本技术涉及动力驱动的，尤其是涉及一种混合动力总成驱动方法、装置、设备、介质及拖拉机。
背景技术：
1、拖拉机作为农业生产的核心动力设备，通过动力输出轴（pto轴）驱动农机具完成田间作业。然而，在实际作业过程中，农机具与土壤之间的阻力表现出复杂的非线性动态特征。这种阻力不仅随着时间变化，还会因作业环境的不同而显著波动。
2、拖拉机的动力控制算法通常基于拖拉机的当前阻力负载状态进行决策，难以快速适应未来工况下的阻力负载变化，导致动力系统在面对突发或快速变化的阻力负载时反应迟缓，缺乏对未来工况的全局考虑，造成控制迟滞。
技术实现思路
1、为了提前预测未来工况下的负载变化，有效提高动力系统的动态响应能力，提升整体经济性和运行稳定性，本技术提供一种混合动力总成驱动方法、装置、设备、介质及拖拉机。
2、第一方面，本技术提供一种混合动力总成驱动方法，包括：
3、获取车辆在预设时间段内的多维历史运行数据，所述多维历史运行数据包括历史行车阻力、历史车速、历史发动机输出功率、历史坡度角、历史路面条件和历史气象数据，坡度角为表征行驶道路的倾斜程度的参数，路面条件为表征所述行驶道路的表面状态的参数；
4、基于lstm神经网络算法，计算所述多维历史运行数据对应的预测阻力负载；
5、获取满足所述预测阻力负载所需的预测需求总功率，并基于所述预测需求总功率，调整混合动力总成的功率分配情况。
6、本技术的有益效果为：提前预测未来工况下的阻力负载的变化，从而能够根据该变化主动调整混合动力总成的功率分配情况，优化当前的能量管理控制策略，有效提高了动力系统的动态响应能力，确保在复杂工况下实现最佳的能量分配与控制效率，从而进一步提升车辆整体经济性和运行稳定性。
7、进一步，所述车辆包括车主体和被所述车主体所驱动的农机具，所述历史行车阻力包括历史空气阻力、历史滚动阻力和历史坡度阻力，所述历史空气阻力包括所述车主体对应的第一阻力和所述农机具对应的第二阻力，所述历史滚动阻力包括所述车主体对应的第三阻力和所述农机具对应的第四阻力，所述历史坡度阻力为所述车辆在所述历史坡度角的所述行驶道路行车时，所需克服的阻力。
8、采用上述进一步方案的有益效果是：通过详细区分和量化各种阻力，可以更准确地预测车辆在未来行驶过程中可能遇到的阻力负载，有助于混合动力总成更精确地调整功率分配，以满足实际的功率需求，从而提高整个系统的效率和性能。
9、进一步，所述混合动力总成包括发动机及驱动电机，所述基于所述预测需求总功率，调整混合动力总成的功率分配情况，包括：
10、基于所述预测阻力负载，获取功率分配因子，并基于所述预测需求总功率和所述功率分配因子，计算所述发动机对应的第一分配功率和所述驱动电机对应的第二分配功率。
11、采用上述进一步方案的有益效果是：能够根据预测阻力负载变化，对功率分配因子适应性调整，从而对发动机和驱动电机的输出功率进行调整，实现了预测阻力负载与混合动力总成的运行综合经济性优化的结合，能够依据阻力负载的变化趋势，动态预测并快速调整混合动力总成中双动力源的能量分配策略，确保动力系统在不同工况下实现最佳的经济性与效率。
12、进一步，所述基于所述预测阻力负载，获取功率分配因子，包括：
13、基于预设的对应关系，获取所述预测阻力负载对应的所述功率分配因子；所述对应关系为所述预测阻力负载与所述功率分配因子之间的正比例关系，所述第一分配功率与所述功率分配因子之间为正比例关系，所述第二分配功率与所述功率分配因子之间为反比例关系。
14、采用上述进一步方案的有益效果是：当预测阻力负载增大时，通过增加发动机的功率分配（即第一分配功率），可以更有效地利用发动机的高效率区间，减少驱动电机的负担，从而降低能耗和排放。反之，当预测阻力负载减小时，增加驱动电机的功率分配（即第二分配功率），可以充分发挥驱动电机的高效、低噪音和低排放的优势，进一步提升动力系统的节能减排效果。
15、进一步，所述驱动电机电连接有用于提供电能的动力电池，所述驱动电机包括第一电机和/或第二电机，所述方法还包括：
16、若所述车辆为行车状态，所述动力电池不需要充电且pto轴停机，则控制所述第二电机不向所述pto轴提供动力，控制所述第一电机向行车传动机构提供动力，并控制所述发动机不向所述pto轴提供动力，控制所述发动机向所述行车传动机构提供动力；
17、若所述车辆为行车状态，所述动力电池不需要充电且所述pto轴开始启动，则控制所述第二电机向所述pto轴提供动力，控制所述第一电机向行星轮变速机构提供动力，并控制所述发动机不向所述pto轴提供动力，控制所述发动机向所述行车传动机构提供动力；
18、若所述车辆为行车状态，所述动力电池不需要充电，所述pto轴的实时转速达到目标转速且pto轴需求功率大于所述发动机对应的最大功率，则控制所述第二电机和所述发动机共同向所述pto轴提供动力，控制所述第一电机和所述发动机共同向所述行车传动机构提供动力。
19、采用上述进一步方案的有益效果是：通过将传统的液压泵-马达模块替换为驱动电机，使得驱动电机与发动机组成了并联式混合动力结构，显著提升了动力系统的可靠性。同时由于泵-马达液压控制单元极易损坏，容易出现漏液等问题，需要时常进行维护，而动力电池与驱动电机的结构较为简单，不需暴露在空气中，可靠性高，从而简化维护，简化了后期维护工作，进一步提升了动力系统的可靠性和易维护性。
20、进一步，在所述基于lstm神经网络算法，计算所述多维历史运行数据对应的预测阻力负载之后，还包括：
21、基于预设的均方误差损失函数，计算所述lstm神经网络算法的损失值，并基于所述损失值，调整所述lstm神经网络算法。
22、采用上述进一步方案的有益效果是：通过损失值对lstm神经网络算法进行调整，增强了lstm神经网络算法对阻力负载的预测能力。
23、第二方面，本技术提供一种混合动力总成驱动装置，包括：
24、获取历史数据模块，用于获取车辆在预设时间段内的多维历史运行数据，所述多维历史运行数据包括历史行车阻力、历史车速、历史发动机输出功率、历史坡度角、历史路面条件和历史气象数据，坡度角为表征行驶道路的倾斜程度的参数，路面条件为表征所述行驶道路的表面状态的参数；
25、预测负载模块，用于基于lstm神经网络算法，计算所述多维历史运行数据对应的预测阻力负载；
26、调整功率模块，用于获取满足所述预测阻力负载所需的预测需求总功率，并基于所述预测需求总功率，调整混合动力总成的功率分配情况。
27、第三方面，本技术提供一种电子设备，包括处理器和存储器，所述处理器与所述存储器耦合；
28、所述处理器用于执行所述存储器中存储的计算机程序，以使得所述电子设备执行如第一方面任一项所述的方法。
29、第四方面，本技术提供一种计算机可读存储介质，包括计算机程序或指令，当所述计算机程序或指令在计算机上运行时，使得所述计算机执行如第一方面任一项所述的方法。
30、第五方面，本技术提供一种拖拉机，包括如第三方面所述的电子设备、车主体、被所述车主体所驱动的农机具、采集设备和混合动力总成，所述混合动力总成包括发动机和驱动电机；
31、所述电子设备，用于基于所述采集设备采集的数据，生成多维历史运行数据；并基于lstm神经网络算法，计算所述多维历史运行数据对应的预测阻力负载；获取满足所述预测阻力负载所需的预测需求总功率，并基于所述预测需求总功率，调整混合动力总成的功率分配情况；
32、所述混合动力总成，用于响应所述电子设备发送的调整指令，调整所述发动机和所述驱动电机的输出参数，以驱动所述车主体和所述农机具运行。
1.一种混合动力总成驱动方法，其特征在于，包括：
2.根据权利要求1所述的一种混合动力总成驱动方法，其特征在于，所述车辆包括车主体和被所述车主体所驱动的农机具，所述历史行车阻力包括历史空气阻力、历史滚动阻力和历史坡度阻力，所述历史空气阻力包括所述车主体对应的第一阻力和所述农机具对应的第二阻力，所述历史滚动阻力包括所述车主体对应的第三阻力和所述农机具对应的第四阻力，所述历史坡度阻力为所述车辆在所述历史坡度角的所述行驶道路行车时，所需克服的阻力。
3.根据权利要求1所述的一种混合动力总成驱动方法，其特征在于，所述混合动力总成包括发动机及驱动电机，所述基于所述预测需求总功率，调整混合动力总成的功率分配情况，包括：
4.根据权利要求3所述的一种混合动力总成驱动方法，其特征在于，所述基于所述预测阻力负载，获取功率分配因子，包括：
5.根据权利要求3所述的一种混合动力总成驱动方法，其特征在于，所述驱动电机电连接有用于提供电能的动力电池，所述驱动电机包括第一电机和/或第二电机，所述方法还包括：
6.根据权利要求1所述的一种混合动力总成驱动方法，其特征在于，在所述基于lstm神经网络算法，计算所述多维历史运行数据对应的预测阻力负载之后，还包括：
7.一种混合动力总成驱动装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括处理器和存储器，所述处理器与所述存储器耦合；
9.一种计算机可读存储介质，其特征在于，包括计算机程序或指令，当所述计算机程序或指令在计算机上运行时，使得所述计算机执行如权利要求1至6任一项所述的方法。
10.一种拖拉机，其特征在于，包括如权利要求8所述的电子设备、车主体、被所述车主体所驱动的农机具、采集设备和混合动力总成，所述混合动力总成包括发动机和驱动电机；
