CN103324123B - 基于嵌入式系统的车载数据预处理方法 - Google Patents
基于嵌入式系统的车载数据预处理方法 Download PDFInfo
- Publication number
- CN103324123B CN103324123B CN201310263600.2A CN201310263600A CN103324123B CN 103324123 B CN103324123 B CN 103324123B CN 201310263600 A CN201310263600 A CN 201310263600A CN 103324123 B CN103324123 B CN 103324123B
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- information
- embedded system
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
基于嵌入式系统的车载数据预处理方法,涉及汽车数据处理领域,体预处理步骤为:1)单片机接收CAN总线传输的车辆运行状态数据和GPS数据;2)将接收到的数据每K个分为一组,计算每一组数据的均值E和方差σ;3)在每组数据计算每个数据Si的△i=|Si-E|,式中Si代表传感器在某个时刻的测量值,△i代表测量值与均值间的距离;4)对每个数据进行处理,若△>th.σ,Si=E;当△≤th.σ,Si=Si。这里th是一个常数,表示方差的多少倍。本发明在CAN总线与数据中心之间增加了一个单片机,用于数据坏点预处理,可以有效的提高数据的准确性,增加车辆控制系统的可靠性。
Description
技术领域
本发明涉及一种汽车数据处理领域,特别是一种车载数据的预处理方法。
背景技术
基于车联网技术的车辆远程监控系统中,车载终端将车辆CAN总线数据(包括里程、速度、油门状态、刹车、发动机工况、转向、开关门、三维加速度等信息)和卫星导航数据(GPS)采集并上传给数据中心,数据中心通过分析这种海量数据实现车辆工况监测、车辆故障诊断与预警、能耗分析等功能,从而实现对车辆的远程智能化管理。
由于受到外界环境(突变的电、磁场或其它因素)的干扰以及测试仪器内部电子元器件突变的干扰,车载终端所提取到的数字信号往往存在突变,形成坏点(或称异常点)。这种坏点对后续的信号处理有着极大的影响,它会在一定程度上歪曲时序信号的特征,造成对后续分析结果的不准确判断。因此,对车载终端采集信号中出现的坏点数据必须予以重视,并采取有效的技术手段加以识别和剔除。
数据坏点的判别方法较多,如莱因达准则、格拉布斯准则、狄克逊准则、肖维勒准则等等。莱因达准则计算较为简便实用,对数据量大小没有限制,便于对大数量的数据进行处理。而格拉布斯准则、狄克逊准则、肖维勒准则等则由于涉及到相应的系数表,仅适用于数据量小的情况。
对于车辆的动态监测数据,由于其数据量庞大,采用莱因达准则较为合适。但由于莱因达准则运用的前提是要求数据为正态分布,而动态测试数据往往不会是标准的正态分布,因此直接利用莱茵达准则来剔除动态测试数据中的坏点的效果不太理想。
发明内容
本发明的目的就是提供一种基于嵌入式系统的车载数据预处理方法,它可以对大数据量的车辆状态信息进行坏点预处理,能有效消除坏点数据,提高信息的可靠性。
本发明的目的是通过这样的技术方案实现的,嵌入式系统包括有与CAN总线连接的单片机,单片机将处理后的信号发送至数据中心,具体预处理步骤如下:
1)单片机接收CAN总线传输的车辆运行状态数据和GPS数据;
2)将接收到的数据每K个分为一组,计算每一组数据的均值E和方差σ;
3)在每组数据计算每个数据Si的△i=|Si-E|,式中Si代表传感器在某个时刻的测量值,△i代表测量值与均值间的距离;
4)对每个数据进行处理,若△>th.σ,Si=E;当△≤th.σ,Si=Si,这里th是一个常数,表示方差的倍数;
进一步,所述单片机包括有GPS接收机、以太网接口和JTAG接口。
进一步,所述车辆运行状态数据包括有:里程信息、速度信息、油门状态信息、刹车信息、发动机工况信息、转向信息、开关门信息和三维加速度信息。
进一步,参数K的计算公式为:
式中,K0和K1是两个常数,K0=5,K1=2,SNR是信号的信噪比。
进一步,参数th的计算公式为:
式中,K3和K4是两个常数,k3=1.5,k4=2,SNR是信号的信噪比。
由于采用了上述技术方案,本发明具有如下的优点:
本发明在CAN总线与数据中心之间增加了一个单片机,用于数据坏点预处理,可以有效的提高数据的准确性,增加车辆控制系统的可靠性。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
本发明的附图说明如下。
图1为压强数据处理前后对比;
图2为速度数据处理前后对比;
图3为制动开关数据处理前后对比;
图4为嵌入式系统的硬件框图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
通过利用ARM/Linux嵌入式系统来实现数据质量清洗的效果。本预处理方法可同时对多个CAN总线数据进行处理,此处以车辆速度、制动踏板信号和燃料气瓶压强为例进行说明,具体情况如图1~图3所示。
由图1中的上图可见,燃料气瓶压强数据存在的零值坏点和起伏不大的波动坏点。由图1中的下图可见,经过清洗后,压强变化的趋势反映了客观的情况:用气过程压强在降低,加气过程压强突然增大。经过与加气量进行比较,利用清洗后的数据得到的值误差约为3%。
由图2中的上图可见,车辆速度数据主要存在起伏不大的波动坏点。由图2中的下图可见,经过清洗后,速度变化的趋势反映了客观的情况:制动过程中,利用速度数据得到的加速度应小于零,而加速过程,利用速度数据得到的加速度应小于零。经过与光电速度传感器测量值进行比较,利用清洗后的数据得到的值误差约为3.6%。
由图3中的上图可见,制动踏板的开关信号存在的零值坏点。由图3中的下图可见,经过清洗后,开关信号变化的趋势反映了客观的情况:制动过程,制动信号连续存在几个1值,非制动过程,制动信号连续存在几个0值。经过与实验观察统计制动结果进行比较,利用清洗后的数据得到的值误差约为5%。
为了实现在嵌入式系统下使用数据融合技术实现车辆CAN总线数据的预处理功能,以装有GPS模块、CAN总线模块的ARM/Linux嵌入式系统为基础平台,将数据预处理算法烧写到嵌入式系统中。试验系统的硬件平台,开发板外观如图4所示。试验平台通过多次车载试验,试验效果稳定可靠。
本研究根据数据的特性,提出了可同时对多个车辆CAN总线数据进行坏点处理的改进莱茵达准则,通过结合邻域均值滤波,得到了车辆CAN总线数据进行预处理的新算法。通过建立嵌入式系统来验证该算法。实验表明,利用该平台和预处理方法,可实现车辆CAN总线数据信号预处理,最大误差不高于5%。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.基于嵌入式系统的车载数据预处理方法,其特征在于,所述嵌入式系统包括有与CAN总线连接的单片机,单片机将处理后的信号发送至数据中心,具体预处理步骤如下:
1)单片机接收CAN总线传输的车辆运行状态数据和GPS数据;
2)将接收到的数据每K个分为一组,计算每一组数据的均值E和方差σ;
3)在每组数据计算每个数据Si的△i=|Si-E|,式中Si代表传感器在某个时刻的测量值,△i代表测量值与均值间的距离;
4)对每个数据进行处理,若△>th.σ,Si=E;当△≤th.σ,Si=Si,这里th是一个常数,表示方差的倍数;
参数K的计算公式为:
式中,K0和K1是两个常数,K0=5,K1=2,SNR是信号的信噪比;
参数th的计算公式为:
式中,K3和K4是两个常数,k3=1.5,k4=2,SNR是信号的信噪比。
2.如权利要求1所述的基于嵌入式系统的车载数据预处理方法,其特征在于:所述单片机包括有GPS接收机、以太网接口和JTAG接口。
3.如权利要求1所述的基于嵌入式系统的车载数据预处理方法,其特征在于,所述车辆运行状态数据包括有:里程信息、速度信息、油门状态信息、刹车信息、发动机工况信息、转向信息、开关门信息和三维加速度信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310263600.2A CN103324123B (zh) | 2013-06-27 | 2013-06-27 | 基于嵌入式系统的车载数据预处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310263600.2A CN103324123B (zh) | 2013-06-27 | 2013-06-27 | 基于嵌入式系统的车载数据预处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103324123A CN103324123A (zh) | 2013-09-25 |
CN103324123B true CN103324123B (zh) | 2015-04-29 |
Family
ID=49192936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310263600.2A Expired - Fee Related CN103324123B (zh) | 2013-06-27 | 2013-06-27 | 基于嵌入式系统的车载数据预处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103324123B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103558795A (zh) * | 2013-11-20 | 2014-02-05 | 江南大学 | 一种车辆运行数据融合采集装置 |
CN112287178B (zh) * | 2020-10-30 | 2023-11-17 | 腾讯科技(深圳)有限公司 | 数据清洗方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101043581A (zh) * | 2006-03-21 | 2007-09-26 | 中国科学院计算技术研究所 | 一种多模板混合滤波的图像去噪方法 |
CN101354793A (zh) * | 2008-09-10 | 2009-01-28 | 汕头超声仪器研究所 | 基于图形处理器的实时三维图像平滑处理方法 |
-
2013
- 2013-06-27 CN CN201310263600.2A patent/CN103324123B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101043581A (zh) * | 2006-03-21 | 2007-09-26 | 中国科学院计算技术研究所 | 一种多模板混合滤波的图像去噪方法 |
CN101354793A (zh) * | 2008-09-10 | 2009-01-28 | 汕头超声仪器研究所 | 基于图形处理器的实时三维图像平滑处理方法 |
Non-Patent Citations (1)
Title |
---|
测量数据处理过程中误差分析;何平;《电子测量技术》;19951231(第4期);第1页最后一段至第2页第4段以及第3页倒数第3段至第4页第3段 * |
Also Published As
Publication number | Publication date |
---|---|
CN103324123A (zh) | 2013-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106840097B (zh) | 一种基于自适应扩展卡尔曼滤波的道路坡度估计方法 | |
Andria et al. | Development of an automotive data acquisition platform for analysis of driving behavior | |
Capriglione et al. | On-line sensor fault detection, isolation, and accommodation in automotive engines | |
CN102167041A (zh) | 一种基于加速度传感器的车辆行驶状态的判定方法 | |
DE102016208048A1 (de) | Automobile, diagnosesysteme und verfahren zur erzeugung von diagnosedaten für automobile | |
WO2016086792A1 (zh) | 一种驾驶行为分析方法及设备 | |
CN110986938B (zh) | 颠簸道路识别方法、装置、及电子设备 | |
CN103544848A (zh) | 一种基于多车位地磁检测的车位状态判决方法和装置 | |
CN1787028A (zh) | 汽车故障自动检测系统及方法 | |
US8521341B2 (en) | Methods and systems for fault determination for aircraft | |
CN104809878A (zh) | 利用公交车gps数据检测城市道路交通异常状态的方法 | |
CN113183973B (zh) | 基于can网络的胎压监测与路面信息智能感知平台及方法 | |
CN109278755A (zh) | 车辆路面坡度计算方法及系统 | |
CN111140611A (zh) | 制动器摩擦片磨损预测方法、装置、车辆及存储介质 | |
CN113642242A (zh) | 一种基于数字孪生的智能公交车交通仿真平台 | |
KR101565030B1 (ko) | 데이터 분석을 이용한 자동차의 오류 판단 시스템 및 그 방법 | |
CN103324123B (zh) | 基于嵌入式系统的车载数据预处理方法 | |
CN105678021B (zh) | 车辆模型的参数确定方法及系统 | |
CN112070927A (zh) | 一种高速公路车辆微观驾驶行为分析系统与分析方法 | |
CN106339720A (zh) | 一种汽车发动机的失效检测方法 | |
CN109632343A (zh) | 一种二手车动静态性能检测分析系统 | |
CN113052196A (zh) | 一种基于贪心算法的汽车工况构建方法 | |
Namburu et al. | Systematic data-driven approach to real-time fault detection and diagnosis in automotive engines | |
CN113516798A (zh) | 一种调表车判断方法和装置 | |
CN109816736B (zh) | 车辆摄像头的自动标定方法、系统、车载控制设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150429 Termination date: 20160627 |