CN110341622A - 一种基于异常信号感知的整车电性能数据异步长采集方法 - Google Patents

Abstract

本发明公开了一种基于异常信号感知的整车电性能数据异步长采集方法，根据整车电性能测试数据采集要求，加入采集点预处理和采集时刻预测机制，将整车电性能数据采集转为基于异常信号感知的异步长采集：定义采集点的预处理机制，引入信号偏差估计ρ_c、异常估计通过对采集点的抽样，修正采集点中的异常信号；定义信号边际引入信号偏正系数a、零点漂移量b和信号跳跃系数设计一种实时的采集时刻预测机制。通过对数据的预处理，进而预测采集时刻准备下一次采集，实现整车电性能数据异步长采集。本发明能够修正采集时的异常点，动态变化采样步长，避免高频率、定周期、长时间采集对硬件要求高的情况，降低了设备成本，提高了整车电性能数据采集的效率和可靠性。

Description

一种基于异常信号感知的整车电性能数据异步长采集方法

技术领域

本发明涉及一种整车电性能数据采集技术，特别涉及一种基于异常信号感知的整车电性能数据异步长采集方法。

背景技术

随着车用电气设备越来越多，从发动机控制到传动系统控制，从行驶、制动、转向系统控制到安全保证系统及仪表报警系统，从电源管理到为提高舒适性而作的各种努力，汽车电气系统已形成一个复杂的大系统。电气系统作为一个整体，在设计时必须使它们的工作能互相匹配，所以对整车电气系统进行测试显得很重要。

现有的技术，采集过程中，传统电性能系统受到周围干扰或者自身噪声干扰而产生的异常信号无法自我修正，其测试结果会对可靠性评估精度造成一定的影响。其次，大多的电性能测试模式单一，数据采集率较低和采样间隔无法自适应调整，在连续的特定时间段下数据获取难度大，部分电性能测试的过程具有非均匀性，并且在各种不同条件下其变化速度明显不同，利用定时间隔采样方法或势必造成在变化速度慢时采样冗余，而变化速度快时又会造成采样次数相对不足的情况，错失一些极限情况的结果。

在这上述情况下，如何满足系统建设和发展需求，对整车电性能测试采集框架进行运维优化，成为了当前思考的首要问题。综合目前的技术发展来看，整车电性能的测试正朝着智能化的方向迈进。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提出一种基于异常信号感知的整车电性能数据异步长采集方法，以期能在研究整车电性能测试的基础上，完善整车电性能数据的采集方法，从而实现基于信号感知的整车电性能数据动态采集的目的，为后续整车电性能测试系统相关策略的制定提供重要依据，进而可扩展至混合动力汽车整车电性能系统的研究领域。

本发明为解决技术问题采用如下技术方案：

本发明一种基于异常信号感知的整车电性能数据异步长采集方法的特点是按如下步骤进行：

步骤一、采集点的预处理：

步骤1.1、定义变量c为电流或电压的采集次数，定义变量为第c次采集的第i个采集时刻，并初始化为c＝1；

步骤1.2、以为起始采样时刻，将第c次采集整车的电压信号或电流信号在前z^c个采集时刻的采集值记作第c次采集的前z^c个采样时刻的采集点其中，表示第c次采集的第i个采集时刻的采集值；

从所述第c次采集的前z^c个采样时刻的采集点中抽取n^c个采集点作为第c次抽取的n^c个样本点，并将第c次抽取的n^c个样本点中任意一个样本点在所述前z^c个采样时刻的采集点中的下标记为q，q∈[1,z^c]，则第c次抽取的n^c个样本点中任意一个样本点记为即n^c个样本点记为s∈[1,n^c]，其中，所述第c次抽取的n^c个样本点中的n^c个采集值服从正态分布N，从而利用式(1)计算所述第c次抽取的n^c个样本点中n^c个采集值的偏差估计ρ_c：

式(1)中，ρ_c为第c次抽取的偏差估计，r为正态分布的相对偏移量，σ^c为正态分布在第c次抽取时的标准差，n^c为所抽取的采集点的总数；

步骤1.3、若0＜ρ_c＜ρ时，则表示所述第c次抽取的n^c个样本点存在异常，并执行步骤1.4；否则，表示第c次抽取的n^c个样本点不存在异常，即：采集点中无异常点，预处理后的采集点仍为直接执行步骤2.1；其中，ρ为偏差估计常量；

步骤1.4、初始化s＝1；

步骤1.5、将q_s赋值给q；

步骤1.6、利用式(2)计算所述第c次抽取的n^c个样本点中的第q个采集值的异常估计

式(2)中，表示第c次抽取的n^c个样本点中所有采集时刻的均值，表示在第c次抽取的n^c个样本点中所有采集值的均值；

步骤1.7、异常值判断和处理：

若成立，则表示第c次抽取n^c个样本点中的第q个采集值为异常值，并捕捉异常值所对应的采集时刻之间的采集点，从而利用式(3)所示的平滑函数计算第c次抽取的第q个平滑值并赋值给并同步更新所述中与样本点所对应的采集点；

否则，判断q＝n^c是否成立，若成立，则表示得到第c次采集下预处理后的采集点并执行步骤2.1；若不成立，令s+1赋值给s后，返回步骤1.5；其中，μ表示异常点的估计常量：

式(3)中，g(·)表示平滑函数；Δs表示时间偏差；

步骤二、采集时刻的预测机制：

步骤2.1、利用式(4)计算第c次采集的第z^c个采样时刻的采样值的信号边际并与所对应的采样时刻构成信号估计点

式(4)中，a为信号偏正系数，b为零点漂移量；

步骤2.2、由第c次采集下前z^c个采样时刻的采集值拟合出曲线从而得到第c次采集下第z^c+1理论时刻的估计值并将相应的信号估计拟合点记为

步骤2.3、利用式(5)计算第c次采集下第z^c个采样时刻的信号边际与估计值之间的距离并作为第c次采集下第z^c个采样时刻的信号跳跃系数：

步骤2.4、利用式(6)计算第c+1次采集的第z^c+1时刻

式(6)中，为第c次采集下的第z^c个采样时刻与第z^c-1个采样时刻之间的步长，当z^c＝1时，

步骤2.5、将值赋给并将c+1赋值给c后，返回步骤1.2。

本发明所述的一种基于异常信号感知的整车电性能数据异步长采集方法的特点也在于：

当第c次采集的第i个采集时刻的采集值表示电压信号时，令为7个字节的电压长度，并由十六进制表示，其中，前4个字节表示第i个采集时刻后3个字节表示电压采集值

当第c次采集的第i个采集时刻的采集值表示电流信号时，令为7个字节的电流长度，并由十六进制表示，其中，前4个字节表示第i个采集时刻后3个字节表示电流采集值

与现有技术相比，本发明的有益效果在于：

1、本发明提出了采集点预处理机制和采集时刻预测机制；预处理修正采集点中的异常点，通过采集时刻预测机制实现在采集过程中调整步长的目的，使电性能采集终端处于最佳工作状态，保障了采集数据的数据量并延长了设备的使用寿命。

2、本发明的预处理机制通过对采集点的实时抽样，不断修正采集点中的异常点，降低了采集过程中的异常信号，提高了采集的可靠性。

3、本发明的采集时刻预测机制可以实时自适应获取下一个采集时刻，在电压、电流信号变化速度快时自适应调节步长，可以在测试工况多变、工作环境复杂的情况下获取足够的数据量。

4、本发明的电压或电流信号记录格式可以记录任意时刻的电流、电压值，不受采样频率的影响。

5、本发明的提供的数据采集方法，采集对象为电压、电流，采集不受异常信号的干扰，通过自适应获取步长达到采集过程中采样频率的调整，因此该方法兼容性较强，可灵活适应多种测试需求，在整车环境下测试所得数据较为可靠，试验过程方便实现，为后续整车复合电气系统相关控制策略的制定提供重要依据。

附图说明

图1为本发明方法的架构图；

图2为本发明采集点预处理流程图；

图3为本发明采集时刻计算图；

图4为本发明电压信号帧结构；

图5为本发明电流信号帧结构。

具体实施方式

本实施例中，一种基于异常信号感知的整车电性能数据异步长采集方法是按如下步骤进行：异常信号指的是受到外界干扰或者采集对象自身产生的异常电流、电压，采集方法整体架构图如图1所示；

步骤一、采集点的预处理：预处理过程如图2所示；

步骤1.1、定义变量c为电流或电压的采集次数，定义变量为第c次采集的第i个采集时刻，并初始化为c＝1；

步骤1.2、以为起始采样时刻，将第c次采集整车的电压信号或电流信号在前z^c个采集时刻的采集值记作第c次采集的前z^c个采样时刻的采集点其中，表示第c次采集的第i个采集时刻的采集值；

具体实施中，采集次数c是由所选工况决定的；采样时刻点的个数z^c由采集设备的精度和测试要求决定，前z^c个时刻尽量取多，一般在150个以上；

从第c次采集的前z^c个采样时刻的采集点中抽取n^c个采集点作为第c次抽取的n^c个样本点，并将第c次抽取的n^c个样本点中任意一个样本点在前z^c个采样时刻的采集点中的下标记为q，q∈[1,z^c]，则第c次抽取的n^c个样本点中任意一个样本点记为即n^c个样本点记为s∈[1,n^c]，其中，第c次抽取的n^c个样本点中的n^c个采集值服从正态分布N，从而利用式(1)计算第c次抽取的n^c个样本点中n^c个采集值的偏差估计ρ_c：

式(1)中，ρ_c为第c次抽取的偏差估计，r为正态分布的相对偏移量，σ^c为正态分布在第c次抽取时的标准差，n^c为所抽取的采集点的总数；正态分布相对偏移量r数值的选取与所选试验车有关，视为常数；n^c的取值比较随机，一般不超过z^c总数的1/3；

步骤1.3、若0＜ρ_c＜ρ时，则表示第c次抽取的n^c个样本点存在异常，并执行步骤1.4；否则，表示第c次抽取的n^c个样本点不存在异常，即：采集点中无异常值，直接执行步骤2.1；其中，ρ为偏差估计常量；偏差估计ρ的数值关系到样本异常点的判定，本实施例中取ρ＝99.98％，根据测试需求，偏差估计ρ的取值越高，异常点的判断越精确；

步骤1.4、初始化s＝1；

步骤1.5、将q_s赋值给q；

步骤1.6、利用式(2)计算第c次抽取的n^c个样本点中的第q个采集值的估计

式(2)中，表示第c次抽取的n^c个样本点中所有采集时刻的均值，表示在第c次抽取的n^c个样本点中所有采集值的均值；

步骤1.7、异常值判断和处理：

若成立，则表示第c次抽取n^c个样本点中的第q个采集值为异常值，并捕捉异常值所对应的采集时刻在之间的采集点，从而利用式(3)所示的平滑函数计算第c次抽取的第q个平滑值并赋值给同时将中与样本点对应点更新，即将的值赋给对应的采样点。

否则，判断q＝n^c是否成立，若成立，则表示得到第c次采集下预处理后的采集点直接进入步骤2.1；若不成立，令s+1赋值给s后，返回步骤1.5；其中，μ表示异常点的估计常量：

式(3)中，g(·)表示平滑函数；Δs表示时间偏差；时间偏差Δs的选取与所选试验车有关，视为常数。

步骤二、采集时刻的预测机制：采集时刻预测计算流程如图3所示。

步骤2.1、利用式(4)计算第c次采集的第z^c个采样时刻的采样值的信号边际并与所对应的采样时刻构成信号估计点

式(4)中，a为信号偏正系数，b为零点漂移量；偏正系数a的取值受测试车辆的影响，一般地，a∈(0,1]；零点漂移量b的取值与所选取的测试工况有关，视为常数。信号边际根据信号种类的不同，分为两种情况:一种是电压的信号边际，单位为V，伏特，此时零点漂移b，单位为V；一种是电流的信号边际，单位为A，安培，此时零点漂移b，单位为A。

步骤2.2、由第c次采集下前z^c个采样时刻的采集值拟合出曲线从而得到第c次采集下第z^c+1理论时刻的估计值并将相应的信号估计拟合点记为

步骤2.3、利用式(5)计算第c次采集下第z^c个采样时刻的信号边际与估计值之间的距离并作为第c次采集下第z^c个采样时刻的信号跳跃系数：

步骤2.4、利用式(6)计算第c+1次采集的第z^c+1时刻

式(6)中，为第c次采集下的第z^c个采样时刻与第z^c-1个采样时刻之间的步长，当z^c＝1时，通过计算得到下一时刻采集时刻，从而改变步长，实现整车电性能数据的异步长采集。

步骤2.5、将值赋给并将c+1赋值给c后，返回步骤1.2。

具体实施中，电压、电流帧格式分别如图4和图5所示：

当第c次采集的第i个采集时刻的采集值表示电压信号时，令为7个字节的电压长度，并由十六进制表示，其中，前4个字节表示第i个采集时刻后3个字节表示电压采集值；电压单位为mV，可表示范围为±50V。

当第c次采集的第i个采集时刻的采集值表示电流信号时，令为7个字节的电流长度，并由十六进制表示，其中，前4个字节表示第i个采集时刻后3个字节表示电流采集值电流单位为mA，可表示范围为±80A。

Claims (2)

1.一种基于异常信号感知的整车电性能数据异步长采集方法，其特征是按如下步骤进行：

步骤一、采集点的预处理：

步骤1.1、定义变量c为电流或电压的采集次数，定义变量为第c次采集的第i个采集时刻，并初始化为c＝1；

步骤1.2、以为起始采样时刻，将第c次采集整车的电压信号或电流信号在前z^c个采集时刻的采集值记作第c次采集的前z^c个采样时刻的采集点其中，表示第c次采集的第i个采集时刻的采集值；

从所述第c次采集的前z^c个采样时刻的采集点中抽取n^c个采集点作为第c次抽取的n^c个样本点，并将第c次抽取的n^c个样本点中任意一个样本点在所述前z^c个采样时刻的采集点中的下标记为q，q∈[1,z^c]，则第c次抽取的n^c个样本点中任意一个样本点记为即n^c个样本点记为s∈[1,n^c]，其中，所述第c次抽取的n^c个样本点中的n^c个采集值服从正态分布N，从而利用式(1)计算所述第c次抽取的n^c个样本点中n^c个采集值的偏差估计ρ_c：

式(1)中，ρ_c为第c次抽取的偏差估计，r为正态分布的相对偏移量，σ^c为正态分布在第c次抽取时的标准差，n^c为所抽取的采集点的总数；

步骤1.3、若0＜ρ_c＜ρ时，则表示所述第c次抽取的n^c个样本点存在异常，并执行步骤1.4；否则，表示第c次抽取的n^c个样本点不存在异常，即：采集点中无异常点，预处理后的采集点仍为直接执行步骤2.1；其中，ρ为偏差估计常量；

步骤1.4、初始化s＝1；

步骤1.5、将q_s赋值给q；

步骤1.6、利用式(2)计算所述第c次抽取的n^c个样本点中的第q个采集值的异常估计

式(2)中，表示第c次抽取的n^c个样本点中所有采集时刻的均值，表示在第c次抽取的n^c个样本点中所有采集值的均值；

步骤1.7、异常值判断和处理：

若成立，则表示第c次抽取n^c个样本点中的第q个采集值为异常值，并捕捉异常值所对应的采集时刻在之间的采集点，从而利用式(3)所示的平滑函数计算第c次抽取的第q个平滑值并赋值给并同步更新所述中与样本点所对应的采集点；

否则，判断q＝n^c是否成立，若成立，则表示得到第c次采集下预处理后的采集点并执行步骤2.1；若不成立，令s+1赋值给s后，返回步骤1.5；其中，μ表示异常点的估计常量：

式(3)中，g(·)表示平滑函数；Δs表示时间偏差；

步骤二、采集时刻的预测机制：

步骤2.1、利用式(4)计算第c次采集的第z^c个采样时刻的采样值的信号边际并与所对应的采样时刻构成信号估计点

式(4)中，a为信号偏正系数，b为零点漂移量；

步骤2.2、由第c次采集下前z^c个采样时刻的采集值拟合出曲线从而得到第c次采集下第z^c+1理论时刻的估计值并将相应的信号估计拟合点记为

步骤2.3、利用式(5)计算第c次采集下第z^c个采样时刻的信号边际与估计值之间的距离并作为第c次采集下第z^c个采样时刻的信号跳跃系数：

步骤2.4、利用式(6)计算第c+1次采集的第z^c+1时刻

式(6)中，为第c次采集下的第z^c个采样时刻与第z^c-1个采样时刻之间的步长，当z^c＝1时，

步骤2.5、将值赋给并将c+1赋值给c后，返回步骤1.2。

2.根据权利要求1所述的一种基于异常信号感知的整车电性能数据异步长采集方法，其特征是：

当第c次采集的第i个采集时刻的采集值表示电压信号时，令为7个字节的电压长度，并由十六进制表示，其中，前4个字节表示第i个采集时刻后3个字节表示电压采集值

当第c次采集的第i个采集时刻的采集值表示电流信号时，令为7个字节的电流长度，并由十六进制表示，其中，前4个字节表示第i个采集时刻后3个字节表示电流采集值