高速状态对应的制动力矩映射关系2,不同的预设交通状态对应不同的制动力矩映射关系。当制动能量回收系统确定该EV当前的交通状态后,制动能量回收系统则需要根据该交通状态及EV的运行参数信息,计算该EV在当前的交通状态下,进入制动状态时的回馈力矩。
在本发明实施例中,回馈力矩映射关系信息中包括至少一组车辆的速度、制动程度以及回馈力矩之间的映射关系,其中,制动程度表征车辆进入制动状态前的速度与车辆进入制动状态后的速度的变化量,在本发明实施例中,通过EV的制动踏板的开度来表征制动程度;当然,本领域技术人员应该知道,当EV有其他能够对EV产生制动作用的制动装置时,也可以通过检测该制动装置的状态来表征制动程度,在此不作限制。
以EV的制动踏板的开度来表征制动程度为例,任意一个制动力矩映射关系中至少包括车速、制动踏板开度以及制动力矩三者之间的映射关系,该制动力矩映射关系可以通过表格或者图表形式存储,或者也可以通过其他形式存储。如表4所示,为以表格形式存储的与市区拥堵状态对应的制动力矩映射关系的示例:
表4
表4中,当车速为30kmph、制动踏板开度为0时,制动力矩为150Nm;当车速为40kmph、制动踏板开度为20%时,制动力矩为230Nm。当然,本领域技术人员可以根据实际使用需要设置不同的参数值,在此不作限定。
当制动能量回收系统确定EV当前的交通状态后,则从多种制动力矩映射关系中选择与当前的交通状态对应的制动力矩映射关系,以计算EV在当前的交通状态下,进入制动状态时的回馈力矩。
在本发明实施例中,制动能量回收系统计算在当前的交通状态下进入制动状态时的回馈力矩的方式可以有如下三种情况:
1、查询方式:
当制动能量回收系统确定与当前的交通状态对应的制动力矩映射关系后,则根据EV在进入制动状态时获取的EV的速度信息以及EV的制动踏板的开度,通过查询该制动力矩映射关系直接得到当前时刻的回馈力矩,从而简便快速的确定出用于制动能量回收的回馈力矩。比如,EV当前的交通状态为市区拥堵状态,与市区拥堵状态对应的制动力矩映射关系为表4,制动能量回收系统获取EV在进入制动状态时的车速为50kmph、制动踏板开度为20%,从而通过查询表4,确定EV当前的回馈力矩为250Nm。
为了使制动能量回收系统确定的回馈力矩更加符合EV的性能指标,比如,回馈力矩应小于等于EV的蓄电池所能支持的最大制动力矩,且回馈力矩应小于等于EV的电动机所支持的最大制动力矩,因此,本发明实施例提供计算回馈力矩的第2种方式,在第2种方式中,将EV的蓄电池所能支持的最大制动力矩和EV的电动机所支持的最大制动力矩作为确定EV当前的回馈力矩的影响因素。
2、选择最小值的方式:
当制动能量回收系统确定与当前的交通状态对应的制动力矩映射关系后,首先,根据EV在进入制动状态时获取的EV的速度信息以及EV的制动踏板的开度,通过查询制动力矩映射关系得到当前时刻的初始制动力矩,然后确定该EV在进入制动状态时,EV的电动机能够支持的最大制动力矩以及该EV的蓄电池能够支持的最大制动力矩。最后从初始制动力矩、EV的电动机能够支持的最大制动力矩以及EV的蓄电池能够支持的最大制动力矩中选择最小值作为EV的回馈力矩。
为了能够使EV的回馈力矩更加符合EV的驾驶员的制动意图,比如,当EV的防抱死制动系统(Antilock Brake System,ABS)处于启动状态时,无论制动能量回收系统确定的初始回馈力矩为多大,此时EV的驾驶员期望EV禁止制动能量回收,因此,本发明实施例提供计算回馈力矩的第3种方式,在第3种方式中,将EV的驾驶员的制动意图作为确定EV当前的回馈力矩的影响因素。
3、结合EV的驾驶员的制动意图的方式:
当制动能量回收系统确定与当前的交通状态对应的制动力矩映射关系后,首先,根据EV在进入制动状态时获取的EV的速度信息以及EV的制动踏板的开度,通过查询制动力矩映射关系得到当前时刻的初始制动力矩,然后,制动能量回收系统根据该EV在进入制动状态时的档位状态、主动减速状态、主动加速状态以及防抱死制动系统(AntilockBrakeSystem,ABS)中的任意一种或多种因素来确定该EV的驾驶员的制动意图,最后根据驾驶员的制动意图、初始制动力矩、EV在进入制动状态时电动机能够支持的最大制动力矩以及该EV在进入制动状态时蓄电池能够支持的最大制动力矩,确定EV的回馈力矩。请参考图6,为制动能量回收系统通过结合EV的驾驶员的制动意图的方式计算EV在制动状态下的回馈力矩的方法流程图,图中TBat为蓄电池允许的实时最大回馈力矩绝对值,TM为电动机允许的实时最大回馈力矩绝对值,T为EV的回馈力矩。在本发明实施例中,主动减速状态可以通过检测EV的制动踏板的开度来表征,主动加速状态可以通过检测EV的加速踏板的开度来表征,当然,也可以采用其他方式表征主动减速状态和主动加速状态,在此不作限制。
具体来讲,确定回馈力矩的过程如下:
首先,制动能量回收系统确定EV的档位是否为倒档(Reverse,R档)或者前进档(Drive,D档),若不为R/D档,则认为驾驶员无回馈制动意图,此时,确定EV的回馈力矩为0;
若档位为R/D档,则制动能量回收系统进一步确定制动踏板是否处于踩下状态,即制动能量回收系统是否检测到制动信号,若制动能量回收系统检测到制动信号,则确定制动踏板处于踩下状态;若制动能量回收系统未检测到制动信号,则确定制动踏板处于放松状态。若制动踏板处于踩下状态,且ABS或者车身电子稳定系统(Electronic StabilityProgram,ESP)未启动,则制动回收系统从初始制动力矩、EV在进入制动状态时电动机能够支持的最大制动力矩以及该EV在进入制动状态时蓄电池能够支持的最大制动力矩中确定最小值作为EV的回馈力矩。当然,制动能量回收系统中也可以存储ABS系统的状态与制动力矩的映射关系或ESP系统的状态与制动力矩的映射关系,从而可以根据ABS系统的状态或ESP系统的状态确定出另一个制动力矩,将该另一个制动力矩与初始制动力矩、EV在进入制动状态时电动机能够支持的最大制动力矩以及该EV在进入制动状态时蓄电池能够支持的最大制动力矩进行比较,确定这四个数据中的最小值作为EV的回馈力矩;
若档位为R/D档,制动踏板处于放松状态,而加速踏板处于踩下状态,或者加速踏板处于放松状态但ABS/ESP处于启动状态,则制动能量回收系统确定EV的回馈力矩为0,其中,制动能量回收系统确定加速踏板是否处于踩下状态,即制动能量回收系统是否检测到油门信号,若制动能量回收系统检测到油门信号,则确定加速踏板处于踩下状态;若制动能量回收系统未检测到油门信号,则确定加速踏板处于放松状态;
若档位为R/D档,制动踏板处于踩下状态,加速踏板处于放松状态且ABS/ESP处于为启动状态,则制动能量回收系统根据本发明实施例前述的方法进行回馈力矩的计算。
从而将该EV的驾驶员的制动意图结合到确定回馈力矩的计算过程中,实现制动能量回收系统对回馈力矩的智能调节。
S204:所述制动能量回收系统基于回馈力矩将车辆的制动能量转化为电能,并将电能存储至车辆的蓄电池中。
当制动能量回收系统确定EV当前的回馈力矩后,则控制制动能量回收系统中的各个部件根据该回馈力矩回收EV的制动能量,从而将EV的制动能量转化为电能存储在EV的蓄电池中。在本发明实施例中,制动能量回收系统将EV的制动能量转化为电能的过程与现有技术中将制动能量转化为电能的转化方法相同,在此不再赘述。
在本发明实施例中,进行制动能量回收时,无需增加额外的信息检测装置或传感器,根据车辆自身的车速获取的运行参数确定车辆所处的交通状态,在确定出当前的交通状态后,根据当前的交通状态自适应地调整回馈力矩的大小,可以避免由于仅凭驾驶员的经验对回馈力矩的大小进行调节的不准确性,也尽量避免由于回馈力矩过大或过小导致的能量利用率低,可以实现以较低的硬件成本,来提高对电动机的回馈力矩的大小进行调节的准确性、提高能量的利用率的效果。
下面结合说明书附图介绍本发明实施例提供的电动汽车。
请参考图7,图7为本发明实施例提供的电动汽车的可能的结构示意图,该电动汽车具体可以是BEV或者混合动力汽车(Hybrid Electric Vehicle,HEV)或者PHEV或者燃料电池汽车(Fuel cell vehicles,FCEV)等,该电动汽车用以实现如图2所示的方法中的部分步骤或全部步骤,具体的配置可以依据实际需要确定。
具体的,当图7所示的结构为本发明实施例提供的电动汽车时,控制器701用于:用于基于该电动汽车在预设时长内的速度信息,获取该电动汽车在该预设时长内的运行参数信息;其中,该预设时长大于该电动汽车在任意一次处于制动状态的时长,该制动状态为该电动汽车处于主动减速或不主动加速的状态;基于该运行参数信息,预测该电动汽车所处的运行道路的当前的交通状态;基于与该当前的交通状态匹配的回馈力矩映射关系信息,确定该电动汽车在该当前的交通状态下处于该制动状态时的回馈力矩;其中,该回馈力矩映射关系信息中包括至少一组电动汽车的速度、制动程度以及回馈力矩之间的映射关系,该回馈力矩用于指示在该电动汽车处于该制动状态时用于对该电动汽车产生制动作用的力矩,该制动程度表征该电动汽车处于该制动状态前的速度与该电动汽车处于该制动状态后的速度的变化量;电动机702,用于在该车辆处于该制动状态时,基于该回馈力矩将该车辆的制动能量转化为所述电能;蓄电池703,用于存储该电能。
在实际应用中,请参考图8,为图7所示的电动汽车在执行如图2所示的方法的具体实现示意图。
S801:控制器701基于电动汽车在预设时长内的速度信息,获取电动汽车在预设时长内的运行参数信息;
S802:控制器701基于运行参数信息,预测电动汽车所处的运行道路的当前的交通状态;
S803:控制器701基于与当前的交通状态匹配的回馈力矩映射关系信息,确定电动汽车在当前的交通状态下处于制动状态时的回馈力矩。
控制器701执行步骤S801-S803的过程可以参考图2所示的步骤S201-S203,在此不再赘述。
S804:控制器701将回馈力矩发送给电动机702,则电动机702接收该回馈力矩指令。
当控制器701确定车辆的回馈力矩后,则生成回馈力矩指令,通过该回馈力矩指令向电动机702指示回馈力矩,并控制电动机702进入回馈发电状态。
S805:电动机702基于该回馈力矩将制动能量转化为电能。
电动机702接收控制器701发送的回馈力矩指令后,则将电动机702的工作状态调整为发电制动状态,并根据该指令中的回馈力矩将制动能量转化为电能。
S806:电动机702将电能传输给蓄电池703。
电动机702在将制动能量转化为电能时,将转化的电能传输给蓄电池703存储,从而完成制动能量回收的过程。
请参考图9,图9为本发明实施例提供的电动汽车的可能的结构框图,该电动汽车包括采集单元901、确定单元902、计算单元903以及执行单元904。
在实际应用中,采集单元901、确定单元902以及计算单元903对应的实体装置可以为图7中的控制器701,执行单元904对应的实体装置可以为图7中的电动机702以及蓄电池703,在本发明实施例中不作限制。
本发明实施例中的电动汽车可以用于执行上述图2所示的实施例提供的方法,对于该电动汽车中的各模块所实现的功能等,可参考如前方法部分的描述,在此不多赘述。
在本发明实施例中,应该理解到,所揭露的系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述整车控制器或电动机控制器的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如将整车控制器和电动机控制器集成到一个结构中,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,各个部件的间接耦合或通信连接,可以是电性或其它的形式。
在上述发明实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如,固态硬盘Solid State Disk(SSD))等。
以上实施例仅用以对本发明实施例的技术方案进行详细介绍,但以上实施例的说明只是用于帮助理解本发明实施例的方法及其核心思想,不应该理解为对本申请的限制。本领域技术人员在本发明实施例揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明实施例的保护范围之内。