1.一种针对电动汽车动力系统负载信号异常的脆弱性分析方法，其特征在于，采用永磁同步电机的MTPA控制策略进行建模，建立负载攻击模型，生成异常负载信号，并结合随机优化算法对攻击模型参数进行优化迭代；包括以下步骤：第一步，建立被攻击模型，采用永磁同步电机的矢量控制策略与MTPA控制策略，对电动汽车单轮动力系统进行simulink建模；

第二步，建立合适的负载攻击模型，对系统进行脆弱性分析；

第三步，确定评判标准，利用滑动窗口对攻击时间内的转矩值进行运算分析，求出能够反映当前负载信号攻击下电动汽车动力系统脆弱性的指标；

第四步，用随机信号优化算法，对攻击模型的参数进行迭代优化，通过第三步确定的评判指标，不断优化攻击模型的参数，以找到能够最大化影响电动汽车动力系统性能的攻击信号，对系统的脆弱性进行分析；

第五步，运用并行运算策略，同时在不同内核以及不同计算机集群上运行simulink模型，达到加速的目的。

2.如权利1所述的一种针对电动汽车动力系统负载信号异常的脆弱性分析方法，其特征在于，第一步所述采用永磁同步电机的矢量控制策略与MTPA控制策略，对电动汽车单轮动力系统进行simulink建模，包括：电机控制采用矢量控制，在永磁同步电机上设法模拟直流电动机的转矩控制规律，经过坐标变换，使其电流矢量分解为产生磁通的电流分量和产生转矩的电流分量，两个分量互相垂直，相互独立；对它们进行单独调节，与直流电动机的双闭环控制系统类似，实现解耦；

矢量控制的整个过程是：对电机三相电流进行采样得到A、B、C坐标系下的三相电流ia、ib、ic，将ia、ib、ic经过坐标轴Clark变换得到α、β坐标系下的电流iα、iβ，将iα、iβ经过Park变换得到d、q坐标系下的电流id、iq，计算id、iq与其设定值idref、iqref的误差，将两个误差输入两个PI控制器，得到输出的控制电压ud、uq，将其进行反Park变换得到uα、uβ，接着输入SVPWM模块进行调制，输出PWM波控制三相逆变器的MOS管开关，驱动电机；

而MTPA控制则采用公式法实现，在同一个is下，对id、iq电流进行最优分配，可实现电磁输出转矩最大，用最小电流实现最大的输出转矩，减少铜损，达到高效率控制的效果；

首先建立d、q轴电机稳态电压方程：

式中，ud、uq、id、iq分别为d、q轴电压、电流；Ld、Lq为d、q轴电感，Rs为定子电阻；ωe为电气角速度； 为永磁体磁链幅值；

永磁同步电机转矩方程如下：

式中，np为电机的极对数；

由式(2)知电机电磁转矩由两部分组成，第一部分 是永磁转矩，第二部分

是磁阻转矩；由方程可知，当电机交轴电感Lq与直轴电感Ld不相等时，磁阻

转矩不为零，而对id、iq电流进行最优分配可以充分利用磁阻转矩，可实现电磁输出转矩最大；

dq轴电流和is关系如下：

式中β为电流矢量角，is为电流矢量幅值；

将式(3)代入式(2)，得到电磁转矩Te、永磁转矩Tr和磁阻转矩Tm与定子电流is和电流矢量角β的关系如下：根据式(4)，电磁转矩为电流矢量角β的函数，在90～180°上Te(β)只有一个极值点，且为极大值点，因而Te关于β导数为0的点，即为MTPA点；

Te关于β求导可得：

解得βMTPA的表达式为：

将求得的MTPA角度代入式(3)，便可以得到dq轴的电流最佳分配，用最小的电流实现最大的电磁转矩，实现MTPA控制；以上模型策略最终在simulink中进行建模。

3.如权利1所述的一种针对电动汽车动力系统负载信号异常的脆弱性分析方法，其特征在于，第二步所述建立合适的负载攻击模型，对系统进行脆弱性分析考虑三种网络攻击方式，分别是重放攻击、虚假信号注入攻击以及拒绝服务攻击；

重放攻击：是指攻击者记录原始正常状态的数据进行网络攻击，以欺骗操作员不采取行动；在数学表达式中，重放攻击表示为：式(7)中，T表示被攻击后的负载数据，Tpast表示过去系统正常状态下被记的负载数据；

虚假信号注入攻击：攻击者直接伪造数据或向系统注入不正确的指令，被表示为：

或者

式(8)中Tnew表示攻击者伪造的全新攻击数据，式(9)中通过将原始值与恶意因素混合来设计数据注入攻击，T(t)表示原始数据，ta表示攻击时间，ν和ε表示被恶意修改而产生的未知信号；

拒绝服务攻击：指攻击者以极高的频率发送恶意消息或数据，破坏原始通信的流量状况；在攻击持续时间内，原有的正确信号无法被正常传送，用公式表达如下：式(10)中tstart表示攻击开始的时刻。

4.如权利1所述的一种针对电动汽车动力系统负载信号异常的脆弱性分析方法，其特征在于，第三步所述确定评判标准，利用滑动窗口对攻击时间内的转矩值进行运算分析，求出能够反映当前负载信号攻击下电动汽车动力系统脆弱性的指标，包括：为了获得攻击的瞬态过程，指标在滑动窗口内计算，一个滑动窗口表示为 脆弱性指标fit计算公式如下：式中Ti表示实际转矩，Tave表示一个滑动窗口内的平均转矩，t表示仿真时间，tspeed表示加速结束时刻；

上式中首先计算一个滑动窗口内转矩的方差s，滑动结束后得到方差矩阵S，接着对方差矩阵的元素求和，接着求平方根，最后除以仿真时间和加速结束时刻的差得到适应度值fit；此适应度值可以反映出，当攻击负载信号注入以后，实际转矩信号的波动情况，从数值的角度反应出系统在负载网络攻击下的脆弱性情况。

5.如权利1所述的一种针对电动汽车动力系统负载信号异常的脆弱性分析方法，其特征在于，第四步所述用随机信号优化算法，对攻击模型的参数进行迭代优化，包括：所述随机优化算法是一种用于解决复杂优化问题的算法，涉及不确定性和随机性；利用随机性来探索搜索空间，并逐渐收敛到最优解；算法利用探索过程中获得的信息来指导后续搜索，以提高找到最佳解的效率；

包含以下步骤，首先随机初始化一组候选解，接着计算每个候选解的适应度值或目标函数值，用以评估当前解的优劣程度，然后根据解的优劣程度选择一部分解作为候选解，选择的策略可以是按照适应度值大小进行比例选择，也可以是基于概率选择；对选择出的候选解进行操作，包括交叉、变异、邻域搜索的操作；不同算法有不同的操作方式；根据操作后得到的新解，更新当前解集，更新的方式可以是替换、合并或插入新解；接着判断是否满足终止条件，通常包括是否达到最大迭代次数、目标函数值收敛、解的变化小于某个阈值等条件；如果终止条件不满足，则继续进行评估、选择、操作和更新的过程，进行下一轮迭代，如果满足以上条件则迭代结束；通过迭代更新解集引入随机性，随机优化算法能够在解空间中搜索到较好的解，并在一定程度上避免陷入局部最优解。

6.如权利1所述的一种针对电动汽车动力系统负载信号异常的脆弱性分析方法，其特征在于，第五步所述的运用并行运算策略，同时在不同内核以及不同计算机集群上运行simulink模型，达到加速的目的，包括：为了解决随机优化算法迭代过程中simulink运行时间长、速度慢的问题，充分利用多核处理器和计算集群，并行运行多个simulink仿真；使用Parallel Computing Toolbox工具箱可以在本地运行的worker(MATLAB计算引擎)上执行应用程序，以使用多核桌面的全部处理能力，MATLAB Parallel Server工具箱可以将Simulink扩展到集群和云上运行；注意在环境搭建时，需要保持多个计算机matlab版本一致。

7.一种针对电动汽车动力系统负载信号异常的脆弱性分析装置，其特征在于，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求1‑6中任一项所述的一种针对电动汽车动力系统负载信号异常的脆弱性分析方法。

8.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现权利要求1‑6中任一项所述的一种针对电动汽车动力系统负载信号异常的脆弱性分析方法。