1.一种纯电动汽车单踏板的非线性模型预测控制方法，其特征在于，包括如下步骤：步骤一，通过踏板位置传感器采集实时的踏板开度；

步骤二，建立单踏板动力学模型，用于描述踏板开度、踏板转动角速度与踏板转矩的关系；

步骤三，设计滑模观测器，用于对踏板角速度进行观测，从而得到驾驶员的踏板转矩；

步骤四，利用踏板转矩的变化量识别驾驶模式，从而构建动态的驱动/制动驾驶模式切换的控制策略；

步骤五，根据驱动/制动驾驶模式的需求，利用车速、整车加速度、急动度和滑动率描述单踏板控制系统的状态，从而建立单踏板控制系统的动力学模型；

步骤六，以动力性、行车安全性、高能量利用率和驾驶舒适性为控制目标，并基于单踏板控制系统的动力学模型建立成本函数，以搭建非线性模型预测控制器，从而得到最优的电机驱动/制动转矩；

根据所述滑模观测器所观测到的踏板转矩，直接计算得到电机需求转矩，并输入所述非线性模型预测控制器中，从而得当前时刻最优的电机驱动/制动转矩。

2.根据权利要求1所述的一种纯电动汽车单踏板的非线性模型预测控制方法，其特征在于：利用式(1)建立所述步骤二中的单踏板动力学模型：式(1)中： 是踏板开度， 是踏板开度的导数，ωp是踏板转动角速度， 是踏板转动角速度的导数，Ip是踏板转动惯量，Tp是驾驶员操作的踏板转矩，ks是踏板回位弹簧的刚度，kp是踏板回位弹簧的压缩量转换系数，kr是踏板回位弹簧的阻尼系数，rp是踏板轴到驾驶员踏板力作用点之间的距离。

3.根据权利要求1所述的一种纯电动汽车单踏板的非线性模型预测控制方法，其特征在于：利用式(2)建立步骤三中的滑模观测器：式(2)中： 是踏板转动角速度的观测量， 是踏板转动角速度的观测误差， 是驾驶员操作的踏板转矩观测量， 是驾驶员操作的踏板转矩观测量的导数，η和ε是滑模观测器的两个系数，sgn是符号函数；

利用式(3)离散化所述滑模观测器：

式(3)中：ωp[k]是当前k时刻的踏板转动角速度， 是当前k时刻的踏板转动角速度的观测量， 是当前k时刻的踏板转动角速度的观测误差， 是当前k时刻的驾驶员操作的踏板转矩观测量， 是k‑1时刻的驾驶员操作的踏板转矩观测量，且有其中， 是当前k时刻的踏板转矩观测量与k‑1时刻的踏板转矩观测量之间的变化量，Tt是非线性模型预测控制器的采样时间间隔。

4.根据权利要求1所述的一种纯电动汽车单踏板的非线性模型预测控制方法，其特征在于：利用式(4)建立所述步骤四中的驱动/制动驾驶模式切换的控制策略：式(4)中：Md[k]是识别出的当前k时刻的驱动/制动驾驶模式，Md[k‑1]是k‑1时刻的驱动/制动驾驶模式，Ma[k]是当前k时刻的驱动驾驶模式，Mb[k]是当前k时刻的制动驾驶模式，ΔTp[k‑1]是k‑1时刻的踏板转矩与k‑2时刻的踏板转矩之间的变化量；

式(4)表示，以踏板开度变化量为零的时刻作为驱动/制动驾驶模式的切换点；

若踏板开度变化量在k‑1时刻为“0”，且踏板开度变化量在当前k时刻大于“0”，则令当前k时刻的电机驱动转矩在当前k时刻踏板开度对应的电机驱动转矩的基础上进行变化；

若踏板开度变化量在k‑1时刻为“0”，且踏板开度变化量在当前k时刻等于“0”，则保持当前k时刻踏板开度对应的电机驱动/制动转矩；

若踏板开度变化量在k‑1时刻为“0”，且踏板开度变化量在当前k时刻小于“0”，则令当前k时刻的电机制动转矩从“0”开始变化。

5.根据权利要求1所述的一种纯电动汽车单踏板的非线性模型预测控制方法，其特征在于：利用式(5)建立所述步骤五中的单踏板控制系统的动力学模型：式(5)中：v是车速，是车速的导数，CD是空气阻力系数，A是车辆的迎风面积，ρ是空气密度，i0是主减速比，ηT是传动效率，m是整车质量，δ是旋转质量换算系数，rw是车轮半径，fr是滚动阻力系数，g是重力加速度，a是车辆加速度，是车辆加速度的导数，κ是车辆急动度，是车辆急动度的导数，λa是车轮滑转率， 是车轮滑转率的导数，Fx是地面纵向制动力，ωw是车轮旋转角速度，Iw是车轮转动惯量，λb是车轮滑移率， 是车轮滑移率的导数，Tm是电机驱动/制动转矩， 是电机驱动/制动转矩的一阶导数， 是电机驱动/制动转矩的二阶导数；

在离散化的单踏板控制系统中，令电机驱动/制动转矩表示为Tm[k]＝Tm[k‑1]+ΔTm[k‑

1]+ΔTΔm[k]，其中，Tm[k]表示当前k时刻的电机驱动/制动转矩，Tm[k‑1]表示k‑1时刻的电机驱动/制动转矩，ΔTm[k‑1]表示k‑1时刻的电机驱动/制动转矩与k‑2时刻的电机驱动/制动转矩之间的变化量，ΔTΔm[k]表示当前k时刻的电机驱动/制动转矩的变化量与k‑1时刻的电机驱动/制动转矩的变化量之间的变化量，并由ΔTm[k‑1]+ΔTΔm[k]构成当前k时刻的电机驱动/制动转矩与k‑1时刻的电机驱动/制动转矩之间的变化量。

6.根据权利要求1所述的一种纯电动汽车单踏板的非线性模型预测控制方法，其特征在于：所述步骤六中的非线性模型预测控制器的构建过程如下：T T

步骤6.1，选取状态变量为X＝[x1 x2 x3 x4 x5] ＝[v a κ λa λb] ，选取单踏板控制系T T

统的控制输入量为 输出变量为Y＝[y1 y2 y3 y4]＝[a κ λa λb] ，从而利用式(6)得到离散化后的非线性模型预测控制器的状态空间方程：式(5)中：b1、b2、b3、b4为离散化后的非线性模型预测控制器的状态空间方程中的各项状态变量的系数，并有： h1[k]、h2[k]、h3[k]、h4[k]、h5[k]为离散化后的非线性模型预测控制器的状态空间方程中的控制输入量的系数，并有：

e1[k]、e2

[k]、e3[k]、e4[k]为离散化后的非线性模型预测控制器的状态空间方程中的各常数项，并有：

x1

[k]是状态变量x1在当前k时刻的取值，x1[k+1]是状态变量x1在k+1时刻的取值，x2[k]是状态变量x2在当前k时刻的取值，x2[k+1]是状态变量x2在k+1时刻的取值，x3[k]是状态变量x3在当前k时刻的取值，x3[k+1]是状态变量x3在k+1时刻的取值，x4[k]是状态变量x4在当前k时刻的取值，x4[k+1]是状态变量x4在k+1时刻的取值，x5[k]是状态变量x5在当前k时刻的取值，x5[k+1]是状态变量x5在k+1时刻的取值；

步骤6.2，利用式(7)将踏板转矩直接映射到电机需求转矩：式(7)中：Td是电机需求转矩， 是观测到的踏板转矩 与电机需求转矩Td之间的映射比例；

步骤6.3，利用式(8)计算得到需求车辆加速度ad：步骤6.4，设置预测步长和控制步长分别为Np和Nc，并建立如式(9)所示的非线性模型预测控制器当前k时刻的成本函数J(Δ(ΔTΔm[k]))：式(9)中：β1、β2、β3、β4、β5、β6分别是各项控制目标的权重系数，i表示预测步长内的采样时刻，a[k+i|k]是在当前k时刻对k+i时刻的车辆加速度的预测值，ad[k+i]是k+i时刻的需求车辆加速度，κ[k+i|k]在当前k时刻对k+i时刻的车辆急动度的预测值，Ma[k+i]是k+i时刻的驱动驾驶模式，λa[k+i|k]在当前k时刻对k+i时刻的车轮滑转率的预测值，Mb[k+i]是k+i时刻的制动驾驶模式，λb[k+i|k]在当前k时刻对k+i时刻的车轮滑移率的预测值，是k+i时刻的踏板转矩观测值与k+i‑1时刻的踏板转矩观测值之间的变化量，Tm[k+i]是k+i时刻的电机驱动/制动转矩，ΔTm[k]是当前k时刻的电机驱动/制动转矩的变化量与k‑1时刻的电机驱动/制动转矩的变化量之间的变化量，Δ(ΔTΔm[k])是变化量ΔTΔm[k]在当前k时刻的变化量；

步骤6.5，利用式(10)、式(11)和式(12)分别设置非线性模型预测控制系统的状态变量、控制输入量和控制输入量增量的约束条件：ΔTΔmmin[k]≤ΔTΔm[k]≤ΔTΔmmax[k]            (11)Δ(ΔTΔm[k])min≤Δ(ΔTΔm[k])≤Δ(ΔTΔm[k])max     (12)式(10)、式(11)和式(12)中：v[k]是当前k时刻的车速，vmin[k]是当前k时刻的车速的最小值，vmax[k]是当前k时刻的车速的最大值，a[k]是当前k时刻的车辆加速度，amin[k]是当前k时刻的车辆加速度的最小值，amax[k]是当前k时刻的车辆加速度的最大值，κ[k]是当前k时刻的车辆急动度，κmin[k]是当前k时刻的车辆急动度的最小值，κmax[k]是当前k时刻的车辆急动度的最大值，λa[k]是当前k时刻的车轮滑转率，λamin[k]是当前k时刻的车轮滑转率的最小值，λamax[k]是当前k时刻的轮滑转率的最大值，λb[k]是当前k时刻的车轮滑移率，λbmin[k]是当前k时刻的车轮滑移率的最小值，λbmax[k]是当前k时刻的车轮滑移率的最大值，ΔTΔmmin[k]是当前k时刻的电机驱动/制动转矩的变化量与k‑1时刻的电机驱动/制动转矩的变化量之间的变化量的最小值，ΔTΔmmax[k]是当前k时刻的电机驱动/制动转矩的变化量与k‑1时刻的电机驱动/制动转矩的变化量之间的变化量的最大值，Δ(ΔTΔm[k])是当前k时刻的ΔTΔm[k]的变化量，Δ(ΔTΔm[k])min是当前k时刻的Δ(ΔTΔm[k])的最小值，Δ(ΔTΔm[k])max是当前k时刻的Δ(ΔTΔm[k])的最大值；

步骤6.6，根据控制精度需求选取预测步长Np和控制步长Nc的值，从而计算纯电动汽车单踏板的非线性模型预测控制律。

7.根据权利要求1所述的一种纯电动汽车单踏板的非线性模型预测控制方法，其特征在于：利用式(13)得到的当前k时刻最佳的电机驱动/制动转矩：式(13)中， 表示当前k时刻最佳的电机驱动/制动转矩， 表示当前k时刻最佳的ΔTΔm[k]， 表示当前k时刻最佳的Δ(ΔTΔm[k])，ΔTΔm[k‑1]表示k‑1时刻的电机驱动/制动转矩的变化量与k‑2时刻的电机驱动/制动转矩的变化量之间的变化量。