(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211189104.2 (22)申请日 2022.09.28 (71)申请人 同济大学 地址 200092 上海市嘉定区四平路1239号 (72)发明人 马志勋　陈少峰　林国斌　 (74)专利代理 机构 河南新风向知识产权代理事 务所(普通 合伙) 41213 专利代理师 黄晶 (51)Int.Cl. B60L 15/20(2006.01) G06F 30/20(2020.01) (54)发明名称 基于人工智能的轮毂电机扭矩分配方法和 装置 (57)摘要 本申请涉及一种基于人工智能的轮毂电机 扭矩分配方法和装置。 该方法根据车辆的控制参 数中踏板开度， 计算需求扭矩， 将每个时刻的真 实扭矩输入扭矩预测模型， 得到预测扭矩， 使用 扭矩预测模 型预测前N个连续时刻的下一时刻的 扭矩， 并与真实扭矩比对， 以比对结果计算预测 扭矩的权重值， 以权重值对预测扭矩和需求扭矩 进行加权求和得到修正后的需求扭矩， 通过相似 度比较确定相似度最大的车况参数， 以得到对应 的每个轮毂电机的扭矩分配比例， 以根据扭矩分 配比例对预测修正后的需求扭矩进行分配， 通过 对预测的扭矩需求进行修正， 提高了扭矩输出的 准确性， 相较于大量参数计算而言上述修正过程 和相似比较过程的响应时间较短， 从而提高了车 辆控制的响应效率。 权利要求书3页 说明书12页 附图4页 CN 115503501 A 2022.12.23 CN 115503501 A 1.一种基于人工智能的轮毂电机扭矩分配方法， 其特征在于， 所述轮毂电机扭矩分配 方法包括： 获取当前时刻车辆的控制参数， 根据所述控制参数中踏板开度， 结合踏板开度与需求 扭矩的映射关系， 计算得到下一时刻的需求扭矩； 获取所述当前时刻至前N个连续时刻中每个时刻的真实扭矩， 将每个时刻的真实扭矩 输入扭矩预测模型， 得到所述下一时刻的预测扭矩， N 为大于零的整数； 针对所述前N个连续时刻中任一时刻， 使用所述扭矩预测模型预测得到所述任一时刻 的下一时刻的扭矩， 将预测得到的所述任一时刻的下一时刻的扭矩与所述任一时刻的下一 时刻的真实扭矩进行比对， 得到每 个时刻的比对结果； 根据每个时刻的比对结果， 计算得到表征所述预测扭矩的准确度的权重值， 根据所述 权重值， 对所述预测扭矩和所述需求扭矩进行加权求和， 确定加权求和结果为预测 修正后 的需求扭矩； 将所述控制参数与预设的车况参数进行相似度比较， 确定相似度最大的车况参数， 根 据预设的映射表， 确定所述相似度最大的车 况参数对应的每 个轮毂电机的扭矩分配比例； 根据所述扭矩分配比例， 对所述预测修正后的需求扭矩进行分配， 得到每个轮毂电机 的扭矩值， 以控制轮毂电机 输出对应的扭矩值。 2.根据权利要求1所述的轮毂电机扭矩分配方法， 其特征在于， 将预测得到的所述任一 时刻的下一时刻的扭矩与所述任一时刻的下一时刻的真实扭矩进 行比对， 得到每个时刻的 比对结果包括： 将预测得到的所述任一时刻的下一时刻的扭矩与所述任一时刻的下一时刻的真实扭 矩作差， 确定 差值的绝对值 为对应时刻的比对结果， 得到每 个时刻的比对结果； 根据每个时刻的比对结果， 计算得到表征 所述预测扭矩的准确度的权 重值包括： 将所有的比对结果相加， 得到相加结果； 将所述相加结果输入映射函数， 得到表征所述预测扭矩的准确度的权重值， 所述映射 函数如下： 式中， α 表示所述权 重值， A表示所述相加结果。 3.根据权利要求2所述的轮毂电机扭矩分配方法， 其特征在于， 根据所述权重值， 对所 述预测扭矩和所述需求扭矩进 行加权求和， 确定加权求和结果为预测修正后的需求扭矩包 括： 将所述权重值输入加权求和函数， 得到加权求和结果， 确定所述加权求和结果为预测 修正后的需求扭矩， 所述加权求和函数如下： Z0＝(1‑α )·Z1+α·Z2 式中， Z0表示所述加权求和结果， Z1表示所述需求扭矩， Z2表示所述预测扭矩。 4.根据权利要求1所述的轮毂电机扭矩分配方法， 其特征在于， 将所述控制参数与 预设 的车况参数进行相似度比较， 确定相似度最大的车 况参数包括： 将所述控制参数中方向盘转角参数、 方向盘角速度参数、 整车车速参数、 车辆横摆率以 及所述预测修 正后的需求扭矩， 按照预设顺序拼接为表征 车辆当前 车况的目标矩阵；权　利　要　求　书 1/3 页 2 CN 115503501 A 2将所述目标矩阵与 预设的车况参数对应的车况矩阵进行相似度计算， 确定相似度最大 的车况矩阵为相似度最大的车 况参数。 5.根据权利要求4所述的轮毂电机扭矩分配方法， 其特征在于， 在将所述控制参数与 预 设的车况参数进行相似度比较， 确定相似度最大的车 况参数之前， 还 包括： 根据所述控制参数中的车辆外侧速度、 车辆内侧速度、 内外轮距和车轮偏角， 计算得到 车辆横摆率， 所述车辆横摆角计算公式如下： 式中， yaw表示所述车辆横摆角， v1表示所述车辆外侧速度， v2表示车辆内侧速度， B表示 内外轮距， γ表示车轮偏角。 6.根据权利要求4所述的轮毂电机扭矩分配方法， 其特征在于， 根据预设的映射表， 确 定所述相似度最大的车 况参数对应的每 个轮毂电机的扭矩分配比例包括： 从预设的映射表中， 匹配到所述相似度最大的车况参数的初始分配比例， 所述初始分 配比例包括对每 个轮毂电机的初始的扭矩分配比例； 将所述初始分配比例输入训练好的编码器， 输出分配特 征矩阵； 将所述分配特征矩阵与所述目标矩阵联结， 得到联结结果， 将所述联结结果输入训练 好的解码器， 输出优化分配比例， 确定所述优化分配比例为每 个轮毂电机的扭矩分配比例。 7.根据权利要求6所述的轮毂电机扭矩分配方法， 其特征在于， 所述训练好的编码器和 所述训练好的解码器为基于对变分自编 码器的训练得到， 所述变分自编码器中包括初始编 码器和初始解码器， 所述变分自编码器的训练过程包括： 获取分配比例样本、 目标矩阵样本， 将所述分配比例样本输入初始编码器， 输出第一样 本特征矩阵， 将所述第一样本特征矩阵与所述 目标矩阵样本联结后输入初始解码器， 输出 重构的分配比例样本； 根据所述分配比例 样本和所述重构的分配比例 样本的均方误差损失， 采用梯度 下降法 对所述初始编码器和所述初始解码器进行训练， 直至满足训练要求， 得到初步训练好的编 码器和初步训练好的解码器； 将所述分配比例样本输入所述初步训练好的编码器， 输出第二样本特征矩阵， 将所述 第二样本特征矩阵与所述目标矩阵样本联结后输入所述初步训练好的解码器， 输出第一重 构结果； 将所述第一重构结果输入所述初步训练好的编码器， 输出第三样本特征矩阵， 将所述 第三样本特征矩阵与所述目标矩阵样本联结后输入所述初步训练好的解码器， 输出第二重 构结果； 根据所述分配比例 样本和所述第 二重构结果的均方误差损失， 采用梯度 下降法对所述 初步训练好的编码器和所述初步训练好的解码器进行训练， 直至满足训练要求， 得到训练 好的编码器和训练好的解码器。 8.根据权利要求1所述的轮毂电机扭矩分配方法， 其特征在于， 根据所述控制参数中踏 板开度， 结合踏板开度与需求扭矩的映射关系， 计算得到下一时刻的需求扭矩包括： 获取基于训练样本训练好的映射模型， 所述训练样本为人工标注了 需求扭矩的踏板开 度；权　利　要　求　书 2/3 页 3 CN 115503501 A 3