买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南昌智能新能源汽车研究院申请的专利一种分布式驱动电动汽车经济性驱动力矩的云端更新方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116176300B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310132573.9，技术领域涉及：B60L15/32；该发明授权一种分布式驱动电动汽车经济性驱动力矩的云端更新方法是由褚洪庆;李正浩;田学林;冯挽强设计研发完成，并于2023-02-17向国家知识产权局提交的专利申请。

本一种分布式驱动电动汽车经济性驱动力矩的云端更新方法在说明书摘要公布了：本发明提供一种分布式驱动电动汽车经济性驱动力矩的云端更新方法，该方法包括：在预设简化条件下对驾驶员意图进行分析得到广义需求驱动力矩；定义转矩分配系数，以将广义需求驱动力矩分配至电动车辆的前后电机；根据驱动工况下电动车辆各电机的效率特性计算出驱动系统的总驱动效率；获取电动车辆在当前加速踏板开度以及当前电机转速时，总驱动效率最高的转矩分配系数，并基于转矩分配系数计算出最优转矩分配图；对最优转矩分配图进行初步计算得到数据流，并利用云端对数据流依次进行数据清洗及数据训练，以完成电动车辆的云端更新流程。本发明可以处理流数据并进行实时优化，有助于优化分布式驱动电动汽车的力矩分配，从而增加行驶的经济性。

本发明授权一种分布式驱动电动汽车经济性驱动力矩的云端更新方法在权利要求书中公布了：1.一种分布式驱动电动汽车经济性驱动力矩的云端更新方法，其特征在于，包括： 在预设简化条件下对驾驶员意图进行分析，以得到所述驾驶员的广义需求驱动力矩； 定义转矩分配系数，以将所述广义需求驱动力矩分配至电动车辆的前后电机； 根据预设的驱动工况下所述电动车辆各电机的效率特性计算出所述电动车辆的驱动系统的总驱动效率； 获取所述电动车辆在当前加速踏板开度以及当前电机转速时，所述驱动系统的总驱动效率最高的转矩分配系数，并基于所述转矩分配系数计算出所述驱动系统的最优转矩分配图； 对所述驱动系统的最优转矩分配图进行初步计算得到对应的数据流，并利用云端对所述数据流依次进行数据清洗及数据训练，以完成所述电动车辆的经济性驱动力矩的云端更新流程，其中，所述最优转矩分配图的参数为：转矩分配系数K，总驱动效率η，转速nm以及前轴电机的输出转矩Tmf，所述转速nm代表电机的工况，所述转速nm和所述前轴电机的输出转矩Tmf为离散的，所述对所述驱动系统的最优转矩分配图进行初步计算得到对应的数据流，并利用云端对所述数据流依次进行数据清洗及数据训练，以完成所述电动车辆的经济性驱动力矩的云端更新流程的步骤包括： 建立起映射{nm，Tmf}→{K，η}，每个格点记录了两个值，最优的转矩分配系数和对应的总驱动效率，基于所述最优转矩分配图，最优的转矩分配系数通过插值的方法求出，从而得到每个工作点对应的{K，η}； 将所述最优转矩分配图写作x1，x2，x3，则i，j，l为归一化的坐标值，l为格点包含的值K或η，插值点i+u，j+v，l+q，0≤u，v，q＜1在局部空间内便可以线性地接近： 使用从云端获得的训练集{xn，on}，n＝1，2，...，N，on为观测值，η＝φT·W是需要从训练数据学习的模型，训练目标是找到使损失函数J最小的模型参数W： JnW是样本{xn,on}的学习目标； 其中，φn＝φxn，推导出模型参数W的偏导数： en代表观测值和模型输出的偏差，令{xn，on}，n＝1，2，...，N为训练数据流，则样本会被逐一地被用于训练，使用随机梯度下降法更新参数W； Wn+1＝Wn+γφnen； γ为随机梯度下降的步长，在线学习的收敛性由0γ2保证，映射{nm,Tmf}→K和{nm,Tmf}→η可以使用上述算法分别进行学习。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南昌智能新能源汽车研究院，其通讯地址为：330000 江西省南昌市南昌县迎宾中大道2111号江铃国际4楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。