本发明专利技术公开了一种超速预测方法、装置、存储介质及电子装置。其中，该方法包括获取第一数据，对第一数据进行预处理，得到第二数据，其中，第二数据包括第一历史数据和第一实时数据；对第二数据进行特征提取，得到第一特征，其中，第一特征包括第一历史特征和第一实时特征；对第一历史特征进行样本划分，得到第一样本，其中，第一样本包括训练集；通过训练集对第一模型进行训练，得到目标模型；将第一实时特征输入到目标模型进行预测，得到预测结果，其中，预测结果用于确定目标车辆在第一时间段内是否存在电机超速行为。本发明专利技术解决了相关技术的无法结合车辆实时工况，提前对电机超速行为进行预测的技术问题。进行预测的技术问题。进行预测的技术问题。
Overspeed prediction method, device, storage medium and electronic device
【技术实现步骤摘要】
超速预测方法、装置、存储介质及电子装置
[0001]本专利技术涉及车辆
，具体而言，涉及一种超速预测方法、装置、存储介质及电子装置。
技术介绍
[0002]随着环境问题日益显著，新能源车辆的发展受到了广泛关注。驱动电机是新能源车辆的主要驱动部件，它能够将电能和机械能相互转化，为车辆提供充足的动力，电机的运行直接影响着车辆的运行。
[0003]在车辆行驶过程中，车辆负载短时间内降低、电机低压信号线插头松动等原因都可能导致电机出现超速故障，进而导致电机控制器的功率管被高压击穿而损坏。目前为了解决上述问题，会根据电机自身的物理特性，给电机定义一个超速阈值，从而判断电机是否超速，但该方法无法提前预测电机是否存在潜在的超速行为，不能为控制电机预留足够时间。
技术实现思路
[0004]本专利技术实施例提供了一种超速预测方法、装置、存储介质及电子装置，以至少解决相关技术的无法结合车辆实时工况，提前对电机超速行为进行预测的技术问题。
[0005]根据本专利技术其中一实施例，提供了一种超速预测方法，该方法包括：
[0006]获取第一数据，对第一数据进行预处理，得到第二数据，其中，第二数据包括第一历史数据和第一实时数据，第一历史数据为所有车辆历史行驶过程中的数据，第一实时数据为目标车辆当前行驶过程中的数据；对第二数据进行特征提取，得到第一特征，其中，第一特征包括第一历史特征和第一实时特征；对第一历史特征进行样本划分，得到第一样本，其中，第一样本包括训练集；通过训练集对第一模型进行训练，得到目标模型；将第一实时特征输入到目标模型进行预测，得到预测结果，其中，预测结果用于确定目标车辆在第一时间段内是否存在电机超速行为。
[0007]可选地，第一数据进行预处理，得到第二数据包括：对第一数据中的无效值进行处理，得到第三数据，其中，第一数据包括车辆的运转数据和状态数据，运转数据包括车辆的电机温度、电机转速、行驶速度和电机电流，状态数据包括车辆的充电状态、耗电状态、启动状态和熄火状态；根据偏移量对第三数据进行计算，得到第二数据。
[0008]可选地，对第二数据进行特征提取，得到第一特征包括：通过滑动窗口对第二数据进行特征提取，得到第二特征，其中，第二特征包括平均车速、平均行驶车速、正加速度平均值、负加速度平均值、速度方差、加速度方差、惯性方差、加速时间比例、减速时间比例、最大加速度、最小加速度、惯性最小值、惯性最大值、电机输出扭矩平均值和电机输出扭矩最大值；根据皮尔逊(Pearson)相关系数对第二特征进行特征相关性分析，得到第一特征。
[0009]可选地，第二特征包括多个特征变量，所述根据皮尔逊(Pearson)相关系数对第二特征进行特征相关性分析，得到第一特征包括：计算多个特征变量中任意两个特征变量的
第一皮尔逊相关系数；响应于第一皮尔逊相关系数的绝对值大于等于第一阈值，保留任意两个特征变量中的其中一个特征变量，得到第一特征。
[0010]可选地，对第一历史特征进行样本划分，得到第一样本包括：根据电机的超速阈值，从第一历史特征中选取电机的第一样本，其中，第一样本包括超速正样本和超速负样本。
[0011]可选地，通过训练集对第一模型进行训练，得到目标模型包括：根据轻度梯度提升机(LightGBM)算法建立第一模型，通过训练集对第一模型进行训练，得到目标模型。
[0012]可选地，第一样本还包括验证集，该方法还包括：通过目标模型对验证集进行验证。
[0013]根据本专利技术其中一实施例，还提供了一种超速预测装置，包括：
[0014]获取模块，获取模块用于获取第一数据，对第一数据进行预处理，得到第二数据，其中，第二数据包括第一历史数据和第一实时数据，第一历史数据为所有车辆历史行驶过程中的数据，第一实时数据为目标车辆当前行驶过程中的数据；特征模块，特征模块用于对第二数据进行特征提取，得到第一特征，其中，第一特征包括第一历史特征和第一实时特征；样本模块，样本模块用于对第一历史特征进行样本划分，得到第一样本，其中，第一样本包括训练集；训练模块，训练模块用于通过训练集对第一模型进行训练，得到目标模型；预测模块，预测模块用于将第一实时特征输入到目标模型进行预测，得到预测结果，其中，预测结果用于确定目标车辆在第一时间段内是否存在电机超速行为。
[0015]可选地，获取模块还用于对第一数据中的无效值进行处理，得到第三数据，其中，第一数据包括车辆的运转数据和状态数据，运转数据包括车辆的电机温度、电机转速、行驶速度和电机电流，状态数据包括车辆的充电状态、耗电状态、启动状态和熄火状态；根据偏移量对第三数据进行计算，得到第二数据。
[0016]可选地，特征模块还用于通过滑动窗口对第二数据进行特征提取，得到第二特征，其中，第二特征包括平均车速、平均行驶车速、正加速度平均值、负加速度平均值、速度方差、加速度方差、惯性方差、加速时间比例、减速时间比例、最大加速度、最小加速度、惯性最小值、惯性最大值、电机输出扭矩平均值和电机输出扭矩最大值；根据皮尔逊(Pearson)相关系数对第二特征进行特征相关性分析，得到第一特征。
[0017]可选地，第二特征包括多个特征变量，特征模块还用于计算多个特征变量中任意两个特征变量的第一皮尔逊相关系数；响应于第一皮尔逊相关系数的绝对值大于等于第一阈值，保留任意两个特征变量中的其中一个特征变量，得到第一特征。
[0018]可选地，样本模块还用于根据电机的超速阈值，从第一历史特征中选取电机的第一样本，其中，第一样本包括超速正样本和超速负样本。
[0019]可选地，训练模块还用于根据轻度梯度提升机(LightGBM)算法建立第一模型，通过训练集对第一模型进行训练，得到目标模型。
[0020]可选地，第一样本还包括验证集，预测模块还用于通过目标模型对验证集进行验证。
[0021]根据本专利技术其中一实施例，还提供了一种计算机可读存储介质，存储介质中存储有计算机程序，其中，计算机程序被设置为在计算机或处理器上运行时，执行上述任一项中的超速预测方法。
[0022]根据本专利技术其中一实施例，还提供了一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述任一项中的超速预测方法。
[0023]在本专利技术实施例中，通过获取车联网的历史数据和目标车辆的实时数据，对获取的数据进行预处理与特征提取，得到第一历史特征和第一实时特征，再对第一历史特征进行样本划分，得到包括训练集的第一样本，通过训练集对第一模型进行训练，得到目标模型，将第一实时特征输入到目标模型进行预测，即能够得到用于确定目标车辆在第一时间段内是否存在电机超速行为的预测结果。采用上述方法，通过对车联网的历史数据进行处理和训练，得到能够准确提前预测车辆电机是否存在超速行为的目标模型，再通过目标模型，以及对目标车辆的实时数据进行处理得到的实时特征，能够实现针对车辆的不同工况进行提前超速预测，从而为电机控制预留足够时间，减小了对电机及相关控制器本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种超速预测方法，其特征在于，所述方法包括：获取第一数据，对所述第一数据进行预处理，得到第二数据，其中，所述第二数据包括第一历史数据和第一实时数据，所述第一历史数据为所有车辆历史行驶过程中的数据，所述第一实时数据为目标车辆当前行驶过程中的数据；对所述第二数据进行特征提取，得到第一特征，其中，所述第一特征包括第一历史特征和第一实时特征；对所述第一历史特征进行样本划分，得到第一样本，其中，所述第一样本包括训练集；通过所述训练集对第一模型进行训练，得到目标模型；将所述第一实时特征输入到所述目标模型进行预测，得到预测结果，其中，所述预测结果用于确定所述目标车辆在第一时间段内是否存在电机超速行为。2.根据权利要求1所述的方法，其特征在于，所述对所述第一数据进行预处理，得到第二数据包括：对所述第一数据中的无效值进行处理，得到第三数据，其中，所述第一数据包括所述车辆的运转数据和状态数据，所述运转数据包括所述车辆的电机温度、电机转速、行驶速度和电机电流，所述状态数据包括所述车辆的充电状态、耗电状态、启动状态和熄火状态；根据偏移量对所述第三数据进行计算，得到第二数据。3.根据权利要求1或2所述的方法，其特征在于，所述对所述第二数据进行特征提取，得到第一特征包括：通过滑动窗口对所述第二数据进行特征提取，得到第二特征，其中，所述第二特征包括平均车速、平均行驶车速、正加速度平均值、负加速度平均值、速度方差、加速度方差、惯性方差、加速时间比例、减速时间比例、最大加速度、最小加速度、惯性最小值、惯性最大值、电机输出扭矩平均值和电机输出扭矩最大值；根据皮尔逊(Pearson)相关系数对所述第二特征进行特征相关性分析，得到第一特征。4.根据权利要求3所述的方法，其特征在于，所述第二特征包括多个特征变量，所述根据皮尔逊(Pearson)相关系数对所述第二特征进行特征相关性分析，得到第一特征包括：计算所述多个特征变量中任意两个特征变量的第一皮尔逊相关系数；响应于所述第一皮尔逊相关系数的绝对值大于等于第一阈值，保留...
【专利技术属性】
技术研发人员：彭凯，付振，刘相超，梁小明，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：
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。