1.基于多传感器数据融合的新能源汽车动力分配控制方法，其特征在于，包括以下步骤：S1、在新能源汽车上装备多个传感器，通过多个传感器实时收集车辆的相关数据；

S2、将收集到的多个传感器数据进行融合处理，得到综合车辆状态信息；

S3、基于融合得到的车辆状态信息，建立新能源汽车的动力分配模型；

S4、在建立的动力分配模型中，对新能源汽车进行动力分配控制，根据车辆的实时状态和路面状况，自动调整发动机的输出功率，完成新能源汽车的控制；

所述S2中融合处理采用模型融合算法，包括以下步骤：设有n个传感器，每个传感器的数据可以用 表示，将传感器数据进行融合后，得到车辆综合状态表示为y，表达式为：；

将传感器的权重分别表示为w1, w2,..wn，然后将传感器加权后再求和，得到最终的车辆综合状态 ，具体公式如下：；

所述动力分配模型采用模糊控制算法，包括以下步骤：将输入的车辆状态信息，通过设计的模糊隶属函数映射到模糊集合中；

建立模糊规则库，以映射车辆状态与动力输出之间的关系；

将模糊输入集合和模糊规则库进行匹配，得到模糊输出集合；

按控制目标生成输出，将模糊输出集合转化为实际的动力分配策略；

所述S4中自动调整发动机的输出功率采用模型预测控制算法，包括以下步骤：建立车辆动力学模型；

将建立的动力学模型转化为状态空间表述，得到离散时间状态空间模型；

利用模型的状态空间表述和控制目标，设计最优性能指标，并将其转化为控制目标；

利用预测算法，根据当前车辆状态、路面状况和任意时刻的控制指令，预测未来一段时间内的车辆状态和控制指令，并计算最优的控制输出，以实现控制目标；

根据当前车辆状态和实时的路面状况，利用在线计算的最优输入信号，实现车辆动力分配控制；

所述模型预测控制算法的表达式为：

状态更新方程： ；

输出更新方程： ；

其中，x(k)是时刻k的状态向量，x(k+1)时刻k+1的状态向量，u(k)是时刻k的控制向量，A、B和C是常数矩阵；

所述动力分配模型还包括根据电池的充放电状态和能量需求，合理分配动力输出，包括以下步骤：获取车辆实时的电池状态，以及驾驶环境和路况信息；

借助滤波器估计算法，基于历史及实时数据预测未来电池状态；

根据预测结果采用合理的能量管理策略指导动力输出分配，促使车辆充分利用能源；

所述滤波器估计算法包括以下步骤：

根据历史数据或者预先设定的初始值，初始化电池状态和协方差矩阵，设定观测模型与状态转移模型；

通过状态转移模型，预测下一时刻的电池状态，同时还要预测状态的协方差矩阵，以及预测观测值；

通过观测值和观测模型，计算卡尔曼增益，并使用测量数据更新状态和协方差矩阵。

2.根据权利要求1所述的基于多传感器数据融合的新能源汽车动力分配控制方法，其特征在于：所述S1中的多个传感器包括车速传感器、转向角传感器、加速度传感器和电池状态传感器。

3.根据权利要求2所述的基于多传感器数据融合的新能源汽车动力分配控制方法，其特征在于：所述S1中收集车辆的相关数据采用边缘计算算法，包括以下步骤：将传感器采集到的数据进行滤波、去噪、降维、特征提取和数据预处理；

采用神经网络算法对处理后的数据进行分析。