[发明专利]一种四轮驱动车辆转矩分配方法、终端设备及存储介质

说明书

本发明涉及一种四轮驱动车辆转矩分配方法、终端设备及存储介质，该方法中包括：分别建立表征车辆动力性、经济性、操纵稳定性和行驶安全性的目标函数；构建神经网络模型，并进行训练，使得模型能够根据输入的车辆运动特征得到四个目标函数对应的四个权重系数；根据四个目标函数和其基于训练后的神经网络模型得到的对应的四个权重系数得到优化目标函数；设置优化目标函数K的约束条件；通过基于训练后的神经网络模型得到的四个权重系数，优化多目标进化算法中的权重向量分布，采用优化后的多目标进化算法对优化目标函数K进行求解。本发明避免了现有技术中优化目标过于单一的问题，可以使车辆总体性能目标尽可能达到最优。

技术领域

本发明涉及车辆控制领域，尤其涉及一种四轮驱动车辆转矩分配方法、终端设备及存储介质。

背景技术

四轮分布式驱动电动客车具有四个驱动轮，且各驱动轮的驱动力矩和制动力矩均独立可控，驱动轮的控制目标包括期望纵向驱动力和直接横摆力矩，因此四轮分布式驱动电动客车是个典型的过驱动系统。

目前四轮分布式驱动电动客车多采用单目标优化的转矩分配控制策略，在满足纵向驱动力和直接横摆力矩需求的前提下以经济性或操纵稳定性作为优化目标，但是单目标优化会造成其他目标劣势，而多目标优化可通过协调各目标函数之间的权重关系，使总体优化目标达到最优。但由于多目标优化算法需要进行不断比较和替换，导致其计算过程复杂，运算时间长。

发明内容

为了解决上述问题，本发明提出了一种四轮驱动车辆转矩分配方法、终端设备及存储介质。

具体方案如下：

一种四轮驱动车辆转矩分配方法，包括以下步骤：

S1：分别建立表征车辆动力性、经济性、操纵稳定性和行驶安全性的目标函数；

S2：构建神经网络模型，并进行训练，使得模型能够根据输入的车辆运动特征得到四个目标函数对应的四个权重系数；

S3：根据四个目标函数和其基于训练后的神经网络模型得到的对应的四个权重系数得到优化目标函数K：

K＝min(λ₁K₁+λ₂K₂+λ₃K₃+λ₄K₄)

其中，K₁,K₂,K₃,K₄分别表示四个目标函数，λ₁,λ₂,λ₃,λ₄分别表示四个目标函数对应的权重系数；

S4：设置优化目标函数K的约束条件；

S5：通过基于训练后的神经网络模型得到的四个权重系数，优化多目标进化算法中的权重向量分布，采用优化后的多目标进化算法对优化目标函数K进行求解。

进一步的，表征车辆动力性的目标函数K₁为：

其中，F_x,d表示需求纵向驱动力，F_x,fl,F_x,fr,F_x,rl,F_x,rr分别表示左前轮、右前轮、左后轮和右后轮的纵向力，F_y,fl,F_y,fr分别表示左前轮和右前轮的侧向力，δ_f表示前轮转角；

表征车辆经济性的目标函数K₂为：