一种车辆行驶工况的识别方法及系统技术方案

技术编号:19016814 阅读:85 留言:0更新日期:2018-09-26 17:27
本发明专利技术涉及数据分析领域,尤其涉及一种车辆行驶工况的识别方法及系统。本发明专利技术通过采集车辆行驶的速度、横滚角速度、俯仰角速度和偏航角速度;根据所述车辆行驶的速度,得到怠速工况片段;根据所述横滚角速度、俯仰角速度和偏航角速度计算车辆行驶的垂直加速度;根据所述垂直加速度方向的变化情况,得到坡道工况片段;所述坡道工况片段包括上坡路段工况片段、下坡路段工况片段、平缓路段工况片段和坡道转变工况片段;聚类预设的车辆行驶工况片段样本集合,得到最佳聚类结果;根据所述最佳聚类结果识别所述待怠速工况片段或所述坡道工况片段。有利于提高车辆行驶工况的可辨识度。

【技术实现步骤摘要】
一种车辆行驶工况的识别方法及系统
本专利技术涉及数据分析领域,尤其涉及一种车辆行驶工况的识别方法及系统。
技术介绍
随着经济、科技的飞速发展与社会环保意识的不断增强,新能源汽车、车联网技术在国内外受到广泛热捧、应用以及大力推广。汽车用户行车中往往会担忧剩余的能量是否足够驱动车辆抵达目的地,其中以纯电动为主的新能源汽车用户的焦虑表现尤为突出。当前,新能源汽车、车联网技术这两大汽车技术研究领域方兴未艾,续驶里程估计更是备受研究人员关注,也是相关领域人员的研究热点。对于续驶里程的估计,通常会选择采用工况法或等速法,若是考虑估计的准确程度一般又以工况法为首选,例如,申请号为CN201310151533.5、CN201310237344.X和CN201510458873.1的专利文献均使用工况法估计续驶里程。显然,车辆行驶工况分类的合理性和识别待分类的车辆行驶工况的准确性,都会直接影响到续驶里程估计结果的准确程度。现有技术常使用模糊C均值方法聚类,其主要的考量是可直接根据聚类后所得到的聚类中心对待分类对象归类。但是,在聚类之前需要事先规定类别数,才能通过不断校正聚类中心完成聚类。由于车辆工况行驶的特征参数间的差异性并不容易分辨,因此最佳聚类的类别数难以直接由人工确定。此外,无量纲化处理通常会涉及样本各特征参数的均值、标准差、最大值、最小值等统计量,这也就要求具有较大数量的聚类样本,才能准确地进行无量纲化处理。而C均值聚类方法的聚类中心是由迭代方式得到的,当样本数量较大时,迭代的成本也就相对较高,并且还难以很好地收敛到最优解,而车辆工况行驶的特征参数种类多,必须对不同特征参数进行无量纲化处理才能够得到合理的聚类结果。因此,现有技术中常用的模糊C均值方法不适用于聚类车辆行驶工况,使用模糊C均值方法所得的聚类中心进行车辆行驶工况识别时,很难利用新辨识的片段对聚类中心进行有效更新。
技术实现思路
本专利技术所要解决的技术问题是:提供一种车辆行驶工况的识别方法及系统,提高车辆行驶工况的可辨识度。为了解决上述技术问题,本专利技术采用的技术方案为:本专利技术提供一种车辆行驶工况的识别方法,包括:S1、采集车辆行驶的速度、横滚角速度、俯仰角速度和偏航角速度;S2、根据所述车辆行驶的速度,得到怠速工况片段;S3、根据所述横滚角速度、俯仰角速度和偏航角速度计算车辆行驶的垂直加速度;S4、根据所述垂直加速度方向的变化情况,得到坡道工况片段;所述坡道工况片段包括上坡路段工况片段、下坡路段工况片段、平缓路段工况片段和坡道转变工况片段;S5、聚类预设的车辆行驶工况片段样本集合,得到最佳聚类结果;S6、根据所述最佳聚类结果识别所述怠速工况片段或所述坡道工况片段。本专利技术还提供一种车辆行驶工况的识别系统,包括:采集模块,用于采集车辆行驶的速度、横滚角速度、俯仰角速度和偏航角速度;获取模块,用于根据所述车辆行驶的速度,得到怠速工况片段;计算模块,用于根据所述横滚角速度、俯仰角速度和偏航角速度计算车辆行驶的垂直加速度;划分模块,用于根据所述垂直加速度方向的变化情况,得到坡道工况片段;所述坡道工况片段包括上坡路段工况片段、下坡路段工况片段、平缓路段工况片段和坡道转变工况片段;聚类模块,用于聚类预设的车辆行驶工况片段样本集合,得到最佳聚类结果;识别模块,用于根据所述最佳聚类结果识别所述怠速工况片段或所述坡道工况片段。本专利技术的有益效果在于:本专利技术通过在以怠速状态划分车辆行驶工况的基础上,根据垂直加速度判断坡道转变状态以划分不同的坡道路段,在工况片段划分更合理且精细的同时提高工况片段的可辨识度和工况类别的区分程度。附图说明图1为本专利技术提供的一种车辆行驶工况的识别方法的具体实施方式的流程框图;图2为本专利技术提供的一种车辆行驶工况的识别系统的具体实施方式的结构框图;图3为四种路段的示意图;图4为四种路段的组合示意图;标号说明:1、采集模块;2、获取模块;3、计算模块;4、划分模块;5、聚类模块;6、识别模块。具体实施方式为详细说明本专利技术的
技术实现思路
、所实现目的及效果,以下结合实施方式并配合附图予以说明。本专利技术最关键的构思在于:通过在以怠速状态划分车辆行驶工况的基础上,根据垂直加速度判断坡道转变状态以划分不同的坡道路段,在工况片段划分更合理且精细的同时提高工况片段的可辨识度,提高工况类别的区分程度。名词解释:如图1所示,本专利技术提供一种车辆行驶工况的识别方法,包括:S1、采集车辆行驶的速度、横滚角速度、俯仰角速度和偏航角速度;S2、根据所述车辆行驶的速度,得到怠速工况片段;S3、根据所述横滚角速度、俯仰角速度和偏航角速度计算车辆行驶的垂直加速度;S4、根据所述垂直加速度方向的变化情况,得到坡道工况片段;所述坡道工况片段包括上坡路段工况片段、下坡路段工况片段、平缓路段工况片段和坡道转变工况片段;S5、聚类预设的车辆行驶工况片段样本集合,得到最佳聚类结果;S6、根据所述最佳聚类结果识别所述怠速工况片段或所述坡道工况片段。进一步地,所述S2具体为:预设怠速阈值;当所述车辆行驶的速度由不小于所述怠速阈值转变为小于所述怠速阈值时,标记当前系统时间为怠速状态开始时刻;当所述车辆行驶的速度由不大于所述怠速阈值转变为大于所述怠速阈值时,标记当前系统时间为怠速状态结束时刻;根据所述怠速状态开始时刻至所述怠速状态结束时刻的车辆行驶工况生成所述怠速工况片段。进一步地,所述S6具体为:获取所述最佳聚类结果所包含的种类;计算预设的已分类工况片段样本集合中每一种类出现的概率,得到朴素贝叶斯分类器的先验概率;统计每一种类各特征参数的期望与方差,得到每一种类各特征参数对应的概率密度函数;提取所述怠速工况片段或所述坡道工况片段的特征参数;所述特征参数包括速度平均值、速度最大值、前进加速度平均值、前进加速度最大值、前进加速度标准差、垂直加速度平均值、垂直加速度标准差、加速时间、减速时间;根据所述待分类的工况片段的特征参数计算得到每一种类各特征参数对应的概率密度函数值;设置朴素贝叶斯分类器的似然度为每一种类各特征参数对应的概率密度函数值的乘积;朴素贝叶斯分类器根据所述先验概率和所述似然度计算得到每一种类的后验概率;设置所述待分类的工况片段的类别为最大后验概率对应的所述种类。由上述描述可知,提取所述坡道工况片段的特征参数,包括速度平均值、速度最大值、前进加速度平均值、前进加速度最大值、前进加速度标准差、垂直加速度平均值、垂直加速度标准差、加速时间和减速时间可反映路面颠簸状况,有利于提高工况片段识别结果的准确度。此外,朴素贝叶斯分类器具有计算简单、高效等特点,特征参数不再需要进行无量纲化的处理,提高了分类的效率;此外,朴素贝叶斯分类器参数的更新过程也易于实现,有利于提高分类的精确性。进一步地,还包括:添加所述待分类的工况片段及所述待分类的工况片段的类别至所述已分类工况片段样本集合,得到更新后的已分类工况片段样本集合;根据所述更新后的已分类工况片段样本集合更新所述朴素贝叶斯分类器的先验概率和每一种类各特征参数的概率密度函数。由上述描述可知,根据新获取的车辆行驶工况不断校正朴素贝叶斯分类器的参数,提高了识别车辆行驶工况的准确度。进一步地,所述S5具体为:根据预设的车辆行驶工况片段样本集合的特征参数构造特征参数矩阵;转换本文档来自技高网
...

【技术保护点】
1.一种车辆行驶工况的识别方法,其特征在于,包括:S1、采集车辆行驶的速度、横滚角速度、俯仰角速度和偏航角速度;S2、根据所述车辆行驶的速度,得到怠速工况片段;S3、根据所述横滚角速度、俯仰角速度和偏航角速度计算车辆行驶的垂直加速度;S4、根据所述垂直加速度方向的变化情况,得到坡道工况片段;所述坡道工况片段包括上坡路段工况片段、下坡路段工况片段、平缓路段工况片段和坡道转变工况片段;S5、聚类预设的车辆行驶工况片段样本集合,得到最佳聚类结果;S6、根据所述最佳聚类结果识别所述怠速工况片段或所述坡道工况片段。

【技术特征摘要】
1.一种车辆行驶工况的识别方法,其特征在于,包括:S1、采集车辆行驶的速度、横滚角速度、俯仰角速度和偏航角速度;S2、根据所述车辆行驶的速度,得到怠速工况片段;S3、根据所述横滚角速度、俯仰角速度和偏航角速度计算车辆行驶的垂直加速度;S4、根据所述垂直加速度方向的变化情况,得到坡道工况片段;所述坡道工况片段包括上坡路段工况片段、下坡路段工况片段、平缓路段工况片段和坡道转变工况片段;S5、聚类预设的车辆行驶工况片段样本集合,得到最佳聚类结果;S6、根据所述最佳聚类结果识别所述怠速工况片段或所述坡道工况片段。2.根据权利要求1所述的车辆行驶工况的识别方法,其特征在于,所述S2具体为:预设怠速阈值;当所述车辆行驶的速度由不小于所述怠速阈值转变为小于所述怠速阈值时,标记当前系统时间为怠速状态开始时刻;当所述车辆行驶的速度由不大于所述怠速阈值转变为大于所述怠速阈值时,标记当前系统时间为怠速状态结束时刻;根据所述怠速状态开始时刻至所述怠速状态结束时刻的车辆行驶工况生成所述怠速工况片段。3.根据权利要求1所述的车辆行驶工况的识别方法,其特征在于,所述S6具体为:获取所述最佳聚类结果所包含的种类;计算预设的已分类工况片段样本集合中每一种类出现的概率,得到朴素贝叶斯分类器的先验概率;统计每一种类各特征参数的期望与方差,得到每一种类各特征参数对应的概率密度函数;提取所述怠速工况片段或所述坡道工况片段的特征参数;所述特征参数包括速度平均值、速度最大值、前进加速度平均值、前进加速度最大值、前进加速度标准差、垂直加速度平均值、垂直加速度标准差、加速时间、减速时间;根据所述待分类的工况片段的特征参数计算得到每一种类各特征参数对应的概率密度函数值;设置朴素贝叶斯分类器的似然度为每一种类各特征参数对应的概率密度函数值的乘积;朴素贝叶斯分类器根据所述先验概率和所述似然度计算得到每一种类的后验概率;设置所述待分类的工况片段的类别为最大后验概率对应的所述种类。4.根据权利要求3所述的车辆行驶工况的识别方法,其特征在于,还包括:添加所述待分类的工况片段及所述待分类的工况片段的类别至所述已分类工况片段样本集合,得到更新后的已分类工况片段样本集合;根据所述更新后的已分类工况片段样本集合更新所述朴素贝叶斯分类器的先验概率和每一种类各特征参数的概率密度函数。5.根据权利要求1所述的车辆行驶工况的识别方法,其特征在于,所述S5具体为:根据预设的车辆行驶工况片段样本集合的特征参数构造特征参数矩阵;转换所述特征参数矩阵为模糊等价矩阵;根据不同的预设截断值得到聚类结果集合;计算所述聚类结果集合中各聚类结果的F统计量;根据所述F统计量,得到所述最佳聚类结果。6.根据权利要求5所述的车辆行驶工况的识别方法,其特征在于,根据所述F统计量,得到最佳聚类结果,具体为:计算所述聚类...

【专利技术属性】
技术研发人员:阮志毅洪志新
申请(专利权)人:厦门雅迅网络股份有限公司
类型:发明
国别省市:福建,35

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1