车辆的制动能量回收功能的测试方法、装置和车辆

技术领域

本发明涉及车辆领域，具体而言，涉及一种车辆的制动能量回收功能的测试方法、装置和车辆。

背景技术

在相关技术中，可以通过全面覆盖式实验对车辆的制动能量回收功能进行测试，由于需要遍历车辆的所有行驶状态数据，来对对应的制动能量回收功能进行测试，然而全部遍历行驶状态数据需要耗费大量的时间，因此，仍存在对车辆的制动能量回收功能进行测试的效率低的技术问题。

针对上述的对车辆的制动能量回收功能进行测试的效率低的技术问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种车辆的制动能量回收功能的测试方法、装置和车辆，以至少解决对车辆的制动能量回收功能进行测试的效率低的技术问题。

根据本发明实施例的一个方面，提供了一种车辆的制动能量回收功能的测试方法。该方法可以包括：获取车辆的多种行驶状态数据，其中，行驶状态数据用于表示车辆在行驶过程中的驾驶剧烈程度；分别对多种行驶状态数据对应的驾驶剧烈程度进行聚类处理，得到聚类结果，其中，聚类结果用于表示驾驶剧烈程度对应的驾驶场景；基于聚类结果，测试车辆的制动能量回收功能，得到测试结果，其中，测试结果用于表示制动能量回收功能是否处于正常状态，制动能量回收功能用于在对应的驾驶剧烈程度下对车辆中额外的制动能量进行回收利用。

可选地，在分别对多种行驶状态数据对应的驾驶剧烈程度进行聚类处理，得到聚类结果之前，该方法还包括：基于行驶状态数据，确定进行聚类处理的模糊聚类模型的聚类中心维度值，且设定车辆的驾驶剧烈等级，其中，驾驶剧烈等级用于表示车辆行驶过程中的不同的剧烈程度；基于聚类中心维度值与驾驶剧烈等级，确定模糊聚类模型的聚类中心数，其中，聚类中心数与驾驶剧烈程度二者呈负相关。

可选地，在基于聚类中心维度值与驾驶剧烈等级，确定模糊聚类模型的聚类中心数之后，该方法还包括：对不同的驾驶剧烈等级对应的聚类中心维度值进行整合，确定不同驾驶剧烈等级的样本组成的样本集合；基于样本集合，确定不同的驾驶剧烈等级对应的初始化聚类中心，且确定样本集合中聚类中心维度值对应的初始化隶属度矩阵；确定不同的驾驶剧烈等级对应的初始化迭代次数及初始化价值函数。

可选地，分别对多种行驶状态数据对应的驾驶剧烈程度进行聚类处理，得到聚类结果，包括：基于样本集合及初始化隶属度矩阵，对初始化聚类中心进行更新，得到初始化聚类中心对应的更新后的聚类中心群；基于聚类中心维度值，对初始化隶属度矩阵进行更新，得到初始化隶属度矩阵对应的更新后的隶属度矩阵；基于隶属度矩阵、样本集合中每个样本，对初始化价值函数进行更新，得到初始化价值函数对应的更新后的价值函数；响应于更新后的聚类中心群、隶属度矩阵与价值函数，对初始化迭代次数加一，得到更新后的迭代次数，其中，聚类结果至少包括聚类中心群、隶属度矩阵和价值函数。

可选地，该方法还可以包括：响应于迭代次数小于迭代次数阈值，确定迭代次数对应的价值函数的改变量；响应于改变量小于改变量阈值，停止迭代，且将迭代次数对应的聚类中心群，作为车辆的制动控制系统的输入数据。

可选地，基于聚类结果，测试车辆的制动能量回收功能，得到测试结果，包括：响应于将聚类中心群作为车辆的制动控制系统的输入数据，控制制动控制系统基于输入数据，对车辆的制动能量回收功能进行测试，得到测试结果。

根据本发明实施例的另一方面，还提供了一种车辆的制动能量回收功能的测试装置。该装置可以包括：获取单元，用于获取车辆的多种行驶状态数据，其中，行驶状态数据用于表示车辆在行驶过程中的驾驶剧烈程度；处理单元，用于分别对多种行驶状态数据对应的驾驶剧烈程度进行聚类处理，得到聚类结果，其中，聚类结果用于表示驾驶剧烈程度对应的驾驶场景；测试单元，用于基于聚类结果，测试车辆的制动能量回收功能，得到测试结果，其中，测试结果用于表示制动能量回收功能是否处于正常状态，制动能量回收功能用于在对应的驾驶剧烈程度下对车辆中额外的制动能量进行回收利用。

根据本发明实施例的另一方面，还提供了一种计算机可读存储介质。该计算机可读存储介质包括存储的程序，其中，在程序运行时控制计算机可读存储介质所在设备执行本发明实施例的车辆的制动能量回收功能的测试方法。

根据本发明实施例的另一方面，还提供了一种处理器。该处理器用于运行程序，其中，程序运行时执行本发明实施例的车辆的制动能量回收功能的测试方法。

根据本发明实施例的另一方面，还提供一种车辆。该车辆用于执行本发明实施例的车辆的制动能量回收功能的测试方法。

在本发明实施例中，获取车辆的多种行驶状态数据，其中，行驶状态数据用于表示车辆在行驶过程中的驾驶剧烈程度；分别对多种行驶状态数据对应的驾驶剧烈程度进行聚类处理，得到聚类结果，其中，聚类结果用于表示驾驶剧烈程度对应的驾驶场景；基于聚类结果，测试车辆的制动能量回收功能，得到测试结果，其中，测试结果用于表示制动能量回收功能是否处于正常状态，制动能量回收功能用于在对应的驾驶剧烈程度下对车辆中额外的制动能量进行回收利用。也就是说，本发明实施例可以按照驾驶剧烈程度对采集到的多种行驶状态数据进行聚类处理，从而得到聚类结果，也即，可以得到不同驾驶剧烈程度对应的驾驶场景，基于不同驾驶场景，可以对对应驾驶场景的制动能量回收功能进行测试，判断制动能量回收功能是否能在对应的驾驶剧烈程度的驾驶场景下对车辆中额外的制动能量进行回收利用，从而可以确定车辆的制动能量回收功能是否处于正常状态，由于考虑到可以通过聚类处理对行驶状态数据进行分析，确定出不同的驾驶场景，对每个驾驶场景进行测试，达到了无需遍历所有行驶状态数据的目的，进而解决了对车辆的制动能量回收功能进行测试的效率低的技术问题，实现了提高对车辆的制动能量回收功能进行测试的效率的技术效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的一种车辆的制动能量回收功能的测试方法的流程图；

图2是根据本发明实施例的一种车辆的制动能量回收功能的测试装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种车辆的制动能量回收功能的测试方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的一种车辆的制动能量回收功能的测试方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取车辆的多种行驶状态数据，其中，行驶状态数据用于表示车辆在行驶过程中的驾驶剧烈程度。

在本发明上述步骤S102提供的技术方案中，可以获取车辆的多种行驶状态数据，其中，行驶状态数据可以用于表示车辆在行驶过程中的驾驶剧烈程度，可以包括车辆的车速、方向盘转角、方向盘转速、制动踏板行程和制动踏板速率等行驶状态数据。需要说明的是，上述的行驶状态数据包括的数据仅为举例说明，此处不做具体限制。

可选地，可以获取下线投入使用的车辆在行驶过程中的多种行驶状态数据，从而可以基于多种行驶状态数据，便于对待下线的车辆的制动能量回收功能进行测试。

步骤S104，分别对多种行驶状态数据对应的驾驶剧烈程度进行聚类处理，得到聚类结果，其中，聚类结果用于表示驾驶剧烈程度对应的驾驶场景。

在本发明上述步骤S104提供的技术方案中，在获取到车辆的多种行驶状态数据之后，可以分别对多种行驶状态数据对应驾驶剧烈程度进行聚类处理，得到聚类结果，其中，聚类结果可以用于表示驾驶剧烈程度对应的驾驶场景。

可选地，多种行驶状态数据对应不同的驾驶剧烈程度，可以基于不同的驾驶剧烈程度，对对应的行驶状态数据进行聚类处理，可以得到聚类结果，也即，可以得到不同驾驶剧烈程度对应的驾驶场景。

可选地，可以对行驶状态数据进行离线分析与聚类处理，快速提取出不同驾驶剧烈程度所对应的驾驶场景，便于对不同的驾驶场景进行硬件在环测试，便于确定制动能量回收功能是否处于正常状态。

由于通过全面覆盖式实验对车辆的制动能量回收功能进行测试，需要遍历车辆的所有行驶状态数据，来对对应的制动能量回收功能进行测试，然而全部遍历行驶状态数据需要耗费大量的时间，因此，仍存在对车辆的制动能量回收功能进行测试的效率低的技术问题。在本发明实施例中，可以按照驾驶剧烈程度对采集到的多种行驶状态数据进行聚类处理，得到不同驾驶剧烈程度对应的驾驶场景，便于对不同驾驶场景中的制动能量回收功能进行测试，从而避免了遍历所有行驶状态数据的目的，进而实现了提高对车辆的制动能量回收功能进行测试的效率的技术效果。

步骤S106，基于聚类结果，测试车辆的制动能量回收功能，得到测试结果，其中，测试结果用于表示制动能量回收功能是否处于正常状态，制动能量回收功能用于在对应的驾驶剧烈程度下对车辆中额外的制动能量进行回收利用。

在本发明上述步骤S106的技术方案中，在对行驶状态数据对应的驾驶剧烈程度进行聚类处理，得到聚类结果之后，可以基于聚类结果，对车辆的制动能量回收功能进行测试，得到测试结果，其中，测试结果可以用于表示制动能量回收功能是否处于正常状态。制动能量回收功能可以用于在对应的驾驶剧烈程度下对车辆中额外的制动能量进行回收利用。

可选地，在得到聚类结果之后，可以基于聚类结果中不同驾驶剧烈程度对应的驾驶场景，可以对对应驾驶场景的制动能量回收功能进行测试，得到测试结果，通过测试结果可以判断制动能量回收功能是否可以在对应的驾驶剧烈程度的驾驶场景下对车辆中额外的制动能量进行回收利用，也可以判断是否对所需回收利用的制动能量的大小的制动能量进行回收利用，从而可以确定制动能量回收功能是否处于正常状态。

可选地，若在某一驾驶剧烈程度的驾驶场景下，通过制动能量回收功能无法对车辆中额外的制动能量进行回收利用或无法对所需回收利用的制动能量进行回收利用，则可以说明制动能量回收功能处于异常状态。若在聚类处理得到的所有驾驶剧烈程度的驾驶场景下，可以通过制动能量回收功能对车辆中所需回收利用的制动能量均进行回收利用，则可以说明制动能量回收功能处于正常状态。

在本发明实施例中，可以对多种行驶状态数据以及对应的驾驶剧烈程度进行聚类处理，确定出聚类处理之后不同驾驶剧烈程度对应的驾驶场景，从而可以无需对所有行驶状态数据进行遍历以及全面覆盖式实验确定制动能量回收功能的状态，可以避免全部遍历以及全面覆盖式实验所耗费大量的时间，只需要对聚类处理得到的不同驾驶场景下的制动能量回收功能进行测试，进而实现了提高对车辆的制动能量回收功能进行测试的效率的技术效果。

本发明实施例上述步骤S102至步骤S106，获取车辆的多种行驶状态数据，其中，行驶状态数据用于表示车辆在行驶过程中的驾驶剧烈程度；分别对多种行驶状态数据对应的驾驶剧烈程度进行聚类处理，得到聚类结果，其中，聚类结果用于表示驾驶剧烈程度对应的驾驶场景；基于聚类结果，测试车辆的制动能量回收功能，得到测试结果，其中，测试结果用于表示制动能量回收功能是否处于正常状态，制动能量回收功能用于在对应的驾驶剧烈程度下对车辆中额外的制动能量进行回收利用。也就是说，本发明实施例可以按照驾驶剧烈程度对采集到的多种行驶状态数据进行聚类处理，从而得到聚类结果，也即，可以得到不同驾驶剧烈程度对应的驾驶场景，基于不同驾驶场景，可以对对应驾驶场景的制动能量回收功能进行测试，判断制动能量回收功能是否能在对应的驾驶剧烈程度的驾驶场景下对车辆中额外的制动能量进行回收利用，从而可以确定车辆的制动能量回收功能是否处于正常状态，由于考虑到可以通过聚类处理对行驶状态数据进行分析，确定出不同的驾驶场景，对每个驾驶场景进行测试，达到了无需遍历所有行驶状态数据的目的，进而解决了对车辆的制动能量回收功能进行测试的效率低的技术问题，实现了提高对车辆的制动能量回收功能进行测试的效率的技术效果。

下面对该实施例的上述方法进行进一步介绍。

作为一种可选的实施例方式，步骤S104，在分别对多种行驶状态数据对应的驾驶剧烈程度进行聚类处理，得到聚类结果之前，该方法还包括：基于行驶状态数据，确定进行聚类处理的模糊聚类模型的聚类中心维度值，且设定车辆的驾驶剧烈等级，其中，驾驶剧烈等级用于表示车辆行驶过程中的不同的剧烈程度；基于聚类中心维度值与驾驶剧烈等级，确定模糊聚类模型的聚类中心数，其中，聚类中心数与驾驶剧烈程度二者呈负相关。

在该实施例中，在分别对多种行驶状态数据对应驾驶剧烈程度进行聚类处理，得到聚类结果之前，可以通过行驶状态数据，确定进行聚类处理的模糊聚类模型的聚类中心维度值，并且可以设定车辆的驾驶剧烈等级，基于驾驶剧烈等级和聚类中心维度值，可以确定模糊聚类模型的聚类中心数，其中，驾驶剧烈等级可以用于表示车辆行驶过程中的不同的剧烈程度。聚类中心数与驾驶剧烈程度二者之间可以呈负相关。模糊聚类模型可以为模糊C均值聚类模型。

可选地，可以将行驶状态数据中的车速、方向盘转角、方向盘转速、制动踏板行程和制动踏板速率这五个数据作为车辆中集成式制动控制系统的输入信号，将这五个输入信号可以作为聚类中心维度值。

可选地，可以根据车辆行驶过程中不同的剧烈程度，设定驾驶剧烈等级P，比如，可以设定五个驾驶剧烈等级，也即，可以取P＝5，P值越大可以表示驾驶的剧烈程度越剧烈。

可选地，可以设定聚类中心数m

需要说明的是，上述驾驶剧烈等级的数量以及聚类中心数的大小仅为举例说明，此处不做具体限制。只要是对行驶状态数据进行聚类处理，得到不同驾驶剧烈程度的驾驶场景，对不同驾驶场景下的制动能量回收功能进行测试的方法和过程，均在本发明实施例的保护范围之内。

作为一种可选的实施例方式，步骤S104，在基于聚类中心维度值与驾驶剧烈等级，确定模糊聚类模型的聚类中心数之后，该方法还包括：对不同的驾驶剧烈等级对应的聚类中心维度值进行整合，确定不同驾驶剧烈等级的样本组成的样本集合；基于样本集合，确定不同的驾驶剧烈等级对应的初始化聚类中心，且确定样本集合中聚类中心维度值对应的初始化隶属度矩阵；确定不同的驾驶剧烈等级对应的初始化迭代次数及初始化价值函数。

在该实施例中，在基于聚类中心维度值与驾驶剧烈等级，确定模糊聚类模型的聚类中心数之后，还可以对不同的驾驶剧烈等级对应的聚类中心维度值进行整合，确定出不同驾驶剧烈等级的样本组成的样本集合，也可以基于样本集合，确定出不同驾驶剧烈等级对应的初始化聚类中心以及样本集合中聚类中心维度值对应的初始化隶属度矩阵，也可以确定出不同的驾驶剧烈等级对应的初始化迭代次数以及初始化价值函数。

可选地，在某一时刻下，可以捕捉到驾驶剧烈等级P的驾驶剧烈程度所对应的聚类中心维度值(车速s、方向盘转角θ、方向盘转速n、制动踏板行程l和制动踏板速率v)，作为对应P个等级的样本，其样本数可以为i

其中，X

可选地，对于每个驾驶剧烈等级P，可以确定初始化聚类中心，初始化聚类中心中可以包括5×m

其中，c

可选地，通过专家经验因素的考量，对于任何驾驶剧烈等级P，认为车速s、方向盘转角θ、方向盘转速n、制动踏板行程l、制动踏板速率v这五个聚类中心维度对应的初始化隶属度相同。任何驾驶剧烈等级P对应的初始化隶属度矩阵中可以包括5×i

(m

其中，u

可选地，对应每个驾驶剧烈等级P，设置初始化迭代次数A

作为一种可选的实施例方式，步骤S104，分别对多种行驶状态数据对应的驾驶剧烈程度进行聚类处理，得到聚类结果，包括：基于样本集合及初始化隶属度矩阵，对初始化聚类中心进行更新，得到初始化聚类中心对应的更新后的聚类中心群；基于聚类中心维度值，对初始化隶属度矩阵进行更新，得到初始化隶属度矩阵对应的更新后的隶属度矩阵；基于隶属度矩阵、样本集合中每个样本，对初始化价值函数进行更新，得到初始化价值函数对应的更新后的价值函数；响应于更新后的聚类中心群、隶属度矩阵与价值函数，对初始化迭代次数加一，得到更新后的迭代次数，其中，聚类结果至少包括聚类中心群、隶属度矩阵和价值函数。

在该实施例中，在分别对多种行驶状态数据对应的驾驶剧烈程度进行聚类处理，得到聚类结果的过程中，可以基于样本集合及初始化隶属度矩阵，对初始化聚类中心进行更新，得到初始化聚类中心对应的更新后的聚类中心群，也可以基于聚类中心维度值，对初始化隶属度矩阵进行更新，得到初始化隶属度矩阵对应的更新后的隶属度矩阵，也可以基于隶属度矩阵、样本集合中的，每个样本，对初始化价值函数进行更新，得到初始化价值函数对应的更新后的价值函数，当对初始化聚类中心、初始化隶属度矩阵以及初始化价值函数进行更新，得到聚类中心群、隶属度矩阵以及价值函数之后，可以对初始化迭代次数加一，得到更新后的迭代次数，其中，聚类结果至少包括聚类中心群、隶属度矩阵和价值函数。

可选地，对应每个驾驶剧烈等级P，对初始化聚类中心进行更新，得到聚类中心群c

举例而言，可以以车速维度为例，每个车速维度的初始化聚类中心进行更新可以包括如下步骤：可以计算整个样本集合中所有样本的每个样本中对应的车速与隶属度矩阵中每个车速维度聚类中心对应车速的初始化隶属度的乘积之和除以整个样本集合中所有样本的初始化隶属度矩阵中每个车速维度聚类中心对应车速的初始化隶属度之和。其余四个聚类中心维度值对应的初始化聚类中心的更新方法与车速维度的初始化聚类中心方法同理。每个聚类中心维度值共更新得到了m

可选地，可以对初始化聚类中心进行更新，得到如下表达式所示的聚类中心群：

(m

其中，c

可选地，对应每个驾驶剧烈等级P，可以对初始化隶属度矩阵进行更新，得到更新后的隶属度维度。其中，该隶属度维度中可以分为五个维度，车速维度、方向盘转角维度、方向盘转速维度、制动踏板行程维度、制动踏板速率维度。

举例而言，可以以车速维度为例，每个样本的车速维度对于每个车速维度聚类中心的初始化隶属度矩阵进行更新的方法可以包括如下步骤：可以计算样本集合中每个样本中对应的车速值与更新后的聚类中心群中该车速维度聚类中心的差平方倒数除以整个车速维度聚类中心群中所有车速维度聚类中心的每个样本中对应的车速值与更新后的聚类中心群中该车速维度聚类中心的差平方倒数之和。其余四个聚类中心维度值对应的初始化隶属度矩阵的更新方法与车速维度的初始化隶属度矩阵的更新方法同理。每个聚类中心维度值共更新了i

可选地，可以对初始化隶属度矩阵进行更新，得到如下表达式所示的隶属度矩阵：

(m

其中，u

可选地，对于每个驾驶剧烈等级P，迭代次数A

举例而言，可以以车速维度为例，每个车速维度的初始化价值函数进行更新可以包括如下步骤：可以计算样本集合中每个样本中对应的车速值与初始化隶属度矩阵中每个车速维度聚类中心对应车速的更新后的隶属度的差平方值，再计算整个样本集合中所有样本及整个样本集合中所有车速维度聚类中心的差平方之和。其余四个聚类中心维度值对应的初始化价值函数的更新方法与车速维度的初始化价值函数的更新方法同理。每个聚类中心维度值共更新得到了五个价值函数。

再举例而言，可以对初始化价值函数进行更新，得到如下表达式所示的价值函数：

(m

其中，J

可选地，可以对初始迭代次数进行更新，可以通过如下公式对迭代次数进行更新：

A

其中，A

作为一种可选的实施例方式，步骤S104，该方法还可以包括：响应于迭代次数小于迭代次数阈值，确定迭代次数对应的价值函数的改变量；响应于改变量小于改变量阈值，停止迭代，且将迭代次数对应的聚类中心群，作为车辆的制动控制系统的输入数据。

在该实施例中，可以判断迭代次数与迭代次数阈值二者之间的大小关系，若迭代次数大于等于迭代次数阈值，则可以停止迭代计算的过程。若迭代次数小于迭代次数阈值，则可以确定迭代次数对应的价值函数的改变量，可以判断改变量与改变量阈值二者之间的大小关系，若改变量大于等于改变量阈值，则可以继续进行迭代计算。若改变量小于改变量阈值，则可以停止迭代，并且可以将迭代次数对应的聚类中心群，作为车辆的制动控制系统的输入数据，其中，制动控制系统可以为集成式制动控制系统。改变量阈值可以包括车速的价值函数改变量、方向盘转角的价值函数改变量、方向盘转速的价值函数改变量、制动踏板行程的价值函数改变量以及制动踏板速率的的价值函数改变量。迭代次数阈值和改变量阈值可以为提前预设的数值，也可以为根据实际制动能量回收功能的测试需求自行设置的数据，比如，可以将迭代次数阈值设置为100。可以设置车速的价值函数改变量为0.15，可以设置方向盘转角的价值函数改变量为0.2，可以设置方向盘转速的价值函数改变量为1，可以设置制动踏板行程的价值函数改变量为0.03，可以设置制动踏板速率的价值函数改变量为0.5。需要说明的是，上述迭代次数阈值与改变量阈值的设置方式和数值大小仅为举例说明，此处不做具体限制。

可选地，对于每个驾驶剧烈等级P，可以判断迭代次数A

可选地，对于每个驾驶剧烈等级P，可以计算每个聚类中心维度的价值函数的改变量，并可以判断所有的聚类中心维度的价值函数的改变量是否小于对应的改变量阈值。若是，则可以停止迭代计算。若不是，则可以继续进行迭代计算。

举例而言，改变量与改变量阈值二者之间的关系可以通过如下公式进行表示：

ΔJ

ΔJ

ΔJ

ΔJl

ΔJ

其中，ΔJ

可选地，在停止迭代之后，在得到所有驾驶剧烈等级P的聚类结果的情况下，可以将五个聚类中心维度值的最终版的聚类中心群，作为车辆的制动控制系统的输入数据。

作为一种可选的实施例方式，步骤S106，基于聚类结果，测试车辆的制动能量回收功能，得到测试结果，包括：响应于将聚类中心群作为车辆的制动控制系统的输入数据，控制制动控制系统基于输入数据，对车辆的制动能量回收功能进行测试，得到测试结果。

在该实施例中，在基于聚类结果，测试车辆的制动能量回收功能，得到测试结果的过程中，当车辆的制动控制系统接收到聚类中心群之后，可以控制制动控制系统基于聚类中心群，对车辆的制动能量回收功能进行测试，得到测试结果。

可选地，将迭代得到的最终版的聚类中心群，可以作为集成式制动控制系统的输入数据，通过不同的输入数据，可以对不同驾驶剧烈程度下的驾驶场景的制动能量回收功能进行测试，其中，可以通过如下表达式表示最终版的聚类中心群：

[c

其中，c

举例而言，可以得到m

在本发明实施例中，获取车辆的多种行驶状态数据，其中，行驶状态数据用于表示车辆在行驶过程中的驾驶剧烈程度；分别对多种行驶状态数据对应的驾驶剧烈程度进行聚类处理，得到聚类结果，其中，聚类结果用于表示驾驶剧烈程度对应的驾驶场景；基于聚类结果，测试车辆的制动能量回收功能，得到测试结果，其中，测试结果用于表示制动能量回收功能是否处于正常状态，制动能量回收功能用于在对应的驾驶剧烈程度下对车辆中额外的制动能量进行回收利用。也就是说，本发明实施例可以按照驾驶剧烈程度对采集到的多种行驶状态数据进行聚类处理，从而得到聚类结果，也即，可以得到不同驾驶剧烈程度对应的驾驶场景，基于不同驾驶场景，可以对对应驾驶场景的制动能量回收功能进行测试，判断制动能量回收功能是否能在对应的驾驶剧烈程度的驾驶场景下对车辆中额外的制动能量进行回收利用，从而可以确定车辆的制动能量回收功能是否处于正常状态，由于考虑到可以通过聚类处理对行驶状态数据进行分析，确定出不同的驾驶场景，对每个驾驶场景进行测试，达到了无需遍历所有行驶状态数据的目的，进而解决了对车辆的制动能量回收功能进行测试的效率低的技术问题，实现了提高对车辆的制动能量回收功能进行测试的效率的技术效果。

实施例2

下面结合优选的实施方式对本发明实施例的技术方案进行举例说明。

目前，随着制动电控系统的发展，越来越多的车辆应用集成式制动控制系统，对集成式制动控制系统的输入数据可以包括车速、制动踏板行程、制动踏板速率、方向盘转角和方向盘转速等，集成式制动控制系统可以根据输入数据，识别出驾驶剧烈程度，进而计算出制动能量回收功能的状态。然而，在相关技术中，可以通过全面覆盖式实验对车辆的制动能量回收功能进行测试，由于需要遍历车辆的所有行驶状态数据，来对对应的制动能量回收功能进行测试，然而全部遍历行驶状态数据需要耗费大量的时间，因此，仍存在对车辆的制动能量回收功能进行测试的效率低的技术问题。

在一种相关技术中，提出了一种基于自适应巡航控制系统的制动能量回收方法、系统及车辆，涉及汽车控制领域。该方法包括：在车辆处于自适应巡航状态下，当巡航扭矩小于预设阈值时，同时获取车辆需要的总制动力矩和能量回收系统可产生的能量回收力矩；将总制动力矩和能量回收力矩进行比对；根据比对结果，对总制动力矩进行分配，其中，若总制动力矩小于能量回收力矩，则采用能量回收系统进行制动；若总制动力矩大于能量回收力矩，则所超出的制动力矩由制动系统产生。该方法在当车辆处于自适应巡航状态下，也能通过能量回收系统将制动能量有效的回收并储存，延长该车辆在该工况下续航里程，提高整车经济性。

在另一种相关技术中，还提出一种电动车辆的电机驱动控制方法、装置、电动汽车及介质。该方法包括：在车辆进入正常驾驶工况后，进行刹车信号检测；如果检测到当前存在刹车信号，则确定制动能量回收的当前回收功率；如果当前回收功率大于设定的第一功率限值，则控制电机驱动系统进入双电机工作模式，以在双电机工作模式下进行制动能量回收。该方法从刹车信号影响、双电机对刹车能量回收的影响、电机功率限值造成单双电机切换等多个维度来确定电机的工作模式，发挥系统最大回收能力，提高系统效率，避免功率浪费，且根据输出转速值以及实际所需要的功率切换电机工作模式，避免由于起步阶段需求扭矩大，立马转变为双电机工作模式，导致的系统动力响应慢的问题。

但是，上述方法仍存在对车辆的制动能量回收功能进行测试的效率低的技术问题。

然而，本发明提出一种制动能量回收场景的实现方法。该方法可以包括：可以按照驾驶剧烈程度对采集到的多种行驶状态数据进行聚类处理，从而得到聚类结果，也即，可以得到不同驾驶剧烈程度对应的驾驶场景，基于不同驾驶场景，可以对对应驾驶场景的制动能量回收功能进行测试，判断制动能量回收功能是否能在对应的驾驶剧烈程度的驾驶场景下对车辆中额外的制动能量进行回收利用，从而可以确定车辆的制动能量回收功能是否处于正常状态，由于考虑到可以通过聚类处理对行驶状态数据进行分析，确定出不同的驾驶场景，对每个驾驶场景进行测试，达到了无需遍历所有行驶状态数据的目的，进而解决了对车辆的制动能量回收功能进行测试的效率低的技术问题，实现了提高对车辆的制动能量回收功能进行测试的效率的技术效果。

下面对本发明实施例进行进一步的介绍。

在该实施例中，可以获取下线投入使用的车辆在行驶过程中的多种行驶状态数据，从而可以基于多种行驶状态数据，便于对待下线的车辆的制动能量回收功能进行测试。

可选地，可以将行驶状态数据中的车速、方向盘转角、方向盘转速、制动踏板行程和制动踏板速率这五个数据作为车辆中集成式制动控制系统的输入信号，将这五个输入信号可以作为聚类中心维度值。

可选地，可以根据车辆行驶过程中不同的剧烈程度，设定驾驶剧烈等级P，比如，可以设定五个驾驶剧烈等级，也即，可以取P＝5，P值越大可以表示驾驶的剧烈程度越剧烈。

可选地，可以设定聚类中心数m

可选地，在某一时刻下，可以捕捉到驾驶剧烈等级P的驾驶剧烈程度所对应的聚类中心维度值(车速s、方向盘转角θ、方向盘转速n、制动踏板行程l和制动踏板速率v)，作为对应P个等级的样本，其样本数可以为i

其中，X

可选地，对于每个驾驶剧烈等级P，可以确定初始化聚类中心，初始化聚类中心中可以包括5×m

其中，c

可选地，通过专家经验因素的考量，对于任何驾驶剧烈等级P，认为车速s、方向盘转角θ、方向盘转速n、制动踏板行程l、制动踏板速率v这五个聚类中心维度对应的初始化隶属度相同。任何驾驶剧烈等级P对应的初始化隶属度矩阵中可以包括5×i

其中，m

可选地，对应每个驾驶剧烈等级P，设置初始化迭代次数A

在该实施例中，多种行驶状态数据对应不同的驾驶剧烈程度，可以基于不同的驾驶剧烈程度，对对应的行驶状态数据进行聚类处理，可以得到聚类结果，也即，可以得到不同驾驶剧烈程度对应的驾驶场景。

可选地，对应每个驾驶剧烈等级P，对初始化聚类中心进行更新，得到聚类中心群c

举例而言，可以以车速维度为例，每个车速维度的初始化聚类中心进行更新可以包括如下步骤：可以计算整个样本集合中所有样本的每个样本中对应的车速与隶属度矩阵中每个车速维度聚类中心对应车速的初始化隶属度的乘积之和除以整个样本集合中所有样本的初始化隶属度矩阵中每个车速维度聚类中心对应车速的初始化隶属度之和。其余四个聚类中心维度值对应的初始化聚类中心的更新方法与车速维度的初始化聚类中心方法同理。每个聚类中心维度值共更新得到了m

可选地，可以对初始化聚类中心进行更新，得到如下表达式所示的聚类中心群：

(m

其中，c

可选地，对应每个驾驶剧烈等级P，可以对初始化隶属度矩阵进行更新，得到更新后的隶属度维度。其中，该隶属度维度中可以分为五个维度，车速维度、方向盘转角维度、方向盘转速维度、制动踏板行程维度、制动踏板速率维度。

举例而言，可以以车速维度为例，每个样本的车速维度对于每个车速维度聚类中心的初始化隶属度矩阵进行更新的方法可以包括如下步骤：可以计算样本集合中每个样本中对应的车速值与更新后的聚类中心群中该车速维度聚类中心的差平方倒数除以整个车速维度聚类中心群中所有车速维度聚类中心的每个样本中对应的车速值与更新后的聚类中心群中该车速维度聚类中心的差平方倒数之和。其余四个聚类中心维度值对应的初始化隶属度矩阵的更新方法与车速维度的初始化隶属度矩阵的更新方法同理。每个聚类中心维度值共更新了i

可选地，可以对初始化隶属度矩阵进行更新，得到如下表达式所示的隶属度矩阵：

(m

其中，u

可选地，对于每个驾驶剧烈等级P，迭代次数A

举例而言，可以以车速维度为例，每个车速维度的初始化价值函数进行更新可以包括如下步骤：可以计算样本集合中每个样本中对应的车速值与初始化隶属度矩阵中每个车速维度聚类中心对应车速的更新后的隶属度的差平方值，再计算整个样本集合中所有样本及整个样本集合中所有车速维度聚类中心的差平方之和。其余四个聚类中心维度值对应的初始化价值函数的更新方法与车速维度的初始化价值函数的更新方法同理。每个聚类中心维度值共更新得到了五个价值函数。

再举例而言，可以对初始化价值函数进行更新，得到如下表达式所示的价值函数：

(m

其中，J

可选地，可以对初始迭代次数进行更新，可以通过如下公式对迭代次数进行更新：

A

其中，A

作为一种可选的实施例方式，步骤S104，该方法还可以包括：响应于迭代次数小于迭代次数阈值，确定迭代次数对应的价值函数的改变量；响应于改变量小于改变量阈值，停止迭代，且将迭代次数对应的聚类中心群，作为车辆的制动控制系统的输入数据。

在该实施例中，可以判断迭代次数与迭代次数阈值二者之间的大小关系，若迭代次数大于等于迭代次数阈值，则可以停止迭代计算的过程。若迭代次数小于迭代次数阈值，则可以确定迭代次数对应的价值函数的改变量，可以判断改变量与改变量阈值二者之间的大小关系，若改变量大于等于改变量阈值，则可以继续进行迭代计算。若改变量小于改变量阈值，则可以停止迭代，并且可以将迭代次数对应的聚类中心群，作为车辆的制动控制系统的输入数据，其中，制动控制系统可以为集成式制动控制系统。改变量阈值可以包括车速的价值函数改变量、方向盘转角的价值函数改变量、方向盘转速的价值函数改变量、制动踏板行程的价值函数改变量以及制动踏板速率的的价值函数改变量。迭代次数阈值和改变量阈值可以为提前预设的数值，也可以为根据实际制动能量回收功能的测试需求自行设置的数据，比如，可以将迭代次数阈值设置为100。可以设置车速的价值函数改变量为0.15，可以设置方向盘转角的价值函数改变量为0.2，可以设置方向盘转速的价值函数改变量为1，可以设置制动踏板行程的价值函数改变量为0.03，可以设置制动踏板速率的价值函数改变量为0.5。需要说明的是，上述迭代次数阈值与改变量阈值的设置方式和数值大小仅为举例说明，此处不做具体限制。

可选地，对于每个驾驶剧烈等级P，可以判断迭代次数A

可选地，对于每个驾驶剧烈等级P，可以计算每个聚类中心维度的价值函数的改变量，并可以判断所有的聚类中心维度的价值函数的改变量是否小于对应的改变量阈值。若是，则可以停止迭代计算。若不是，则可以继续进行迭代计算。

举例而言，改变量与改变量阈值二者之间的关系可以通过如下公式进行表示：

ΔJ

ΔJ

ΔJ

ΔJ

ΔJ

其中，ΔJ

可选地，在停止迭代之后，在得到所有驾驶剧烈等级P的聚类结果的情况下，可以将五个聚类中心维度值的最终版的聚类中心群，作为车辆的制动控制系统的输入数据。

在该实施例中，在得到聚类结果之后，可以基于聚类结果中不同驾驶剧烈程度对应的驾驶场景，可以对对应驾驶场景的制动能量回收功能进行测试，得到测试结果，通过测试结果可以判断制动能量回收功能是否可以在对应的驾驶剧烈程度的驾驶场景下对车辆中额外的制动能量进行回收利用，也可以判断是否对所需回收利用的制动能量的大小的制动能量进行回收利用，从而可以确定制动能量回收功能是否处于正常状态。

可选地，将迭代得到的最终版的聚类中心群，可以作为集成式制动控制系统的输入数据，通过不同的输入数据，可以对不同驾驶剧烈程度下的驾驶场景的制动能量回收功能进行测试，其中，可以通过如下表达式表示最终版的聚类中心群：

[c

其中，c

举例而言，可以得到m

在本发明实施例中，可以对多种行驶状态数据以及对应的驾驶剧烈程度进行聚类处理，确定出聚类处理之后不同驾驶剧烈程度对应的驾驶场景，从而可以无需对所有行驶状态数据进行遍历以及全面覆盖式实验确定制动能量回收功能的状态，可以避免全部遍历以及全面覆盖式实验所耗费大量的时间，只需要对聚类处理得到的不同驾驶场景下的制动能量回收功能进行测试，进而实现了提高对车辆的制动能量回收功能进行测试的效率的技术效果。

本发明实施例可以按照驾驶剧烈程度对采集到的多种行驶状态数据进行聚类处理，从而得到聚类结果，也即，可以得到不同驾驶剧烈程度对应的驾驶场景，基于不同驾驶场景，可以对对应驾驶场景的制动能量回收功能进行测试，判断制动能量回收功能是否能在对应的驾驶剧烈程度的驾驶场景下对车辆中额外的制动能量进行回收利用，从而可以确定车辆的制动能量回收功能是否处于正常状态，由于考虑到可以通过聚类处理对行驶状态数据进行分析，确定出不同的驾驶场景，对每个驾驶场景进行测试，达到了无需遍历所有行驶状态数据的目的，进而解决了对车辆的制动能量回收功能进行测试的效率低的技术问题，实现了提高对车辆的制动能量回收功能进行测试的效率的技术效果。

实施例3

根据本发明实施例，还提供了一种车辆的制动能量回收功能的测试装置。需要说明的是，该车辆的制动能量回收功能的测试装置可以用于执行实施例1中的车辆的制动能量回收功能的测试方法。

图2是根据本发明实施例的一种车辆的制动能量回收功能的测试装置的示意图。如图2所示，该车辆的制动能量回收功能的测试装置200可以包括：获取单元202、处理单元204和测试单元206。

获取单元202，用于获取车辆的多种行驶状态数据，其中，行驶状态数据用于表示车辆在行驶过程中的驾驶剧烈程度。

处理单元204，用于分别对多种行驶状态数据对应的驾驶剧烈程度进行聚类处理，得到聚类结果，其中，聚类结果用于表示驾驶剧烈程度对应的驾驶场景。

测试单元206，用于基于聚类结果，测试车辆的制动能量回收功能，得到测试结果，其中，测试结果用于表示制动能量回收功能是否处于正常状态，制动能量回收功能用于在对应的驾驶剧烈程度下对车辆中额外的制动能量进行回收利用。

可选地，该装置可以包括：第一确定模块，用于基于行驶状态数据，确定进行聚类处理的模糊聚类模型的聚类中心维度值，且设定车辆的驾驶剧烈等级，其中，驾驶剧烈等级用于表示车辆行驶过程中的不同的剧烈程度；第二确定模块，用于基于聚类中心维度值与驾驶剧烈等级，确定模糊聚类模型的聚类中心数，其中，聚类中心数与驾驶剧烈程度二者呈负相关。

可选地，该装置还可以包括：第三确定模块，用于对不同的驾驶剧烈等级对应的聚类中心维度值进行整合，确定不同驾驶剧烈等级的样本组成的样本集合；第四确定模块，用于基于样本集合，确定不同的驾驶剧烈等级对应的初始化聚类中心，且确定样本集合中聚类中心维度值对应的初始化隶属度矩阵；第五确定模块，用于确定不同的驾驶剧烈等级对应的初始化迭代次数及初始化价值函数。

可选地，处理单元204可以包括：第一更新模块，用于基于样本集合及初始化隶属度矩阵，对初始化聚类中心进行更新，得到初始化聚类中心对应的更新后的聚类中心群。

可选地，处理单元204可以包括：第二更新模块，用于基于聚类中心维度值，对初始化隶属度矩阵进行更新，得到初始化隶属度矩阵对应的更新后的隶属度矩阵；第三更新模块，用于基于隶属度矩阵、样本集合中每个样本，对初始化价值函数进行更新，得到初始化价值函数对应的更新后的价值函数；第四更新模块，用于响应于更新后的聚类中心群、隶属度矩阵与价值函数，对初始化迭代次数加一，得到更新后的迭代次数，其中，聚类结果至少包括聚类中心群、隶属度矩阵和价值函数。

可选地，该装置还可以包括：第六确定模块，用于响应于迭代次数小于迭代次数阈值，确定迭代次数对应的价值函数的改变量；处理模块，用于响应于改变量小于改变量阈值，停止迭代，且将迭代次数对应的聚类中心群，作为车辆的制动控制系统的输入数据。

可选地，测试单元206可以包括：测试模块，用于响应于将聚类中心群作为车辆的制动控制系统的输入数据，控制制动控制系统基于输入数据，对车辆的制动能量回收功能进行测试，得到测试结果。

在本发明实施例中，通过获取单元，获取车辆的多种行驶状态数据，其中，行驶状态数据用于表示车辆在行驶过程中的驾驶剧烈程度；通过处理单元，分别对多种行驶状态数据对应的驾驶剧烈程度进行聚类处理，得到聚类结果，其中，聚类结果用于表示驾驶剧烈程度对应的驾驶场景；通过测试单元，基于聚类结果，测试车辆的制动能量回收功能，得到测试结果，其中，测试结果用于表示制动能量回收功能是否处于正常状态，制动能量回收功能用于在对应的驾驶剧烈程度下对车辆中额外的制动能量进行回收利用，从而解决了对车辆的制动能量回收功能进行测试的效率低的技术问题，实现了提高对车辆的制动能量回收功能进行测试的效率的技术效果。

实施例4

根据本发明实施例，还提供了一种计算机可读存储介质，该存储介质包括存储的程序，其中，所述程序执行实施例1中所述的车辆的制动能量回收功能的测试方法。

实施例5

根据本发明实施例，还提供了一种处理器，该处理器用于运行程序，其中，所述程序运行时执行实施例1中所述的车辆的制动能量回收功能的测试方法。

实施例6

根据本发明实施例，还提供了一种车辆，该车辆用于执行本发明实施例的车辆的制动能量回收功能的测试方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。