利用車輛自學模型建立預期動態響應，將實際動態響應與預期響應進行比較，以辨識負載變化的性質，並依負載增加、負載解除及異常阻力等不同狀態，執行不同方向及不同變化率的馬達扭矩調整。
發布時間：
Jason Hung · 2026-09-18
控制器根據自行建立/更新的車輛動態模型預測正常響應；當實際響應偏離預期時，不立即增加馬達輸出，而先利用坡度、驅動狀態及偏差的時間特性辨識偏差原因；若判斷為正常負載增加則漸進增加扭矩，若判斷負載解除則以不同的扭矩變化率撤除補償以抑制非預期加速，若判斷為無法由正常負載模型解釋的異常阻力則禁止或限制額外扭矩。 從屬 Claims 可以放：
- 自動估算等效質量
- 自動估算有效輪徑
- IMU估算道路坡度
- Iq作為馬達扭矩狀態
- Expected acceleration
- Expected speed
- Residual
- Residual persistence time
- Confidence score
- Grade classification
- Payload classification
- Load-release classification
- Abnormal-resistance classification
- Torque increase rate limit
- Torque decrease rate limit
- Increase/decrease 使用不同 rate
- 負載解除防爆衝
- 異常阻力時禁止 Boost
- 電流/溫度/BMS限制
- FOC 的 (Iq_{ref}) 調整
自學車輛模型 ↓ 預測正常 Vehicle Response ↓ 實際 Vehicle Response ↓ 比較 ↓ Residual / Confidence ↓ ┌────────┬─────────┬──────────┐ ↓ ↓ ↓ ↓ 正常 上坡 負載增加 異常阻力 │ │ ↓ ↓ Torque ↑ 禁止Boost │ │ 負載突然解除 ↓ Torque ↓ ↓ Anti-Surge