一种基于驾驶风格的动力模式自适应控制算法系统的制作方法

1.本发明涉及新能源商用车电控系统设计与应用领域，特别涉及一种基于驾驶风格的动力模式自适应控制算法系统。


背景技术：

2.现如今乘用车市场为了适应不同驾驶工况，不同驾驶类型的驾驶人员，通常划分有动力模式、舒适模式、标准模式和经济模式，商用车也通常划分有动力模式、经济模式。由于商用车运营工况相对复杂，城市、乡村、矿区等等差异化很大，厂家出厂标定的动力模式，经济模式很难在不同场景下实现最佳匹配。
3.因此一种可以自适应的动力系统显得尤为重要，可以进一步满足驾驶员对动力、经济或者舒适的需求。驾驶员在动力模式下ecu通过学习当前工况下当前驾驶员习惯，进而对动力曲线做出进一步优化，以满足驾驶员对动力的需求；在经济模式下，实现最佳经济化的控制；相应的舒适模式下，实现车辆最大舒适化的控制。
4.因此，本技术提出了一种基于驾驶风格的动力模式自适应控制算法系统。


技术实现要素：

5.本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于驾驶风格的动力模式自适应控制算法系统。
6.为了达到上述目的，本发明采用的主要技术方案包括：一种基于驾驶风格的动力模式自适应控制算法系统，包括：输入信号i，所述输入信号i通过信号滤波后传递给信号处理中心，所述信号处理中心将接收到的信号根据不同类别的影响因子进行归一化处理，再通过加权处理后得到不同的驾驶因子，根据得到的驾驶因子进行拟合函数，从而输出扭矩，其中，拟合函数由3条值域范围为0-1的数学公式或者值域范围为0-1的3组标定折线数据，加权求和组成，输出为需求转矩。
7.优选地，其中，拟合函数公式中的输入包括：驾驶因子、整车质量、油门踏板开度和电机转速。
8.优选地，所述输入信号i包括油门，整车质量、输出轴转速以及档位状态，通过输出轴转速可进一步的计算出车辆速度、加速度、冲击度参数，再通过计算加速踏板开度、车速、加速度和冲击度分别计算标准差、平均值、变化率、时间占比影响因子。
9.优选地，用户能够自定义可表征驾驶特性的影响因子。
10.优选地，影响因子特性的自学习计算公式为：
11.改进平均值：sum＝sum+now
–
(sum/tt)*en；
12.average＝sum/tt；
13.改进标准差：std_add＝(now-average)^2+std_add
–
(std_add/
14.tt)*en；
15.standard＝sqrt(std_add/tt)；
16.tt＝((t》tt)？tt:t)+1；
17.en＝(t》tt)？1:0；
18.其中sum表示积分和，average表示改进平均值，now表示当前状态值，tt标定量，用于标定自学习样本大小，t实时学习总时长，std_add表示差平方积分和，standard表示改进标准差。
19.优选地，3条数学公式或3组标定数据分别表征整体速度、油门a、油门b，其中a、b为油门开度，a＜1/2＜b，通过输入对应驾驶因子即可动态得到无数条动力曲线。
20.优选地，应用于商用车使用时，由于载客量的不同，通过输入信号ii输入质量参数，再结合油门开度和电机转速查电机map图得到最终的输出扭矩，从而达到自适应控制目的。
21.本发明至少具备以下有益效果：
22.1、根据驾驶风格自适应的动力模式的算法及方法，实现新能源商用车动力曲线与驾驶工况和驾驶行为更进一步的完美匹配，进一步满足驾驶员对动力、经济或者舒适性的驾驶需求。
23.2、从传统的驾驶员适应一辆新车发展为车辆主动去适应一名新的驾驶员驾驶习惯，进而到达最佳的动力模式，又或是最节能匹配标定。
附图说明
24.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
25.图1为本发明一种基于驾驶风格的动力模式自适应控制算法系统的控制流程方法图。
具体实施方式
26.以下将配合附图及实施例来详细说明本技术的实施方式，借此对本技术如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
27.现如今乘用车市场为了适应不同驾驶工况，不同驾驶类型的驾驶人员，通常划分有动力模式、舒适模式、标准模式和经济模式，商用车也通常划分有动力模式、经济模式。由于商用车运营工况相对复杂，城市、乡村、矿区等等差异化很大，厂家出厂标定的动力模式，经济模式很难在不同场景下实现最佳匹配。
28.因此一种可以自适应的动力系统显得尤为重要，可以进一步满足驾驶员对动力、经济或者舒适的需求。驾驶员在动力模式下ecu通过学习当前工况下当前驾驶员习惯，进而对动力曲线做出进一步优化，以满足驾驶员对动力的需求；在经济模式下，实现最佳经济化的控制；相应的舒适模式下，实现车辆最大舒适化的控制。
29.发明人为了解决上述所存在的技术问题，现采用了以下的技术方案，具体如下：
30.实施例一
31.请参照图1所示，本发明的实施例中，一种基于驾驶风格的动力模式自适应控制算法系统，包括：输入信号i，所述输入信号i通过信号滤波后传递给信号处理中心，所述信号处理中心将接收到的信号根据不同类别的影响因子进行归一化处理，再通过加权处理后得
到不同的驾驶因子，根据得到的驾驶因子进行拟合函数，从而输出扭矩，其中，拟合函数由3条值域范围为0-1的数学公式或者值域范围为0-1的3组标定折线数据，加权求和组成，输出为需求转矩，对输入数据做出相应的滤波处理，是为了进一步的提高学习准确性，例如堵车、红灯等待、匀速、定速巡航、自适应巡航、蠕行、滑行等特殊情况并不能真实反馈驾驶风格，对输入数据做出相应的滤波处理；
32.其中，拟合函数公式中的输入包括：驾驶因子、整车质量、油门踏板开度和电机转速；
33.其中，所述输入信号i包括油门，整车质量、输出轴转速以及档位状态，通过输出轴转速可进一步的计算出车辆速度、加速度、冲击度参数，再通过计算加速踏板开度、车速、加速度和冲击度分别计算标准差、平均值、变化率、时间占比影响因子，进一步地，给每个影响因子再归一化处理到0到100，通过大量的实车数据得到每个影响因子的参考值，用影响因子与参考值做差再做归一化，把范围锁定在-50到50，接着根据特定的加权计算比例对归一化后数值求和计算，分别计算得到三个驾驶因子，至此就得到了三个表征驾驶员驾驶风格的驾驶因子。三个驾驶因子参数，分别表征驾驶员整体、油门a、油门b情况下的三大特征；
34.其中，用户能够自定义可表征驾驶特性的影响因子；
35.其中，本发明针对大数据处理，同时提出了改进的平均值、标准差算法，普通的ecu存储器普遍小于2mb，ram小于500kb，主频小于200mhz，几乎不可能实现大量数据实时迭代及运算，本发明结合车载ecu硬件能力，自学习影响因子特性对相应的影响因子计算公式做出了进一步优化如下自学习影响因子特性对相应的影响因子计算公式做出了进一步优化，影响因子特性的自学习计算公式为：
36.改进平均值：sum＝sum+now
–
(sum/tt)*en；
37.average＝sum/tt；
38.改进标准差：std_add＝(now-average)^2+std_add
–
(std_add/
39.tt)*en；
40.standard＝sqrt(std_add/tt)；
41.tt＝((t》tt)？tt:t)+1；
42.en＝(t》tt)？1:0；
43.其中sum表示积分和，average表示改进平均值，now表示当前状态值，tt标定量，用于标定自学习样本大小，t实时学习总时长，std_add表示差平方积分和，standard表示改进标准差；
44.其中，3条数学公式或3组标定数据分别表征整体速度、油门a、油门b，其中a、b为油门开度，a＜1/2＜b，通过输入对应驾驶因子即可动态得到无数条动力曲线；
45.其中，应用于商用车使用时，由于载客量的不同，通过输入信号ii输入质量参数，再结合油门开度和电机转速查电机map图得到最终的输出扭矩，从而达到自适应控制目的。
46.需要说明的是，油门a为小油门，油门b为大油门。
47.输入信号，包含油门，整车质量、输出轴转速，档位状态以及部分整车设计参数(速比，轮胎半径，风阻系数等)，再通过输出轴转速可进一步的计算出车辆速度、加速度、冲击度等相关参数。
48.信号滤波，针对堵车、红灯等待、定速巡航、自适应巡航、滑行等无法表征驾驶特征
的工况，需要对信号做滤波处理。例如速度等于0km/h,说明车辆为静止状态，可能为堵车，红绿灯等待；再结合加速度判断即可知车辆是否匀速；踏板有无踩下，判断是否滑行；acc是否开启，判断是否开启巡航模式等等。
49.信号处理，主要计算tt时间内的影响因子数值，tt表征驾驶特性的数据样本长度，通常取100000tick，大约17个小时，根据市区轻卡物流车，平均速度40km/h计算约700km(有效样本)，数据完全迭代时长大致是一个礼拜。影响因子可以是速度平均值、标准差、加速踏板开度标准差、冲击度等等一些可以表征驾驶特性的参数数值。
50.归一化处理，针对信号处理计算得到的影响因子将其归一化处理到0-100(可根据需求，计算精度调整)，然后通过大量实车数据得到对应影响因子的参考数值，利用归一化后数值与参考数值做差，将得到的结果进一步归一化范围到-50-50(范围可根据需求，计算精度调整)。
51.加权处理，加权处理主要是对归一化处理后数值加权处理，权值是需要仿真测试、实车标定的，通过不同权值比例，计算得到三个驾驶因子，分别表征驾驶员整体、小油门和大油门风格，整体风格决定驾驶员整体的驾驶激进特征，小油门和大油门则是根据驾驶特点，改变油门线性规律。
52.拟合函数+查图，针对不同驾驶模式(动力、经济、舒适等)分别拟合表征三个驾驶因子的三个函数或者是值域范围为0-1(可根据需求，计算精度调整)的3组标定折线数据，依据驾驶因子的输入，改变油门线性规律，例如：y＝kx+b，x是自变量(油门踏板输入开度)，y是因变量(被处理后ecu认为的油门踏板开度)，改变驾驶因子输入就是改变k的值，不同的k值对应不同的曲线。结合整车质量等因素，查图(电机map)得到最终扭矩输出；如果一个驾驶员小油门占比很小，油门开度平均值和方差大，可以反应驾驶比较激进，即可通过三个驾驶因子改变油门线性规律，更早的输出动力；同样的方法，在节能模式下则是尽可能的是最大百分比的油门开度集中在电机效率最高区间。
53.实施例二
54.参见附图1所示，在实施例一的基础上改进：
55.驾驶风格自学习，主要是利用三个驾驶因子参数来表征驾驶员驾驶风格，除了通过输出轴转速可进一步的计算出车辆速度、加速度、冲击度参数，再通过计算加速踏板开度、车速、加速度和冲击度分别计算标准差、平均值、变化率、时间占比影响因子外，用户还能够自定义可表征驾驶特性的影响因子，用户可直接输入自定义的影响因子，进行快速的归一化处理和加权处理，但是自定义输入的影响因子与信号处理后得到的影响因子存在误差，可优先选用信号处理后得到的影响因子，自定义可表征驾驶特性的影响因子可作为备用进行辅助。
56.结合以上实现驾驶风格的动力模式自适应控制。
57.上述说明示出并描述了本发明的若干优选实施例，但如前，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

技术特征：
1.一种基于驾驶风格的动力模式自适应控制算法系统，其特征在于，包括：输入信号i，所述输入信号i通过信号滤波后传递给信号处理中心，所述信号处理中心将接收到的信号根据不同类别的影响因子进行归一化处理，再通过加权处理后得到不同的驾驶因子，根据得到的驾驶因子进行拟合函数，从而输出扭矩，其中，拟合函数由3条值域范围为0-1的数学公式或者值域范围为0-1的3组标定折线数据，加权求和组成，输出为需求转矩。2.根据权利要求1所述的一种基于驾驶风格的动力模式自适应控制算法系统，其特征在于：所述拟合函数公式中的输入包括：驾驶因子、整车质量、油门踏板开度和电机转速。3.根据权利要求1所述的一种基于驾驶风格的动力模式自适应控制算法系统，其特征在于：所述输入信号i包括油门，整车质量、输出轴转速以及档位状态，通过输出轴转速可进一步的计算出车辆速度、加速度、冲击度参数，再通过计算加速踏板开度、车速、加速度和冲击度分别计算标准差、平均值、变化率、时间占比影响因子。4.根据权利要求3所述的一种基于驾驶风格的动力模式自适应控制算法系统，其特征在于：用户能够自定义可表征驾驶特性的影响因子。5.根据权利要求1所述的一种基于驾驶风格的动力模式自适应控制算法系统，其特征在于，影响因子特性的自学习计算公式为：改进平均值：sum＝sum+now
–
(sum/tt)*en；average＝sum/tt；改进标准差：std_add＝(now-average)^2+std_add
–
(std_add/tt)*en；standard＝sqrt(std_add/tt)；tt＝((t>tt)？tt:t)+1；en＝(t>tt)？1:0；其中sum表示积分和，average表示改进平均值，now表示当前状态值，tt标定量，用于标定自学习样本大小，t实时学习总时长，std_add表示差平方积分和，standard表示改进标准差。6.根据权利要求1所述的一种基于驾驶风格的动力模式自适应控制算法系统，其特征在于：3条数学公式或3组标定数据分别表征整体速度、油门a、油门b，其中a、b为油门开度，a＜1/2＜b，通过输入对应驾驶因子即可动态得到无数条动力曲线。7.根据权利要求1所述的一种基于驾驶风格的动力模式自适应控制算法系统，其特征在于：应用于商用车使用时，由于载客量的不同，通过输入信号ii输入质量参数，再结合油门开度和电机转速查电机map图得到最终的输出扭矩，从而达到自适应控制目的。

技术总结
本发明公开一种基于驾驶风格的动力模式自适应控制算法系统，包括：输入信号I，输入信号I通过信号滤波后传递给信号处理中心，信号处理中心将接收到的信号根据不同类别的影响因子进行归一化处理，再通过加权处理后得到不同的驾驶因子，根据得到的驾驶因子进行拟合函数，从而输出扭矩，其中，拟合函数由3条值域范围为0-1的数学公式或者值域范围为0-1的3组标定折线数据，加权求和组成，输出为需求转矩，实现新能源商用车动力曲线与驾驶工况和驾驶行为更进一步的完美匹配，进一步满足驾驶员对动力、经济或者舒适性的驾驶需求，到达最佳的动力模式，又或是最节能匹配标定。又或是最节能匹配标定。又或是最节能匹配标定。


技术研发人员：张文 李磊斌 苏婷 王芸芳 王鹏翔 李萌
受保护的技术使用者：陕汽集团商用车有限公司
技术研发日：2023.04.04
技术公布日：2023/6/27