[发明专利]一种纯电动重卡无人驾驶能耗优化方法

权利要求书

1.一种纯电动重卡无人驾驶能耗优化方法，其特征在于，包括：

基于影响车辆能耗的历史数据，训练RBF神经网络模型，得到评估模型；

将实时的车辆运行数据输入所述评估模型中，确定实际车辆运行中的最优输出扭矩；

其中，所述影响车辆能耗的历史数据至少包括历史路况信息、第一车辆技术参数、第一车辆使用信息和第一车辆行驶时的气候信息；

所述实时的车辆运行数据，至少包括实时路况信息、第二车辆技术参数、第二车辆使用信息和第二车辆行驶时的气候信息。

2.根据权利要求1所述的纯电动重卡无人驾驶能耗优化方法，其特征在于，所述基于影响车辆能耗的历史数据，训练RBF神经网络模型，得到评估模型还包括，训练RBF神经网络模型，获取回归模型，所述回归模型输出的利用回归模型中的输出为预设车辆运行中的最优输出扭矩。

3.根据权利要求2所述的纯电动重卡无人驾驶能耗优化方法，其特征在于，还包括根据所述预设车辆运行中的最优输出扭矩和所述实际车辆运行中的最优输出扭矩的偏差值，对于车辆运行状态进行实时调整；其中所述车辆运行状态包括电机转速。

4.根据权利要求1所述的纯电动重卡无人驾驶能耗优化方法，其特征在于，所述历史路况信息和实时路况信息均包括，路面坡度、路面结构和路面平整度。

5.根据权利要求4所述的纯电动重卡无人驾驶能耗优化方法，其特征在于，所述历史路况信息基于矿路运输网数据库获取。

6.根据权利要求5所述的纯电动重卡无人驾驶能耗优化方法，其特征在于，所述矿路运输网数据库包括运输道路网模型，以所述矿路运输网数据库中的道路的中心线代替每条道路，将所述矿路运输网数据库中的道路按照道路属性划分区段，区段连接的交叉点、采掘点、卸载点设为道路网络拓扑图节点，根据实际情况和测量数据赋予路况信息，形成运输道路网模型。

7.根据权利要求1所述的纯电动重卡无人驾驶能耗优化方法，其特征在于，所述第一车辆技术参数和诉述第二车辆技术参数至少包括电机转速、电机速比、整车质量和轮胎参数，所述轮胎参数包括轮胎的型号。

8.根据权利要求1所述的纯电动重卡无人驾驶能耗优化方法，其特征在于，所述第一车辆行驶时的气候信息和所述第二车辆行驶时的气候信息至少包括，天气状况、海拔高度和平均气温。

9.根据权利要求1所述的纯电动重卡无人驾驶能耗优化方法，其特征在于，所述RBF神经网络模型是以至少包括路面坡度、电机速比、轮胎型号、整车质量、天气状况、电机转速作为输入变量，以电机扭矩为输出变量构建的。