新能源车紧急断电方法及系统技术方案

本申请公开了一种新能源车紧急断电方法及系统，其获取待监控新能源车在预定时间段内多个预定时间点的发动机功率值，以及，所述预定时间段的车身振动信号；采用基于深度学习的人工智能技术，挖掘生成振动信号和车身振动信号的高维局部振动隐含模式特征，以获取生成振动信号和车身振动信号的振动特征在高维特征空间中的特征分布差异，并基于差异确认是否产生紧急断电警示信号。这样，可以提高对于新能源车是否进行紧急断电的判断的准确性，以避免影响汽车的正常运转。影响汽车的正常运转。影响汽车的正常运转。

【技术实现步骤摘要】
新能源车紧急断电方法及系统


[0001]本申请涉及智能化控制
，且更为具体地，涉及一种新能源车紧急断电方法及系统。

技术介绍

[0002]新能源车在行驶过程中出现重大故障或紧急事故时，往往采用紧急断电的方式来强制停止车辆电机的运转。市面上大多数新能源车实现这一目的的做法是安装紧急断电开关来手动控制当前时间点是否需要开启紧急断电。
[0003]但在实际运行过程中，由路面工况不佳等原因而引起的车辆振动易造成紧急断电开关自动提起造成电源断开，导致汽车不能正常运转，严重者会产生重大的安全事故。
[0004]因此，期待一种优化的新能源车紧急断电方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种新能源车紧急断电方法及系统，其获取待监控新能源车在预定时间段内多个预定时间点的发动机功率值，以及，所述预定时间段的车身振动信号；采用基于深度学习的人工智能技术，挖掘生成振动信号和车身振动信号的高维局部振动隐含模式特征，以获取生成振动信号和车身振动信号的振动特征在高维特征空间中的特征分布本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新能源车紧急断电方法，其特征在于，包括：获取待监控新能源车在预定时间段内多个预定时间点的发动机功率值和所述预定时间段的车身振动信号；将所述多个预定时间点的发动机功率值按照时间维度排列为功率输入向量后通过多尺度邻域特征提取模块以得到功率特征向量；将所述功率特征向量通过基于对抗生成网络的振动生成器以得到生成振动信号；将所述生成振动信号和所述车身振动信号通过包含第一图像编码器和第二图像编码器的孪生网络模型以得到生成振动特征向量和检测振动特征向量，所述第一图像编码器和所述第二图像编码器具有相同的网络结构；计算所述生成振动特征向量和所述检测振动特征向量之间的差分特征向量；对所述差分特征向量进行特征分布结构优化以得到优化后差分特征向量；以及将所述优化后差分特征向量通过分类器以得到分类结果，所述分类结果用于表示是否产生紧急断电警示信号。2.根据权利要求1所述的新能源车紧急断电方法，其特征在于，所述多尺度邻域特征提取模块包括并行的第一卷积层和第二卷积层，以及，与所述第一卷积层和所述第二卷积层级联的多尺度融合层，其中，所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核。3.根据权利要求2所述的新能源车紧急断电方法，其特征在于，所述将所述多个预定时间点的发动机功率值按照时间维度排列为功率输入向量后通过多尺度邻域特征提取模块以得到功率特征向量，包括：使用所述多尺度邻域特征提取模块的第一卷积层以如下公式对所述功率输入向量进行一维卷积编码以得到第一尺度功率特征向量；其中，所述公式为：其中，a为第一一维卷积核在x方向上的宽度、F(a)为第一一维卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为第一一维卷积核的尺寸，X表示所述功率输入向量；使用所述多尺度邻域特征提取模块的第二卷积层以如下公式对所述功率输入向量进行一维卷积编码以得到第二尺度功率特征向量；其中，所述公式为：其中，b为第二一维卷积核在x方向上的宽度、F(b)为第二一维卷积核参数向量、G(x
‑
b)为与卷积核函数运算的局部向量矩阵，m为第二一维卷积核的尺寸，X表示所述功率；以及使用所述多尺度邻域特征提取模块的多尺度融合层对所述第一尺度功率特征向量和所述第二尺度功率特征向量进行级联以得到所述功率特征向量。
4.根据权利要求3所述的新能源车紧急断电方法，其特征在于，所述对抗生成网络包括鉴别器和生成器，所述生成器包括多个反卷积层。5.根据权利要求4所述的新能源车紧急断电方法，其特征在于，所述第一图像编码器和所述第二图像编码器为作为过滤器的卷积神经网络模型。6.根据权利要求5所述的新能源车紧急断电方法，其特征在于，所述计算所述生成振动特征向量和所述检测振动特征向量之间的差分特征向量，包括：使用以下公式计算所述生成振动特征向量和所述检测振...

【专利技术属性】
技术研发人员：任江华，唐波千，刘小龙，何浩，
申请(专利权)人：重庆赛力斯新能源汽车设计院有限公司，
类型：发明
国别省市：