CN110456635A - 基于数字孪生技术的电动汽车动力系统的控制方法 - Google Patents

Abstract

本发明涉及一种基于数字孪生技术的电动汽车动力系统的控制方法，先基于数字孪生技术在仿真平台上搭建与物理动力系统相匹配的数字化孪生的虚拟动力系统，配置虚拟动力系统的仿真工作环境与物理动力系统的实际工作环境保持一致，再由数字孪生平台收集物理动力系统运行产生的物理数据和虚拟动力系统运行产生的虚拟数据后进行数据分析融合处理，并对分析融合后的数据进行特征提取，然后建立及更新动力系统控制模型并基于物理动力系统标定性能和电动汽车当前状态结合在线仿真技术获得最新控制模型下相应的最优控制策略，将最优控制策略封装进物理动力系统中以自动改变物理动力系统运行控制，同时将最优控制策略通过服务终端展示给用户，实现优化控制。

Description

基于数字孪生技术的电动汽车动力系统的控制方法

技术领域

本发明涉及电动汽车动力系统管控技术领域，具体涉及一种基于数字孪生技术的电动汽车动力系统的控制方法。

背景技术

当前，在国家政策的大力支持下，各大汽车厂商、高校以及科研机构等均对电动汽车进行着大量研究。其中，电动汽车动力系统的控制方法的研究是其中非常重要的一个方向，它直接影响到动力系统的可靠性、电机等关键部件的寿命、驾驶员的驾驶习惯等。

传统电动汽车主要包括整车控制器、动力电池、电池管理系统、驱动电机、电机控制器、传动器、变速器及多个行驶部件等，而对电动汽车动力系统的控制通常是利用整车控制器分别连接电池管理系统和电机控制器以分别监控管理动力电池和驱动电机，还利用整车控制器监测控制其他部件，也就是整车控制器整体监控电动汽车各项工况状态参数并据其变更参数与工况，从而实现对电动汽车的控制，此方法工作效率低、管控不及时且不能提前发现和预警一些潜在危险，并且其已经远不能满足快速发展的电动汽车的越来越精细化、智能化、灵活化的高标准控制要求。被动的实现动力系统驱动力的管理，可以做监测，但是不能进行其健康管理，只有在发生了问题以后才能出现警报，不能动态管理，亟待出现可以全方位管理控制电动汽车动力系统的有效方法。

数字孪生技术作为解决智能制造信息物理融合难题和践行智能制造宗旨的关键技术，已逐渐得到学术界的广泛关注和研究，并在诸多工业化领域成功落地应用。具体来说，数字孪生技术是指以数字化的方式建立物理实体的多维度、多时空尺度、多学科、多物理量、多概率的数字化实体(动态虚拟模型)来仿真和刻画物理实体在真实环境中的属性、行为和规则等特性，在数字化空间(虚拟空间)中完成映射，从而反映相对应的物理实体的全生命周期过程的技术。目前数字孪生技术在电动汽车领域的应用极为有限，但是其具有很大的应用前景，值得研究。

发明内容

本发明针对传统电动汽车动力系统的控制方法工作效率低、管控不及时且不能提前发现和预警一些潜在危险等问题提供了一种基于数字孪生技术的电动汽车动力系统的控制方法，该方法创新性地引入了数字孪生技术，并通过搭建与物理动力系统完全一致的虚拟动力系统后分别在实际工作环境和仿真工作环境中同步监测两个动力系统的运行数据，并对二者的运行数据进行收集和分析处理后依此建立动力系统控制模型，动态监测两个系统的运行数据以及动态更新动力系统控制模型，基于动力系统控制模型获得最优控制策略，实现动态管理控制动力系统的运行状态，有效提升了动力系统的工作性能与工作效率。

本发明的技术方案如下：

基于数字孪生技术的电动汽车动力系统的控制方法，所述电动汽车动力系统作为实际工作环境中的物理动力系统，先基于数字孪生技术在仿真平台上搭建与物理动力系统相匹配的数字化孪生的虚拟动力系统，配置虚拟动力系统的仿真工作环境使其与物理动力系统的实际工作环境保持一致，再由数字孪生平台收集物理动力系统运行产生的物理数据和虚拟动力系统运行产生的虚拟数据后进行数据分析融合处理，并对分析融合后的数据进行特征提取，根据提取出的特征数据建立及更新动力系统控制模型并基于物理动力系统标定性能和电动汽车当前状态结合在线仿真技术获得最新控制模型下相应的最优控制策略，将最优控制策略进行代码编译后封装进物理动力系统中以自动改变物理动力系统运行控制，同时将最优控制策略通过服务终端展示给用户，所述物理动力系统运行控制的变化数据再次被数字孪生平台收集，同时依变化同步配置的虚拟动力系统的虚拟数据也再次被数字孪生平台收集，数字孪生平台再次进行数据分析融合处理及特征提取，并根据最新特征数据更新动力系统控制模型，再次获得最优控制策略，形成动态滚动数据交换，实现动态最优控制。

优选地，搭建所述虚拟动力系统是基于所述物理动力系统的包括但不限于几何尺寸、材料属性、电路结构和连接关系的物理数据进行，采用CAD画图法、CAE近似数值分析法和有限元法将所述物理动力系统各部件进行数字化，将各数字化部件在仿真工作环境中组装成所述虚拟动力系统。

优选地，所述物理动力系统各部件包括但不限于动力电池、驱动电机、传动系统、行驶系统、车辆控制器及附件系统，所述虚拟动力系统各数字化部件包括但不限于动力电池模型、驱动电机模型、传动系统模型、行驶系统模型、车辆控制器模型及附件系统模型。

优选地，所述动力电池、所述驱动电机、所述传动系统、所述行驶系统、所述车辆控制器及所述附件系统中均相应设置有传感器，各相应传感器采集各部件的运行数据通过网络上传至数字孪生平台；所述仿真平台采集所述虚拟动力系统中各数字化部件的运行数据上传至数字孪生平台。

优选地，所述数字孪生平台采用包括但不限于BP神经网络算法、卷积神经网络算法、机器学习算法中一种或多种任意组合的算法对物理数据和虚拟数据进行数据分析融合处理。

优选地，所述数字孪生平台对分析融合后的数据进行特征提取的特征因子包括但不限于电池SOC参数、电池SOH参数、驱动电机工作温度参数、传动部件形变参数。

优选地，所述控制方法根据各特征因子对应的特征数据建立及更新动力系统控制模型，基于物理动力系统标定性能中各特征因子对应的阈值范围和电动汽车当前状态中各特征因子对应的数值，将动力系统控制模型中各特征因子的数值与前者进行比较，基于比较结果并结合在线仿真技术获得最新控制模型下相应的最优控制策略。

优选地，在基于物理动力系统标定性能、电动汽车当前状态的基础上还基于目的地距离数据、用户驾驶习惯数据结合在线仿真技术获得最新控制模型下相应的最优控制策略。

优选地，所述最优控制策略采用电动汽车状态报告形式，内容包括但不限于电动汽车运行状态、动力系统安全性分析结果、电动汽车各部件失效性预警报告、维修保养建议；

和/或，所述服务终端还接收用户的操作指令以用户驾驶习惯数据反馈给数字孪生平台以获得最新控制模型下相应的最优控制策略。

优选地，所述数字孪生平台将所述最优控制策略进行代码编译后封装进物理动力系统的车辆控制器中。

本发明的技术效果如下：

本发明涉及了一种基于数字孪生技术的电动汽车动力系统的控制方法，该方法引入了数字孪生技术，通过搭建与物理动力系统完全一致的虚拟动力系统后分别在实际工作环境和仿真工作环境中同步监测两个动力系统的运行数据，并通过数字孪生平台对二者的运行数据进行收集和分析处理后依此建立动力系统控制模型，动态监测两个系统的运行数据以及动态更新动力系统控制模型，基于动力系统控制模型获得最优控制策略，实现动态管理控制动力系统的运行状态，有效解决了传统电动汽车动力系统的控制方法工作效率低、管控不及时且不能提前发现和预警一些潜在危险等问题，有效提升了动力系统的工作性能与工作效率，实现动态地对电动汽车动力系统全生命周期的精准管控，以应对电动汽车在使用过程中发生的零部件几何变化、性能下降、疲劳、损伤及失效的情况，以使得在动力系统使用的全生命周期内获得最佳的性能表现，即一方面主动对物理动力系统的状态进行监测，实时对所收集的物理数据仿真分析(仿真基于虚拟动力系统进行)，找出针对当前虚拟动力系统状态的最优控制模型及参数(也即当前物理动力系统的最优控制模型及参数)，反馈给车辆控制器以有效改变动力系统的控制，另一方面，利用虚拟动力系统对物理动力系统实际存在的风险以及失效做出预警、失效可能性报告等，提供动态的控制模型更新，随着具体车辆的使用、老化、损坏等因素，电动汽车动力系统的状态不断变化，数字孪生平台可以在线实时对具体车辆的动力系统控制模型提供新的策略，参数，标定值，能够动态规划控制区域，收缩边界或扩大边界，使电动汽车动力系统具备最优的控制模型及策略，使得物理动力系统，虚拟动力系统以及数字孪生平台均不断发展，滚动优化，输出最优的控制策略服务于物理动力系统，向用户展示最全面的电动汽车动力系统信息，并提供了预先安全功能，指导电动汽车的针对性维护，大大提高了物理动力系统的系统安全性及应用可靠性。

附图说明

图1：为本发明一种基于数字孪生技术的电动汽车动力系统的控制方法的概括性原理示意图。

图2：为本发明一种基于数字孪生技术的电动汽车动力系统的控制方法的优选的具体控制原理流程图。

具体实施方式

下面结合附图进一步对本发明进行详细说明。

本发明涉及了一种基于数字孪生技术的电动汽车动力系统的控制方法，所述电动汽车动力系统作为实际工作环境中的物理动力系统，先基于数字孪生技术在仿真平台上搭建与物理动力系统相匹配的数字化孪生的虚拟动力系统，配置虚拟动力系统的仿真工作环境使其与物理动力系统的实际工作环境保持一致，再由数字孪生平台收集物理动力系统运行产生的物理数据和虚拟动力系统运行产生的虚拟数据后进行数据分析融合处理，并对分析融合后的数据进行特征提取，根据提取出的特征数据建立及更新动力系统控制模型并基于物理动力系统标定性能和电动汽车当前状态结合在线仿真技术获得最新控制模型下相应的最优控制策略，将最优控制策略进行代码编译后封装进物理动力系统中以自动改变物理动力系统运行控制，同时将最优控制策略通过服务终端展示给用户，所述物理动力系统运行控制的变化数据再次被数字孪生平台收集，同时依变化同步配置的虚拟动力系统的虚拟数据也再次被数字孪生平台收集，数字孪生平台再次进行数据分析融合处理及特征提取，并根据最新特征数据更新动力系统控制模型，再次获得最优控制策略，形成动态滚动数据交换，实现动态最优控制，如图1所示的本方法概括性原理示意图所示，物理动力系统、虚拟动力系统、服务终端及数字孪生平台互相之间均采用双向连接以传输数据及反馈控制，数字孪生平台充当工作的核心，其他部分围绕数字孪生平台形成动态滚动式数据交换传输，进而实现动态实时的最优控制，该方法针对传统电动汽车动力系统的控制方法工作效率低、管控不及时且不能提前发现和预警一些潜在危险等问题提供了一种基于数字孪生技术的电动汽车动力系统的控制方法，该方法引入了数字孪生技术，通过搭建与物理动力系统完全一致的虚拟动力系统后分别在实际工作环境和仿真工作环境中同步监测两个动力系统的运行数据，并通过数字孪生平台对二者的运行数据进行收集和分析处理后依此建立动力系统控制模型，动态监测两个系统的运行数据以及动态更新动力系统控制模型，基于动力系统控制模型获得最优控制策略，实现动态管理控制动力系统的运行状态，有效解决了传统电动汽车动力系统的控制方法工作效率低、管控不及时且不能提前发现和预警一些潜在危险等问题，有效提升了动力系统的工作性能与工作效率，实现动态地对电动汽车动力系统全生命周期的精准管控，以应对电动汽车在使用过程中发生的零部件几何变化、性能下降、疲劳、损伤及失效的情况，以使得在动力系统使用的全生命周期内获得最佳的性能表现，即一方面主动对物理动力系统的状态进行监测，实时对所收集的物理数据仿真分析(仿真基于虚拟动力系统进行)，找出针对当前虚拟动力系统状态的最优控制模型及参数(也即当前物理动力系统的最优控制模型及参数)，反馈给车辆控制器以有效改变动力系统的控制，另一方面，利用虚拟动力系统对物理动力系统实际存在的风险以及失效做出预警、失效可能性报告等，提供动态的控制模型更新，随着具体车辆的使用、老化、损坏等因素，电动汽车动力系统的状态不断变化，数字孪生平台可以在线实时对具体车辆的动力系统控制模型提供新的策略，参数，标定值，能够动态规划控制区域，收缩边界或扩大边界，使电动汽车动力系统具备最优的控制模型及策略，使得物理动力系统，虚拟动力系统以及数字孪生平台均不断发展，滚动优化，输出最优的控制策略服务于物理动力系统，向用户展示最全面的电动汽车动力系统信息，并提供了预先安全功能，指导电动汽车的针对性维护，大大提高了物理动力系统的系统安全性及应用可靠性。

结合图2的优选的具体控制原理流程图进一步具体地详细说明，先基于数字孪生技术在仿真平台上搭建与物理动力系统相匹配的数字化孪生的虚拟动力系统，如图所示，电动汽车物理动力系统与虚拟动力系统分别设置，优选地物理动力系统包括动力电池、驱动电机、传动系统、行驶系统、车辆控制器及附件系统(其中车辆控制器及附件系统图中未示出)，所述虚拟动力系统是基于所述物理动力系统的包括但不限于几何尺寸、材料属性、电路结构和连接关系甚至加工数据等的物理数据进行，采用CAD画图法、CAE近似数值分析法和有限元法将所述物理动力系统各部件进行数字化，将各数字化部件在仿真工作环境中组装成所述虚拟动力系统，也即将动力电池、驱动电机、传动系统、行驶系统、车辆控制器及附件系统等各部件通过多种方法进行数字化进而得到动力电池模型、驱动电机模型、传动系统模型、行驶系统模型、车辆控制器模型及附件系统模型，也即虚拟动力系统就是计算机内展示的与物理动力系统在物理、化学、电气各方面性质完全一致的数字化产物，图中为了显示虚拟动力系统和物理动力系统的匹配性，直接以虚线将二者划分(旨在表明形成的数字化的虚拟动力系统和物理动力系统的工作环境等完全一致)，物理动力系统和虚拟动力系统分别单独在各自的工作环境下运行，物理动力系统就是在实际的自然环境下运行，虚拟动力系统在经过配置的仿真工作环境下运行，再由数字孪生平台收集物理动力系统运行产生的物理数据和虚拟动力系统运行产生的虚拟数据，收集的物理数据比如有电池单体状态、电池管理系统BMS数据、电池冷却系统数据、驱动电机的电机运行状态和电机温度、润滑液状态、阀体状态、汽车轮胎的四轮定位参数、胎压监测数据、主动悬挂数据等等，收集的虚拟数据比如有动力电池模型数据、功能安全模型数据、信息安全模型数据、驱动电机模型数据、电机机械CAD模型的动作数据、传动系统模型数据、齿轮系建模数据、寿命模型数据、行驶系统模型数据、轮胎模型数据等等，数字孪生平台收集上述所有物理数据和虚拟数据后进行数据分析融合处理，优选地采用包括但不限于BP神经网络算法、卷积神经网络算法、机器学习算法中一种或多种任意组合的算法对物理数据和虚拟数据进行数据分析融合处理，如图2中采用的是BP神经网络算法，能够有效保证数据处理的快速性、精确性，且所述数字孪生平台还对分析融合后的数据进行特征提取进而得到特征数据，在数据驱动下进一步建立及更新动力系统模型，即根据提取出的特征数据建立及更新动力系统控制模型，包括参与控制模型迭代及参数更新等动作进而得到新的动力系统控制模型，然后基于物理动力系统标定性能和电动汽车当前状态结合在线仿真技术获得最新控制模型下相应的最优控制策略，其中物理动力系统标定性能和电动汽车当前状态便可以通过物理动力系统传输的其运行数据(物理数据)来实时获得，且其中对控制模型的更新迭代体现在虚拟的数字空间时主要是体现在控制模型依据各种参数、标定值、控制区域边界等数据的变化而变化。

孪生数字平台将来自于物理界实际运行的数据以及来自数字界仿真的数据进行分析后融合，特征提取关键信息，分析系统的运行效果，评估安全状态，分析失效可能性，得出特征数据。获得特征数据后，根据相应物理动力系统性能数据，如平顺性、跟随性、加速性能、经济性等指标，以及车辆当前状态，如SOC、SOH、目的地距离、驾驶员驾驶风格等数据，实时优化控制策略，更新包括控制模型、参数、控制边界等。并通过OTA(空中下载技术)等技术，将新的控制数据发送至车辆控制器。另一方面，本发明所述的孪生数字平台将提取的特征数据发送至服务平台(服务终端)。服务平台为用户展示车辆的运行状态、安全性报告、失效可能性报告、维修保养建议、使用建议等信息。

具体地，孪生数字平台可以在线实时对具体车辆的控制模型提供新的参数、标定值，能够动态规划控制系统的区域，收缩边界或扩大边界，进而获得最优的控制模型及最优控制策略，得到的最优控制策略即为最符合当前电动汽车运行状态的控制策略，进一步将最优控制策略进行代码编译后封装进物理动力系统中以自动改变物理动力系统运行控制，让物理动力系统控制自身各部件更新或升级，优选地，数字孪生平台可以将最优控制策略进行代码编译后封装进物理动力系统的车辆控制器中，车辆控制器利用获得的最新控制模型及参数直接实现控制物理动力系统最新的控制方式及运行方式，优选地还可以在策略封装后利用OTA远程升级技术直接下载应用到各内部部件上直接参与各部件的控制，所述最优控制策略通过服务终端展示给用户，优选地，服务终端可以为车载控制面板等设备，可以实现与用户的交互，既能将最优控制策略展示给用户，还能采集用户输入的控制指令进而将用户数据一并传送至数字孪生平台上以全面参与到控制模型的更新迭代上，然后物理动力系统和虚拟动力系统继续按照新的控制方式运行，所述物理动力系统运行控制的变化数据再次被数字孪生平台收集，同时依变化同步配置的虚拟动力系统的虚拟数据也再次被数字孪生平台收集，数字孪生平台再次进行数据分析融合处理及特征提取，并根据最新特征数据更新动力系统控制模型，再次获得最优控制策略，形成动态滚动数据交换，实现动态最优控制，目的在于实现动态地对电动汽车动力系统较长生命周期内的精准管控，以使得其在使用过程中获得最佳的性能表现，能够让用户了解物理动力系统的各部件目前的运行状态，能够对物理动力系统中每个部件在材料、结构、部件及功能等多维度对动力系统的安全性能进行综合评价，能够利用虚拟动力系统对物理动力系统存在的风险以及失效做出监测，在物理动力系统发生失效前便提出失效预警、失效可能性报告等，同时还可以对物理动力系统的安全性、可靠性进行预测和评估报告并提供最优控制策略，指导电动汽车物理动力系统的针对性维护，使得整车控制更加人性化以及更加灵活、安全、可靠。

优选地，所述动力电池、所述驱动电机、所述传动系统、所述行驶系统、所述车辆控制器及所述附件系统中均相应设置有传感器，各相应传感器采集各部件的运行数据通过网络上传至数字孪生平台；所述仿真平台采集所述虚拟动力系统中各数字化部件的运行数据上传至数字孪生平台，各传感器可以根据各部件情况适应性设置。也就是说，本发明所述物理动力系统通过其装配的传感器(如动力电池中温度，SOC(电池剩余容量)，SOH(电池充电倍率)等信息，仅以此为例)收集车辆实际使用中各子系统的运行工况，以及各项状态数据，通过网络技术上传给数字孪生平台。另一方面，本发明所述虚拟动力系统在数字界中仿真运行，并为虚拟动力系统提供与真实工况一致的工作环境，使虚拟动力系统与物理实体保持同样的运行工况，运行强度，运行方法。

优选地，所述数字孪生平台对分析融合后的数据进行特征提取的特征因子包括但不限于电池SOC参数、电池SOH参数、驱动电机工作温度参数、传动部件形变参数，特征因子是与电动汽车运行密切相关且能够显示运行状态好坏的关键性数据。

优选地，根据各特征因子对应的特征数据建立及更新动力系统控制模型，基于物理动力系统标定性能中各特征因子对应的阈值范围和电动汽车当前状态中各特征因子对应的数值，将动力系统控制模型中各特征因子的数值与前者进行比较，基于比较结果并结合在线仿真技术获得最新控制模型下相应的最优控制策略，通过比较结果进而判断现在该部件的运行状态是否正常，也即采用的是比较监测的方式。

优选地，在基于物理动力系统标定性能、电动汽车当前状态的基础上还基于目的地距离数据、用户驾驶习惯数据结合在线仿真技术获得最新控制模型下相应的最优控制策略，通过结合更多的数据甚至可以结合数据孪生平台中的海量的历史经验数据，能够更加精确地更新迭代控制模型以及获得更精准的最优控制策略。

优选地，所述最优控制策略采用电动汽车状态报告形式，内容包括但不限于电动汽车运行状态、动力系统安全性分析结果、电动汽车各部件失效性预警报告、维修保养建议；和/或，所述服务终端还接收用户的操作指令以用户驾驶习惯数据反馈给数字孪生平台以获得最新控制模型下相应的最优控制策略，通过此最优控制策略能够充分指导电动汽车当前的控制操作，具有很强的现实意义。

应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造，但不以任何方式限制本发明创造。因此，尽管本说明书参照附图和实施例对本发明创造已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明创造进行修改或者等同替换，总之，一切不脱离本发明创造的精神和范围的技术方案及其改进，其均应涵盖在本发明创造专利的保护范围当中。

Claims (10)

1.基于数字孪生技术的电动汽车动力系统的控制方法，其特征在于，所述电动汽车动力系统作为实际工作环境中的物理动力系统，先基于数字孪生技术在仿真平台上搭建与物理动力系统相匹配的数字化孪生的虚拟动力系统，配置虚拟动力系统的仿真工作环境使其与物理动力系统的实际工作环境保持一致，再由数字孪生平台收集物理动力系统运行产生的物理数据和虚拟动力系统运行产生的虚拟数据后进行数据分析融合处理，并对分析融合后的数据进行特征提取，根据提取出的特征数据建立及更新动力系统控制模型并基于物理动力系统标定性能和电动汽车当前状态结合在线仿真技术获得最新控制模型下相应的最优控制策略，将最优控制策略进行代码编译后封装进物理动力系统中以自动改变物理动力系统运行控制，同时将最优控制策略通过服务终端展示给用户，所述物理动力系统运行控制的变化数据再次被数字孪生平台收集，同时依变化同步配置的虚拟动力系统的虚拟数据也再次被数字孪生平台收集，数字孪生平台再次进行数据分析融合处理及特征提取，并根据最新特征数据更新动力系统控制模型，再次获得最优控制策略，形成动态滚动数据交换，实现动态最优控制。

2.根据权利要求1所述的控制方法，其特征在于，搭建所述虚拟动力系统是基于所述物理动力系统的包括但不限于几何尺寸、材料属性、电路结构和连接关系的物理数据进行，采用CAD画图法、CAE近似数值分析法和有限元法将所述物理动力系统各部件进行数字化，将各数字化部件在仿真工作环境中组装成所述虚拟动力系统。

3.根据权利要求2所述的控制方法，其特征在于，所述物理动力系统各部件包括但不限于动力电池、驱动电机、传动系统、行驶系统、车辆控制器及附件系统，所述虚拟动力系统各数字化部件包括但不限于动力电池模型、驱动电机模型、传动系统模型、行驶系统模型、车辆控制器模型及附件系统模型。

4.根据权利要求3所述的控制方法，其特征在于，所述动力电池、所述驱动电机、所述传动系统、所述行驶系统、所述车辆控制器及所述附件系统中均相应设置有传感器，各相应传感器采集各部件的运行数据通过网络上传至数字孪生平台；所述仿真平台采集所述虚拟动力系统中各数字化部件的运行数据上传至数字孪生平台。

5.根据权利要求1至4之一所述的控制方法，其特征在于，所述数字孪生平台采用包括但不限于BP神经网络算法、卷积神经网络算法、机器学习算法中一种或多种任意组合的算法对物理数据和虚拟数据进行数据分析融合处理。

6.根据权利要求5所述的控制方法，其特征在于，所述数字孪生平台对分析融合后的数据进行特征提取的特征因子包括但不限于电池SOC参数、电池SOH参数、驱动电机工作温度参数、传动部件形变参数。

7.根据权利要求6所述的控制方法，其特征在于，根据各特征因子对应的特征数据建立及更新动力系统控制模型，基于物理动力系统标定性能中各特征因子对应的阈值范围和电动汽车当前状态中各特征因子对应的数值，将动力系统控制模型中各特征因子的数值与前者进行比较，基于比较结果并结合在线仿真技术获得最新控制模型下相应的最优控制策略。

8.根据权利要求7所述的控制方法，其特征在于，在基于物理动力系统标定性能、电动汽车当前状态的基础上还基于目的地距离数据、用户驾驶习惯数据结合在线仿真技术获得最新控制模型下相应的最优控制策略。

9.根据权利要求8所述的控制方法，其特征在于，所述最优控制策略采用电动汽车状态报告形式，内容包括但不限于电动汽车运行状态、动力系统安全性分析结果、电动汽车各部件失效性预警报告、维修保养建议；

和/或，所述服务终端还接收用户的操作指令以用户驾驶习惯数据反馈给数字孪生平台以获得最新控制模型下相应的最优控制策略。

10.根据权利要求3所述的控制方法，其特征在于，所述数字孪生平台将所述最优控制策略进行代码编译后封装进物理动力系统的车辆控制器中。