具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一提供的一种车辆驱动扭矩监控系统的结构示意图，本实施例可适用于纯电动汽车或混合动力汽车的驱动扭矩监控场景。

如图1所示，该车辆驱动扭矩监控系统00，包括：车端1和云端服务器2，车端1包括采样模块10、扭矩计算模块20和驱动控制模块30，其中，采样模块10，用于获取目标车辆的目标状态数据，并将目标状态数据传输至云端服务器2和扭矩计算模块20，目标状态数据包括目标车辆型号、目标车辆驾驶需求数据及目标车辆驱动状态数据；扭矩计算模块20，用于根据目标车辆驾驶需求数据及目标车辆驱动状态数据确定目标车辆的实际驱动扭矩；云端服务器2，用于获取至少一组与目标车辆型号相同的车辆的历史状态数据，并根据目标状态数据及历史状态数据确定目标车辆的驱动扭矩范围，历史状态数据包括历史驾驶需求数据和历史驱动状态数据；驱动控制模块30，用于根据实际驱动扭矩及驱动扭矩范围确定是否出现扭矩输出异常，并在扭矩输出异常时调节整车的输出扭矩。

本实施例中，目标车辆即为待监控车辆，目标车辆型号可为待监控车辆的动力总成型号，与目标车辆型号相同的车辆可为与待监控车辆的动力总成型号相同的车辆。

本实施例中，云端服务器2配置有大数据计算平台，该大数据计算平台预存部分动力总成型号对应的车辆的数据组列表，该数据组列表包括一组历史驾驶需求数据和一组历史驱动状态数据，一组历史驾驶需求数据与一组历史驱动状态数据一一对应；或者，在驱动扭矩监控过程中，云端服务器2还可通过无线通讯技术实时获取与目标车辆型号相同的车辆上传的实车驾驶需求数据及其对应的实车驱动状态数据，并将实车驾驶需求数据及其对应的实车驱动状态数据添加至历史驾驶需求数据和历史驱动状态数据中，云端服务器2利用大数据计算平台对历史驾驶需求数据和历史驱动状态数据进行统计分析，获取不同驾驶需求下整车的驱动状态及驱动扭矩范围。

具体地，在目标车辆启动之后，扭矩计算模块20根据采样模块10采集到的目标车辆驾驶需求数据及目标车辆驱动状态数据计算目标车辆的实际驱动扭矩，同时，车端1的通讯组件与云端服务器2通讯连接，并通过无线通讯技术将采样模块10采集到的目标车辆型号、目标车辆驾驶需求数据及目标车辆驱动状态数据传输至云端服务器2，云端服务器2将目标车辆驾驶需求数据及目标车辆驱动状态数据与预存的数据组列表进行比对，确定与目标车辆驾驶需求数据匹配的数据组，将该数据组对应的驱动扭矩范围确定为目标车辆的驱动扭矩范围，并通过无线通讯技术将目标车辆的驱动扭矩范围传输至目标车辆车端的驱动控制模块30。

在驱动控制模块30接收到扭矩计算模块20发送的实际驱动扭矩及云端服务器2发送的驱动扭矩范围之后，驱动控制模块30判断当前采样时刻的实际驱动扭矩是否超过驱动扭矩范围，若实际驱动扭矩大于驱动扭矩范围的上限阈值，则驱动控制模块30判定当前采样时刻目标车辆的驱动扭矩过大，控制发动机或者动力电机降低输出扭矩；若实际驱动扭矩低于驱动扭矩范围的下限阈值，则驱动控制模块30判定当前采样时刻目标车辆的驱动扭矩过小，控制发动机或者动力电机增大输出扭矩；若实际驱动扭矩处于驱动扭矩范围，则驱动控制模块30判定当前采样时刻目标车辆的驱动扭矩正常，无须对整车的驱动扭矩进行干预，解决了整车驱动监控参数无法进行实时更新导致的故障预测不准确的问题，利用大数据统计规律判断是否出现整车意外加速或者意外减速故障，有利于提升扭矩异常监测准确率，降低事故风险，提高驾驶安全性能，为辅助驾驶提供数据依据。

可选地，目标车辆驾驶需求数据包括目标车辆加速踏板开度参数和目标车辆制动压力参数，目标车辆驱动状态数据包括目标车辆车速参数、目标车辆整车加速度参数或者目标车辆坡度参数中的一种或者多种组合。

可选地，可利用数据传输线缆将目标车辆驾驶需求数据及目标车辆驱动状态数据传输至扭矩计算模块20和驱动控制模块30，并通过无线通讯技术将目标车辆驾驶需求数据及目标车辆驱动状态数据传输至云端服务器2，当然，本领域技术人员也可采用其他数据传输策略实现数据交互，对此不作限制。

图2是本发明实施例一提供的另一种车辆驱动扭矩监控系统的结构示意图。

可选地，如图2所示，该采样模块10包括驾驶需求数据采样单元101及驱动状态数据采样单元102，驾驶需求数据采样单元101包括但不限于：加速踏板开度传感器、制动踏板力或制动主缸压力传感器及档位传感器中的一种或者多种组合，驱动状态数据采样单元102包括但不限于：车速或者轮速传感器、加速度传感器及坡度传感器中的一种或者多种组合。

其中，加速踏板开度传感器用于采集整车的加速踏板开度参数，制动踏板力传感器或者制动主缸压力传感器用于获取整车的制动压力参数，车速或轮速传感器用于获取整车的行车车速参数，加速度传感器用于获取整车的加速度参数，坡度传感器用于获取整车的坡度参数。

可选地，扭矩计算模块20用于根据目标车辆制动压力参数确定整车制动扭矩，根据目标车辆车速参数确定整车运行道路阻力，并根据目标车辆整车加速度参数确定整车加速度阻力，以及根据整车制动扭矩、整车运行道路阻力及整车加速度阻力确定目标车辆的实际驱动扭矩。

本实施例中，定义整车制动扭矩为F_Break，整车运行道路阻力为F_r，整车加速度阻力为F_r，目标车辆的实际驱动扭矩为F_Drive，整车制动扭矩F_Break、整车运行道路阻力F_r、整车加速度阻力F_a及目标车辆的实际驱动扭矩F_Drive满足如下所示的公式一：

F_Drive＝F_Break+F_r+Fa (公式一)

结合公式一可知，目标车辆的实际驱动扭矩F_Drive等于整车制动扭矩F_Break、整车运行道路阻力F_r、整车加速度阻力F_a之和。

可选地，定义目标车辆制动压力参数为P_Break，可将目标车辆制动压力参数P_Break代入如下所示的公式二，计算整车制动扭矩F_Break：

F_Break＝a′+b′*P_Break (公式二)

其中，a′和b′为制动转矩标定系数，a′和b′的具体数值可通过标定获得，对此不作限制。

可选地，定义目标车辆车速参数为v，可将目标车辆车速参数v代入如下所示的公式三，计算整车运行道路阻力F_r：

F_r＝a+b*v+c*v² (公式三)

其中，a、b和c为整车运行道路阻力标定系数，a、b和c的具体数值可通过标定获得，对此不作限制。

可选地，定义目标车辆整车加速度参数为A_X，可将目标车辆整车加速度参数A_X代入如下所示的公式四，计算整车加速度阻力F_a：

F_a＝M*A_x (公式四)

其中，M为整车整备质量，M的具体数值可通过标定获得，对此不作限制。

结合公式一至公式四，扭矩计算模块20可将接收到的目标车辆制动压力参数P_Break、目标车辆车速参数v及目标车辆整车加速度参数A_X代入对应的公式，并通过对整车制动扭矩F_Break、整车运行道路阻力F_r及整车加速度阻力F_a求和计算当前采样时刻目标车辆的实际驱动扭矩F_Drive，计算方法简单，数据实时性高，有利于提高实际驱动扭矩的准确度。

可选地，历史驾驶需求数据包括历史加速踏板开度参数和历史制动压力参数，历史驱动状态数据包括历史车速参数、历史整车加速度参数或者历史坡度参数中的一种或者多种组合。

本实施例中，历史驾驶需求数据每个历史状态数据的数据组包括一组历史驾驶需求数据与一组历史驱动状态数据，分别统计不同工况下，不同历史驾驶需求数据和不同历史车速参数对应的历史整车加速度参数，根据统计数据建立驱动工况及制动工况下的数据组列表，用于后续查表比对。

可选地，云端服务器2用于根据历史驾驶需求数据确定与目标车辆型号相同的车辆的实时工况，实时工况包括驱动工况和制动工况。

具体地，若云端服务器2判定接收到的历史加速踏板开度参数大于零，则云端服务器2确定当前车辆处于驱动工况；若云端服务器2判定接收到的历史制动压力参数大于零，则云端服务器2确定当前车辆处于制动工况；若云端服务器2判定接收到的历史制动压力参数和历史加速踏板开度参数均大于零，则云端服务器2确定当前数据错误，忽略当前数据。

可选地，云端服务器2用于获取驱动工况下，与目标车辆型号相同的车辆在预/设车速范围、预设加速踏板开度范围内的至少一个整车加速度，并将至少一个整车加速度中的最大值确定为驱动工况下的历史驱动状态数据，以及获取制动工况下，与目标车辆型号相同的车辆在预设车速范围、预设加速踏板开度范围内的至少一个整车加速度，并将至少一个整车加速度中的最小值确定为制动工况下的历史驱动状态数据。

具体地，在驱动工况下，可设置历史驾驶需求数据为历史加速踏板开度参数，将不同历史车速参数和不同历史加速踏板开度参数范围内的最大加速度值确定为该组数据对应的历史整车加速度参数，并建立驱动工况下的预存数据组列表，该预存数据组列表存储在云端服务器2；在制动工况下，可设置历史驾驶需求数据为历史制动压力参数，将不同历史车速参数和不同历史制动压力参数范围内的最大加速度值确定为该组数据对应的历史整车加速度参数，并建立制动工况下的预存数据组列表，该预存数据组列表存储在云端服务器2。

可选地，云端服务器2存储有预设加速踏板开度上限阈值和预设最大加速度值，云端服务器2用于在目标车辆驾驶需求数据超过预设加速踏板开度上限阈值时，根据预设最大加速度值确定目标车辆的驱动扭矩范围。

可选地，云端服务器2可将目标车辆驾驶需求数据及该预设最大加速度值代入上述公式一至公式四，计算目标车辆的驱动扭矩范围，或者，云端服务器2可通过标定测试建立车辆加速度与整车驱动扭矩范围之间的对应关系列表，通过查表法确定目标车辆的驱动扭矩范围，对此不作限制。

具体地，若目标车辆加速踏板开度参数超过预设加速踏板开度上限阈值，则云端服务器2判定当前采样时刻目标车辆的驾驶员有明显的加速需求，将预存数据组列表中的预设最大加速度值确定为目标车辆当前所需的加速度，并根据预设最大加速度值及当前目标车辆的车速确定目标车辆的驱动扭矩范围。

示例性地，可设置预设加速踏板开度上限阈值等于50％，预设最大加速度值可为目标车辆当前车速范围内的数值最大的历史整车加速度参数，即言，若目标车辆加速踏板开度参数超过预设加速踏板开度上限阈值50％，则云端服务器2判定当前采样时刻目标车辆的驾驶员有明显的加速需求，将目标车辆当前车速下数值最大的历史整车加速度参数确定为目标车辆当前所需的加速度。

可选地，云端服务器2存储有预设制动压力上限阈值和预设最小加速度值，云端服务器2用于在目标车辆驾驶需求数据超过预设制动压力上限阈值时，根据预设最小加速度值确定目标车辆的驱动扭矩范围。

具体地，若目标车辆制动压力参数超过预设制动压力上限阈值，则云端服务器2判定当前采样时刻目标车辆的驾驶员有明显的制动需求，将预存数据组列表中的预设最小加速度值确定为目标车辆当前所需的加速度，并根据预设最小加速度值及当前目标车辆的车速确定目标车辆的驱动扭矩范围。

示例性地，可设置预设制动压力上限阈值等于50％，预设最小加速度值可为目标车辆当前车速范围内的数值最小的历史整车加速度参数，即言，若目标车辆制动压力参数超过预设制动压力上限阈值50％，则云端服务器2判定当前采样时刻目标车辆的驾驶员有明显的减速需求，将目标车辆当前车速段内数值最小的历史整车加速度参数确定为目标车辆当前所需的加速度。

示例性地，结合预设加速踏板开度上限阈值及预设制动压力上限阈值对历史车速参数、历史加速踏板开度参数及历史制动压力参数进行分段划分，建立如表1和表2所示的预存数据组列表，其中，表1为云端服务器存储的一种驱动工况下的预存数据组列表，表2为云端服务器存储的一种制动工况下的预存数据组列表。

结合表1所示，在驱动工况下，目标车辆制动压力参数等于0，云端服务器2可将接收到的当前采样时刻的目标车辆加速踏板开度参数及目标车辆车速参数与表1中的预存数据组列表进行比对，根据比对结果确定当前采样时刻目标车辆所需的加速度值，根据该加速度值确定当前目标车辆所需的驱动扭矩范围。例如，若目标车辆车速参数为90km/h，目标车辆加速踏板开度参数为最大加速踏板开度的8％，则经过查表比对，可确定前采样时刻目标车辆所需的加速度值为A₉₂；若目标车辆车速参数为102km/h，目标车辆加速踏板开度参数为最大加速踏板开度的20％，则经过查表比对，可确定前采样时刻目标车辆所需的加速度值为A_B3；若目标车辆车速参数为100km/h，目标车辆加速踏板开度参数＞50％，则经过查表比对，可确定前采样时刻目标车辆所需的加速度值为A_A7。

结合表2所示，在制动工况下，目标车辆加速踏板开度参数等于0，云端服务器2可将接收到的当前采样时刻的目标车辆制动压力参数及目标车辆车速参数与表1中的预存数据组列表进行比对，根据比对结果确定当前采样时刻目标车辆所需的加速度值，根据该加速度值确定当前目标车辆所需的驱动扭矩范围。例如，若目标车辆车速参数为20km/h，目标车辆制动压力参数为10bar，则经过查表比对，可确定前采样时刻目标车辆所需的加速度值为A₂₂＇；若目标车辆车速参数为20km/h，目标车辆制动压力参数＞50bar，则经过查表比对，可确定前采样时刻目标车辆所需的加速度值为A₂₇＇。

由此，本发明实施例通过将目标车辆驾驶需求数据与目标车辆驱动状态数据上传至云端服务器，由云端服务器进行统计分析，计算出与目标车辆动力系统驱动能力一致的整车的驱动扭矩范围，并传输给车辆端，利用车辆端控制器判断目标车辆是否发生意外加速及意外减速故障，并有针对的进行扭矩干预，进行扭矩限制或切断动力输出，通过大数据统计对车辆行车过程中的整车驱动监控参数进行实时故障判断，避免发生整车电控系统的随机故障或者系统故障导致的扭矩监控故障，有利于提升扭矩异常监测准确率，降低事故风险，提高驾驶安全性能，为辅助驾驶提供数据依据。

实施例二

本发明实施例二提供了一种车辆驱动扭矩监控方法，该车辆驱动扭矩监控方法可由上述车辆驱动扭矩监控系统执行，具有上述车辆驱动扭矩监控系统相同的有益效果。

图3是本发明实施例二提供的一种车辆驱动扭矩监控方法的流程图。

如图3所示，该车辆驱动扭矩监控方法包括以下步骤：

步骤S1：获取目标车辆的目标状态数据，并将目标状态数据传输至云端服务器，目标状态数据包括目标车辆型号、目标车辆驾驶需求数据及目标车辆驱动状态数据。

步骤S2：根据目标车辆驾驶需求数据及目标车辆驱动状态数据确定目标车辆的实际驱动扭矩。

步骤S3：利用云端服务器获取至少一组与目标车辆型号相同的车辆的历史状态数据，并利用云端服务器根据目标状态数据及历史状态数据确定目标车辆的驱动扭矩范围，历史状态数据包括历史驾驶需求数据和历史驱动状态数据。

步骤S4：根据实际驱动扭矩及驱动扭矩范围确定是否出现扭矩输出异常，并在扭矩输出异常时调节整车的输出扭矩。

可选地，历史驾驶需求数据包括历史加速踏板开度参数和历史制动压力参数，历史驱动状态数据包括历史车速参数、历史整车加速度参数或者历史坡度参数中的一种或者多种组合。

可选地，目标车辆驾驶需求数据包括目标车辆加速踏板开度参数和目标车辆制动压力参数，目标车辆驱动状态数据包括目标车辆车速参数、目标车辆整车加速度参数或者目标车辆坡度参数中的一种或者多种组合。

可选地，该车辆驱动扭矩监控方法还包括以下步骤：根据目标车辆制动压力参数确定整车制动扭矩；根据目标车辆车速参数确定整车运行道路阻力；根据目标车辆整车加速度参数确定整车加速度阻力；以及根据整车制动扭矩、整车运行道路阻力及整车加速度阻力确定目标车辆的实际驱动扭矩。

可选地，该车辆驱动扭矩监控方法还包括以下步骤：根据历史驾驶需求数据确定与目标车辆型号相同的车辆的实时工况，实时工况包括驱动工况和制动工况。

可选地，该车辆驱动扭矩监控方法还包括以下步骤：获取驱动工况下，与目标车辆型号相同的车辆在预/设车速范围、预设加速踏板开度范围内的至少一个整车加速度，并将至少一个整车加速度中的最大值确定为驱动工况下的历史驱动状态数据，以及获取制动工况下，与目标车辆型号相同的车辆在预设车速范围、预设加速踏板开度范围内的至少一个整车加速度，并将至少一个整车加速度中的最小值确定为制动工况下的历史驱动状态数据。

可选地，该车辆驱动扭矩监控方法还包括以下步骤：获取预设加速踏板开度上限阈值和预设最大加速度值，并在目标车辆驾驶需求数据超过预设加速踏板开度上限阈值时，根据预设最大加速度值确定目标车辆的驱动扭矩范围。

可选地，该车辆驱动扭矩监控方法还包括以下步骤：获取预设制动压力上限阈值和预设最小加速度值，并在目标车辆驾驶需求数据超过预设加速踏板开度上限阈值时，根据预设最小加速度值确定目标车辆的驱动扭矩范围。

本发明实施例提供的车辆驱动扭矩监控方法，通过车端的采样模块获取目标状态数据，目标状态数据包括目标车辆的目标车辆型号、目标车辆驾驶需求数据及目标车辆驱动状态数据，并将目标车辆型号、目标车辆驾驶需求数据及目标车辆驱动状态数据传输至云端服务器及车端的扭矩计算模块，利用扭矩计算模块根据目标车辆驾驶需求数据及目标车辆驱动状态数据计算目标车辆的实际驱动扭矩，利用云端服务器获取至少一组与目标车辆型号相同的车辆的历史状态数据，历史状态数据包括历史驾驶需求数据和历史驱动状态数据，云端服务器根据目标状态数据及历史状态数据确定目标车辆的驱动扭矩范围，利用车端的驱动控制模块根据实际驱动扭矩及驱动扭矩范围确定是否出现扭矩输出异常，并在扭矩输出异常时调节整车的输出扭矩，解决了整车驱动扭矩监控故障预测不准确的问题，利用大数据统计规律判断是否出现整车意外加速或者意外减速故障，有利于提升扭矩异常监测准确率，降低事故风险，提高驾驶安全性能，为辅助驾驶提供数据依据。

实施例三

图4是本发明实施例三提供的一种车辆的结构示意图。

如图4所示，该车辆100包括上述车辆驱动扭矩监控系统00。

本实施例中，该车辆100可为纯电动汽车或者混合动力汽车。

本发明实施例提供的车辆，设置车辆驱动扭矩监控系统，该系统设置车端和云端服务器，通过车端的采样模块获取目标状态数据，目标状态数据包括目标车辆的目标车辆型号、目标车辆驾驶需求数据及目标车辆驱动状态数据，并将目标车辆型号、目标车辆驾驶需求数据及目标车辆驱动状态数据传输至云端服务器及车端的扭矩计算模块，利用扭矩计算模块根据目标车辆驾驶需求数据及目标车辆驱动状态数据计算目标车辆的实际驱动扭矩，利用云端服务器获取至少一组与目标车辆型号相同的车辆的历史状态数据，历史状态数据包括历史驾驶需求数据和历史驱动状态数据，云端服务器根据目标状态数据及历史状态数据确定目标车辆的驱动扭矩范围，利用车端的驱动控制模块根据实际驱动扭矩及驱动扭矩范围确定是否出现扭矩输出异常，并在扭矩输出异常时调节整车的输出扭矩，解决了整车驱动扭矩监控故障预测不准确的问题，利用大数据统计规律判断是否出现整车意外加速或者意外减速故障，有利于提升扭矩异常监测准确率，降低事故风险，提高驾驶安全性能，为辅助驾驶提供数据依据。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。