发动机扭矩的预测方法、装置及计算机存储介质

技术领域

本发明涉及发动机扭矩技术领域，尤其涉及发动机扭矩的预测方法、装置及计算机存储介质。

背景技术

功能安全就像人体的免疫系统，成为自动驾驶系统的保护神。当系统出现异常时，功能安全需要发挥作用，将结果导向安全侧。功能安全在自动驾驶系统的全生命周期中起着指引、规范、控制的作用。例如，发动机的进气量由电子节气门控制，如果出现信号错误，软件错误或者硬件错误，电子节气门可能失控，导致汽车急加速，带来危险，因此要引入安全监控功能。

发动机控制系统是与安全性相关的系统，要求系统能够对与安全性相关的故障进行自我检查。为使发动机控制系统成为安全可靠的系统，常用的做法是设计另外一层算法监控常规发动机控制系统的扭矩。

发动机实际输出的扭矩通常通过进气量、喷油量、转速、点火角效率、多次喷射效率、断缸效率来计算。涉及的传感器执行器包括进气歧管压力、水温、曲轴位置、喷油器、轨压传感器、点火线圈和火花塞等。由于涉及的传感器执行器较多，会增加其中一种或几种传感器失效带来的扭矩不可信的风险，降低了车辆安全性。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种发动机扭矩的预测方法、装置及计算机存储介质，旨在避免同时采用多种传感器的数据来预测扭矩，提高预测扭矩的可信度。

为实现上述目的，本发明提供一种发动机扭矩的预测方法，所述发动机扭矩的预测方法包括以下步骤：

基于曲轴位置传感器采集发动机曲轴的多个齿对应的齿时间；

获取与各个所述齿时间对应的发动机转速值；

采用离散傅里叶变换对多个所述发动机转速值进行幅频分析处理，得到离散傅里叶变换后的复数的模值以及相位角度；

根据所述模值以及所述相位角度获取所述发动机的预测扭矩。

可选地，所述根据所述模值以及所述相位角度获取所述发动机的预测扭矩的步骤包括：

获取所述发动机曲轴的当前燃烧循环对应的发动机平均转速值；

根据所述发动机平均转速值以及所述模值获取发动机燃烧扭矩；

根据所述发动机平均转速值以及所述相位角度获取发动机燃烧效率；

将所述发动机燃烧扭矩与所述发动机燃烧效率的乘积作为所述预测扭矩。

可选地，所述采用离散傅里叶变换对多个所述发动机转速值进行幅频分析处理，得到离散傅里叶变换后的复数的模值以及相位角度的步骤包括：

采用离散傅里叶变换对多个所述发动机转速值进行幅频分析处理，得到离散傅里叶变换后的复数对应的正弦分量幅值以及余弦分量幅值；

根据所述正弦分量幅值以及余弦分量幅值，获取离散傅里叶变换后的复数的模值以及相位角度。

可选地，所述根据所述正弦分量幅值以及余弦分量幅值，获取离散傅里叶变换后的复数的模值以及相位角度的步骤包括：

对所述正弦分量幅值以及余弦分量幅值进行信号滤波处理，得到信号滤波处理后的正弦分量幅值以及余弦分量幅值；

根据信号滤波处理后的正弦分量幅值以及余弦分量幅值，获取离散傅里叶变换后的复数的模值以及相位角度。

可选地，所述对所述正弦分量幅值以及余弦分量幅值进行信号滤波处理，得到信号滤波处理后的正弦分量幅值以及余弦分量幅值的步骤包括：

根据所述正弦分量幅值获取所述发动机曲轴的当前燃烧循环对应的总正弦分量幅值，以及根据所述余弦分量幅值获取所述发动机曲轴的当前燃烧循环对应的总余弦分量幅值；

根据当前燃烧循环对应的总正弦分量幅值以及上一燃烧循环对应的总正弦分量幅值，获取信号滤波处理后的正弦分量幅值；

根据当前燃烧循环对应的总余弦分量幅值以及上一燃烧循环对应的总余弦分量幅值，获取信号滤波处理后的余弦分量幅值。

可选地，所述根据当前燃烧循环对应的总正弦分量幅值以及上一燃烧循环对应的总正弦分量幅值，获取所述信号滤波处理后的正弦分量幅值的步骤包括：

对当前燃烧循环对应的总正弦分量幅值以及上一燃烧循环对应的总正弦分量幅值进行加权平均处理，得到信号滤波处理后的正弦分量幅值；

可选地，所述根据当前燃烧循环对应的总余弦分量幅值以及上一燃烧循环对应的总余弦分量幅值，获取信号滤波处理后的余弦分量幅值的步骤包括：

对当前燃烧循环对应的总余弦分量幅值以及上一燃烧循环对应的总余弦分量幅值进行加权平均处理，得到信号滤波处理后的余弦分量幅值。

可选地，采用以下公式计算离散傅里叶变换后的复数的模值：

Z_DFTAbs

采用以下公式计算离散傅里叶变换后的复数的相位角度：

an_DFT＝acrtan(-Z_DFTReRev/Z_DFTImRev)

其中，Z_DFTAbs为离散傅里叶变换后的复数的模值，an_DFT为离散傅里叶变换后的复数的相位角度，在Z_DFTReRev为所述余弦分量幅值时，Z_DFTImRev为所述正弦分量幅值，或者在Z_DFTReRev为信号滤波处理后的余弦分量幅值时，Z_DFTImRev为信号滤波处理后的正弦分量幅值。

可选地，所述基于曲轴位置传感器采集发动机曲轴的多个齿对应的齿时间的步骤包括：

在所述发动机曲轴的多个齿中，基于曲轴位置传感器采集至少一个发动机气缸对应的齿的所述齿时间；

可选地，所述采用离散傅里叶变换对多个所述发动机转速值进行幅频分析处理的步骤包括：

采用离散傅里叶变换对至少一个发动机气缸对应的多个所述发动机转速值进行幅频分析处理。

此外，为实现上述目的，本发明还提供一种发动机扭矩的预测装置，所述发动机扭矩的预测装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的发动机扭矩的预测程序，所述发动机扭矩的预测程序被所述处理器执行时实现如上所述中任一项所述的发动机扭矩的预测方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机存储介质，所述计算机存储介质上存储有发动机扭矩的预测程序，所述发动机扭矩的预测程序被处理器执行时实现如上所述中任一项所述的发动机扭矩的预测方法的步骤。

本发明实施例提出的发动机扭矩的预测方法、装置及计算机存储介质，基于曲轴位置传感器采集发动机曲轴的多个齿对应的齿时间；获取与各个齿时间对应的发动机转速值；采用离散傅里叶变换对多个发动机转速值进行幅频分析处理，得到离散傅里叶变换后的复数的模值以及相位角度；根据模值以及相位角度获取发动机的预测扭矩。本发明仅通过曲轴位置传感器采集发动机曲轴的齿时间，并转换为发动机转速值，采用离散傅里叶变换对离散的多个转速值进行幅频分析，得到表征发动机转速能量的模值以及表征活塞扭矩有效程度的相位角度，可以更为准确地对发动机扭矩进行预测，避免了同时采用多种传感器，提高了预测扭矩的可信度以及车辆安全性。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；

图2为本发明发动机扭矩的预测方法的一实施例的流程示意图；

图3为本发明发动机扭矩的预测方法另一实施例的流程示意图；

图4为本发明发动机扭矩的预测方法的一示例性说明的流程示意图；

图5为本发明发动机转速的变化曲线的一种示意图；

图6为本发明发动机曲轴的齿与发动机气缸的对应位置的一种示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供一种解决方案，仅通过曲轴位置传感器采集发动机曲轴的齿时间，并转换为发动机转速值，采用离散傅里叶变换对离散的多个转速值进行幅频分析，得到表征发动机转速能量的模值以及表征活塞扭矩有效程度的相位角度，可以更为准确地对发动机扭矩进行预测，避免了同时采用多种传感器，提高了预测扭矩的可信度以及车辆安全性。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。

本发明实施例终端为发动机扭矩的预测装置。

如图1所示，该终端可以包括：处理器1001，例如CPU、DSP、MCU，网络接口1004，存储器1003，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1003可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1003可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1003中可以包括网络通信模块以及发动机扭矩的预测程序。

在图1所示的终端中，网络接口1004主要用于连接车辆的控制器局域网络(Controller Area Network，CAN)，与控制器局域网络进行数据通信；而处理器1001可以用于调用存储器1003中存储的发动机扭矩的预测程序，并执行以下操作：

基于曲轴位置传感器采集发动机曲轴的多个齿对应的齿时间；

获取与各个所述齿时间对应的发动机转速值；

采用离散傅里叶变换对多个所述发动机转速值进行幅频分析处理，得到离散傅里叶变换后的复数的模值以及相位角度；

根据所述模值以及所述相位角度获取所述发动机的预测扭矩。

进一步地，处理器1001可以调用存储器1003中存储的发动机扭矩的预测程序，还执行以下操作：

获取所述发动机曲轴的当前燃烧循环对应的发动机平均转速值；

根据所述发动机平均转速值以及所述模值获取发动机燃烧扭矩；

根据所述发动机平均转速值以及所述相位角度获取发动机燃烧效率；

将所述发动机燃烧扭矩与所述发动机燃烧效率的乘积作为所述预测扭矩。

进一步地，处理器1001可以调用存储器1003中存储的发动机扭矩的预测程序，还执行以下操作：

采用离散傅里叶变换对多个所述发动机转速值进行幅频分析处理，得到离散傅里叶变换后的复数对应的正弦分量幅值以及余弦分量幅值；

根据所述正弦分量幅值以及余弦分量幅值，获取离散傅里叶变换后的复数的模值以及相位角度。

进一步地，处理器1001可以调用存储器1003中存储的发动机扭矩的预测程序，还执行以下操作：

对所述正弦分量幅值以及余弦分量幅值进行信号滤波处理，得到信号滤波处理后的正弦分量幅值以及余弦分量幅值；

根据信号滤波处理后的正弦分量幅值以及余弦分量幅值，获取离散傅里叶变换后的复数的模值以及相位角度。

进一步地，处理器1001可以调用存储器1003中存储的发动机扭矩的预测程序，还执行以下操作：

根据所述正弦分量幅值获取所述发动机曲轴的当前燃烧循环对应的总正弦分量幅值，以及根据所述余弦分量幅值获取所述发动机曲轴的当前燃烧循环对应的总余弦分量幅值；

根据当前燃烧循环对应的总正弦分量幅值以及上一燃烧循环对应的总正弦分量幅值，获取信号滤波处理后的正弦分量幅值；

根据当前燃烧循环对应的总余弦分量幅值以及上一燃烧循环对应的总余弦分量幅值，获取信号滤波处理后的余弦分量幅值。

进一步地，处理器1001可以调用存储器1003中存储的发动机扭矩的预测程序，还执行以下操作：

对当前燃烧循环对应的总正弦分量幅值以及上一燃烧循环对应的总正弦分量幅值进行加权平均处理，得到信号滤波处理后的正弦分量幅值；

进一步地，处理器1001可以调用存储器1003中存储的发动机扭矩的预测程序，还执行以下操作：

对当前燃烧循环对应的总余弦分量幅值以及上一燃烧循环对应的总余弦分量幅值进行加权平均处理，得到信号滤波处理后的余弦分量幅值。

进一步地，处理器1001可以调用存储器1003中存储的发动机扭矩的预测程序，还执行以下操作：

采用以下公式计算离散傅里叶变换后的复数的模值：

Z_DFTAbs

采用以下公式计算离散傅里叶变换后的复数的相位角度：

an_DFT＝acrtan(-Z_DFTReRev/Z_DFTImRev)

其中，Z_DFTAbs为离散傅里叶变换后的复数的模值，an_DFT为离散傅里叶变换后的复数的相位角度，在Z_DFTReRev为所述余弦分量幅值时，Z_DFTImRev为所述正弦分量幅值，或者在Z_DFTReRev为信号滤波处理后的余弦分量幅值时，Z_DFTImRev为信号滤波处理后的正弦分量幅值。

进一步地，处理器1001可以调用存储器1003中存储的发动机扭矩的预测程序，还执行以下操作：

在所述发动机曲轴的多个齿中，基于曲轴位置传感器采集至少一个发动机气缸对应的齿的所述齿时间；

进一步地，处理器1001可以调用存储器1003中存储的发动机扭矩的预测程序，还执行以下操作：

采用离散傅里叶变换对至少一个发动机气缸对应的多个所述发动机转速值进行幅频分析处理。

参照图2，在一实施例中，发动机扭矩的预测方法包括以下步骤：

步骤S10，基于曲轴位置传感器采集发动机曲轴的多个齿对应的齿时间；

在本实施例中，发动机的曲轴附近设置有曲轴位置传感器，曲轴位置传感器用于检测曲轴上各个齿经过曲轴位置传感器附近时的齿时间。齿时间为发动机曲轴转动一个齿的距离所花费的时间。发动机在运行时，发动机曲轴作旋转运动，发动机曲轴上的各个齿对应的齿时间一般是不同的，每一个齿对应一个齿时间。

可选地，在发动机曲轴的多个齿中，基于曲轴位置传感器采集至少一个发动机气缸对应的齿的齿时间。例如，如图6所示，三缸发动机的曲轴设置有60齿，其中包括两个缺齿，发动机的三个气缸工作完毕需要曲轴旋转两圈，曲轴旋转两圈为一个燃烧循环。一个燃烧循环曲轴需要转动120个齿，这样，一个气缸对应的齿则为40齿，因此可在第一缸缺齿后的第2个下降沿开始，通过曲轴位置传感器连续采集第一缸对应的40个齿的齿时间，第一缸对应的40个齿的齿时间可表示为TT[0-39]。

步骤S20，获取与各个所述齿时间对应的发动机转速值；

在本实施例中，将采集到的各个齿时间换算为发动机转速值，例如，如图5所示，图5为发动机曲轴旋转时发动机转速的变化曲线。具体地，单个齿对应的齿时间的单位为微秒，发动机转速值的单位一般为弧度/分钟(rad/min)，可通过以下公式进行换算：

n_EngInsTT[0-39]＝10^

其中，n_EngInsTT[0-39]为40个齿分别对应的发动机转速值。

步骤S30，采用离散傅里叶变换对多个所述发动机转速值进行幅频分析处理，得到离散傅里叶变换后的复数的模值以及相位角度；

在本实施例中，离散傅里叶变换(Discrete Fourier Transform，DFT)，是傅里叶变换在时域和频域上都呈现离散的形式，将时域信号的采样变换为在离散时间傅里叶变换(DTFT)频域的采样。具体地，可将各个齿时间对应的发动机转速值作为一个离散信号，进行离散傅里叶变换，以对多个离散信号进行幅频分析处理，计算出离散傅里叶变换后的复数的模值以及相位角度。例如，可采用离散傅里叶变对40个齿分别对应的发动机转速值n_EngInsTT[0-39]进行幅频分析处理，得到离散傅里叶变换后的复数的模值以及相位角度。离散傅里叶变换后的复数为X(k)，可设为X(k)＝a(k)+ib(k)，其模值为Z_DFTAbs，相位角度为an_DFT。

步骤S40，根据所述模值以及所述相位角度获取所述发动机的预测扭矩。

在本实施例中，发动机扭矩的大小取决于发动机燃烧的缸压和相位角度。缸压压力作用于活塞表面产生力，力作用于活塞产生角加速度，而发动机转速的一阶导数表征发动机的角加速度，因此可通过表征发动机转速能量的模值来计算发动机的燃烧扭矩。而缸压的相位角度表征输出到活塞扭矩的有效程度，因此可通过相位角度来计算发动机的燃烧效率。基于发动机的燃烧扭矩以及发动机的燃烧效率，即可实现对于发动机扭矩的预测，得到预测扭矩。在此过程中，使用的传感器仅有曲轴位置传感器，因此避免了同时采用多种传感器，提高了预测扭矩的可信度。

可选地，在根据模值以及相位角度获取发动机的预测扭矩时，可获取发动机曲轴的当前燃烧循环对应的发动机平均转速值。通过表征转速能量的模值Z_DFTAbs与表征一个燃烧循环内的发动机平均转速值n_Eng2RevAvg进行查表，得到发动机的燃烧扭矩。通过表征转速做功时间的相位角度an_DFT与表征一个燃烧循环内的发动机平均转速值n_Eng2RevAvg进行查表，得到发动机的燃烧效率。将发动机的燃烧扭矩与发动机的燃烧效率相乘，乘积即为发动机的预测扭矩。

可选地，发动机曲轴的当前燃烧循环对应的发动机平均转速值，可通过对当前燃烧循环发动机曲轴的多个齿的齿时间对应的发动机转速值取平均值得到，例如，发动机曲轴的当前燃烧循环对应的发动机平均转速值n_Eng2RevAvg的公式如下：

n_Eng2RevAvg＝n_Eng3Seg÷120

其中，n_Eng3Seg为当前燃烧循环所有齿对应的发动机转速值之和。需要说明的是，当前燃烧循环的终点为曲轴位置传感器当前检测到的齿，当前燃烧循环的起点为曲轴位置传感器当前检测到的齿往回推一个燃烧循环后所在的齿，例如，在一个燃烧循环曲轴需要转动120个齿时，当前燃烧循环为当前齿之前的120个齿之间的旋转阶段。

在本实施例公开的技术方案中，仅通过曲轴位置传感器采集发动机曲轴的齿时间，并转换为发动机转速值，采用离散傅里叶变换对离散的多个转速值进行幅频分析，得到表征发动机转速能量的模值以及表征活塞扭矩有效程度的相位角度，可以更为准确地对发动机扭矩进行预测，避免了同时采用多种传感器，提高了预测扭矩的可信度以及车辆安全性。

在另一实施例中，如图3所示，在上述图2所示的实施例基础上，步骤S30包括：

步骤S31，采用离散傅里叶变换对多个所述发动机转速值进行幅频分析处理，得到离散傅里叶变换后的复数对应的正弦分量幅值以及余弦分量幅值；

在本实施例中，可对40个齿分别对应的发动机转速值n_EngInsTT[0-39]进行离散傅里叶变换，离散傅里叶变换的公式为：

其中，X(k)为离散傅里叶变换后的复数，可设为X(k)＝a(k)+ib(k)n，_EngInsTT[0-39]为x(n)，是需要进行幅频分析的时阈信号，基于这40个信号分析1阶的能量。离散傅里叶变换后的复数对应的余弦(cos)分量幅值为：

离散傅里叶变换后的复数对应的正弦(sin)分量幅值为：

其中，k＝1为1阶，N＝40个采样点。

步骤S32，根据所述正弦分量幅值以及余弦分量幅值，获取离散傅里叶变换后的复数的模值以及相位角度。

在本实施例中，可采用以下公式计算离散傅里叶变换后的复数的模值：

Z_DFTAbs

以及采用以下公式计算离散傅里叶变换后的复数的相位角度：

an_DFT＝acrtan(-Z_DFTReRev/Z_DFTImRev)

其中，Z_DFTAbs为离散傅里叶变换后的复数的模值，an_DFT为离散傅里叶变换后的复数的相位角度，Z_DFTReRev为上述余弦分量幅值，Z_DFTImRev为上述正弦分量幅值。

可选地，为了使预测扭矩更加准确，可先对幅频分析处理得到的正弦分量幅值以及余弦分量幅值进行信号滤波，得到信号滤波处理后的正弦分量幅值以及余弦分量幅值，再根据信号滤波处理后的正弦分量幅值以及余弦分量幅值，获取离散傅里叶变换后的复数的模值以及相位角度。此时，上述公式中的Z_DFTReRev为信号滤波处理后的余弦分量幅值，Z_DFTImRev为信号滤波处理后的正弦分量幅值。

可选地，在对余弦分量幅值进行信号滤波处理时，可根据余弦分量幅值获取发动机曲轴的当前燃烧循环对应的总余弦分量幅值，例如，在余弦分量幅值对应的是当前气缸时，则将当前气缸对应的余弦分量幅值，与当前气缸的前两个气缸对应的余弦分量幅值进行求和，得到发动机曲轴的当前燃烧循环对应的总余弦分量幅值。根据当前燃烧循环对应的总余弦分量幅值以及上一燃烧循环对应的总余弦分量幅值，获取信号滤波处理后的余弦分量幅值，例如，可对当前燃烧循环对应的总余弦分量幅值以及上一燃烧循环对应的总余弦分量幅值进行平均、加权平均、加权求和等处理，得到信号滤波处理后的余弦分量幅值，在采用加权平均时，公式如下：

Z_DFTReRev＝(Z_DFTRe3Seg×Z_DFTnEngAvgCmpRe+Z_DFTRe3SegPrv×Z_

DFTnEngAvgCmpRe)/2

其中，Z_DFTReRev为信号滤波处理后的余弦分量幅值，Z_DFTRe3Seg为当前燃烧循环对应的总余弦分量幅值，Z_DFTnEngAvgCmpRe为当前燃烧循环对应的总余弦分量幅值的权重因子，Z_DFTRe3SegPrv为上一燃烧循环对应的总余弦分量幅值，Z_DFTnEngAvgCmpRe为上一燃烧循环对应的总余弦分量幅值的权重因子。可选地，权重因子可根据实际需求手动设置。

可选地，在对正弦分量幅值进行信号滤波处理时，可根据正弦分量幅值获取发动机曲轴的当前燃烧循环对应的总正弦分量幅值，例如，在正弦分量幅值对应的是当前气缸时，则将当前气缸对应的正弦分量幅值，与当前气缸的前两个气缸对应的正弦分量幅值进行求和，得到发动机曲轴的当前燃烧循环对应的总正弦分量幅值。根据当前燃烧循环对应的总正弦分量幅值以及上一燃烧循环对应的总正弦分量幅值，获取信号滤波处理后的正弦分量幅值，例如，可对当前燃烧循环对应的总正弦分量幅值以及上一燃烧循环对应的总正弦分量幅值进行平均、加权平均、加权求和等处理，得到信号滤波处理后的正弦分量幅值，在采用加权平均时，公式如下：

Z_DFTImRev＝(Z_DFTIm3Seg×Z_DFTnEngAvgCmpIm+Z_DFTIm3SegPrv×

Z_DFTnEngAvgCmpIm)/2

其中，Z_DFTImRev为信号滤波处理后的正弦分量幅值，Z_DFTIm3Seg为当前燃烧循环对应的总正弦分量幅值，Z_DFTnEngAvgCmpIm为当前燃烧循环对应的总正弦分量幅值的权重因子，Z_DFTIm3SegPrv为上一燃烧循环对应的总正弦分量幅值，Z_DFTnEngAvgCmpIm为上一燃烧循环对应的总正弦分量幅值的权重因子。可选地，权重因子可根据实际需求手动设置。

在本实施例公开的技术方案中，采用离散傅里叶变换对多个发动机转速值进行幅频分析处理，得到离散傅里叶变换后的复数对应的正弦分量幅值以及余弦分量幅值，并根据正弦分量幅值以及余弦分量幅值，获取表征发动机转速能量的模值以及表征输出到活塞扭矩的有效程度的相位角度，实现了基于物理模型的扭矩预测，标定数据更少。

在一示例性说明中，如图4所示，在图2至图3所示实施例的基础上，发动机扭矩的预测方法示例如下：

步骤S1：如图6所示，从1缸缺齿后第2个下降沿开始，连续采集单缸40个齿的发动机曲轴位置传感器齿时间。以三缸机为例，曲轴为60齿，其中含2个缺齿，发动机3个缸工作完毕曲轴旋转2圈，即60乘2等于120个齿，其中1缸为40个齿。

步骤S2：转速计算。从齿时间TT[0-39](单位us)转换为转速n_EngInsTT[0-39](rad/min)，n_EngInsTT[0-39]＝1000000000/TT[0-39]。

步骤S3：对40齿转速信号n_EngInsTT[0-39]做离散傅里叶变换DFT。离散傅里叶变换DFT的公式为

其中，n_EngInsTT为x(n)，是需要分析的时阈信号，对这一基于缸中断的40个信号分析1阶的能量，cos分量为：

其中k＝1为1阶，N＝40个采样点；

sin分量为：

其中k＝1为1阶，N＝40个采样点。

步骤S4：信号滤波。取一个燃烧循环的cos分量：Z_DFTRe3Seg为前一个燃烧循环的值，Z_DFTRe3SegPrv为再往前一个燃烧循环的值；取一个燃烧循环的sin分量：Z_DFTIm3Seg为前一个燃烧循环的值，Z_DFTIm3SegPrv为再往前一个燃烧循环的值。需要说明的是，由于发动机的三个气缸工作完毕需要曲轴旋转两圈，曲轴旋转两圈为一个燃烧循环，因此前一个燃烧循环“3Seg”的值是指当前气缸对应的值与当前气缸的前两个气缸对应的值的总和，即在时间维度上最近的三个气缸对应的值的总和，而再往前一个燃烧循环“3SegPrv”的值是指当前气缸的前第三个对应的值、当前气缸的前第四个对应的值以及当前气缸的前第五个对应的值的总和，即在时间维度上最近的第四个气缸对应的值、第五个气缸对应的值以及第六个气缸对应的值的总和。

cos分量的平均幅值Z_DFTReRev＝(当前燃烧循环cos分量的幅值Z_DFTRe3Seg×权重因子Z_DFTnEngAvgCmpRe+上一燃烧循环cos分量的幅值Z_DFTRe3SegPrv×权重因子Z_DFTnEngAvgCmpRe)/2

sin分量的平均幅值Z_DFTImRev＝(当前燃烧循环sin分量的幅值Z_DFTIm3Seg×权重因子Z_DFTnEngAvgCmpIm+上一燃烧循环sin分量的幅值Z_DFTIm3SegPrv＝×权重因子Z_DFTnEngAvgCmpIm)/2

步骤S5：计算表征能量的模值、相位角度和一个燃烧循环的转速。对于x(n)的离散傅里叶变换X(k)来说，X(k)一般为复数，可设为X(k)＝a(k)+ib(k)，其模值Z_DFTAbs、相角an_DFT、一个燃烧循环的平均转速n_Eng2RevAvg分别为：

模值：Z_DFTAbs

相角：an_DFT＝acrtan(-Z_DFTReRev/Z_DFTImRev)

平均转速：n_Eng2RevAvg＝n_Eng3Seg÷120

其中，n_Eng2RevAvg中“Eng”表示发动机，“2Rev”指的是发动机曲轴旋转两圈，即一个燃烧循环，“Avg”指平均转速。

步骤S6：计算发动机的扭矩。发动机预测扭矩Tq_IndNet由发动机燃烧扭矩和燃烧效率相乘得到。发动机燃烧扭矩通过表征转速能量的模值Z_DFTAbs和表征一个燃烧循环的平均转速n_Eng2RevAvg查表所得，燃烧效率通过表征转速做功时间的相位an_DFT和表征一个燃烧循环的平均转速n_Eng2RevAvg查表所得。

本示例涉及的发动机扭矩的预测方法是使用发动机转速信号计算发动机实际扭矩，适应性强，可靠性强，并且仅采用物理模型，标定数据更少，由于仅基于曲轴位置传感器的发动机转速信号相关，减少了采用多种传感器时信号失效带来的扭矩计算不准确的现象的发生频次。

此外，本发明实施例还提出一种发动机扭矩的预测装置，所述发动机扭矩的预测装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的发动机扭矩的预测程序，所述发动机扭矩的预测程序被所述处理器执行时实现如上各个实施例所述的发动机扭矩的预测方法的步骤。

此外，本发明实施例还提出一种计算机存储介质，所述计算机存储介质上存储有发动机扭矩的预测程序，所述发动机扭矩的预测程序被处理器执行时实现如上各个实施例所述的发动机扭矩的预测方法的步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

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。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。