[发明专利]整车能量在线自学习智能管理方法和车辆数据的处理方法

说明书

本申请涉及一种车辆数据的处理方法、装置、计算机设备和存储介质。该方法包括：获取目标车辆当前行驶时对应的目标驾驶行为信息和目标行驶工况信息；根据目标驾驶行为信息和驾驶行为知识库，确定目标车辆行驶所需的需求功率；根据目标行驶工况信息和行驶工况知识库，确定目标车辆对应的能量优化模型中的目标控制参数；根据需求功率、能量优化模型和能量优化模型中的目标控制参数，确定目标车辆对应的能量管理与功率分配结果。采用本方法能够提高车辆控制的适用性，并且使得能量优化问题的在线实时求解具有了可行性条件。

技术领域

本申请涉及车辆控制技术领域，特别是涉及一种整车能量在线自学习智能管理方法、车辆数据的处理方法、装置、计算机设备和存储介质。

背景技术

近年来，随着车辆的广泛普及，用户对于车辆的性能要求也越来越高。无论是传统燃油汽车、纯电动汽车还是各种类型的混合动力汽车，其整车的能耗水平始终是用户关心的核心性能指标之一。为了降低整车的能耗水平，提高能量利用效率，各厂商会开发相应的能量管理与功率分配策略。

按照控制变量的具体数值是否由求解能量优化模型而得到的标准，现有的能量管理方法可以分为基于规则的和基于优化的两大类。

基于规则的策略大多依赖于专家的技术经验，其通过研究工况的一些典型特征，从而制定一些能量管理的规则，车辆在线运行时通过这些规则来实现能量管理，这也是当前大多数车辆能量管理和功率分配策略存在的形态；其缺点是在拥有复杂动力构型的混合动力汽车上，由于车辆对工况的类型更为敏感，基于规则的策略无法应对复杂多变的行驶工况。

基于优化的策略中，又可以细分为全局优化策略和在线优化策略。其中，全局优化策略需要预先获得车辆在全路段中的完整工况信息才能确定全局最优的整车能量优化模型中的控制参数结果，这种策略只适用于离线的优化求解，无法适用于整车能量的在线管理。在线优化策略的研究，行业中已经取得了一些成就：(1)例如运用神经网络等人工智能算法布置在整车控制器中，对整车能量进行自学习控制。这类方法一个是需要占用很大的CPU计算和存储资源，硬件成本高，另外一个是受限于控制器数据存储能力的限制，所能学习的数据量有限，其他车辆的数据也无法获取，被学习的数据所能代表的工况范围不具备典型性；(2)例如借助于云端平台，将车辆对工况识别、功率分配和能量管理的复杂计算放在云端，并通过远程通讯将计算的结果传输给整车控制器，整车控制器再对整车进行能量管理和功率分配。这种方式非常依赖于通讯信号的稳定性，一旦通讯信号不稳定，将直接影响控制的时效性和有效性，存在风险。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高车辆控制适用性的整车能量在线自学习智能管理方法、装置、计算机设备和存储介质。

第一方面，本申请提供了一种整车能量在线自学习智能管理方法。所述方法应用于目标车辆的整车控制器，包括：

获取所述目标车辆当前行驶时对应的目标驾驶行为信息和目标行驶工况信息；

根据所述目标驾驶行为信息和驾驶行为知识库，确定目标车辆行驶所需的需求功率；

根据所述目标行驶工况信息和行驶工况知识库，确定目标车辆对应的目标能量优化模型中的目标控制参数；

根据所述需求功率和所述能量优化模型及所述能量优化模型中的目标控制参数，确定目标车辆对应的能量管理与功率分配结果；

其中，所述行驶工况知识库包括多个工况类型对应的多个工况类中心和每个工况类型对应的能量优化模型中的多组控制参数；所述多个工况类中心是对多个参考车辆对应的参考行驶工况信息进行聚类得到的；所述多组控制参数是根据每个工况类型对应的多组典型工况样本确定的；所述典型工况样本是在每个工况类型对应的参考行驶工况信息中，随机抽取工况样本构建得到的。

在其中一个实施例中，所述根据所述目标行驶工况信息和行驶工况知识库，确定目标车辆对应的能量优化模型中的目标控制参数，包括：