用于控制车辆换挡的装置及其方法与流程

用于控制车辆换挡的装置及其方法
1.相关申请的交叉参考
2.本技术要求于2021年6月2日提交的韩国专利申请no.10-2021-0071801的优先权，其全部内容以引用方式并入本文用于所有目的。
技术领域
3.本发明涉及预测每个未来时间点的挡位并基于预测的挡位控制车辆升挡或降挡的技术。


背景技术：

4.通常，车辆具有使用发动机动力来调节车辆的行驶速度的变速器。这样的变速器分为由驾驶员调节的手动变速器或根据车辆行驶速度自动调节的自动变速器。自动变速器设置在车辆的内燃机的输出轴和车轴之间，以根据加速器操作量或车辆的行驶速度自动调节变速比。
5.控制车辆换挡的现有技术基于对应于车辆速度和加速器踏板量(加速器位置传感器(aps)值)的换挡模式来控制车辆的换挡。在这种情况下，为了防止出现两个挡位重复换挡的匆忙换挡现象，现有技术分别具有用于增加挡位的升挡模式和用于降低挡位的降挡模式。
6.当这样的现有技术应用于例如六挡变速器时，其可具有默认的换挡模式(包括五种升挡模式和五种降挡模式)，并且根据驾驶情况还应该具有几十种换挡模式(例如，坡度、海拔、驾驶模式等)。
7.因此，由于现有技术应具有数百种升挡模式和降挡模式，因此需要花时间来进行多次测试并且难以实现换挡控制逻辑。
8.在本发明背景技术部分中公开的信息仅用于增强对本发明的一般背景的理解，并且不能被视为承认或任何形式的暗示该信息形成本领域技术人员已知的现有技术。


技术实现要素：

9.本发明的各个方面旨在提供一种控制车辆换挡的装置及其方法，该装置用于基于深度学习模型预测每个未来时间点的车辆速度和加速器位置传感器(aps)值，该深度学习模型的学习已完成，通过接收预测车辆速度和预测aps值预测每个未来时间点的挡位，并根据预测的每个未来时间点的挡位控制车辆换挡，以防止出现匆忙换挡现象，并防止由于换挡引起的加速延迟现象。
10.作为本发明的各种示例性实施例要解决的技术问题不限于上述问题，并且本发明的示例性实施例所属领域的技术人员将从以下描述中清楚地理解本文中未提及的任何其它技术问题。此外，可以容易地看出，本发明的目的和优点可通过权利要求中所指示的方式及它们的组合来实现。
11.根据本发明的各个方面，一种控制车辆换挡的装置可包括存储深度学习模型的存
储装置，深度学习模型的学习已完成；以及控制器，其根据深度学习模型预测每个未来时间点的车辆速度和加速器位置传感器(aps)值，使用预测的车辆速度和预测的aps值预测每个未来时间点的挡位，以及基于每个未来时间点的预测的挡位来控制车辆的换挡。
12.在本发明的各种示例性实施例中，控制器可在当前挡位的升挡时间点，当每个未来时间点的挡位中低于当前挡位的挡位数大于参考值时，在参考时间期间维持当前挡位。
13.在本发明的各种示例性实施例中，控制器可被配置成在维持当前挡位的状态下，当每个未来时间点的挡位中低于当前挡位的挡位数大于参考值时，控制当前挡位的降挡。
14.在本发明的各种示例性实施例中，控制器可被配置成当aps值的变化率小于或等于阈值时，控制从当前挡位切换到低一挡的挡位。
15.在本发明的各种示例性实施例中，控制器可被配置成当aps值的变化率大于阈值时，控制从当前挡位切换到低两挡的挡位。
16.在本发明的各种示例性实施例中，存储装置可存储其中记录了对应于车辆速度和aps值的需求功率的功率图和每个挡位的功率源的能量消耗图。
17.在本发明的各种示例性实施例中，控制器可根据功率图检测当前需求功率，以生成将需求功率表示为每分钟转数(rpm)的功率图线和每个挡位的功率源的扭矩，并将功率图线与功率源的能量消耗图匹配，以检测消耗最少能量的挡位。
18.根据本发明的各个方面，一种用于控制车辆换挡的方法可包括：通过存储装置存储深度学习模型，其学习已完成；根据深度学习模型通过控制器预测每个未来时间点的车辆速度和加速器位置传感器(aps)值；使用预测的车辆速度和预测的aps值通过控制器预测每个未来时间点的挡位；以及根据每个未来时间点的预测的挡位通过控制器控制车辆的换挡。
19.在本发明的各种示例性实施例中，控制车辆的换挡可包括在当前挡位的升挡时间点，当每个未来时间点的挡位中低于当前挡位的挡位数大于参考值时，在参考时间期间维持当前挡位。
20.在本发明的各种示例性实施例中，控制车辆的换挡可包括在维持当前挡位的状态下，当每个未来时间点的挡位中低于当前挡位的挡位数大于参考值时，控制当前挡位的降挡。
21.在本发明的各种示例性实施例中，控制当前挡位的降挡可包括当aps值的变化率小于或等于阈值时，控制从当前挡位切换到低一挡的挡位。
22.在本发明的各种示例性实施例中，控制当前挡位的降挡可包括当aps值的变化率大于阈值时，控制从当前挡位切换到低两挡的挡位。
23.在本发明的各种示例性实施例中，存储深度学习模型可包括存储其中记录了对应于车辆速度和aps值的需求功率的功率图和每个挡位的功率源的能量消耗图。
24.在本发明的各种示例性实施例中，预测每个未来时间点的挡位可包括根据功率图检测当前需求功率；生成将需求功率表示为每分钟转数(rpm)的功率图线和每个挡位的功率源的扭矩；以及将功率图线与功率源的能量消耗图匹配，以检测消耗最少能量的挡位。
25.本发明的方法和装置具有其它特征和优点，这些特征和优点将在附图中变得明显或在附图中更详细地阐述，附图并入本文和以下具体实施方式中，它们一起用于解释本发明的某些原理。
附图说明
26.图1是示出应用本发明实施例的用于控制车辆换挡的系统的框图；
27.图2是示出根据本发明的各个示例性实施例的控制车辆换挡的装置的配置的框图；
28.图3是示出根据本发明的各个示例性实施例的设置在控制车辆换挡的装置中的控制器的操作的图；
29.图4是示出根据本发明的各个示例性实施例的设置在控制车辆换挡的装置中的控制器的操作的图；
30.图5a是示出根据本发明的各个示例性实施例的控制车辆换挡的装置的第一性能分析的图；
31.图5b是示出根据本发明的各个示例性实施例的控制车辆换挡的装置的第二性能分析的图；
32.图6是示出根据本发明的各个示例性实施例的在控制车辆换挡的装置中提供的深度学习模型的图；
33.图7是示出根据本发明的各个示例性实施例的存储在设置在控制车辆换挡的装置中的存储装置中的功率图的图；
34.图8是示出根据本发明的各个示例性实施例的存储在设置在控制车辆换挡的装置中的存储装置中的功率源的能量消耗图的图；
35.图9是示出根据本发明的各个示例性实施例的由设置在控制车辆换挡的装置中的控制器生成的功率图线的图；
36.图10是示出根据本发明的各个示例性实施例的在设置在控制车辆换挡的装置中的控制器中检测消耗最小能量的挡位的过程的图；
37.图11是示出根据本发明的各个示例性实施例的用于控制车辆换挡的方法的流程图；以及
38.图12是示出根据本发明的各个示例性实施例的用于执行用于控制车辆换挡的方法的计算系统的框图。
39.可以理解的是，附图不一定按比例绘制，而是呈现说明本发明的基本原理的各种特征的稍微简化的表示。如本文所公开的本发明的特定设计特征，包括例如特定尺寸、取向、位置和形状，将部分地由特别预期的应用和使用环境确定。
40.在附图中，在附图的几幅图中，附图标记指代与本发明相同或等效的部分。
具体实施方式
41.现在将详细参考本发明的各种实施例，其示例在附图中示出并在下面描述。虽然将结合本发明的示例性实施例来描述本发明，但是应当理解，本描述并不旨在将本发明限制于那些示例性实施例。另一方面，本发明旨在不仅涵盖本发明的示例性实施例，而且还涵盖如所附权利要求所定义的可包括在本发明的精神和范围内的各种替代方案、修改、等同物和其它实施例。
42.在下文中，将参考示例性附图详细描述本发明的各种示例性实施例。在给每幅图的部件添加附图标记时，应当注意，即使在其它图中显示相同或等效的部件时，它们也用相
同的标记表示。此外，在描述本发明的示例性实施例时，将排除对众所周知的特征或功能的详细描述，以免不必要地混淆本发明的要点。
43.在描述根据本发明的各种示例性实施例的示例性实施例的部件时，可使用诸如第一、第二、“a”、“b”、(a)、(b)等术语。这些术语仅旨在将一个部件与另一部件区分开来，并且这些术语不限制组成部件的性质、序列或顺序。除非另有定义，否则本文使用的所有术语，包括技术或科学术语，与本发明的各种示例性实施例所属领域的技术人员通常理解的具有相同的含义。通用词典中定义的此类术语应解释为具有与相关技术领域的上下文含义相同的含义，而不应解释为具有理想的或过于正式的含义，除非在字典中明确定义为在本技术中具有这样的含义。
44.图1是示出应用本发明实施例的用于控制车辆换挡的系统的框图，其示出功率源是发动机10。然而，显然当动力源是电动机时，同样适用。
45.如图1所示，应用本发明实施例的用于控制车辆换挡的系统可包括节气门位置传感器(tps)100、加速器位置传感器(aps)110、车辆速度传感器120、加速度传感器130、车轮速度传感器140、坡度传感器150、制动器位置传感器(bps)160、发动机每分钟转数(rpm)传感器170、扭矩传感器180、齿轮传感器190、变速器控制单元(tcu)200、存储器210和显示器220。
46.参见各个部件，首先，tps 100可根据发动机10的节气门的开闭量来检测节气门位置，以根据节气门位置产生节气门位置感测信号。aps 110可根据驾驶员的加速器踏板的操纵状态检测加速器位置以根据加速器位置产生加速器位置感测信号。车辆速度传感器120可根据车辆的驾驶检测车辆速度以根据车辆速度产生车辆速度感测信号。加速度传感器130可根据车辆的驾驶检测加速度的变化以根据加速度的变化产生加速度感测信号。车轮速度传感器140可根据车辆的驾驶检测车轮速度(车轮的速度)以根据车轮速度产生车轮速度感测信号。坡度传感器150可根据车辆的斜坡驾驶检测车身的坡度，以根据车身的坡度产生坡度感测信号。bps 160可检测驾驶员的制动器踏板的操纵状态以根据制动器踏板的操纵状态产生制动器位置感测信号。发动机rpm传感器170可根据发动机10的运行检测旋转rpm以根据旋转rpm产生rpm感测信号。扭矩传感器180可检测结合在发动机10和变速器30之间的扭矩转换器(t/c)20的旋转扭矩以根据t/c 20的旋转扭矩产生扭矩感测信号。齿轮传感器190可根据变速器30的换挡检测挡位的操纵状态，以根据挡位的操纵状态产生挡位感测信号。
47.同时，为了控制车辆的换挡，tcu 200可接收来自tps 100的节气门位置感测信号、来自aps 110的加速器位置感测信号、来自车辆速度传感器120的车辆速度感测信号、来自加速度传感器130的加速度感测信号、来自车轮速度传感器140的车轮速度感测信号、来自坡度传感器150的坡度感测信号、来自bps 160的制动器位置感测信号、来自发动机rpm传感器170的rpm感测信号，来自扭矩传感器180的扭矩感测信号，或来自齿轮传感器190的挡位感测信号。
48.tcu 200可通过来自每个传感器的感测信号收集用于识别道路状态和车辆的驾驶状态的数据，并且可分析收集的数据以对信息进行分类。在这种情况下，通过采集的数据分析的驾驶信息数据可包括节气门的开闭量、加速器的位置、变速器30的当前齿轮接合状态、车辆速度、加速度、发动机rpm、平均车辆速度、车轮的车轮rpm差异、车辆的坡度、制动器的
操作周期、发动机10的所需扭矩量等。tcu 200可基于所分析的驾驶信息数据根据预定换挡模式(或换挡线)来执行升挡/降挡。存储器210可存储由驾驶员的手动换挡命令产生的换挡模式、由换挡保护命令产生的换挡模式、由一类模式的换挡定义的一类换挡模式、或与该类换挡模式对应的驾驶信息数据。显示器220可通过在tcu 200的控制下应用当前换挡模式来显示换挡进度状态，使得驾驶员可识别换挡进度状态。
49.上述用于控制车辆换挡的系统可基于换挡模式(以一般方式)控制车辆的换挡。当应用根据本发明的各种示例性实施例的方式时(将在下面描述)，用于控制车辆换挡的系统可以需求功率方式而不是换挡模式方式控制车辆换挡。
50.图2是示出根据本发明的各种示例性实施例的控制车辆换挡的装置的配置的框图。
51.如图2所示，根据本发明的各个示例性实施例的控制车辆换挡的装置可包括存储装置21和控制器22。在这种情况下，各个部件可组合成一个部件并且一些部件可被省略，这取决于执行根据本发明的各种示例性实施例的控制车辆换挡的装置的方式。
52.参见各个部件，首先，存储装置21可实现为图1的存储器210，并且可存储在以下过程中所需的各种逻辑、算法和程序：基于深度学习模型预测每个未来时间点的车辆速度和aps值，深度学习模型的学习已完成，通过接收预测车辆速度和预测aps值预测每个未来时间点的挡位，以及基于每个未来时间点的预测挡位控制车辆的换挡。
53.这样的存储器21可包括至少一种类型的存储介质，诸如闪存型存储器、硬盘型存储器、微型存储器、卡型存储器(例如，安全数字(sd)卡或极限数字(xd)卡)、随机存取存储器(ram)、静态ram(sram)、只读存储器(rom)、可编程rom(prom)、电可擦除prom(eeprom)、磁性ram(mram)、磁盘和光盘。
54.控制器22可执行整体控制，使得各个部件可正常地执行它们自己的功能。这样的控制器22可以硬件的形式实现，可以软件的形式实现，或可以它们的组合的形式实现。控制器22可实现为但不限于微处理器。
55.控制器22可执行以下过程中所需的各种控制：基于深度学习模型预测每个未来时间点的车辆速度和aps值，深度学习模型的学习已完成，通过接收预测车辆速度和预测aps值预测每个未来时间点的挡位，以及基于每个未来时间点的预测挡位控制车辆的换挡。
56.在升挡时间点，当每个未来时间点的挡位中低于当前挡位的挡位数大于参考值(例如，2)时，控制器22可在参考时间(例如，一秒)期间维持当前挡位，以防止匆忙换挡现象。
57.在维持当前挡位的时间点，当每个未来时间点的挡位中低于当前挡位的挡位数大于参考值(例如，2)时，控制器22可控制图1的变速器30执行降挡，从而防止由于换挡引起的加速延迟现象。在这种情况下，当aps值的变化率小于或等于阈值时，控制器22可控制从当前挡位切换到低一挡的挡位，并且当aps值的变化率大于阈值时，可控制从当前挡位切换到低两挡的挡位。
58.以下，将参考图3和图4详细描述控制器22的操作。
59.图3是示出根据本发明的各种示例性实施例的设置在控制车辆换挡的装置中的控制器的操作的图。
60.如图3所示，例如，图2的控制器22可预测一秒后的挡位为第五挡，可预测两秒后的
挡位为第二挡，可预测三秒后的挡位为第二挡，可预测四秒后的挡位为第二挡，并且可预测五秒后的挡位为第二挡，作为每个未来时间点的挡位。
61.尽管在当前时间点满足升挡条件，但是当预测的五个挡位中低于当前挡位(第四挡位)的挡位数为多个时，控制器22可维持当前的挡位例如一秒(参见附图标记310)。此后，控制器22可在经过一秒的时间点再次预测每个未来时间点的挡位，并且可基于预测的挡位控制车辆的换挡。
62.图4是示出根据本发明的各种示例性实施例的设置在控制车辆换挡的装置中的控制器的操作的图。
63.如图4所示，例如，图2的控制器22可预测一秒后的挡位为第四挡，可预测两秒后的挡位为第四挡，可预测三秒后的挡位为第三挡，可预测四秒后的挡位为第三挡，并且可预测五秒后的挡位为第三挡，作为每个未来时间点的挡位。
64.在因为当前挡位是最佳挡位而维持当前挡位的状态下，当预测的五个挡位中低于当前挡位(第五挡)的挡位数为多个时，控制器22可控制从当前挡位到第四挡的换挡。在当前情况下，当aps值的变化率大于阈值时，控制器22可控制切换到第三挡。
65.图5a是示出根据本发明的各种示例性实施例的控制车辆换挡的装置的第一性能分析的图。
66.在图5a中，附图标记
‘
510’指示实时最佳挡位，附图标记
‘
520’指示实际挡位，附图标记
‘
530’指示基于预测的换挡控制功能的激活标志，附图标记
‘
540’指示aps值，并且附图标记
‘
550’指示车辆速度。
67.如图5a所示，在必须从作为当前挡位的第七挡切换到作为最佳挡位的第八挡时，图2的控制器22可维持当前挡位(第七挡)一秒内不换挡到第八挡，这取决于预测未来挡位的降挡，从而识别防止匆忙换挡现象(参见附图标记560)。
68.图5b是示出根据本发明的各种示例性实施例的控制车辆换挡的装置的第二性能分析的图。
69.如图5b所示，在由于当前挡位是最佳挡位而维持当前挡位(第八挡)的状态下，图2的控制器22可提前控制从第八挡到第七挡的换挡，这取决于预测未来挡位的降挡，从而识别防止由换挡引起的加速延迟现象(附图标记570)。
70.下面将描述控制器22学习深度学习模型并根据深度学习模型预测每个未来时间点的车辆速度和aps值的过程，该深度学习模型的学习已完成。
71.图6是示出根据本发明的各种示例性实施例的设置在控制车辆换挡的装置中的深度学习模型的图。
72.图2的控制器22可将预测时间点之前的驾驶曲线的时间序列数据610输入到变分自动编码器(vae)的编码器，可基于作为编码器620的输出的低维变量z，额外输入的预测时间点的车辆速度和aps值以及预测时间的驾驶曲线来学习预测车辆的速度和aps值的深度学习模型，并且可基于深度学习模型预测车辆的速度和aps值，该深度学习模型的学习已完成。
73.这里，预测时间点之前的驾驶曲线是在当前时间点之前的特定时间期间测量的值，其是指形成车辆的驾驶模式的信息。这样的驾驶曲线可包括油门踏板位置(gpp)值、每分钟转数(rpm)、挡位、车辆速度、道路坡度、道路曲率、转向角、制动器踏板位置(bpp)值(例
如，制动开/关或制动压力)、与前车的间隔距离、与前车的相对速度、与前方交通灯相关的信息、aps值等。在当前情况下，驾驶曲线是在特定时间期间测量的时间序列数据。
74.此外，在预测时间点的驾驶曲线指示在当前时间点测量的值。在这种情况下，gpp值、rpm、挡位、车辆速度、转向角、bpp值和aps值可通过车载网络获得。道路的坡度和曲率可从设置在车辆中的导航设备获得。与前车的相对距离和与前车的相对速度可从设置在车辆中的雷达获得。与前方交通灯有关的信息(照明信息)可从交通灯控制器获得。
75.在基于深度学习模型预测车辆速度和aps值的过程中(该深度学习模型的学习已完成)，控制器22可向vae的编码器输入预测时间点之前的驾驶曲线的时间序列数据，并且可向vae的解码器输入低维变量z(其为编码器的输出)、预测时间点的车辆速度和aps值以及预测时间点的驾驶曲线。
76.如图6所示，控制器22可学习基于vae的深度学习模型，其基于低维变量z(其为编码器的输出)、额外输入的预测时间点的车辆速度和aps值以及预测时间点的驾驶曲线来预测车辆速度。
77.附图标记
‘
620’指示概率编码器，附图标记
‘
610’指示预测时间点(t
present
)之前的参考时间(t
past
～t
present
)期间的时间序列数据x，其是用于驾驶曲线的学习数据，附图标记
‘
660’指示概率解码器，附图标记
‘
640’指示作为编码器输出的低维变量z，附图标记
‘
630’指示预测时间点的车辆速度和aps值，附图标记
‘
650’指示预测时间点的驾驶曲线，并且附图标记“670”指示车辆未来的预测速度和预测aps值。在这种情况下，y’可为从当前时间点开始的参考时间(t
present
～t
future
)期间的车辆速度和aps值，其可用时间序列数据的形式表示。此外，μ表示分布的平均值，σ表示分布的方差(variance)。
78.编码器620可具有卷积神经网络(cnn)和多层感知器网络(mlpn)。解码器660可具有多层感知器网络(mlpn)和去卷积神经网络(dnn)。
79.作为参考，解码器(p0(x|z))可由具有参数θ的深度神经网络参数化。解码器(p
θ
(x|z))可由具有参数φ的深度神经网络参数化。低维变量z被定义为嵌入数据x的压缩信息。编码器620可将数据空间映射到潜在空间。编码器620和解码器660可使用对角高斯分布参数化。
80.在下文中，将参考图7、图8、图9和图10来描述控制器22使用每个未来时间点的预测车辆速度和aps值来预测每个未来时间点的挡位的过程。
81.图7是示出根据本发明的各种示例性实施例的存储在设置在控制车辆换挡的装置中的存储装置中的功率图的图。
82.在图7中，横轴指示车辆速度kph，纵轴指示需求功率kw。附图标记
‘
710’是示出当aps 110的输出值(以下称为“aps值”)为5％时车辆速度与需求功率之间的关系的图线。附图标记
‘
720’是指示当aps值为10％时车辆速度与需求功率之间的关系的图线。附图标记
‘
730’是指示当aps值为20％时车辆速度与需求功率之间的关系的图线。附图标记
‘
740’是指示当aps值为40％时车辆速度与需求功率之间的关系的图线。附图标记
‘
750’是指示当aps值为60％时车辆速度与需求功率之间的关系的图线。附图标记
‘
760’是指示当aps值为80％时车辆速度与需求功率之间的关系的图线。附图标记
‘
770’是指示当aps值为100％时车辆速度与需求功率之间的关系的图线。
83.图7中例示了7个aps值。然而，可进一步包括aps值为30％时的车辆速度与需求功
率之间的关系的图线，aps值为50％时的车辆速度与需求功率之间的关系的图线，aps值为70％时的车辆速度与需求功率之间的关系的图线，aps值为90％时的车辆速度与需求功率之间的关系的图线，或可通过确定(例如，插值方法)来确定中间值。例如，当aps值为70％时，图2的控制器22可使用图线750和图线760来识别车辆速度和需求功率之间的关系。又例如，当aps值为75％时，控制器22可使用图线750和图线760来识别车辆速度和需求功率之间的关系。
84.图8是示出根据本发明的各种示例性实施例的，存储在设置在控制车辆换挡的装置中的存储装置中的功率源的能量消耗图的图。
85.在图8中，横轴指示功率源的rpm，纵轴指示功率源的扭矩。附图标记
‘
810’是示出根据功率源的rpm和扭矩在第三挡和第四挡消耗的能量(例如，330kj/s)的图线。附图标记
‘
820’是示出根据功率源的rpm和扭矩在第一挡、第二挡、第三挡和第四挡中消耗的能量(例如，340kj/s)的图线。附图标记
‘
830’是示出根据功率源的rpm和扭矩在所有挡消耗的能量(例如，350kj/s)的图线。附图标记
‘
840’是示出根据功率源的rpm和扭矩在所有挡中消耗的能量(例如，360kj/s)的图线。每个挡位的功率源的这样的能量消耗图可随着功率源的类型和性能而变化。
86.图2的控制器22可基于存储在图2的存储装置21中的功率图来检测对应于车辆速度和aps值的需求功率，可生成将检测到的需求功率表示为每个挡位的功率源的rpm和扭矩的图线，并且可将生成的图线与存储在存储装置21中的功率源的能量消耗图匹配以控制换挡到消耗最小能量的挡位。
87.图9是示出根据本发明的各种示例性实施例的由设置在控制车辆换挡的装置中的控制器生成的功率图线的图。
88.图2的控制器22可生成将需求功率(例如，100kw)表示为每个挡位的功率源的rpm和扭矩的功率图线。
89.在图9中，横轴指示功率源的rpm，纵轴指示功率源的扭矩。附图标记
‘
910’是将100kw的需求功率表示为第一挡的扭矩和rpm的点。附图标记
‘
920’是将100kw的需求功率表示为第二挡的扭矩和rpm的点。附图标记
‘
930’是将100kw的需求功率表示为第三挡的扭矩和rpm的点。附图标记
‘
940’是将100kw的需求功率表示为第四挡的扭矩和rpm的点。附图标记
‘
950’是将100kw的需求功率表示为第五挡的扭矩和rpm的点。在这种情况下，连接点910到950的线称为功率图线960。
90.如图10所示，控制器22可将图9所示的图线与存储在图2的存储装置21中的功率源的能量消耗图相匹配，以检测消耗最小能量的挡位。
91.图10是示出根据本发明的各种示例性实施例的检测在设置在控制车辆换挡的装置中的控制器中消耗最小能量的挡位的过程的图。
92.如参考图8所描述的，能量在第一能量图线810、第二能量图线820、第三能量图线830和第四能量图线840的顺序上是低的(按照指示低能量的图线的顺序)。图2的控制器22可确定具有最低能量的第一能量图线810是否与功率图线960重叠。当存在重叠的能量图线时，控制器22可确定能量图线是否在任何挡位重叠。
93.参考图10来看，因为第一能量图线810不与功率图线960重叠，所以控制器22可不结合第一能量图线810检测挡位。
94.可以看出，具有次低能量的第二能量图线820在第三挡与功率图线960准确重叠(参见附图标记1010)。因此，控制器22可将第三挡检测为消耗最少能量的挡位。
95.以这样的方式，控制器22可使用在每个未来时间点的对应时间点(例如，未来的一秒、两秒、三秒、四秒或未来五秒)预测的车辆速度和aps值来预测每个未来时间点的最佳传输挡。
96.此外，因为第三能量图线830在第五挡与功率图线960重叠，但是在能量上高于第二能量图线820，控制器22可不选择第五挡作为挡位。
97.图11是示出根据本发明的各种示例性实施例的用于控制车辆换挡的方法的流程图。
98.首先，在操作1101中，图2的存储装置21可存储深度学习模型，其学习已完成。
99.在操作1102中，图2的控制器22可基于深度学习模型预测每个未来时间点的车辆速度和aps值。
100.在操作1103中，控制器22可使用车辆速度和aps值预测每个未来时间点的挡位。
101.在操作1104中，控制器22可基于每个未来时间点的挡位来控制车辆的换挡。
102.图12是示出根据本发明的各种示例性实施例的用于执行用于控制车辆换挡的方法的计算系统的框图。
103.参考图12，根据本发明的各个示例性实施例的用于控制车辆换挡的上述方法可由计算系统实现。计算系统1000可包括至少一个处理器1100、存储器1300、用户接口输入设备1400、用户接口输出设备1500、存储装置1600和网络接口1700，它们经由总线1200彼此连接。
104.处理器1100可为处理存储在存储器1300和/或存储装置1600中的指令的中央处理单元(cpu)或半导体器件。存储器1300和存储装置1600可包括各种类型的易失性或非易失性存储介质。例如，存储器1300可包括rom(只读存储器)1310和随机存取存储器(ram)1320。
105.因此，结合本文所包括的示例性实施例描述的方法或算法的操作可直接体现在由处理器1100执行的硬件或软件模块中，或它们的组合中。软件模块可驻留在诸如ram、闪存存储器、rom、eprom、eeprom、寄存器、硬盘、ssd(固态驱动器)、可移动磁盘和cd-rom的存储介质(即存储器1300和/或存储装置1600)上。示例性存储介质可耦接到处理器，并且处理器可从存储介质读出信息并且可在存储介质中记录信息。另选地，存储介质可与处理器1100集成。处理器和存储介质可驻留在专用集成电路(asic)中。asic可驻留在用户终端内。在另一种情况下，处理器和存储介质可作为单独的部件驻留在用户终端中。
106.根据本发明的各种示例性实施例的控制车辆换挡的装置及其方法被提供用于基于深度学习模型(其学习已完成)预测每个未来时间点的车辆速度和加速器位置传感器(aps)值，通过接收预测车辆速度和预测aps值来预测每个未来时间点的挡位，以及基于每个未来时间点的预测挡位控制车辆的换挡，从而防止匆忙换挡现象和防止由换挡引起的加速延迟现象。
107.在上文中，虽然已经参考示例性实施例和附图描述了本发明，但是本发明不限于此，而是可由本发明的各种示例性实施例所属的领域的技术人员在不脱离所附权利要求中要求保护的本发明的精神和范围的情况下进行各种修改和改变。
108.为便于解释和准确定义所附权利要求，术语“上部”、“下部”、“内”、“外”、“上”、“下”、“向上”、“向下”、“前”、“后”、“后部”、“内侧”、“外侧”、“向内”、“向外”、“内部”、“外部”、“内”、“外”、“向前”、“向后”用于参考附图中显示的此类特征的位置来描述示例性实施例的特征。将进一步理解，术语“连接”或其派生词既指直接连接又指间接连接。
109.为了说明和描述的目的，已经呈现了本发明的特定示例性实施例的前述描述。它们并不旨在穷举或将本发明限制于所公开的精确形式，并且显然根据上述教导可进行许多修改和变化。选择和描述示例性实施例是为了解释本发明的某些原理及它们的实际应用，以使本领域的其它技术人员能够制作和利用本发明的各种示例性实施例，以及其各种另选方案和修改。本发明的范围旨在由所附的权利要求及它们的等同物来定义。