基于区块链的VCU控制算法优化方法和程序产品与流程

本发明涉及车辆子系统的联合控制，尤其涉及一种基于区块链的vcu控制算法优化方法、设备、介质和程序产品。

背景技术：

1、区块链技术是一种利用块链式数据结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的技术保证数据传输和访问控制的安全、利用由自动化脚本代码组成的智能合约来编程和操作数据的一种全新的分布式基础架构与计算范式。

2、vcu（vehicle control unit，车辆控制系统）负责整车各个子系统之间的信息交换和协调控制，是汽车智能化、网络化和电气化的重要支撑。vcu控制算法是vcu功能实现的关键技术之一，主要包括整车状态估计算法、整车能量管理算法、整车故障诊断与安全保护算法等。vcu控制算法的优化目标是提高汽车的性能、安全性、舒适性和经济性。vcu控制算法优化方法主要有经验法、数学模型法、智能优化法等。

3、基于模糊逻辑的vcu控制算法优化方法利用模糊逻辑理论建立vcu控制模型，通过设定模糊规则和隶属函数，实现对整车状态和能量管理的模糊推理和控制。

4、基于神经网络的vcu控制算法优化方法利用神经网络技术建立vcu控制模型，通过训练神经网络来学习整车状态和能量管理的非线性关系，实现对整车的自适应控制。

5、基于遗传算法的vcu控制算法优化方法利用遗传算法的全局搜索能力和自适应性，对vcu控制参数进行优化，实现对整车性能的改善。

6、本技术发明人在实现本发明实施例技术方法的过程中，至少发现现有技术中存在如下技术问题：

7、基于模糊逻辑的vcu控制算法优化方法的模糊规则和隶属函数的设定依赖于专家经验，缺乏理论依据，且难以考虑多种因素的综合影响，而且模糊逻辑控制器的结构和参数难以在线调整，不利于实现动态优化。

8、基于神经网络的vcu控制算法优化方法的神经网络训练需要大量的数据和计算资源，且训练过程难以监控和解释，而且神经网络控制器的结构和参数难以确定，且容易陷入局部最优解。

9、基于遗传算法的vcu控制算法优化方法的遗传算法需要设置合理的编码方式、交叉概率、变异概率等参数，否则会影响收敛速度和精度，而且遗传算法容易受到初始种群的影响，且难以保证全局最优解。

10、综上，现有的vcu控制算法优化方法依赖于专家经验、数据量和计算资源，难以实现动态优化和全局最优。

技术实现思路

1、本发明实施例提供一种基于区块链的vcu控制算法优化方法、设备、介质和程序产品，解决了现有的vcu控制算法优化方法依赖于专家经验、数据量和计算资源，难以实现动态优化和全局最优的技术问题。

2、本发明实施例一方面提供了一种基于区块链的vcu控制算法优化方法，所述方法包括：生成初始状态下的vcu控制算法，将所述vcu控制算法编译为智能合约，将所述智能合约存储于区块链，所述智能合约根据预设规则，自动执行所述智能合约中的vcu控制算法；基于历史交易数据，所述智能合约更新所述智能合约中的vcu控制算法的参数并调整所述智能合约中的vcu控制算法的策略，自我优化所述智能合约中的vcu控制算法。

3、可选的，在所述将所述智能合约存储于区块链之后，所述方法还包括：将所述智能合约广播给所有的参与节点；所述参与节点验证所述智能合约是否正确；当所述智能合约正确时，存储所述智能合约。

4、可选的，在所述自我优化所述智能合约中的vcu控制算法之后，所述方法还包括：将自我优化后的智能合约广播给所有的参与节点；所述参与节点验证所述自我优化后的智能合约是否正确；当所述自我优化后的智能合约正确时，将原有的所述智能合约替换为所述自我优化后的智能合约。

5、可选的，在所述智能合约更新所述智能合约中的vcu控制算法的参数并调整所述智能合约中的vcu控制算法的策略之前，所述方法还包括：基于输入数据，所述智能合约中的vcu控制算法生成输出数据；基于所述输入数据和所述输出数据，生成实时交易数据。

6、可选的，在所述生成实时交易数据之后，所述方法还包括：深度学习算法分析所述实时交易数据，生成第一预测结果；将所述第一预测结果反馈给所述智能合约，实时调整所述智能合约中的vcu控制算法。

7、可选的，在所述智能合约更新所述智能合约中的vcu控制算法的参数并调整所述智能合约中的vcu控制算法的策略之后，还包括：将所述历史交易数据作为训练数据，通过深度学习算法对所述智能合约中的vcu控制算法对应的vcu控制模型进行训练，生成训练结果；将所述训练结果反馈给所述智能合约，动态优化所述智能合约中的vcu控制算法。

8、可选的，在所述智能合约更新所述智能合约中的vcu控制算法的参数并调整所述智能合约中的vcu控制算法的策略之后，还包括：深度学习算法分析所述历史交易数据，生成第二预测结果；将所述第二预测结果反馈给所述智能合约，调整所述智能合约中的vcu控制算法。

9、另一方面，本发明实施例还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现基于区块链的vcu控制算法优化方法的步骤。

10、本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现基于区块链的vcu控制算法优化方法的步骤。

11、本发明实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现基于区块链的vcu控制算法优化方法的步骤。

12、本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

13、一种基于区块链的vcu控制算法优化方法，所述方法包括：生成初始状态下的vcu控制算法，将所述vcu控制算法编译为智能合约，将所述智能合约存储于区块链，所述智能合约根据预设规则，自动执行所述智能合约中的vcu控制算法；基于历史交易数据，所述智能合约更新所述智能合约中的vcu控制算法的参数并调整所述智能合约中的vcu控制算法的策略，自我优化所述智能合约中的vcu控制算法。本发明可以根据区块链的历史交易数据自动更新智能合约中的vcu控制算法的参数并调整智能合约中vcu控制算法的策略，无需依赖于专家经验、数据量和计算资源，能够自我优化智能合约中的vcu控制算法。同时，利用区块链的去中心化、不可篡改和高效性等优势，保证vcu控制算法的安全性和可靠性，以及动态优化和全局最优的能力。另外，智能合约根据预设规则，自动执行智能合约中的vcu控制算法，无需人为干预，提高运行效率。

14、进一步，在所述将所述智能合约存储于区块链之后，所述方法还包括：将所述智能合约广播给所有的参与节点；所述参与节点验证所述智能合约是否正确；当所述智能合约正确时，存储所述智能合约。智能合约可以由多个节点共同验证，保证安全性。

15、再进一步，在所述自我优化所述智能合约中的vcu控制算法之后，所述方法还包括：将自我优化后的智能合约广播给所有的参与节点；所述参与节点验证所述自我优化后的智能合约是否正确；当所述自我优化后的智能合约正确时，将原有的所述智能合约替换为所述自我优化后的智能合约。智能合约可以由多个节点共同维护，保证可靠性。

16、又进一步，在所述智能合约更新所述智能合约中的vcu控制算法的参数并调整所述智能合约中的vcu控制算法的策略之前，所述方法还包括：基于输入数据，所述智能合约中的vcu控制算法生成输出数据；基于所述输入数据和所述输出数据，生成实时交易数据。实时交易数据可以作为vcu控制算法的输入和输出，反映整车状态和能量管理的实时情况。输入数据可以包含整车状态信息、用户需求信息、环境信息等，输出数据可以包含整车各部件之间的协调控制信号、整车能量管理策略等。

17、更进一步，在所述生成实时交易数据之后，所述方法还包括：深度学习算法分析所述实时交易数据，生成第一预测结果；将所述第一预测结果反馈给所述智能合约，实时调整所述智能合约中的vcu控制算法。利用深度学习算法对实时交易数据进行分析和预测，并将预测结果反馈给区块链上的智能合约，智能合约根据预测结果，可以不断更新和调整vcu控制算法的参数和策略，实现vcu控制算法的实时监控和调整。

18、还进一步，在所述智能合约更新所述智能合约中的vcu控制算法的参数并调整所述智能合约中的vcu控制算法的策略之后，还包括：将所述历史交易数据作为训练数据，通过深度学习算法对所述智能合约中的vcu控制算法对应的vcu控制模型进行训练，生成训练结果；将所述训练结果反馈给所述智能合约，动态优化所述智能合约中的vcu控制算法。历史交易数据可以作为vcu控制算法的训练和测试的数据，通过深度学习算法对vcu控制模型进行训练和优化，可以提高vcu控制模型的精度和自适应性能，将训练结果反馈给区块链上的智能合约，实现vcu控制算法的动态优化。

19、再进一步，在所述智能合约更新所述智能合约中的vcu控制算法的参数并调整所述智能合约中的vcu控制算法的策略之后，还包括：深度学习算法分析所述历史交易数据，生成第二预测结果；将所述第二预测结果反馈给所述智能合约，调整所述智能合约中的vcu控制算法。利用深度学习算法对历史交易数据进行分析和预测，并将预测结果反馈给区块链上的智能合约，智能合约根据预测结果，可以不断更新和调整vcu控制算法的参数和策略，实现vcu控制算法的自我学习和自我优化。