CN104156605A - 机动车状态综合评估体系的建立方法及装置 - Google Patents

Abstract

本发明公开了一种机动车状态综合评估体系的建立方法及装置，该方法包括：确定机动车各设定功能模块的运行状态指标；根据因子分析法提取所述运行状态指标的公共因子，以各公共因子为标准对所述运行状态指标进行分类，建立初步机动车状态综合评估指标体系；根据逐步回归分析对所述初步机动车状态综合评估指标体系中各公共因子所对应的运行状态指标进行筛选；根据筛选后的各公共因子所对应的运行状态指标建立机动车状态综合评估指标体系；从而能够对机动车整体状态做出合理评估。

Description

机动车状态综合评估体系的建立方法及装置

技术领域

本发明涉及机动车领域，特别是涉及一种机动车状态综合评估体系的建立方法及装置。

背景技术

随着人们对环境保护的重视，以清洁能源作为动力的机动车越来越受到人们的追捧，它们在节能减排方面具备燃油机动车不可比拟的优势，世界各国出台各项政策和措施鼓励新能源机动车及其相关产业的发展，使得新能源作为动力的机动车的普及程度不断提高。

目前，机动车状态评估分为单项指标评估和综合评估，单项评估是对机动车某个状态特征进行量化而得到考核值的过程，其评估结果即为指标值；综合评估是在分析单项指标的基础上，将机动车的多个特征量按属性合成一个有机的整体，其考核结果可以是机动车的状态综合指标或综合等级。

新能源作为动力的机动车的运营管理仍处于起步阶段，亟需建立这类机动车的运行状态综合评估指标体系，例如在现在技术中有电池管理系统能实时监测电动汽车动力电池的充放电过程、荷电状态等信息，但该系统仅能对电动汽车电池温度、一致性等进行实时监测，还不能对电动汽车的整体状态做出合理评估。

因此，如何解决对机动车整体状态做出合理评估，评估的全局性、整体性差的问题，是本领域的技术人员需要解决的技术问题。

发明内容

本发明的目的是提供一种机动车状态综合评估体系的建立方法，该方法能够完成对机动车整体状态做出合理的评估；本发明的另一目的是提供一种机动车状态综合评估体系的建立的装置。

为解决上述技术问题，本发明实施例提供如下技术方案：

一种机动车状态综合评估体系的建立方法，该方法包括：

确定机动车各设定功能模块的运行状态指标；

根据因子分析法提取所述运行状态指标的公共因子，以各公共因子为标准对所述运行状态指标进行分类，建立初步机动车状态综合评估指标体系；

根据逐步回归分析对所述初步机动车状态综合评估指标体系中各公共因子所对应的运行状态指标进行筛选；

根据筛选后的各公共因子所对应的运行状态指标建立机动车状态综合评估指标体系。

其中，所述根据因子分析法提取所述运行状态指标的公共因子的方法包括：将运行状态指标相关系数矩阵大于零的特征根值按从大到小的顺序排列，再选出前k个特征根，使得前k个特征根值之和与所有特征根值之和的比值需大于所设阈值，由此得到k个公共因子。

其中，所述以各公共因子为标准对所述运行状态指标进行分类的方法包括：

根据所述k个特征根的特征向量构建因子载荷矩阵；

确定各个运行状态指标在因子载荷矩阵中所对应的各公共因子的载荷值；

对于各运行状态指标，将运行状态归属到载荷值大于阈值所对应的公共因子分类中，一个公共因子对应一个分类。

其中，所述根据逐步回归分析对所述初步机动车状态综合评估指标体系中各公共因子所对应的运行状态指标进行筛选的方法包括：

a、利用多元线性回归模型以每个公共因子下的运动状态指标为自变量，每个公共因子为因变量，建立多元线性回归方程并计算各运行状态指标的贡献值；

b、以一个只含常数项的回归方程通过逐步引入和删除自变量项，所述自变量项的贡献值满足引入阈值，选取在筛选过程中贡献值满足筛选规则的自变量项引入回归方程，删除贡献值不满足筛选规则的自变量项。

其中，所述步骤a中，

多元线性回归方程建立公式为：

Y＝Xβ+e,e～N(0,σ²I)

其中多元线性回归方程系数的估计值为：

$\widehat{\mathrm{\β}}={\left(X^{T}X\right)}^{-1}{X}^{T}Y$

残差平方和为：

$\begin{array}{c}{\mathrm{SS}}_e=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(y_i-{\widehat{\mathrm{\β}}}_0-{\widehat{\mathrm{\β}}}_1{x}_{i1}-...-{\widehat{\mathrm{\β}}}_9{x}_{i9})}^2\\ =Y^{T}Y-{\widehat{\mathrm{\β}}}^T{X}^{T}Y\end{array}$

运行状态指标的贡献值的计算公式为：

$F_i=\frac{{\mathrm{SS}}_i-{\mathrm{SS}}_e}{{\mathrm{SS}}_e/(n-m-1)}$

其中，SS_i为第i项指标未引入前的残差平方和，SS_e为第i项指标引入后的残差平方和，m为第i项引入后回归方程中非常数项的项数，n为样本数。

其中，所述步骤b包括：

在所有未引入回归方程的项中找出F_i的最大项，如果当F_i>F_in时引入这一项；然后在所有已引入回归方程的项中找出F_i的最小项，如果F_i<F_out就删除这一项；直到方程内所有项都满足F_i>F_out，方程外所有项都满足F_i≤F_out为止；

其中，F_i为第i项指标的贡献值，F_in为引入阈值，F_out为删除阈值；

容许值水平界限Tol，在逐步回归过程中，每当引入一项，都要计算X^TX的行列式值D，若D<Tol及时其他条件满足，也不引入这一项。

其中，所述建立机动车状态综合评估指标体系的方法包括：

将所述机动车运行状态综合评估作为目标层；将所述k个公共因子组成项目层；将所述筛选后各公共因子所对应的运行状态指标组成指标层；将所述目标层、项目层和指标层组成机动车状态综合评估指标体系。

本发明实施例还提供一种机动车状态综合评估体系的建立装置，包括：

确定运行状态指标模块，用于确定机动车各设定功能模块的运行状态指标；

建立初步机动车状态综合评估指标体系模块，用于根据因子分析法提取所述运行状态指标的公共因子，以各公共因子为标准对所述运行状态指标进行分类，建立初步机动车状态综合评估指标体系；

逐步回归分析模块，用于根据逐步回归分析对所述初步机动车状态综合评估指标体系中各公共因子所对应的运行状态指标进行筛选；

建立机动车状态综合评估指标体系模块，用于根据筛选后的各公共因子所对应的运行状态指标建立机动车状态综合评估指标体系。

其中，所述建立初步机动车状态综合评估指标体系模块包括：

公共因子提取单元，用于对运行状态指标相关系数矩阵大于零的特征根值从大到小的顺序排列，再选出前k个特征根，使得前k个特征根值之和与所有特征根值之和的比值需大于所设阈值，由此得到k个公共因子；

运行状态指标分类单元，用于

根据所述k个特征根的特征向量构建因子载荷矩阵；

确定各个运行状态指标在因子载荷矩阵中所对应的各公共因子的载荷值；

对于各运行状态指标，将运行状态归属到载荷值大于阈值所对应的公共因子分类中，一个公共因子对应一个分类。

其中，所述逐步回归分析模块包括：

多元线性回归模型建立单元，用于以每个公共因子下的运动状态指标为自变量，每个公共因子为因变量，建立多元线性回归方程；

指标贡献值计算单元，用于根据公式计算指标的贡献大小；

其中，SS_i为第i项指标未引入前的残差平方和，SS_e为第i项指标引入后的残差平方和，m为第i项引入后回归方程中非常数项的项数，n为样本数；

筛选单元，用于根据筛选规则对每个公共因子下的运动状态指标进行筛选。

基于上述技术方案，本发明实施例所提供的机动车状态综合评估体系的建立方法及装置，确定机动车各设定功能模块的运行状态指标；根据因子分析法提取所述运行状态指标的公共因子，以各公共因子为标准对所述运行状态指标进行分类，建立初步机动车状态综合评估指标体系；根据逐步回归分析对所述初步机动车状态综合评估指标体系中各公共因子所对应的运行状态指标进行筛选；根据筛选后的各公共因子所对应的运行状态指标建立机动车状态综合评估指标体系；从而建立了机动车状态综合评估体系，根据机动车状态综合评估体系可以对机动车的状态做出客观、全面的综合评估，能够及时准确的得到机动车整体状况，提高了机动车检修的工作效率而且本发明的机动车状态综合评估体系通用性强，从而为机动车的检查和维护提供技术参考，对于机动车的推广具有重要的实际意义。

附图说明

为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的机动车状态综合评估体系的建立方法的流程图；

图2为本发明实施例提供的根据因子分析法提取所述运行状态指标的公共因子的方法流程图；

图3为本发明实施例提供的以各公共因子为标准对所述运行状态指标进行分类的方法流程图；

图4为本发明实施例提供的机动车状态综合评估体系的建立装置的结构框图；

图5为本发明实施例提供的确定运行状态指标模块的结构框图；

图6为本发明实施例提供的标准化处理单元的结构框图；

图7为本发明实施例提供的建立初步机动车状态综合评估指标体系模块的结构框图；

图8为本发明实施例提供的逐步回归分析模块的结构框图；

图9为本发明实施例提供的建立机动车状态综合评估指标体系模块的结构框图；

图10为本发明具体实施例中电动公交车状态综合评估体系图；

图11为本发明具体实施例中基于雷达图的电动公交车评估结果示意图。

具体实施方式

本发明的核心是提供一种机动车状态综合评估体系的建立方法,该方法能够完成对对机动车的状态做出客观、全面的综合评估；本发明的另一目的是提供一种机动车状态综合评估体系的建立的装置。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参考图1，图1为本发明实施例提供的机动车状态综合评估体系的建立方法的流程图，该方法可以包括：

步骤s100、确定机动车各设定功能模块的运行状态指标；

根据机动车的结构、功能设定各个功能模块，对各个功能模块选取能够全面、客观反映各个模块运行状态的指标。例如根据电动汽车结构、功能将电动汽车分为蓄电池、电动机和充电机3个主要功能模块，并按照各个功能模块选取例如充电电压偏差、充电频率偏差、能量损耗、放电效率、单位里程能耗、电池电压匹配系数、电机温度等运行状态指标。

步骤s110、根据因子分析法提取所述运行状态指标的公共因子，以各公共因子为标准对所述运行状态指标进行分类，建立初步机动车状态综合评估指标体系；

根据因子分析法提取所述运行状态指标的公共因子，本发明中各个公共因子实际对应的是机动车的各功能状态，各个公共因子之间相互独立，并且具备明确的物理意义，以各公共因子为标准对所述运行状态指标进行分类，建立初步机动车状态综合评估指标体系。

步骤s120、根据逐步回归分析对所述初步机动车状态综合评估指标体系中各公共因子所对应的运行状态指标进行筛选；

根据逐步回归分析对所述初步机动车状态综合评估指标体系中各公共因子所对应的运行状态指标进行筛选，选取符合规则的运行状态指标，去除不符合规则的运行状态指标。

步骤s130、根据筛选后的各公共因子所对应的运行状态指标建立机动车状态综合评估指标体系。

根据公共因子，以及筛选后的各公共因子所对应的运行状态指标，建立起机动车状态综合评估指标体系。

本发明实施例所提供的机动车状态综合评估体系的建立方法及装置，确定机动车各设定功能模块的运行状态指标；根据因子分析法提取所述运行状态指标的公共因子，以各公共因子为标准对所述运行状态指标进行分类，建立初步机动车状态综合评估指标体系；根据逐步回归分析对所述初步机动车状态综合评估指标体系中各公共因子所对应的运行状态指标进行筛选；根据筛选后的各公共因子所对应的运行状态指标建立机动车状态综合评估指标体系；从而建立了机动车状态综合评估体系，根据机动车状态综合评估体系可以对机动车的状态做出客观、全面的综合评估，能够及时准确的得到机动车整体状况，提高了机动车检修的工作效率而且本发明的机动车状态综合评估体系通用性强，从而为机动车的检查和维护提供技术参考，对于机动车的推广具有重要的实际意义。

可选的，在确定机动车各设定功能模块的运行状态指标后，可将所述运行状态指标进行标准化处理，消除不同量纲对评估结果的影响；标准化处理包括同趋化处理和归一化处理两步，同趋化处理将逆向指标，即越小越好型指标，转化为正向指标，即越大越好型指标，转化公式为：

$x_{\mathrm{ij}}^{\&prime;}=\frac{1}{x_{\mathrm{ij}}}$

其中，x_ij为第j个逆向指标的第i个样本值，i＝1，2，…，n。

归一化处理公式为：

$x_{\mathrm{ij}}^{*}=\frac{x_{\mathrm{ij}}-{\stackrel{\&OverBar;}{x}}_j}{\sqrt{S^2}},i=\mathrm{1,2},...,n;j=\mathrm{1,2},...,p$

其中，i为样本个数，j为运行状态指标个数；样本均值为样本方差为 $S^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(x_{\mathrm{ij}}-{\stackrel{\&OverBar;}{x}}_j)}^2.$

可选的，图2给出了本发明实施例提供的根据因子分析法提取所述运行状态指标的公共因子的方法流程图，参照图2，根据因子分析法提取所述运行状态指标的公共因子的方法可以包括:

步骤s200、将运行状态指标相关系数矩阵大于零的特征根值按从大到小的顺序排列，

步骤s210、选出前k个特征根，使得前k个特征根值之和与所有特征根值之和的比值需大于所设阈值；

可选的，此处的阈值根据机动车种类的不同具体设置，例如以电动汽车为例此处可设参考阈值为0.85。

步骤s220、得到k个公共因子。

本发明中各个公共因子实际对应的是机动车的功能状态，各公共因子间相互独立，且具备明确的物理意义。

可选的，图3给出了本发明实施例提供的以各公共因子为标准对所述运行状态指标进行分类的方法流程图，参照图3，以各公共因子为标准对所述运行状态指标进行分类的方法可以包括：

步骤s300、根据所述k个特征根的特征向量构建因子载荷矩阵；

可选的，将前k个特征根λ₁，λ₂，…，λ_k对应的特征向量单位化后得到e₁，e₂，…，e_k因子载荷矩阵A为

步骤s310、确定各个运行状态指标在因子载荷矩阵中所对应的各公共因子的载荷值；

可选的，因子f_i(i＝1，2，…，k)与变量x_j(j＝1,2，…，27)的关系为 $\left\{\begin{array}{c}{x}_1=a_{11}{f}_1+a_{12}{f}_2+...+a_{1k}{f}_k\\ x_2=a_2{f}_1+a_{22}{f}_2+...++a_{2k}{f}_k\\ ...\\ x_j=a_{j1}{f}_1+a_{j2}{f}_2+...{+}_4+a_{\mathrm{jk}}{f}_k\end{array}\right.$

其中f_i为第i个公共因子，x_j为第j个运行状态指标，a_ij为指标x_i在公共因子f_j的载荷。

步骤s320、对于各运行状态指标，将运行状态归属到载荷值大于阈值所对应的公共因子分类中，一个公共因子对应一个分类。

设置阈值C，当a_ij>C时x_i属于公共因子f_j；此处的阈值C可根据机动车种类的不同具体设置，例如以电动汽车为例此处可设参考阈值C为0.8。

可选的，根据逐步回归分析对所述初步机动车状态综合评估指标体系中各公共因子所对应的运行状态指标进行筛选的方法可以包括：

a、利用多元线性回归模型以每个公共因子下的运动状态指标为自变量，每个公共因子为因变量，建立多元线性回归方程并计算各运行状态指标的贡献值；

b、以一个只含常数项的回归方程通过逐步引入和删除自变量项，所述自变量项的贡献值满足引入阈值，选取在筛选过程中贡献值满足筛选规则的自变量项引入回归方程，删除贡献值不满足筛选规则的自变量项。

可选的，在上述步骤a中利用多元线性回归模型以每个公共因子下的运动状态指标为自变量，每个公共因子为因变量，建立多元线性回归方程可以为

y＝β₀+β₁x₁+…+β₉x₉+ε

其中，β₀，β₁，…，β₉是常数，ε～N(0，σ²)为误差的随机变量。

设公共因子下含有m项指标，n个样本数据，令

$X=\left[\begin{array}{cccc}1& x_{11}& ...& x_{1m}\\ 1& x_{21}& ...& x_{2m}\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ 1& x_{n1}& ...& x_{\mathrm{nm}}\end{array}\right]$

Y＝[y₁,y₂,…,y_n]^T

β＝[β₀,β₁,…,β₉]^T

e＝[ε₁,ε₂,…,ε_n]^T

则该公共因子下的回归数学模型还可表示为：

Y＝Xβ+e,e～N(0,σ²I)

多元线性回归方程系数的估计值为：

$\widehat{\mathrm{\&beta;}}={\left(X^{T}X\right)}^{-1}{X}^{T}Y$

残差平方和为：

$\begin{array}{c}{\mathrm{SS}}_e=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(y_i-{\widehat{\mathrm{\&beta;}}}_0-{\widehat{\mathrm{\&beta;}}}_1{x}_{i1}-...-{\widehat{\mathrm{\&beta;}}}_9{x}_{i9})}^2\\ =Y^{T}Y-{\widehat{\mathrm{\&beta;}}}^T{X}^{T}Y\end{array}$

运行状态指标的贡献值的计算公式为：

$F_i=\frac{{\mathrm{SS}}_i-{\mathrm{SS}}_e}{{\mathrm{SS}}_e/(n-m-1)}$

其中，SS_i为第i项指标未引入前的残差平方和，SS_e为第i项指标引入后的残差平方和，m为第i项引入后回归方程中非常数项的项数，n为样本数。

可选的，在上述步骤b中方法可以包括：

在所有未引入回归方程的项中计算出F_i的值，如果当F_i>F_in时引入这一项；然后在所有已引入回归方程的项中找出F_i的最小项，如果F_i<F_out就删除这一项；直到方程内所有项都满足F_i>F_out，方程外所有项都满足F_i≤F_out为止；

其中，F_i为第i项指标的贡献值，F_in为引入阈值，F_out为删除阈值；

容许值水平界限Tol，通常取Tol＝10^-2～10^-7，在逐步回归过程中，每当引入一项，都要计算X^TX的行列式值D，若D<Tol及时其他条件满足，也不引入这一项。

其中，以电动汽车为例则引入阈值F_in，删除阈值F_out，容许值水平界限Tol的参考取值分别为3.0,2.8,0.001。

可选的，建立机动车状态综合评估指标体系的方法包括：

将所述机动车运行状态综合评估作为目标层；将所述k个公共因子组成项目层；将所述筛选后各公共因子所对应的运行状态指标组成指标层；将所述目标层、项目层和指标层组成机动车状态综合评估指标体系。

可选的，在建立机动车状态综合评估指标体系后，可以选用例如雷达图法分别对电动汽车状态综合评估指标体系中项目层和目标层的指标进行评估，并由它们的评估结果综合评估电动汽车的状态。

基于上述技术方案，本发明实施例所提供的机动车状态综合评估体系的建立方法，确定机动车各设定功能模块的运行状态指标，在将运行状态指标进行标准化处理，消除不同量纲对评估结果的影响，标准化处理包括同趋化处理和归一化处理两步；根据因子分析法提取所述运行状态指标的公共因子，各公共因子间相互独立，且具备明确的物理意义，以各公共因子为标准对所述运行状态指标进行分类，建立初步机动车状态综合评估指标体系；根据逐步回归分析对所述初步机动车状态综合评估指标体系中各公共因子所对应的运行状态指标进行筛选；根据筛选后的各公共因子所对应的运行状态指标建立机动车状态综合评估指标体系；从而建立了机动车状态综合评估体系，根据机动车状态综合评估体系可以对机动车的状态做出客观、全面的综合评估，能够及时准确的得到机动车整体状况，提高了机动车检修的工作效率而且本发明的机动车状态综合评估体系通用性强，从而为机动车的检查和维护提供技术参考，对于机动车的推广具有重要的实际意义。

本发明实施例提供了机动车状态综合评估体系的建立方法，可以通过上述方法进行机动车状态综合评估。

下面对本发明实施例提供的机动车状态综合评估体系的建立装置进行介绍，下文描述的机动车状态综合评估体系的建立装置与上文描述的机动车状态综合评估体系的建立方法可相互对应参照。

图4为本发明实施例提供的机动车状态综合评估体系的建立装置的结构框图，参照图4机动车状态综合评估体系的建立装置可以包括：

确定运行状态指标模块100，用于确定机动车各设定功能模块的运行状态指标；

建立初步机动车状态综合评估指标体系模块200，用于根据因子分析法提取所述运行状态指标的公共因子，以各公共因子为标准对所述运行状态指标进行分类，建立初步机动车状态综合评估指标体系；

逐步回归分析模块300，用于根据逐步回归分析对所述初步机动车状态综合评估指标体系中各公共因子所对应的运行状态指标进行筛选；

建立机动车状态综合评估指标体系模块400，用于根据筛选后的各公共因子所对应的运行状态指标建立机动车状态综合评估指标体系。

可选的，图5示出了本发明实施例提供的确定运行状态指标模块100的结构框图，确定运行状态指标模块100可以包括：

标准化处理单元110，用于将运行状态指标进行标准化处理，消除不同量纲对评估结果的影响。

可选的，图6示出了本发明实施例提供的标准化处理单元110的结构框图，标准化处理单元110可以包括：

同趋化处理器120，用于处理将逆向指标，即越小越好型指标，转化为正向指标，即越大越好型指标，转化公式为：

$x_{\mathrm{ij}}^{\&prime;}=\frac{1}{x_{\mathrm{ij}}}$

其中，x_ij为第j个逆向指标的第i个样本值，i＝1，2，…，n；

归一化处理器130，用于利用公式进行归一化处理，

归一化处理公式为：

$x_{\mathrm{ij}}^{*}=\frac{x_{\mathrm{ij}}-{\stackrel{\&OverBar;}{x}}_j}{\sqrt{S^2}},i=\mathrm{1,2},...,n;j=\mathrm{1,2},...,p$

其中，i为样本个数，j为运行状态指标个数；样本均值为样本方差为 $S^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(x_{\mathrm{ij}}-{\stackrel{\&OverBar;}{x}}_j)}^2.$

可选的，图7示出了本发明实施例提供的建立初步机动车状态综合评估指标体系模200的结构框图，建立初步机动车状态综合评估指标体系模200的结构框图可以包括：

公共因子提取单元210，用于对运行状态指标相关系数矩阵大于零的特征根值从大到小的顺序排列，再选出前k个特征根，使得前k个特征根值之和与所有特征根值之和的比值需大于所设阈值，由此得到k个公共因子；

运行状态指标分类单元220，用于

根据所述k个特征根的特征向量构建因子载荷矩阵；

确定各个运行状态指标在因子载荷矩阵中所对应的各公共因子的载荷值；

对于各运行状态指标，将运行状态归属到载荷值大于阈值所对应的公共因子分类中，一个公共因子对应一个分类。

可选的，图8示出了本发明实施例提供的逐步回归分析模块300的结构框图，逐步回归分析模块300可以包括：

多元线性回归模型建立单元310，用于以每个公共因子下的运动状态指标为自变量，每个公共因子为因变量，建立多元线性回归方程；

指标贡献值计算单元320，用于根据公式计算指标的贡献大小；

其中，SS_i为第i项指标未引入前的残差平方和，SS_e为第i项指标引入后的残差平方和，m为第i项引入后回归方程中非常数项的项数，n为样本数；

筛选单元330，用于根据筛选规则对每个公共因子下的运动状态指标进行筛选。

可选的，图9示出了本发明实施例提供的建立机动车状态综合评估指标体系模块的结构框图400，建立机动车状态综合评估指标体系模块的结构框图400可以包括：

组成单元410，用于将所述k个公共因子组成项目层；将所述筛选后各公共因子所对应的运行状态指标组成指标层；将所述目标层、项目层和指标层组成机动车状态综合评估指标体系。

本发明实施例提供了机动车状态综合评估指标体系的建立装置，可以通过上述装置进行机动车状态综合评估。

在上述机动车状态综合评估指标体系的建立方法以及装置的描述中，可以完成对机动车综合状态的评估，为了方便理解、能够清楚说明本发明技术方案，在此仅仅以电动公交车为例进行说明，其他机动车也适用于此方法。举例说明如下：

以电动公交车状态综合评估体系建立为例，选取的运行状态指标具体包括：充电电压偏差、充电频率偏差、充电电压闪变、充电电压不平衡度、充电电压波动、充电功率因数、充电电流谐波、能量损耗、放电效率、单位里程能耗、放电深度、充放电次数、电池组容量、电池终止电压、持续放电时间、电池输出功率、自放电率、电池储存寿命、电池循环寿命系数、电池温度匹配系数、初始SOC匹配系数、电池电压匹配系数、电机温度、平均故障间隔里程、最高车速、行驶里程和过载系数，共计27项运行状态指标,构成运行状态指标向量X_1×27＝[x₁，x₂，…，x₂₇]^T；

根据某电动公交车站实际监测数据，得到样本数据相关系数矩阵的特征根值，其中大于0的12项，其特征根及贡献率为，

特征根及贡献率表

运行状态指标的前5个特征根值累计贡献率达到89.561％，大于设定的阈值85％，因此可将27项运行状态指标归结为f₁至f₅，5个公共因子，即电池组效率、电池组寿命、电池组充放电特性、单体电池一致性和电动汽车运行状态。

因子载荷载荷矩阵

每个运行状态指标中有且仅有一个公共因子对应的载荷值大于设定的定阈值C(C＝0.8)，由此可以完成状态指标的分类。

以公共因子f₃(电池组充放电特性)为例，该公共因子下有充电电压偏差、充电频率偏差、充电电压闪变、充电电压不平衡度、充电电压波动、充电功率因数、充电电流谐波、电池终止电压和持续放电时间9项运行状态指标，以该9项运行状态指标为自变量，分别对应变量d₁～d₉，电池组充放电特性为因变量，建立电池组充放电特性的多元线性回归的数学模型，由逐步回归分析将其中充电电压闪变、充电电压不平衡度和充电电压波动3项贡献小的运行状态指标剔除，同理，可分别对电池组效率、电池组寿命、单体电池一致性和电动汽车运行状态下的指标进行逐步回归分析，剔除了自放电率、电池储存寿命和电池输出功率共3项对评估贡献率小的运行状态指标。

由此建立了电动公交车状态综合评估体系，参照图10所示。该电动公交车状态综合评估体系包含指标层、项目层和目标层3各层次，其中指标层含有21项指标，目标层含有5项指标。

参照图11，基于雷达图的电动公交车评估结果示意图，所述方法包括：

1)采用分层结构的雷达图法对电动汽车状态进行综合评估，雷达图评估步骤如下。

a、结合改进AHP主观赋权和客观熵权法，计算各项指标的综合权重；

b、以圆心为起点，垂直向上引出第1条单位长度线段OA，将第1个指标权重转换为角度值，绘制第2条单位长度线段OB，同理绘制其余线段。

c、以圆心为起点，作每个扇形的角平分线，将各归一化指标作为角平分线的长度。

d、依次连接前述外围点形成雷达图，利用雷达图多边形总面积S和周长C，得到定量评估值。

e、根据项目层各项指标的评估值，由步骤a至d可得电动汽车状态综合评估结果，再根据不同等级的标准样本数据，确定待评估样本综合水平。

2)将评估等级分为优质、良好、合格和较差4级，各级评估结果的取值区间为，

评估等级表

本电池组效率状态为良好，电池组寿命、电动汽车运行状态、单体电池一致性状态为合格，而电池组充放电特性状态为较差，由此对电动汽车整体状态评估的结果为合格。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本发明所提供的机动车状态综合评估体系的建立方法以及装置进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种机动车状态综合评估体系的建立方法，其特征在于，该方法包括：

确定机动车各设定功能模块的运行状态指标；

根据因子分析法提取所述运行状态指标的公共因子，以各公共因子为标准对所述运行状态指标进行分类，建立初步机动车状态综合评估指标体系；

根据逐步回归分析对所述初步机动车状态综合评估指标体系中各公共因子所对应的运行状态指标进行筛选；

根据筛选后的各公共因子所对应的运行状态指标建立机动车状态综合评估指标体系。

2.如权利要求1所述的方法，其特征在于，所述根据因子分析法提取所述运行状态指标的公共因子的方法包括：将运行状态指标相关系数矩阵大于零的特征根值按从大到小的顺序排列，再选出前k个特征根，使得前k个特征根值之和与所有特征根值之和的比值需大于所设阈值，由此得到k个公共因子。

3.如权利要求2所述的方法，其特征在于，所述以各公共因子为标准对所述运行状态指标进行分类的方法包括：

根据所述k个特征根的特征向量构建因子载荷矩阵；

确定各个运行状态指标在因子载荷矩阵中所对应的各公共因子的载荷值；

对于各运行状态指标，将运行状态归属到载荷值大于阈值所对应的公共因子分类中，一个公共因子对应一个分类。

4.如权利要求1所述的方法，其特征在于，所述根据逐步回归分析对所述初步机动车状态综合评估指标体系中各公共因子所对应的运行状态指标进行筛选的方法包括：

a、利用多元线性回归模型以每个公共因子下的运动状态指标为自变量，每个公共因子为因变量，建立多元线性回归方程并计算各运行状态指标的贡献值；

b、以一个只含常数项的回归方程通过逐步引入和删除自变量项，所述自变量项的贡献值满足引入阈值，选取在筛选过程中贡献值满足筛选规则的自变量项引入回归方程，删除贡献值不满足筛选规则的自变量项。

5.如权利要求4所述的方法，其特征在于，所述步骤a中，

多元线性回归方程建立公式为：

Y＝Xβ+e,e～N(0,σ²I)

其中多元线性回归方程系数的估计值为：

$\widehat{\mathrm{\&beta;}}={\left(X^{T}X\right)}^{-1}{X}^{T}Y$

残差平方和为：

$\begin{array}{c}{\mathrm{SS}}_e=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{(y_i-{\widehat{\mathrm{\&beta;}}}_0-{\widehat{\mathrm{\&beta;}}}_1{x}_{i1}-...-{\widehat{\mathrm{\&beta;}}}_9{x}_{i9})}^2\\ =Y^{T}Y-{\widehat{\mathrm{\&beta;}}}^T{X}^{T}Y\end{array}$

运行状态指标的贡献值的计算公式为：

$F_i=\frac{{\mathrm{SS}}_i-{\mathrm{SS}}_e}{{\mathrm{SS}}_e/(n-m-1)}$

其中，SS_i为第i项指标未引入前的残差平方和，SS_e为第i项指标引入后的残差平方和，m为第i项引入后回归方程中非常数项的项数，n为样本数。

6.如权利要求4所述的方法，其特征在于，所述步骤b包括：

在所有未引入回归方程的项中找出F_i的最大项，如果当F_i>F_in时引入这一项；然后在所有已引入回归方程的项中找出F_i的最小项，如果F_i<F_out就删除这一项；直到方程内所有项都满足F_i>F_out，方程外所有项都满足F_i≤F_out为止；

其中，F_i为第i项指标的贡献值，F_in为引入阈值，F_out为删除阈值；

容许值水平界限Tol，在逐步回归过程中，每当引入一项，都要计算X^TX的行列式值D，若D<Tol及时其他条件满足，也不引入这一项。

7.如权利要求1所述的方法，其特征在于，所述建立机动车状态综合评估指标体系的方法包括：

将所述机动车运行状态综合评估作为目标层；将所述k个公共因子组成项目层；将所述筛选后各公共因子所对应的运行状态指标组成指标层；将所述目标层、项目层和指标层组成机动车状态综合评估指标体系。

8.一种机动车状态综合评估体系的建立装置，其特征在于，包括：

确定运行状态指标模块，用于确定机动车各设定功能模块的运行状态指标；

建立初步机动车状态综合评估指标体系模块，用于根据因子分析法提取所述运行状态指标的公共因子，以各公共因子为标准对所述运行状态指标进行分类，建立初步机动车状态综合评估指标体系；

逐步回归分析模块，用于根据逐步回归分析对所述初步机动车状态综合评估指标体系中各公共因子所对应的运行状态指标进行筛选；

建立机动车状态综合评估指标体系模块，用于根据筛选后的各公共因子所对应的运行状态指标建立机动车状态综合评估指标体系。

9.如权利要求8所述的机动车状态综合评估体系的建立装置，其特征在于，所述建立初步机动车状态综合评估指标体系模块包括：

公共因子提取单元，用于对运行状态指标相关系数矩阵大于零的特征根值从大到小的顺序排列，再选出前k个特征根，使得前k个特征根值之和与所有特征根值之和的比值需大于所设阈值，由此得到k个公共因子；

运行状态指标分类单元，用于

根据所述k个特征根的特征向量构建因子载荷矩阵；

确定各个运行状态指标在因子载荷矩阵中所对应的各公共因子的载荷值；

对于各运行状态指标，将运行状态归属到载荷值大于阈值所对应的公共因子分类中，一个公共因子对应一个分类。

10.如权利要求8所述的机动车状态综合评估体系的建立装置，其特征在于，所述逐步回归分析模块包括：

多元线性回归模型建立单元，用于以每个公共因子下的运动状态指标为自变量，每个公共因子为因变量，建立多元线性回归方程；

指标贡献值计算单元，用于根据公式计算指标的贡献大小；

其中，SS_i为第i项指标未引入前的残差平方和，SS_e为第i项指标引入后的残差平方和，m为第i项引入后回归方程中非常数项的项数，n为样本数；

筛选单元，用于根据筛选规则对每个公共因子下的运动状态指标进行筛选。