CN114670675A - 电动汽车的力矩分配方法、装置、计算机设备和存储介质 - Google Patents

电动汽车的力矩分配方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN114670675A
CN114670675A CN202210300629.2A CN202210300629A CN114670675A CN 114670675 A CN114670675 A CN 114670675A CN 202210300629 A CN202210300629 A CN 202210300629A CN 114670675 A CN114670675 A CN 114670675A
Authority
CN
China
Prior art keywords
subfunction
determining
vehicle
function
dynamic
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
CN202210300629.2A
Other languages
English (en)
Other versions
CN114670675B (zh
Inventor
江学良
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.)
Dilu Technology Co Ltd
Original Assignee
Dilu Technology Co Ltd
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 Dilu Technology Co Ltd filed Critical Dilu Technology Co Ltd
Priority to CN202210300629.2A priority Critical patent/CN114670675B/zh
Publication of CN114670675A publication Critical patent/CN114670675A/zh
Application granted granted Critical
Publication of CN114670675B publication Critical patent/CN114670675B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
    • B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L2240/00—Control parameters of input or output; Target parameters
    • B60L2240/40—Drive Train control parameters
    • B60L2240/42—Drive Train control parameters related to electric machines
    • B60L2240/423—Torque
    • 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
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本公开涉及一种电动汽车的力矩分配方法、装置、计算机设备和存储介质。通过电机损耗效率确定电机能耗子函数；通过车辆的轴距、车辆的质心位置和空气阻力确定动力性子函数；通过车辆的轴距、车辆的轮距和质心位置确定机动性子函数。并且根据电机能耗子函数、动力性子函数和机动性子函数确定代价函数，根据代价函数结合粒子群寻优算法及约束函数确定力矩的分配结果。根据所述力矩的分配结果对电动汽车进行力矩分配，根据油门踏板和方向盘转角识别驾驶员意图，从经济性，动力性和转向机动性三个方面平衡电动汽车整车的力矩分配；采用粒子群寻优算法寻找最优的力矩分配，并引入概率接受准则，实现了电动汽车力矩的最优分配。

Description

电动汽车的力矩分配方法、装置、计算机设备和存储介质
技术领域
本公开涉及电动汽车技术领域，特别是涉及一种电动汽车的力矩分配方法、装置、计算机设备和存储介质。
背景技术
随着新能源技术的发展，电动汽车的使用数量也呈现日益增长的趋势，相比较于传统的燃油机车，电动汽车的维护简单、电器结构布置方便、噪音小、驱动响应快。目前应用于电动汽车的力矩分配模块目的单一，利用电机工作于高效区域来达到实现节能的目的，或者是基于摩擦圆和路面识别实现行车稳定的力矩分配。但是，关于电动汽车力矩的分配多使用基于规则的方法，并不能完全实现力矩的最优分配。
发明内容
基于此，有必要针对上述技术问题，提供一种能够实现电动汽车力矩最优分配的电动汽车的力矩分配方法、装置、计算机设备和存储介质。
第一方面，本公开提供了一种电动汽车的力矩分配方法。所述方法包括：
根据电机损耗效率确定电机能耗子函数，所述电机损耗效率根据电机效率数据得到；
根据纵向因数确定动力性子函数，所述纵向因数包括车辆的轴距、车辆的质心位置和空气阻力；
根据横向因数确定机动性子函数，所述横向因数包括车辆的轴距、车辆的轮距和车辆的质心位置；
根据所述电机能耗子函数、所述动力性子函数和所述机动性子函数确定代价函数；
根据所述代价函数确定力矩分配结果，根据所述力矩分配结果对电动汽车进行力矩分配。
在其中一个实施例中，所述根据所述电机能耗子函数、所述动力性子函数和所述机动性子函数确定代价函数包括：
在预设权重取值范围内分别确定所述电机能耗子函数的预设权重系数、所述动力性子函数的预设权重系数、所述机动性子函数的预设权重系数；
根据能耗开关的状态、车辆加速踏板开度的变化率以及车辆方向盘的转角分别确定所述电机能耗子函数的运行权重系数、所述动力性子函数的运行权重系数、所述机动性子函数的运行权重系数；
根据所述电机能耗子函数的预设权重系数和所述电机能耗子函数的运行权重系数确定电机能耗子函数的权重系数；
根据所述动力性子函数的预设权重系数和所述动力性子函数的运行权重系数确定动力性子函数的权重系数；
根据所述机动性子函数的预设权重系数和所述机动性子函数的运行权重系数确定机动性子函数的权重系数。
在其中一个实施例中，所述根据所述代价函数确定力矩分配结果之前，所述方法还包括：
根据预先设置的约束条件确定所述代价函数的约束函数，所述预先设置的约束条件包括车辆前轴力矩相同、车辆四轮力矩同向和设置最大力矩的约束；
所述根据所述电机能耗子函数、所述动力性子函数和所述机动性子函数确定代价函数包括：
根据所述电机能耗子函数、所述动力性子函数、所述机动性子函数、所述约束函数确定所述代价函数。
在其中一个实施例中，所述方法还包括：
初始化所述代价函数中粒子的运动参数，所述运动参数包括位置参数和速度参数；
根据所述运动参数和适应度函数确定所述粒子的适应度数值，所述适应度函数根据所述代价函数确定。
在其中一个实施例中，所述方法还包括：
根据预先设置的准则和所述粒子的适应度数值确定所述代价函数中粒子的个体最优解和群体最优解；
根据所述个体最优解和所述群体最优解更新所述代价函数中粒子的运动参数；
根据更新后的所述代价函数中粒子的运动参数确定力矩分配结果。
在其中一个实施例中，所述根据预先设置的准则和所述粒子的适应度数值确定所述代价函数中粒子的个体最优解和群体最优解包括：
根据粒子适应度数值的差值和所述粒子的适应度数值确定所述代价函数中粒子的个体最优解和群体最优解。
第二方面，本公开还提供了一种电动汽车的力矩分配装置。所述装置包括：
电机能耗子函数模块，用于根据电机损耗效率确定电机能耗子函数，所述电机损耗效率根据电机效率数据得到；
动力性子函数模块，用于根据纵向因数确定动力性子函数，所述纵向因数包括车辆的轴距、车辆的质心位置和空气阻力；
机动性子函数模块，用于根据横向因数确定机动性子函数，所述横向因数包括车辆的轴距、车辆的轮距和车辆的质心位置；
代价函数确定模块，用于根据所述电机能耗子函数、所述动力性子函数和所述机动性子函数确定代价函数；
力矩分配模块，用于根据所述代价函数确定力矩分配结果，根据所述力矩分配结果对电动汽车进行力矩分配。
第三方面，本公开还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现本公开任一项实施例所述的方法。
第四方面，本公开还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本公开任一项实施例所述的方法。
第五方面，本公开还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一项实施例所述的方法。
本公开提供的实施方案，通过电机损耗效率确定电机能耗子函数；通过车辆的轴距、车辆的质心位置和空气阻力确定动力性子函数；通过车辆的轴距、车辆的轮距和质心位置确定机动性子函数。并且根据所述电机能耗子函数、动力性子函数和机动性子函数确定代价函数，根据代价函数结合粒子群寻优算法及约束函数确定力矩的分配结果。根据所述力矩的分配结果对电动汽车进行力矩分配，根据油门踏板和方向盘转角识别驾驶员意图，从经济性(电机能耗子函数)，动力性(动力性子函数)和转向机动性(机动性子函数)三个方面平衡电动汽车整车的力矩分配；采用粒子群寻优算法寻找最优的力矩分配，并引入退火算法的概率接受准则(Metropolis准则)，解决了粒子群寻优算法易于陷入局部最优解的问题，实现了电动汽车力矩的最优分配。
附图说明
为了更清楚地说明本说明书实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中电动汽车的力矩分配方法的应用环境图；
图2为一个实施例中电动汽车的力矩分配方法的流程示意图；
图3为一个实施例中电动汽车的力矩分配方法的流程示意图；
图4为一个实施例中电动汽车的力矩分配方法的流程示意图；
图5为一个实施例中电动汽车的力矩分配方法的流程示意图；
图6为一个实施例中电动汽车的力矩分配方法的流程示意图；
图7为一个实施例中电动汽车的力矩分配方法的流程示意图；
图8为一个实施例中电动汽车的力矩分配方法的流程示意图；
图9为一个实施例中电动汽车的力矩分配装置的结构框图；
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本公开的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本公开进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本公开，并不用于限定本公开。
本公开实施例提供的电动汽车的力矩分配方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102根据电机损耗效率确定电机能耗子函数，所述电机损耗效率根据电机效率数据得到；根据纵向因数确定动力性子函数，所述纵向因数包括车辆的轴距、车辆的质心位置和空气阻力；根据横向因数确定机动性子函数，所述横向因数包括车辆的轴距、车辆的轮距和车辆的质心位置；根据所述电机能耗子函数、所述动力性子函数和所述机动性子函数确定代价函数；服务器104根据所述代价函数确定力矩分配结果，根据所述力矩分配结果对电动汽车进行力矩分配。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种电动汽车的力矩分配方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
S202、根据电机损耗效率确定电机能耗子函数，所述电机损耗效率根据电机效率数据得到。
其中，电机效率数据可以包括电机效率图。
具体地，可以根据电机效率图确定电机的损耗效率，根据电机损耗效率确定电机能耗子函数。在一些实施方式中，可以根据台架试验得出的电机效率图计算得到电机的损耗效率，公式如下：
Figure BDA0003565494940000051
Figure BDA0003565494940000061
其中，P可以包括电机的损耗效率。P(f.l)可以包括电动汽车左前轮的效率，P(f.r)可以包括电动汽车右前轮的效率，P(r.l)可以包括电动汽车左后轮的效率，P(r.r)可以包括电动汽车右后轮的效率。T(f.l)可以包括电动汽车左前轮的电机力矩，T(f.r)可以包括电动汽车右前轮的电机力矩，T(r.l)可以包括电动汽车左后轮的电机力矩，T(r.r)可以包括电动汽车右后轮的电机力矩。ω(f.l)可以包括电动汽车左前轮的电机转速，ω(f.r)可以包括电动汽车右前轮的电机转速，ω(r.l)可以包括电动汽车左后轮的电机转速，ω(r.r)可以包括电动汽车右后轮的电机转速。η(f.l)可以包括电动汽车左前轮的电机力矩和电机转速所对应的输出效率，η(f.r)可以包括电动汽车右前轮的电机力矩和电机转速所对应的输出效率，η(r.l)可以包括电动汽车左后轮的电机力矩和电机转速所对应的输出效率，η(r.r)可以包括电动汽车右后轮的电机力矩和电机转速所对应的输出效率。
S204、根据纵向因数确定动力性子函数，所述纵向因数包括车辆的轴距、车辆的质心位置和空气阻力。
其中，纵向因数的确定可以包括我们假定汽车行驶在坡度平坦的水平路面上。忽略转向带来的横向因数所导致的横向加速度影响。此时，汽车在加速和匀速运动时，整车的载荷转移只和车辆的轴距、质心位置还有空气阻力有关。并且左侧和右侧的车轮载荷相同。
具体地，可以通过车辆的轴距、车辆的质心位置和空气阻力确定纵向因数，根据纵向因数确定动力性子函数。示例性地，电动汽车四轮载荷计算公式如下所示：
Figure BDA0003565494940000062
Figure BDA0003565494940000063
Figure BDA0003565494940000064
Figure BDA0003565494940000071
其中，Fz(f.r)为车辆的右前轮载荷，Fz(f.l)为车辆的左前轮载荷，Fz(r.r)为车辆的右后轮载荷，Fz(r.l)为车辆的左后轮载荷。ax可以为纵向加速度，hg可以为质心高度，a，b可以为前后轴到质心的距离，CD可以为空气阻力系数，AD可以为车辆迎风面积，m可以为车辆的重量，v可以为车辆的运行速度。
前后轴载荷分配比例Kx为：
Figure BDA0003565494940000072
其中，Fz(f.)为车辆的前轴载荷，Fz(r.)为车辆的后轴载荷。
前轴力矩T(f.)为：
Figure BDA0003565494940000073
后轴力矩T(r.)为：
Figure BDA0003565494940000074
其中，T为车辆的总力矩。
S206、根据横向因数确定机动性子函数，所述横向因数包括车辆的轴距、车辆的轮距和车辆的质心位置。
其中，横向因数的确定可以包括假定汽车行驶在坡度平坦的水平路面上，忽略汽车加速和减速带来的纵向因数所导致的纵向加速度影响。此时，汽车在转向时，整车的载荷转移只和车辆的轴距、轮距、质心位置还有侧向加速度有关。并且同侧的车轮载荷相同。
具体地，可以通过车辆的轴距、车辆的轮距和车辆的质心位置确定横向因数，根据横向因数确定机动性子函数。在一些实施方式中，车辆的四轮载荷计算表达式如下：
Figure BDA0003565494940000075
Figure BDA0003565494940000081
Figure BDA0003565494940000082
Figure BDA0003565494940000083
其中，Fz(f.r)为车辆的右前轮载荷，Fz(f.l)为车辆的左前轮载荷，Fz(r.r)为车辆的右后轮载荷，Fz(r.l)为车辆的左后轮载荷。ay可以为横向加速度，hg可以为质心高度，a，b可以为前后轴到质心的距离，Lf为车辆前轮的轮距，Lr为车辆后轮的轮距。
车辆的后轮左右载荷分配比例Ky为：
Figure BDA0003565494940000084
其中，Fz(.l)为车辆的后左轮载荷，Fz(.r)为车辆的右后轮载荷。
可以考虑使用后轮辅助差动转向，车辆后轮的左右两轮的力矩分配为：
Figure BDA0003565494940000085
Figure BDA0003565494940000086
其中，T(r.l)为车辆左后轮的力矩，T(r.r)为车辆右后轮的力矩，T(r.)为车辆后轮的力矩。
S208、根据所述电机能耗子函数、所述动力性子函数和所述机动性子函数确定代价函数。
其中，代价函数可以包括为了寻找到最优解的目的函数，代价函数可以包括损失函数。
具体地，可以根据电机能耗子函数、动力性子函数和机动性子函数确定代价函数。在一些实施方式中，代价函数J的选择可以为：
Figure BDA0003565494940000091
其中x、y、z分别为根据驾驶员意图例如能耗开关的状态、车辆加速踏板开度的变化率以及车辆方向盘的转角等确定的电机能耗子函数的运行权重系数、动力性子函数的运行权重系数、机动性子函数的运行权重系数；α、β、γ分别为车辆在正常行驶的情况下电机能耗子函数的预设权重系数、动力性子函数的预设权重系数、机动性子函数的预设权重系数。
S210、根据所述代价函数确定力矩分配结果，根据所述力矩分配结果对电动汽车进行力矩分配。
其中，力矩分配可以包括车辆左前轮、左后轮、右前轮、右后轮的力矩分配情况。
具体地，可以通过代价函数的最优解确定力矩分配结果，根据力矩分配结果对电动汽车进行力矩分配。
上述电动汽车的力矩分配方法中，通过电机损耗效率确定电机能耗子函数；通过车辆的轴距、车辆的质心位置和空气阻力确定动力性子函数；通过车辆的轴距、车辆的轮距和质心位置确定机动性子函数。并且根据所述电机能耗子函数、动力性子函数和机动性子函数确定代价函数，根据代价函数结合粒子群寻优算法及约束函数确定力矩的分配结果。根据所述力矩的分配结果对电动汽车进行力矩分配，根据油门踏板和方向盘转角识别驾驶员意图，从经济性(电机能耗子函数)，动力性(动力性子函数)和转向机动性(机动性子函数)三个方面平衡电动汽车整车的力矩分配；采用粒子群寻优算法寻找最优的力矩分配，并引入退火算法的概率接受准则(Metropolis准则)，解决了粒子群寻优算法易于陷入局部最优解的问题，实现了电动汽车力矩的最优分配。
在一个实施例中，如图3所示，步骤S208根据所述电机能耗子函数、所述动力性子函数和所述机动性子函数确定代价函数包括以下步骤：
S302、在预设权重取值范围内分别确定所述电机能耗子函数的预设权重系数、所述动力性子函数的预设权重系数、所述机动性子函数的预设权重系数。
其中，预设权重范围可以包括根据规则或者是经验预先设置的权重系数的取值范围，也可以包括车辆正常运行情况下电机能耗子函数的实际权重系数、车辆正常运行情况下动力性子函数的实际权重系数和车辆正常运行情况下机动性子函数的实际权重系数。
具体地，可以根据预设权重取值范围分别确定电机能耗子函数的预设权重系数、动力性子函数的预设权重系数、机动性子函数的预设权重系数。在一些实施方式中，可以分别给α、β、γ分配从1-4的系数，如表1所示：
表1预设权重系数表
Figure BDA0003565494940000101
S304、根据能耗开关的状态、车辆加速踏板开度的变化率以及车辆方向盘的转角分别确定所述电机能耗子函数的运行权重系数、所述动力性子函数的运行权重系数、所述机动性子函数的运行权重系数。
其中，能耗开关的状态可以包括开状态和关状态。
具体地，可以根据车辆加速踏板开度、方向盘转角和能耗开关的状态识别驾驶员意图，并给代价函数的电机能耗子函数、动力性子函数和机动性子函数分配不同的预设权重系数。在一些实施方式中，其中根据车辆加速踏板开度将加速紧急性分为缓(L)中(M)急(H)，根据方向盘转角将转向意图分为缓(L)中(M)急(H)。示例性地，可以根据能耗开关关闭情况下，加速踏板变化率和方向盘转角与代价函数系数对应关系如表2和表3所示：
表2能耗开关关闭情况下对应关系
Figure BDA0003565494940000111
表3具体对应关系1
OFF/L/L 311 OFF/M/L 221 OFF/H/L 131
OFF/L/LM 212 OFF/M/M 122 OFF/H/M 132
OFF/L/H 113 OFF/M/H 123 OFF/H/H 133
在能耗开启情况下，加速踏板变化率和方向盘转角与代价函数系数对应关系如表4所示：
表4能耗开关开启情况下对应关系
Figure BDA0003565494940000112
表5具体对应关系2
ON/L/L 311 ON/M/L 321 ON/H/L 131
ON/L/LM 312 ON/M/M 322 ON/H/M 132
ON/L/H 313 ON/M/H 323 ON/H/H 133
S306、根据所述电机能耗子函数的预设权重系数和所述电机能耗子函数的运行权重系数确定电机能耗子函数的权重系数。
具体地，可以根据电机能耗子函数的预设权重系数α和电机能耗子函数的运行权重系数x确定电机能耗子函数的权重系数αx。
S308、根据所述动力性子函数的预设权重系数和所述动力性子函数的运行权重系数确定动力性子函数的权重系数。
具体地，可以根据动力性子函数的预设权重系数β和动力性子函数的运行权重系数y确定动力性子函数的权重系数βy。
S310、根据所述机动性子函数的预设权重系数和所述机动性子函数的运行权重系数确定机动性子函数的权重系数。
具体地，可以根据机动性子函数的预设权重系数γ和机动性子函数的运行权重系数z确定机动性子函数的权重系数γz。
本实施例中，通过确定电机能耗子函数的权重系数、动力性子函数的权重系数和机动性子函数的权重系数，能够使得代价函数的选取更加的准确，使得根据代价函数确定力矩的分配更加的准确，可以得到力矩的最优分配。
在一个实施例中，如图4所示，所述根据所述代价函数确定力矩分配结果之前，所述方法还包括以下步骤：
S402、根据预先设置的约束条件确定所述代价函数的约束函数，所述预先设置的约束条件包括车辆前轴力矩相同、车辆四轮力矩同向和设置最大力矩的约束。
其中，约束函数可以包括用等式或者是不等式描述的可以反应变量之间关系的函数。
具体地，可以根据车辆前轴力矩相同、车辆四轮力矩同向和设置最大力矩的约束构造代价函数的约束函数。在一些实施方式中，代价函数的约束函数可以包括：
T＝T(f.r)+T(f.l)+T(r.r)+T(r.l)
T(f.r)＝T(f.l)
T(f.r)×T(f.l)>0
T(r.r)×T(r.l)>0
T(f.l)×T(r.l)>0
0<T(i)<θTmax
其中，T为车辆的力矩。T(f.r)为车辆的右前轮，T(f.l)为车辆的左前轮，T(r.r)为车辆的右后轮，T(r.l)为车辆的左后轮。
步骤S208所述根据所述电机能耗子函数、所述动力性子函数和所述机动性子函数确定代价函数包括：
S404、根据所述电机能耗子函数、所述动力性子函数、所述机动性子函数、所述约束函数确定所述代价函数。
具体的，根据电机能耗子函数、动力性子函数、机动性子函数、约束函数确定所述代价函数。
本实施例中，通过构造代价函数的约束函数，使代价函数的选取更加的合理，使得通过代价函数确定的最优力矩更加的实用。
在一个实施例中，如图5所示，所述方法还包括以下步骤：
S502、初始化所述代价函数中粒子的运动参数，所述运动参数包括位置参数和速度参数。
具体地，可以初始化代价函数中粒子的位置参数和速度参数。示例性的，初始化种群个数N为50；空间维数d为3；最大迭代次数ger为100；位置参数限制spacelimit[0-450]；设置速度限制speedlimit[-1,1]；惯性权重w0.8；个体因子c10.5；群体因子c20.6。
S504、根据所述运动参数和适应度函数确定所述粒子的适应度数值，所述适应度函数根据所述代价函数确定。
其中，适应度函数可以包括代价函数。适应度数值可以包括代价函数的数值。
具体地，可以根据粒子的运动参数以及代价函数确定粒子的适应度数值，也可以根据粒子的运动参数以及代价函数确定代价函数的数值。
本实施例中，通过初始化代价函数中粒子的位置参数和速度参数使得粒子的适应度数值计算的更加的准确，使得代价函数求得的力矩分配更加的优化。
在一个实施例中，如图6所示，所述方法还包括以下步骤：
S602、根据预先设置的准则和所述粒子的适应度数值确定所述代价函数中粒子的个体最优解和群体最优解。
其中，所述预先设置的准则可以包括退火算法中的概率接受准则(Metropolis准则)。
具体地，可以根据Metropolis准则有概率的接受当前粒子的适应度，示例性地，Metropolis准则的概率因子为
Figure BDA0003565494940000131
结合概率接受因子和粒子的适应度数组可以确定代价函数中粒子的个体最优解和群体最优解。
S604、根据所述个体最优解和所述群体最优解更新所述代价函数中粒子的运动参数。
具体地，可以根据粒子中的个体最优解和所述群体最优解更新所述代价函数中粒子的运动参数。示例性地，粒子的位置参数和速度参数可以为：
Figure BDA0003565494940000132
Figure BDA0003565494940000141
其中，ω为惯性因子，c1和c2为加速常数，pid为第i个粒子的个体极值，pgd表示为全局最优解，
Figure BDA0003565494940000142
为第i个粒子第k次循环时的位置参数，
Figure BDA0003565494940000143
为第i个粒子第(k+1)次循环时的位置参数。
Figure BDA0003565494940000144
为第i个粒子第k次循环时的速度参数，
Figure BDA0003565494940000145
为第i个粒子第(k+1)次循环时的速度参数。
S606、根据更新后的所述代价函数中粒子的运动参数确定力矩分配结果。
具体地，可以根据更新后的粒子的位置参数和速度参数确定力矩分配结果。示例性地，迭代更新后的粒子的适应度数值可以确定全局最优解，此全局最优解对应的左前轮、左后轮、右前轮、右后轮的四个力矩即为力矩分配结果。
本实施例中，根据粒子的个体最优解和群体最优解得到全局最优解，从而确定力矩的分配结果，可以得到力矩的最优分配。
在一个实施例中，步骤S602根据预先设置的准则和所述粒子的适应度数值确定所述代价函数中粒子的个体最优解和群体最优解包括：
根据粒子适应度数值的差值和所述粒子的适应度数值确定所述代价函数中粒子的个体最优解和群体最优解。
具体地，可以根据所有粒子的适应度数值得到所有粒子的群体最优解，根据任一粒子的适应度数值的差值可以得到任一粒子的个体最优解，通过比较粒子的个体最优解和群体最优解，可以确定如何更合粒子的位置参数和速度参数。
在一个实施例中，如图7所示，提供了一种电动汽车的力矩分配方法，所述方法包括：
S702、根据电机损耗效率确定电机能耗子函数，所述电机损耗效率根据电机效率数据得到。
S704、根据纵向因数确定动力性子函数，所述纵向因数包括车辆的轴距、车辆的质心位置和空气阻力。
S706、根据横向因数确定机动性子函数，所述横向因数包括车辆的轴距、车辆的轮距和车辆的质心位置。
S708、在预设权重取值范围内分别确定所述电机能耗子函数的预设权重系数、所述动力性子函数的预设权重系数、所述机动性子函数的预设权重系数。
S710、根据能耗开关的状态、车辆加速踏板开度的变化率以及车辆方向盘的转角分别确定所述电机能耗子函数的运行权重系数、所述动力性子函数的运行权重系数、所述机动性子函数的运行权重系数。
S712、根据所述电机能耗子函数的预设权重系数和所述电机能耗子函数的运行权重系数确定电机能耗子函数的权重系数。
S714、根据所述动力性子函数的预设权重系数和所述动力性子函数的运行权重系数确定动力性子函数的权重系数。
S716、根据所述机动性子函数的预设权重系数和所述机动性子函数的运行权重系数确定机动性子函数的权重系数。
S718、根据预先设置的约束条件确定所述代价函数的约束函数，所述预先设置的约束条件包括车辆前轴力矩相同、车辆四轮力矩同向和设置最大力矩的约束。
S720、根据所述电机能耗子函数、所述动力性子函数、所述机动性子函数、所述约束函数确定所述代价函数。
S722、初始化所述代价函数中粒子的运动参数，所述运动参数包括位置参数和速度参数。
S724、根据所述运动参数和适应度函数确定所述粒子的适应度数值，所述适应度函数根据所述代价函数确定。
S726、根据粒子适应度数值的差值和所述粒子的适应度数值确定所述代价函数中粒子的个体最优解和群体最优解。
S728、根据所述个体最优解和所述群体最优解更新所述代价函数中粒子的运动参数。
S730、根据更新后的所述代价函数中粒子的运动参数确定力矩分配结果。
S732、根据所述代价函数确定力矩分配结果，根据所述力矩分配结果对电动汽车进行力矩分配。
在一个实施例中，如图8所示，提供了一种通过粒子群寻优算法确定最优解的流程图，首先需要初始化约束函数，再随机初始化每个粒子。计算每个粒子的适应度函数，结合Metropolis准则概率性的接受粒子的当前适应度，更新每个粒子的速度和位置，得到全局最优解。图8中，p_id为第i个粒子的个体极值，p_gd表示为全局最优解，fv为粒子的适应度函数的数值，即粒子的适应度数值，当fv<p_id的时候，即粒子的适应度数值小于该粒子的个体极值时，就把该粒子的当前的适应度数据更新为p_id。p＝exp()>rand()可以包括Metropolis接受准则。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，附图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本公开实施例还提供了一种用于实现上述所涉及的电动汽车的力矩分配方法的电动汽车的力矩分配装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个电动汽车的力矩分配装置实施例中的具体限定可以参见上文中对于电动汽车的力矩分配方法的限定，在此不再赘述。
在一个实施例中，如图9所示，提供了一种电动汽车的力矩分配装置900，包括：电机能耗子函数模块902、动力性子函数模块904、机动性子函数模块906、代价函数确定模块908和力矩分配模块910，其中：
电机能耗子函数模块902，用于根据电机损耗效率确定电机能耗子函数，所述电机损耗效率根据电机效率数据得到。
动力性子函数模块904，用于根据纵向因数确定动力性子函数，所述纵向因数包括车辆的轴距、车辆的质心位置和空气阻力。
机动性子函数模块906，用于根据横向因数确定机动性子函数，所述横向因数包括车辆的轴距、车辆的轮距和车辆的质心位置。
代价函数确定模块908，用于根据所述电机能耗子函数、所述动力性子函数和所述机动性子函数确定代价函数。
力矩分配模块910，用于根据所述代价函数确定力矩分配结果，根据所述力矩分配结果对电动汽车进行力矩分配。
上述电动汽车的力矩分配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种电动汽车的力矩分配方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本公开所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本公开所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本公开所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本公开的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本公开专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本公开构思的前提下，还可以做出若干变形和改进，这些都属于本公开的保护范围。因此，本公开的保护范围应以所附权利要求为准。

Claims (10)

1.一种电动汽车的力矩分配方法，其特征在于，所述方法包括：
根据电机损耗效率确定电机能耗子函数，所述电机损耗效率根据电机效率数据得到；
根据纵向因数确定动力性子函数，所述纵向因数包括车辆的轴距、车辆的质心位置和空气阻力；
根据横向因数确定机动性子函数，所述横向因数包括车辆的轴距、车辆的轮距和车辆的质心位置；
根据所述电机能耗子函数、所述动力性子函数和所述机动性子函数确定代价函数；
根据所述代价函数确定力矩分配结果，根据所述力矩分配结果对电动汽车进行力矩分配。
2.根据权利要求1所述的方法，其特征在于，所述根据所述电机能耗子函数、所述动力性子函数和所述机动性子函数确定代价函数包括：
在预设权重取值范围内分别确定所述电机能耗子函数的预设权重系数、所述动力性子函数的预设权重系数、所述机动性子函数的预设权重系数；
根据能耗开关的状态、车辆加速踏板开度的变化率以及车辆方向盘的转角分别确定所述电机能耗子函数的运行权重系数、所述动力性子函数的运行权重系数、所述机动性子函数的运行权重系数；
根据所述电机能耗子函数的预设权重系数和所述电机能耗子函数的运行权重系数确定电机能耗子函数的权重系数；
根据所述动力性子函数的预设权重系数和所述动力性子函数的运行权重系数确定动力性子函数的权重系数；
根据所述机动性子函数的预设权重系数和所述机动性子函数的运行权重系数确定机动性子函数的权重系数。
3.根据权利要求1所述的方法，其特征在于，所述根据所述代价函数确定力矩分配结果之前，所述方法还包括：
根据预先设置的约束条件确定所述代价函数的约束函数，所述预先设置的约束条件包括车辆前轴力矩相同、车辆四轮力矩同向和设置最大力矩的约束；
所述根据所述电机能耗子函数、所述动力性子函数和所述机动性子函数确定代价函数包括：
根据所述电机能耗子函数、所述动力性子函数、所述机动性子函数、所述约束函数确定所述代价函数。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
初始化所述代价函数中粒子的运动参数，所述运动参数包括位置参数和速度参数；
根据所述运动参数和适应度函数确定所述粒子的适应度数值，所述适应度函数根据所述代价函数确定。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
根据预先设置的准则和所述粒子的适应度数值确定所述代价函数中粒子的个体最优解和群体最优解；
根据所述个体最优解和所述群体最优解更新所述代价函数中粒子的运动参数；
根据更新后的所述代价函数中粒子的运动参数确定力矩分配结果。
6.根据权利要求5所述的方法，其特征在于，所述根据预先设置的准则和所述粒子的适应度数值确定所述代价函数中粒子的个体最优解和群体最优解包括：
根据粒子适应度数值的差值和所述粒子的适应度数值确定所述代价函数中粒子的个体最优解和群体最优解。
7.一种电动汽车的力矩分配装置，其特征在于，所述装置包括：
电机能耗子函数模块，用于根据电机损耗效率确定电机能耗子函数，所述电机损耗效率根据电机效率数据得到；
动力性子函数模块，用于根据纵向因数确定动力性子函数，所述纵向因数包括车辆的轴距、车辆的质心位置和空气阻力；
机动性子函数模块，用于根据横向因数确定机动性子函数，所述横向因数包括车辆的轴距、车辆的轮距和车辆的质心位置；
代价函数确定模块，用于根据所述电机能耗子函数、所述动力性子函数和所述机动性子函数确定代价函数；
力矩分配模块，用于根据所述代价函数确定力矩分配结果，根据所述力矩分配结果对电动汽车进行力矩分配。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202210300629.2A 2022-03-25 2022-03-25 电动汽车的力矩分配方法、装置、计算机设备和存储介质 Active CN114670675B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210300629.2A CN114670675B (zh) 2022-03-25 2022-03-25 电动汽车的力矩分配方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210300629.2A CN114670675B (zh) 2022-03-25 2022-03-25 电动汽车的力矩分配方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN114670675A true CN114670675A (zh) 2022-06-28
CN114670675B CN114670675B (zh) 2023-09-15

Family

ID=82073611

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210300629.2A Active CN114670675B (zh) 2022-03-25 2022-03-25 电动汽车的力矩分配方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN114670675B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006041236A1 (de) * 2006-09-02 2008-03-06 Zf Lenksysteme Gmbh Verfahren zum Betrieb eines Servolenksystems
CN109177744A (zh) * 2018-09-20 2019-01-11 合肥工业大学 一种车道偏离辅助控制系统的转矩分配控制方法
CN110293851A (zh) * 2019-07-05 2019-10-01 大连理工大学 构建车辆最优力矩分配算法目标函数的方法
CN110422053A (zh) * 2019-07-26 2019-11-08 吉林大学 四轮轮毂电机驱动电动汽车节能控制方法
CN110422052A (zh) * 2019-07-26 2019-11-08 吉林大学 分布式驱动电动汽车稳定与节能控制系统
US20210046922A1 (en) * 2019-08-14 2021-02-18 Xiamen King Long United Automotive Industry Co., Ltd. Yaw motion control method for four-wheel distributed vehicle
US20210269018A1 (en) * 2019-08-15 2021-09-02 Huawei Technologies Co., Ltd. Vehicle stability control method and device

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006041236A1 (de) * 2006-09-02 2008-03-06 Zf Lenksysteme Gmbh Verfahren zum Betrieb eines Servolenksystems
CN109177744A (zh) * 2018-09-20 2019-01-11 合肥工业大学 一种车道偏离辅助控制系统的转矩分配控制方法
CN110293851A (zh) * 2019-07-05 2019-10-01 大连理工大学 构建车辆最优力矩分配算法目标函数的方法
CN110422053A (zh) * 2019-07-26 2019-11-08 吉林大学 四轮轮毂电机驱动电动汽车节能控制方法
CN110422052A (zh) * 2019-07-26 2019-11-08 吉林大学 分布式驱动电动汽车稳定与节能控制系统
US20210046922A1 (en) * 2019-08-14 2021-02-18 Xiamen King Long United Automotive Industry Co., Ltd. Yaw motion control method for four-wheel distributed vehicle
US20210269018A1 (en) * 2019-08-15 2021-09-02 Huawei Technologies Co., Ltd. Vehicle stability control method and device

Also Published As

Publication number Publication date
CN114670675B (zh) 2023-09-15

Similar Documents

Publication Publication Date Title
Dai et al. Modeling vehicle interactions via modified LSTM models for trajectory prediction
Kobayashi et al. Efficient direct yaw moment control: tyre slip power loss minimisation for four-independent wheel drive vehicle
Alipour et al. A modified integral sliding mode control to lateral stabilisation of 4-wheel independent drive electric vehicles
Zhang et al. A comparative study of equivalent modelling for multi-axle vehicle
Shi et al. Analysis of the vehicle driving stability region based on the bifurcation of the driving torque and the steering angle
Klomp Longitudinal force distribution using quadratically constrained linear programming
CN112810596B (zh) 车辆转矩分配方法、装置、控制器和存储介质
Urbina Coronado et al. Optimization of gear ratio and power distribution for a multimotor powertrain of an electric vehicle
CN114475604B (zh) 车辆防滑方法、装置、设备、存储介质和程序产品
Meng et al. Lateral motion stability control of electric vehicle via sampled-data state feedback by almost disturbance decoupling
CN114670675B (zh) 电动汽车的力矩分配方法、装置、计算机设备和存储介质
Xiao et al. Chassis coordinated control based on ideal roll angle to improve vehicle stability
Anderson et al. Modelling minimum-time manoeuvering with global optimisation of local receding horizon control
CN116242631A (zh) 整车行驶阻力测量方法、装置、计算机设备、介质和产品
CN114889598A (zh) 停车控制方法、装置、计算机设备和存储介质
US20210037108A1 (en) Systems and methods for data storage
CN105867131A (zh) 电动汽车的控制效率分配方法及装置
Liu et al. Optimal torque distribution of distributed driving AGV under the condition of centroid change
Effati et al. Experimental validation of energy-optimal turning radii for skid-steer rovers
CN114872718B (zh) 车辆轨迹预测方法、装置、计算机设备和存储介质
CN116644585B (zh) 基于目标车辆危险度的险态场景数据生成方法和装置
CN116215654A (zh) 水平运输车的转向控制方法、装置和计算机设备
Koensgen et al. Robust design strategy applied to a vehicle suspension system with high camber angle tyres
CN115269763B (zh) 局部点云地图更新维护方法、装置、移动工具及存储介质
CN115482668B (zh) 一种视觉车位管理方法及系统

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