CN116961494A - 一种驱动电机主动防抖控制方法及系统 - Google Patents
一种驱动电机主动防抖控制方法及系统 Download PDFInfo
- Publication number
- CN116961494A CN116961494A CN202311204125.1A CN202311204125A CN116961494A CN 116961494 A CN116961494 A CN 116961494A CN 202311204125 A CN202311204125 A CN 202311204125A CN 116961494 A CN116961494 A CN 116961494A
- Authority
- CN
- China
- Prior art keywords
- driving motor
- torque compensation
- training
- neural network
- data set
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012549 training Methods 0.000 claims abstract description 86
- 238000013528 artificial neural network Methods 0.000 claims abstract description 73
- 230000005540 biological transmission Effects 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims description 18
- 238000012795 verification Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000006096 absorbing agent Substances 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/05—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation specially adapted for damping motor oscillations, e.g. for reducing hunting
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0014—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
- H02P21/18—Estimation of position or speed
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
- H02P21/20—Estimation of torque
-
- 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
-
- 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)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明提供了一种驱动电机主动防抖控制方法及系统，该方法包括：当检测到驱动电机运行时，实时采集驱动电机的运行参数，并根据运行参数生成对应的目标数据集；通过目标数据集对预设神经网络进行训练，以生成对应的扭矩补偿模型，并实时采集驱动电机的转速波动曲线；将转速波动曲线输入至扭矩补偿模型中，以使扭矩补偿模型输出对应的扭矩补偿指令，并将扭矩补偿指令传输至电机控制器中，以使电机控制器消除驱动电机与传动系统之间的共振。本发明能够有效的消除驱动电机的抖动，大幅提升了用户的使用体验。
Description
技术领域
本发明涉及新能源电动汽车技术领域，特别涉及一种驱动电机主动防抖控制方法及系统。
背景技术
随着科技的进步以及生产力的快速发展，新能源汽车技术也日趋成熟，并且逐渐得到了人们的认可，已经在人们的日常生活中得到普及，降低了人们的出行成本，极大的方便了人们的生活。
其中，现有的新能源汽车主要由两部分组成，一种是纯电新能源电动汽车，另一种是油电混合动力新能源汽车，现如今，因其具有较高的经济性，已经在多个领域得到了应用。
现有的新能源汽车在行驶的过程中均会产生一定的振动，然而，由于现有的新能源汽车在驱动电机与车轮之间没有安装传统燃油汽车上的扭转阻尼减震器，导致车轮反馈至传动系统上的抖动无法被有效的阻断以及吸收，使得传动系统上的抖动会通过壳体以及悬挂等部件传递至车身内部，从而影响了车辆的平顺性以及舒适性，同时降低了用户的使用体验。
发明内容
基于此，本发明的目的是提供一种驱动电机主动防抖控制方法及系统，以解决现有技术无法有效的吸收以及阻断振动，导致抖动传递至车身内部，降低了车辆平顺性以及舒适性的问题。
本发明实施例第一方面提出了：
一种驱动电机主动防抖控制方法，其中，所述方法包括：
当检测到驱动电机运行时，实时采集所述驱动电机的运行参数，并根据所述运行参数生成对应的目标数据集；
通过所述目标数据集对预设神经网络进行训练，以生成对应的扭矩补偿模型，并实时采集所述驱动电机的转速波动曲线；
将所述转速波动曲线输入至所述扭矩补偿模型中，以使所述扭矩补偿模型输出对应的扭矩补偿指令，并将所述扭矩补偿指令传输至电机控制器中，以使所述电机控制器消除所述驱动电机与传动系统之间的共振；
其中，所述扭矩补偿模型的训练过程为：
采集历史的转速波动曲线与对应的扭矩补偿指令得到扭矩补偿训练数据集；
对所述训练数据集进行预处理，所述预处理至少包括清洗、降噪、特征提取、归一化、增强处理；
设计搭建自回归神经网络，并对所述自回归神经网络的参数进行初始化设定；
利用所述训练数据集对所述自回归神经网络进行训练，直至所述自回归神经网络的损失函数达到预设值。
进一步的，上述驱动电机主动防抖控制方法，其中，所述根据所述运行参数生成对应的目标数据集的步骤包括：
当获取到所述运行参数时，对所述运行参数进行预处理，并对预处理后的运行参数进行整合，以对应生成所述目标数据集，所述目标数据集具有唯一性。
进一步的，上述驱动电机主动防抖控制方法，其中，所述通过所述目标数据集对预设神经网络进行训练的步骤包括：
当获取到所述目标数据集时，基于预设规则将所述目标数据集拆分成对应的训练集以及验证集，并依次通过所述训练集以及所述验证集对所述预设神经网络进行自适应调整，以对应生成所述扭矩补偿模型。
进一步的，上述驱动电机主动防抖控制方法，其中，所述依次通过所述训练集以及所述验证集对所述预设神经网络进行自适应调整的步骤包括：
将所述训练集输入至所述预设神经网络的解析层中，以通过所述解析层将所述训练集解析成对应的训练代码；
将所述训练代码输入至所述预设神经网络的编码层中，以通过所述编码层将所述训练代码转换成对应的特征值；
将所述特征值输入至所述预设神经网络的学习层中，以对所述学习层进行自适应调整并生成所述扭矩补偿模型。
进一步的，上述驱动电机主动防抖控制方法，其中，所述将所述特征值输入至所述预设神经网络的学习层中，以对所述学习层进行自适应调整并生成所述扭矩补偿模型的步骤包括：
通过预设DTW算法对所述特征值进行序列化处理，以生成对应的特征序列，并提取出所述特征序列中包含的若干特征因子；
将若干所述特征因子输入至所述学习层中的学习网络中，并通过若干所述特征因子调整所述学习网络中的原始网络参数，以对应生成所述扭矩补偿模型。
进一步的，上述驱动电机主动防抖控制方法，其中，所述方法还包括：
建立与车辆内部的仪表盘的通信连接，并将所述驱动电机的输出扭矩实时显示在所述仪表盘上，且实时监测所述输出扭矩的大小。
进一步的，上述驱动电机主动防抖控制方法，其中，所述方法还包括：
实时判断所述输出扭矩是否大于预设扭矩阈值；
若实时判断到所述输出扭矩大于所述预设扭矩阈值，则在所述仪表盘中发出对应的提示信息，所述提示信息包括声音提示以及图标提示。
本发明的另一个目的提出一种驱动电机主动防抖控制系统，其中，所述系统包括：
检测模块，用于当检测到驱动电机运行时，实时采集所述驱动电机的运行参数，并根据所述运行参数生成对应的目标数据集；
采集模块，用于通过所述目标数据集对预设神经网络进行训练，以生成对应的扭矩补偿模型，并实时采集所述驱动电机的转速波动曲线；
控制模块，用于将所述转速波动曲线输入至所述扭矩补偿模型中，以使所述扭矩补偿模型输出对应的扭矩补偿指令，并将所述扭矩补偿指令传输至电机控制器中，以使所述电机控制器消除所述驱动电机与传动系统之间的共振；
其中，所述扭矩补偿模型的训练过程为：
采集历史的转速波动曲线与对应的扭矩补偿指令得到扭矩补偿训练数据集；
对所述训练数据集进行预处理，所述预处理至少包括清洗、降噪、特征提取、归一化、增强处理；
设计搭建自回归神经网络，并对所述自回归神经网络的参数进行初始化设定；
利用所述训练数据集对所述自回归神经网络进行训练，直至所述自回归神经网络的损失函数达到预设值。
进一步的，所述检测模块具体用于：
当获取到所述运行参数时，对所述运行参数进行预处理，并对预处理后的运行参数进行整合，以对应生成所述目标数据集，所述目标数据集具有唯一性。
进一步的，所述采集模块具体用于：
当获取到所述目标数据集时，基于预设规则将所述目标数据集拆分成对应的训练集以及验证集，并依次通过所述训练集以及所述验证集对所述预设神经网络进行自适应调整，以对应生成所述扭矩补偿模型。
进一步的，所述采集模块还具体用于：
将所述训练集输入至所述预设神经网络的解析层中，以通过所述解析层将所述训练集解析成对应的训练代码；
将所述训练代码输入至所述预设神经网络的编码层中，以通过所述编码层将所述训练代码转换成对应的特征值；
将所述特征值输入至所述预设神经网络的学习层中，以对所述学习层进行自适应调整并生成所述扭矩补偿模型。
进一步的，所述采集模块还具体用于：
通过预设DTW算法对所述特征值进行序列化处理，以生成对应的特征序列，并提取出所述特征序列中包含的若干特征因子；
将若干所述特征因子输入至所述学习层中的学习网络中，并通过若干所述特征因子调整所述学习网络中的原始网络参数，以对应生成所述扭矩补偿模型。
进一步的，所述驱动电机主动防抖控制系统还包括监测模块，所述监测模块具体用于：
建立与车辆内部的仪表盘的通信连接，并将所述驱动电机的输出扭矩实时显示在所述仪表盘上，且实时监测所述输出扭矩的大小。
进一步的，所述驱动电机主动防抖控制系统还包括判断模块，所述判断模块具体用于：
实时判断所述输出扭矩是否大于预设扭矩阈值；
若实时判断到所述输出扭矩大于所述预设扭矩阈值，则在所述仪表盘中发出对应的提示信息，所述提示信息包括声音提示以及图标提示。
本发明另一个目的在于提供一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上面所述的驱动电机主动防抖控制方法。
本发明另一个目的在于提供一种可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上面所述的驱动电机主动防抖控制方法。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
本发明通过实时获取驱动电机的运行参数，能够对应知悉驱动电机的实时工作状态，进一步的，根据该驱动电机的运行参数构建出与其适配的扭矩补偿模型，基于此，再实时获取该驱动电机的转速波动曲线，并输入至上述扭矩补偿模型中，从而能够最终使该扭矩补偿模型输出用于调整该驱动电机的扭矩补偿指令，以对应消除该驱动电机与传动系统之间的共振，进而消除了抖动，同时提升了用户的使用体验。
附图说明
图1为本发明第一实施例提供的驱动电机主动防抖控制方法的流程图；
图2为本发明第六实施例提供的驱动电机主动防抖控制系统的结构框图。
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。
实施例一
请参阅图1，所示为本发明第一实施例提供的驱动电机主动防抖控制方法，本实施例提供的驱动电机主动防抖控制方法能够有效的消除驱动电机与传动系统之间的共振，从而消除了抖动，提升了用户的使用体验。
具体的，本实施例提供的驱动电机主动防抖控制方法具体包括以下步骤：
步骤S10，当检测到驱动电机运行时，实时采集所述驱动电机的运行参数，并根据所述运行参数生成对应的目标数据集；
步骤S20，通过所述目标数据集对预设神经网络进行训练，以生成对应的扭矩补偿模型，并实时采集所述驱动电机的转速波动曲线；
步骤S30，将所述转速波动曲线输入至所述扭矩补偿模型中，以使所述扭矩补偿模型输出对应的扭矩补偿指令，并将所述扭矩补偿指令传输至电机控制器中，以使所述电机控制器消除所述驱动电机与传动系统之间的共振。
具体的，在本实施例中，首先需要说明的是，为了能够有效防止驱动电机与传动系统两者之间发生共振，需要在驱动电机实际运行的过程中，实时采集驱动电机的运行参数，以知悉驱动电机的运行状态。进一步的，根据驱动电机的实际运行参数构建出与其适配的扭矩补偿模型。
进一步的，只需将驱动电机在实际运行过程中实时产生的转速波动曲线输入至该扭矩补偿模型中，就能够输出与电机控制器适配的扭矩补偿指令，从而实时调整驱动电机的实时转速，以对应消除共振。
其中，所述扭矩补偿模型的训练过程为：
采集历史的转速波动曲线与对应的扭矩补偿指令得到扭矩补偿训练数据集；
对所述训练数据集进行预处理，所述预处理至少包括清洗、降噪、特征提取、归一化、增强处理；
设计搭建自回归神经网络，并对所述自回归神经网络的参数进行初始化设定；
利用所述训练数据集对所述自回归神经网络进行训练，直至所述自回归神经网络的损失函数达到预设值；
具体的，自回归神经网络是一种模仿人类神经系统的计算模型，能够通过大量的数据训练来学习和拟合复杂的非线性关系；自回归神经网络由多个层次的神经元组成，每个神经元接收来自上一层的输入信号，并根据激活函数和权重参数产生输出信号，传递给下一层；自回归神经网络能够利用历史数据来预测未来数据，适用于处理时序数据；利用自回归神经网络对电机转速波动进行预测和分析，根据预测结果生成适应性的扭矩补偿指令，并根据扭矩补偿指令调节电机的输出扭矩，实现电机的主动防抖控制。为了实现这一思想，我们需要对自回归神经网络进行训练，使其能够准确地学习和拟合电机转速波动与扭矩补偿指令之间的复杂非线性关系。
首先，需要收集和准备训练数据，例如电机的工况参数，包括扭矩、转速、温度、电流等，并对应的扭矩补偿指令。训练数据应该尽可能多样、无偏、全面和均衡，以避免过拟合或欠拟合的问题；
其次，需要设计和搭建神经网络的结构，例如选择不同类型和数量的层、神经元、激活函数、损失函数、优化器等。神经网络的结构应该根据具体的任务和数据特点来确定，以达到最佳的性能和效率。本发明专利中采用的是自回归神经网络，这是一种能够利用历史数据来预测未来数据的神经网络，适用于处理时序数据，如电机转速波动曲线；
然后，需要对数据进行预处理，例如清洗、降噪、特征提取、归一化、增强等，以提高数据的质量和可用性。数据预处理可以增加数据的多样性和稳定性，减少噪声和异常值的影响，提高神经网络的泛化能力；
最后，需要对神经网络的参数进行初始化，例如随机或固定地赋予权重和偏置等初始值。参数初始化可以影响神经网络的收敛速度和最终结果，因此需要选择合适的方法和范围，避免过大或过小的值。
本发明上述实施例当中提出的驱动电机主动防抖控制方法，通过实时获取驱动电机的运行参数，能够对应知悉驱动电机的实时工作状态，进一步的，根据该驱动电机的运行参数构建出与其适配的扭矩补偿模型，基于此，再实时获取该驱动电机的转速波动曲线，并输入至上述扭矩补偿模型中，从而能够最终使该扭矩补偿模型输出用于调整该驱动电机的扭矩补偿指令，以对应消除该驱动电机与传动系统之间的共振，进而消除了抖动，同时提升了用户的使用体验。
实施例二
本实施例也提出一种驱动电机主动防抖控制方法，本实施例当中的驱动电机主动防抖控制方法与实施例一当中的驱动电机主动防抖控制方法的不同之处在于：
根据所述运行参数生成对应的目标数据集的步骤包括：
当获取到所述运行参数时，对所述运行参数进行预处理，并对预处理后的运行参数进行整合，以对应生成所述目标数据集，所述目标数据集具有唯一性。
通过上述方式能够实时的对获取到的运行参数进行滤波以及降噪等预处理，以便于后续的处理。
进一步的，根据预处理后的运行参数生成对应的目标数据集，以对应完成后续的训练。
具体的，在本实施例中，还需要说明的是，上述通过所述目标数据集对预设神经网络进行训练的步骤包括：
当获取到所述目标数据集时，基于预设规则将所述目标数据集拆分成对应的训练集以及验证集，并依次通过所述训练集以及所述验证集对所述预设神经网络进行自适应调整，以对应生成所述扭矩补偿模型。
具体的，在本实施例中，还需要说明的是，通过上述方式能够根据获取到的目标数据集拆分出需要的训练集以及验证集，再依次通过该训练集以及验证集对上述预设神经网络进行训练，以对应生成上述扭矩补偿模型。
本发明上述实施例当中提出的驱动电机主动防抖控制方法，通过实时获取驱动电机的运行参数，能够对应知悉驱动电机的实时工作状态，进一步的，根据该驱动电机的运行参数构建出与其适配的扭矩补偿模型，基于此，再实时获取该驱动电机的转速波动曲线，并输入至上述扭矩补偿模型中，从而能够最终使该扭矩补偿模型输出用于调整该驱动电机的扭矩补偿指令，以对应消除该驱动电机与传动系统之间的共振，进而消除了抖动，同时提升了用户的使用体验。
实施例三
本实施例也提出一种驱动电机主动防抖控制方法，本实施例当中的驱动电机主动防抖控制方法与实施例一当中的驱动电机主动防抖控制方法的不同之处在于：
上述依次通过所述训练集以及所述验证集对所述预设神经网络进行自适应调整的步骤包括：
将所述训练集输入至所述预设神经网络的解析层中，以通过所述解析层将所述训练集解析成对应的训练代码；
将所述训练代码输入至所述预设神经网络的编码层中，以通过所述编码层将所述训练代码转换成对应的特征值；
将所述特征值输入至所述预设神经网络的学习层中，以对所述学习层进行自适应调整并生成所述扭矩补偿模型。
另外，在本实施例中，需要说明的是，通过上述方式能够有效的对获取到的训练集进行解析以及编码处理，以生成对应的特征值，该特征值能够被上述学习层所识别。
进一步的，最后通过该特征值对上述学习层进行训练，以对应生成上述扭矩补偿模型。
另外，在本实施例中，还需要说明的是，上述将所述特征值输入至所述预设神经网络的学习层中，以对所述学习层进行自适应调整并生成所述扭矩补偿模型的步骤包括：
通过预设DTW算法对所述特征值进行序列化处理，以生成对应的特征序列，并提取出所述特征序列中包含的若干特征因子；
将若干所述特征因子输入至所述学习层中的学习网络中，并通过若干所述特征因子调整所述学习网络中的原始网络参数，以对应生成所述扭矩补偿模型。
另外，在本实施例中，还需要说明的是，在通过上述方式获取到需要的特征值之后，此时进一步通过现有的DTW算法对该特征值进行序列化处理，从而自适应调整当前学习层中的学习网络，以最后对应生成上述扭矩补偿模型。其中，DTW算法(Dynamic TimeWarping，动时间归整，简称DTW)，该算法于动态规划(DP)的思想，用于孤立词识别，这里不予赘述。
本发明上述实施例当中提出的驱动电机主动防抖控制方法，通过实时获取驱动电机的运行参数，能够对应知悉驱动电机的实时工作状态，进一步的，根据该驱动电机的运行参数构建出与其适配的扭矩补偿模型，基于此，再实时获取该驱动电机的转速波动曲线，并输入至上述扭矩补偿模型中，从而能够最终使该扭矩补偿模型输出用于调整该驱动电机的扭矩补偿指令，以对应消除该驱动电机与传动系统之间的共振，进而消除了抖动，同时提升了用户的使用体验。
实施例四
本实施例也提出一种驱动电机主动防抖控制方法，本实施例当中的驱动电机主动防抖控制方法与实施例一当中的驱动电机主动防抖控制方法的不同之处在于：
其中，在本实施例中，需要指出的是，所述方法还包括：
建立与车辆内部的仪表盘的通信连接，并将所述驱动电机的输出扭矩实时显示在所述仪表盘上，且实时监测所述输出扭矩的大小。
其中，在本实施例中，需要指出的是，通过上述方式能够与车辆内部的仪表盘建立实时的通信连接。
进一步的，将上述驱动电机的输出扭矩实时显示在该仪表盘中，以使驾驶员能够清楚的知悉驱动电机的工作状态。
其中，在本实施例中，需要指出的是，所述方法还包括：
实时判断所述输出扭矩是否大于预设扭矩阈值；
若实时判断到所述输出扭矩大于所述预设扭矩阈值，则在所述仪表盘中发出对应的提示信息，所述提示信息包括声音提示以及图标提示。
其中，在本实施例中，需要指出的是，通过上述方式能够实时的对驱动电机的输出扭矩进行监测。
进一步的，并在判断到输出扭矩大于预设扭矩阈值时，立即发出对应的提示信息，以使驾驶员进行对应的调整。
本发明上述实施例当中提出的驱动电机主动防抖控制方法，通过实时获取驱动电机的运行参数，能够对应知悉驱动电机的实时工作状态，进一步的，根据该驱动电机的运行参数构建出与其适配的扭矩补偿模型，基于此，再实时获取该驱动电机的转速波动曲线，并输入至上述扭矩补偿模型中，从而能够最终使该扭矩补偿模型输出用于调整该驱动电机的扭矩补偿指令，以对应消除该驱动电机与传动系统之间的共振，进而消除了抖动，同时提升了用户的使用体验。
实施例五
请参阅图2，本发明第五实施例提供了：
一种驱动电机主动防抖控制系统，其中，所述系统包括：
检测模块，用于当检测到驱动电机运行时，实时采集所述驱动电机的运行参数，并根据所述运行参数生成对应的目标数据集；
采集模块，用于通过所述目标数据集对预设神经网络进行训练，以生成对应的扭矩补偿模型，并实时采集所述驱动电机的转速波动曲线；
控制模块，用于将所述转速波动曲线输入至所述扭矩补偿模型中，以使所述扭矩补偿模型输出对应的扭矩补偿指令，并将所述扭矩补偿指令传输至电机控制器中，以使所述电机控制器消除所述驱动电机与传动系统之间的共振。
其中，所述扭矩补偿模型的训练过程为：
采集历史的转速波动曲线与对应的扭矩补偿指令得到扭矩补偿训练数据集；
对所述训练数据集进行预处理，所述预处理至少包括清洗、降噪、特征提取、归一化、增强处理；
设计搭建自回归神经网络，并对所述自回归神经网络的参数进行初始化设定；
利用所述训练数据集对所述自回归神经网络进行训练，直至所述自回归神经网络的损失函数达到预设值。
其中，上述驱动电机主动防抖控制系统中，所述检测模块具体用于：
当获取到所述运行参数时，对所述运行参数进行预处理，并对预处理后的运行参数进行整合，以对应生成所述目标数据集，所述目标数据集具有唯一性。
其中，上述驱动电机主动防抖控制系统中，所述采集模块具体用于：
当获取到所述目标数据集时，基于预设规则将所述目标数据集拆分成对应的训练集以及验证集，并依次通过所述训练集以及所述验证集对所述预设神经网络进行自适应调整，以对应生成所述扭矩补偿模型。
其中，上述驱动电机主动防抖控制系统中，所述采集模块还具体用于：
将所述训练集输入至所述预设神经网络的解析层中，以通过所述解析层将所述训练集解析成对应的训练代码；
将所述训练代码输入至所述预设神经网络的编码层中，以通过所述编码层将所述训练代码转换成对应的特征值；
将所述特征值输入至所述预设神经网络的学习层中，以对所述学习层进行自适应调整并生成所述扭矩补偿模型。
其中，上述驱动电机主动防抖控制系统中，所述采集模块还具体用于：
通过预设DTW算法对所述特征值进行序列化处理，以生成对应的特征序列，并提取出所述特征序列中包含的若干特征因子；
将若干所述特征因子输入至所述学习层中的学习网络中，并通过若干所述特征因子调整所述学习网络中的原始网络参数，以对应生成所述扭矩补偿模型。
其中，上述驱动电机主动防抖控制系统中，所述驱动电机主动防抖控制系统还包括监测模块，所述监测模块具体用于：
建立与车辆内部的仪表盘的通信连接，并将所述驱动电机的输出扭矩实时显示在所述仪表盘上，且实时监测所述输出扭矩的大小。
其中，上述驱动电机主动防抖控制系统中，所述驱动电机主动防抖控制系统还包括判断模块，所述判断模块具体用于：
实时判断所述输出扭矩是否大于预设扭矩阈值；
若实时判断到所述输出扭矩大于所述预设扭矩阈值，则在所述仪表盘中发出对应的提示信息，所述提示信息包括声音提示以及图标提示。
实施例六
本发明第六实施例提供了一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上述实施例提供的驱动电机主动防抖控制方法。
实施例七
本发明第七实施例提供了一种可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上述实施例提供的驱动电机主动防抖控制方法。
综上所述，本发明上述实施例提供的驱动电机主动防抖控制方法及系统能够有效的消除驱动电机与传动系统之间的共振，从而消除了抖动，对应提升了用户的使用体验。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
以上各个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。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
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 (10)
1.一种驱动电机主动防抖控制方法，其特征在于，所述方法包括：
当检测到驱动电机运行时，实时采集所述驱动电机的运行参数，并根据所述运行参数生成对应的目标数据集；
通过所述目标数据集对预设神经网络进行训练，以生成对应的扭矩补偿模型，并实时采集所述驱动电机的转速波动曲线；
将所述转速波动曲线输入至所述扭矩补偿模型中，以使所述扭矩补偿模型输出对应的扭矩补偿指令，并将所述扭矩补偿指令传输至电机控制器中，以使所述电机控制器消除所述驱动电机与传动系统之间的共振；
其中，所述扭矩补偿模型的训练过程为：
采集历史的转速波动曲线与对应的扭矩补偿指令得到扭矩补偿训练数据集；
对所述训练数据集进行预处理，所述预处理至少包括清洗、降噪、特征提取、归一化、增强处理；
设计搭建自回归神经网络，并对所述自回归神经网络的参数进行初始化设定；
利用所述训练数据集对所述自回归神经网络进行训练，直至所述自回归神经网络的损失函数达到预设值。
2.根据权利要求1所述的驱动电机主动防抖控制方法，其特征在于：所述根据所述运行参数生成对应的目标数据集的步骤包括：
当获取到所述运行参数时，对所述运行参数进行预处理，并对预处理后的运行参数进行整合，以对应生成所述目标数据集，所述目标数据集具有唯一性。
3.根据权利要求1所述的驱动电机主动防抖控制方法，其特征在于：所述通过所述目标数据集对预设神经网络进行训练的步骤包括：
当获取到所述目标数据集时，基于预设规则将所述目标数据集拆分成对应的训练集以及验证集，并依次通过所述训练集以及所述验证集对所述预设神经网络进行自适应调整，以对应生成所述扭矩补偿模型。
4.根据权利要求3所述的驱动电机主动防抖控制方法，其特征在于：所述依次通过所述训练集以及所述验证集对所述预设神经网络进行自适应调整的步骤包括：
将所述训练集输入至所述预设神经网络的解析层中，以通过所述解析层将所述训练集解析成对应的训练代码；
将所述训练代码输入至所述预设神经网络的编码层中，以通过所述编码层将所述训练代码转换成对应的特征值；
将所述特征值输入至所述预设神经网络的学习层中，以对所述学习层进行自适应调整并生成所述扭矩补偿模型。
5.根据权利要求4所述的驱动电机主动防抖控制方法，其特征在于：所述将所述特征值输入至所述预设神经网络的学习层中，以对所述学习层进行自适应调整并生成所述扭矩补偿模型的步骤包括：
通过预设DTW算法对所述特征值进行序列化处理，以生成对应的特征序列，并提取出所述特征序列中包含的若干特征因子；
将若干所述特征因子输入至所述学习层中的学习网络中，并通过若干所述特征因子调整所述学习网络中的原始网络参数，以对应生成所述扭矩补偿模型。
6.根据权利要求1所述的驱动电机主动防抖控制方法，其特征在于：所述方法还包括：
建立与车辆内部的仪表盘的通信连接，并将所述驱动电机的输出扭矩实时显示在所述仪表盘上，且实时监测所述输出扭矩的大小。
7.根据权利要求6所述的驱动电机主动防抖控制方法，其特征在于：所述方法还包括：
实时判断所述输出扭矩是否大于预设扭矩阈值；
若实时判断到所述输出扭矩大于所述预设扭矩阈值，则在所述仪表盘中发出对应的提示信息，所述提示信息包括声音提示以及图标提示。
8.一种驱动电机主动防抖控制系统，其特征在于，所述系统包括：
检测模块，用于当检测到驱动电机运行时，实时采集所述驱动电机的运行参数，并根据所述运行参数生成对应的目标数据集；
采集模块，用于通过所述目标数据集对预设神经网络进行训练，以生成对应的扭矩补偿模型，并实时采集所述驱动电机的转速波动曲线；
控制模块，用于将所述转速波动曲线输入至所述扭矩补偿模型中，以使所述扭矩补偿模型输出对应的扭矩补偿指令，并将所述扭矩补偿指令传输至电机控制器中，以使所述电机控制器消除所述驱动电机与传动系统之间的共振；
其中，所述扭矩补偿模型的训练过程为：
采集历史的转速波动曲线与对应的扭矩补偿指令得到扭矩补偿训练数据集；
对所述训练数据集进行预处理，所述预处理至少包括清洗、降噪、特征提取、归一化、增强处理；
设计搭建自回归神经网络，并对所述自回归神经网络的参数进行初始化设定；
利用所述训练数据集对所述自回归神经网络进行训练，直至所述自回归神经网络的损失函数达到预设值。
9.一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的驱动电机主动防抖控制方法。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任意一项所述的驱动电机主动防抖控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311204125.1A CN116961494B (zh) | 2023-09-19 | 2023-09-19 | 一种驱动电机主动防抖控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311204125.1A CN116961494B (zh) | 2023-09-19 | 2023-09-19 | 一种驱动电机主动防抖控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116961494A true CN116961494A (zh) | 2023-10-27 |
| CN116961494B CN116961494B (zh) | 2024-01-26 |
Family
ID=88454878
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311204125.1A Active CN116961494B (zh) | 2023-09-19 | 2023-09-19 | 一种驱动电机主动防抖控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116961494B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117656868A (zh) * | 2024-01-30 | 2024-03-08 | 深圳市科沃电气技术有限公司 | 驱动电机防抖动控制方法、装置、设备及存储介质 |
| CN118367838A (zh) * | 2024-06-17 | 2024-07-19 | 质子汽车科技有限公司 | 一种重载车辆的启动防抖动方法和装置 |
| CN118551150A (zh) * | 2024-07-29 | 2024-08-27 | 深圳市百思泰科技有限公司 | 基于扭力测试的扭力补偿方法、装置、设备及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050073964A (ko) * | 2004-01-12 | 2005-07-18 | 고종선 | 동기전동기를 이용한 위치 제어장치 및 방법 |
| CN109435705A (zh) * | 2018-10-29 | 2019-03-08 | 北京新能源汽车股份有限公司 | 电动汽车及其阻尼控制方法、装置、设备和介质 |
| CN110518851A (zh) * | 2019-07-19 | 2019-11-29 | 杭州洲钜电子科技有限公司 | 基于神经网络的压缩机控制方法、系统和存储介质 |
| US20200266743A1 (en) * | 2019-02-14 | 2020-08-20 | The Board Of Trustees Of The University Of Alabama | Systems, methods and devices for neural network control for ipm motor drives |
| CN112994538A (zh) * | 2021-02-01 | 2021-06-18 | 桂林电子科技大学 | 基于傅里叶神经网络srm转矩脉动抑制控制系统和方法 |
| CN114244220A (zh) * | 2021-12-16 | 2022-03-25 | 武汉杰开科技有限公司 | 一种永磁同步电机转矩脉动抑制方法及抑制系统 |
| CN114977953A (zh) * | 2022-05-31 | 2022-08-30 | 上海临港电力电子研究有限公司 | 基于神经网络的电机输出扭矩修正方法、设备及介质 |
| WO2022179287A1 (zh) * | 2021-02-26 | 2022-09-01 | 中国第一汽车股份有限公司 | 车辆防抖方法、装置、存储介质及系统 |
| KR20220150098A (ko) * | 2021-05-03 | 2022-11-10 | 엘지전자 주식회사 | 모터 구동 장치 및 이를 구비하는 공기조화기 |
| US20230174148A1 (en) * | 2021-12-02 | 2023-06-08 | Volvo Car Corporation | Vehicle steering non-uniformity compensation |
-
2023
- 2023-09-19 CN CN202311204125.1A patent/CN116961494B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050073964A (ko) * | 2004-01-12 | 2005-07-18 | 고종선 | 동기전동기를 이용한 위치 제어장치 및 방법 |
| CN109435705A (zh) * | 2018-10-29 | 2019-03-08 | 北京新能源汽车股份有限公司 | 电动汽车及其阻尼控制方法、装置、设备和介质 |
| US20200266743A1 (en) * | 2019-02-14 | 2020-08-20 | The Board Of Trustees Of The University Of Alabama | Systems, methods and devices for neural network control for ipm motor drives |
| CN110518851A (zh) * | 2019-07-19 | 2019-11-29 | 杭州洲钜电子科技有限公司 | 基于神经网络的压缩机控制方法、系统和存储介质 |
| CN112994538A (zh) * | 2021-02-01 | 2021-06-18 | 桂林电子科技大学 | 基于傅里叶神经网络srm转矩脉动抑制控制系统和方法 |
| WO2022179287A1 (zh) * | 2021-02-26 | 2022-09-01 | 中国第一汽车股份有限公司 | 车辆防抖方法、装置、存储介质及系统 |
| KR20220150098A (ko) * | 2021-05-03 | 2022-11-10 | 엘지전자 주식회사 | 모터 구동 장치 및 이를 구비하는 공기조화기 |
| US20230174148A1 (en) * | 2021-12-02 | 2023-06-08 | Volvo Car Corporation | Vehicle steering non-uniformity compensation |
| CN114244220A (zh) * | 2021-12-16 | 2022-03-25 | 武汉杰开科技有限公司 | 一种永磁同步电机转矩脉动抑制方法及抑制系统 |
| CN114977953A (zh) * | 2022-05-31 | 2022-08-30 | 上海临港电力电子研究有限公司 | 基于神经网络的电机输出扭矩修正方法、设备及介质 |
Non-Patent Citations (2)
| Title |
|---|
| LINA WANG ET AL.: "Research on a novel method to suppress neutral harmonic currents in three-phase four-wire power systems", 2008 INTERNATIONAL CONFERENCE ON ELECTRICAL MACHINES AND SYSTEMS, pages 3983 - 3986 * |
| 经本钦;: "基于前馈补偿的开关磁阻电机转矩脉动抑制方法研究", 桂林航天工业学院学报, no. 01, pages 47 - 51 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117656868A (zh) * | 2024-01-30 | 2024-03-08 | 深圳市科沃电气技术有限公司 | 驱动电机防抖动控制方法、装置、设备及存储介质 |
| CN117656868B (zh) * | 2024-01-30 | 2024-04-16 | 深圳市科沃电气技术有限公司 | 驱动电机防抖动控制方法、装置、设备及存储介质 |
| CN118367838A (zh) * | 2024-06-17 | 2024-07-19 | 质子汽车科技有限公司 | 一种重载车辆的启动防抖动方法和装置 |
| CN118367838B (zh) * | 2024-06-17 | 2024-10-18 | 质子汽车科技有限公司 | 一种重载车辆的启动防抖动方法和装置 |
| CN118551150A (zh) * | 2024-07-29 | 2024-08-27 | 深圳市百思泰科技有限公司 | 基于扭力测试的扭力补偿方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116961494B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116961494B (zh) | 一种驱动电机主动防抖控制方法及系统 | |
| US20210326692A1 (en) | Ann training through processing power of parked vehicles | |
| CN116470190B (zh) | 动力电池包加热方法、系统、计算机及可读存储介质 | |
| CN111045411A (zh) | 用于动力传动系组件的故障诊断方法 | |
| JP7452171B2 (ja) | 異音の発生箇所特定方法 | |
| CN109299784B (zh) | 一种基于神经网络的辅助驾驶方法、装置及可读存储介质 | |
| CN110654394A (zh) | 驾驶控制系统和方法以及车辆 | |
| JP2021056983A (ja) | 車両ｃａｎ ｂｕｓ信号を利用した機械学習基盤運転者異常感知方法および装置 | |
| CN116853073B (zh) | 一种新能源电动汽车能量管理方法及系统 | |
| CN117533137A (zh) | 一种电驱动系统故障预警方法及系统 | |
| EP3640857A1 (en) | Method, vehicle, system, and storage medium for indicating anomalous vehicle scenario using encoder network and discriminator network intermediate layer activation | |
| CN117040351B (zh) | 一种驱动电机控制方法及系统 | |
| CN118579097A (zh) | 一种汽车人机交互方法及系统 | |
| CN117254746B (zh) | 一种驱动电机温度控制方法及系统 | |
| CN116923100B (zh) | 一种动力电池包修复方法及系统 | |
| CN116661428B (zh) | 一种整车性能参数测试方法及系统 | |
| CN114872506A (zh) | 一种车辆悬架智能控制方法、控制装置及控制系统 | |
| CN118025057A (zh) | 车辆组件的控制方法、装置和车辆 | |
| CN118220189A (zh) | 一种新能源汽车行驶控制方法、装置、设备及介质 | |
| Mei | A data-driven approach to fault modeling and diagnosis of brake-by-wire system | |
| CN118062003A (zh) | 一种新能源汽车自适应巡航控制方法及系统 | |
| CN117117374A (zh) | 一种动力电池包回收方法及系统 | |
| CN117930704A (zh) | 一种汽车自动驾驶方法及系统 | |
| Huang et al. | Objective Quantification of Small Motor Sound Quality Based on Psychoacoustic Metrics | |
| CN117207821A (zh) | 一种新能源汽车充电方法及系统 |
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 |