米乐m6再生制动控制系统pdf《再生制动控制系统.pdf》由会员分享，可在线阅读，更多相关《再生制动控制系统.pdf（15页完成版）》请在专利查询网上搜索。

　　1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 0.X (22)申请日 2020.03.23 (30)优先权数据 16/365,162 2019.03.26 US (71)申请人 福特全球技术公司 地址 美国密歇根州迪尔伯恩市 (72)发明人 赫伯特大卫门德斯皮内达 大卫奥斯特罗夫斯基 莫汉约翰维多利亚利沙因 威廉G赫伯特 马德琳伊策尔圣地亚哥埃斯特 拉达 (74)专利代理机构 北京铭硕知识产权代理有限 公司 11286 代理人 王秀君鲁恭诚 (51)Int.Cl. B60L 7/10(2006.01) 。

　　2、B60L 53/00(2019.01) B60W 20/14(2016.01) B60W 50/00(2006.01) (54)发明名称 再生制动控制系统 (57)摘要 本公开提供了 “再生制动控制系统” 。 一种车 辆包括电机和。 所述电机被配置为从电池 汲取能量以推进所述车辆并在再生制动期间对 所述电池充电。 所述被编程为： 响应于基 于驾驶员行为的分类和即将到来的路段的分类 识别出沿着所述即将到来的路段的再生制动机 会， 操作所述电机以沿着所述即将到来的路段对 所述电池充电。 权利要求书2页 说明书9页 附图3页 CN 111746289 A 2020.10.09 CN 11。

　　3、1746289 A 1.一种车辆， 其包括： 电机， 所述电机被配置为从电池汲取能量以推进所述车辆并在再生制动期间对所述电 池充电； 和 ， 所述被编程为， 响应于基于当前驾驶员行为的分类和即将到来的路段 的分类识别出沿着所述即将到来的路段的再生制动机会， 操作所述电机以沿着所述即将到 来的路段对所述电池充电。 2.如权利要求1所述的车辆， 其中所述还被编程为， 响应于电池充电容量小于沿 着所述即将到来的路段回收所估计的潜在再生制动能量所需的值， 操作所述电机以在所述 车辆到达所述即将到来的路段之前将所述电池充电容量增加到大于所述值。 3.如权利要求2所述的车辆， 其中来自多。

　　4、个驾驶员和多个路段的数据用于确定所述当 前驾驶员行为的所述分类和所述即将到来的路段的所述分类， 并且其中沿着所述即将到来 的路段的所述估计的潜在再生制动能量是基于将最近邻算法应用到所述数据。 4.如权利要求1所述的车辆， 其中所述当前驾驶员行为的所述分类选自多个驾驶员分 类中的一个， 所述多个驾驶员分类是基于将k均值聚类算法应用到来自多个驾驶员的驾驶 员行为数据而建立的。 5.如权利要求4所述的车辆米乐m6官网登录入口， 其中将神经网络训练为所述多个驾驶员分类， 并且其中所 述当前驾驶员行为的所述分类是基于将所述神经网络应用到所述当前驾驶员行为的特征 而选自所述多个驾驶员分类中的一个。 6.如权利要求1所述的车辆。

　　5、， 其中所述即将到来的路段的所述分类选自多个路段分类 中的一个， 所述多个路段分类是基于将k均值聚类算法应用到来自多个路段的路段特征数 据而建立的。 7.如权利要求6所述的车辆， 其中将神经网络训练为所述多个路段分类， 并且其中所述 即将到来的路段的所述分类是基于将所述神经网络应用到所述即将到来的路段的特征而 选自所述多个路段分类中的一个。 8.一种车辆电池充电方法， 其包括： 从多个路段上的多个驾驶员收集驾驶员行为数据和路段特征数据； 基于所述驾驶员行为数据建立当前驾驶员行为分类； 基于所述路段特征数据建立即将到来的路段的分类； 通过将所述驾驶员行为分类交叉引用到所述即将到来的路段的分类， 。

　　6、识别沿着所述即 将到来的路段的再生制动机会； 以及 沿着所述即将到来的路段经由再生制动对所述电池充电。 9.如权利要求8所述的方法， 其还包括： 响应于电池充电容量小于沿着所述即将到来的路段回收所估计的潜在再生制动能量 所需的值， 操作电机以在所述车辆到达所述即将到来的路段之前将所述电池充电容量增加 到大于所述值。 10.如权利要求9所述的方法， 其中沿着所述即将到来的路段的所述估计的潜在再生制 动能量是基于将最近邻算法应用到所述数据。 11.如权利要求8所述的方法， 其中所述当前驾驶员行为分类选自多个驾驶员分类中的 一个， 所述多个驾驶员分类是基于将k均值聚类算法应用到来自多个驾驶员的所述驾。

　　7、驶员 权利要求书 1/2 页 2 CN 111746289 A 2 行为数据而建立的。 12.如权利要求11所述的方法， 其中将神经网络训练为所述多个驾驶员分类， 并且其中 所述当前驾驶员行为分类是基于将所述神经网络应用到所述当前驾驶员行为的特征而选 自所述多个驾驶员分类中的一个。 13.如权利要求8所述的方法， 其中所述即将到来的路段的分类选自多个路段分类中的 一个， 所述多个路段分类是基于将k均值聚类算法应用到来自多个路段的所述路段特征数 据而建立的。 14.如权利要求13所述的方法， 其中将神经网络训练为所述多个路段分类， 并且其中所 述即将到来的路段的所述分类是基于将所述神经网络应用到。

　　8、所述即将到来的路段的特征 而选自所述多个路段分类中的一个。 15.一种车辆， 其包括： 电机， 所述电机被配置为从电池汲取能量以推进所述车辆并在再生制动期间对所述电 池充电； 和 ， 所述被编程为， 响应于基于当前驾驶员行为和即将到来的路段的分类识别出沿着所述即将到来的路 段的再生制动机会， 沿着所述即将到来的路段安排再生制动事件， 并且 响应于电池充电容量小于在所安排的再生制动事件期间回收所估计的潜在再生制动 能量所需的值， 操作所述电机以在所安排的再生制动事件之前将所述电池充电容量增加到 大于所述值。 权利要求书 2/2 页 3 CN 111746289 A 3 再生制动控制系。

　　9、统 技术领域 0001 本公开涉及混合动力/电动车辆以及混合动力/电动车辆中控制再生制动的方法。 背景技术 0002 再生制动是混合动力车辆的一项功能， 该功能通过当车辆在制动事件期间减速时 再捕获动能来提高燃料经济性。 在再生制动期间米乐m6官网登录入口， 电机可以用作发电机， 以将车辆的动能转 换成电能， 该电能又用于对电池充电。 发明内容 0003 一种车辆包括电机和。 所述电机被配置为从电池汲取能量以推进所述车辆 并在再生制动期间对所述电池充电。 所述被编程为： 响应于基于驾驶员行为的分类 和即将到来的路段的分类识别出沿着所述即将到来的路段的再生制动机会， 操作所述电机 以沿着所述即将到来的路。

　　10、段对所述电池充电。 0004 一种车辆电池充电方法包括： 从多个路段上的多个驾驶员收集驾驶员行为和路段 特征数据； 基于所述驾驶员行为数据建立当前驾驶员行为分类； 基于所述路段特征数据建 立即将到来的路段的分类； 通过将所述驾驶员行为分类交叉引用到所述即将到来的路段的 分类来识别沿着所述即将到来的路段的再生制动机会； 以及沿着所述即将到来的路段经由 再生制动对所述电池充电。 0005 一种车辆包括电机和。 所述电机被配置为从电池汲取能量以推进所述车辆 并在再生制动期间对所述电池充电。 被编程为， 响应于基于驾驶员行为和即将到来 的路段的分类识别出沿着所述即将到来的路段的再生制动机会。

　　11、， 沿着所述即将到来的路段 安排再生制动事件。 所述还被编程为， 响应于电池充电容量小于在所安排的再生制 动事件期间回收所估计的潜在再生制动能量所需的值， 操作所述电机以在所安排的再生制 动事件之前将所述电池充电容量增加到大于所述值。 附图说明 0006 图1是电动车辆的示例性动力传动系统的示意图； 0007 图2是示出了优化混合动力/电动车辆中的再生制动的方法的流程图； 并且 0008 图3是预测沿着一个或多个即将到来的路段的再生制动机会并且在所述再生制动 机会之前消耗电池以使沿着即将到来的路段的再生制动最大化的示例。 具体实施方式 0009 本文描述本公开的实施例。 然而， 应理解，。

　　12、 所公开的实施例仅是示例并且其他实施 例可以采取各种形式和替代形式。 附图不一定按比例绘制； 一些特征可能会被放大或最小 化以示出特定部件的细节。 因此， 本文所公开的具体结构和功能细节不应被解释为是限制 性的， 而是仅作为教导本领域技术人员以不同方式采用实施例的代表性基础。 如本领域普 说明书 1/9 页 4 CN 111746289 A 4 通技术人员将理解， 参考附图中的任一个示出和描述的各种特征可以与一个或多个其他附 图中示出的特征进行组合， 以产生未明确示出或描述的实施例。 示出的特征的组合提供用 于典型的应用的代表性实施例。 然而， 对于特定应用或实现方式， 可能希望与本公开的教导。

　　13、 一致的对特征的各种组合和修改。 0010 参考图1， 根据本公开的实施例示出了电动车辆10的示意图。 图1示出了车辆10的 各种部件之间的代表性关系。 车辆内部件的实体布局和取向可以变化。 电动车辆10包括动 力传动系统12。 动力传动系统12包括诸如电动马达/发电机(M/G)14的电机， 所述电机驱动 变速器(或齿轮箱)16。 更具体地， M/G 14可以可旋转地连接到变速器16的输入轴18。 变速器 16可以经由变速器挡位选择器(未示出)而置于PRNDSL(驻车挡、 倒挡、 空挡、 驱动挡、 运动 挡、 低挡)中。 变速器16可以具有固定的齿轮传动关系， 所述齿轮传动关系在输入轴18与变。

　　14、 速器16的输出轴20之间提供单个传动比。 变矩器(未示出)或起步离合器(未示出)可以设置 在M/G 14与变速器16之间。 可选地， 变速器16可以是多级自动变速器。 相关联的动力电池22 被配置为向M/G 14输送电力或从其接收电力。 0011 M/G 14是用于电动车辆10的驱动源， 所述驱动源被配置为推进电动车辆10。 M/G 14可以由多种类型的电机中的任何一种来实施。 例如， M/G 14可以是永磁同步马达。 电力电 子装置24按照M/G 14的要求来调节由电池22提供的直流(DC)电， 这将在下文进行说明。 例 如， 电力电子装置24可以向M/G 14提供三相交流电(AC)。 0。

　　15、012 如果变速器16是多级自动变速器， 则变速器16可以包括齿轮组(未示出)， 所述齿 轮组通过选择性地接合诸如离合器和制动器(未示出)等摩擦元件而选择性地置于不同的 传动比中， 以建立所需的多个离散或阶梯传动比。 摩擦元件可通过换挡计划来控制， 所述换 挡计划连接和断开齿轮组的某些元件以控制变速器输出轴20与变速器输入轴18之间的传 动比。 由相关联的， 诸如动力传动系统控制单元(PCU)基于各种车辆和环境操作条件 而自动地使变速器16在各个比率之间转变。 来自M/G 14的功率和扭矩可以被输送到变速器 16并由其接收。 然后， 变速器16将动力传动系统输出功率和扭矩提供给输出轴20。

　　16、。 0013 应当理解， 与变矩器(未示出)联接的液压控制变速器16仅仅是齿轮箱或变速器装 置的一个示例； 接受来自功率源(例如， M/G 14)的一个或多个输入扭矩并且然后以不同传 动比向输出轴(例如， 输出轴20)提供扭矩的任何多传动比齿轮箱与本公开的实施例一起使 用是可接受的。 例如， 变速器16可以通过自动化机械(或手动)变速器(AMT)来实施， 所述自 动化机械(或手动)变速器(AMT)包括一个或多个伺服马达以沿换挡导轨平移/旋转换挡拨 叉来选择所需的传动比。 如本领域普通技术人员通常所理解， AMT可以用于例如具有较高扭 矩需求的应用中。 0014 如图1的代表性实施例所示， 输出。

　　17、轴20连接到差速器26。 差速器26经由连接到差速 器26的相应车轴30驱动一对驱动轮28。 差速器26向每个车轮28传输大致相等的扭矩， 而诸 如当车辆转弯时允许轻微的速度差异。 可以使用不同类型的差速器或类似装置来将扭矩从 动力传动系统分配到一个或多个车轮。 在一些应用中， 扭矩分配可以取决于例如特定的操 作模式或工况而变化。 0015 动力传动系统12还包括相关联的32， 诸如动力传动系统控制单元(PCU)。 虽 然示出为一个， 但是32可以是较大的控制系统的一部分并且可以由整个车辆 10中的各种其他(诸如车辆系统(VSC)来控制。 因此应当理解， 动力传动。

　　18、系统 说明书 2/9 页 5 CN 111746289 A 5 控制单元32和一个或多个其他可以统称为 “” ， 所述响应于来自各种传 感器的信号而控制各种致动器， 以控制诸如操作M/G 14以提供车轮扭矩或为电池22充电、 选择或安排变速器换挡等功能。 32可以包括与各种类型的计算机可读存储装置或介 质通信的微处理器或中央处理单元(CPU)。 例如， 计算机可读存储装置或介质可以包括呈只 读存储器(ROM)、 随机存取存储器(RAM)和保活存储器(KAM)的易失性和非易失性存储装置。 KAM是一种持久性或非易失性存储器， 可以用于在CPU断电时存储各种操作变量。 计算。

　　19、机可 读存储装置或介质可以使用许多已知存储器装置中的任一种来实现， 诸如PROM(可编程只 读存储器)、 EPROM(电PROM)、 EEPROM(电可擦除PROM)、 快闪存储器或能够存储数据的任何其 他电、 磁性、 光学或组合存储器装置， 其中一些表示由用于控制发动机或车辆的可执 行指令。 0016 32经由输入/输出(I/O)接口(包括输入和输出通道)而与各种车辆传感器 和致动器通信， 所述接口可以被实施为提供各种原始数据或信号调节、 处理和/或转换、 短 路保护等等的单个集成接口。 替代地， 可以使用一个或多个专用硬件或固件芯片在将特定 信号供应给CPU之前调节和处理所述特。

　　20、定信号。 如图1的代表性实施例中总体上所示， 控制 器32可以将信号传送到M/G 14、 电池22、 变速器16、 电力电子装置24以及动力传动系统12中 的可以包括但未在图1中示出的任何另一个部件(即， 可以设置在M/G 14与变速器16之间的 起步离合器)和/或从其接收信号。 尽管没有明确示出， 但是所属领域普通技术人员将认识 到可以由上文标识的每个子系统内的32控制的各种功能或部件。 可以使用由 32执行的控制逻辑和/或算法直接或间接致动的参数、 系统和/或部件的代表性示例包括诸 如交流发电机的前端附件驱动(FEAD)部件、 空调压缩机、 电池充电或放电、 再生制动、 M/G。

　　21、 14操作、 变速器齿轮箱16的离合器压力或作为动力传动系统12的一部分的任何其他离合器 等。 通过I/O接口传达输入的传感器可以用于指示例如车轮速度(WS1， WS2)， 车速(VSS)， 冷 却液温度(ECT)， 加速踏板位置(PPS)， 制动踏板位置(BPS)， 点火开关位置(IGN)， 环境空气 温度， 变速器挡位、 传动比或模式， 变速器油温(TOT)， 变速器输入和输出速度， 减速或换挡 模式(MDE)， 电池温度、 电压、 电流或荷电状态(SOC)。 0017 由32执行的控制逻辑或功能可以通过流程图或类似的图在一个或多个图 中表示。 这些附图提供代表性控制策略和/或逻辑，。

　　22、 所述控制策略和/或逻辑可以使用一个 或多个处理策略(诸如， 事件驱动、 中断驱动、 多任务、 多线程等)来实现。 因此， 示出的各种 步骤或功能可以按示出的顺序执行、 并且行地执行， 或者在一些情况下被省略。 尽管没有总 是明确示出， 但是本领域普通技术人员将认识到， 取决于所使用的特定处理策略， 可以重复 执行示出的步骤或功能中的一个或多个。 类似地， 处理的顺序不一定是实现本文所描述的 特征和优点所必需的， 而是为了便于说明和描述而提供的。 控制逻辑可以主要在由基于微 处理器的车辆和/或动力传动系统(诸如32)执行的软件中实施。 当然， 取决于 特定应用， 控制逻辑可以在一个。

　　23、或多个中的软件、 硬件或软件与硬件的组合中实现。 当以软件来实现时， 控制逻辑可以被提供于一个或多个计算机可读存储装置或介质中， 所 述计算机可读存储装置或介质存储有表示由计算机执行以控制车辆或其子系统的代码或 指令的数据。 计算机可读存储装置或介质可以包括利用电存储、 磁性存储和/或光学存储来 保持可执行指令和相关联的校准信息、 操作变量等的多种已知实体装置中的一种或多种。 0018 车辆驾驶员使用加速踏板34来向动力传动系统12(或更具体地， M/G 14)提供用于 说明书 3/9 页 6 CN 111746289 A 6 推进车辆的所需扭矩、 功率或驱动命令。 通常， 踩下和释放加。

　　24、速踏板34会生成加速踏板位置 信号， 所述加速踏板信号可以由32分别解释为需要增大的功率或减小的功率。 制动 踏板36也被车辆的驾驶员使用来提供所需的制动扭矩以使车辆减速。 通常， 踩下和释放制 动踏板36生成制动踏板位置信号， 所述制动踏板位置信号可以由32解释为降低车速 的需求。 基于来自加速踏板34和制动踏板36的输入， 32命令到达M/G 14和摩擦制动 器38的扭矩和/或功率。 32还控制变速器16内的换挡正时。 0019 M/G 14可以用作马达并且为动力传动系统12提供驱动力。 为了用M/G 14驱动车 辆， 动力电池22通过线将存储的电能传输到电力。

　　25、电子装置24， 所述电力电子装置可以 包括例如逆变器。 电力电子装置24将来自电池22的DC电压转换为将由M/G 14使用的AC电 压。 32命令电力电子装置24将来自电池22的电压转换为提供给M/G 14的AC电压以向 输入轴18提供正或负扭矩。 0020 M/G 14还可以用作发电机并将来自动力传动系统12的动能转换成电能以存储在 电池22中。 更具体地， M/G 14可以在再生制动期间用作发电机， 在再生制动中， 来自转动车 轮28的扭矩和旋转(或动能)能量通过变速器16传回并且被转换成电能以便存储在电池22 中。 0021 应理解， 图1中所描述的车辆配置仅仅是示例性的而不旨在受。

　　26、限制。 其他电动或混 合动力电动车辆配置应被解释为如本文所公开的。 其他电动或混合动力车辆配置可以包括 但不限于串联混合动力车辆、 并联混合动力车辆、 串并联混合动力车辆、 插电式混合动力电 动车辆(PHEV)、 燃料电池混合动力车辆、 电池电动车辆(BEV)或所属领域一般技术人员已知 的任何其他车辆配置。 0022 在包括诸如汽油、 柴油或天然气动力发动机的内燃发动机的混合动力配置中， 控 制器32可以被配置为控制此类内燃发动机的各种参数。 可以使用由32执行的控制逻 辑和/或算法直接或间接致动的内燃发动机参数、 系统和/或部件的代表性示例包括燃料喷 射正时、 速率和持续时间、 节气门。

　　27、位置、 火花塞点火正时(用于火花点火发动机)、 进气门/排 气门正时和持续时间等。 通过I/O接口将输入从此类内燃发动机传送到32的传感器 可以用于指示涡轮增压器增压压力、 曲轴位置(PIP)、 发动机转速(RPM)、 进气歧管压力 (MAP)、 节气门位置(TP)、 排气氧(EGO)或其他排气成分浓度或存在、 进气流量(MAF)等。 0023 参考图2， 示出了优化混合动力/电动车辆(例如， 车辆10)中的再生制动的方法100 的流程图。 方法100可以作为控制逻辑和/或算法存储在32内和/或与32通信 的网络上。 32可以经由蜂窝塔57、 WiFi接入点或通过任何其。

　　28、他无线通信过程与网络 通信。 如将会理解的， 无线X(车辆对外界)通信。 这可以包括例如车辆对车 辆、 车辆对云(即， 车辆对网络)、 车辆对基础设施等。 此外， 其他车辆可以将数据上传到网 络， 该数据然后可以由车辆10下载。 32可以通过控制车辆10的各种部件来实施方法 100。 0024 方法100开始于框102， 其中在多个车辆的操作期间从多个参与的驾驶员收集数 据。 该数据分为驾驶员行为数据和路段数据。 驾驶员行为数据被进一步分为第一对等级别 和第二对等级别。 第一对等级别的驾驶员行为数据可以包括车辆品牌、 车辆型号、 车辆的特 定动力传动系统以及车辆年份。 第。

　　29、二对等级别的数据可以包括城市与高速公路驾驶的比 率、 平均城市驾驶车速、 平均高速公路驾驶车速、 城市驾驶车速的标准偏差、 高速公路驾驶 说明书 4/9 页 7 CN 111746289 A 7 车速的标准偏差、 平均加速踏板位置、 加速踏板位置的标准偏差、 平均行程长度、 行程距离 的标准偏差、 行程位置的接近度(起点、 中间、 终点等)、 制动得分(制动得分是强混合动力电 动车辆、 插电式混合动力电动车辆或电池电动车辆的任何变体中引入的概念)。 每次驾驶员 请求车辆减速或制动事件后， 车辆系统或VSC计算可以恢复的总能量对比在事件后 恢复的实际能量。 事件完成后， 得分显示在仪表组处。

　　30、。 那些未显示的百分比存储在VSC中。 当 行驶周期完成时， 在仪表组中显示总体平均百分比， 车辆在纯电动模式下运行(例如， 车辆 10在EV模式下运行， 其中M/G 14单独推进车辆)的行驶时间百分比， 车辆在推进车辆的电机 关闭的模式下运行的行驶时间百分比(例如， 如果车辆是混合动力车辆， 则在电机关闭时发 动机或动力源推进车辆的时间百分比)， 车辆在混合动力模式下运行的行驶时间百分比(例 如， 如果车辆是混合动力车辆， 则车辆在其中电机和附加动力源(诸如发动机)协力推进车 辆的电动辅助模式下运行的时间百分比)， 车辆执行再生制动操纵的行驶时间百分比， 在电 机单独推进车辆以使车辆从停车加。

　　31、速的情况下车辆启动的百分比(即， 电动启动的百分 比)， 车辆滑行(无加速)所花费的行驶时间百分比， 车辆蠕行(以5mph或以下的速度行驶)所 花费的行驶时间百分比等。 0025 可以经由多个车辆的(例如， 车辆32)收集驾驶员行为数据， 然后通 过如上所述的任何类型的无线通信来共享驾驶员行为数据。 例如， 来自多个驾驶员的驾驶 员行为数据可以被存储在中央服务器上， 然后通过无线网络传送到多个车辆的。 0026 路段数据分为预见路段数据和经验路段数据(即， 过去驾驶员在特定路段类型上 的表现)。 路段预见数据包括路段的路标属性(例如， 是否有停车标志、 让路标志、 交通信号 。

　　32、灯等)、 路段与其他道路的接近度、 路段的交通量， 并且指示路段是在城市中还是在农村地 区。 路段预见数据还包括平均路段高度或海拔、 平均路段曲率(其根据沿着纬度和经度值限 定路段形状的点确定)、 路段的交叉点和类型(即， 三向、 四向等)， 并且指示路段是在高速公 路上还是在城市道路上。 最后， 路段预见数据包括路段的限速、 沿着路段的限速变化， 指示 沿着路段是否有道路曲率变化、 路段是否在住宅区域中、 路段纵断面等。 路段纵断面是沿着 路径的任何位置具有值的性质(例如， 曲率、 道路形式、 车道数量、 速度限制、 水平几何形状 等)。 例如， 路段纵断面性质可以包括可能发生 “倾斜” 的。

　　33、高速公路出口匝道、 单车道道路或 双车道道路、 四向停车等。 倾斜是车辆的转弯或方向变化时车辆通常朝向转弯的内侧倾斜 或倾向。 0027 经验路段数据进一步分为车辆性能路段数据和驾驶员行为路段数据。 车辆性能路 段数据包括： 在路段上实现的再生制动(以电池荷电状态的百分比表示)， 在路段上未实现 的再生制动(以电池荷电状态的百分比表示)， 在路段上每个子路段实现或未实现的再生制 动(以电池荷电状态的百分比表示)， 在路段上消耗的电池电量(以电池荷电状态的百分比 表示)， 在路段上每个子路段消耗的电池电量(以电池荷电状态的百分比表示)等。 驾驶员行 为路段数据包括在路段上的平均车速、 在路段上的。

　　34、车速的标准偏差、 在路段上的平均车辆 扭矩(例如， 在车辆的动力装置诸如发动机或马达/发电机处， 或在车辆的车轮处)、 在路段 上的车辆扭矩的标准偏差、 在路段上的平均制动扭矩或车辆减速度、 在路段上的平均制动 扭矩的标准偏差或车辆减速度的标准偏差等。 0028 最初记录所有数据以支持算法的初始起点。“行程” 可以被定义为从 “接通” 事件 (例如， 车辆点火装置接通时)到 “关断” 事件(即， 车辆点火装置关断时)收集的数据。 在每次 说明书 5/9 页 8 CN 111746289 A 8 行程期间， 可以为路段定义预设值(例如100码)或在行程未平均舍入到预设值的情况下定 义更小的值。 。

　　35、每个路段可以进一步分为子路段(例如， 每个路段可以分为10个或更多个子路 段)。 每次行程期间都会连续记录驾驶员行为数据和路段数据， 其可以包括上面列出的任何 驾驶员和路段数据。 高级驾驶员辅助系统接口规范(ADASIS)v2协议支持特定于道路特征的 数据。 ADASIS协议是联盟定义的规范， 用于通过与时间对齐的车辆CAN总线传输导航数据。 路段数据可以通过传感器、 摄像头、 全球定位系统(GPS)收集， 和/或可以基于来自电子地平 线程序(即， 包括路段特征(诸如坡度或曲率)的地图信息的计算机程序)的信息而得出。 随 着路段数据被收集， 可以将路段分类到通过来自当前驾驶员和/或其他驾驶员的。

　　36、先前记录 的数据建立的现有类别。 通过使用车辆摄像头/传感器和预见导航数据， 在行驶通过即将到 来的路段前， 可以将即将到来的路段的分类匹配到现有分类。 0029 路段预见数据(例如， 来自电子地平线程序和/或摄像头的数据)和路段经验数据 (驾驶员在特定道路类型上的表现如何)用于沿着即将到来的路段预测潜在再生制动机会， 并且在到达其中已经识别出再生制动机会的即将到来的路段之前安排任何所需的消耗。 如 果电池的能量存储容量小于要沿着其中已经识别出再生制动机会的即将到来的路段恢复 的预期能量， 则安排消耗以将存储容量增加到等于或大于要沿着即将到来的路段恢复的预 期能量。 例如， 如果电池荷电状态为。

　　37、90， 则电池具有10的荷电状态容量用以在再生制动 期间接收能量。 如果已经识别出将使电池荷电状态增加15的再生制动机会， 则在到达即 将到来的路段之前安排至少5的电池消耗， 以便将电池荷电状态减少到最多85并且将 存储容量增加到至少15， 使得可以沿着已经识别出再生制动机会将使电池荷电状态增加 15的即将到来的路段收回所有能量。 0030 可以经由多个车辆的(例如， 车辆32)收集路段数据， 然后通过如上 所述的任何类型的无线通信来共享路段数据。 例如， 来自多个驾驶员的路段数据可以被存 储在中央服务器上， 并且通过无线网络传送到多个车辆的。 0031 方法100接下来将来。

　　38、自框102的驾驶员行为数据(包括第一和/或第二对等级别数 据)和路段数据(包括预见数据和经验数据)输入到框104。 在框104处， 将统计聚类算法应用 于来自多个驾驶员的驾驶员行为数据， 以建立多个驾驶员行为分类。 驾驶员分类可以包括 激进的驾驶员、 普通驾驶员、 随意的驾驶员等。 此外， 在框104处， 将另一统计聚类算法应用 于来自多个驾驶员的路段数据， 以建立多个路段分类。 统计聚类算法可以是k均值统计聚类 算法。 0032 在经由k均值统计聚类算法建立了分类之后， 方法100前进到框106， 其中将第一神 经网络训练为在框104处建立的驾驶员行为分类， 并且将第二神经网络训练为在框10。

　　39、4处建 立的路段分类。 然后， 方法100前进到框108， 其中观察当前驾驶员行为的特征(即， 当前正在 操作诸如车辆10的车辆的个人的驾驶行为)和一个或多个即将到来的路段的特征。 当前驾 驶员行为的特征可以包括在框102处收集的任何类型的驾驶员行为数据。 一个或多个即将 到来的路段的特征可以包括在框102处收集的任何类型的路段数据。 随着在框108处连续观 察驾驶员行为数据和路段数据(其可以包括经由多个驾驶员观察到的数据)， 新数据被输入 到框104中以便连续更新和/或完善已建立的多个驾驶行为分类和多个路段分类。 0033 接下来， 方法100前进到框110， 其中将第一训练的神经网络应用于。

　　40、当前驾驶员行 为的特征， 以针对当前驾驶员选择已建立的驾驶员行为分类(即， 在框104处建立的驾驶员 说明书 6/9 页 9 CN 111746289 A 9 行为分类之一)。 而且， 在框110处， 将第二训练的神经网络应用于一个或多个即将到来的路 段的特征， 以针对一个或多个即将到来的路段选择已建立的路段分类(即， 在框104处建立 的路段分类中的一者或多者)。 接下来， 方法100前进到框112， 其中对当前驾驶员的选定的 驾驶员行为分类和一个或多个即将到来的路段的选定的分类进行交叉引用， 以沿着即将到 来的路段识别再生制动机会(即， 其中经验路段数据已表明选定的驾驶员行为分类中的驾 驶。

　　41、员可能会沿着选定的路段分类的一个或多个即将到来的路段执行再生制动操纵)， 并且 在到达已经被识别为再生制动机会的即将到来的路段之前安排电池能量消耗， 以增加电池 存储容量。 交叉引用的数据(即， 在驾驶员分类和路段分类之间的交叉引用的数据)可以作 为表被存储在32内或可经由无线通信访问的网络服务器中。 只有在电池存储容量不 足以完全收回可以沿着已经被识别为再生制动机会的即将到来的路段回收的可用/潜在再 生制动能量的情况下， 才会需要在到达已经被识别为再生制动机会的即将到来的路段之前 消耗能量。 0034 参考图3， 示出了预测沿着一个或多个即将到来的路段的再生制动机会并且在所 述再生制动。

　　42、机会之前消耗电池以使沿着即将到来的路段的再生制动最大化的示例。 在示例 中， 通过使用预见数据、 来自电子地平线程序的数据、 GPS数据和/或传感器/摄像头数据， 识 别出第一即将到来的路段和第二即将到来的路段。 接下来， 应用训练后的神经网络以从已 建立的路段分类中为第一和第二即将到来的路段选择分类。 然后， 将用于第一和第二即将 到来的路段的选定的路段分类交叉引用到当前驾驶员行为分类(通过将神经网络应用于当 前驾驶员行为的特征以选择已建立的驾驶员行为分类而建立)。 然后应用交叉引用的数据 以沿着第一和第二即将到来的路段识别再生制动机会， 并且在到达即将到来的路段之前安 排任何所需的电池消耗。

　　43、， 该电池消耗是完全收回已经(根据驾驶员行为和路段分类)识别出 的沿着即将到来的路段的全部潜在再生制动能量所需要的。 0035 可以将最近邻算法应用于路段数据， 以在与当前驾驶员前方的第一和第二即将到 来的路段匹配的路段分类中识别出表现最佳的路段(即， 分类中的哪个路段在再生制动期 间收回了最多的能量)。 更具体地， 最近邻算法可以在路段分类中识别出表现最佳的路段， 以估计可以沿着第一和第二即将到来的路段收回的最大潜在再生制动能量。 0036 在图3所示的示例中， 识别出的可以沿着第一即将到来的路段收回的潜在再生制 动能量被识别为对电池充电5， 并且识别出的可以沿着第二即将到来的路段收回的潜在。

　　44、 再生制动能量被识别为对电池充电10。 车辆的电池被示出为在当前路段处具有90的荷 电状态和10的充电容量。 为了沿着第一和第二即将到来的路段收回全部的15， 车辆控 制器安排至少5的消耗以将电池荷电状态降低到最多85并将电池存储容量增加到至少 15， 使得可以沿着第一和第二即将到来的路段收回全部的潜在再生制动能量。 这种消耗 可以通过利用M/G 14消耗电池22而发生， 通过增加使用电机来推进车辆并通过使潜在再生 制动能量的收回最大化， (在并入有电动马达和内燃发动机的混合动力车辆中)增加了燃料 经济性并减少了排放。 应当注意， 图3仅是方法100如何操作的示例， 并且应当理解， 其他荷 电。

　　45、状态、 电池充电容量、 所估计的将对电池充以特定百分比电量的再生制动能量等可以与 图3中描述的不同。 0037 方法100还可以考虑路径概率(即， 相对于其他任选路径， 驾驶员将采取特定路径 的概率)。 当驾驶员可以选择多个可选路线时， 路径概率可以在驾驶员行为/路段分类中起 说明书 7/9 页 10 CN 111746289 A 10 重要作用， 以便使再生制动最大化。 在这种情况下， 可以在安排电池消耗时考虑可选场景， 这可以通过利用全部的潜在子路径的加权平均值来实现。 每个路径可以接收加权值， 该加 权值基于或等于驾驶员采取给定路径的概率。 0038 在本说明书中使用的措词是描述而非限制。

　　46、的措词， 并且应理解， 可以在不脱离本 公开的精神和范围的情况下进行各种改变。 如前所描述的， 各个实施例的特征可以被组合 以形成可能没有被明确描述或示出的其他实施例。 尽管各个实施例可能已经被描述为就一 个或多个所期望特性而言相较其他实施例或现有技术实现方式来说提供优点或是优选的， 但是本领域的普通技术人员将认识到， 一个或多个特征或特性可以折衷以实现期望的总体 系统属性， 这取决于特定应用和实现方式。 因而， 就一个或多个特性而言被描述为不如其他 实施例或现有技术实现方式理想的实施例不被排除在本公开的范围之外， 并且对于特定应 用来说可能是期望的。 0039 根据本发明， 提供了一种车辆，。

　　47米乐m6官网登录入口、 其具有： 电机， 所述电机被配置为从电池汲取能量 以推进所述车辆并在再生制动期间对所述电池充电； 和， 所述被编程为， 响应 于基于当前驾驶员行为的分类和即将到来的路段的分类识别出沿着所述即将到来的路段 的再生制动机会， 操作所述电机以沿着所述即将到来的路段对所述电池充电。 0040 根据一个实施例， 所述还被编程为， 响应于电池充电容量小于沿着所述即 将到来的路段回收所估计的潜在再生制动能量所需的值， 操作所述电机以在所述车辆到达 所述即将到来的路段之前将所述电池充电容量增加到大于所述值。 0041 根据一个实施例， 来自多个驾驶员和多个路段的数据用于确定所述当前驾驶员行。

　　48、 为的所述分类和所述即将到来的路段的所述分类， 并且其中沿着所述即将到来的路段的所 述估计的潜在再生制动能量是基于将最近邻算法应用到所述数据。 0042 根据一个实施例， 所述当前驾驶员行为的所述分类选自多个驾驶员分类中的一 个， 所述多个驾驶员分类是基于将k均值聚类算法应用到来自多个驾驶员的驾驶员行为数 据而建立的。 0043 根据一个实施例， 将神经网络训练为驾驶员的所述多个分类， 并且其中所述当前 驾驶员行为的所述分类是基于将所述神经网络应用到所述当前驾驶员行为的特征而选自 所述多个驾驶员分类中的一个。 0044 根据一个实施例， 所述即将到来的路段的所述分类选自多个路段分类中的一个， 。

　　49、所述多个路段分类是基于将k均值聚类算法应用到来自多个路段的路段特征数据而建立 的。 0045 根据一个实施例， 将神经网络训练为所述多个路段分类， 并且其中所述即将到来 的路段的所述分类是基于将所述神经网络应用到所述即将到来的路段的特征而选自所述 多个路段分类中的一个。 0046 根据本发明， 一种车辆电池充电方法包括： 从多个路段上的多个驾驶员收集驾驶 员行为和路段特征数据； 基于所述驾驶员行为数据建立当前驾驶员行为分类； 基于所述路 段特征数据建立即将到来的路段的分类； 通过将所述驾驶员行为分类交叉引用到所述即将 到来的路段的分类来识别沿着所述即将到来的路段的再生制动机会； 以及沿着所述即。

　　50、将到 来的路段经由再生制动对所述电池充电。 0047 根据一个实施例， 本发明的特征还在于： 响应于电池充电容量小于沿着所述即将 说明书 8/9 页 11 CN 111746289 A 11 到来的路段回收所估计的潜在再生制动能量所需的值， 操作电机以在所述车辆到达所述即 将到来的路段之前将所述电池充电容量增加到大于所述值。 0048 根据一个实施例， 沿着所述即将到来的路段的所述估计的潜在再生制动能量是基 于将最近邻算法应用到所述数据。 0049 根据一个实施例， 所述当前驾驶员行为分类选自多个驾驶员分类中的一个， 所述 多个驾驶员分类是基于将k均值聚类算法应用到来自多个驾驶员的所述驾驶员行。