CN111752993A - 一种自动变速器离合器数据分析系统及方法 - Google Patents
一种自动变速器离合器数据分析系统及方法 Download PDFInfo
- Publication number
- CN111752993A CN111752993A CN202010576625.8A CN202010576625A CN111752993A CN 111752993 A CN111752993 A CN 111752993A CN 202010576625 A CN202010576625 A CN 202010576625A CN 111752993 A CN111752993 A CN 111752993A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- clutch
- characteristic vector
- road
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000005540 biological transmission Effects 0.000 title claims abstract description 24
- 230000008676 import Effects 0.000 claims abstract description 15
- 230000008859 change Effects 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 67
- 230000008569 process Effects 0.000 claims description 21
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 11
- 238000013461 design Methods 0.000 abstract description 3
- 239000000284 extract Substances 0.000 abstract description 3
- 238000005065 mining Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 10
- 238000007418 data mining Methods 0.000 description 9
- 238000003066 decision tree Methods 0.000 description 7
- 238000005299 abrasion Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Control Of Transmission Device (AREA)
Abstract
本发明涉及一种自动变速器离线数据分析领域,具体涉及一种自动变速器离合器数据分析系统及方法。该系统该系统包括用户管理模块,配置管理模块、数据导入模块,数据检索模块、数据导出模块、数据分析模块、系统控制台、数据库八个模块。本发明通过该系统分析自动变速器离合器离线数据,通过对自动变速器离合器数据进行针对的解析来抽取,然后通过对同类型数据的融合、检索、分析,得出相关的数值分析报告;通过对全局数据的挖掘、分析预测,总结出一些参数的变化规律,提高数据分析效率,为控制系统优化设计提供数据支撑。
Description
技术领域
本发明涉及一种自动变速器离线数据分析领域,具体涉及一种自动变速器离合器数据分析系统及方法。
背景技术
随着电子信息技术在车辆上的广泛应用,车载数据的采集和存储技术得到了飞速发展,数据采集的准确性和稳定性大幅提升,车辆运行中产生的海量数据,都被准确的记录下来。虽然车载数据的不断丰富,有助于更加系统、准确的反映车辆的运行状态,但是,数据容量的不断增大,也加大了数据分析的难度。
自动变速器具有非线性、多参数和时变性等特点,其控制过程非常复杂,在研究过程中必须进行大量试验来优化控制过程,而大量的试验会产生海量的实车数据,采用传统的数据分析和管理方式,无法快速挖掘出潜在的、有价值的信息,因此,建立一套可以满足要求的健康信息存储、处理系统,通过算法搜索隐藏于其中的信息,将研发过程中积累的大量整车试验数据进行统计分析,为自动变速器控制优化提供数据支撑。
发明内容
本发明所要解决的技术问题是:针对自动变速器离线数据量大,关键信息提取困难等特点,提出一种自动变速器离合器数据分析系统及分析方法,从而克服海量数据分析工作量大、关键信息定位不准确的问题,既可以大大提高分析数据的效率,也可以加大关键数据的分析深度。
为了解决上述技术问题,本发明所采用的技术方案如下:
一种自动变速器离合器数据分析系统包括用户管理模块,配置管理模块、数据导入模块,数据检索模块、数据导出模块、数据分析模块、系统控制台、数据库八个模块。
所述的用户管理模块,主要用于管理员做添加用户、删除用户、修改用户角色等操作。普通用户仅仅有浏览权限,涉及数据变动的操作必须具有管理员权限。
所述的配置管理模块,主要用于创建、修改和保存配置文件,所述的配置文件包括数据协议等信息,其中数据协议用于记录数据帧中各个字节的含义。当数据帧发生变动时,只需要修改配置文件就可以保证数据分析系统的正确运行。
所述的数据导入模块,主要用于针对某份配置文件下数据导入数据库,数据导入支持全量和增量两种模式。
所述的数据检索模块,主要用于从数据库中解压原始车载数据,提取单一配置文件中的任一数据源,查看拼接多份配置文件对应的数据。
所述的数据导出模块,主要用于针对单一配置文件或多份配置文件进行信息统计,产生数据信息报表,统计所有换挡信息、档位保持信息并以图表的形式进行显示。
所述的数据分析模块,主要用于提取出不同工况下离合器信息、选换挡位移信息,将同一车型不同里程的数据文件中每次换挡过程计算出的数值用散点图的方式列出,同时列出各数据的最大值、最小值以及平均值,进行磨损元件随使用时间、使用环境、使用工况等条件的变化规律分析。
所述的系统控制台,主要用于查看当前数据导入任务和数据分析任务的情况,启动/重启后台任务处理程序。
所述的数据库,用于存储车载数据。
数据分析模块中,基于数据挖掘的决策树分类算法,依据设计的分类模型,从样本向量中提取出换挡行程位移和同步时间多个散点,对散点进行数据拟合处理,得到换挡执行机构中换挡滑块随使用时间、使用环境等条件的磨损曲线;从样本向量中提取出符合条件的离合器滑磨时间和动力中断时间多个散点,得到离合器控制过程控制参数依据,为自动变速器控制优化提供数据支撑。
本发明的优点:
本发明基于数据挖掘的自动变速器离合器离线数据的管理、检索、分析方法,通过对自动变速器离合器数据进行针对的解析来抽取,然后通过对同类型数据的融合、检索、分析,得出相关的数值分析报告;通过对全局数据的挖掘、分析预测,总结出一些参数的变化规律,提高数据分析效率,为控制系统优化设计提供数据支撑。
附图说明
图1为系统功能结构示意图;
图2为离合器控制信息决策树;
图3为离合器控制过程。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明目的在于实现一种基于数据挖掘的自动变速器离线数据的管理、检索、分析方法,通过对自动变速器各类型数据进行针对的解析来抽取,然后通过对同类型数据的融合、检索、分析,得出相关的数值分析报告;最后,通过对全局数据的挖掘、分析预测,总结出一些参数的变化规律,提高数据分析效率,为控制系统优化设计提供数据支撑。
数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程,本发明结合数据挖掘的分类分析算法,建立了基于数据挖掘的自动变速器离线数据分析系统,具有数据汇总、统计和快速筛选信息的能力,能够完成海量实车数据的数据统计及规律分析,具有良好的可行性和实用性。
参见图1,本发明提供的一种基于数据挖掘的自动变速器离合器数据分析系统包括用户管理模块,配置管理模块、数据导入模块,数据检索模块、数据导出模块、数据分析模块、系统控制台、数据库八个模块。
所述的用户管理模块,主要用于管理员做添加用户、删除用户、修改用户角色等操作。普通用户仅仅有浏览权限,涉及数据变动的操作必须具有管理员权限。
所述的配置管理模块,主要用于创建、修改和保存配置信息,配置文件的内容包括数据协议等信息,其中数据协议用于记录数据帧中各个字节的含义。当数据帧发生变动时,只需要修改配置文件就可以保证数据分析系统的正确运行。
所述的数据导入模块,主要用于针对某份配置文件进行数据导入数据库,数据导入支持全量和增量两种模式。
所述的数据检索模块,主要用于解压原始车载数据,提取单一配置文件中的任一数据源,查看拼接多份配置文件对应的数据。
所述的数据导出模块,主要用于针对单一配置文件或多份配置文件进行信息统计,产生数据信息报表,统计所有换挡信息、档位保持信息并以图表的形式进行显示。
所述的数据分析模块,主要用于提取出不同工况下离合器信息、选换挡位移信息,将同一车型不同里程的数据文件中每次换挡过程计算出的数值用散点图的方式列出,同时列出各数据的最大值、最小值以及平均值,进行磨损元件随使用时间、使用环境、使用工况等条件的变化规律分析。
所述的系统控制台,主要用于查看当前数据导入任务和数据分析任务的情况,启动/重启后台任务处理程序。
所述的数据库,用于存储车载数据。
数据分析模块中,基于数据挖掘的决策树分类算法,依据设计的分类模型,从样本向量中提取出换挡行程位移和同步时间多个散点,对散点进行数据拟合处理,得到换挡执行机构中换挡滑块随使用时间、使用环境等条件的磨损曲线;从样本向量中提取出符合条件的离合器滑磨时间和动力中断时间多个散点,得到离合器控制过程控制参数依据,为自动变速器控制优化提供数据支撑。
决策树是利用信息论中的信息增益寻找数据库中具有最大信息量的属性字段,建立决策树的一个结点,再根据该属性字段的不同取值建立树的分支,在每个子分支子集中重复建立树的下层结点和分支的一个过程。构造决策树的具体过程为:首先寻找初始分裂,整个训练集作为产生决策树的集合,训练集每个记录必须是已经分好类的,以决定哪个属性域作为目前最好的分类指标,参阅2附图所示。
对本发明提供的一种基于数据挖掘的自动变速器离合器数据分析方法做进一步的描述说明:该方法包括的步骤如下:
(1)首先利用数据导入模块将离合器数据导入数据库,对数据进行预处理,获得带有离合器控制阶段属性的特征向量;
离合器控制阶段属性分为:分离离合器阶段、选换挡阶段、离合器慢结合阶段、离合器快结合阶段、确认结合阶段;
(2)分析所述步骤1中预处理后的带有离合器控制阶段属性的特征向量的换挡过程,并确认是否为换挡过程特征向量或挡位保持特征向量;
(3)分析所述换挡过程特征向量的挡位信息,确认是否为静态换挡特征向量或动态换挡特征向量;分析所述挡位保持特征向量的环境信息,并确认是否为高热、高寒或高原特征向量;
(4)分析所述静态换挡特征向量的控制阶段信息,并确认是否为离合器控制阶段特征向量或选换挡控制阶段特征向量;分析所述动态换挡特征向量的挡位信息,并确认是否为升挡或降档特征向量;分析所述高热、高寒、高原特征向量的路面信息,并确定是否为高热环境铺面路、砂石路,高寒环境铺面路、高寒低附着路,高原环境铺面路或高原环境砂石路特征向量;
(5)分析步骤(4)中获得的所述离合器控制阶段特征向量的路面信息,并确定是否为铺面路、砂石路或低附着路特征向量;分析所述升挡、降挡特征向量的油门信息,并分别确定是否为小油门、中油门、大油门特征向量;分析所述高热环境铺面路、高热环境砂石路,高寒环境铺面路、高寒环境低附着路、高原环境铺面路、高原环境砂石路特征向量的时间信息,并确认离合器位移信息,分别拟合出离合器磨损规律;
(6)分析所述步骤(5)中获得的所述铺面路、砂石路、低附着路特征向量的转速信息,分别确认其离合器结合点,最终得到离合器静态结合点边界值;分析所述步骤(5)中获得的升档下、降档下的小油门、中油门、大油门特征向量的控制阶段信息,分别确认是否为升档下离合器控制阶段特征向量或降档下离合器控制阶段特征向量;
(7)分析所述步骤(6)中获得的升档下离合器控制阶段特征向量或降档下离合器控制阶段特征向量的路面信息,分别确认是否为铺面路、砂石路、低附着路特征向量;
(8)分析步骤(7)中获得的铺面路、砂石路、低附着路特征向量的转速信息,分别确认各特征向量的离合器结合点,将其作为离合器升挡结合点边界值以及离合器降挡结合点边界值,利用数据导出模块统计所有离合器换挡信息、档位保持信息并以图表的形式进行显示,如图2所示。
本发明将数据分析得到的数据,用于离合器控制过程。
如图3所示,离合器主、从动部分开始结合,还未传递转矩的离合器行程位置称为离合器初始结合点,初始结合点的偏移一般只和离合器的磨损有关,与车辆的负载等无关,在车辆的使用过程中只能通过试验数据分析获知其接近值;离合器传递的转矩足以克服路面阻力的离合器行程位置称为半结合点,车辆阻力变化时,半结合点的位置会有较大差异,例如硬质路面条件下的半结合点位置“浅”,沙石路面条件下的半结合点位置“深”;预设半结合点是写入控制程序的与整车情况相关的控制参数,是比离合器初始结合点要“浅”的位置,将数据分析得到的初始结合点、半结合点作为控制边界写入控制程序,优化控制过程。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种自动变速器离合器数据分析系统,其特征在于,该系统包括用户管理模块,配置管理模块、数据导入模块,数据检索模块、数据导出模块、数据分析模块、系统控制台、数据库八个模块;
所述的用户管理模块,主要用于管理员做添加用户、删除用户、修改用户角色操作;
所述的配置管理模块,主要用于创建、修改和保存配置文件,所述的配置文件包括数据协议,所述数据协议用于记录数据帧中各个字节的含义;
所述的数据导入模块,主要用于针对某份配置文件下数据导入数据库;
所述的数据检索模块,主要用于从数据库中解压原始车载数据,提取单一配置文件中的任一数据源,查看拼接多份配置文件对应的数据;
所述的数据导出模块,主要用于针对单一配置文件或多份配置文件进行信息统计,产生数据信息报表,统计所有换挡信息、档位保持信息并以图表的形式进行显示;
所述的数据分析模块,主要用于提取出不同工况下离合器信息、选换挡位移信息,将同一车型不同里程的数据文件中每次换挡过程计算出的数值用散点图的方式列出,同时列出各数据的最大值、最小值以及平均值,进行磨损元件随使用时间、使用环境、使用工况条件的变化规律分析;
所述的系统控制台,主要用于查看当前数据导入任务和数据分析任务的情况,启动/重启后台任务处理程序;
所述的数据库,用于存储车载数据。
2.如权利要求1所述的自动变速器离合器数据分析系统,其特征在于,所述的数据导入模块数据导入支持全量和增量两种模式。
3.一种利用权利要求1或2所述的自动变速器离合器数据分析系统的离合器数据分析方法,其特征在于,该方法包括如下步骤:
(1)首先将离合器数据导入数据库,对数据进行预处理,获得带有离合器控制阶段属性的特征向量;
(2)分析所述步骤(1)中预处理后的带有离合器控制阶段属性的特征向量的换挡过程,并确认是否为换挡过程特征向量或挡位保持特征向量;
(3)分析所述换挡过程特征向量的挡位信息,确认是否为静态换挡特征向量或动态换挡特征向量;分析所述挡位保持特征向量的环境信息,并确认是否为高热、高寒或高原特征向量;
(4)分析所述静态换挡特征向量的控制阶段信息,并确认是否为离合器控制阶段特征向量或选换挡控制阶段特征向量;分析所述动态换挡特征向量的挡位信息,并确认是否为升挡或降档特征向量;分析所述高热、高寒、高原特征向量的路面信息,并确定是否为高热环境铺面路、砂石路,高寒环境铺面路、高寒低附着路,高原环境铺面路或高原环境砂石路特征向量;
(5)分析步骤(4)中获得的所述离合器控制阶段特征向量的路面信息,并确定是否为铺面路、砂石路或低附着路特征向量;分析所述升挡、降挡特征向量的油门信息,并分别确定是否为小油门、中油门、大油门特征向量;分析所述高热环境铺面路、高热环境砂石路,高寒环境铺面路、高寒环境低附着路、高原环境铺面路、高原环境砂石路特征向量的时间信息,并确认离合器位移信息,分别拟合出离合器磨损规律;
(6)分析所述步骤(5)中获得的所述铺面路、砂石路、低附着路特征向量的转速信息,分别确认其离合器结合点,最终得到离合器静态结合点边界值;分析所述步骤(5)中获得的升档下、降档下的小油门、中油门、大油门特征向量的控制阶段信息,分别确认是否为升档下离合器控制阶段特征向量或降档下离合器控制阶段特征向量;
(7)分析所述步骤(6)中获得的升档下离合器控制阶段特征向量或降档下离合器控制阶段特征向量的路面信息,分别确认是否为铺面路、砂石路、低附着路特征向量;
(8)分别步骤(7)中获得的铺面路、砂石路、低附着路特征向量的转速信息,分别确认各特征向量的离合器结合点,将其作为离合器升挡结合点边界值以及离合器降挡结合点边界值。
4.如权利要求3所述的离合器数据分析方法,其特征在于,所述步骤(1)中,离合器控制阶段属性分为:分离离合器阶段、选换挡阶段、离合器慢结合阶段、离合器快结合阶段、确认结合阶段。
5.如权利要求3所述的离合器数据分析方法,其特征在于,该方法还包括:利用数据导出模块统计所有离合器换挡信息、档位保持信息并以图表的形式进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010576625.8A CN111752993B (zh) | 2020-06-22 | 2020-06-22 | 一种自动变速器离合器数据分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010576625.8A CN111752993B (zh) | 2020-06-22 | 2020-06-22 | 一种自动变速器离合器数据分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111752993A true CN111752993A (zh) | 2020-10-09 |
CN111752993B CN111752993B (zh) | 2023-12-22 |
Family
ID=72675845
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010576625.8A Active CN111752993B (zh) | 2020-06-22 | 2020-06-22 | 一种自动变速器离合器数据分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111752993B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112943913A (zh) * | 2021-02-26 | 2021-06-11 | 北京理工大学 | 一种基于决策树算法的amt挂挡过程冗余控制方法 |
CN113008550A (zh) * | 2021-03-04 | 2021-06-22 | 安徽全柴锦天机械有限公司 | 一种离合器质量检测用试验方法 |
CN116039810A (zh) * | 2023-01-09 | 2023-05-02 | 北京汽车集团越野车有限公司 | 四驱系统使用信息的统计方法、存储介质、设备及车辆 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110183809A1 (en) * | 2010-01-22 | 2011-07-28 | Gm Global Technology Operations, Inc. | Shift control systems and methods for an automatic transmission |
CN103886116A (zh) * | 2012-12-20 | 2014-06-25 | 北汽福田汽车股份有限公司 | 车辆变速操纵系统的计算分析系统和方法 |
CN105299211A (zh) * | 2015-11-10 | 2016-02-03 | 中国北方车辆研究所 | 一种面向工程的机械式自动变速器控制系统和方法 |
CN105333130A (zh) * | 2015-10-16 | 2016-02-17 | 重庆市江津区禾丰机械有限公司 | 一种基于大数据管理模式的变速器控制系统 |
CN108829731A (zh) * | 2018-05-15 | 2018-11-16 | 吉贝克信息技术(北京)有限公司 | 数据分析方法、系统、计算机可读存储介质、及电子终端 |
-
2020
- 2020-06-22 CN CN202010576625.8A patent/CN111752993B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110183809A1 (en) * | 2010-01-22 | 2011-07-28 | Gm Global Technology Operations, Inc. | Shift control systems and methods for an automatic transmission |
CN103886116A (zh) * | 2012-12-20 | 2014-06-25 | 北汽福田汽车股份有限公司 | 车辆变速操纵系统的计算分析系统和方法 |
CN105333130A (zh) * | 2015-10-16 | 2016-02-17 | 重庆市江津区禾丰机械有限公司 | 一种基于大数据管理模式的变速器控制系统 |
CN105299211A (zh) * | 2015-11-10 | 2016-02-03 | 中国北方车辆研究所 | 一种面向工程的机械式自动变速器控制系统和方法 |
CN108829731A (zh) * | 2018-05-15 | 2018-11-16 | 吉贝克信息技术(北京)有限公司 | 数据分析方法、系统、计算机可读存储介质、及电子终端 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112943913A (zh) * | 2021-02-26 | 2021-06-11 | 北京理工大学 | 一种基于决策树算法的amt挂挡过程冗余控制方法 |
CN113008550A (zh) * | 2021-03-04 | 2021-06-22 | 安徽全柴锦天机械有限公司 | 一种离合器质量检测用试验方法 |
CN116039810A (zh) * | 2023-01-09 | 2023-05-02 | 北京汽车集团越野车有限公司 | 四驱系统使用信息的统计方法、存储介质、设备及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN111752993B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111752993B (zh) | 一种自动变速器离合器数据分析系统及方法 | |
CN101667197A (zh) | 基于滑动窗口的数据流关联规则挖掘方法 | |
CN100377112C (zh) | 磁盘驱动器、其控制方法以及磁盘伪造的探测方法 | |
Lim et al. | Characterizing web document change | |
CN103473321A (zh) | 数据库管理方法与系统 | |
CN102388374A (zh) | 存储数据的方法和装置 | |
KR20120015558A (ko) | 상황 구조 생성 방법 및, 상황 구조 생성 시스템 | |
LU503512B1 (en) | Operating method for construction of knowledge graph based on naming rule and caching mechanism | |
CN101326522A (zh) | Xml的简明索引结构 | |
US7028020B1 (en) | Interactive technique to automatically find and organize items similar to example items | |
CN109634921A (zh) | 一种文件存储的方法及存储系统 | |
Vu et al. | Using deep learning for big spatial data partitioning | |
CN116991931A (zh) | 一种元数据管理方法和系统 | |
CN101226552A (zh) | 一种利用多维结构树构成的目录管理海量信息的方法 | |
CN114418164A (zh) | 一种基于知识管理的盾构掘进装备智能优化选型方法 | |
Zhang et al. | Skyline queries with constraints: Integrating skyline and traditional query operators | |
Zhao et al. | Combining Drilling Big data and machine learning method to improve the timeliness of drilling | |
CN115545630A (zh) | 一种提升大型设备周转率的机器学习模型建立方法 | |
Chawathe et al. | On index selection schemes for nested object hierarchies | |
Al Kindi et al. | The Journey Towards Net Zero Emissions for the Second Largest Asset in Petroleum Development Oman | |
WO2002026014A2 (en) | Project management system and method | |
Huang et al. | A Data Driven Method to Predict and Restore Missing Well Head Flow Pressure | |
Zhang et al. | A New Perspective of Web Usage Mining: Using Enterprise Proxy Log | |
Chawla et al. | Reverse apriori approach—an effective association rule mining algorithm | |
Loglisci et al. | Mining Trajectory Data for Discovering Communities of Moving Objects. |
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 |