一种自适应车重的能量回收方法、系统、装置及存储介质与流程

本发明涉及车辆控制，尤其是一种自适应车重的能量回收方法、系统、装置及存储介质。

背景技术：

1、随着汽车智能网联化的发展，车辆监测及控制技术也越来越智能化。电动车(指混合动力汽车、纯电动汽车和增程式电动车)制动能量回收(braking energy recoverysystem)，又称回馈制动或能量再生制动(regenerative braking)，是指在车辆减速/制动或惯性滑行中释放出的多余能量，在保证制动效能的前提下，使驱动电机被控制作于发电机工况，通过与驱动轴相连的能量转换装置把车辆的一部分机械能(动能或位能)转化为其它形式的能量(电能)并储存在储能装置(各种蓄电池、超级电容、超高速飞轮或者它们之间的复合)中并加以利用于之后的加速行驶，使用时可迅速将能力释放，达到回收制动能量目标的一种技术以延长/增加电动汽车续驶里程，同时施加电机回馈转矩于驱动轴，对车辆进行制动。

2、目前电动汽车在滑行过程中的能量回收(即驾驶员未踩加速踏板且未踩制动踏板)多采用提供多档位选择的形式，驾驶员可以通过操作自行选择不同强度的档位进行能量回收，而不同档位的制动回收扭矩的设定，多为通过驾驶评价后形成固定参数写入控制器实现。由于车辆不同载荷情况下的阻力特性差异，根据固定参数来进行制动回收扭矩的控制，会导致评价的状态与实际车辆载荷状态有差异，影响了车辆滑行阶段能量回收的效率，也影响了用户的驾驶体验和乘车体验。

技术实现思路

1、本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。

2、为此，本发明实施例的一个目的在于提供一种自适应车重的能量回收方法，该方法提高了车辆滑行阶段能量回收的效率，也提高了用户的驾驶体验和乘车体验。

3、本发明实施例的另一个目的在于提供一种自适应车重的能量回收系统。

4、为了达到上述技术目的，本发明实施例所采取的技术方案包括：

5、第一方面，本发明实施例提供了一种自适应车重的能量回收方法，包括以下步骤：

6、获取目标车辆的空载质量和装载物重量，根据所述空载质量和所述装载物重量确定所述目标车辆的实时车辆负载；

7、获取所述目标车辆的实时车辆速度，根据所述实时车辆速度和所述实时车辆负载确定所述目标车辆的实时滑行阻力；

8、将所述实时车辆负载、所述实时车辆速度以及所述实时滑行阻力输入到预先训练好的制动回收扭矩预测模型，得到目标制动回收扭矩；

9、根据所述目标制动回收扭矩对所述目标车辆进行能量回收控制。

10、进一步地，在本发明的一个实施例中，所述获取目标车辆的空载质量和装载物重量，根据所述空载质量和所述装载物重量确定所述目标车辆的实时车辆负载这一步骤，其具体包括：

11、通过车载称重系统获取所述目标车辆的装载物重量；

12、获取所述目标车辆出厂时标定的空载质量；

13、将所述空载质量与所述装载物重量之和作为所述目标车辆的实时车辆负载。

14、进一步地，在本发明的一个实施例中，所述获取所述目标车辆的实时车辆速度这一步骤，其具体包括：

15、获取所述目标车辆的实时轮胎转速、实时轮胎气压以及实时环境温度；

16、根据所述实时车辆负载、所述实时轮胎转速、所述实时轮胎气压以及所述实时环境温度预测所述目标车辆的实时轮胎滚动半径；

17、根据所述实时轮胎滚动半径和所述实时轮胎转速确定所述目标车辆的实时车辆速度。

18、进一步地，在本发明的一个实施例中，所述根据所述实时车辆速度和所述实时车辆负载确定所述目标车辆的实时滑行阻力这一步骤，其具体包括：

19、根据所述实时车辆负载获取对应的滑行阻力拟合曲线；

20、根据所述实时车辆速度和所述滑行阻力拟合曲线确定所述目标车辆的实时滑行阻力；

21、其中，所述滑行阻力拟合曲线为预先拟合得到的滑行阻力与车辆速度的二次函数曲线。

22、进一步地，在本发明的一个实施例中，所述能量回收方法还包括预先训练所述制动回收扭矩预测模型的步骤，其具体包括：

23、获取目标车辆在测试条件下的多个车辆负载数据、车辆速度数据以及滑行阻力数据；

24、根据所述车辆负载数据、所述车辆速度数据以及所述滑行阻力数据生成训练样本，并基于驾驶评价确定所述训练样本对应的最优制动回收扭矩；

25、根据所述最优自动回收扭矩确定所述训练样本的样本标签，并根据所述训练样本和对应的所述样本标签构建训练数据集；

26、将所述训练数据集输入到预先构建的bp神经网络进行训练，得到训练好的所述制动回收扭矩预测模型。

27、进一步地，在本发明的一个实施例中，所述将所述训练数据集输入到预先构建的bp神经网络进行训练，得到训练好的所述制动回收扭矩预测模型这一步骤，其具体包括：

28、将所述训练数据集输入到所述bp神经网络，得到制动回收扭矩预测结果；

29、根据所述制动回收扭矩预测结果和所述样本标签确定所述bp神经网络的损失值；

30、根据所述损失值通过反向传播算法更新所述bp神经网络的模型参数，并返回将所述训练数据集输入到所述bp神经网络这一步骤；

31、当所述损失值达到预设的第一阈值或迭代次数达到预设的第二阈值，停止训练，得到训练好的所述制动回收扭矩预测模型。

32、进一步地，在本发明的一个实施例中，所述能量回收方法还包括以下步骤：

33、响应于所述目标车辆接收到的第一操作指令，根据所述第一操作指令确定对应的能量回收修正系数，并根据所述能量回收修正系数对所述目标制动回收扭矩进行调整。

34、第二方面，本发明实施例提供了一种自适应车重的能量回收系统，包括：

35、实时车辆负载确定模块，用于获取目标车辆的空载质量和装载物重量，根据所述空载质量和所述装载物重量确定所述目标车辆的实时车辆负载；

36、实时滑行阻力确定模块，用于获取所述目标车辆的实时车辆速度，根据所述实时车辆速度和所述实时车辆负载确定所述目标车辆的实时滑行阻力；

37、制动回收扭矩预测模块，用于将所述实时车辆负载、所述实时车辆速度以及所述实时滑行阻力输入到预先训练好的制动回收扭矩预测模型，得到目标制动回收扭矩；

38、能量回收控制模块，用于根据所述目标制动回收扭矩对所述目标车辆进行能量回收控制。

39、第三方面，本发明实施例提供了一种自适应车重的能量回收装置，包括：

40、至少一个处理器；

41、至少一个存储器，用于存储至少一个程序；

42、当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现上述的一种自适应车重的能量回收方法。

43、第四方面，本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行上述的一种自适应车重的能量回收方法。

44、本发明的优点和有益效果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：

45、本发明实施例获取目标车辆的空载质量和装载物重量，根据空载质量和装载物重量确定目标车辆的实时车辆负载，然后获取目标车辆的实时车辆速度，根据实时车辆速度和实时车辆负载确定目标车辆的实时滑行阻力，再将实时车辆负载、实时车辆速度以及实时滑行阻力输入到预先训练好的制动回收扭矩预测模型，得到目标制动回收扭矩，进而可以根据目标制动回收扭矩对目标车辆进行能量回收控制。本发明实施例动态识别实时车辆负载，根据实时车辆负载和实时车辆速度确定目标车辆的实时滑行阻力，结合预先训练的制动回收扭矩预测模型预测得到最优的目标制动回收扭矩，考虑了不同车辆工况下车辆负载、车辆速度以及滑行阻力对制动回收扭矩的影响，提高了能量回收控制的准确性，从而提高了车辆滑行阶段能量回收的效率，也提高了用户的驾驶体验和乘车体验。