CN116853011A - 一种自适应车重的能量回收方法、系统、装置及存储介质 - Google Patents

Abstract

本发明公开了自适应车重的能量回收方法、系统、装置及存储介质，包括：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；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；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；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，可应用于车辆控制技术领域。

Description

一种自适应车重的能量回收方法、系统、装置及存储介质

技术领域

本发明涉及车辆控制技术领域，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

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。

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。

发明内容

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。

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。

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。

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：

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：

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；

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；

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；

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。

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：

通过车载称重系统获取所述目标车辆的装载物重量；

获取所述目标车辆出厂时标定的空载质量；

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。

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：

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；

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；

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。

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：

根据所述实时车辆负载获取对应的滑行阻力拟合曲线；

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；

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。

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：

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；

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；

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；

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。

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：

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；

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；

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；

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。

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：

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。

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：

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；

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；

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；

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。

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：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

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。

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。

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：

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。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面对本发明实施例中所需要使用的附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。

图1为本发明实施例提供的一种自适应车重的能量回收方法的步骤流程图；

图2为本发明实施例提供的一种自适应车重的能量回收系统的结构框图；

图3为本发明实施例提供的一种自适应车重的能量回收装置的结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

在本发明的描述中，多个的含义是两个或两个以上，如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。此外，除非另有定义，本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。

参照图1，本发明实施例提供了一种自适应车重的能量回收方法，具体包括以下步骤：

S101、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。

具体地，实时车辆负载为目标车辆的空载质量和装载物重量(包括乘员和携带物体的总重量)之和，可以理解的是，当装载物重量越大，车辆的惯性力和滑行阻力也越大，不同装载物重量时，即使车辆速度一样，对应的最优制动回收扭矩也不相同，因此，本发明实施例确定目标车辆的实时车辆负载用于后续实时制动回收扭矩的预测，可以提高制动回收扭矩的准确度，从而提高车辆能量回收的效率。

进一步作为可选的实施方式，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这一步骤，其具体包括：

S1011、通过车载称重系统获取目标车辆的装载物重量；

S1012、获取目标车辆出厂时标定的空载质量；

S1013、将空载质量与装载物重量之和作为目标车辆的实时车辆负载。

具体地，车载称重系统是一套旨在称重车辆装载量的全自动称重仪器，主要由称重传感器和采集器和显示仪表等组成，可以实时、高效地测量车辆载重货物的数值。本发明实施例将车载称重系统应用到所有车型的车辆，通过车载称重系统的称重传感器来获取目标车辆的装载物重量，结合目标车辆出厂时标定的空载质量，即可准确计算得到目标车辆的实时车辆负载。

S102、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。

进一步作为可选的实施方式，获取目标车辆的实时车辆速度这一步骤，其具体包括：

S1021、获取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；

S1022、根据实时车辆负载、实时轮胎转速、实时轮胎气压以及实时环境温度预测目标车辆的实时轮胎滚动半径；

S1023、根据实时轮胎滚动半径和实时轮胎转速确定目标车辆的实时车辆速度。

在一些可选的实施例中，获取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这一步骤，其具体包括：

S10211、通过轮速传感器获取目标车辆的实时轮胎转速，或，通过电机控制器获取目标车辆的实时电机转速，根据实时电机转速和目标车辆的减速比确定实时轮胎转速；

S10212、通过胎压传感器获取目标车辆的实时轮胎气压，并通过温度传感器获取目标车辆的实时环境温度。

具体地，实时轮胎转速可通过轮速传感器直接测量得到，也可以通过电机转速与减速比的比值计算得到；胎压传感器可以直接测量轮胎内部的气压，温度传感器可以直接测量目标车辆所处的环境温度。可以理解的是，轮胎转速、轮胎气压以及环境温度都是会影响轮胎滚动半径的因素，本发明实施例通过这些参数的测量可以提高后续实时轮胎滚动半径预测的准确度，从而提高车速计算的准确度。

在一些可选的实施例中，根据实时轮胎负载、实时轮胎转速、实时轮胎气压以及实时环境温度预测目标车辆的实时轮胎滚动半径这一步骤，其具体包括：

S10221、获取预设的轮胎滚动半径映射表，根据实时轮胎负载、实时轮胎转速、实时轮胎气压以及轮胎滚动半径映射表确定第一轮胎滚动半径；

S10222、根据实时环境温度确定轮胎形变修正系数；

S10223、根据第一轮胎滚动半径和轮胎形变修正系数预测得到实时轮胎滚动半径。

具体地，本发明实施例的轮胎滚动半径映射表通过测试实验进行标定。对于与目标车辆相同车型的测试车辆，测试不同轮胎负载、轮胎转速、轮胎气压的工况条件下，对应的轮胎滚动半径，如通过图像分析确定滚动半径；采集多个工况条件下的测试数据即可形成轮胎广东半径映射表，通过查表即可根据实时轮胎负载、实时轮胎转速、实时轮胎气压以及轮胎滚动半径映射表确定第一轮胎滚动半径。此外，考虑到实时环境温度对实时轮胎滚动半径的影响，本发明实施例引入轮胎形变修正系数，该系数同样可根据实时环境温度查表得到(相关的映射表根据经验数据形成)，结合第一轮胎滚动半径和该轮胎形变修正系数即可得到实时轮胎滚动半径。

可以理解的是，本发明实施例的轮胎滚动半径映射表是基于与目标车辆相同车型的测试车辆构建，因此在查表时无需考虑目标车辆的轮胎尺寸，该轮胎尺寸已作为轮胎滚动半径映射表的已知条件。

在一些可选的实施例中，实时轮胎滚动半径可表示为R＝Map(load，speed，Pressure)+α，其中，R表示实时轮胎滚动半径，Map(load，speed，Pressure)表示查表得到的第一轮胎滚动半径，α表示轮胎形变修正系数，load表示实时轮胎负载，speed表示实时轮胎转速，Pressure表示实时轮胎气压。

在一些可选的实施例中，根据实时轮胎滚动半径和实时轮胎转速确定目标车辆的实时车速这一步骤，其具体包括：

S10231、根据实时轮胎滚动半径确定目标车辆的实时轮胎滚动周长；

S10232、根据实时轮胎滚动周长与实时轮胎转速的乘积确定目标车辆的实时车速。

具体地，根据实时轮胎滚动半径可以计算得到实时轮胎滚动周长为2πR，根据实时轮胎滚动周长与实时轮胎转速的乘积即可得到实时车速，可表示为V＝2πR*speed，或者V＝2πR*n/ratio，其中，speed表示实时轮胎转速，n表示实时电机转速，ratio表示减速比，speed＝n/ratio。可以理解的是，上述计算公式未涉及到时速等单位的转换，具体应用时可根据实际情况进行单位转换，本发明实施例对此不作赘述。

进一步作为可选的实施方式，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这一步骤，其具体包括：

S1024、根据实时车辆负载获取对应的滑行阻力拟合曲线；

S1025、根据实时车辆速度和滑行阻力拟合曲线确定目标车辆的实时滑行阻力；

其中，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。

具体地，本发明实施例通过试验来标定目标车辆在特定车辆负载下不同车辆速度对应的滑行阻力，然后通过二次函数进行曲线拟合，得到该特定车辆负载对应的滑行阻力拟合曲线；确定多个不同特定车辆负载下的滑行阻力拟合曲线，即可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。

本发明实施例中，滑行阻力拟合曲线的函数形式可以表示为：f＝A*V²+B*V+C，其中，A、B以及C均为待拟合的阻力测定参数。

S103、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。

具体地，本发明实施例的制动回收扭矩预测模型通过BP神经网络对测试数据进行训练得到，将实时车辆负载、实时车辆速度以及实时滑行阻力输入到该制动回收扭矩预测模型，即可得到对应的实时制动回收扭矩。

进一步作为可选的实施方式，能量回收方法还包括预先训练制动回收扭矩预测模型的步骤，其具体包括：

A1、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；

A2、根据车辆负载数据、车辆速度数据以及滑行阻力数据生成训练样本，并基于驾驶评价确定训练样本对应的最优制动回收扭矩；

A3、根据最优自动回收扭矩确定训练样本的样本标签，并根据训练样本和对应的样本标签构建训练数据集；

A4、将训练数据集输入到预先构建的BP神经网络进行训练，得到训练好的制动回收扭矩预测模型。

具体地，在构建训练数据集时，对于与目标车辆相同车型的测试车辆，获取不同车辆负载、车辆速度、滑行阻力的工况条件下测试人员对于不同档位的制动回收扭矩的驾驶评价，选取出对应的最优自动回收扭矩作为样本标签；采集多个工况条件下的测试数据，即可得到训练数据集。

可以理解的是，本发明实施例的训练数据集是基于与目标车辆相同车型的测试车辆构建，因此在模型训练时无需考虑目标车辆的其他固定参数，且训练得到的制动回收扭矩预测模型是针对目标车辆这一车型的预测模型。

进一步作为可选的实施方式，将训练数据集输入到预先构建的BP神经网络进行训练，得到训练好的制动回收扭矩预测模型这一步骤，其具体包括：

A41、将训练数据集输入到BP神经网络，得到制动回收扭矩预测结果；

A42、根据制动回收扭矩预测结果和样本标签确定BP神经网络的损失值；

A43、根据损失值通过反向传播算法更新BP神经网络的模型参数，并返回将训练数据集输入到BP神经网络这一步骤；

A44、当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，得到训练好的制动回收扭矩预测模型。

将训练数据集中的数据输入到初始化后的BP神经网络模型后，可以得到模型输出的预测结果，即制动回收扭矩预测结果，可以根据制动回收扭矩预测结果和前述的样本标签来评估模型预测的准确性，从而对模型的参数进行更新。对于制动回收扭矩预测模型来说，模型预测结果的准确性可以通过损失函数(Loss Function)来衡量，损失函数是定义在单个训练数据上的，用于衡量一个训练数据的预测误差，具体是通过单个训练数据的标签和模型对该训练数据的预测结果确定该训练数据的损失值。而实际训练时，一个训练数据集有很多训练数据，因此一般采用代价函数(Cost Function)来衡量训练数据集的整体误差，代价函数是定义在整个训练数据集上的，用于计算所有训练数据的预测误差的平均值，能够更好地衡量出模型的预测效果。对于一般的机器学习模型来说，基于前述的代价函数，再加上衡量模型复杂度的正则项即可作为训练的目标函数，基于该目标函数便能求出整个训练数据集的损失值。常用的损失函数种类有很多，例如0-1损失函数、平方损失函数、绝对损失函数、对数损失函数、交叉熵损失函数等均可以作为机器学习模型的损失函数，在此不再一一阐述。本发明实施例中，可以从中任选一种损失函数来确定训练的损失值。基于训练的损失值，采用反向传播算法对模型的参数进行更新，迭代几轮即可得到训练好的制动回收扭矩预测模型。具体地迭代轮数可以预先设定，或者在测试集达到精度要求时认为训练完成。

S104、根据目标制动回收扭矩对目标车辆进行能量回收控制。

具体地，通过车身控制器将目标制动回收扭矩发送至电机控制器，由电机控制器根据该目标制动回收扭矩进行能量回收控制。

进一步作为可选的实施方式，能量回收方法还包括以下步骤：

S105、响应于目标车辆接收到的第一操作指令，根据第一操作指令确定对应的能量回收修正系数，并根据能量回收修正系数对目标制动回收扭矩进行调整。

具体地，在智能屏互联系统，驾驶员可以根据驾驶时感受到的能量回收强弱程度来设定不同的能量回收修正档位，不同的能量回收修正档位对应不同的能回收修正系数α。在驾驶员主动设定能量回收修正档位后，调整后的目标制动回收扭矩可以表示为F＝F₀+α，其中，F表示调整后的目标制动回收扭矩，F₀表示调整前的目标制动回收扭矩。车身控制器将调整后的目标制动回收扭矩发送给电机控制器执行，即可实现驾驶员对车辆能量回收的动态微调，进一步提高了车辆能量回收的效率以及驾驶员的驾驶体验。

以上对本发明实施例的方法步骤进行了说明。可以理解的是，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。

参照图2，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：

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，根据空载质量和装载物重量确定目标车辆的实时车辆负载；

实时滑行阻力确定模块，用于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；

制动回收扭矩预测模块，用于将实时车辆负载、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；

能量回收控制模块，用于根据目标制动回收扭矩对目标车辆进行能量回收控制。

上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

参照图3，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：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当上述至少一个程序被上述至少一个处理器执行时，使得上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。

上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

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，该处理器可执行的程序在由处理器执行时用于执行上述一种自适应车重的能量回收方法。

本发明实施例的一种计算机可读存储介质，可执行本发明方法实施例所提供的一种自适应车重的能量回收方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。

本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。

在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或上述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。

此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，上述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。

上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

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上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上述程序，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。

在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式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方式或示例中。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方式或示例。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方式或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.一种自适应车重的能量回收方法，其特征在于，包括以下步骤：

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；

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；

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；

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。

2.根据权利要求1所述的一种自适应车重的能量回收方法，其特征在于，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：

通过车载称重系统获取所述目标车辆的装载物重量；

获取所述目标车辆出厂时标定的空载质量；

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。

3.根据权利要求1所述的一种自适应车重的能量回收方法，其特征在于，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：

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；

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；

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。

4.根据权利要求1所述的一种自适应车重的能量回收方法，其特征在于，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：

根据所述实时车辆负载获取对应的滑行阻力拟合曲线；

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；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。

5.根据权利要求1所述的一种自适应车重的能量回收方法，其特征在于，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：

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；

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；

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；

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。

6.根据权利要求5所述的一种自适应车重的能量回收方法，其特征在于，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：

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；

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；

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；

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。

7.根据权利要求1至6中任一项所述的一种自适应车重的能量回收方法，其特征在于，所述能量回收方法还包括以下步骤：

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。

8.一种自适应车重的能量回收系统，其特征在于，包括：

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；

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；

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；

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。

9.一种自适应车重的能量回收装置，其特征在于，包括：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至7中任一项所述的一种自适应车重的能量回收方法。

10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至7中任一项所述的一种自适应车重的能量回收方法。