【技术实现步骤摘要】
本专利技术涉及车辆控制，更具体地说，本专利技术涉及一种摩托车用一体化混动控制系统。
技术介绍
1、目前，大多数摩托车在日常使用中主要依赖纯电模式运行；随着电池技术的发展，纯电动摩托车因其零排放、低噪音以及较低的运行成本，逐渐成为城市通勤的主流交通工具；然而，纯电动摩托车在长途或较复杂路况(如爬坡、陡坡)中，因电池容量和功率的限制，难以持续提供足够的动力，容易出现续航里程不足、爬坡动力不足等问题。
2、针对这一问题，混合动力摩托车应运而生；混动摩托车通过结合电池和发动机两种动力源，既能够在日常平坦道路上使用电池提供驱动力，延长续航里程，降低能源消耗；又可以在车辆需要较高动力输出时(如爬坡、高速行驶等)，通过发动机提供额外动力支持；这种动力分配的方式，不仅提高了摩托车的适应性，还在降低碳排放、节约燃油上取得了显著效果；然而，对于小型混合动力摩托车来说，尤其是在爬坡时常遇到挑战；由于小型混动车辆的电池和发动机功率相对较小，当车辆处于上坡路段时，如果仍以纯电模式运行，电池提供的动力往往无法满足爬坡的需求，可能导致车辆无法顺利通过或电池因过载而出现过热或过度消耗的现象；因此，如何在爬坡时智能切换到混合动力模式，并合理分配电池与发动机的动力输出，成为小型混合动力摩托车亟待解决的问题。
技术实现思路
1、为了克服现有技术的上述缺陷，本专利技术的实施例提供摩托车用一体化混动控制系统。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种摩托车用一体化混动控
4、数据采集模块，用于当摩托车以纯电动力模式运行时，获取其行驶前方路段的道路图像，并根据道路图像判断行驶前方路段是否为上坡路段，得到第一判断结果；
5、坡度检测模块，用于若第一判断结果为上坡路段，则预估摩托车抵达上坡路段的未来时刻，并根据对应的道路图像确定上坡路段的路段坡度；
6、动力预测模块，用于基于路段坡度预测出摩托车通过上坡路段的需求动力，并根据需求动力判断摩托车是否满足混合动力模式的切换条件，得到第二判断结果；所述第二判断结果包括满足和不满足动力切换条件中的一种；
7、模式切换模块，用于当判断结果显示满足动力切换条件时，获取混合动力模式下电池和发动机的最佳动力输出比，并在未来时刻控制摩托车从纯电动力模式切换至混合动力模式。
8、进一步地，所述判断行驶前方路段是否为上坡路段，包括：
9、提取道路图像；
10、将道路图像输入预先训练好的路况识别模型中，以得到第一判断结果；
11、其中，所述路况识别模型的生成逻辑如下：
12、获取历史路况识别训练数据，将历史路况识别训练数据划分为路况识别训练集和路况识别测试集；所述历史路况识别训练数据中包括多幅道路图像及其对应的标注标签；
13、其中，所述标注标签包括“0”和“1”，所述“0”代表非上坡路段，“1”代表上坡路段；
14、构建分类器，将路况识别训练集中的道路图像作为分类器的输入，以及将路况识别训练集中的标注标签作为分类器的输出，对分类器进行训练，得到初始分类网络；
15、利用路况识别测试集对初始分类网络进行模型测试，输出大于等于预设测试准确度阈值的初始分类网络作为训练好的路况识别模型。
16、进一步地，所述预估摩托车抵达上坡路段的未来时刻，包括：
17、当第一判断结果显示上坡路段时，记录当前时刻，并将当前时刻标记为t1；
18、获取摩托车的车速，以及在当前时刻下摩托车到上坡路段的距离；
19、将车速、当前时刻和摩托车到上坡路段的距离输入预设的数学计算模型中，以获取摩托车抵达上坡路段的未来时刻；
20、其中，所述数学计算模型的表达式如下：
21、
22、式中：t表示摩托车抵达上坡路段的未来时刻，t1为当前时刻，v为车速，s为摩托车到上坡路段的距离，α为大于零的时间修正因子。
23、进一步地，所述确定上坡路段的路段坡度，包括：
24、将行驶前方路段的道路图像输入预配置的深度估计模型中，以获取深度图；
25、从深度图中筛选出关键像素点，所述关键像素点包括近景像素点p1(x1,y1)和远景像素点p2(x2,y2)；
26、计算近景像素点p1(x1,y1)和远景像素点p2(x2,y2)，在水平方向和垂直方向上的深度差，其计算公式如下：
27、
28、式中：drpth(x1,y1)和drpth(x2,y1)为近景像素点和远景像素点在水平方向的深度值；drpth(x1,y2)和drpth(x1,y1)为近景像素点和远景像素点在水平方向的深度值；δzx为水平方向的深度差，δzy为垂直方向的深度差；
29、获取近景像素点p1(x1,y1)和远景像素点p2(x2,y2)之间的实际距离，将实际距离、水平方向的深度差和垂直方向的深度差，代入预设的几何关系计算模型中，以获取上坡路段的路段坡度；
30、其中，所述几何关系计算模型的表达式如下：
31、
32、式中：slopr为上坡路段的路段坡度，δx和δy分别为水平方向和垂直方向上近景像素点和远景像素点的实际距离，arctan为反正切函数。
33、进一步地，所述从深度图中筛选出关键像素点，包括：
34、对深度图进行二等分分割，得到上半部分区域和下半部分区域；
35、利用k-means聚类算法对上半部分区域进行像素点区分，并将像素点聚类形成区域作为第一候选子区域，得到多个第一候选子区域；
36、获取行驶前方路段预设定的目标颜色，根据目标颜色从多个第一候选子区域筛选出多个路段区域g：
37、
38、式中：iij为第一候选子区域在位置(i,j)处的像素值，1表示目标颜色，0表示非目标颜色；
39、获取每个路段区域的像素面积，按像素面积从大到小进行排序，将像素面积排序第一的路段区域作为第一目标区域，并获取第一目标区域的质心；
40、将第一目标区域的质心标记为近景像素点。
41、进一步地，所述从深度图中筛选出关键像素点，还包括：
42、利用k-means聚类算法对下半部分区域进行像素点区分，并将像素点聚类形成区域作为第二候选子区域，得到多个第二候选子区域；
43、根据目标颜色从多个第二候选子区域筛选出多个路段区域g：
44、获取每个路段区域的像素面积，按像素面积从大到小进行排序，将像素面积排序第一的路段区域作为第二目标区域，并获取第二目标区域的质心；
45、将第二目标区域的质心标记为远景像素点。
46、进一步地，所述预测出摩托车通过上坡路段的需求动力，包括：
47、获取爬坡驱动力影响数据；
48、其中，所述爬坡驱动力影响数据包括摩托车本文档来自技高网...
【技术保护点】
1.一种摩托车用一体化混动控制系统，其特征在于，所述系统包括：
2.根据权利要求1所述的摩托车用一体化混动控制系统，其特征在于，所述判断行驶前方路段是否为上坡路段，包括：
3.根据权利要求2所述的摩托车用一体化混动控制系统，其特征在于，所述预估摩托车抵达上坡路段的未来时刻，包括：
4.根据权利要求3所述的摩托车用一体化混动控制系统，其特征在于，所述确定上坡路段的路段坡度，包括：
5.根据权利要求4所述的摩托车用一体化混动控制系统，其特征在于，所述从深度图中筛选出关键像素点，包括：
6.根据权利要求5所述的摩托车用一体化混动控制系统，其特征在于，所述从深度图中筛选出关键像素点，还包括：
7.根据权利要求6所述的摩托车用一体化混动控制系统，其特征在于，所述预测出摩托车通过上坡路段的需求动力，包括：
8.根据权利要求7所述的摩托车用一体化混动控制系统，其特征在于，所述判断摩托车是否满足混合动力模式的切换条件，包括：
9.根据权利要求8所述的摩托车用一体化混动控制系统，其特征在于，所述混合动力
10.一种摩托车用一体化混动控制方法，其特征在于，其基于权利要求1至9中任意一项所述的摩托车用一体化混动控制系统实现，所述方法包括：
...【技术特征摘要】
1.一种摩托车用一体化混动控制系统，其特征在于，所述系统包括：
2.根据权利要求1所述的摩托车用一体化混动控制系统，其特征在于，所述判断行驶前方路段是否为上坡路段，包括：
3.根据权利要求2所述的摩托车用一体化混动控制系统，其特征在于，所述预估摩托车抵达上坡路段的未来时刻，包括：
4.根据权利要求3所述的摩托车用一体化混动控制系统，其特征在于，所述确定上坡路段的路段坡度，包括：
5.根据权利要求4所述的摩托车用一体化混动控制系统，其特征在于，所述从深度图中筛选出关键像素点，包括：
6.根据权利要求5所述的摩托车用一体化混动控制系统，其特征...
【专利技术属性】
技术研发人员：田海让，曹朋，
申请(专利权)人：上海叶盛电气有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。