CN111176121A - 一种基于云平台的整车控制器优化系统及方法 - Google Patents
一种基于云平台的整车控制器优化系统及方法 Download PDFInfo
- Publication number
- CN111176121A CN111176121A CN202010081566.7A CN202010081566A CN111176121A CN 111176121 A CN111176121 A CN 111176121A CN 202010081566 A CN202010081566 A CN 202010081566A CN 111176121 A CN111176121 A CN 111176121A
- Authority
- CN
- China
- Prior art keywords
- cloud platform
- control unit
- vehicle control
- vehicle
- road condition
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 12
- 230000005540 biological transmission Effects 0.000 claims abstract description 25
- 230000004927 fusion Effects 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims description 29
- 238000003860 storage Methods 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 7
- 230000007774 longterm Effects 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 3
- 238000013467 fragmentation Methods 0.000 claims 1
- 238000006062 fragmentation reaction Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000012545 processing Methods 0.000 abstract description 10
- 238000011217 control strategy Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 15
- 238000011161 development Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012896 Statistical algorithm Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Aviation & Aerospace Engineering (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开公开了一种基于云平台的整车控制器优化系统及方法，包括整车控制器将接收的路况实时信息和车辆状态信息打包为数据报文通过无线智能终端发送至云平台；所述云平台接收到无线智能终端传输的数据报文后进行信息解析，利用路况实时信息和车辆状态信息进行信息融合，完成路况预测，基于路况预测结果，对车辆能量管理进行优化控制并得到最优控制策略，生成控制指令；所述云平台还将控制指令通过无线智能终端发送至整车控制器，由整车控制器控制执行该控制指令；依靠强大的云平台技术，不仅提高整车控制系统数据传输和处理能力，还可以保障系统的稳定性、安全性以及实时性。
Description
技术领域
本公开涉及新能源电动汽车技术领域，特别是涉及一种基于云平台的整车控制器优化系统及方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
整车控制器(VCU)作为新能源汽车的控制核心，其性能将会影响新能源汽车的经济性、安全性等方面。与传统内燃机汽车的竞争中，一款高性能的整车控制器对新能源汽车来说尤为重要。衡量整车控制器的性能在于其数据的传输和处理效率以及系统稳定性。对目前几乎所有的新能源汽车来说，其在行驶过程中所采集的路况信息、未来路况的预测、能量管理策略优化及整车性能监控等都在整车控制器上进行信息存储与处理，这将会给控制器造成功耗增加、数据处理效率低等问题，进而影响整体性能。
随着通信技术、信息技术的发展，阻碍新能源汽车发展的技术难题将被逐个击破。公开号为CN106569483A的中国专利提出一款智能互联控制器，目的是在传统整车控制器的基础上，通过4G通信模块实现无线联网功能，能通过近场通讯和远程服务实现故障诊断、状态采集、参数表定和程序升级功能以及后台统一管理等功能。此发明专利只是依托云服务器进行信息远程无线传输，虽然在一定程度上提高了信息传输速率，改善整车控制器的控制性能，但是并没有从根本上解决整车控制器功耗以及运算速率的问题。
随着5G通信技术的逐渐成熟，搭载5G模块的无线智能终端数据传输速率将会大大提高，能够保证整车控制器与云端进行数据传输时数据通讯的大容量、实时性与可靠性，进而能有效地解决与云平台通讯的延时问题。同时，从云平台技术在当今社会的快速发展以及广泛应用可以看出其管理方式比物理服务器更简单高效，数据处理熟率、系统稳定性及安全性更为出色。
发明人发现现有技术中至少存在以下问题：目前业界的新能源汽车运营云平台基本上以单核心集中部署为主，但是随着信息技术迅速发展以及车辆数量的急剧增加，实时系统产生的数据急剧增长，单机实时数据库很难达到对海量数据进行分析和处理的标准；且在对海量数据进行分析和处理时，整车控制器与云端通讯的实时性问题，以及整车控制器功耗以及运算速率的问题等，现有技术均未能解决。
发明内容
为了解决上述问题，本公开提出了一种基于云平台的整车控制器优化系统及方法，通过云平台对车辆动力系统实现在线实时优化控制，提高整车控制系统数据传输和处理能力，基于云平台技术保障系统的稳定性、安全性以及实时性。
为了实现上述目的，本公开采用如下技术方案：
第一方面，本公开提供一种基于云平台的整车控制器优化系统，包括：整车控制器、无线智能终端和云平台；
所述整车控制器将接收的路况实时信息和车辆状态信息打包为数据报文通过无线智能终端发送至云平台；
所述云平台接收到无线智能终端传输的数据报文后进行信息解析，将解析出的路况实时信息和车辆状态信息进行信息融合，得到路况测试数据集；基于路况预测模型，以路况测试数据集作为输入完成路况预测；基于路况预测结果，生成实现车辆能量管理控制的最优控制指令；
所述云平台还将最优控制指令通过无线智能终端发送至整车控制器，由整车控制器控制执行该最优控制指令。
作为可能的一些实现方式，所述云平台内存储预先构建不同运行状态和不同行驶路况下的路况预测模型及能量管理策略模型；云平台接收路况实时信息和车辆状态信息以预先构建的路况模型为基础完成路况预测。
为保证云平台做出最优控制指令，预先将车辆在运行过程可能遇到的典型工况下、不同状态下等的能量管理策略模型上传至云平台，避免直接建立在整车控制器的微处理器上，提高整车控制器数据传输和处理能力，降低整车控制器微处理器的功耗。
作为可能的一些实现方式，所述云平台采用数据分片存储规则，横向动态增加节点，将无线智能终端上传至云平台的数据信息进行存储，通过标准存储接口和阵列方式实现弹性扩容。
作为可能的一些实现方式，所述云平台对数据报文进行信息解析、筛选后按照业务逻辑划分为长期历史数据和短期高频次调用数据，分别存储至大数据平台数据库和在线实时数据库。
借助云平台巨大的存储空间，将上传至云平台的数据信息进行存储，为后续路况预测等提供丰富的历史数据，整车控制器不再需要配置相应的存储卡，实现提高数据读写响应速度和高吞吐，提升系统实时通讯性能，提高系统灵活性和可扩展性。
作为可能的一些实现方式，所述整车控制器包括电源电路、数字量采集电路、模拟量采集电路、PWM驱动电路、高低边驱动电路以及CAN通讯电路。
作为可能的一些实现方式，所述整车控制器与无线智能终端集成为一体，整车控制器通过PCIe/USB接口向搭载5G模块的无线智能终端发送数据报文。
作为可能的一些实现方式，所述无线智能终端包括5G通讯模块、WIFI模块、GPS模块以及蓝牙模块；所述5G通讯模块和WIFI模块与云平台进行信息交互，用于将数据报文发送至云计算系统，还用于将控制指令发送给整车控制器。
作为可能的一些实现方式，所述无线智能终端中WIFI模块、GPS模块、蓝牙模块以及微处理器之间通过串口连接；5G模块与微处理器之间通过PCIe/USB接口等连接。
本公开将整车控制器与无线智能终端集成在一起，减少中间信息传输环节，并且微处理器与5G模块之间通过PCIe/USB接口进行信息传递，与普通串口连接相比能够进一步提高控制指令和数据的传输速率。
作为可能的一些实现方式，所述GPS模块将车辆所在的位置数据发送给云平台，对车辆进行定位以及获得车辆的行驶路径；所述蓝牙模块实现近地信息传输以及语音通话功能。
GPS模块能够保证准确的将车辆所在的位置数据发送给云平台，依据第三方软件可以更好地规划行驶路径以及对车辆进行定位。
第二方面，本公开提供一种基于云平台的整车控制器优化方法，包括：
整车控制器将接收的路况实时信息和车辆状态信息打包为数据报文通过无线智能终端发送至云平台；
云平台接收到无线智能终端传输的数据报文后进行信息解析，将解析出的路况实时信息和车辆状态信息进行信息融合，得到路况测试数据集；
基于路况预测模型，以路况测试数据集作为输入完成路况预测；
基于路况预测结果，生成实现车辆能量管理控制的最优控制指令；
将最优控制指令通过无线智能终端发送至整车控制器，由整车控制器控制执行该最优控制指令。
与现有技术相比，本公开的有益效果为：
(1)借助基于云平台的大数据分级统计算法，筛选、提取车辆关键部件及运行工况特征参数，通过云端车辆控制系统在线实时优化控制，本公开能够提高整车控制系统数据传输和处理能力，依靠强大的云平台技术，可以保障系统的稳定性、安全性以及实时性。
(2)本公开可以降低整车控制器微处理器的功耗，从而能够降低控制器对芯片性能的要求，从而降低生产成本，有利于扩大新能源汽车生产规模及新能源汽车的推广。
(3)本公开将整车控制器与无线智能终端集成在一起，减少中间信息传输环节，并且微处理器与5G模块之间通过PCIe/USB接口进行信息传递，与普通串口连接相比能够进一步提高控制指令和数据的传输速率；另外，还能节省新能源汽车本就有限的空间，提高汽车空间的利用率。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例1提供的一种整体系统功能示意图；
图2为本公开实施例1提供的一种集成无线智能终端的整车控制器结构图；
图3为本公开实施例2提供的一种基于云平台的整车控制器优化设计方法流程图。
具体实施方式：
下面结合附图与实施例对本公开做进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例1
目前业界的新能源汽车运营云平台基本上以单核心集中部署为主，但是随着信息技术迅速发展以及车辆数量的急剧增加，实时系统产生的数据急剧增长，单机实时数据库很难达到对海量数据进行分析和处理的标准。而采用多层数据传输结构、分布式存储和分级统计运算技术可以显著提高云服务器的系统容量和响应速度，进一步提升系统性能。
本实施例提供一种基于云平台的整车控制器优化设计系统，其整体系统功能实现如图1所示，车辆在行驶过程中通过车载雷达、高清摄像头实时采集的交通灯、周围环境等路况信息以及车辆本身状态信息等，各模块将采集的数据通过CAN总线传送给整车控制器，整车控制器将上述数据信息打包形成数据报文，并通过PCIe/USB接口向搭载5G模块的无线智能终端发送数据报文及控制指令，此时无线智能终端通过相应的通讯协议将数据报文传送给云平台；
云平台在接收到无线智能终端传递的报文信息之后进行信息解析、筛选，将终端实时数据按照业务逻辑划分为长期历史数据和短期高频次调用数据，分别提交至大数据平台数据库和在线实时数据库；
其中，长期历史数据包含采集的当前车速、加速度、油门踏板开度、车辆行驶路线等数据；短期高频次数据包含电动机转矩及转速、发动机转矩、SOC、瞬时油/电耗以及油门踏板、制动踏板开度等数据。
云平台利用云端车辆状态历史数据与实时数据训练云端的驾驶模型，利用深度强化学习、BP神经网络等智能算法完成路况预测等任务；再依托云平台强大的运算能力完成整车的能量管理策略优化，并依照最优的控制策略生成控制指令；具体为，利用采集的车辆状态数据通过BP神经网络预测未来短时工况，再利用动态规划/深度强化学习/模型预测控制等算法获取车辆最优转矩分配策略。
云服务器将处理结果打包成数据报文通过相应的通讯协议发送给搭载5G模块的无线智能终端；
整车控制器接收到无线智能终端传送的信息之后进行数据报文解析、筛选，并通过CAN总线将执行指令发送电池管理系统以及电机控制器等模块，从而提高新能源汽车整车性能。
借助云平台巨大的存储空间，云服务器将无线智能终端上传至云平台的数据信息进行存储，存储的数据信息可以为后续研究提供丰富的历史数据，确保数据可用性、存储成本经济性、存储安全性。由于云平台提供安全、可靠的云存储空间，整车控制器不再需要配置相应的存储卡，研究人员也可以方便获取新能源汽车状态信息以及历史路况信息；另外通过叠加存储服务器可满足存储数据量的增长需求。
云平台利用云端车辆状态历史数据与实时数据完能量管理策略的在线优化和实时控制，对数据分析计算能力和实时通讯性有较高的要求。为此，一方面利用云平台的大数据分布式存储技术，通过数据分片存储，横向动态增加节点，构建大数据管理平台，提高数据读写响应速度和高吞吐，进而提升系统实时通讯性能。另一方面通过标准存储接口和弹性扩容，提高系统灵活性和可扩展性。
所述能量管理策略优化不仅依赖云服务器强大的运算能力，同时需要提前将所搭建的典型工况下、不同状态下等的能量管理策略模型上传至云平台。以此为基础，在云平台接收无线智能终端发送的路况信息(当前车与周围车辆、交通设施之间的距离等)、实车状态信息(当前车速、加速度、SOC等)等数据之后，才可以做出最优的控制指令。而目前传统车辆是通过MATLAB、Cruise等仿真软件建立整车能量管理仿真模型并生成c代码烧写在整车控制器中的微处理器上。
所述集成无线智能终端的整车控制器如图2所示，包括电源电路、数字量采集电路、模拟量采集电路、PWM驱动电路、高低边驱动电路以及CAN通讯电路。各部分作用此处不再赘述。
所述整车控制器与无线智能终端是集成的，不再通过CAN总线进行通讯。二者集成在一起既可以减小整体体积也可以省略CAN总线传输信息环节，提高传输效率。
所述无线智能终端包括5G通讯模块、WIFI模块、GPS模块以及蓝牙模块。其中，随着通信技术的发展，5G通信的传输速率能够更好地保证信息的实时性，5G通讯模块、WIFI模块可以用来与云平台进行信息交互，云接入点采用弹性IP机制，可以按带宽需求进行扩容，解决带宽扩展和性能负荷均衡问题；另外数据分发服务器以阵列方式实现动态扩容需求，确保响应速度。
5G通讯模块可以用于对所述运行状态参数进行调制并发送至所述云计算系统，同样的，5G通讯模块还可以用于对所述更新后的状态参数进行解调并发送给所述整车控制器。
GPS模块能够保证准确的将汽车所在的位置数据发送给云平台，依据第三方软件可以更好地规划行驶路径以及通过手机对汽车进行定位；蓝牙模块可以实现近地信息传输、高质量语音通话等功能。
无线智能终端中微处理器与5G模块通过PCIe/USB接口连接，与WIFI模块、GPS模块、蓝牙模块通过串口实现无线智能终端内部控制指令和数据传输。5G模块与微处理器之间采用PCIe/USB接口进行通讯，与普通串口通讯相比，PCIe/USB接口接口具有传输速率高、使用方便等特点，可以大大提高各模块之间信息传输速率，进一步改善信息传输速率对系统性能的影响。搭载5G模块的无线智能终端数据传输速率将会大大提高，能够保证整车控制器与云端进行数据传输时数据通讯的大容量、实时性与可靠性。
实施例2
如图3所示，本实施例提供一种基于云平台的整车控制器优化方法，包括：
整车控制器将接收的路况实时信息和车辆状态信息打包为数据报文通过无线智能终端发送至云平台；
云平台接收到无线智能终端传输的数据报文后进行信息解析，将解析出的路况实时信息和车辆状态信息进行信息融合，得到路况测试数据集；
基于路况预测模型，以路况测试数据集作为输入完成路况预测；
基于路况预测结果，生成实现车辆能量管理控制的最优控制指令；
将最优控制指令通过无线智能终端发送至整车控制器，由整车控制器控制执行该最优控制指令。
本实施例所述的方法借助基于云平台的大数据分级统计算法，筛选、提取车辆关键部件及运行工况特征参数，通过云端车辆控制系统在线实时优化控制，能够提高整车控制系统数据传输和处理能力，保障系统的稳定性、安全性以及实时性，同时降低整车控制器微处理器的功耗，从而降低控制器对芯片性能的要求，降低生产成本。
以上仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种基于云平台的整车控制器优化系统，其特征在于，包括：整车控制器、无线智能终端和云平台；
所述整车控制器将接收的路况实时信息和车辆状态信息打包为数据报文通过无线智能终端发送至云平台；
所述云平台接收到无线智能终端传输的数据报文后进行信息解析，将解析出的路况实时信息和车辆状态信息进行信息融合，得到路况测试数据集；基于路况预测模型，以路况测试数据集作为输入完成路况预测；基于路况预测结果，生成实现车辆能量管理控制的最优控制指令；
所述云平台还将最优控制指令通过无线智能终端发送至整车控制器，由整车控制器控制执行该最优控制指令。
2.如权利要求1所述的一种基于云平台的整车控制器优化系统，其特征在于，所述云平台内存储预先构建不同运行状态和不同行驶路况下的路况预测模型及能量管理策略模型；云平台接收路况实时信息和车辆状态信息以预先构建的路况模型为基础完成路况预测。
3.如权利要求1所述的一种基于云平台的整车控制器优化系统，其特征在于，所述云平台采用数据分片存储规则，横向动态增加节点，将无线智能终端上传至云平台的数据信息进行存储，通过标准存储接口和阵列方式实现弹性扩容。
4.如权利要求1所述的一种基于云平台的整车控制器优化系统，其特征在于，所述云平台对数据报文进行信息解析、筛选后按照业务逻辑划分为长期历史数据和短期高频次调用数据，分别存储至大数据平台数据库和在线实时数据库。
5.如权利要求1所述的一种基于云平台的整车控制器优化系统，其特征在于，所述整车控制器包括电源电路、数字量采集电路、模拟量采集电路、PWM驱动电路、高低边驱动电路以及CAN通讯电路。
6.如权利要求1所述的一种基于云平台的整车控制器优化系统，其特征在于，所述整车控制器与无线智能终端集成为一体，整车控制器通过PCIe/USB接口向搭载5G模块的无线智能终端发送数据报文。
7.如权利要求1所述的一种基于云平台的整车控制器优化系统，其特征在于，所述无线智能终端包括5G通讯模块、WIFI模块、GPS模块以及蓝牙模块；所述5G通讯模块和WIFI模块与云平台进行信息交互，用于将数据报文发送至云计算系统，还用于将控制指令发送给整车控制器。
8.如权利要求7所述的一种基于云平台的整车控制器优化系统，其特征在于，所述无线智能终端中WIFI模块、GPS模块、蓝牙模块以及微处理器之间通过串口连接；5G模块与微处理器之间通过PCIe/USB接口连接。
9.如权利要求7所述的一种基于云平台的整车控制器优化系统，其特征在于，所述GPS模块将车辆所在的位置数据发送给云平台，对车辆进行定位以及获得车辆的行驶路径；所述蓝牙模块实现近地信息传输以及语音通话功能。
10.一种基于云平台的整车控制器优化方法，其特征在于，包括：
整车控制器将接收的路况实时信息和车辆状态信息打包为数据报文通过无线智能终端发送至云平台；
云平台接收到无线智能终端传输的数据报文后进行信息解析，将解析出的路况实时信息和车辆状态信息进行信息融合，得到路况测试数据集；
基于路况预测模型，以路况测试数据集作为输入完成路况预测；
基于路况预测结果，生成实现车辆能量管理控制的最优控制指令；
将最优控制指令通过无线智能终端发送至整车控制器，由整车控制器控制执行该最优控制指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010081566.7A CN111176121A (zh) | 2020-02-06 | 2020-02-06 | 一种基于云平台的整车控制器优化系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010081566.7A CN111176121A (zh) | 2020-02-06 | 2020-02-06 | 一种基于云平台的整车控制器优化系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111176121A true CN111176121A (zh) | 2020-05-19 |
Family
ID=70649688
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010081566.7A Pending CN111176121A (zh) | 2020-02-06 | 2020-02-06 | 一种基于云平台的整车控制器优化系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111176121A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111678709A (zh) * | 2020-06-16 | 2020-09-18 | 山东大学 | 基于云平台的电动汽车分布式网络化测试系统及方法 |
| CN115871691A (zh) * | 2023-01-19 | 2023-03-31 | 禾多科技（北京）有限公司 | 车辆行驶控制方法、装置、电子设备和计算机可读介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007136010A (ja) * | 2005-11-21 | 2007-06-07 | Kansai Business Information Inc | ネットセントリックの応用システム及びその方法、並びにその構成エンジンとその構成装置 |
| CN103338261A (zh) * | 2013-07-04 | 2013-10-02 | 北京泰乐德信息技术有限公司 | 一种轨道交通监测数据的存储和处理方法及系统 |
| CN104580395A (zh) * | 2014-12-22 | 2015-04-29 | 西安电子科技大学 | 一种基于现存云存储平台的多云协同存储中间件系统 |
| CN106648471A (zh) * | 2016-12-29 | 2017-05-10 | 深圳市中博科创信息技术有限公司 | 云平台数据存储方法及装置 |
| CN107347099A (zh) * | 2017-07-25 | 2017-11-14 | 广州南广文化传播有限公司 | 一种基于移动互联网的融媒体视音频云平台 |
| CN107689161A (zh) * | 2017-09-13 | 2018-02-13 | 南京航空航天大学 | 人‑车‑交通路况互联的智能汽车实际行驶工况构建系统 |
| CN107818377A (zh) * | 2016-09-12 | 2018-03-20 | 法乐第(北京)网络科技有限公司 | 基于云计算平台的车辆全局优化控制方法、系统、车辆和云计算平台 |
| CN108319150A (zh) * | 2018-04-25 | 2018-07-24 | 山东交通学院 | 沼气系统全运行状态信息感知与最优控制系统及方法 |
| CN207943007U (zh) * | 2018-03-07 | 2018-10-09 | 中国石油大学(华东) | 一种基于线控底盘的新型智能网联电动汽车 |
| CN109738802A (zh) * | 2018-12-06 | 2019-05-10 | 中车工业研究院有限公司 | 一种车载储能系统的联合监管系统及方法 |
-
2020
- 2020-02-06 CN CN202010081566.7A patent/CN111176121A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007136010A (ja) * | 2005-11-21 | 2007-06-07 | Kansai Business Information Inc | ネットセントリックの応用システム及びその方法、並びにその構成エンジンとその構成装置 |
| CN103338261A (zh) * | 2013-07-04 | 2013-10-02 | 北京泰乐德信息技术有限公司 | 一种轨道交通监测数据的存储和处理方法及系统 |
| CN104580395A (zh) * | 2014-12-22 | 2015-04-29 | 西安电子科技大学 | 一种基于现存云存储平台的多云协同存储中间件系统 |
| CN107818377A (zh) * | 2016-09-12 | 2018-03-20 | 法乐第(北京)网络科技有限公司 | 基于云计算平台的车辆全局优化控制方法、系统、车辆和云计算平台 |
| CN106648471A (zh) * | 2016-12-29 | 2017-05-10 | 深圳市中博科创信息技术有限公司 | 云平台数据存储方法及装置 |
| CN107347099A (zh) * | 2017-07-25 | 2017-11-14 | 广州南广文化传播有限公司 | 一种基于移动互联网的融媒体视音频云平台 |
| CN107689161A (zh) * | 2017-09-13 | 2018-02-13 | 南京航空航天大学 | 人‑车‑交通路况互联的智能汽车实际行驶工况构建系统 |
| CN207943007U (zh) * | 2018-03-07 | 2018-10-09 | 中国石油大学(华东) | 一种基于线控底盘的新型智能网联电动汽车 |
| CN108319150A (zh) * | 2018-04-25 | 2018-07-24 | 山东交通学院 | 沼气系统全运行状态信息感知与最优控制系统及方法 |
| CN109738802A (zh) * | 2018-12-06 | 2019-05-10 | 中车工业研究院有限公司 | 一种车载储能系统的联合监管系统及方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111678709A (zh) * | 2020-06-16 | 2020-09-18 | 山东大学 | 基于云平台的电动汽车分布式网络化测试系统及方法 |
| WO2021254340A1 (zh) * | 2020-06-16 | 2021-12-23 | 山东大学 | 基于云平台的电动汽车分布式网络化测试系统及方法 |
| CN115871691A (zh) * | 2023-01-19 | 2023-03-31 | 禾多科技（北京）有限公司 | 车辆行驶控制方法、装置、电子设备和计算机可读介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101417636B (zh) | 基于三路can总线的纯电动客车通信系统和方法 | |
| CN103434509A (zh) | 一种混合动力公交车的控制系统及其动力控制方法 | |
| CN110775065A (zh) | 一种基于工况识别的混合动力汽车电池寿命预测方法 | |
| CN112995309A (zh) | 一种网联式云控智能线控底盘控制系统及其控制方法 | |
| CN110928658A (zh) | 一种车边云协同架构的协同任务迁移系统及算法 | |
| CN105094095B (zh) | 一种电动汽车远程监控方法 | |
| CN102717797A (zh) | 一种混合动力车辆能量管理方法及能量管理系统 | |
| CN102729991A (zh) | 一种混合动力公交车能量分配方法 | |
| CN111176121A (zh) | 一种基于云平台的整车控制器优化系统及方法 | |
| CN110544010A (zh) | 影响轨道交通系统全局效能涌现的关键要素的辨识方法 | |
| CN103072572A (zh) | 可充电式混合动力汽车远程优化系统 | |
| CN201203800Y (zh) | 基于can总线的电动轨道车分布式驱动和集中监控系统 | |
| Chekired et al. | Hierarchical wireless vehicular fog architecture: A case study of scheduling electric vehicle energy demands | |
| CN116153058A (zh) | 一种基于三层四级架构的智能网联汽车云控系统 | |
| CN113163363B (zh) | 一种面向自动驾驶的车联多智能体无线动态组网及其操作方法 | |
| CN107995241A (zh) | 车辆信息采集终端、车辆远程监控系统及数据传输方法 | |
| CN106696952A (zh) | 一种智能网联混合动力汽车能量控制方法 | |
| CN113264060A (zh) | 一种基于云端训练模型的自动驾驶节能系统及方法 | |
| Yuan et al. | FedTSE: Low-cost federated learning for privacy-preserved traffic state estimation in IoV | |
| CN109484235A (zh) | 一种电动汽车无线充电通信系统及方法 | |
| CN113645290B (zh) | 一种基于AP和Station双模式的换电站和车WIFI通讯设备 | |
| Song et al. | State-of-the-art and development trends of energy management strategies for intelligent and connected new energy vehicles: a review | |
| CN206237448U (zh) | 车辆信息采集终端和车辆远程监控系统 | |
| CN111055786A (zh) | 一种电动汽车智能车载终端及电动汽车 | |
| CN113879182A (zh) | 车辆能量管理控制方法、系统、设备及介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200519 |
|
| RJ01 | Rejection of invention patent application after publication |