CN109878341B - 新能源车辆智能网络控制方法及其系统 - Google Patents

Abstract

本发明公开了一种新能源车辆智能网络控制方法及其系统，包括以下步骤：采集检测信号及电量信号；神经网络控制系统获取检测信号及电量信号，并对检测信号及电量信号进行数据深度学习，该数据深度学习为实时构建并更新运行状态的参数模型，并根据该参数模型进行划分，得出划分结果；对获取到的检测信号及电量信号进行数据运算分析，并得出实时参数；将数据运算分析得出的实时参数根据参数模型的划分结果进行状态评估归类处理。本发明可以稳定可靠地利用风能、太阳能、机械能与蓄电池组作为纯电动车的动力来源，有效缓解能源危机与保护大气环境，能够延长续航里程、缩短充电的占用时间，且具有良好的自适应学习特性及鲁棒性。

Description

新能源车辆智能网络控制方法及其系统

技术领域

本发明涉及可再生能源应用技术领域，具体涉及一种新能源车辆智能网络控制方法及其系统。

背景技术

近年来，能源短缺与环境污染日益严重，优于风能、太阳能都是可再生能源，两者均具有清洁、无污染、可再生等优点，在汽车行业中一直是研究的热点，再者使用可再生能源可以降低对石油、煤炭等不可再生能源的依赖，缓解能源危机，并保护大气环境。

目前，虽然已经有不少的车载风力与太阳能组合发电系统，但是这些系统在能量转化效率、成本高、工艺、技术及智能化等方面仍存在一些不足，而且现有的车载风力发电装置仍然会额外增加汽车的行车阻力，通过增加纯电动车能耗来达到风力发电的目的，达不到节能与续航的要求。

由于汽车智能神经网络控制技术与纯电动车技术都还没有完全成熟，仍然存在一些问题：一出行智能化未达到人们的需求，车载联网仍然无法适应汽车智能化，缺乏稳定良好的智能自适应学习与控制，车载芯片技术满足不了其智能化的需求，甚至实时车载导航的自动更新尚未成熟，系统自适应学习特性较差，车辆设备自检系统存在局限，鲁棒性较差；二蓄电池及电机控制器使成本较高，且蓄电池充电时间长、寿命短更换频繁，维护成本较高，续驶里程较短；三缺乏完善的服务站与足够的充电设备等。

发明内容

本发明的目的在于改进现有技术的缺陷，提供一种新能源车辆智能网络控制方法及其系统，本发明可以稳定可靠地利用风能、太阳能、机械能与蓄电池组作为纯电动车的动力来源，有效缓解能源危机与保护大气环境，能够延长续航里程、缩短充电的占用时间，且具有良好的自适应学习特性及鲁棒性。

其技术方案如下：

新能源车辆智能网络控制方法，包括以下步骤：

检测风能发电装置、光伏太阳能发电装置、转动发电装置、温湿度监测装置及稳压装置的运行状态并转化为检测信号；

检测蓄电池组储存的电量状态并转化为电量信号；

采集检测信号及电量信号；

神经网络控制系统获取检测信号及电量信号，并对检测信号及电量信号进行数据深度学习，该数据深度学习为实时构建并更新运行状态的参数模型，并根据该参数模型进行划分，得出划分结果；

对获取到的检测信号及电量信号进行数据运算分析，并得出检测信号及电量信号的实时参数；

将数据运算分析得出的实时参数根据参数模型的划分结果进行状态评估归类处理。

新能源车辆智能网络控制方法，所述数据深度学习为根据以太网远程服务器相应的历史数据状态的参数，实时构建并更新运行状态的参数模型。

新能源车辆智能网络控制方法，所述数据深度学习除根据以太网远程服务器相应的历史数据状态的参数，实时构建并更新运行状态的参数模型外，神经网络控制系统的数据深度学习还能根据神经网络控制系统自身处理过的历史数据状态的参数，并以此实时更新构建的参数模型。

新能源车辆智能网络控制方法，所述根据参数模型的划分结果如下：

将风能发电装置、光伏太阳能发电装置、转动发电装置的运行状态根据参数模型划分为正常发电状态及异常发电状态；

将稳压装置的运行状态根据参数模型划分为正常运行状态及异常运行状态；

将温湿度监测装置的运行状态根据参数模型划分为实时数值正常状态及实时数值异常状态。

新能源车辆智能网络控制方法，所述状态评估归类处理除根据参数模型的划分结果外，还结合车辆所在地区的温度值、湿度值与将要经过的实时线路状况：

当风能发电装置、光伏太阳能发电装置、转动发电装置的运行状态中有一项或一项以上被评估归类为异常发电状态时，或者稳压装置的运行状态被评估归类为异常运行状态时，或者温湿度监测装置的运行状态被评估归类为实时数值异常状态时，则输出数据异常状态信息。

新能源车辆智能网络控制方法，显示模块及语音模块获取输出的数据异常状态信息，显示模块将数据异常信息通过显示屏显示，语音模块通过语音播报的方式对异常状态信息进行提示。

新能源车辆智能网络控制系统，包括神经网络控制系统、风能发电装置、光伏太阳能发电装置、转动发电装置、温湿度监测装置、蓄电池组、稳压装置、语音装置及显示屏；神经网络控制系统包括有联网模块，所述风能发电装置包括有风能检测模块，所述光伏太阳能发电装置包括有太阳能检测模块，所述转动发电装置包括有转动检测模块，所述温湿度监测装置包括有空滤模块，所述蓄电池组包括有电量检测模块，所述稳压装置包括有稳压模块，所述语音装置包括有语音模块，所述显示屏包括有显示模块；所述风能检测模块、太阳能检测模块、转动检测模块、空滤模块、电量检测模块、稳压模块、语音模块、显示模块均与神经网络控制系统电性连接；

联网模块，用于接入以太网；用于获取以太网远程服务器相应的历史数据状态的参数，用于获取装有神经网络控制系统的车辆所在地区的温度值、湿度值与将要经过的实时线路状况；

风能检测模块，用于检测风能发电装置的运行状态并转化为检测信号；

太阳能检测模块，用于检测光伏太阳能发电装置的运行状态并转化为检测信号；

转动检测模块，用于检测转动发电装置的运行状态并转化为检测信号；

空滤模块，用于检测温湿度监测装置的运行状态并转化为检测信号；

电量检测模块，用于检测蓄电池组储存的电量状态并转化为电量信号；

语音模块，用于获取数据异常状态信息；用于对异常状态信息进行提示；

显示模块，用于获取数据异常状态信息，用于显示数据异常信息；

稳压装置，用于稳定电流的电压，并将电流输送至蓄电池组；稳压模块，用于通过检测稳定后的电压状态来检测稳压装置的运行状态并转化为检测信号。

新能源车辆智能网络控制系统，所述风能发电装置还包括有进风管道、第一叶轮组件、第二叶轮组件、集风管道及排风管道，所述进风管道用于气流的输入并引导气流至第一叶轮组件，所述第一叶轮组件用于转动并压缩气流，集风管道用于输送压缩后的气流，第二叶轮组件用于转动，第一叶轮组件及第二叶轮组件在转动的同时还用于带动线圈切割磁场。

新能源车辆智能网络控制系统，所述光伏太阳能发电装置还包括有电机、升降支架及两块晶体硅太阳能电池板，所述太阳能检测模块用于检测晶体硅太阳能电池板的运行状态并转化为检测信号，所述电机用于操作及控制升降支架的运行，升降支架用于支撑晶体硅太阳能电池板，两块晶体硅太阳能电池板相互堆叠。

新能源车辆智能网络控制系统，所述转动发电装置还包括有鼓风机、转子、前轮半轴、后轮半轴、微型永磁发电机，所述鼓风机用于带动转子转动，前轮半轴及后轮半轴在转动的同时还用于带动微型永磁发电机发电。

新能源车辆智能网络控制系统，所述神经网络控制系统包括RBF神经网络及DSP微处理：

RBF神经网络，用于对检测信号及电量信号进行数据深度学习，实时构建并更新运行状态的参数模型，并根据该参数模型进行划分，并得出划分结果；用于根据神经网络控制系统自身处理过的历史数据状态的参数，并以此实时更新构建的参数模型；用于对检测信号及电量信号进行数据运算分析，并得出检测信号及电量信号的实时参数；用于将实时参数根据划分结果进行状态评估归类处理；

DSP微处理，用于将运行状态根据参数模型划分为正常发电状态、异常发电状态、正常运行状态、异常运行状态、实时数值正常状态及实时数值异常状态；用于输出数据异常状态信息。

新能源车辆智能网络控制系统，所述第一叶轮组件、第二叶轮组件均包括有第一叶轮转轴及多片第一叶片，各第一叶片均设置在第一叶轮转轴上，各第一叶片均呈弧形结构，所述第一叶轮转轴用于带动第一叶片转动。

新能源车辆智能网络控制系统，所述第一叶轮组件、第二叶轮组件均包括有第二叶轮转轴及多圈第二叶片，各第二叶片均围绕设置在第二叶轮转轴的外壁上，相邻两圈第二叶片之间的位置错开，各第二叶片均呈弧形结构。

下面对本发明的优点或原理进行说明：

新能源车辆智能网络控制方法，通过风能发电装置、光伏太阳能发电装置、转动发电装置产生电流并储存至蓄电池组并作为纯电动车的动力来源，在充足的太阳光或普通光线照射及车辆行驶的过程中，均可以对蓄电池组进行充电，极大地延长了续航里程及缩短了充电的占用时间，该可再生的清洁能源还能有效缓解能源危机与保护大气环境，神经网络控制系统能够对获取检测信号及电量信号进行数据深度学习，该数据深度学习实时构建及更新参数模型的技术能够不断地调整及校正具体参数模型的数据，具有良好的自适应学习特性及鲁棒性，使后续对划分结果的状态评估归类处理可以更加智能化。

附图说明

图1是本发明实施例一的新能源车辆智能网络控制方法的流程框图；

图2是本发明实施例一的划分结果的流程框图；

图3是本发明实施例一的状态评估归类处理及异常状态信息提示的流程框图；

图4是本发明实施例一的数据深度学习的流程框图；

图5是本发明实施例一的第一叶轮转轴及第一叶片的主视图；

图6是本发明实施例二的第二叶轮转轴及第二叶片的主视图；

附图标记说明：

10、第一叶轮转轴，20、第一叶片，30、第二叶轮转轴，40、第二叶片。

具体实施方式

下面对本发明的实施例进行详细说明。

实施例一

如图1至图4所示，新能源车辆智能网络控制方法，包括以下步骤：检测风能发电装置、光伏太阳能发电装置、转动发电装置、温湿度监测装置及稳压装置的运行状态并转化为检测信号；检测蓄电池组储存的电量状态并转化为电量信号；采集检测信号及电量信号；神经网络控制系统获取检测信号及电量信号，并对检测信号及电量信号进行数据深度学习，该数据深度学习为实时构建并更新运行状态的参数模型，并根据该参数模型进行划分，得出划分结果；对获取到的检测信号及电量信号进行数据运算分析，并得出检测信号及电量信号的实时参数；将数据运算分析得出的实时参数根据参数模型的划分结果进行状态评估归类处理。

数据深度学习为根据以太网远程服务器相应的历史数据状态的参数，实时构建并更新运行状态的参数模型；数据深度学习除根据以太网远程服务器相应的历史数据状态的参数，实时构建并更新运行状态的参数模型外，神经网络控制系统的数据深度学习还能根据神经网络控制系统自身处理过的历史数据状态的参数，并以此实时更新构建的参数模型。

新能源车辆智能网络控制方法，根据参数模型的划分结果如下：将风能发电装置、光伏太阳能发电装置、转动发电装置的运行状态根据参数模型划分为正常发电状态及异常发电状态；将稳压装置的运行状态根据参数模型划分为正常运行状态及异常运行状态；将温湿度监测装置的运行状态根据参数模型划分为实时数值正常状态及实时数值异常状态。

状态评估归类处理除根据参数模型的划分结果外，还结合车辆所在地区的温度值、湿度值与将要经过的实时线路状况：当风能发电装置、光伏太阳能发电装置、转动发电装置的运行状态中有一项或一项以上被评估归类为异常发电状态时，或者稳压装置的运行状态被评估归类为异常运行状态时，或者温湿度监测装置的运行状态被评估归类为实时数值异常状态时，则输出数据异常状态信息。

显示模块及语音模块获取输出的数据异常状态信息，显示模块将数据异常信息通过显示屏显示，语音模块通过语音播报的方式对异常状态信息进行提示。

本实施例中，具体的数据运算分析及状态评估归类处理为：

数据运算分析为通过最小二乘法确定输入的实时参数的具体数值，状态评估归类；

通过最小二乘法的拟合曲线，用真实的检测信号及电量信号减去估算的检测信号及电量信号，再整体平方，根据方程组求解出实时参数的具体数值；

根据实时参数的具体数值的大小，再根据参数模型的划分结果进行状态评估归类处理，新能源车辆智能网络控制系统中的各个装置的运行状态。

新能源车辆智能网络控制系统，包括神经网络控制系统、风能发电装置、光伏太阳能发电装置、转动发电装置、温湿度监测装置、蓄电池组、稳压装置、语音装置及显示屏；神经网络控制系统包括有联网模块，所述风能发电装置包括有风能检测模块，所述光伏太阳能发电装置包括有太阳能检测模块，所述转动发电装置包括有转动检测模块，所述温湿度监测装置包括有空滤模块，所述蓄电池组包括有电量检测模块，所述稳压装置包括有稳压模块，所述语音装置包括有语音模块，所述显示屏包括有显示模块；所述风能检测模块、太阳能检测模块、转动检测模块、空滤模块、电量检测模块、稳压模块、语音模块、显示模块均与神经网络控制系统电性连接；

神经网络控制系统，用于获取检测信号及电量信号，并对检测信号及电量信号进行数据深度学习，实时构建并更新运行状态的参数模型，并根据该参数模型进行划分，并得出划分结果；神经网络控制系统包括RBF神经网络及DSP微处理：RBF神经网络，用于对检测信号及电量信号进行数据深度学习，实时构建并更新运行状态的参数模型，并根据该参数模型进行划分，并得出划分结果；用于根据神经网络控制系统自身处理过的历史数据状态的参数，并以此实时更新构建的参数模型；用于对检测信号及电量信号进行数据运算分析，并得出检测信号及电量信号的实时参数；用于将实时参数根据划分结果进行状态评估归类处理；

DSP微处理，用于将运行状态根据参数模型划分为正常发电状态、异常发电状态、正常运行状态、异常运行状态、实时数值正常状态及实时数值异常状态；用于输出数据异常状态信息。

本实施例的RBF神经网络采用具有自适应律的RBF神经网络以任意小的误差估计未知非线性函数。它主要包括两个方面，一个是智能神经网络控制系统的数据结构设计，即是合理建设相应子系统的隐含层节点。另一个就是相应子系统的数据参数设计，也就是对该实时参数进行求解。（由RBF神经网络映射函数公式知，其实时参数主要包括三种：径向基函数的中心、方差和隐含层到输出层的权值）RBF神经网络具有较强的输入和输出映射功能，逼近性能较好（运用函数近似法）且无局部极小问题存在，时间序列预测，分类与系统控制以及学习过程收敛速度快等优势。

联网模块，用于接入以太网；用于获取以太网远程服务器相应的历史数据状态的参数，用于获取装有神经网络控制系统的车辆所在地区的温度值、湿度值与将要经过的实时线路状况；风能检测模块，用于检测风能发电装置的运行状态并转化为检测信号；太阳能检测模块，用于检测光伏太阳能发电装置的运行状态并转化为检测信号；转动检测模块，用于检测转动发电装置的运行状态并转化为检测信号；空滤模块，用于检测温湿度监测装置的运行状态并转化为检测信号；电量检测模块，用于检测蓄电池组储存的电量状态并转化为电量信号；语音模块，用于获取数据异常状态信息；用于对异常状态信息进行提示；显示模块，用于获取数据异常状态信息，用于显示数据异常信息；稳压装置，用于稳定电流的电压，并将电流输送至蓄电池组；稳压模块，用于通过检测稳定后的电压状态来检测稳压装置的运行状态并转化为检测信号。

新能源车辆智能网络控制系统，光伏太阳能发电装置还包括有电机、升降支架及两块晶体硅太阳能电池板，所述太阳能检测模块用于检测晶体硅太阳能电池板的运行状态并转化为检测信号，所述电机用于操作及控制升降支架的运行，升降支架用于支撑晶体硅太阳能电池板，两块晶体硅太阳能电池板相互堆叠。

新能源车辆智能网络控制系统，风能发电装置还包括有进风管道、第一叶轮组件、第二叶轮组件、集风管道及排风管道，所述进风管道用于气流的输入并引导气流至第一叶轮组件，所述第一叶轮组件用于转动并压缩气流，集风管道用于输送压缩后的气流，第二叶轮组件用于转动，第一叶轮组件及第二叶轮组件在转动的同时还用于带动线圈切割磁场。

请参阅图5，第一叶轮组件、第二叶轮组件均包括有第一叶轮转轴10及多片第一叶片20，各第一叶片20均设置在第一叶轮转轴10上，各第一叶片20均呈弧形结构，所述第一叶轮转轴10用于带动第一叶片20转动。

新能源车辆智能网络控制系统，转动发电装置还包括有鼓风机、转子、前轮半轴、后轮半轴、微型永磁发电机，所述鼓风机用于带动转子转动，前轮半轴及后轮半轴在转动的同时还用于带动微型永磁发电机发电。

风能发电装置的工作原理：当风能小于2m/s时，神经网络控制系统的风能检测模块没有检测到来自风能发电装置设定的电压值，该风能发电装置自动停止运行以防耗电；当风能相对于车辆的相对速度大于2m/s时，风能发电装置开始进行发电工作，当车速大于10km/h时，神经网络控制系统控制风能检测模块对进风管道、第一叶轮组件、第二叶轮组件、集风管道及排风管道的运行状态进行检测，并转化为检测信号，风能发电装置的工作原理为：气流从进风管道处输入，并引导至第一叶轮组件，气流带动第一叶轮组件转动并受到第一叶轮组件的压缩，压缩后的气流流经集风管道并流入第二叶轮组件，压缩后的气流带动第二叶轮组件转动，第一叶轮组件及第二叶轮组件在转动的同时带动线圈切割磁场而发电，产生的电流流入稳压装置。

光伏太阳能装置的工作原理：当晶体硅太阳能电池板被充足的太阳光或普通光线照射的情况下，光伏太阳能装置开始工作，通过光生伏特效应的作用将光能转化成电能，产生的电流流入稳压装置；升降支架还可以对晶体硅太阳能电池板进行二次升降调节，以便于增加晶体硅太阳能电池板的照射面积，提高光伏太阳能装置的充电效率，当天气处于阴天、雾霾天、雨天及夜晚的光线不足的情况下，该光伏太阳能装置自动停止运行以防耗电；

第一次升降调节：当车辆停在露天场所且被充足的太阳光或普通光线照射的情况下，电机驱动升降支架，升降支架将一块位于上方堆叠的晶体硅太阳能电池板移动至车辆的前方并撑开，升降支架将另一块位于下方堆叠的晶体硅太阳能电池板上升至上方堆叠的晶体硅太阳能电池板未移动前的位置；

第二次升降调节：电机继续驱动升降支架，升降支架将移动至前方并撑开的晶体硅太阳能电池板旋转至贴住车辆前方的玻璃与车盖处，当驾驶车辆时，电机驱动升降支架，升降支架将两块晶体硅太阳能电池板复位至相互堆叠。

转动发电装置的工作原理：转动发电装置启动运行，前轮半轴及后轮半轴转动，且在转动的同时带动微型永磁发电机发电，产生的电流流入稳压装置，当车辆内部空调开启时，鼓风机带动转子转动，鼓风机带动进而产生的电流流入稳压装置。

温湿度监测装置的工作原理：温湿度监测装置采集实时温度及湿度，将实时温度及湿度转化为电信号，并将电信号输送至空滤模块，空滤模块获取电信号并触发相应数值运算，得出实时温度及湿度的数值，并判断该数值是否在细菌适于繁殖的范围内，若否，则评估归类为实时数值正常状态，空滤模块在3分钟后自动关闭；若是，则评估归类为实时数值异常状态。

风能发电装置、光伏太阳能发电装置、转动发电装置发出的电流均流经稳压装置，稳压装置对流入电流的电压进行稳定，并将电流输送至蓄电池组。

本实施例具有如下优点：

1、新能源车辆智能网络控制方法，通过风能发电装置、光伏太阳能发电装置、转动发电装置产生电流并储存至蓄电池组并作为纯电动车的动力来源，在充足的太阳光或普通光线照射及车辆行驶的过程中，均可以对蓄电池组进行充电，极大地延长了续航里程及缩短了充电的占用时间，该可再生的清洁能源还能有效缓解能源危机与保护大气环境，神经网络控制系统能够对获取检测信号及电量信号进行数据深度学习，该数据深度学习实时构建及更新参数模型的技术能够不断地调整及校正具体参数模型的数据，具有良好的自适应学习特性及鲁棒性，使后续对划分结果的状态评估归类处理可以更加智能化。

2、通过根据以太网远程服务器庞大的历史数据状态的参数，以大数据为基础作为背景实时构建并更新运行状态的参数模型会更加准确，且在实时构建并更新的同时会不断地对参数模型进行调整及校正，进一步实现新能源车辆智能网络控制方法的自动适应环境、实时智能控制、良好控制逼近性能和全局最优特性。

3、在风能发电装置、光伏太阳能发电装置、转动发电装置、稳压装置、温湿度监测装置工作运行的同时，还对运行状态的情况进行检测，自动化的故障检测功能，使车辆更加人工智能化，进一步满足市场对新能源车辆的需求。

4、还结合所在地区的温度值、湿度值、实时路况对划分结果的各项参数的评估归类，能够使状态评估归类处理更加精准，并进一步保证输出的数据异常状态信息的准确性。

5、通过显示屏显示及语音播报的方式对异常状态信息进行提示，进一步提高了新能源车辆智能网络控制方法的安全性。

6、神经网络控制系统的数据深度学习还能根据神经网络控制系统自身处理过的历史数据状态的参数，根据自身的运行环境及运行条件不断调整及矫正参数模型，进而实现自适应环境，进一步增强新能源车辆智能网络控制方法的自适应学习特性及鲁棒性。

7、气流由风能发电装置的进风管道输入，流经集风管道并从排风管道排出，一方面，有利于减小车辆受到的气流阻力作用，从而降低能耗，另一方面，降低车辆的底盘，提升车辆的操纵稳定性。

8、光伏太阳能发电装置的工作原理二次升降调节有效提高太阳光、普通灯光等光能的利用率，且光伏太阳能发电装置的晶体硅太阳能电池板旋转至贴住车辆前方的玻璃与车盖处，有利于实现多角度良好的采光效果，还可以进一步保护车内隐私；当光线不足的情况下，该光伏太阳能装置自动停止运行以防耗电，进一步使光伏太阳能装置更加节能环保。

9、空滤模块检测温湿度监测装置的运行状态，使温湿度监测装置确保车内空气清新、无异味，有利于呵护车内人员的健康。

10、第一叶轮转轴10的产品加工制作所需的材料较少，进一步降低成本，而弧形结构的第一叶片20更容易被气流带动并转动，提高风能利用效率。

实施例二

如图6所示，本实施例与实施例一相比，第一叶轮组件、第二叶轮组件均包括有第二叶轮转轴30及多圈第二叶片40，各第二叶片40均围绕设置在第二叶轮转轴30的外壁上，相邻两圈第二叶片40之间的位置错开，各第二叶片40均呈弧形结构。

本实施例具有如下优点：

本实施例相邻两圈的第二叶片40还采用了适当的错开设置，还能进一步提高风能利用率，进而提高风能发电装置的充电效率。

以上仅为本发明的具体实施例，并不以此限定本发明的保护范围；在不违反本发明构思的基础上所作的任何替换与改进，均属本发明的保护范围。

Claims (5)

1.新能源车辆智能网络控制方法，其特征在于，包括以下步骤：

检测风能发电装置、光伏太阳能发电装置、转动发电装置、温湿度监测装置及稳压装置的运行状态并转化为检测信号；

检测蓄电池组储存的电量状态并转化为电量信号；

采集检测信号及电量信号；

神经网络控制系统获取检测信号及电量信号，并对检测信号及电量信号进行数据深度学习，所述数据深度学习为根据以太网远程服务器相应的历史数据状态的参数，或者根据神经网络控制系统自身处理过的历史数据状态的参数，实时构建并更新运行状态的参数模型；

所述神经网络控制系统采用具有自适应律的RBF神经网络以任意小的误差估计未知非线性函数，而估计未知非线性函数包括两个方面，即建设相应子系统的隐含层节点，以及对参数模型进行求解，所述参数模型的求解为径向基函数的中心、方差和隐含层到输出层的权值；

所述神经网络控制系统根据该参数模型进行划分，得出划分结果；

所述根据参数模型的划分结果如下：将风能发电装置、光伏太阳能发电装置、转动发电装置的运行状态根据参数模型划分为正常发电状态及异常发电状态；将稳压装置的运行状态根据参数模型划分为正常运行状态及异常运行状态；将温湿度监测装置的运行状态根据参数模型划分为实时数值正常状态及实时数值异常状态；

对获取到的检测信号及电量信号进行数据运算分析，并得出检测信号及电量信号的实时参数；

将数据运算分析得出的实时参数根据参数模型的划分结果进行状态评估归类处理；

所述数据运算分析及状态评估归类处理为：

通过最小二乘法的拟合曲线，根据实际的检测信号及电量信号减去估算的检测信号及电量信号，再整体平方，根据方程组求解出实时参数的具体数值；

根据实时参数的具体数值的大小，再根据参数模型的划分结果进行状态评估归类处理，将数据运算分析得出的实时参数根据参数模型的划分结果进行状态评估归类处理；

所述状态评估归类处理除根据参数模型的划分结果外，还结合车辆所在地区的温度值、湿度值与将要经过的实时线路状况：

当风能发电装置、光伏太阳能发电装置、转动发电装置的运行状态中有一项或多项被评估归类为异常发电状态时，或者稳压装置的运行状态被评估归类为异常运行状态时，或者温湿度监测装置的运行状态被评估归类为实时数值异常状态时，则输出数据异常状态信息。

2.如权利要求1所述新能源车辆智能网络控制方法，其特征在于，显示模块及语音模块获取输出的数据异常状态信息，显示模块将数据异常信息通过显示屏显示，语音模块通过语音播报的方式对异常状态信息进行提示。

3.一种应用于如权利要求1至2中任意一项所述新能源车辆智能网络控制方法的新能源车辆智能网络控制系统，其特征在于，包括神经网络控制系统、风能发电装置、光伏太阳能发电装置、转动发电装置、温湿度监测装置、蓄电池组、稳压装置、语音装置及显示屏；神经网络控制系统包括有联网模块，所述风能发电装置包括有风能检测模块，所述光伏太阳能发电装置包括有太阳能检测模块，所述转动发电装置包括有转动检测模块，所述温湿度监测装置包括有空滤模块，所述蓄电池组包括有电量检测模块，所述稳压装置包括有稳压模块，所述语音装置包括有语音模块，所述显示屏包括有显示模块；所述风能检测模块、太阳能检测模块、转动检测模块、空滤模块、电量检测模块、稳压模块、语音模块、显示模块均与神经网络控制系统电性连接；

联网模块，用于接入以太网；用于获取以太网远程服务器相应的历史数据状态的参数，用于获取装有神经网络控制系统的车辆所在地区的温度值、湿度值与将要经过的实时线路状况；

风能检测模块，用于检测风能发电装置的运行状态并转化为检测信号；

太阳能检测模块，用于检测光伏太阳能发电装置的运行状态并转化为检测信号；

转动检测模块，用于检测转动发电装置的运行状态并转化为检测信号；

空滤模块，用于检测温湿度监测装置的运行状态并转化为检测信号；

电量检测模块，用于检测蓄电池组储存的电量状态并转化为电量信号；

语音模块，用于获取数据异常状态信息；用于对异常状态信息进行提示；

显示模块，用于获取数据异常状态信息，用于显示数据异常信息；

稳压装置，用于稳定电流的电压，并将电流输送至蓄电池组；稳压模块，用于通过检测稳定后的电压状态来检测稳压装置的运行状态并转化为检测信号；

所述风能发电装置还包括有进风管道、第一叶轮组件、第二叶轮组件、集风管道及排风管道，所述进风管道用于气流的输入并引导气流至第一叶轮组件，所述第一叶轮组件用于转动并压缩气流，集风管道用于输送压缩后的气流，第二叶轮组件用于转动，第一叶轮组件及第二叶轮组件在转动的同时还用于带动线圈切割磁场；

所述第一叶轮组件、第二叶轮组件均包括有第一叶轮转轴及多片第一叶片，各第一叶片均设置在第一叶轮转轴上，各第一叶片均呈弧形结构，所述第一叶轮转轴用于带动第一叶片转动；

所述光伏太阳能发电装置还包括有电机、升降支架及两块晶体硅太阳能电池板，所述太阳能检测模块用于检测晶体硅太阳能电池板的运行状态并转化为检测信号，所述电机用于操作及控制升降支架的运行，升降支架用于支撑晶体硅太阳能电池板，两块晶体硅太阳能电池板相互堆叠；

所述神经网络控制系统包括RBF神经网络及DSP微处理：

RBF神经网络，用于对检测信号及电量信号进行数据深度学习，实时构建并更新运行状态的参数模型，数据深度学习为，根据神经网络控制系统自身处理过的历史数据状态的参数，并以此实时更新构建的参数模型；用于对检测信号及电量信号进行数据运算分析，并得出检测信号及电量信号的实时参数；用于将实时参数根据划分结果进行状态评估归类处理；

DSP微处理，用于将运行状态根据参数模型划分为正常发电状态、异常发电状态、正常运行状态、异常运行状态、实时数值正常状态及实时数值异常状态；用于输出数据异常状态信息。

4.如权利要求3所述新能源车辆智能网络控制系统，其特征在于，所述转动发电装置还包括有鼓风机、转子、前轮半轴、后轮半轴、微型永磁发电机，所述鼓风机用于带动转子转动，前轮半轴及后轮半轴在转动的同时还用于带动微型永磁发电机发电。

5.如权利要求3或4中任一项所述新能源车辆智能网络控制系统，其特征在于，所述第一叶轮组件、第二叶轮组件均包括有第二叶轮转轴及多圈第二叶片，各第二叶片均围绕设置在第二叶轮转轴的外壁上，相邻两圈第二叶片之间的位置错开，各第二叶片均呈弧形结构。

Images