1.一种基于二阶振荡粒子群算法的分布式驱动电动汽车能效优化控制方法，是基于分布式驱动电动系统实现的，所述分布式驱动电动系统包括动力电池组、左前轮轮毂电机、右前轮轮毂电机、左后轮轮毂电机、右后轮轮毂电机、左前轮轮毂电机控制器、右前轮轮毂电机控制器、左后轮轮毂电机控制器、右后轮轮毂电机控制器和整车控制器；

所述左前轮轮毂电机与左前车轮机械连接，所述右前轮轮毂电机与右前车轮机械连接，所述左后轮轮毂电机与左后车轮机械连接，所述右后轮轮毂电机与右后车轮机械连接，所述左前轮轮毂电机与左前轮轮毂电机控制器电气连接，所述右前轮轮毂电机与右前轮轮毂电机控制器电气连接，所述左后轮轮毂电机与左后轮轮毂电机控制器电气连接，所述右后轮轮毂电机与右后轮轮毂电机控制器电气连接；所述动力电池组分别与左前轮轮毂电机控制器、右前轮轮毂电机控制器、左后轮轮毂电机控制器和右后轮轮毂电机控制器电气连接，整车控制器分别与左前轮轮毂电机控制器、右前轮轮毂电机控制器、左后轮轮毂电机控制器、右后轮轮毂电机控制器和动力电池组电气连接；

分布式驱动电动汽车工况可以分为直线行驶工况和转弯工况，其特征在于：当处于直线行驶工况时，采用二阶振荡粒子群算法进行能效优化控制，包括如下步骤：S1：确定优化设计变量：

设计变量一共包括四个参数，分别为：左前轮轮毂电机转矩Tm1，右前轮轮毂电机转矩Tm2，左后轮轮毂电机转矩Tm3，右后轮轮毂电机转矩Tm4；

S2：确定优化设计目标：系统为单目标优化，优化目标为分布式驱动电动汽车实时总效率最高；

S3：确定优化限制条件；

S4：对设计变量进行优化，其具体的优化流程如下：S4‑1：初始化粒子群优化算法参数，最大迭代次数Tmax、粒子数目m、惯性权重系数ω、加速系数c1、c2，将当前优化代数设置为t＝1(t≤Tmax)，在四维空间中，随机产生m个粒子x1，x2，...,xi,...,xm，构成种群X(t)，随机产生各粒子初始速度v1，v2，...,vi,...,vm，构成种群V(t)，其中第i个粒子的位置为xi＝(xi,1，xi,2，xi,3，xi,4)，速度为vi＝(vi,1，vi,2，vi,3，vi,4)，xi,1表示第i个粒子第k时刻左前轮毂电机转矩Tm1(k)i大小，xi,2表示第i个粒子第k时刻右前轮毂电机转矩Tm2(k)i大小，xi,3表示第i个粒子第k时刻左后轮毂电机转矩Tm3(k)i大小，xi,4表示第i个粒子第k时刻右后轮毂电机转矩Tm4(k)i大小；

S4‑2：分别计算左前轮轮毂电机、右前轮轮毂电机、左后轮轮毂电机、右后轮轮毂电机在第k时刻的实时输入输出功率；

S4‑3：根据步骤S4‑2的计算结果计算第i个粒子第k时刻的电机系统效率η(k)i的倒数；

S4‑4：将得到的第i个粒子第k时刻的电机系统效率η(k)i的倒数作为适应度值大小来评价每个粒子的好坏，存储当前各粒子的最佳位置pbest和与之对应的电机系统效率的倒数，并将种群中适应值最优的粒子作为整个种群中的最佳位置gbest；

S4‑5：如果当前进化代数t小于最大进化代数Tmax的1/2，通过公式(1)‑(2)更新粒子的速度和位置，产生新的种群X(t+1)：

vi,j(t+1)＝ωvi,j(t)+c1r1[pi,j‑(1+ξ1)xi,j(t)+ξ1xi,j(t‑1)]+c2r2[pg,j‑(1+ξ2)xi,j(t)+ξ2xi,j(t‑1)]                                                  (1)xi,j(t+1)＝xi,j(t)+vi,j(t+1)                                  (2)其中，

如果当前进化代数t大于最大进化代数Tmax的1/2，通过公式(4)‑(5)更新粒子的速度和位置，产生新的种群X(t+1)：

vi,j(t+1)＝ωvi,j(t)+c1r1[pi,j‑(1+ξ1)xi,j(t)+ξ1xi,j(t‑1)]+c2r2[pg,j‑(1+ξ2)xi,j(t)+ξ2xi,j(t‑1)]                                      (4)xi,j(t+1)＝xi,j(t)+vi,j(t+1)                                (5)其中，

上式中，i＝1,2,...,m；j＝1,2,3,4；vi，j为第i个粒子的当前速度；ω表示惯性权重系数；c1和c2表示正的加速系数；r1、r2、ξ1、ξ2为随机数，在算法前期，即当前进化代数t小于最大进化代数Tmax的1/2时，按照公式(3)计算ξ1和ξ2，目的保证算法具有较强的全局搜索能力，在算法后期，即当前进化代数t大于最大进化代数Tmax的1/2时，按照公式(6)计算ξ1和ξ2，保证算法良好的收敛性能；pi,j表示第i个例子迄今找到的最佳位置pbest；pg，j是整个粒子群搜索到的最佳位置gbest；xi，j为第i个粒子的当前位置；

S4‑6：更新粒子的pbest和gbest；

S4‑7：判断当前优化代数t是否等于Tmax，若为是则停止计算，则输出适应度值 最小的粒子vi，即将第k时刻实时总效率η(k)i最高的粒子vi作为所求结果，并根据对应的Tm1(k)i、Tm2(k)i、Tm3(k)i和Tm4(k)i分别控制所述左前轮毂电机、右前轮毂电机、左后轮毂电机和右后轮毂电机，计算四个电机的转矩之和Tm，然后结束流程；如果t

2.根据权利要求1所述的一种基于二阶振荡粒子群算法的分布式驱动电动汽车能效优化控制方法，其特征在于：所述步骤S3中优化限制条件为左前轮轮毂电机转矩Tm1，右前轮轮毂电机转矩Tm2，左后轮轮毂电机转矩Tm3，右后轮轮毂电机转矩Tm4的工作范围。

3.根据权利要求1所述的一种基于二阶振荡粒子群算法的分布式驱动电动汽车能效优化控制方法，其特征在于：所述步骤S4‑2中通过公式(7)计算第i个粒子第k时刻的左前轮毂电机的实时输入输出功率：

其中，Pin,1(k)i为第i个粒子第k时刻的左前轮毂电机实时输入功率；Pout,1(k)i为第i个粒子第k时刻的左前轮毂电机实时输出功率；U1(k)i为第i个粒子第k时刻的左前轮毂电机输入端母线电压；I1(k)i为第i个粒子第k时刻的左前轮毂电机输入端母线电流；n1(k)i为第i个粒子第k时刻左前轮毂电机的转速；ψ1为第i个粒子第k时刻的左前轮毂电机的转矩分配系数，

通过公式(8)计算第i个粒子第k时刻的右前轮毂电机的实时输入输出功率为：其中，Pin,2(k)i为第i个粒子第k时刻的右前轮毂电机实时输入功率；Pout,2(k)i为第i个粒子第k时刻的右前轮毂电机实时输出功率；U2(k)i为第i个粒子第k时刻的右前轮毂电机输入端母线电压；I2(k)i为第i个粒子第k时刻的右前轮毂电机输入端母线电流；n2(k)i为第i个粒子第k时刻的右前轮毂电机的转速；ψ2为第i个粒子第k时刻的右前轮毂电机的转矩分配系数，

通过公式(9)计算第i个粒子第k时刻的左后轮毂电机的实时输入输出功率为：其中，Pin,3(k)i为第i个粒子第k时刻的左后轮毂电机实时输入功率；Pout,3(k)i为第i个粒子第k时刻的左后轮毂电机实时输出功率；U3(k)i为第i个粒子第k时刻的左后轮毂电机输入端母线电压；I3(k)i为第i个粒子第k时刻的左后轮毂电机输入端母线电流；n3(k)i为第i个粒子第k时刻的左后轮毂电机的转速；ψ3为第i个粒子第k时刻的左后轮毂电机的转矩分配系数，

通过公式(10)计算第i个粒子第k时刻的右后轮毂电机的实时输入输出功率为：其中，Pin,4(k)i为第i个粒子第k时刻的右后轮毂电机的实时输入功率，Pout,4(k)i为第i个粒子第k时刻的右后轮毂电机的实时输出功率，U4(k)i为第i个粒子第k时刻的右后轮毂电机输入端母线电压；I4(k)i为第i个粒子第k时刻的右后轮毂电机输入端母线电流；n4(k)i为第i个粒子第k时刻的右后轮毂电机的转速；ψ4为第i个粒子第k时刻的右后轮毂电机的转矩分配系数，

4.根据权利要求3所述的一种基于二阶振荡粒子群算法的分布式驱动电动汽车能效优化控制方法，其特征在于：所述步骤S4‑3中通过公式(11)计算第i个粒子第k时刻的电机系统效率η(k)i的倒数：

5.根据权利要求4所述的一种基于二阶振荡粒子群算法的分布式驱动电动汽车能效优化控制方法，其特征在于：所述步骤S4‑4中将公式(11)作为适应度函数，将计算得到的第i个粒子第k时刻的电机系统效率η(k)i的倒数作为适应度值大小来评价每个粒子的好坏。

6.根据权利要求4所述的一种基于二阶振荡粒子群算法的分布式驱动电动汽车能效优化控制方法，其特征在于：所述步骤S4‑7中通过公式(12)计算四个电机的转矩之和Tm(k)i：Tm(k)i＝ψ1×Tm1(k)i+ψ2×Tm2(k)i+ψ3×Tm3(k)i+ψ4×Tm4(k)i。      (12)