【技术实现步骤摘要】
一种基于神经网络的车辆电控系统安全性分析方法和装置
本专利技术涉及车辆检测安全性分析领域，特别是一种基于神经网络的车辆电控系统安全性分析方法和装置。
技术介绍
新能源汽车在国内的发展较晚，根据行业发展的需要，科技部从“十五”开始，通过新能源汽车重大项目对新能源汽车的公告及出厂检测方法进行了持续支持，推动了我国新能源汽车相关检测技术的进步。目前关于新能源汽车的公告检测及出厂检测均已形成一个较为完整的检测流程及体系，并且也制定了相当多的行业标准。目前在新能源汽车整车及关键零部件通用性、安全性、互换性、技术条件及试验方法等标准方面，已经发布的新能源汽车标准项目42项(含电动摩托车6项)，其中国家标准35项，汽车行业标准7项。标准按照技术路线分包括纯新能源汽车11项，混合动力汽车6项，燃料电池汽车4项，电动摩托车6项，动力电池8项，电机及控制器2项，能源供给和充电相关5项。然而，目前针对新能源汽车的检测，需要对新能源汽车进行解体单独检测各个模块的功能及结构，如出厂检验需要对电池进行针刺、涉水、过充过热等试验，需要进行长时间的...
【技术保护点】
1.一种基于神经网络的车辆电控系统安全性分析方法，其特征在于，包括以下步骤：/nS1、获取车辆电控系统的历史工况数据和代表安全性的标签数据，得到训练集；/nS2、确定BP神经网络预测模型的拓扑结构，所述BP神经网络预测模型的拓扑结构包含输入层、隐藏层、输出层和softmax层，其中，所述输入层的各个节点对应于车辆电控系统的工况数据的不同种类，车辆电控系统安全性的判断结果经所述输出层和softmax层输出；/nS3、将所述训练集的数据输入所述BP神经网络预测模型进行训练，得到最终的模型参数，完成所述BP神经网络预测模型的建立；/nS4、将从待测电动车电控系统实时采集的工况数据...
【技术特征摘要】
1.一种基于神经网络的车辆电控系统安全性分析方法，其特征在于，包括以下步骤：
S1、获取车辆电控系统的历史工况数据和代表安全性的标签数据，得到训练集；
S2、确定BP神经网络预测模型的拓扑结构，所述BP神经网络预测模型的拓扑结构包含输入层、隐藏层、输出层和softmax层，其中，所述输入层的各个节点对应于车辆电控系统的工况数据的不同种类，车辆电控系统安全性的判断结果经所述输出层和softmax层输出；
S3、将所述训练集的数据输入所述BP神经网络预测模型进行训练，得到最终的模型参数，完成所述BP神经网络预测模型的建立；
S4、将从待测电动车电控系统实时采集的工况数据输入训练好的所述BP神经网络预测模型，通过所述BP神经网络预测模型对待测电动车电控系统进行安全性分析。
2.如权利要求1所述的基于神经网络的车辆电控系统安全性分析方法，其特征在于，所述BP神经网络预测模型的所述输入层的节点数为18个，所述隐藏层的节点数为3个，所述输出层的节点数为2个，所述输出层的2个节点通过softmax层转换成系统为安全或不安全的两种概率。
3.如权利要求1或2所述的基于神经网络的车辆电控系统安全性分析方法，其特征在于，步骤S3中，采用随机梯度下降法进行所述BP神经网络预测模型的训练。
4.如权利要求1至3任一项所述的基于神经网络的车辆电控系统安全性分析方法，其特征在于，步骤S3中，所述训练的过程包括：
初始化模型参数，所述模型参数包括所述输入层的18个节点和所述隐藏层的3个节点的权重和偏置，初始化方法为随机生成参数；
将所述训练集的工况数据和标签数据输入所述BP神经网络预测模型中，通过神经网络运算得到回归结果，并通过神经网络中的所述softmax层将回归结果转换成车辆电控系统安全与不安全的概率，选取概率大的作为当次训练结果，将当次训练结果与真实值进行比对得到误差，取误差对各对神经网络各层的参数求偏导数并将参数沿着偏导数的负梯度方向更新，通过不断地训练迭代直到误差小于设定误差阈值或者迭代次数大于设定值。
5.如权利要求1至4任一项所述的基于神经网络的车辆电控系统安全性分析方法，其特征在于，步骤S1中，采集的工况数据包括如下三类数据：第一类数据为车辆电控系统的控制器输出偏差及仪表的指示偏差，第二类数据为车辆电控系统的控制器通信数据，第三类数据为车辆电控系统的控制器响应数据；步骤S4中，将对车辆电控系统实时检测采集到的控制器显示偏差、仪表显...
【专利技术属性】
技术研发人员：李志恒，赵君豪，张凯，于海洋，
申请(专利权)人：清华大学深圳国际研究生院，
类型：发明
国别省市：广东;44
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。