CN116872947B - 一种车辆载重测量方法及系统 - Google Patents

Abstract

本发明提供一种车辆载重测量方法及系统，包括根据预设时间间隔获取车辆的多组行驶数据；结合牛顿第二定律以及动力学平衡原理，根据扭矩需求以及坡度角度计算得到多组车辆载荷，对多组车辆载荷进行统计分析以得到载荷平均值及方差；根据方差是否小于预设阈值以判断车辆是否达到稳定状态；若车辆达到稳定状态，则输出平均值以作为载荷；若车辆未达到稳定状态，则返回执行根据扭矩需求以及坡度角度计算得到多组车辆载荷的步骤，直至车辆达到稳定状态。本发明可以准确测量出车辆在不同坡度路面上的载重情况，提高了车辆的安全性和经济性；坡度角度可以根据现有传感器和控制器获得，不需要改装或设置额外的设备，降低了成本和复杂度。

Description

一种车辆载重测量方法及系统

技术领域

本发明涉及车辆载重测量技术领域，特别涉及一种车辆载重测量方法及系统。

背景技术

汽车载重测量系统是一种用于实时测量汽车重量的装置，它可以根据汽车的状态变化，设计出合适的载重测量方法，有利于提高汽车的运输效率和安全性，避免超载或欠载的情况发生。

目前，汽车载重测量系统的研究和应用主要有两种方式：一种是治超检测站的车辆载重检测，即在道路上设置称重台或传感器，让汽车以一定的速度通过，自动实现载重检测；另一种是车载称重系统，即直接安装在汽车上，用于实时测量汽车重量的由传感器和称重仪表组成的称重系统。这两种方式各有优缺点，治超检测站的方式可以提高检测效率，但受到外界因素的影响较大，称重准确性不高；而车载称重系统可以实时监测车辆载重情况，但需要对车辆进行改装，增加了成本和复杂度。

发明内容

基于此，本发明的目的是提供一种车辆载重测量方法及系统，用于解决现有技术中的车辆载重测量方法无法准确测量车辆的载重情况，需要改装或设置额外的设备，增加成本和复杂度的技术问题。

本发明一方面提供一种车辆载重测量系统，所述系统包括依次连接的监控平台、车辆自学习场景模块、载荷计算模块以及载荷输出模块；所述监控平台用于与车辆进行实时通信和数据交换，并对车辆进行远程监控、管理和优化以提高车辆的智能性、便捷性和可靠性；所述车辆自学习场景模块用于根据车辆的运行数据和基本参数，自动识别和学习车辆所处的不同场景；所述载荷输出模块包括仪表盘，用于接收载荷计算模块发送的载荷并进行显示。

本发明另一方面提供一种车辆载重测量方法，具体应用于所述载荷计算模块，所述方法包括：

根据预设时间间隔获取车辆的多组行驶数据，所述行驶数据包括扭矩需求、车速、加速度以及坡度角度；

结合牛顿第二定律以及动力学平衡原理，根据所述扭矩需求以及所述坡度角度计算得到多组车辆载荷，对多组所述车辆载荷进行统计分析以得到载荷平均值及方差；

根据所述方差是否小于预设阈值以判断车辆是否达到稳定状态；

若车辆达到稳定状态，则输出平均值以作为载荷；

若车辆未达到稳定状态，则返回执行根据所述扭矩需求以及所述坡度角度计算得到多组车辆载荷的步骤，直至车辆达到稳定状态。

另外，根据本发明上述的车辆载重测量方法，还可以具有如下附加的技术特征：

进一步地，若车辆未达到稳定状态，则返回执行根据所述扭矩需求以及所述坡度角度计算得到多组车辆载荷的步骤，直至车辆达到稳定状态的步骤包括：

当返回执行次数超过预设最大计算次数时；

根据得到的多组车辆载荷判断当前车辆状态是否适合高精度测量；

若当前车辆状态适合高精度测量，则根据已计算得到的多组载荷值获取载荷平均值，以将所述载荷平均值作为最终载荷，并根据所述最终载荷获取载荷相对误差以根据所述载荷相对误差提示驾驶员所述最终载荷的不确定性；

若当前车辆状态不适合高精度测量，则提示驾驶员当前车辆状态不适合进行高精度的测量。

进一步地，根据所述扭矩需求以及所述坡度角度计算得到多组车辆载荷的步骤之前包括：

根据车辆传感器获取车辆状态，车辆传感器包括门锁传感器、行李箱传感器、后备箱传感器以及车门传感器，所述车辆状态包括车门未关状态，车门未锁状态，后备箱未关状态，后备箱未锁状态；

根据所述车辆状态判断车辆是否处于装卸货状态；

若是，则不计算车辆载荷；

若否，则计算车辆载荷。

进一步地，在根据所述扭矩需求以及所述坡度角度计算得到多组车辆载荷的步骤中，载荷计算公式为：

；

其中，W为载荷，T扭矩需求，θ坡度角度，g为重力加速度，f为滚动阻力系数。

进一步地，根据预设时间间隔获取车辆的多组行驶数据的步骤之前包括：

根据监控平台以及车辆自学习场景模块自动判断车辆是否适合高精度测量以确定预设时间间隔、阈值以及载荷计算次数。

进一步地，自动判断车辆是否适合高精度测量的方法包括：

获取车辆实时运行数据；

根据车辆实时运行数据判断车辆是否符合高精度测量状态，所述高精度测量状态包括车辆处于稳定的起步加速状态；

若符合，则车辆当前适合高精度测量。

进一步地，根据预设时间间隔获取车辆的多组行驶数据的步骤中，扭矩需求的获取方法包括：

根据电机控制器以及车速传感器分别获取电机输出信号以及车速，所述电机输出信号包括输出电压、输出电流以及电机转速；

根据所述电机输出信号以及车速信号计算得到扭矩需求。

进一步地，在根据所述电机输出信号以及车速信号计算得到扭矩需求的步骤中，扭矩需求的计算公式为：

；

其中，T为扭矩需求，K为系数，U为电机控制器的输出电压，I为电机控制器的输出电流，N为电机转速，V为车速。

上述车辆载重测量方法及系统，通过根据预设时间间隔获取车辆的多组行驶数据，行驶数据包括坡度角度；结合牛顿第二定律以及动力学平衡原理，根据扭矩需求以及坡度角度计算得到多组车辆载荷，对多组车辆载荷进行统计分析以得到载荷平均值及方差；当方差小于预设阈值时则判定车辆达到稳定状态，输出平均值以作为载荷；当方差未小于预设阈值时则判定车辆未达到稳定状态，需要重新计算多组车辆载荷，直至车辆达到稳定状态；使得本申请的技术方案，首先，可以准确测量出车辆在不同坡度路面上的载重情况，提高了车辆的安全性和经济性；其次，当方差小于预设阈值时则判断车辆达到稳定状态，输出平均值以作为载荷，使得更为准确的测量车辆的载重情况；再者，坡度角度可以根据现有传感器和控制器获得，不需要改装或设置额外的设备，降低了成本和复杂度。

附图说明

图1为本发明第一实施例中的车辆载重测量方法流程图；

图2为本发明车辆载重测量系统的构建示意图；

如下具体实施方式将结合上述附图进一步说明本发明。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。

为了解决现有技术中的车辆载重测量方法无法准确测量车辆的载重情况，需要改装或设置额外的设备，增加成本和复杂度的技术问题，本申请提供一种车辆载重测量方法及系统，通过根据预设时间间隔获取车辆的多组行驶数据，行驶数据包括坡度角度；结合牛顿第二定律以及动力学平衡原理，根据扭矩需求以及坡度角度计算得到多组车辆载荷，对多组车辆载荷进行统计分析以得到载荷平均值及方差；当方差小于预设阈值时则判定车辆达到稳定状态，输出平均值以作为载荷；当方差未小于预设阈值时则判定车辆未达到稳定状态，需要重新计算多组车辆载荷，直至车辆达到稳定状态；使得本申请的技术方案，首先，可以准确测量出车辆在不同坡度路面上的载重情况，提高了车辆的安全性和经济性；其次，当方差小于预设阈值时则判断车辆达到稳定状态，输出平均值以作为载荷，使得更为准确的测量车辆的载重情况；再者，坡度角度可以根据现有传感器和控制器获得，不需要改装或设置额外的设备，降低了成本和复杂度。

本申请提供的车辆载重测量系统，包括依次连接的监控平台、车辆自学习场景模块、载荷计算模块以及载荷输出模块；监控平台用于与车辆进行实时通信和数据交换，并对车辆进行远程监控、管理和优化以提高车辆的智能性、便捷性和可靠性；车辆自学习场景模块用于根据车辆的运行数据和基本参数，自动识别和学习车辆所处的不同场景；载荷输出模块包括仪表盘，用于接收载荷计算模块发送的载荷并进行显示，具体的，显示在仪表盘上或通过语音播报给驾驶员，以便驾驶员了解车辆的载重情况。本申请提供的车辆载重测量方法具体应用于载荷计算模块。

具体的：车辆自学习场景模块是一种基于人工智能技术的软件模块，安装在车辆的控制系统中，可以根据车辆的运行数据和基本参数，自动识别和学习车辆所处的不同场景，如城市道路、高速公路、山区道路等，并根据不同场景调整车辆的性能和参数，以提高车辆的安全性、舒适性和节能性。监控平台是一种基于云计算技术的软件平台，安装在远程服务器中，可以与车辆进行实时通信和数据交换，并对车辆进行远程监控、管理和优化，以提高车辆的智能性、便捷性和可靠性。监控平台和车辆给出的车辆自学习场景模块根据车辆的实时运行数据，如车速、加速度、扭矩需求、坡度角度等，以及车辆的基本参数，如车型、发动机类型、轮胎规格等，通过数据分析和机器学习算法，判断当前车辆是否处于稳定的起步加速状态，是否受到外界干扰，是否有足够的数据量和质量，是否能够保证测量结果的准确性和可靠性。如果满足以上条件，则认为当前适合高精度的策略；如果不满足以上条件，则认为当前不适合高精度的策略。

为了便于理解本发明，下面将给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

实施例一

请参阅图1，所示为本发明第一实施例中的车辆载重测量方法，包括步骤S101-S104：

S101、根据预设时间间隔获取车辆的多组行驶数据。

作为一个具体示例，行驶数据包括扭矩需求、车速、加速度以及坡度角度，扭矩需求可以由发动机控制器或电机控制器提供，车速和加速度可以由车速传感器或加速度传感器提供，坡度角度可以由坡度传感器提供。通过测量扭矩需求、车速和坡度角度，推算出载重情况的系统，不需要改装或设置额外的设备，简单有效，降低了成本和复杂度。具体的，需要在合适的时机进行测量，避免因为车辆状态不稳定或受到外界干扰而导致测量结果不准确或不可靠。

进一步地，扭矩需求的获取方法包括：

根据电机控制器以及车速传感器分别获取电机输出信号以及车速，电机输出信号包括输出电压、输出电流以及电机转速；根据电机输出信号以及车速信号计算得到扭矩需求。扭矩需求的计算公式为：

；

其中，T为扭矩需求，K为系数，U为电机控制器的输出电压，I为电机控制器的输出电流，N为电机转速，V为车速。

根据预设时间间隔获取车辆的多组行驶数据的步骤之前，本方法还包括：

根据监控平台以及车辆自学习场景模块自动判断车辆是否适合高精度测量以确定预设时间间隔、阈值以及载荷计算次数，以提高测量的准确性和适应性。

具体的，判断车辆是否适合高精度测量的方法包括：获取车辆实时运行数据；根据车辆实时运行数据判断车辆是否符合高精度测量状态，高精度测量状态包括车辆处于稳定的起步加速状态；若符合高精度测量状态，则车辆当前适合高精度测量。

需要进一步说明的是：时间间隔是指每隔多长时间进行一次测量。时间间隔越短，测量次数越多，测量结果越可靠；但是时间间隔太短，也会增加数据处理和传输的负担，降低系统效率。因此，时间间隔可根据车辆的加速度和扭矩需求的变化率来确定，如果变化率较大，说明车辆状态不稳定，需要更短的时间间隔；如果变化率较小，说明车辆状态较稳定，可以适当延长时间间隔。具体的确定方法可以是：监控平台和车辆自学习场景模块根据历史数据和实时数据，采用动态规划或其他优化算法，求解出最优的时间间隔；

阈值是指判断测量结果是否达到稳定状态的标准。阈值越小，测量结果越精确；但是阈值太小，也会导致测量结果难以达到稳定状态，增加计算次数和时间。因此，阈值可根据车辆的载重范围和测量精度要求来确定，如果载重范围较大或测量精度要求较高，需要更小的阈值；如果载重范围较小或测量精度要求较低，可以适当放宽阈值。具体的确定方法可以是：监控平台和车辆自学习场景模块根据历史数据和实时数据，采用统计分析或其他评估算法，求解出最合适的阈值；

计算次数是指进行测量的最大次数。计算次数越多，测量结果越接近真实值；但是计算次数太多，也会导致测量过程过长，影响系统效率和用户体验。因此，计算次数可根据车辆的运行状态和用户的等待耐心来确定，如果车辆运行状态不稳定或用户等待耐心较低，需要更少的计算次数；如果车辆运行状态较稳定或用户等待耐心较高，可以适当增加计算次数。具体的确定方法可以是：监控平台和车辆自学习场景模块根据历史数据和实时数据，采用机器学习或其他预测算法，求解出最合理的计算次数。

S102、结合牛顿第二定律以及动力学平衡原理，根据扭矩需求以及坡度角度计算得到多组车辆载荷，对多组车辆载荷进行统计分析以得到载荷平均值及方差。

在本实施例中，为了避免卸货或者装货过程中对测量结果的干扰，保证测量的准确性和有效性。在每次计算前，先判断车辆是否处于卸货或者装货状态。如图2所示，为了判断车辆是否处于卸货或者装货状态，利用门锁传感器、行李箱传感器、后备箱传感器、车门传感器等信号变化，判断是否打开了门锁、行李箱、后备箱、车门等。本发明在车辆起步加速阶段，每隔一定时间间隔测量一次载荷，并进行统计分析，判断是否达到稳定状态，提高了载荷测量的准确性和稳定性。

具体的，根据车辆传感器获取车辆状态，车辆传感器包括门锁传感器、行李箱传感器、后备箱传感器以及车门传感器，车辆状态包括车门未关状态，车门未锁状态，后备箱未关状态，后备箱未锁状态；根据车辆状态判断车辆是否处于装卸货状态；若车辆处于装卸货状态，则不计算车辆载荷；若车辆未处于装卸货状态，则计算车辆载荷。

具体的，载荷计算公式为：

；

其中，W为载荷，T扭矩需求，θ坡度角度，g为重力加速度，f为滚动阻力系数。

作为一个具体示例，在车辆起步加速阶段，每隔一定时间间隔（如0.1秒），测量一次扭矩需求、车速、加速度和坡度角度，并根据扭矩需求、坡度角度和载荷之间的关系式，计算出一次载荷。

例如，假设在某次测量中，扭矩需求为1000N﹒m，车速为10m/s，加速度为2m/s²，坡度角度为10°，重力加速度为9.8m/s²，滚动阻力系数为0.01，则载荷可以计算为：

；

将多次计算得到的载荷值进行统计分析，求出平均值和方差，并根据方差是否小于预设阈值（如5%），判断是否达到稳定状态以消除测量中的随机误差和系统误差，提高测量的可靠性和稳定性。如果达到稳定状态，则输出平均值作为载荷；如果没有达到稳定状态，则继续进行计算，直到达到稳定状态或者超过预设最大计算次数（如10次）。如果超过最大计算次数，还是没有达到稳定状态，则有两种可能的处理方式：一种是输出当前已经计算得到的载荷值的平均值作为载荷，并给出一个相对误差的范围，以提示驾驶员测量结果的不确定性。例如，如果在10次计算后，得到的载荷值的平均值为1016.4kg，相对误差为5，则可以输出“载荷为1016.4kg±5”。另一种是提示驾驶员当前车辆状态不适合进行高精度的测量，并建议驾驶员在更稳定或更平坦的路面上重新进行测量。例如，如果在10次计算后，仍然没有达到稳定状态，则可以输出“抱歉，当前车辆状态不适合进行高精度的测量，请在更稳定或更平坦的路面上重新进行测量”。

在一可选实施例中，假设在10次测量中，得到的载荷值分别为：

1015 kg，1020 kg，1018 kg，1012 kg，1016 kg，1022 kg，1014 kg，1019 kg，1017kg，1021kg；

则平均载荷为：W=1016.4kg；方差为：S=9.6kg²，此时，相对误差为：

；

由于相对误差小于预设阈值0.05，则认为此时达到了稳定状态，输出平均载荷1016.4kg作为载荷。

S103、根据方差是否小于预设阈值以判断车辆是否达到稳定状态。

若车辆达到稳定状态，则执行步骤S104；

S104、输出平均值以作为载荷。

若车辆未达到稳定状态，则返回执行步骤S102。

作为一个具体示例，在返回执行步骤S102的过程中，当返回执行次数超过预设最大计算次数时；则根据得到的多组车辆载荷判断当前车辆状态是否适合高精度测量；若当前车辆状态适合高精度测量，则根据已计算得到的多组载荷值获取载荷平均值，以将载荷平均值作为最终载荷，并根据最终载荷获取载荷相对误差以根据载荷相对误差提示驾驶员最终载荷的不确定性；若当前车辆状态不适合高精度测量，则提示驾驶员当前车辆状态不适合进行高精度的测量。

本发明技术方案可以准确地测量车辆在不同坡度路面上的载重情况，提高了车辆的安全性和经济性。由于车辆的载重情况会影响车辆的动力性能、油耗、制动距离等，如果能够及时了解车辆的载重情况，就可以合理地调整驾驶方式，避免超载或空载造成的安全隐患和经济损失。由于本发明技术方案利用了车辆现有传感器和控制器，无需安装额外的传感器或设备，降低了成本和复杂度，也无需对车辆进行改装或调试，因此可以节省成本和时间，提高了实用性和便捷性。

综上，本发明上述实施例当中的车辆载重测量方法，通过根据预设时间间隔获取车辆的多组行驶数据，行驶数据包括坡度角度；结合牛顿第二定律以及动力学平衡原理，根据扭矩需求以及坡度角度计算得到多组车辆载荷，对多组车辆载荷进行统计分析以得到载荷平均值及方差；当方差小于预设阈值时则判定车辆达到稳定状态，输出平均值以作为载荷；当方差未小于预设阈值时则判定车辆未达到稳定状态，需要重新计算多组车辆载荷，直至车辆达到稳定状态；使得本申请的技术方案，首先，可以准确测量出车辆在不同坡度路面上的载重情况，提高了车辆的安全性和经济性；其次，当方差小于预设阈值时则判断车辆达到稳定状态，输出平均值以作为载荷，使得更为准确的测量车辆的载重情况；再者，坡度角度可以根据现有传感器和控制器获得，不需要改装或设置额外的设备，降低了成本和复杂度。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (7)

1.一种车辆载重测量方法，其特征在于，应用于车辆载重测量系统，所述系统包括依次连接的监控平台、车辆自学习场景模块、载荷计算模块以及载荷输出模块；所述监控平台用于与车辆进行实时通信和数据交换，并对车辆进行远程监控、管理和优化；所述车辆自学习场景模块用于根据车辆的运行数据和基本参数，自动识别和学习车辆所处的不同场景；所述载荷输出模块包括仪表盘，用于接收载荷计算模块发送的载荷并进行显示；

所述方法具体应用于所述载荷计算模块，所述方法包括：

根据预设时间间隔获取车辆的多组行驶数据，所述行驶数据包括扭矩需求、车速、加速度以及坡度角度；

结合牛顿第二定律以及动力学平衡原理，根据所述扭矩需求以及所述坡度角度计算得到多组车辆载荷，对多组所述车辆载荷进行统计分析以得到载荷平均值及方差；

根据所述方差是否小于预设阈值以判断车辆是否达到稳定状态；

若车辆达到稳定状态，则输出平均值以作为载荷；

若车辆未达到稳定状态，则返回执行根据所述扭矩需求以及所述坡度角度计算得到多组车辆载荷的步骤，直至车辆达到稳定状态；

其中，若车辆未达到稳定状态，则返回执行根据所述扭矩需求以及所述坡度角度计算得到多组车辆载荷的步骤，直至车辆达到稳定状态的步骤包括：

当返回执行次数超过预设最大计算次数时；

根据得到的多组车辆载荷判断当前车辆状态是否适合高精度测量；

若当前车辆状态适合高精度测量，则根据已计算得到的多组载荷值获取载荷平均值，以将所述载荷平均值作为最终载荷，并根据所述最终载荷获取载荷相对误差以根据所述载荷相对误差提示驾驶员所述最终载荷的不确定性；

若当前车辆状态不适合高精度测量，则提示驾驶员当前车辆状态不适合进行高精度的测量。

2.根据权利要求1所述的车辆载重测量方法，其特征在于，根据所述扭矩需求以及所述坡度角度计算得到多组车辆载荷的步骤之前包括：

根据车辆传感器获取车辆状态，车辆传感器包括门锁传感器、行李箱传感器、后备箱传感器以及车门传感器，所述车辆状态包括车门未关状态，车门未锁状态，后备箱未关状态，后备箱未锁状态；

根据所述车辆状态判断车辆是否处于装卸货状态；

若是，则不计算车辆载荷；

若否，则计算车辆载荷。

3.根据权利要求1所述的车辆载重测量方法，其特征在于，在根据所述扭矩需求以及所述坡度角度计算得到多组车辆载荷的步骤中，载荷计算公式为：

；

其中，W为载荷，T扭矩需求，θ坡度角度，g为重力加速度，f为滚动阻力系数。

4.根据权利要求1所述的车辆载重测量方法，其特征在于，根据预设时间间隔获取车辆的多组行驶数据的步骤之前包括：

根据监控平台以及车辆自学习场景模块自动判断车辆是否适合高精度测量以确定预设时间间隔、阈值以及载荷计算次数。

5.根据权利要求4所述的车辆载重测量方法，其特征在于，自动判断车辆是否适合高精度测量的方法包括：

获取车辆实时运行数据；

根据车辆实时运行数据判断车辆是否符合高精度测量状态，所述高精度测量状态包括车辆处于稳定的起步加速状态；

若符合，则车辆当前适合高精度测量。

6.根据权利要求1所述的车辆载重测量方法，其特征在于，根据预设时间间隔获取车辆的多组行驶数据的步骤中，扭矩需求的获取方法包括：

根据电机控制器以及车速传感器分别获取电机输出信号以及车速，所述电机输出信号包括输出电压、输出电流以及电机转速；

根据所述电机输出信号以及车速信号计算得到扭矩需求。

7.根据权利要求6所述的车辆载重测量方法，其特征在于，在根据所述电机输出信号以及车速信号计算得到扭矩需求的步骤中，扭矩需求的计算公式为：

；

其中，T为扭矩需求，K为系数，U为电机控制器的输出电压，I为电机控制器的输出电流，N为电机转速，V为车速。