CN107544290A - 一种新能源汽车性能评估分析和优化系统及方法 - Google Patents
一种新能源汽车性能评估分析和优化系统及方法 Download PDFInfo
- Publication number
- CN107544290A CN107544290A CN201711012350.XA CN201711012350A CN107544290A CN 107544290 A CN107544290 A CN 107544290A CN 201711012350 A CN201711012350 A CN 201711012350A CN 107544290 A CN107544290 A CN 107544290A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- model
- optimization
- subsystem
- 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.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开了一种新能源汽车性能评估分析和优化系统及方法,所述系统包括车辆数据采集子系统、数据预处理子系统、数据分析和诊断子系统、模型建立与校正子系统、车辆性能自动评估子系统、车辆性能报告生成子系统、以及整车优化子系统。本发明基于车辆数据挖掘,根据车辆特征码对车辆数据进行分类、整理、存储,根据合理数据进行统计、分析、诊断和评估,根据实车数据分析结果建立并校正车辆相关模型,通过实车测试数据与仿真数据的对比进行控制策略的优化,最终将优化后的控制策略通过监控网络下载到车辆终端。本发明具有兼容性好、数据校验能力强、针对性强、直观性好、可自动生成分析报告、可根据实际使用情况优化整车性能等优点。
Description
技术领域
本发明涉及新能源汽车技术领域,尤其涉及一种新能源汽车性能评估分析和优化系统及方法。
背景技术
随着新能源汽车行业的不断发展,新能源汽车产业和市场日益扩大。随着市场的不断扩大,各种产品良莠不齐,为了维持健康的市场生态以及新能源汽车技术的高速发展,国家在2017年对新能源汽车行业提出了最高车速、节油率、续航里程,爬坡能力等更细致的标准,并制定了更加长远和明确的目标。这迫使新能源行业的整车厂和零部件生产企业急需提高自身产品的市场竞争力,通过更有效的优化技术手段、优化方法提高产品的性能。面对这种形势,目前急需一种高效的整车系统性能评估和系统优化的手段与方法。
发明内容
为了解决现有技术中存在的上述问题,本发明提出一种新能源汽车性能评估分析和优化系统及方法,以实现对多种新能源车汽车的整车性能评估及系统优化。
为实现以上目的,本发明采用如下技术方案:
一种新能源汽车性能评估分析和优化系统,包括:
车辆数据采集子系统,用于采集车载网络上的数据,并传送至数据预处理子系统;
数据预处理子系统,用于根据车辆特征码加载对应协议对采集的数据进行识别,并根据预设算法规则对采集的数据进行智能提取、时间轴统一转换和数据分类存储;
数据分析和诊断子系统,用于根据车辆特征码加载数据库中对应的车辆动力学模型参数,检查采集的数据是否正确以及车辆是否处于正常状态;
模型建立与校正子系统,用于根据采集的正确数据对车辆动力学模型进行参数校正、建立并校正驾驶员行为习惯模型和实际道路模型;
车辆性能自动评估子系统,用于根据采集的正确数据及车辆动力学公式计算实车运行状态,并根据校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真,结合实车测试结果和仿真测试结果,评估车辆的性能;
车辆性能报告生成子系统,用于对数据库中的车辆数据进行统计分析,结合校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型,生成车辆性能评估报告、驾驶员行为习惯报告和道路情况分析报告;
整车优化子系统,用于对车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真和参数优化,并将优化后的控制方法下载到车载终端。
优选地,所述数据预处理子系统包括:
交互单元,用于供使用者上传数据文件并输入车辆特征码;
匹配单元,用于根据所述车辆特征码进行匹配,加载对应的协议进行解析,提取数据文件内的信息,包括车速,动力电池的电压、电流、温度,驱动电机的转速、转矩、温度,驱动电机控制器的输入电压、电流、温度,油门、制动踏板开度,方向盘角度和倾角传感器数值;
处理单元,用于采用插值算法将数据变量进行时间轴统一操作,并根据车辆特征码识别车辆类型,将其数据存入对应的数据库模板中。
优选地,所述数据分析和诊断子系统包括:
检查单元,用于根据输入的车辆特征码加载数据库中对应的车辆动力学模型参数,对车辆的动力电池电压、电流范围,电机和电机控制器的输入与输出范围进行检查;
验证单元,用于使用动力学公式代入模型参数计算车速与车辆扭矩的变化是否处于正常范围,验证采集的数据是否正确或车辆是否处于正常状态;
判断单元,用于对正确数据进行存储,并通过长期数据统计计算出车辆平均换挡时间、同步时间和电机调试时间,判断车辆零部件是否处于性能良好状态。
优选地,所述模型建立与校正子系统包括:
车辆动力学模型建立与校正单元,用于利用车辆特征码匹配预存的车辆动力学模型,并根据采集的正确的实际车速与实际扭矩的动力学公式换算关系,确立实际的车辆动力学模型;
驾驶员行为习惯模型和实际道路模型建立与校正单元,用于根据实际采集的车速、油门踏板开度、刹车踏板开度、方向盘转向机传感器角度、车载倾角传感器角度获得驾驶员行为习惯和车辆实际运行状态,建立并校正驾驶员行为习惯模型和实际道路模型。
优选地,所述车辆性能自动评估子系统包括:
实车计算单元,用于从采集的数据中提取车辆的扭矩、转速、车速、单体电池电压、电池放电电流、扭矩请求响应时间和换挡时间,运用车辆动力学公式计算实车运行状态,得到实车测试结果;
仿真单元,用于结合已校正的车辆动力学模型、驾驶员行为习惯模型和实际道路模型在采集的道路上进行仿真,得到仿真测试结果;
对比单元,用于对比实车测试结果和仿真测试结果,评估车辆的加速、爬坡、续驶里程和最高车速性能,以及通过车辆在数据库中长期存储的数据,以时间单位进行横向对比,发现该车辆的性能变化趋势。
优选地,所述车辆性能报告生成子系统包括:
校正报告生成单元,用于通过用户界面上的报告输出命令,将校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型以表格、文档或网页文件的形式输出;
评估报告生成单元,用于根据校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型结合车辆动力学仿真软件进行系统仿真,将仿真后的数据进行自动解析,提取关键性能指标,根据预设格式或用户自定义模板生成车辆性能评估报告,所述车辆性能评估报告中包括各项关键性能指标和各项历史车辆数据处理后所绘制的直观图形,所述关键性能指标包括油耗、电耗、节油率和最大爬坡角度,所述直观图形包括饼图、双曲线图、直方图和散点图。
优选地,所述整车优化子系统包括:
优化单元,用于采用线性单纯型算法、序列二次规划法、最速下降法和遗传算法中的任意一种对车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真和参数优化,建立系统参数最优解以及优化控制方法;
下载单元,用于将优化后的控制方法通过远程监控网络或本地物理连接下载到车载终端,使优化后的控制方法更新到实际车辆上。
一种新能源汽车性能评估分析和优化方法,包括以下步骤:
S1、采集车载网络上的数据,并传送至数据预处理子系统;
S2、根据车辆特征码加载对应协议对采集的数据进行识别,并根据预设算法规则对采集的数据进行智能提取、时间轴统一转换和数据分类存储;
S3、根据车辆特征码加载数据库中对应的车辆动力学模型参数,检查采集的数据是否正确以及车辆是否处于正常状态;
S4、根据采集的正确数据对车辆动力学模型进行参数校正、建立并校正驾驶员行为习惯模型和实际道路模型;
S5、根据采集的正确数据及车辆动力学公式计算实车运行状态,并根据校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真,结合实车测试结果和仿真测试结果,评估车辆的性能;
S6、对数据库中的车辆数据进行统计分析,结合校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型,生成车辆性能评估报告、驾驶员行为习惯报告和道路情况分析报告;
S7、对车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真和参数优化,并将优化后的控制方法下载到车载终端。
优选地,所述步骤S2包括:
上传数据文件并输入车辆特征码;
根据所述车辆特征码进行匹配,加载对应的协议进行解析,提取数据文件内的信息,包括车速,动力电池的电压、电流、温度,驱动电机的转速、转矩、温度,驱动电机控制器的输入电压、电流、温度,油门、制动踏板开度,方向盘角度和倾角传感器数值;
采用插值算法将数据变量进行时间轴统一操作,并根据车辆特征码识别车辆类型,将其数据存入对应的数据库模板中。
优选地,所述步骤S3包括:
根据输入的车辆特征码加载数据库中对应的车辆动力学模型参数,对车辆的动力电池电压、电流范围,电机和电机控制器的输入与输出范围进行检查;
使用动力学公式代入模型参数计算车速与车辆扭矩的变化是否处于正常范围,验证采集的数据是否正确或车辆是否处于正常状态;
对正确数据进行存储,并通过长期数据统计计算出车辆平均换挡时间、同步时间和电机调试时间,判断车辆零部件是否处于性能良好状态。
优选地,所述步骤S4包括:
利用车辆特征码匹配预存的车辆动力学模型,并根据采集的正确的实际车速与实际扭矩的动力学公式换算关系,确立实际的车辆动力学模型;
根据实际采集的车速、油门踏板开度、刹车踏板开度、方向盘转向机传感器角度、车载倾角传感器角度获得驾驶员行为习惯和车辆实际运行状态,建立并校正驾驶员行为习惯模型和实际道路模型。
优选地,所述步骤S5包括:
从采集的数据中提取车辆的扭矩、转速、车速、单体电池电压、电池放电电流、扭矩请求响应时间和换挡时间,运用车辆动力学公式计算实车运行状态,得到实车测试结果;
结合已校正的车辆动力学模型、驾驶员行为习惯模型和实际道路模型在采集的道路上进行仿真,得到仿真测试结果;
对比实车测试结果和仿真测试结果,评估车辆的加速、爬坡、续驶里程和最高车速性能,以及通过车辆在数据库中长期存储的数据,以时间单位进行横向对比,发现该车辆的性能变化趋势。
优选地,所述步骤S6包括:
通过用户界面上的报告输出命令,将校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型以表格、文档或网页文件的形式输出;
根据校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型结合车辆动力学仿真软件进行系统仿真,将仿真后的数据进行自动解析,提取关键性能指标,根据预设格式或用户自定义模板生成车辆性能评估报告,所述车辆性能评估报告中包括各项关键性能指标和各项历史车辆数据处理后所绘制的直观图形,所述关键性能指标包括油耗、电耗、节油率和最大爬坡角度,所述直观图形包括饼图、双曲线图、直方图和散点图。
优选地,所述步骤S7包括:
采用线性单纯型算法、序列二次规划法、最速下降法和遗传算法中的任意一种对车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真和参数优化,建立系统参数最优解以及优化控制方法;
将优化后的控制方法通过远程监控网络或本地物理连接下载到车载终端,使优化后的控制方法更新到实际车辆上。
本发明提供了一种基于数据挖掘的、能够针对使用环境和使用习惯的新能源汽车性能评估分析和优化系统及方法,具有以下优点:
兼容性好:系统兼容多种现有的主流的新能源车辆的数据文件记录格式,可针对数据格式的不同自动应用不同数据处理算法。
具有数据效验能力:因为系统中建立了车辆基本模型数据库,可以针对车辆的特征码,调用相应的车辆模型对数据文件进行效验和诊断,可保证数据文件的正确性。
针对性强:因为系统的优化方向和目标是根据实际采集的车辆数据和校正过的实车模型、道路模型和驾驶员模型得出的,所以该系统的优化具有特别强的个体针对性,可以完成有针对性的优化策略。
直观性好:系统可根据数据库中存储的历史数据,以图形及关键数值点的形式展现出来,使研发人员可以借此了解车辆实际运行时在哪个环节未达到预期,以及未达到理想结果的原因,以协助研发人员对我们的产品进行针对性的改进与改良。
可自动生成数据分析报告:用户可以根据需要,利用数据库中校正后的车辆模型,驾驶员模型,道路模型,自动生成对应的性能评估和分析报告。
可以根据实际使用情况优化整车性能:基于大量实车采集的车辆行驶情况和使用状态,建立针对的道路模型和驾驶员习惯模型,从而可以对驾驶员的使用习惯和道路状态进行整车策略的调整,并通过控制策略更新的方式优化实车的性能。
附图说明
图1是本发明实施例提供的一种新能源汽车性能评估分析和优化系统的结构示意图;
图2是本发明实施例提供的一种新能源汽车性能评估分析和优化方法的流程图;
图3是依照本发明方法实施例的一种具体实施流程图;
图4是本发明实施例中数据预处理的一种具体实施流程图;
图5是本发明实施例中数据分析和诊断的一种具体实施流程图;
图6是本发明实施例中模型建立与校正的一种具体实施流程图;
图7是本发明实施例中车辆性能自动评估的一种具体实施流程图;
图8是本发明实施例中整车优化的一种具体实施流程图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
本发明首先提供了一种新能源汽车性能评估分析和优化系统,如图1所示,新能源汽车性能评估分析和优化系统100包括:
车辆数据采集子系统101,用于采集车载网络上的数据,并传送至数据预处理子系统;
数据预处理子系统102,用于根据车辆特征码加载对应协议对采集的数据进行识别,并根据预设算法规则对采集的数据进行智能提取、时间轴统一转换和数据分类存储;
数据分析和诊断子系统103,用于根据车辆特征码加载数据库中对应的车辆动力学模型参数,检查采集的数据是否正确以及车辆是否处于正常状态;
模型建立与校正子系统104,用于根据采集的正确数据对车辆动力学模型进行参数校正、建立并校正驾驶员行为习惯模型和实际道路模型;
车辆性能自动评估子系统105,用于根据采集的正确数据及车辆动力学公式计算实车运行状态,并根据校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真,结合实车测试结果和仿真测试结果,评估车辆的性能;
车辆性能报告生成子系统106,用于对数据库中的车辆数据进行统计分析,结合校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型,生成车辆性能评估报告、驾驶员行为习惯报告和道路情况分析报告;
整车优化子系统107,用于对车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真和参数优化,并将优化后的控制方法下载到车载终端。
在本发明中,用户可以使用多种采集工具采集车载CAN网络上的数据信息,并根据协议上传进行数据的预处理。系统根据用户预输入车辆信息将用户上传的车辆数据分类、整理、存储,根据合理数据进行统计、分析、诊断和评估,根据实车数据分析结果建立并校正车辆相关模型,通过实车测试数据与仿真数据的对比进行控制方法的优化,最终将优化后的控制方法通过监控网络下载到车辆终端,通过CAN网络对车辆的控制方法和软件进行更新,实现针对个体车况的性能评估和针对驾驶员使用习惯及路况的整车系统优化。
优选地,车辆数据采集子系统101可以使用户通过多种采集工具采集车载CAN网络上的数据信息,通过本地连接或车载监控网络上传至数据预处理子系统102。具体地,系统可导入多种类型的整车控制器数据记录文件,自动适配多种格式,导入后系统可自动判断用户上传的为何种类型的数据文件,并在用户界面中提示用户,并根据所上传格式选择下一步的处理方式。
优选地,数据预处理子系统102包括:
交互单元,用于供使用者上传数据文件并输入车辆特征码;
匹配单元,用于根据所述车辆特征码进行匹配,加载对应的协议进行解析,提取数据文件内的信息,包括车速,动力电池的电压、电流、温度,驱动电机的转速、转矩、温度,驱动电机控制器的输入电压、电流、温度,油门、制动踏板开度,方向盘角度和倾角传感器数值;
处理单元,用于采用插值算法将数据变量进行时间轴统一操作,并根据车辆特征码识别车辆类型,将其数据存入对应的数据库模板中。
数据预处理子系统具有数据校验功能,因为系统中建立了车辆基本模型数据库,因此针对车辆唯一对应的车辆特征码,可以调用相应的车辆模型对数据文件进行效验和诊断,剔除不合理数据,保留正确数据。
具体地,根据用户上传的数据记录文件中的数据格式的不同,使用正则表达式匹配,对用户上传的数据文件中的内容进行统一转换,并将数据的时间轴进行线性插值,保证各数据的时间轴对齐,并将数据预存储在系统的临时工作空间中,以加快在后期调用时的速度。此外,系统可以根据数据库中车辆配置表去描述车辆模型,按照描述的规则调用车辆数据。
优选地,数据分析和诊断子系统103包括:
检查单元,用于根据输入的车辆特征码加载数据库中对应的车辆动力学模型参数,对车辆的动力电池电压、电流范围,电机和电机控制器的输入与输出范围进行检查;
验证单元,用于使用动力学公式代入模型参数计算车速与车辆扭矩的变化是否处于正常范围,验证采集的数据是否正确或车辆是否处于正常状态;
判断单元,用于对正确数据进行存储,并通过长期数据统计计算出车辆平均换挡时间、同步时间和电机调试时间,判断车辆零部件是否处于性能良好状态。
具体地,数据分析和诊断子系统根据上传车辆数据中的车辆特征码加载数据库中对应的车辆模型参数,对车辆的电池电压电流范围,电机、电机控制器输入与输出状态,车速与扭矩的变化情况,检查上传车辆数据的对应值是否正确或车辆是否处于正常状态,若上传的车辆数据异常,则在系统界面上进行警告,只有在获得用户许可的情况下,车辆数据才会被存入系统的数据库中,车辆详细信息以二进制文件的方式保存在数据库目标计算机中,等待数据库调用。
数据分析和诊断子系统不仅能够进行测试数据的校验,还能够根据实测的车辆数据检验车辆的测试数据是否处于正常范围内,从而检测当前车辆是否正常工作。此外,通过对长期的统计数据进行分析,能够判断出车辆零部件的性能变化情况,对整车性能做出诊断评估。
优选地,模型建立与校正子系统104包括:
车辆动力学模型建立与校正单元,用于利用车辆特征码匹配预存的车辆动力学模型,并根据采集的正确的实际车速与实际扭矩的动力学公式换算关系,确立实际的车辆动力学模型;
驾驶员行为习惯模型和实际道路模型建立与校正单元,用于根据实际采集的车速、油门踏板开度、刹车踏板开度、方向盘转向机传感器角度、车载倾角传感器角度获得驾驶员行为习惯和车辆实际运行状态,建立并校正驾驶员行为习惯模型和实际道路模型。
优选地,车辆性能自动评估子系统105包括:
实车计算单元,用于从采集的数据中提取车辆的扭矩、转速、车速、单体电池电压、电池放电电流、扭矩请求响应时间和换挡时间,运用车辆动力学公式计算实车运行状态,得到实车测试结果;
仿真单元,用于结合已校正的车辆动力学模型、驾驶员行为习惯模型和实际道路模型在采集的道路上进行仿真,得到仿真测试结果;
对比单元,用于对比实车测试结果和仿真测试结果,评估车辆的加速、爬坡、续驶里程和最高车速性能,以及通过车辆在数据库中长期存储的数据,以时间单位进行横向对比,发现该车辆的性能变化趋势。
本发明根据数据库中存储的车辆数据文件进行自动解析,通过动力学公式计算车辆运动状态,综合车辆动力仿真学仿真软件的结果,进行横向对比,通过对数据库中该车的长期数据的统计,进行纵向对比,生成车辆某性能的变化趋势数据,并可以在用户端以清晰的图形及关键数值点的形式展现出来。
此外,还可以对不同车辆差异的数据进行横向对比,找出不同零部件之间的性能差异点,为系统匹配提供数据支持。
优选地,车辆性能报告生成子系统106包括:
校正报告生成单元,用于通过用户界面上的报告输出命令,将校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型以表格、文档或网页文件的形式输出;
评估报告生成单元,用于根据校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型结合车辆动力学仿真软件进行系统仿真,将仿真后的数据进行自动解析,提取关键性能指标,根据预设格式或用户自定义模板生成车辆性能评估报告,所述车辆性能评估报告中包括各项关键性能指标和各项历史车辆数据处理后所绘制的直观图形,所述关键性能指标包括油耗、电耗、节油率和最大爬坡角度,所述直观图形包括饼图、双曲线图、直方图和散点图。
优选地,整车优化子系统107包括:
优化单元,用于采用线性单纯型算法、序列二次规划法、最速下降法和遗传算法中的任意一种对车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真和参数优化,建立系统参数最优解以及优化控制方法;
下载单元,用于将优化后的控制方法通过远程监控网络或本地物理连接下载到车载终端,使优化后的控制方法更新到实际车辆上。
具体地,本发明能够针对大量积累的数据进行统计,进行驾驶员行为的概率分析,建立对应驾驶员的行为习惯模型,进行实际道路路谱的曲线拟合,建立实际道路模型,针对校正过的车辆动力学模型进行整车系统的优化,采用线性单纯型算法、序列二次规划法、最速下降法和遗传算法,根据优化对象和优化的不同目标和阶段,选择不同的优化方法,运用批处理文件执行车辆仿真软件,探索系统参数的最优解,优化控制方法,达到整车系统的经济性与动力性平衡。之后系统将优化后的参数保存,通过网络传输的方式将优化后的参数和控制方法下载更新到实际车辆上,以实现针对个体车辆的系统优化。
相应地,本发明还提供了一种新能源汽车性能评估分析和优化方法,如图2-3所示,所述方法包括以下步骤:
S1、采集车载网络上的数据,并传送至数据预处理子系统;
S2、根据车辆特征码加载对应协议对采集的数据进行识别,并根据预设算法规则对采集的数据进行智能提取、时间轴统一转换和数据分类存储;
S3、根据车辆特征码加载数据库中对应的车辆动力学模型参数,检查采集的数据是否正确以及车辆是否处于正常状态;
S4、根据采集的正确数据对车辆动力学模型进行参数校正、建立并校正驾驶员行为习惯模型和实际道路模型;
S5、根据采集的正确数据及车辆动力学公式计算实车运行状态,并根据校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真,结合实车测试结果和仿真测试结果,评估车辆的性能;
S6、对数据库中的车辆数据进行统计分析,结合校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型,生成车辆性能评估报告、驾驶员行为习惯报告和道路情况分析报告;
S7、对车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真和参数优化,并将优化后的控制方法下载到车载终端。
依照本发明方法的一种具体实施方式如图3所示,使用多种采集工具采集车载CAN网络上的数据信息,并根据协议上传进行数据的预处理。系统根据用户预输入车辆信息将用户上传的车辆数据分类、整理、存储,根据合理数据进行统计、分析、诊断和评估,根据实车数据分析结果建立并校正车辆相关模型,通过实车测试数据与仿真数据的对比进行控制方法的优化,最终将优化后的控制方法通过监控网络下载到车辆终端,通过车载CAN网络对车辆的控制方法和软件进行更新,实现针对个体车况的性能评估和针对驾驶员使用习惯及路况的整车系统优化。
优选地,步骤S2包括:
上传数据文件并输入车辆特征码;
根据所述车辆特征码进行匹配,加载对应的协议进行解析,提取数据文件内的信息,包括车速,动力电池的电压、电流、温度,驱动电机的转速、转矩、温度,驱动电机控制器的输入电压、电流、温度,油门、制动踏板开度,方向盘角度和倾角传感器数值;
采用插值算法将数据变量进行时间轴统一操作,并根据车辆特征码识别车辆类型,将其数据存入对应的数据库模板中。
图4是本发明实施例中数据预处理的一种具体实施流程图,读取数据文件后判断数据文件的类型并提取数据文件内信息,调用差值算法对数据变量进行时间轴统一操作,统一命名,之后保存数据变量至临时空间。
数据预处理过程针对车辆唯一对应的车辆特征码,调用相应的车辆模型对数据文件进行效验和诊断,剔除不合理数据,保留正确数据,确保数据文件的准确性。
优选地,步骤S3包括:
根据输入的车辆特征码加载数据库中对应的车辆动力学模型参数,对车辆的动力电池电压、电流范围,电机和电机控制器的输入与输出范围进行检查;
使用动力学公式代入模型参数计算车速与车辆扭矩的变化是否处于正常范围,验证采集的数据是否正确或车辆是否处于正常状态;
对正确数据进行存储,并通过长期数据统计计算出车辆平均换挡时间、同步时间和电机调试时间,判断车辆零部件是否处于性能良好状态。
图5是本发明实施例中数据分析和诊断的一种具体实施流程图,提取临时空间内的车辆特征码,根据车辆特征码匹配相应的车辆模型,之后加载动力电池数据库、电机控制器数据库、电机数据库和变速箱数据库,判定与之相关的数据是否在正常范围内,对于正确合理的数据保存为二进制文件,保存至数据库中,用于诊断车辆状态及车辆零部件性能。
优选地,步骤S4包括:
利用车辆特征码匹配预存的车辆动力学模型,并根据采集的正确的实际车速与实际扭矩的动力学公式换算关系,确立实际的车辆动力学模型;
根据实际采集的车速、油门踏板开度、刹车踏板开度、方向盘转向机传感器角度、车载倾角传感器角度获得驾驶员行为习惯和车辆实际运行状态,建立并校正驾驶员行为习惯模型和实际道路模型。
图6是本发明实施例中模型建立与校正的一种具体实施流程图,根据车辆特征码匹配车辆模型和加载车辆数据库后,根据实测数据并结合车辆动力学公式建立并完善车辆相关模型,包括车辆动力学模型、实际道路模型和驾驶员行为习惯模型等。
优选地,步骤S5包括:
从采集的数据中提取车辆的扭矩、转速、车速、单体电池电压、电池放电电流、扭矩请求响应时间和换挡时间,运用车辆动力学公式计算实车运行状态,得到实车测试结果;
结合已校正的车辆动力学模型、驾驶员行为习惯模型和实际道路模型在采集的道路上进行仿真,得到仿真测试结果;
对比实车测试结果和仿真测试结果,评估车辆的加速、爬坡、续驶里程和最高车速性能,以及通过车辆在数据库中长期存储的数据,以时间单位进行横向对比,发现该车辆的性能变化趋势。
图7是本发明实施例中车辆性能自动评估的一种具体实施流程图,加载校正后的车辆相关模型,调用车辆动力学仿真软件,运行制定的测试用例,之后通过对比实车测试数据和仿真测试数据,生成性能评估结果。
优选地,步骤S6包括:
通过用户界面上的报告输出命令,将校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型以表格、文档或网页文件的形式输出;
根据校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型结合车辆动力学仿真软件进行系统仿真,将仿真后的数据进行自动解析,提取关键性能指标,根据预设格式或用户自定义模板生成车辆性能评估报告,所述车辆性能评估报告中包括各项关键性能指标和各项历史车辆数据处理后所绘制的直观图形,所述关键性能指标包括油耗、电耗、节油率和最大爬坡角度,所述直观图形包括饼图、双曲线图、直方图和散点图。
在本发明中,用户可以根据需要,利用数据库中校正后的车辆模型,驾驶员模型,道路模型等,自动生成对应的性能评估和分析报告。
优选地,步骤S7包括:
采用线性单纯型算法、序列二次规划法、最速下降法和遗传算法中的任意一种对车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真和参数优化,建立系统参数最优解以及优化控制方法;
将优化后的控制方法通过远程监控网络或本地物理连接下载到车载终端,使优化后的控制方法更新到实际车辆上。
图8是本发明实施例中整车优化的一种具体实施流程图,根据校正后的车辆相关模型进行仿真和优化,对控制策略进行调整,包括对换挡执行机构控制策略参数调整,对能量回收策略参数调整,对扭矩请求斜率参数调整,之后从实际道路模型库中提取典型道路,从驾驶员行为习惯模型库中提取典型行为习惯模型,分析优化对象属于何种系统,应用对应的优化模型。通过运用批处理文件执行车辆动力学仿真,以获取系统的最优解,最后通过车载CAN网络下发整车,更新控制方法。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
本发明不限于上述实施方式,本领域技术人员所做出的对上述实施方式任何显而易见的改进或变更,都不会超出本发明的构思和所附权利要求的保护范围。
Claims (10)
1.一种新能源汽车性能评估分析和优化系统,其特征在于,包括:
车辆数据采集子系统,用于采集车载网络上的数据,并传送至数据预处理子系统;
数据预处理子系统,用于根据车辆特征码加载对应协议对采集的数据进行识别,并根据预设算法规则对采集的数据进行智能提取、时间轴统一转换和数据分类存储;
数据分析和诊断子系统,用于根据车辆特征码加载数据库中对应的车辆动力学模型参数,检查采集的数据是否正确以及车辆是否处于正常状态;
模型建立与校正子系统,用于根据采集的正确数据对车辆动力学模型进行参数校正、建立并校正驾驶员行为习惯模型和实际道路模型;
车辆性能自动评估子系统,用于根据采集的正确数据及车辆动力学公式计算实车运行状态,并根据校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真,结合实车测试结果和仿真测试结果,评估车辆的性能;
车辆性能报告生成子系统,用于对数据库中的车辆数据进行统计分析,结合校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型,生成车辆性能评估报告、驾驶员行为习惯报告和道路情况分析报告;
整车优化子系统,用于对车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真和参数优化,并将优化后的控制方法下载到车载终端。
2.根据权利要求1所述的新能源汽车性能评估分析和优化系统,其特征在于,所述数据预处理子系统包括:
交互单元,用于供使用者上传数据文件并输入车辆特征码;
匹配单元,用于根据所述车辆特征码进行匹配,加载对应的协议进行解析,提取数据文件内的信息,包括车速,动力电池的电压、电流、温度,驱动电机的转速、转矩、温度,驱动电机控制器的输入电压、电流、温度,油门、制动踏板开度,方向盘角度和倾角传感器数值;
处理单元,用于采用插值算法将数据变量进行时间轴统一操作,并根据车辆特征码识别车辆类型,将其数据存入对应的数据库模板中。
3.根据权利要求1所述的新能源汽车性能评估分析和优化系统,其特征在于,所述数据分析和诊断子系统包括:
检查单元,用于根据输入的车辆特征码加载数据库中对应的车辆动力学模型参数,对车辆的动力电池电压、电流范围,电机和电机控制器的输入与输出范围进行检查;
验证单元,用于使用动力学公式代入模型参数计算车速与车辆扭矩的变化是否处于正常范围,验证采集的数据是否正确或车辆是否处于正常状态;
判断单元,用于对正确数据进行存储,并通过长期数据统计计算出车辆平均换挡时间、同步时间和电机调试时间,判断车辆零部件是否处于性能良好状态。
4.根据权利要求1所述的新能源汽车性能评估分析和优化系统,其特征在于,所述模型建立与校正子系统包括:
车辆动力学模型建立与校正单元,用于利用车辆特征码匹配预存的车辆动力学模型,并根据采集的正确的实际车速与实际扭矩的动力学公式换算关系,确立实际的车辆动力学模型;
驾驶员行为习惯模型和实际道路模型建立与校正单元,用于根据实际采集的车速、油门踏板开度、刹车踏板开度、方向盘转向机传感器角度、车载倾角传感器角度获得驾驶员行为习惯和车辆实际运行状态,建立并校正驾驶员行为习惯模型和实际道路模型。
5.根据权利要求1所述的新能源汽车性能评估分析和优化系统,其特征在于,所述车辆性能自动评估子系统包括:
实车计算单元,用于从采集的数据中提取车辆的扭矩、转速、车速、单体电池电压、电池放电电流、扭矩请求响应时间和换挡时间,运用车辆动力学公式计算实车运行状态,得到实车测试结果;
仿真单元,用于结合已校正的车辆动力学模型、驾驶员行为习惯模型和实际道路模型在采集的道路上进行仿真,得到仿真测试结果;
对比单元,用于对比实车测试结果和仿真测试结果,评估车辆的加速、爬坡、续驶里程和最高车速性能,以及通过车辆在数据库中长期存储的数据,以时间单位进行横向对比,发现该车辆的性能变化趋势。
6.根据权利要求1所述的新能源汽车性能评估分析和优化系统,其特征在于,所述车辆性能报告生成子系统包括:
校正报告生成单元,用于通过用户界面上的报告输出命令,将校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型以表格、文档或网页文件的形式输出;
评估报告生成单元,用于根据校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型结合车辆动力学仿真软件进行系统仿真,将仿真后的数据进行自动解析,提取关键性能指标,根据预设格式或用户自定义模板生成车辆性能评估报告,所述车辆性能评估报告中包括各项关键性能指标和各项历史车辆数据处理后所绘制的直观图形,所述关键性能指标包括油耗、电耗、节油率和最大爬坡角度,所述直观图形包括饼图、双曲线图、直方图和散点图。
7.根据权利要求1所述的新能源汽车性能评估分析和优化系统,其特征在于,所述整车优化子系统包括:
优化单元,用于采用线性单纯型算法、序列二次规划法、最速下降法和遗传算法中的任意一种对车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真和参数优化,建立系统参数最优解以及优化控制方法;
下载单元,用于将优化后的控制方法通过远程监控网络或本地物理连接下载到车载终端,使优化后的控制方法更新到实际车辆上。
8.一种新能源汽车性能评估分析和优化方法,其特征在于,包括以下步骤:
S1、采集车载网络上的数据,并传送至数据预处理子系统;
S2、根据车辆特征码加载对应协议对采集的数据进行识别,并根据预设算法规则对采集的数据进行智能提取、时间轴统一转换和数据分类存储;
S3、根据车辆特征码加载数据库中对应的车辆动力学模型参数,检查采集的数据是否正确以及车辆是否处于正常状态;
S4、根据采集的正确数据对车辆动力学模型进行参数校正、建立并校正驾驶员行为习惯模型和实际道路模型;
S5、根据采集的正确数据及车辆动力学公式计算实车运行状态,并根据校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真,结合实车测试结果和仿真测试结果,评估车辆的性能;
S6、对数据库中的车辆数据进行统计分析,结合校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型,生成车辆性能评估报告、驾驶员行为习惯报告和道路情况分析报告;
S7、对车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真和参数优化,并将优化后的控制方法下载到车载终端。
9.根据权利要求8所述的新能源汽车性能评估分析和优化方法,其特征在于,所述步骤S2包括:
上传数据文件并输入车辆特征码;
根据所述车辆特征码进行匹配,加载对应的协议进行解析,提取数据文件内的信息,包括车速,动力电池的电压、电流、温度,驱动电机的转速、转矩、温度,驱动电机控制器的输入电压、电流、温度,油门、制动踏板开度,方向盘角度和倾角传感器数值;
采用插值算法将数据变量进行时间轴统一操作,并根据车辆特征码识别车辆类型,将其数据存入对应的数据库模板中。
10.根据权利要求8所述的新能源汽车性能评估分析和优化方法,其特征在于,所述步骤S3包括:
根据输入的车辆特征码加载数据库中对应的车辆动力学模型参数,对车辆的动力电池电压、电流范围,电机和电机控制器的输入与输出范围进行检查;
使用动力学公式代入模型参数计算车速与车辆扭矩的变化是否处于正常范围,验证采集的数据是否正确或车辆是否处于正常状态;
对正确数据进行存储,并通过长期数据统计计算出车辆平均换挡时间、同步时间和电机调试时间,判断车辆零部件是否处于性能良好状态;
所述步骤S4包括:
利用车辆特征码匹配预存的车辆动力学模型,并根据采集的正确的实际车速与实际扭矩的动力学公式换算关系,确立实际的车辆动力学模型;
根据实际采集的车速、油门踏板开度、刹车踏板开度、方向盘转向机传感器角度、车载倾角传感器角度获得驾驶员行为习惯和车辆实际运行状态,建立并校正驾驶员行为习惯模型和实际道路模型;
所述步骤S5包括:
从采集的数据中提取车辆的扭矩、转速、车速、单体电池电压、电池放电电流、扭矩请求响应时间和换挡时间,运用车辆动力学公式计算实车运行状态,得到实车测试结果;
结合已校正的车辆动力学模型、驾驶员行为习惯模型和实际道路模型在采集的道路上进行仿真,得到仿真测试结果;
对比实车测试结果和仿真测试结果,评估车辆的加速、爬坡、续驶里程和最高车速性能,以及通过车辆在数据库中长期存储的数据,以时间单位进行横向对比,发现该车辆的性能变化趋势;
所述步骤S6包括:
通过用户界面上的报告输出命令,将校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型以表格、文档或网页文件的形式输出;
根据校正后的车辆动力学模型、驾驶员行为习惯模型和实际道路模型结合车辆动力学仿真软件进行系统仿真,将仿真后的数据进行自动解析,提取关键性能指标,根据预设格式或用户自定义模板生成车辆性能评估报告,所述车辆性能评估报告中包括各项关键性能指标和各项历史车辆数据处理后所绘制的直观图形,所述关键性能指标包括油耗、电耗、节油率和最大爬坡角度,所述直观图形包括饼图、双曲线图、直方图和散点图;
所述步骤S7包括:
采用线性单纯型算法、序列二次规划法、最速下降法和遗传算法中的任意一种对车辆动力学模型、驾驶员行为习惯模型和实际道路模型进行仿真和参数优化,建立系统参数最优解以及优化控制方法;
将优化后的控制方法通过远程监控网络或本地物理连接下载到车载终端,使优化后的控制方法更新到实际车辆上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711012350.XA CN107544290B (zh) | 2017-10-26 | 2017-10-26 | 一种新能源汽车性能评估分析和优化系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711012350.XA CN107544290B (zh) | 2017-10-26 | 2017-10-26 | 一种新能源汽车性能评估分析和优化系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107544290A true CN107544290A (zh) | 2018-01-05 |
CN107544290B CN107544290B (zh) | 2021-06-29 |
Family
ID=60967253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711012350.XA Active CN107544290B (zh) | 2017-10-26 | 2017-10-26 | 一种新能源汽车性能评估分析和优化系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107544290B (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427417A (zh) * | 2018-03-30 | 2018-08-21 | 北京图森未来科技有限公司 | 自动驾驶控制系统及方法、计算机服务器和自动驾驶车辆 |
CN108490914A (zh) * | 2018-03-23 | 2018-09-04 | 武汉康慧然信息技术咨询有限公司 | 新能源汽车中控系统安全检验方法 |
CN108829825A (zh) * | 2018-06-14 | 2018-11-16 | 苏州途驰安电子科技有限公司 | 一种车辆数据获取自动适配方法及装置 |
CN108959231A (zh) * | 2018-07-26 | 2018-12-07 | 南京越博动力系统股份有限公司 | 一种基于可配置模型的纯电动汽车仿真报告生成方法及装置 |
CN109435955A (zh) * | 2018-10-22 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 一种自动驾驶系统性能评估方法、装置、设备及存储介质 |
CN109684614A (zh) * | 2018-11-30 | 2019-04-26 | 南京越博动力系统股份有限公司 | 一种车辆性能仿真报告自动生成系统及其生成方法 |
CN109948878A (zh) * | 2018-12-14 | 2019-06-28 | 中国汽车技术研究中心有限公司 | 基于油门-负荷变化趋势分析的车辆动力评估方法及系统 |
CN110084454A (zh) * | 2018-01-26 | 2019-08-02 | 罗伯特·博世有限公司 | 在线评估部件使用情况的系统和方法 |
CN110888417A (zh) * | 2019-12-16 | 2020-03-17 | 苏州智加科技有限公司 | 一种自动驾驶卡车的控制系统实时仿真和测试方法 |
CN110954335A (zh) * | 2019-09-10 | 2020-04-03 | 郑州嘉晨电器有限公司 | 一种工业车辆的健康评估方法及系统 |
CN111103147A (zh) * | 2018-10-26 | 2020-05-05 | 厦门雅迅网络股份有限公司 | 车辆节油性能测试方法及计算机可读存储介质 |
CN111522255A (zh) * | 2020-04-22 | 2020-08-11 | 第四范式(北京)技术有限公司 | 仿真系统和仿真方法 |
CN111626510A (zh) * | 2020-05-27 | 2020-09-04 | 广西职业技术学院 | 一种混合动力汽车油耗理论计算与分析方法 |
CN112200685A (zh) * | 2020-09-30 | 2021-01-08 | 宝能(西安)汽车研究院有限公司 | 车辆保费计算方法、装置以及介质、电子设备 |
CN112241580A (zh) * | 2019-09-12 | 2021-01-19 | 北京新能源汽车技术创新中心有限公司 | 动力系统参数确定方法、装置、计算机设备和存储介质 |
CN112765199A (zh) * | 2021-01-04 | 2021-05-07 | 江西江铃集团新能源汽车有限公司 | 一种车辆检测方法、系统及可读存储介质 |
CN113066197A (zh) * | 2021-03-01 | 2021-07-02 | 东风汽车集团股份有限公司 | 一种车辆匀速行驶性能评价方法及装置 |
CN113066198A (zh) * | 2021-03-01 | 2021-07-02 | 东风汽车集团股份有限公司 | 一种车辆匀速行驶再加速性能评价方法及装置 |
CN113688466A (zh) * | 2021-08-26 | 2021-11-23 | 苏州同元软控信息技术有限公司 | 车辆能耗仿真方法、装置和设备 |
CN113858956A (zh) * | 2021-09-29 | 2021-12-31 | 北理新源(佛山)信息科技有限公司 | 新能源汽车数据采集与处理方法系统 |
CN113935162A (zh) * | 2021-09-30 | 2022-01-14 | 厦门大学 | 基于电机热耦合的纯电动客车行驶性能指标的仿真分析方法 |
CN115617703A (zh) * | 2022-12-20 | 2023-01-17 | 北京赛目科技股份有限公司 | 用于车辆仿真测试的方法、装置、系统、设备和存储介质 |
CN115841275A (zh) * | 2022-12-07 | 2023-03-24 | 北京鸿鹄元数科技有限公司 | 基于ai的数据管理水平的体检方法及装置 |
CN117549880A (zh) * | 2024-01-12 | 2024-02-13 | 山东赛马力发电设备有限公司 | 一种混合动力汽车能源管理控制系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103196676A (zh) * | 2013-04-24 | 2013-07-10 | 山东大学 | 分布式多系统电动汽车整车性能测试试验台及测试方法 |
US20130218724A1 (en) * | 2012-02-21 | 2013-08-22 | GM Global Technology Operations LLC | Vehicle ownership impact evaluation |
CN105005222A (zh) * | 2015-06-12 | 2015-10-28 | 山东省科学院自动化研究所 | 基于大数据的新能源电动汽车整车性能提升系统及方法 |
CN105676843A (zh) * | 2016-04-13 | 2016-06-15 | 中国汽车技术研究中心 | 一种新能源汽车对标分析与评价系统及其方法 |
CN106970279A (zh) * | 2017-03-29 | 2017-07-21 | 福州大学 | 可实现多种行驶工况的纯电动汽车试验系统及其试验方法 |
-
2017
- 2017-10-26 CN CN201711012350.XA patent/CN107544290B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130218724A1 (en) * | 2012-02-21 | 2013-08-22 | GM Global Technology Operations LLC | Vehicle ownership impact evaluation |
CN103196676A (zh) * | 2013-04-24 | 2013-07-10 | 山东大学 | 分布式多系统电动汽车整车性能测试试验台及测试方法 |
CN105005222A (zh) * | 2015-06-12 | 2015-10-28 | 山东省科学院自动化研究所 | 基于大数据的新能源电动汽车整车性能提升系统及方法 |
CN105676843A (zh) * | 2016-04-13 | 2016-06-15 | 中国汽车技术研究中心 | 一种新能源汽车对标分析与评价系统及其方法 |
CN106970279A (zh) * | 2017-03-29 | 2017-07-21 | 福州大学 | 可实现多种行驶工况的纯电动汽车试验系统及其试验方法 |
Cited By (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084454A (zh) * | 2018-01-26 | 2019-08-02 | 罗伯特·博世有限公司 | 在线评估部件使用情况的系统和方法 |
CN108490914A (zh) * | 2018-03-23 | 2018-09-04 | 武汉康慧然信息技术咨询有限公司 | 新能源汽车中控系统安全检验方法 |
CN108427417B (zh) * | 2018-03-30 | 2020-11-24 | 北京图森智途科技有限公司 | 自动驾驶控制系统及方法、计算机服务器和自动驾驶车辆 |
CN108427417A (zh) * | 2018-03-30 | 2018-08-21 | 北京图森未来科技有限公司 | 自动驾驶控制系统及方法、计算机服务器和自动驾驶车辆 |
CN108829825A (zh) * | 2018-06-14 | 2018-11-16 | 苏州途驰安电子科技有限公司 | 一种车辆数据获取自动适配方法及装置 |
CN108829825B (zh) * | 2018-06-14 | 2021-10-26 | 苏州途驰安电子科技有限公司 | 一种车辆数据获取自动适配方法及装置 |
CN108959231A (zh) * | 2018-07-26 | 2018-12-07 | 南京越博动力系统股份有限公司 | 一种基于可配置模型的纯电动汽车仿真报告生成方法及装置 |
CN108959231B (zh) * | 2018-07-26 | 2022-06-28 | 南京越博动力系统股份有限公司 | 一种基于可配置模型的纯电动汽车仿真报告生成方法及装置 |
CN109435955A (zh) * | 2018-10-22 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 一种自动驾驶系统性能评估方法、装置、设备及存储介质 |
CN109435955B (zh) * | 2018-10-22 | 2020-08-25 | 百度在线网络技术(北京)有限公司 | 一种自动驾驶系统性能评估方法、装置、设备及存储介质 |
CN111103147A (zh) * | 2018-10-26 | 2020-05-05 | 厦门雅迅网络股份有限公司 | 车辆节油性能测试方法及计算机可读存储介质 |
CN111103147B (zh) * | 2018-10-26 | 2022-04-22 | 厦门雅迅网络股份有限公司 | 车辆节油性能测试方法及计算机可读存储介质 |
CN109684614A (zh) * | 2018-11-30 | 2019-04-26 | 南京越博动力系统股份有限公司 | 一种车辆性能仿真报告自动生成系统及其生成方法 |
CN109948878A (zh) * | 2018-12-14 | 2019-06-28 | 中国汽车技术研究中心有限公司 | 基于油门-负荷变化趋势分析的车辆动力评估方法及系统 |
CN110954335A (zh) * | 2019-09-10 | 2020-04-03 | 郑州嘉晨电器有限公司 | 一种工业车辆的健康评估方法及系统 |
CN112241580A (zh) * | 2019-09-12 | 2021-01-19 | 北京新能源汽车技术创新中心有限公司 | 动力系统参数确定方法、装置、计算机设备和存储介质 |
CN110888417A (zh) * | 2019-12-16 | 2020-03-17 | 苏州智加科技有限公司 | 一种自动驾驶卡车的控制系统实时仿真和测试方法 |
CN111522255B (zh) * | 2020-04-22 | 2022-09-23 | 第四范式(北京)技术有限公司 | 仿真系统和仿真方法 |
CN111522255A (zh) * | 2020-04-22 | 2020-08-11 | 第四范式(北京)技术有限公司 | 仿真系统和仿真方法 |
CN111626510A (zh) * | 2020-05-27 | 2020-09-04 | 广西职业技术学院 | 一种混合动力汽车油耗理论计算与分析方法 |
CN112200685A (zh) * | 2020-09-30 | 2021-01-08 | 宝能(西安)汽车研究院有限公司 | 车辆保费计算方法、装置以及介质、电子设备 |
CN112765199A (zh) * | 2021-01-04 | 2021-05-07 | 江西江铃集团新能源汽车有限公司 | 一种车辆检测方法、系统及可读存储介质 |
CN113066197B (zh) * | 2021-03-01 | 2022-05-06 | 东风汽车集团股份有限公司 | 一种车辆匀速行驶性能评价方法及装置 |
CN113066197A (zh) * | 2021-03-01 | 2021-07-02 | 东风汽车集团股份有限公司 | 一种车辆匀速行驶性能评价方法及装置 |
CN113066198B (zh) * | 2021-03-01 | 2022-05-06 | 东风汽车集团股份有限公司 | 一种车辆匀速行驶再加速性能评价方法及装置 |
CN113066198A (zh) * | 2021-03-01 | 2021-07-02 | 东风汽车集团股份有限公司 | 一种车辆匀速行驶再加速性能评价方法及装置 |
CN113688466A (zh) * | 2021-08-26 | 2021-11-23 | 苏州同元软控信息技术有限公司 | 车辆能耗仿真方法、装置和设备 |
CN113688466B (zh) * | 2021-08-26 | 2023-11-24 | 苏州同元软控信息技术有限公司 | 车辆能耗仿真方法、装置和设备 |
CN113858956A (zh) * | 2021-09-29 | 2021-12-31 | 北理新源(佛山)信息科技有限公司 | 新能源汽车数据采集与处理方法系统 |
CN113935162A (zh) * | 2021-09-30 | 2022-01-14 | 厦门大学 | 基于电机热耦合的纯电动客车行驶性能指标的仿真分析方法 |
CN115841275A (zh) * | 2022-12-07 | 2023-03-24 | 北京鸿鹄元数科技有限公司 | 基于ai的数据管理水平的体检方法及装置 |
CN115841275B (zh) * | 2022-12-07 | 2023-09-05 | 北京鸿鹄元数科技有限公司 | 基于ai的数据管理水平的体检方法及装置 |
CN115617703A (zh) * | 2022-12-20 | 2023-01-17 | 北京赛目科技股份有限公司 | 用于车辆仿真测试的方法、装置、系统、设备和存储介质 |
CN117549880B (zh) * | 2024-01-12 | 2024-04-09 | 山东赛马力发电设备有限公司 | 一种混合动力汽车能源管理控制系统 |
CN117549880A (zh) * | 2024-01-12 | 2024-02-13 | 山东赛马力发电设备有限公司 | 一种混合动力汽车能源管理控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107544290B (zh) | 2021-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107544290A (zh) | 一种新能源汽车性能评估分析和优化系统及方法 | |
CN112765772B (zh) | 一种基于数据驱动的动力电池剩余寿命预测方法 | |
KR102548743B1 (ko) | 차량의 에너지 효율 분석을 위한 시스템 및 방법 | |
KR102353705B1 (ko) | 자동차의 에너지 효율 분석을 위한 시스템 및 방법, 특히 자동차의 장치의 에너지 효율 분석을 위한 시스템 및 방법 | |
CN103091112B (zh) | 基于模糊推理和自学习的汽车排放故障检诊方法及装置 | |
Zhou et al. | Development of a transient fuel consumption model | |
US20170050590A1 (en) | System for assessing and/or optimising the operating behaviour | |
CN104021238A (zh) | 一种铅酸动力电池系统故障诊断方法 | |
CN102177049A (zh) | 用于车辆故障诊断的基准值的生成 | |
CN114662954A (zh) | 车辆性能评估系统 | |
CN106570560A (zh) | 基于标准化驾驶行为和相空间重构的驾驶风格定量评价方法 | |
CN112508317A (zh) | 一种基于多源动力总成车型驾驶性主客观关联评分方法 | |
CN106446354A (zh) | 混合动力客车传动系统扭振预测及消除方法 | |
CN114676495A (zh) | 一种汽车能耗的预测方法、装置和设备 | |
Shen et al. | Real-time scenario-based stochastic optimal energy management strategy for HEVs | |
CN114676870A (zh) | 车速预测方法、车速预测模型训练方法和相关装置 | |
CN109376473B (zh) | 车辆控制器、车辆及其续航里程的计算方法和装置 | |
CN115587327B (zh) | 一种考虑Jerk的汽车油耗预测方法 | |
CN116080470A (zh) | 电动汽车的动力电池监控方法、装置、服务器及介质 | |
CN113987685B (zh) | 一种纯电动汽车多工况下整车性能仿真方法及装置 | |
CN111709160B (zh) | 一种基于卡车底盘的行驶动态性能分析优化方法及系统 | |
Weber et al. | Data-driven bev modeling for realistic consumption calculation in traffic simulation | |
Yang et al. | Behavior recognition and fuel consumption prediction of tractor sowing operations using smartphone | |
CN111722610A (zh) | 一种测试用例生成方法及装置 | |
CN114544201B (zh) | 车辆制动性能的测评方法、装置、车辆及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |