CN112918458B - 一种全工况下的智能线控底盘能耗预测优化方法 - Google Patents

Abstract

本发明公开了一种全工况下的智能线控底盘能耗预测优化方法，包括：采集传感器单元、道路工况单元、交通流单元的数据；对驾驶状态相关参数进行聚类分析，输出驾驶模式；对行驶工况相关参数进行聚类分析，输出行驶工况；计算出当前时间段内线控底盘的能耗大小，并根据驾驶模式和行驶工况，预测下一时间段内线控底盘的能耗需求，输出控制信号，实现线控底盘能耗优化。本发明的方法能够根据聚类分析结果获取当前行驶工况，预测下一段工况的能耗情况，采用线控底盘主动干预的方式，调节线控子系统工作状态，避免不必要的能量浪费，改善车辆经济性，提高了全工况下线控底盘的综合性能。

Description

一种全工况下的智能线控底盘能耗预测优化方法

技术领域

本发明属于汽车底盘系统技术领域，尤其涉及一种全工况下的智能线控底盘能耗预测优化方法。

背景技术

线控底盘系统是汽车底盘发展的热点方向，主要包括线控制动子系统、线控转向子系统和线控驱动子系统，各子系统分别取消了传统底盘的机械连接，可以分别进行控制。尤其是对商用车而言，其质量较大，所需的转向、制动力矩大，目前还不能够采用纯电动底盘，而是采用液压或气压执行系统。受限于液压或气压系统的固有效率限制，此类底盘损耗的能量十分巨大，因此如何降低底盘部分的能耗，是研究的热点问题。

目前，对商用车底盘能耗优化的研究，主要集中在底盘系统多目标多学科优化方面。例如：中国发明专利申请号CN201910215603.6，名称《一种电动轮汽车底盘系统的区间不确定性多目标优化方法》中公开了采用区间模型描述不确定性变量，对底盘的能耗、舒适性等多个目标进行优化；中国发明专利申请号CN201810109714.4，名称《一种电动轮汽车底盘集成系统及其多学科优化方法》中公开了采用多学科优化方法和萤火虫优化算法对转向能耗、驱动能耗等目标进行优化。中国发明专利申请号201611192305.2，名称《一种汽车底盘集成系统及其优化方法》中公开了采用Evol算法对底盘集成系统进行优化，使底盘获得良好的转向性能、制动效能和悬架性能。

但是，现有的底盘系统都是完全根据离线状态优化设计，一旦设计完成，就只能满足固定工况下能耗最优，底盘系统各执行机构无法实现随工况变化的主动节能操作。然而车辆行驶工况复杂多变，实现全工况下的能量优化，将可以极大地提高经济效益。随着汽车智能化与大数据结合的发展趋势，通过基于聚类分析车辆行驶工况特征，并采用线控底盘主动干预的方式，调节线控子系统工作状态，避免不必要的能量浪费，改善车辆经济性，具有极大的潜能。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种全工况下的智能线控底盘能耗预测优化方法，通过聚类分析得到车辆行驶工况特征，采用线控底盘主动干预方式，调节线控转向、线控制动、主动悬架等多个执行器的工作状态，以提高车辆的节能性能。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种全工况下的智能线控底盘能耗预测优化方法，包括以下步骤：

步骤1：采集传感器单元、道路工况单元、交通流单元的数据；

步骤2：根据采集到的数据，对驾驶状态相关参数进行聚类分析，输出驾驶模式；同时对行驶工况相关参数进行聚类分析，输出行驶工况；

步骤3：分别建立线控底盘系统中的主动悬架、线控转向和线控制动的能耗模型，根据采集的数据，计算出当前时间段内线控底盘的能耗大小，并根据驾驶模式和行驶工况，预测下一时间段内线控底盘的能耗需求，输出线控制动控制单元控制信号、线控转向控制单元控制信号和主动悬架控制单元控制信号；

步骤4：线控制动控制单元信号分别控制液压制动单元、踏板模拟单元和再生制动单元工作；线控转向控制单元信号分别控制液压转向单元、电动转向单元和转向路感模拟单元工作，主动悬架控制单元信号控制主动悬架单元工作，实现线控底盘能耗优化。

优选地，所述步骤1中的传感器单元包括：车速传感器、横摆角速度传感器、方向盘转角传感器、方向盘转矩传感器、制动踏板角度传感器、制动踏板压力传感器；分别用于获取车辆的车速、横摆角速度数据，及驾驶员输入的方向盘转角、转矩和制动踏板角度、压力数据。

优选地，所述步骤1中的道路工况单元包括：导航装置、地图、道路工况数据库、路面状态数据库；导航装置用于获取当前车辆位置，并根据驾驶员在地图上设定的起始点和终点，实时规划行车路径；道路工况数据库是离线存储的数据库，用于获取地图上对应道路的工况数据，包括但不限于道路坡度、U型弯道、T型弯道、直角弯道的曲率数据；路面状态数据库是在线存储的数据库，用于获取地图上对应道路的路面状态数据，包括但不限于路面材料种类、路面附着系数、路面摩擦系数、路面不平度系数、路面功率谱密度数据。

优选地，所述步骤1中的交通流单元用于实时获取当前导航路线上的车流量、车辆平均通过速度、车辆平均加速度、车辆平均怠速时间的数据并进行存储。

优选地，所述步骤2中对驾驶状态相关参数和行驶工况相关参数进行聚类分析的方法具体包括以下步骤：

21)设置n个样本对象(样本对象可以为驾驶员或车辆)，用x₁，x₂，…，x_n表示；在车辆行驶过程中进行多时段数据采集，每个样本对象包含m个数据指标x_i1，x_i2，…，x_im，i＝1，2，…，n，通过构造论域U和数据矩阵X实现样本对象参数化：

U＝{x₁，x₂，…，x_n}

式中，x_im表示第i个样本对象的m种数据；

22)对参数化后的样本对象进行标准平移化和平移极差化处理：

式中，

表示在n个样本对象中第k种数据的平均值，s_k表示在n个样本对象中第k种数据的均方差，x′_ik表示第i个样本对象中第k种数据的无量纲值，x′_ik表示第i个样本对象中第k种数据的计算值；

23)计算样本对象间的相似程度，第i个与第j个样本对象的相似程度r_ij：

依次计算出所有样本对象之间的相似程度，构成相似矩阵R，并简化为三角矩阵R^*：

24)根据三角矩阵R^*，采用直接聚类法求聚类谱系图；

25)预先设置初始的阈值λ，通过试验设计找到节能效果最佳的λ，确定线控底盘系统节能效果最佳的行驶工况分类方式；

26)将采集的数据添加到上述论域U中进行处理，实现对驾驶员和车辆工况的实时分类。

优选地，所述步骤25)中试验设计取多个不同的阈值λ表示同类的相似程度，λ∈[0，1]，λ值越大表示相似程度越大：

取λ₁＝1，对每个样本对象x_i作相似类，即满足r_ij＝1的x_i和x_j构成相似类，此时合并r_ij＝1的样本对象为一类，得到λ₁＝1水平上的等价分类；

取λ₂为次大值，从R直接取出相似度大于或等于λ₂的元素对(x_i，x_j)，将对应于λ₁＝1的等价分类中x_i所在的类与x_j所在的类合并，将所有的这些类合并后，即得到对于λ₂的等价分类；

取λ₃为次大值，从R直接取出相似度为λ₃的元素对(x_i，x_j)，将对应于λ₂的等价分类中x_i所在的类与x_j所在的类合并，将所有的这些类合并后，即得到对于λ₃的等价分类；

依次类推到直到λ_n＝0，此时U合并为一类。

优选地，所述步骤2中根据驾驶状态相关参数聚类分析结果由大到小排序，所述驾驶模式包括：保守型(0％-20％区间)、稳健型(20％-80％区间)和激进型(80％-100％区间)；根据行驶工况相关参数聚类分析结果由大到小排序，行驶工况包括：简单工况(0％-35％区间)、常规工况(35％-85％区间)和复杂工况(85％-100％区间)。

优选地，所述步骤3中时间段取1秒到10秒之间的任意区间。

优选地，所述步骤3中线控底盘系统包括：线控液压转向子系统，线控液压制动子系统和主动悬架子系统；

所述线控液压转向子系统包括：线控转向控制单元，液压转向单元，电动转向单元和转向路感模拟单元；

液压转向单元由依次连接的油泵电机、液压泵、液压控制阀组成，用于提供液压转向助力；电动转向单元由依次连接的转向电机、减速机构组成，用于提供电动转向助力；转向路感单元用于向驾驶员提供模拟的转向路感；线控转向控制单元用于向油泵电机、液压控制阀、转向电机和转向路感模拟单元发送控制信号；

液压转向单元和电动转向单元的配合关系包括但不限于：液压转向单元作用在循环球转向器上，电动转向单元作用在循环球转向器输入端或输出端；液压转向单元作用在齿轮齿条转向器上，电动转向单元作用在转向齿轮上、转向齿条上或转向齿轮输入轴上；

所述线控液压制动子系统包括：线控制动控制单元，液压制动单元，再生制动单元，踏板模拟单元；

踏板模拟单元用于向驾驶员提供模拟的制动路感；液压制动单元用于提供制动力，包括依次连接的制动电机、制动减速器、制动主缸、制动控制阀；再生制动单元用于回收制动能量，包括依次连接的电池、逆变器，电池输出端与制动电机连接；线控制动控制单元用于向制动电机、液压控制阀和踏板模拟路感单元发送控制信号；

所述主动悬架子系统包括：电磁馈能型主动悬架单元和主动悬架控制单元；

电磁馈能型主动悬架单元包括馈能电机、滚珠丝杠、联轴器；滚珠丝杠由丝杠螺杆和丝杠螺母组成，馈能电机通过联轴器与丝杠螺杆相连；主动悬架控制单元用于向馈能电机发送控制信号。

优选地，所述步骤3中线控转向能耗模型为：

中，P_st为线控转向单元功率，P_s为液压泵输出油压，q为液压泵排量，n为液压泵转速，M_c为转向电机摩擦能量损失；C_Fr为速比摩擦系数；ω为角速度，C_Fr2为速比平方摩擦系数；C为损失常数，Δp为液压控制阀阀口压差，Q_i为第i个阀口流量，C_q为流量系数；ρ为液压油密度，A1和A2为液压控制阀阀口节流面积，Q_s为输出流量，A_p为液压缸活塞的有效面积，x_r为活塞位移。

优选地，所述步骤3中线控制动能耗模型为：

式中，δ_r为线控制动能量回收率；η_c为充电效率；η_d为放电效率；E_r为整个驾驶循环回收的能量，E_d为驾驶循环输出的能量，t₀为制动初始时刻，t₁为制动终止时刻，U为电池端电压，I为母线电流。

优选地，所述步骤3中主动悬架能耗模型为：

式中，E_m为馈能电机的电动势，k_c为馈能电机的电机常数，v_m为轴向速度，l为滚珠丝杠导程，F_m为阻尼力，I_m、R_m、P_m分别为馈能电机的电流、电阻和馈能功率。

优选地，所述步骤3中预测下一时间段内线控底盘的能耗需求的方法为：

31)在当前时间段对线控转向、线控制动、主动悬架能耗模型进行积分计算，并将计算得到的数值叠加，得到当前时间段内线控底盘的能耗大小E_chasis；

32)对不同驾驶模式设置驾驶能耗预测系数ω_drive：

33)对不同行驶工况设置工况能耗预测系数ω_condition：

34)计算下一时间段内线控底盘的能耗E′_chasis

E′_chasis＝ω_drive·ω_condition·E_chasis；

35)以E′_chasis最小为目标，对下一时间段内线控底盘的能耗进行微分计算，按照当前时间段线控转向、线控制动、主动悬架能耗占线控底盘能耗的比例，输出线控制动控制单元、线控转向控制单元和主动悬架控制单元的控制信号。

本发明的有益效果：

本发明的方法能够根据聚类分析结果获取当前行驶工况，预测下一段工况的能耗情况，采用线控底盘主动干预的方式，调节线控子系统工作状态，避免不必要的能量浪费，改善车辆经济性，提高了全工况下线控底盘的综合性能。

本发明融合了线控液压转向、线控液压制动、主动悬架等多个子系统的功能，能够加快底盘执行端操纵的响应速度，控制也更加精准，可以在满足车辆的功率需求的前提下获得更低的能耗，并现随工况变化的主动节能干预。

附图说明

图1本发明智能线控底盘系统的全工况能耗预测优化方法流程图。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。

参照图1所示，本发明的一种全工况下的智能线控底盘能耗预测优化方法，包括以下步骤：

步骤1：采集传感器单元、道路工况单元、交通流单元的数据；

所述传感器单元包括：车速传感器、横摆角速度传感器、方向盘转角传感器、方向盘转矩传感器、制动踏板角度传感器、制动踏板压力传感器；分别用于获取车辆的车速、横摆角速度数据，及驾驶员输入的方向盘转角、转矩和制动踏板角度、压力数据。

所述道路工况单元包括：导航装置、地图、道路工况数据库、路面状态数据库；导航装置用于获取当前车辆位置，并根据驾驶员在地图上设定的起始点和终点，实时规划行车路径；道路工况数据库是离线存储的数据库，用于获取地图上对应道路的工况数据，包括但不限于道路坡度、U型弯道、T型弯道、直角弯道的曲率数据；路面状态数据库是在线存储的数据库，用于获取地图上对应道路的路面状态数据，包括但不限于路面材料种类、路面附着系数、路面摩擦系数、路面不平度系数、路面功率谱密度数据。

所述交通流单元用于实时获取当前导航路线上的车流量、车辆平均通过速度、车辆平均加速度、车辆平均怠速时间的数据并进行存储。

步骤2：根据采集到的数据，对驾驶状态相关参数进行聚类分析，输出驾驶模式；同时对行驶工况相关参数进行聚类分析，输出行驶工况；

所述步骤2中对驾驶状态相关参数和行驶工况相关参数进行聚类分析的方法具体包括以下步骤：

21)设置n个样本对象(样本对象可以为驾驶员或车辆)，用x₁，x₂，…，x_n表示；在车辆行驶过程中进行多时段数据采集，每个样本对象包含m个数据指标x_i1，x_i2，…，x_im，i＝1，2，…，n，通过构造论域U和数据矩阵X实现样本对象参数化：

U＝{x₁，x₂，…，x_n}

式中，x_im表示第i个样本对象的m种数据；

22)对参数化后的样本对象进行标准平移化和平移极差化处理：

式中，

表示在n个样本对象中第k种数据的平均值，s_k表示在n个样本对象中第k种数据的均方差，x′_ik表示第i个样本对象中第k种数据的无量纲值，x″_ik表示第i个样本对象中第k种数据的计算值；

23)计算样本对象间的相似程度，第i个与第j个样本对象的相似程度r_ij：

依次计算出所有样本对象之间的相似程度，构成相似矩阵R，并简化为三角矩阵R^*：

24)根据三角矩阵R^*，采用直接聚类法求聚类谱系图；

25)预先设置初始的阈值λ，通过试验设计找到节能效果最佳的λ，确定线控底盘系统节能效果最佳的行驶工况分类方式；

26)将采集的数据添加到上述论域U中进行处理，实现对驾驶员和车辆工况的实时分类。

其中，所述步骤25)中试验设计取多个不同的阈值λ表示同类的相似程度，λ∈[0，1]，λ值越大表示相似程度越大：

取λ₁＝1，对每个样本对象x_i作相似类，即满足r_ij＝1的x_i和x_j构成相似类，此时合并r_ij＝1的样本对象为一类，得到λ₁＝1水平上的等价分类；

取λ₂为次大值，从R直接取出相似度大于或等于λ₂的元素对(x_i，x_j)，将对应于λ₁＝1的等价分类中x_i所在的类与x_j所在的类合并，将所有的这些类合并后，即得到对于λ₂的等价分类；

取λ₃为次大值，从R直接取出相似度为λ₃的元素对(x_i，x_j)，将对应于λ₂的等价分类中x_i所在的类与x_j所在的类合并，将所有的这些类合并后，即得到对于λ₃的等价分类；

依次类推到直到λ_n＝0，此时U合并为一类。

根据驾驶状态相关参数聚类分析结果由大到小排序，所述驾驶模式包括：保守型(0％-20％区间)、稳健型(20％-80％区间)和激进型(80％-100％区间)；根据行驶工况相关参数聚类分析结果由大到小排序，行驶工况包括：简单工况(0％-35％区间)、常规工况(35％-85％区间)和复杂工况(85％-100％区间)。

步骤3：分别建立线控底盘系统中的主动悬架、线控转向和线控制动的能耗模型，根据采集的数据，计算出当前时间段内线控底盘的能耗大小，并根据驾驶模式和行驶工况，预测下一时间段内线控底盘的能耗需求，输出线控制动控制单元控制信号、线控转向控制单元控制信号和主动悬架控制单元控制信号；

所述时间段取1秒到10秒之间的任意区间。

所述线控底盘系统包括：线控液压转向子系统，线控液压制动子系统和主动悬架子系统；

所述线控液压转向子系统包括：线控转向控制单元，液压转向单元，电动转向单元和转向路感模拟单元；

液压转向单元由依次连接的油泵电机、液压泵、液压控制阀组成，用于提供液压转向助力；电动转向单元由依次连接的转向电机、减速机构组成，用于提供电动转向助力；转向路感单元用于向驾驶员提供模拟的转向路感；线控转向控制单元用于向油泵电机、液压控制阀、转向电机和转向路感模拟单元发送控制信号；

液压转向单元和电动转向单元的配合关系包括但不限于：液压转向单元作用在循环球转向器上，电动转向单元作用在循环球转向器输入端或输出端；液压转向单元作用在齿轮齿条转向器上，电动转向单元作用在转向齿轮上、转向齿条上或转向齿轮输入轴上；

所述线控液压制动子系统包括：线控制动控制单元，液压制动单元，再生制动单元，踏板模拟单元；

踏板模拟单元用于向驾驶员提供模拟的制动路感；液压制动单元用于提供制动力，包括依次连接的制动电机、制动减速器、制动主缸、制动控制阀；再生制动单元用于回收制动能量，包括依次连接的电池、逆变器，电池输出端与制动电机连接；线控制动控制单元用于向制动电机、液压控制阀和踏板模拟路感单元发送控制信号；

所述主动悬架子系统包括：电磁馈能型主动悬架单元和主动悬架控制单元；

电磁馈能型主动悬架单元包括馈能电机、滚珠丝杠、联轴器；滚珠丝杠由丝杠螺杆和丝杠螺母组成，馈能电机通过联轴器与丝杠螺杆相连；主动悬架控制单元用于向馈能电机发送控制信号。

线控转向能耗模型为：

式中，P_st为线控转向单元功率，P_s为液压泵输出油压，q为液压泵排量，n为液压泵转速，M_c为转向电机摩擦能量损失；C_Fr为速比摩擦系数；ω为角速度，C_Fr2为速比平方摩擦系数；C为损失常数，Δp为液压控制阀阀口压差，Q_i为第i个阀口流量，C_q为流量系数；ρ为液压油密度，A1和A2为液压控制阀阀口节流面积，Q_s为输出流量，A_p为液压缸活塞的有效面积，x_r为活塞位移。

线控制动能耗模型为：

式中，δ_r为线控制动能量回收率；η_c为充电效率；η_d为放电效率；E_r为整个驾驶循环回收的能量，E_d为驾驶循环输出的能量，t₀为制动初始时刻，t₁为制动终止时刻，U为电池端电压，I为母线电流。

所述主动悬架能耗模型为：

式中，E_m为馈能电机的电动势，k_c为馈能电机的电机常数，v_m为轴向速度，l为滚珠丝杠导程，F_m为阻尼力，I_m、R_m、P_m分别为馈能电机的电流、电阻和馈能功率。

所述预测下一时间段内线控底盘的能耗需求的方法为：

31)在当前时间段对线控转向、线控制动、主动悬架能耗模型进行积分计算，并将计算得到的数值叠加，得到当前时间段内线控底盘的能耗大小E_chasis；

32)对不同驾驶模式设置驾驶能耗预测系数ω_drive：

33)对不同行驶工况设置工况能耗预测系数ω_condition；

34)计算下一时间段内线控底盘的能耗E′_chasis

E′_chasis＝ω_drive·ω_condition·E_chasis；

35)以E′_chasis最小为目标，对下一时间段内线控底盘的能耗进行微分计算，按照当前时间段线控转向、线控制动、主动悬架能耗占线控底盘能耗的比例，输出线控制动控制单元、线控转向控制单元和主动悬架控制单元的控制信号。

步骤4：线控制动控制单元信号分别控制液压制动单元、踏板模拟单元和再生制动单元工作；线控转向控制单元信号分别控制液压转向单元、电动转向单元和转向路感模拟单元工作，主动悬架控制单元信号控制主动悬架单元工作，实现线控底盘能耗优化。

本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (9)

1.一种全工况下的智能线控底盘能耗预测优化方法，其特征在于，包括以下步骤：

步骤1：采集传感器单元、道路工况单元、交通流单元的数据；

步骤2：根据采集到的数据，对驾驶状态相关参数进行聚类分析，输出驾驶模式；同时对行驶工况相关参数进行聚类分析，输出行驶工况；

步骤3：分别建立线控底盘系统中的主动悬架、线控转向和线控制动的能耗模型，根据采集的数据，计算出当前时间段内线控底盘的能耗大小，并根据驾驶模式和行驶工况，预测下一时间段内线控底盘的能耗需求，输出线控制动控制单元控制信号、线控转向控制单元控制信号和主动悬架控制单元控制信号；

步骤4：线控制动控制单元信号控制液压制动单元、踏板模拟单元和再生制动单元工作；线控转向控制单元信号控制液压转向单元、电动转向单元和转向路感模拟单元工作，主动悬架控制单元信号控制主动悬架单元工作，实现线控底盘能耗优化；

所述步骤3中预测下一时间段内线控底盘的能耗需求的方法为：

31)在当前时间段对线控转向、线控制动、主动悬架能耗模型进行积分计算，并将计算得到的数值叠加，得到当前时间段内线控底盘的能耗大小E_chasis；

32)对不同驾驶模式设置驾驶能耗预测系数ω_drive；

33)对不同行驶工况设置工况能耗预测系数ω_condition；

34)计算下一时间段内线控底盘的能耗E'_chasis：

E′_chasis＝w_drive·w_condition·E_chasis；

35)以E'_chasis最小为目标，对下一时间段内线控底盘的能耗进行微分计算，按照当前时间段线控转向、线控制动、主动悬架能耗占线控底盘能耗的比例，输出线控制动控制单元、线控转向控制单元和主动悬架控制单元的控制信号。

2.根据权利要求1所述的全工况下的智能线控底盘能耗预测优化方法，其特征在于，所述步骤1中的传感器单元包括：车速传感器、横摆角速度传感器、方向盘转角传感器、方向盘转矩传感器、制动踏板角度传感器、制动踏板压力传感器；分别用于获取车辆的车速、横摆角速度数据，及驾驶员输入的方向盘转角、转矩和制动踏板角度、压力数据。

3.根据权利要求1所述的全工况下的智能线控底盘能耗预测优化方法，其特征在于，所述步骤1中的道路工况单元包括：导航装置、地图、道路工况数据库、路面状态数据库；导航装置用于获取当前车辆位置，并根据驾驶员在地图上设定的起始点和终点，实时规划行车路径；道路工况数据库是离线存储的数据库，用于获取地图上对应道路的工况数据，包括但不限于道路坡度、U型弯道、T型弯道、直角弯道的曲率数据；路面状态数据库是在线存储的数据库，用于获取地图上对应道路的路面状态数据，包括但不限于路面材料种类、路面附着系数、路面摩擦系数、路面不平度系数、路面功率谱密度数据。

4.根据权利要求1所述的全工况下的智能线控底盘能耗预测优化方法，其特征在于，所述步骤1中的交通流单元用于实时获取当前导航路线上的车流量、车辆平均通过速度、车辆平均加速度、车辆平均怠速时间的数据并进行存储。

5.根据权利要求1所述的全工况下的智能线控底盘能耗预测优化方法，其特征在于，所述步骤2中对驾驶状态相关参数和行驶工况相关参数进行聚类分析的方法具体包括以下步骤：

21)设置n个样本对象，用x₁,x₂,…,x_n表示；在车辆行驶过程中进行多时段数据采集，每个样本对象包含m个数据指标x_i1,x_i2,…,x_im,i＝1,2,…,n，通过构造论域U和数据矩阵X实现样本对象参数化：

U＝{x₁,x₂,…,x_n}

式中，x_im表示第i个样本对象的m种数据；

22)对参数化后的样本对象进行标准平移化和平移极差化处理：

式中，

表示在n个样本对象中第k种数据的平均值，s_k表示在n个样本对象中第k种数据的均方差，x’_ik表示第i个样本对象中第k种数据的无量纲值，x″_ik表示第i个样本对象中第k种数据的计算值；

23)计算样本对象间的相似程度，第i个与第j个样本对象的相似程度r_ij：

依次计算出所有样本对象之间的相似程度，构成相似矩阵R,并简化为三角矩阵R^*：

24)根据三角矩阵R^*，采用直接聚类法求聚类谱系图；

25)预先设置初始的阈值λ，通过试验设计找到节能效果最佳的λ，确定线控底盘系统节能效果最佳的行驶工况分类方式；

26)将采集的数据添加到上述论域U中进行处理，实现对驾驶员和车辆工况的实时分类。

6.根据权利要求5所述的全工况下的智能线控底盘能耗预测优化方法，其特征在于，所述步骤25)中试验设计取多个不同的阈值λ表示同类的相似程度，λ∈[0,1]，λ值越大表示相似程度越大：

取λ₁＝1，对每个样本对象x_i作相似类，即满足r_ij＝1的x_i和x_j构成相似类，此时合并r_ij＝1的样本对象为一类，得到λ₁＝1水平上的等价分类；

取λ₂为次大值，从R直接取出相似度大于或等于λ₂的元素对(x_i,x_j)，将对应于λ₁＝1的等价分类中x_i所在的类与x_j所在的类合并，将所有的这些类合并后，即得到对于λ₂的等价分类；

取λ₃为次大值，从R直接取出相似度为λ₃的元素对(x_i,x_j)，将对应于λ₂的等价分类中x_i所在的类与x_j所在的类合并，将所有的这些类合并后，即得到对于λ₃的等价分类；

依次类推到直到λ_n＝0，此时U合并为一类。

7.根据权利要求1所述的全工况下的智能线控底盘能耗预测优化方法，其特征在于，所述步骤2中根据驾驶状态相关参数聚类分析结果由大到小排序，所述驾驶模式包括：保守型0％-20％区间、稳健型20％-80％区间和激进型80％-100％区间；根据行驶工况相关参数聚类分析结果由大到小排序，行驶工况包括：简单工况0％-35％区间、常规工况35％-85％区间和复杂工况85％-100％区间。

8.根据权利要求1所述的全工况下的智能线控底盘能耗预测优化方法，其特征在于，所述步骤3中时间段取1秒到10秒之间的任意区间。

9.根据权利要求1所述的全工况下的智能线控底盘能耗预测优化方法，其特征在于，所述步骤3中线控底盘系统包括：线控液压转向子系统，线控液压制动子系统和主动悬架子系统；

所述线控液压转向子系统包括：线控转向控制单元，液压转向单元，电动转向单元和转向路感模拟单元；

液压转向单元由依次连接的油泵电机、液压泵、液压控制阀组成，用于提供液压转向助力；电动转向单元由依次连接的转向电机、减速机构组成，用于提供电动转向助力；转向路感单元用于向驾驶员提供模拟的转向路感；线控转向控制单元用于向油泵电机、液压控制阀、转向电机和转向路感模拟单元发送控制信号；

液压转向单元和电动转向单元的配合关系包括但不限于：液压转向单元作用在循环球转向器上，电动转向单元作用在循环球转向器输入端或输出端；液压转向单元作用在齿轮齿条转向器上，电动转向单元作用在转向齿轮上、转向齿条上或转向齿轮输入轴上；

所述线控液压制动子系统包括：线控制动控制单元，液压制动单元，再生制动单元，踏板模拟单元；

踏板模拟单元用于向驾驶员提供模拟的制动路感；液压制动单元用于提供制动力，包括依次连接的制动电机、制动减速器、制动主缸、制动控制阀；再生制动单元用于回收制动能量，包括依次连接的电池、逆变器，电池输出端与制动电机连接；线控制动控制单元用于向制动电机、液压控制阀和踏板模拟路感单元发送控制信号；

所述主动悬架子系统包括：电磁馈能型主动悬架单元和主动悬架控制单元；

电磁馈能型主动悬架单元包括馈能电机、滚珠丝杠、联轴器；滚珠丝杠由丝杠螺杆和丝杠螺母组成，馈能电机通过联轴器与丝杠螺杆相连；主动悬架控制单元用于向馈能电机发送控制信号。

Images