CN110481538A - 分配混合动力车辆转矩的方法及装置、智能网联车辆系统 - Google Patents

分配混合动力车辆转矩的方法及装置、智能网联车辆系统 Download PDF

Info

Publication number
CN110481538A
CN110481538A CN201910833846.6A CN201910833846A CN110481538A CN 110481538 A CN110481538 A CN 110481538A CN 201910833846 A CN201910833846 A CN 201910833846A CN 110481538 A CN110481538 A CN 110481538A
Authority
CN
China
Prior art keywords
vehicle
optimal parameters
information
target vehicle
parameters value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910833846.6A
Other languages
English (en)
Other versions
CN110481538B (zh
Inventor
杨超
刘铠嘉
王伟达
张渊博
项昌乐
王伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Technology
Beijing Institute of Technology BIT
Original Assignee
Beijing University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN201910833846.6A priority Critical patent/CN110481538B/zh
Publication of CN110481538A publication Critical patent/CN110481538A/zh
Application granted granted Critical
Publication of CN110481538B publication Critical patent/CN110481538B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/08—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of electric propulsion units, e.g. motors or generators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W20/00—Control systems specially adapted for hybrid vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B60W40/076—Slope angle of the road
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/105—Speed
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/62—Hybrid vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Hybrid Electric Vehicles (AREA)

Abstract

本申请提供了一种分配混合动力车辆转矩的方法及装置、智能网联车辆系统，其中，本申请提出的分配混合动力车辆转矩的方法，通过每间隔预设时间段，获取待测车辆在预设道路段行驶的速度信息，使得获取到的速度信息的实时性高，并利用预设的算法，基于该速度信息以及坡度信息对预设参数值进行迭代优化，得到优化参数值，使得迭代优化后得到的优化参数值与该待测车辆较匹配，进而使得目标车辆基于该优化参数值以及行驶信息得到的转矩信息较适用于该目标车辆，进而通过该转矩信息为目标车辆分配相应的转矩后，能更好的降低目标车辆的油耗，提高了降低车辆油耗的效果，实现了对车辆能量的控制方法的优化。

Description

分配混合动力车辆转矩的方法及装置、智能网联车辆系统
技术领域
本申请涉及车辆技术领域，尤其是涉及一种分配混合动力车辆转矩的方法及装置、智能网联车辆系统。
背景技术
在车辆行业中，需要对控制车辆能量的方法进行优化，例如，若车辆为混合动力车辆时，则可以根据该混合动力车辆对应的需求转矩信息，对该混合动力车辆的电动机转矩以及发动机转矩进行分配，在保证车辆正常行驶的前提下，实现降低车辆油耗的目的。
现有技术中，通过获取车辆在预设路段行驶的历史车速数据，基于历史车速数据确定车辆对应的转矩信息，然后根据该转矩信息控制车辆的转矩，达到降低车辆油耗的目的。但是随着时间的增加，预设道路段的路况会发生改变，使得车辆在预设道路段行驶时的车速也会发生改变，故通过车辆的历史车速数据确定转矩信息的方法，实时性较差，使得降低车辆油耗的效果较差。
发明内容
有鉴于此，本申请的目的在于提供一种分配混合动力车辆转矩的方法及装置、智能网联车辆系统，以提高降低车辆油耗的效果。
第一方面，本申请实施例提供了一种分配混合动力车辆转矩的方法，所述方法包括：
每间隔预设时间段，获取待测车辆在预设道路段行驶的速度信息；
利用预设的算法，基于所述速度信息以及预先获取的所述预设道路段的坡度信息，对所述待测车辆对应的隶属度函数的预设参数值进行迭代优化，得到优化参数值；
当在所述预设道路段起始位置监测到目标车辆时，向所述目标车辆发送所述优化参数值，使得所述目标车辆上设置的控制器模块基于所述优化参数值以及当前的行驶信息，得到所述目标车辆的转矩信息，所述转矩信息包括电动机转矩以及发动机转矩，其中，所述目标车辆与所述待测车辆的车辆类型相同，且所述目标车辆与所述待测车辆均为混合动力车辆；
根据所述转矩信息，为所述目标车辆分配相应的转矩。
本申请的一些实施例中，在所述预设道路段起始位置监测到目标车辆之后，在向所述目标车辆发送所述优化参数值之前，所述方法还包括：
接收所述目标车辆发送的所述目标车辆对应的隶属度函数的初始参数值；
判断所述优化参数值是否优于所述初始参数值；
若是，则向所述目标车辆发送所述优化参数值；
若否，则不向所述目标车辆发送所述优化参数值。
本申请的一些实施例中，所述判断所述优化参数值是否优于所述初始参数值，包括：
将所述优化参数值输入到预设的模拟车辆模型，所述模拟车辆模型基于预设的行驶信息得到所述优化参数值对应的第一油耗信息；
将所述初始参数值输入到所述模拟车辆模型，所述模拟车辆模型基于预设的行驶信息得到所述初始参数值对应的第二油耗信息；
判断所述第一油耗信息是否小于所述第二油耗信息，若是，则所述优化参数值优于所述初始参数值。
本申请的一些实施例中，所述转矩信息包括发动机转矩以及电动机转矩；
所述目标车辆上设置的控制器模块基于所述优化参数值以及当前的行驶信息，得到所述目标车辆的转矩信息，包括：
将所述优化参数值输入至所述控制器模块；
获取所述目标车辆的行驶信息，其中，所述行驶信息包括车速、荷电状态、以及需求转矩；
将所述行驶信息输入至包括所述优化参数值的所述控制器模块，得到所述目标车辆对应的发动机转矩以及电动机转矩。
本申请的一些实施例中，所述预设参数值包括预设车速参数值、预设荷电状态(state of charge，SOC)参数值、预设需求转矩参数值、以及预设电动机转矩参数值；
利用预设的算法，基于所述速度信息以及预先获取的所述预设道路段的坡度信息，对所述待测车辆对应的隶属度函数的预设参数值进行迭代优化，得到优化参数值，包括：
利用预设的算法，基于所述速度信息以及预先获取的所述预设道路段的坡度信息，对所述预设车速参数值、所述预设SOC参数值、所述预设需求转矩参数值、以及所述预设电动机转矩参数值进行迭代优化，得到车速优化参数值、SOC优化参数值、需求转矩优化参数值、以及电动机转矩优化参数值。
第二方面，本申请实施例还提供一种分配混合动力车辆转矩的装置，所述装置包括：
获取模块，用于每间隔预设时间段，获取待测车辆在预设道路段行驶的速度信息；
参数值优化模块，用于利用预设的算法，基于所述速度信息以及预先获取的所述预设道路段的坡度信息，对所述待测车辆对应的隶属度函数的预设参数值进行迭代优化，得到优化参数值；
转矩信息确定模块，用于当在所述预设道路段起始位置监测到目标车辆时，向所述目标车辆发送所述优化参数值，使得所述目标车辆上设置的控制器模块基于所述优化参数值以及当前的行驶信息，得到所述目标车辆的转矩信息，所述转矩信息包括电动机转矩以及发动机转矩，其中，所述目标车辆与所述待测车辆的车辆类型相同，且所述目标车辆与所述待测车辆均为混合动力车辆；
调节模块，用于根据所述转矩信息，为所述目标车辆分配相应的转矩。
本申请的一些实施例中，在所述预设道路段起始位置监测到目标车辆之后，在向所述目标车辆发送所述优化参数值之前，所述装置还包括：
接收模块，用于接收所述目标车辆发送的所述目标车辆对应的隶属度函数的初始参数值；
判断模块，用于判断所述优化参数值是否优于所述初始参数值；
发送模块，用于若所述优化参数值优于所述初始参数值，则向所述目标车辆发送所述优化参数值；若否，则不向所述目标车辆发送所述优化参数值。
第三方面，本申请实施例还提供了一种智能网联车辆系统，所述系统包括：监控平台、定位平台、以及车辆平台；所述监控平台分别与所述定位平台以及所述车辆平台相连；所述车辆平台包括多辆公交车，其中，每辆公交车的型号相同以及行驶路线相同，且所述公交车为混合动力公交车；
所述定位平台，用于获取所述公交车的行驶路线上的预设道路段的坡度信息，并将所述坡度信息发送给所述监控平台；
所述监控平台，用于每间隔预设时间段获取多辆公交车中待测车辆的速度信息，利用预设的算法，基于所述速度信息以及接收到的所述预设道路段的坡度信息，对所述待测车辆对应的隶属度函数的预设参数值进行迭代优化，得到优化参数值；
当在所述预设道路段的起始位置监测到所述多辆公交车中的任一公交车时，向所述公交车发送所述优化参数值，使得所述公交车上设置的控制器模块基于所述优化参数值以及当前的行驶信息，得到所述公交车的转矩信息，其中，转矩信息包括发动机转矩以及电动机转矩；根据所述转矩信息，为所述公交车分配相应的转矩。
第四方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面的任一种可能的实施方式中所述的分配混合动力车辆转矩的方法的步骤。
第五方面，本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面，或第一方面的任一种可能的实施方式中所述的分配混合动力车辆转矩的方法的步骤。
本申请实施例提供了一种分配混合动力车辆转矩的方法及装置、智能网联车辆系统，其中，本申请提出的分配混合动力车辆转矩的方法，通过每间隔预设时间段，获取待测车辆在预设道路段行驶的速度信息，使得获取到的速度信息的实时性高，并利用预设的算法，基于该速度信息以及坡度信息对预设参数值进行迭代优化，得到优化参数值，使得迭代优化后得到的优化参数值的与该待测车辆较匹配，进而使得目标车辆基于该优化参数值以及行驶信息得到的转矩信息较适用于该目标车辆，进而通过该转矩信息为目标车辆分配相应的转矩后，能更好的降低目标车辆的油耗，提高了降低车辆油耗的效果，实现了对车辆能量的控制方法的优化。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种分配混合动力车辆转矩的方法的流程图；
图2示出了本申请实施例所提供的一种模糊控制器模块的结构示意图；
图3示出了本申请实施例所提供的一种分配混合动力车辆转矩的装置的结构示意图；
图4示出了本申请实施例所提供的一种智能网联车辆系统的结构示意图；
图5示出了本申请实施例所提供的一种智能网联车辆系统的应用场景图；
图6示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
考虑到现有技术中，通过获取车辆在预设路段行驶的历史车速数据，基于历史车速数据确定车辆对应的转矩信息，然后根据该转矩信息控制车辆的转矩，达到降低车辆油耗的目的。但是随着时间的增加，预设道路段的路况会发生改变，使得车辆在预设道路段行驶时的车速也会发生改变，故通过车辆的历史车速数据确定转矩信息的方法，实时性较差，使得降低车辆油耗的效果较差。基于此，本申请实施例提供了一种分配混合动力车辆转矩的方法及装置、智能网联车辆系统，下面通过实施例进行描述。
为便于对本实施例进行理解，首先对本申请实施例所公开的一种分配混合动力车辆转矩的方法进行详细介绍。
实施例一
本申请实施例提供了一种分配混合动力车辆转矩的方法，参见图1所示的一种分配混合动力车辆转矩的方法的流程图，其中，该方法应用于智能网联车辆系统，该方法包括S101-S104，具体如下：
S101，每间隔预设时间段，获取待测车辆在预设道路段行驶的速度信息。
本申请实施例中，通过设置预设时间段，每间隔预设时间段，获取待测车辆在预设道路段行驶的速度信息。其中预设时间段可以为1小时、2小时等，具体的预设时间段可以根据实际需要进行设置。以智能网联公交车为例进行说明，每间隔预设时间段，获取公交车从预设道路段的起始位置行驶至终点位置过程中的速度信息。
示例性的以待测车辆为公交车为例进行说明，预设道路段可以为公交车行驶线路的相邻两站之间的道路段，例如，第一站与第二站之间的道路段；或者将公交车行驶线路的每相邻的两站之间的道路段设置为一预设道路段，得到该行驶路线对应的多个预设道路段，基于每一预设道路段执行本申请提出的该方法对公交车的能量进行优化，例如，若公交车对应的行驶路线包括公交站点1、公交站点2、公交站点3、公交站点4，则可将公交站点1至公交站点2之间的道路段设置为第一预设道路段，可将公交站点2至公交站点3之间的道路段设置为第二预设道路段，可将公交站点3至公交站点4之间的道路段设置为第三预设道路段，分别对第一预设道路段、第二预设道路段、第三预设道路段执行本申请的分配混合动力车辆转矩的方法，可对该公交车在该行驶线路的每一预设道路段进行能量优化，提高了每一预设道路段对应的降低油耗的效果。
S102，利用预设的算法，基于速度信息以及预先获取的预设道路段的坡度信息，对待测车辆对应的隶属度函数的预设参数值进行迭代优化，得到优化参数值。
示例性的，预设的算法可以为下述算法中的任一算法：遗传算法、粒子群算法、神经网络算法、动态规划算法、以及上述任一算法与模拟退火算法进行结合得到的组合算法等，例如，组合算法可以为遗传算法加模拟退火算法、粒子群加模拟退火算法等。其中，预设的算法可根据实际情况进行选择。
作为一可选实施例，预设参数值包括预设车速参数值、预设荷电状态参数值、预设需求转矩参数值、以及预设电动机转矩参数值。
利用预设的算法，基于速度信息以及预先获取的预设道路段的坡度信息，对待测车辆对应的隶属度函数的预设参数值进行迭代优化，得到优化参数值，包括：
利用预设的算法，基于速度信息以及预先获取的预设道路段的坡度信息，对预设车速参数值、预设SOC参数值、预设需求转矩参数值、以及预设电动机转矩参数值进行迭代优化，得到车速优化参数值、SOC优化参数值、需求转矩优化参数值、以及电动机转矩优化参数值。
本申请实施例中，预设车速参数值、预设SOC参数值、预设需求转矩参数值、以及预设电动机转矩参数值中均包括多个参数值，即预设车速参数值包括a个参数值，该a个参数值构成预设车速参数向量；预设SOC参数值包括b个参数值，该b个参数值构成预设荷电状态参数向量；预设需求转矩参数值包括c个参数值，该c个参数值构成预设需求转矩参数向量；预设电动机转矩参数值包括d个参数值，该d个参数值构成预设电动机转矩参数向量。其中，不同的参数向量对应的选择域不同，以及不同参数向量对应的元素数量可以相同，也可以不同，即a、b、c、d的值可以相同也可以不同。例如，预设车速参数值包括v1、v2、v3、v4、v5，预设车速参数向量为(v1，v2，v3，v4，v5)，对应的选择域为(0，120)，单位为Km/h；预设SOC参数值包括s1、s2、s3、s4，预设SOC参数向量为(s1，s2，s3，s4)，对应的选择域为(20％，90％)。
本申请实施例中，以遗传算法加模拟退火算法的组合算法对预设参数值进行迭代优化为例进行说明：首先，将预设车速参数向量、预设SOC参数向量、预设需求转矩参数向量、以及预设电动机转矩参数向量按照设定的顺序进行拼接组合，可得到预设组合参数向量，例如，若预设车速参数向量为(v1，v2，v3，v4，v5)，预设SOC参数向量为(s1，s2，s3，s4)，预设需求转矩参数向量为(Td1、Td2、Td3、Td4)，以及预设电动机转矩参数向量(Tm1、Tm2、Tm3、Tm4)，则得到的预设组合参数向量为(v1，v2，v3，v4，v5，s1，s2，s3，s4 Td1、Td2、Td3、Td4、Tm1、Tm2、Tm3、Tm4)；其次，将预设组合参数向量输入至遗传算法中，遗传算法将预设组合参数向量经过编码、选择、交叉、变异等操作，得到该预设组合参数向量对应的组合参数向量集群。
针对组合参数向量集群中的每个组合参数向量，执行下述过程：模拟退火算法对该组合参数向量进行操作，得到该组合参数向量对应的新组合参数向量，通过设置的评价函数确定最优解，即通过评价函数确定该组合参数向量为最优解或者新组合参数向量为最优解，具体的，判断该组合参数向量对应的评价函数的值是否大于新组合参数向量对应的评价函数的值，若是，则该组合参数向量确定为最优解；若否，则以一定的概率将新组合参数向量确定为最优解；其中，评价函数为与耗油量相关的函数。通过上述过程可得到经过模拟退火算法优化后的组合参数向量集群。
确定经过优化后的组合参数向量集群中每个组合参数向量的适应度，基于每个组合参数向量的适应度完成对预设组合参数向量的迭代优化，得到优化后的组合参数向量，即得到了车速优化参数值、SOC优化参数值、需求转矩优化参数值、以及电动机转矩优化参数值。
承接上述实施例继续说明，基于速度信息以及预先获取的预设道路段的坡度信息，可通过下述方法确定组合参数向量集群中每个组合参数向量的适应度：
第一、设置模拟车辆模型。模拟车辆模型包括控制器模块以及模拟车辆模块，该控制器模块的输入为车速、SOC、模拟需求转矩，模拟需求转矩可以根据获取到的速度信息确定，例如，通过获取到的速度信息可知下一时刻的历史速度，通过历史速度确定需求转矩；控制器模块的输出为电动机转矩。控制器模块中包括规则单元，该规则单元对应的参数为预设参数值。其中，该控制器模块与目标车辆上设置的控制器模块的结构相同，同时，规则单元中设置的规则可根据先验知识进行确定。模拟车辆模块的输入为转矩信息、车速信息以及坡度信息，输出为油耗信息，转矩信息包括电动机转矩以及发动机转矩。
第二、针对每个组合参数向量：基于该组合参数向量，可得到该组合参数向量对应的车速优化参数值、SOC优化参数值、需求转矩优化参数值、以及电动机转矩优化参数值，将得到的车速优化参数值、SOC优化参数值、需求转矩优化参数值、以及电动机转矩优化参数值输入至控制器模块的规则单元，将速度信息以及预先获取的预设道路段的坡度信息输入至模拟车辆模块。控制器模块根据设置的SOC的值、车速、以及确定的模拟需求转矩，基于输入车速优化参数值、SOC优化参数值、需求转矩优化参数值、以及电动机转矩优化参数值后的规则单元，得到该组合参数向量对应的电动机转矩，基于电动机转矩以及模拟需求转矩，得到发动机转矩，并将该转矩信息即电动机转矩以及发动机转矩输入至模拟车辆模块，模拟车辆模块基于该转矩信息、车速信息以及坡度信息，得到该组合参数向量对应的油耗信息，将得到的油耗信息输入至适应度函数中，得到该参数向量对应的适应度，其中，油耗信息越小，则适应度越大。
重复上述第二步骤，可得到组合参数向量集群中每个组合参数向量对应的适应度。
进一步的，基于每个组合参数向量的适应度完成对预设组合参数向量的迭代优化，得到优化后的组合参数向量，即得到了车速优化参数值、SOC优化参数值、需求转矩优化参数值、以及电动机转矩优化参数值，包括：从组合参数向量集群中选取适应度最大的组合参数向量，将选取的该组合参数向量输入至预设的算法中，即输入至遗传算法加模拟算法的组合算法中，预设的算法基于该组合参数向量再次进行迭代优化，重复上述迭代优化的过程，通过设置终止条件，直到迭代优化满足设置的终止条件为止。其中，设置的终止条件可以为下述条件中的任一条件：一、得到的参数向量的适应度满足预设的适应度阈值，二、迭代的次数满足预设的次数阈值，三、迭代的时间满足预设的时间阈值。例如，优化后的组合参数向量对应可以选取迭代了100次后得到的组合参数向量，也可以选取迭代了200次后得到的组合参数向量，具体的，得到的优化后的组合参数向量可以根据实际情况进行选择。
S103，当在预设道路段起始位置监测到目标车辆时，向目标车辆发送优化参数值，使得目标车辆上设置的控制器模块基于优化参数值以及当前的行驶信息，得到目标车辆的转矩信息，转矩信息包括电动机转矩以及发动机转矩，其中，目标车辆与待测车辆的车辆类型相同，且目标车辆与待测车辆均为混合动力车辆。
本申请实施例中，目标车辆为与待测车辆类型相同的车辆，例如，若待测车辆为公交车，则目标车辆为行驶该预设道路段的公交车。当监测到目标车辆经过预设道路段起始位置时，则将此时刻迭代优化后得到的优化参数值发送给目标车辆，例如，若第一目标车辆经过预设道路段起始位置时对应的时刻为K1时刻，K1时刻时对预设参数值进行迭代优化了50次，则将迭代优化了50次后的优化参数值发送给第一目标车辆；若第二目标车辆经过预设道路段起始位置时对应的时刻为K2时刻，K2时刻时对预设参数值进行迭代优化了100次，则将迭代优化了100次后的优化参数值发送给第二目标车辆。
作为一可选实施例，转矩信息包括发动机转矩以及电动机转矩；
目标车辆上设置的控制器模块基于优化参数值以及当前的行驶信息，得到目标车辆的转矩信息，包括：
将优化参数值输入至控制器模块；
获取目标车辆的行驶信息，其中，行驶信息包括车速、SOC、以及需求转矩；
将行驶信息输入至包括优化参数值的控制器模块，得到目标车辆对应的发动机转矩以及电动机转矩。
本申请实施例中，可以在加速踏板上设置传感器，通过传感器测量加速踏板的开度，基于该开度、以及车速计算需求转矩。
示例性的，目标车辆上设置的控制器模块可以为模糊控制器模块，也可以为规则控制器模块。以模糊控制器模块为例进行说明，如图2所示的是一种模糊控制器模块的结构示意图，模糊控制器模块包括模糊化处理单元21、模糊推理单元22、去模糊单元23，其中，模糊化处理单元包括需求转矩模糊化处理单元211、车速模糊化处理单元212、以及SOC模糊化处理单元213。
承接上述实施例继续说明，目标车辆上设置的控制器模块基于优化参数值以及当前的行驶信息，得到目标车辆的转矩信息，包括：
第一，将优化参数值输入至控制器模块上的模糊推理单元；
第二，分别将需求转矩Td、车速v、以及SOC输入到对应的需求转矩模糊化处理单元、车速模糊化处理单元、以及SOC模糊化处理单元中进行模糊化处理，得到模糊化处理后的需求转矩、车速、以及SOC；
第三，将模糊化处理后的需求转矩、车速、以及SOC输入到模糊推理单元，模糊推理单元基于接收到的优化参数值以及设置的模糊规则，输出模糊化转矩信息；将模糊化转矩信息发送至去模糊化单元进行去模糊处理，得到目标车辆对应的电动机转矩Tm，由发动机转矩与电动机转矩之和等于行驶信息中的需求转矩可知，基于需求转矩以及电动机转矩可得到发动机转矩Te。其中，模糊规则可以根据车辆的历史油耗数据或者油耗先验知识进行设置。例如，模糊规则中的一条规则可以为当车速小于v1，SOC大于s2，需求转矩小于Td1时，则发动机转矩大于Te1，电动机转矩小于Tm1，其中，该模糊规则仅为示例性描述。
作为一可选实施例，在预设道路段起始位置监测到目标车辆之后，在向目标车辆发送优化参数值之前，该方法还包括：
接收目标车辆发送的目标车辆对应的隶属度函数的初始参数值；
判断优化参数值是否优于初始参数值；
若是，则向目标车辆发送优化参数值；
若否，则不向目标车辆发送优化参数值。
本申请实施例中，在预设道路段起始位置监测到目标车辆之后，在向目标车辆发送优化参数值之前，需要对目标车辆上设置的初始参数值与优化参数值进行对比，判断优化参数值是否优于初始参数值，若是，则将优化参数值发送给目标车辆，使用优化参数值替换初始参数值，使得目标车辆基于优化参数值确定转矩信息；若不是，则不将优化参数值发送给目标车辆，目标车辆基于初始参数值确定转矩信息。
作为一可选实施例，判断优化参数值是否优于初始参数值，包括：
将优化参数值输入到预设的模拟车辆模型，模拟车辆模型基于预设的行驶信息得到优化参数值对应的第一油耗信息；
将初始参数值输入到模拟车辆模型，模拟车辆模型基于预设的行驶信息得到初始参数值对应的第二油耗信息；
判断第一油耗信息是否小于第二油耗信息，若是，则优化参数值优于初始参数值。
本申请实施例中的模拟车辆模型的工作过程与上述S102中的模拟车辆模型的工作过程类似。具体的，将优化参数值对应的优化参数向量输入至控制器模块的规则单元，将预设的行驶信息输入至控制器模块，控制器模块根据预设的行驶信息，基于优化参数值，得到该优化参数值对应的转矩信息，将该转矩信息、速度信息以及预先获取的预设道路段的坡度信息输入至模拟车辆模块，模拟车辆模块基于该转矩信息、速度信息以及坡度信息，得到该优化参数值对应的第一油耗信息。重复上述过程，可得到初始参数值对应的第二油耗信息。
S104，根据转矩信息，为目标车辆分配相应的转矩。
本申请实施例中，根据得到的发动机转矩以及电动机转矩，为目标车辆分配相应的发动机的转矩以及电动机的转矩，实现降低油耗的目的，其中，发动机转矩与电动机转矩之和等于行驶信息中的需求转矩。
本申请实施例提出的分配混合动力车辆转矩的方法，每间隔预设时间段，获取待测车辆在预设道路段行驶的速度信息，使得获取到的速度信息的实时性高，并利用预设的算法，基于该速度信息以及坡度信息对预设参数值进行迭代优化，得到优化参数值，使得迭代优化后得到的优化参数值与该待测车辆较匹配，进而使得目标车辆基于该优化参数值以及行驶信息得到的转矩信息较适用于该目标车辆，进而通过该转矩信息为目标车辆分配相应的转矩后，能更好的降低目标车辆的油耗，提高了降低车辆油耗的效果，实现了对车辆能量的控制方法的优化。
基于同一发明构思，本申请实施例中还提供了与分配混合动力车辆转矩的方法对应的分配混合动力车辆转矩的装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述分配混合动力车辆转矩的方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
实施例二
本申请实施例提供了一种分配混合动力车辆转矩的装置，参见图3所示的一种分配混合动力车辆转矩的装置的结构示意图，该装置包括：
获取模块301，用于每间隔预设时间段，获取待测车辆在预设道路段行驶的速度信息；
参数值优化模块302，用于利用预设的算法，基于所述速度信息以及预先获取的所述预设道路段的坡度信息，对所述待测车辆对应的隶属度函数的预设参数值进行迭代优化，得到优化参数值；
转矩信息确定模块303，用于当在所述预设道路段起始位置监测到目标车辆时，向所述目标车辆发送所述优化参数值，使得所述目标车辆上设置的控制器模块基于所述优化参数值以及当前的行驶信息，得到所述目标车辆的转矩信息，转矩信息包括电动机转矩以及发动机转矩，其中，所述目标车辆与所述待测车辆的车辆类型相同，且所述目标车辆与所述待测车辆均为混合动力车辆；
调节模块304，用于根据所述转矩信息，为所述目标车辆分配相应的转矩。
作为一可选实施例，在所述预设道路段起始位置监测到目标车辆之后，在向所述目标车辆发送所述优化参数值之前，所述装置还包括：
接收模块，用于接收所述目标车辆发送的所述目标车辆对应的隶属度函数的初始参数值；
判断模块，用于判断所述优化参数值是否优于所述初始参数值；
发送模块，用于若所述优化参数值优于所述初始参数值，则向所述目标车辆发送所述优化参数值；若否，则不向所述目标车辆发送所述优化参数值。
作为一可选实施例，所述判断模块，利用下述步骤判断所述优化参数值是否优于所述初始参数值：
将所述优化参数值输入到预设的模拟车辆模型，所述模拟车辆模型基于预设的行驶信息得到所述优化参数值对应的第一油耗信息；
将所述初始参数值输入到所述模拟车辆模型，所述模拟车辆模型基于预设的行驶信息得到所述初始参数值对应的第二油耗信息；
判断所述第一油耗信息是否小于所述第二油耗信息，若是，则所述优化参数值优于所述初始参数值。
作为一可选实施例，所述转矩信息包括发动机转矩以及电动机转矩；
所述转矩信息确定模块，利用下述步骤确定所述目标车辆的转矩信息：
将所述优化参数值输入至所述控制器模块；
获取所述目标车辆的行驶信息，其中，所述行驶信息包括车速、荷电状态、以及需求转矩；
将所述行驶信息输入至包括所述优化参数值的所述控制器模块，得到所述目标车辆对应的发动机转矩以及电动机转矩。
作为一可选实施例，所述预设参数值包括预设车速参数值、预设荷电状态参数值、预设需求转矩参数值、以及预设电动机转矩参数值；
参数值优化模块，通过下述步骤得到优化参数值：
利用预设的算法，基于所述速度信息以及预先获取的所述预设道路段的坡度信息，对所述预设车速参数值、所述预设荷电状态参数值、所述预设需求转矩参数值、以及所述预设电动机转矩参数值进行迭代优化，得到车速优化参数、荷电状态优化参数、需求转矩优化参数、以及电动机转矩优化参数。
本申请实施例提供的分配混合动力车辆转矩的装置，与上述实施例一提供的分配混合动力车辆转矩的方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
实施例三
本申请实施例提供了一种智能网联车辆系统，参见图4所示的是一种智能网联车辆系统的结构示意图，图5所示的是一种智能网联车辆系统的应用场景图，该智能网联车辆系统包括监控平台401、定位平台402、以及车辆平台403，监控平台401分别与定位平台402以及车辆平台403相连，定位平台与车辆平台相连；车辆平台403包括多辆公交车，其中，每辆公交车的型号相同以及行驶路线相同，且公交车为混合动力公交车。
定位平台402，用于获取公交车的行驶路线上的预设道路段的坡度信息，并将坡度信息发送给监控平台401。
监控平台401，用于每间隔预设时间段获取多辆公交车中待测车辆的速度信息，利用预设的算法，基于速度信息以及接收到的预设道路段的坡度信息，对待测车辆对应的隶属度函数的预设参数值进行迭代优化，得到优化参数值；
当在预设道路段的起始位置监测到多辆公交车中的任一公交车时，向公交车发送优化参数值，使得公交车上设置的控制器模块基于优化参数值以及当前的行驶信息，得到公交车的转矩信息，其中，转矩信息包括发动机转矩以及电动机转矩；根据转矩信息，为公交车分配相应的转矩。
本申请实施例中，定位平台可以为全球定位系统(Global Positioning System，GPS)卫星，监控平台可以为云端服务器，车辆平台中包括多辆公交车，例如包括第一公交车431、第二公交车432、……、第n公交车43n，其中，该多辆公交车均为智能网联公交车，n的数值可以根据实际情况进行确定，同时该多辆公交车为相同类型的混合动力公交车。
具体的，GPS卫星获取公交车的行驶路线上的预设道路段的坡度信息，监控平台每间隔预设时间段获取多辆公交车中待测车辆的速度信息，例如，待测车辆可以为第一公交车431，也可以为间隔预设时间段后，经过预设道路段起始位置的第m车辆，m≤n，且m、n为大于等于2的正整数，使得监控平台每间隔预设时间段基于坡道信息以及获取到的速度信息，通过预设的算法对隶属度函数的预设参数值进行优化，得到优化参数值，使得车辆平台中每辆公交车经过预设道路段的起始位置时，接收监控平台发送的优化参数值，每辆公交车中设置的控制器模块能够基于优化参数值以及每辆公交车的行驶信息，确定该公交车的转矩信息，即确定该车辆的发动机转矩以及电动机转矩，根据确定的发动机转矩以及电动机转矩，为车辆分配相应的转矩，实现降低车辆油耗的目的。
示例性的，如图5所示，预设道路段可以为第一站至第二站之间的道路段，也可以为第x-1站至第x站之间的道路段。或者，将第一站至第x站之间，每相邻的两站之间的道路段设为一预设道路段，例如，第一站至第二站之间的道路段为第一预设道路段，第二站至第三站之间的道路段为第二预设道路段，…，第x-1站至第x站之间的道路段为第x-1预设道路段，其中，x的值为大于等于2的正整数，x的值可以根据车辆的实际行驶路线确定。通过本申请提出的分配混合动力车辆转矩的方法可分别对每一预设道路段上行驶的车辆的能量进行优化。
本申请实施例提出的智能网联车辆系统，包括监控平台、定位平台、以及车辆平台，监控平台分别与定位平台以及车辆平台相连；车辆平台包括多辆公交车，其中，每辆公交车的型号相同以及行驶路线相同，且公交车为混合动力公交车。本申请的智能网联车辆系统，通过定位平台获取预设道路段的坡度信息，通过监控平台每间隔预设时间段，获取待测车辆在预设道路段行驶的速度信息，使得获取到的速度信息的实时性高，使得监控平台利用预设的算法，基于该速度信息以及坡度信息对预设参数值进行迭代优化后，得到优化参数值与该待测车辆较匹配，进而使得多辆公交车中的任一公交车基于该优化参数值以及行驶信息得到的转矩信息较适用于该公交车，进而通过该转矩信息为公交车分配相应的转矩后，能更好的降低公交车的油耗，提高了降低车辆油耗的效果，实现了对车辆能量的控制方法的优化。本申请中，由于获取到的速度信息的实时性高，避免了由于时间增加，预设道路段的路况发生改变，使得获取到的速度信息与变更后的路况不匹配，进而使得基于该速度信息进行迭代优化后得到的优化参数值与变更后的路况不匹配，进一步造成行驶在该预设道路段的公交车接收到的优化参数值不适用于变更后的路况，使得降低车辆油耗的效果较差的情况。
实施例四
基于同一技术构思，本申请实施例还提供了一种电子设备。参照图6所示，为本申请实施例提供的电子设备600的结构示意图，包括处理器601、存储器602、和总线603。其中，存储器602用于存储执行指令，包括内存6021和外部存储器6022；这里的内存6021也称内存储器，用于暂时存放处理器601中的运算数据，以及与硬盘等外部存储器6022交换的数据，处理器601通过内存6021与外部存储器6022进行数据交换，当电子设备600运行时，处理器601与存储器602之间通过总线603通信，使得处理器601在执行以下指令：
每间隔预设时间段，获取待测车辆在预设道路段行驶的速度信息；
利用预设的算法，基于所述速度信息以及预先获取的所述预设道路段的坡度信息，对所述待测车辆对应的隶属度函数的预设参数值进行迭代优化，得到优化参数值；
当在所述预设道路段起始位置监测到目标车辆时，向所述目标车辆发送所述优化参数值，使得所述目标车辆上设置的控制器模块基于所述优化参数值以及当前的行驶信息，得到所述目标车辆的转矩信息，所述转矩信息包括电动机转矩以及发动机转矩，其中，所述目标车辆与所述待测车辆的车辆类型相同，且所述目标车辆与所述待测车辆均为混合动力车辆；
根据所述转矩信息，为所述目标车辆分配相应的转矩。
一种可能设计中，处理器601可能执行的指令中，还包括：
接收所述目标车辆发送的所述目标车辆对应的隶属度函数的初始参数值；
判断所述优化参数值是否优于所述初始参数值；
若是，则向所述目标车辆发送所述优化参数值；
若否，则不向所述目标车辆发送所述优化参数值。
一种可能设计中，处理器601可能执行的指令中，还包括：
将所述优化参数值输入到预设的模拟车辆模型，所述模拟车辆模型基于预设的行驶信息得到所述优化参数值对应的第一油耗信息；
将所述初始参数值输入到所述模拟车辆模型，所述模拟车辆模型基于预设的行驶信息得到所述初始参数值对应的第二油耗信息；
判断所述第一油耗信息是否小于所述第二油耗信息，若是，则所述优化参数值优于所述初始参数值。
一种可能设计中，处理器601可能执行的指令中，还包括：
所述转矩信息包括发动机转矩以及电动机转矩；
所述目标车辆上设置的控制器模块基于所述优化参数值以及当前的行驶信息，得到所述目标车辆的转矩信息，包括：
将所述优化参数值输入至所述控制器模块；
获取所述目标车辆的行驶信息，其中，所述行驶信息包括车速、荷电状态、以及需求转矩；
将所述行驶信息输入至包括所述优化参数值的所述控制器模块，得到所述目标车辆对应的发动机转矩以及电动机转矩。
一种可能设计中，处理器601可能执行的指令中，还包括：
所述预设参数包括预设车速参数、预设荷电状态参数、预设需求转矩参数、以及预设电动机转矩参数；
利用预设的算法，基于所述速度信息以及预先获取的所述预设道路段的坡度信息，对所述待测车辆对应的隶属度函数的预设参数值进行迭代优化，得到优化参数值，包括：
利用预设的算法，基于所述速度信息以及预先获取的所述预设道路段的坡度信息，对预设车速参数值、预设荷电状态参数值、预设需求转矩参数值、以及预设电动机转矩参数值进行迭代优化，得到车速优化参数值、荷电状态优化参数值、需求转矩优化参数值、以及电动机转矩优化参数值。
实施例五
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述任一实施例中所述的分配混合动力车辆转矩的方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述分配混合动力车辆转矩的方法的步骤，从而提高降低油耗的效果。
本申请实施例所提供的进行分配混合动力车辆转矩的方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，多个单元或组件可以结合或者可以集成到另一个系统，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通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种分配混合动力车辆转矩的方法，其特征在于，所述方法包括：
每间隔预设时间段，获取待测车辆在预设道路段行驶的速度信息；
利用预设的算法，基于所述速度信息以及预先获取的所述预设道路段的坡度信息，对所述待测车辆对应的隶属度函数的预设参数值进行迭代优化，得到优化参数值；
当在所述预设道路段的起始位置监测到目标车辆时，向所述目标车辆发送所述优化参数值，使得所述目标车辆上设置的控制器模块基于所述优化参数值以及当前的行驶信息，得到所述目标车辆的转矩信息，所述转矩信息包括电动机转矩以及发动机转矩，其中，所述目标车辆与所述待测车辆的车辆类型相同，且所述目标车辆与所述待测车辆均为混合动力车辆；
根据所述转矩信息，为所述目标车辆分配相应的转矩。
2.根据权利要求1所述的方法，其特征在于，在所述预设道路段的起始位置监测到目标车辆之后，在向所述目标车辆发送所述优化参数值之前，所述方法还包括：
接收所述目标车辆发送的所述目标车辆对应的隶属度函数的初始参数值；
判断所述优化参数值是否优于所述初始参数值；
若是，则向所述目标车辆发送所述优化参数值；
若否，则不向所述目标车辆发送所述优化参数值。
3.根据权利要求2所述的方法，其特征在于，所述判断所述优化参数值是否优于所述初始参数值，包括：
将所述优化参数值输入到预设的模拟车辆模型，所述模拟车辆模型基于预设的行驶信息得到所述优化参数值对应的第一油耗信息；
将所述初始参数值输入到所述模拟车辆模型，所述模拟车辆模型基于预设的行驶信息得到所述初始参数值对应的第二油耗信息；
判断所述第一油耗信息是否小于所述第二油耗信息，若是，则所述优化参数值优于所述初始参数值。
4.根据权利要求2所述的方法，其特征在于，所述转矩信息包括发动机转矩以及电动机转矩；
所述目标车辆上设置的控制器模块基于所述优化参数值以及当前的行驶信息，得到所述目标车辆的转矩信息，包括：
将所述优化参数值输入至所述控制器模块；
获取所述目标车辆的行驶信息，其中，所述行驶信息包括车速、荷电状态、以及需求转矩；
将所述行驶信息输入至包括所述优化参数值的所述控制器模块，得到所述目标车辆对应的发动机转矩以及电动机转矩。
5.根据权利要求1所述的方法，其特征在于，所述预设参数值包括预设车速参数值、预设荷电状态SOC参数值、预设需求转矩参数值、以及预设电动机转矩参数值；
利用预设的算法，基于所述速度信息以及预先获取的所述预设道路段的坡度信息，对所述待测车辆对应的隶属度函数的预设参数值进行迭代优化，得到优化参数值，包括：
利用预设的算法，基于所述速度信息以及预先获取的所述预设道路段的坡度信息，对所述预设车速参数值、所述预设SOC参数值、所述预设需求转矩参数值、以及所述预设电动机转矩参数值进行迭代优化，得到车速优化参数值、SOC优化参数值、需求转矩优化参数值、以及电动机转矩优化参数值。
6.一种分配混合动力车辆转矩的装置，其特征在于，所述装置包括：
获取模块，用于每间隔预设时间段，获取待测车辆在预设道路段行驶的速度信息；
参数值优化模块，用于利用预设的算法，基于所述速度信息以及预先获取的所述预设道路段的坡度信息，对所述待测车辆对应的隶属度函数的预设参数值进行迭代优化，得到优化参数值；
转矩信息确定模块，用于当在所述预设道路段的起始位置监测到目标车辆时，向所述目标车辆发送所述优化参数值，使得所述目标车辆上设置的控制器模块基于所述优化参数值以及当前的行驶信息，得到所述目标车辆的转矩信息，所述转矩信息包括电动机转矩以及发动机转矩，其中，所述目标车辆与所述待测车辆的车辆类型相同，且所述目标车辆与所述待测车辆均为混合动力车辆；
调节模块，用于根据所述转矩信息，为所述目标车辆分配相应的转矩。
7.根据权利要求6所述的装置，其特征在于，在所述预设道路段的起始位置监测到目标车辆之后，在向所述目标车辆发送所述优化参数值之前，所述装置还包括：
接收模块，用于接收所述目标车辆发送的所述目标车辆对应的隶属度函数的初始参数值；
判断模块，用于判断所述优化参数值是否优于所述初始参数值；
发送模块，用于若所述优化参数值优于所述初始参数值，则向所述目标车辆发送所述优化参数值；若否，则不向所述目标车辆发送所述优化参数值。
8.一种智能网联车辆系统，其特征在于，所述系统包括：监控平台、定位平台、以及车辆平台；所述监控平台分别与所述定位平台以及所述车辆平台相连；所述车辆平台包括多辆公交车，其中，每辆公交车的型号相同以及行驶路线相同，且所述公交车为混合动力公交车；
所述定位平台，用于获取所述公交车的行驶路线上的预设道路段的坡度信息，并将所述坡度信息发送给所述监控平台；
所述监控平台，用于每间隔预设时间段获取多辆公交车中待测车辆的速度信息，利用预设的算法，基于所述速度信息以及接收到的所述预设道路段的坡度信息，对所述待测车辆对应的隶属度函数的预设参数值进行迭代优化，得到优化参数值；
当在所述预设道路段的起始位置监测到所述多辆公交车中的任一公交车时，向所述公交车发送所述优化参数值，使得所述公交车上设置的控制器模块基于所述优化参数值以及当前的行驶信息，得到所述公交车的转矩信息，其中，转矩信息包括发动机转矩以及电动机转矩；根据所述转矩信息，为所述公交车分配相应的转矩。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至5任一所述的分配混合动力车辆转矩的方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至5任一所述的分配混合动力车辆转矩的方法的步骤。
CN201910833846.6A 2019-09-04 2019-09-04 分配混合动力车辆转矩的方法及装置、智能网联车辆系统 Active CN110481538B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910833846.6A CN110481538B (zh) 2019-09-04 2019-09-04 分配混合动力车辆转矩的方法及装置、智能网联车辆系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910833846.6A CN110481538B (zh) 2019-09-04 2019-09-04 分配混合动力车辆转矩的方法及装置、智能网联车辆系统

Publications (2)

Publication Number Publication Date
CN110481538A true CN110481538A (zh) 2019-11-22
CN110481538B CN110481538B (zh) 2021-04-09

Family

ID=68556519

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910833846.6A Active CN110481538B (zh) 2019-09-04 2019-09-04 分配混合动力车辆转矩的方法及装置、智能网联车辆系统

Country Status (1)

Country Link
CN (1) CN110481538B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111038517A (zh) * 2019-11-28 2020-04-21 苏州智加科技有限公司 车辆行驶速度确定方法和装置
CN112455423A (zh) * 2020-11-27 2021-03-09 重庆青山工业有限责任公司 双电机混合动力汽车的纯电起步控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110130906A1 (en) * 2009-12-01 2011-06-02 Ise Corporation Location Based Vehicle Data Logging and Diagnostic System and Method
CN103434509A (zh) * 2013-07-10 2013-12-11 大连理工大学 一种混合动力公交车的控制系统及其动力控制方法
CN103606271A (zh) * 2013-11-27 2014-02-26 大连理工大学 一种混合动力城市公交车控制方法
CN104554251A (zh) * 2014-12-09 2015-04-29 河南理工大学 基于道路坡度信息的混合动力汽车节能预测控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110130906A1 (en) * 2009-12-01 2011-06-02 Ise Corporation Location Based Vehicle Data Logging and Diagnostic System and Method
CN103434509A (zh) * 2013-07-10 2013-12-11 大连理工大学 一种混合动力公交车的控制系统及其动力控制方法
CN103606271A (zh) * 2013-11-27 2014-02-26 大连理工大学 一种混合动力城市公交车控制方法
CN104554251A (zh) * 2014-12-09 2015-04-29 河南理工大学 基于道路坡度信息的混合动力汽车节能预测控制方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111038517A (zh) * 2019-11-28 2020-04-21 苏州智加科技有限公司 车辆行驶速度确定方法和装置
CN112455423A (zh) * 2020-11-27 2021-03-09 重庆青山工业有限责任公司 双电机混合动力汽车的纯电起步控制方法

Also Published As

Publication number Publication date
CN110481538B (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
Xie et al. Predictive vehicle-following power management for plug-in hybrid electric vehicles
Yang et al. A parallel intelligence-driven resource scheduling scheme for digital twins-based intelligent vehicular systems
Chen et al. Energy management of a power-split plug-in hybrid electric vehicle based on genetic algorithm and quadratic programming
Lee et al. Energy efficient speed planning of electric vehicles for car-following scenario using model-based reinforcement learning
CN111898211A (zh) 基于深度强化学习的智能车速度决策方法及其仿真方法
CN114103971B (zh) 一种燃料电池汽车节能驾驶优化方法及装置
CN112339756B (zh) 一种基于强化学习的新能源汽车红绿灯路口能量回收优化速度规划算法
CN110481538A (zh) 分配混合动力车辆转矩的方法及装置、智能网联车辆系统
CN111653106A (zh) 一种基于深度q学习的交通信号控制方法
CN112989715B (zh) 一种燃料电池汽车多信号灯车速规划方法
CN107067136A (zh) 电动汽车充电分配方法及装置
CN112498334B (zh) 智能网联混合动力汽车的鲁棒能量管理方法及系统
CN106476645A (zh) 一种汽车充电桩管理方法和装置
WO2021239402A1 (de) Computerimplementiertes verfahren zum optimieren eines ladungszustandsverlaufs eines hybrid-elektro-fahrzeuges und steuergerät, computerprogramm, computerlesbarer datenträger und datenträgersignal zum regeln/und oder steuern eines hybrid-elektro-fahrzeuges
CN106696952B (zh) 一种智能网联混合动力汽车能量控制方法
Wang et al. Multi-objective mobile charging scheduling on the internet of electric vehicles: a DRL approach
Du et al. AI-based energy-efficient path planning of multiple logistics UAVs in intelligent transportation systems
Huang et al. Energy saving performance improvement of intelligent connected PHEVs via NN-based lane change decision
Ye et al. An imitation learning-based energy management strategy for electric vehicles considering battery aging
You et al. Real-time energy management strategy based on predictive cruise control for hybrid electric vehicles
CN115891824A (zh) 机动车辆的操作方法
Zeng et al. Joint mobility and vehicle-to-grid coordination in rebalancing shared mobility-on-demand systems
CN108833486A (zh) 面向复杂车载雾计算系统环境的混合动态任务调度方法
Guo et al. A novel velocity forecast method for improving predictive energy management of plug-in hybrid electric vehicles
CN117708999B (zh) 一种面向场景的混动汽车能量管理策略评价方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant