[发明专利]电动汽车力矩分配方法、系统、计算机及可读存储介质

说明书

本发明提供了一种电动汽车力矩分配方法、系统、计算机及可读存储介质，该方法包括通过采集设备获取包含有当前车辆行驶环境的高清地图，并根据高清地图获取到车辆的车辆信息以及道路信息；根据车辆信息以及道路信息计算出车辆与前车之间的跟车距离，并将跟车距离以及车辆的车速输入至环强化学习模型中，以获取到目标加速度；根据目标加速度以及车辆的实际车速计算出车辆的总需求力矩；获取车辆的离线力矩分配系数，并根据总需求力矩以及离线力矩分配系数计算出车辆的四个车轮分别对应的实际需求力矩。通过上述方式能够在保证车辆动力性和制动稳定性的前提下，进行节能的综合力矩分配，大幅提高了电动汽车的续航里程。

技术领域

本发明涉及汽车智能驱动技术领域，特别涉及一种电动汽车力矩分配方法、系统、计算机及可读存储介质。

背景技术

随着蓄电池和电驱动技术的快速发展，智能网联化和电动化趋势为汽车产业带来了新的契机。其中，与现有的传统燃油车相比，分布式驱动电动车因其具有各轮驱动以及制动独立可控的特性，从而具有高机动性以及高可靠性的特点，还具有传动链短，驱动效率高，易于实现车辆的自主控制，同时还具有低能耗、响应快、加速性能好、多自由度灵活可控以及车身布置紧凑等优点。但是现有的分布式驱动电动汽车在续航里程的表现上仍有所不足，从而在一定程度上制约了分布式驱动电动汽车的发展。

现有技术对分布式驱动电动车的能量利用率的优化大部分基于扭矩分配实施的，并且现有技术对扭矩分配的策略大致可分为基于规则和基于优化两类，其中，基于规则的方法由于其高可靠性和泛用性，广泛用于实车，但容易受到工况干扰；基于优化的方法在面对车辆的行驶工况时有着更好的表现，也受到越来越多的关注。

强化学习已经在智能驾驶等人机交互领域展现出来良好的应用前景，但是将其用于力矩分配的研究还不完善，另外在车辆高速行驶的实况下，力矩分配的过程必须快速完成，才能保证驱动的响应性、动力性以及安全性等要求。因此训练和测试的时间安全性是实际应用需要考虑的重要因素；在强化学习回路中，因为算法需要充分探索环境以优化其行为，所以不可避免地会遇到危险状况，虽然现有技术能够降低该种情况发生的概率，但仍存在着一定的安全隐患。

因此，针对现有技术的不足，提供一种安全性高、响应快并且能够提高电动汽车续航里程的电动汽车力矩分配方法很有必要。

发明内容

基于此，本发明的目的是提供一种电动汽车力矩分配方法、系统、计算机及可读存储介质，以提供一种安全性高、响应快并且能够提高电动汽车续航里程的电动汽车力矩分配方法。

本发明实施例第一方面提出了一种电动汽车力矩分配方法，所述方法包括：

通过预设采集设备获取包含有当前车辆行驶环境的高清地图，并根据所述高清地图获取到当前所述车辆的车辆信息以及当前所述车辆行驶道路的道路信息，所述车辆信息包括车速以及车辆加速度，所述道路信息包括道路坡度以及道路限速；

根据所述车辆信息以及所述道路信息计算出当前所述车辆与前车之间的跟车距离，并将所述跟车距离以及当前所述车辆的车速输入至预设环强化学习模型中，以获取到当前所述车辆的目标加速度；

根据所述目标加速度以及当前所述车辆的实际车速计算出当前所述车辆的总需求力矩；

获取当前所述车辆的离线力矩分配系数，并根据所述总需求力矩以及所述离线力矩分配系数计算出当前所述车辆的四个车轮分别对应的实际需求力矩。